Freight-Transit tour synthesis

Abstract

This research introduces a multi-class demand synthesis model for transit and freight, utilizing entropy maximization and fuzzy logic. The model incorporates traffic data and fuzzy parameters to accommodate uncertainty. The use of fuzzy logic enhances classical modeling by providing flexibility and addressing data uncertainty, a critical aspect in resource-constrained decision-making scenarios. Finite resources such as road capacity necessitate optimal decision-making. Flexible models are essential, as not all constraints can be fully met. Fuzzy logic excels in handling variability and uncertainty, improving results' reliability. It aids in estimating congestion patterns, emissions levels, and accidents, thereby providing valuable insights to decision-makers. Fuzzy logic's flexibility is crucial for real-world adaptability. It enhances transportation planning, benefiting urban mobility. Results' accuracy directly impacts decisions, and fuzzy logic incorporates real-world variability into models. The research focuses on triangular membership functions, a commonly used approach. Fuzzy logic's adaptability is compared with deterministic models, demonstrating superior performance. It helps in finding satisfactory solutions when full constraint satisfaction is unfeasible. Pareto frontiers indicate multi-objective optimization. Decision-makers can use this frontier to choose the right model based on accomplishment versus entropy trade-offs. Fuzzy logic accommodates partial solutions when strict constraints cannot be met. Trials with a developed model show that capacity and cost significantly influence outcomes. Sensitivity analyses reveal the model's robustness. The model's application is promising for shared lanes and infrastructure optimization, handling data variability and uncertainty. It aids in decision-making for urban transportation planning and infrastructure development. Government agencies must strategize mobility elements. Accurate data are crucial for decisions related to routes, traffic management, and infrastructure. Fuzzy logic can guide decisions about shared lanes and resource allocation, enhancing urban transportation planning and development.

Esta investigación presenta un modelo de síntesis de demanda multiclase para tránsito y carga, utilizando maximización de entropía y lógica difusa. El modelo incorpora datos de tráfico y parámetros difusos para adaptarse a la incertidumbre. El uso de la lógica difusa mejora el modelado clásico al proporcionar flexibilidad y abordar la incertidumbre de los datos, un aspecto crítico en escenarios de toma de decisiones con recursos limitados. Los recursos finitos, como la capacidad de las vías, requieren una toma de decisiones óptima. Los modelos flexibles son esenciales, ya que no todas las restricciones pueden cumplirse por completo. La lógica difusa se destaca en el manejo de la variabilidad y la incertidumbre, mejorando la confiabilidad de los resultados. Ayuda a estimar los patrones de congestión, los niveles de emisiones y los accidentes, proporcionando así información valiosa a los responsables de la toma de decisiones. La flexibilidad de la lógica difusa es crucial para la adaptabilidad al mundo real. Mejora la planificación del transporte, beneficiando la movilidad urbana. La precisión de los resultados impacta directamente en las decisiones, y la lógica difusa incorpora la variabilidad del mundo real en los modelos. La investigación se centra en las funciones de pertenencia triangulares, un enfoque de uso común. La adaptabilidad de la lógica difusa se compara con modelos deterministas, lo que demuestra un rendimiento superior. Ayuda a encontrar soluciones satisfactorias cuando la satisfacción total de la restricción es inviable. Las fronteras de Pareto indican optimización multiobjetivo. Los tomadores de decisiones pueden usar esta frontera para elegir el modelo correcto en función de las compensaciones entre logros y entropía. La lógica difusa acomoda soluciones parciales cuando no se pueden cumplir restricciones estrictas. Los ensayos con el modelo desarrollado muestran que la capacidad y el costo influyen significativamente en los resultados. Los análisis de sensibilidad revelan la solidez del modelo. La aplicación del modelo es una alternativa prometedora en el uso de infraestructura compartida (carriles y bahías) y la optimización de la misma, al incluir la variabilidad e incertidumbre de los datos, pudiendo ser de ayuda en la toma de decisiones para la planificación del transporte urbano y el desarrollo de infraestructura. Las agencias gubernamentales deben diseñar estrategias para los elementos de movilidad. Los datos precisos son cruciales para las decisiones relacionadas con las rutas, la gestión del tráfico y la infraestructura. La lógica difusa puede guiar las decisiones sobre carriles compartidos y asignación de recursos, mejorando la planificación y el desarrollo del transporte urbano. (Texto tomado de la fuente)