Dublin Core
Title
Relocalización dinámica de vehículos y staff para un servicio de car-sharing
Subject
388.321
Comunicación y transporte
Automóviles compartidos
Transporte automotriz - Métodos de simulación
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2020
Recientemente, los sistemas de transporte urbano basados en uso compartido (shared
economies) han experimentado un significante crecimiento, guiados por la demanda de
clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios
de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y
automóviles (Zipcar, Shared Now, Car2go).
Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito
consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece
el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta
grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial
y temporal de la demanda, que producirán desbalances de los inventarios de vehículos
geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso
de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para
evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación.
Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar
múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un
conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación.
Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos
y staff durante la operación. Además, proponemos y comparamos diferentes políticas
online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y
otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic
programming (ADP) que estima una función de pérdida. El valor de las políticas
es estimado computacionalmente mediante instancias simuladas en un experimento base
y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente,
nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras
políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto.Recientemente, los sistemas de transporte urbano basados en uso compartido (shared
economies) han experimentado un significante crecimiento, guiados por la demanda de
clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios
de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y
automóviles (Zipcar, Shared Now, Car2go).
Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito
consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece
el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta
grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial
y temporal de la demanda, que producirán desbalances de los inventarios de vehículos
geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso
de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para
evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación.
Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar
múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un
conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación.
Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos
y staff durante la operación. Además, proponemos y comparamos diferentes políticas
online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y
otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic
programming (ADP) que estima una función de pérdida. El valor de las políticas
es estimado computacionalmente mediante instancias simuladas en un experimento base
y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente,
nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras
políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto.
economies) han experimentado un significante crecimiento, guiados por la demanda de
clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios
de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y
automóviles (Zipcar, Shared Now, Car2go).
Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito
consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece
el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta
grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial
y temporal de la demanda, que producirán desbalances de los inventarios de vehículos
geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso
de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para
evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación.
Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar
múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un
conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación.
Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos
y staff durante la operación. Además, proponemos y comparamos diferentes políticas
online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y
otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic
programming (ADP) que estima una función de pérdida. El valor de las políticas
es estimado computacionalmente mediante instancias simuladas en un experimento base
y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente,
nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras
políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto.Recientemente, los sistemas de transporte urbano basados en uso compartido (shared
economies) han experimentado un significante crecimiento, guiados por la demanda de
clientes a modos más flexibles y eficientes de movilizarse. Por esto, es común ver servicios
de vehículos compartidos, como bicicletas (Mobike, Ofo), scooters (Lime, Bird) y
automóviles (Zipcar, Shared Now, Car2go).
Estudiamos la operación de un servicio de one way car-sharing (OWCS), cuyo propósito
consiste en ofrecerle al cliente recoger y devolver un automóvil de la agencia que ofrece
el servicio en dos lugares geográficos distintos y habilitados. Este tipo de servicios presenta
grandes desafíos logísticos. Primero, es común observar patrones de asimetría espacial
y temporal de la demanda, que producirán desbalances de los inventarios de vehículos
geográficamente. Esto, puede generar pérdidas de demanda por estaciones vacías o exceso
de devoluciones de vehículos en estacionamientos no habilitados (over-parking). Para
evitar esto, los vehículos deben ser relocalizados dinámicamente durante la operación.
Segundo, a diferencia de sistemas de bike/scooter-sharing, en los que es posible relocalizar
múltiples vehículos en un sólo viaje, cada automóvil debe ser relocalizado por un
conductor de la agencia, que a la vez, también debe ser relocalizado durante la operación.
Formulamos un modelo de optimización dinámico que relocaliza conjuntamente vehículos
y staff durante la operación. Además, proponemos y comparamos diferentes políticas
online para el problema. Algunas de estas políticas son reactivas, otras anticipativas y
otras incorporan ambos aspectos. Por ejemplo, una política basada en approximate dynamic
programming (ADP) que estima una función de pérdida. El valor de las políticas
es estimado computacionalmente mediante instancias simuladas en un experimento base
y en el escenario con datos reales de la agencia chilena de OWCS, Awto. Finalmente,
nuestra política basada en ADP presentó los mejores resultados, con respecto a las otras
políticas, y mejoró el costo de no hacer en nada en un 48% en el escenario de Awto.
Creator
Strobl Agrela, Diego
Date
2020-10-09T11:36:29Z
2020-10-09T11:36:29Z
2020
Contributor
Giesen Encina, Ricardo
Klapp Belmar, Mathias
Pontificia Universidad Católica de Chile. Escuela de Ingeniería
Rights
acceso abierto
Format
xiv, 99 páginas
application/pdf
Language
es
Type
tesis de maestría
Identifier
10.7764/tesisUC/ING/47373
https://doi.org/10.7764/tesisUC/ING/47373
https://repositorio.uc.cl/handle/11534/47373