A.

4 ESTUDIO DEL ESTADO DEL ARTE

Introducción
La optimización de rutas de transporte escolar se considera un tema prioritario por
parte de las administraciones públicas dada la obligatoriedad de su servicio y la
trascendencia social y económica que supone. Además hay que tener en cuenta que
las rutas de transporte escolar deben ser adaptadas de forma continua a las
necesidades de los alumnos de cada centro y su planificación deben contemplar, al
menos, aspectos tales como la minimización de tiempo de transporte, de riesgos y
costes económicos.
El cálculo de rutas de vehículos en general (VRP – Vehicle Routing Problem) ha sido
frecuentemente tratado en la literatura, desde que apareciera la primera aplicación real
en la distribución de gasolina para estaciones de carburante (Dantzig y Ramser, 1959).
En particular, dentro de la amplia gama de problemas englobados como VRP, se
puede considerar el problema del cálculo de rutas de autobuses escolares (SBRP –
School Bus Routing Problem) como una particularización del problema de rutas de
vehículos con restricciones de carga y tiempo (VRPTW) (Laporte et al, 1984 y 1985).

Objetivos de este tipo de problemas

Aunque algunos autores se plantean un único objetivo a la hora de formular el
problema (Bennet y Gazis (1972), Dulac et al (1980) o Braca et al (1997), por ejemplo),
lo más frecuente en la literatura es que se lleve a cabo una optimización multi-objetivo
(Guo et al (2006), Fügenschuh y Martin (2006), Li y Fu (2002), Bowerman (1995)), de
forma que se introduzcan distintas consideraciones que aporten un mayor grado de
sofisticación al proceso de toma de decisiones pero que obviamente provocan una
mayor complejidad al problema.
En cualquier caso, los distintos objetivos formulados suelen enfocarse en aras de
maximizar la eficiencia, de modo que se reduzcan los costes operativos manteniendo
los niveles de servicio. Así, se pueden encontrar en la literatura ejemplos de
minimización del número de autobuses necesarios (Clarke (1964), Bodin (1979),
Swersey (1984), Braca et al (1997)), del número de rutas (Bowerman (1995), Angel et
al (1972), Newton and Thomas (1974)), una combinación del número de autobuses y
el tiempo de viaje (Gavish, 1979) o de la distancia recorrida por todas las rutas (Dulac
et al, 1980).
Además de maximizar la eficiencia del sistema, también se puede pretender maximizar
la efectividad del mismo (a través del grado de satisfacción de la demanda de
servicio), como son los casos de Bennett (1972) y de Bowerman, Hall and Calamai
(1995).
Otra posible opción es la de maximizar la equidad (el trato igualitario a todos los
estudiantes que pretenden utilizar el sistema), como ocurre en Bowerman (1995),
donde se impone que el primer estudiante recogido en la mañana debe ser el primero
en ser devuelto por la tarde, además de incluirse una restricción con la distancia
máxima que los estudiantes deben caminar desde sus casas hasta la parada.
Otras consideraciones
Destaca en la literatura la diferenciación que se hace entre el caso de recorridos
urbanos y rurales, diferenciación motivada por diversos factores que proporcionan
generalmente mayor complejidad al caso urbano. Así, en Bennet (1972) se trata la
asimetría de la matriz de distancias en el caso urbano, que hace que la distancia
desde un punto A a otro B no sea necesariamente la misma que de B a A, debido a la
existencia de calles con sentido único. Otra consideración a tener en cuenta es la
posibilidad de que los estudiantes realicen trayectos a pie hasta la parada en el caso
urbano (Bowerman, 1995), opción que no se contempla en el caso de la planificación
de rutas interurbanas. En Dulac (1980) se comparan diferentes heurísticas para
resolver el SBRP en ámbito urbano, mientras que el resto de autores mencionados
aplican el enfoque rural.
Un caso particular del problema es el tratado en Bookbinder (1990), donde se aborda
el problema de la secuenciación de autobuses escolares no para la recogida de
estudiantes en sus casas, sino para la realización de otro tipo de desplazamientos
originados en el propio colegio, como el traslado de grupos para la realización de
excursiones o visitas.
Otra peculiaridad es la aportada por Ferland y Forting (1989) y Fügenschuh y Martin
(2006), donde se propone que los horarios de inicio de los colegios puedan ser
modificados, en aras de una minimización del número de autobuses.

Resolución
Al ser éste un problema NP-Hard (complejidad no polinomial) (Lenstra et al, 1981) los
algoritmos exactos (aquéllos que garantizan la solución óptima) requieren un tiempo
de computación que crece de forma exponencial con el número de elementos que
interviene en el problema, de tal forma que resulta una tarea computacionalmente
inabarcable incluso para problemas no muy grandes (menos de 100 puntos) (Pacheco
et al, 2000). Por ello se han desarrollado diversos métodos heurísticos, que garantizan
al menos una solución aceptable cercana al óptimo.
En Spasovic (2001), por ejemplo, se realiza una comparación entre una heurística
propia basada en el ahorro de tiempos, una solución propuesta por un software
genérico de cálculo de rutas, y el método de barrido. En Spada (2003) se opta por la
construcción de una solución admisible inicial que no tenga en cuenta el número de
autobuses necesarios, para luego mejorarla progresivamente utilizando diversas
heurísticas, de entre las cuales el recocido simulado ofrece mejores resultados.
Hargroves (1981) propone un método que parte de rutas diseñadas manualmente para
luego evaluarlas y mejorarlas mediante un computador, consiguiendo reducciones
significativas en el número de autobuses y de rutas, así como en el número de
asientos vacíos en los vehículos. En Chen (1990) se trata el SBRP generando rutas
que buscan minimizar el número de autobuses necesarios y la distancia total recorrida
por la flota mediante un sistema experto.
La mayoría de los problemas multi-objetivos emplean para la resolución engorrosas
funciones que intentan combinar estos objetivos en uno solo, no obstante Corberán et
al (2002) desarrollan un procedimiento que considera cada objetivo por separado, a la
vez que busca un conjunto de soluciones eficientes en lugar de un único óptimo. Esta
misma estrategia es desarrollada por Pacheco y Martí (2006) a través de un
procedimiento heurístico basado en la búsqueda tabú.
Un original algoritmo metaheurístico es el planteado por Geem et al (2005), conocido
como búsqueda armónica y basado en el proceso que sigue un grupo de músicos para
conseguir la mejor armonía posible.
Un aspecto frecuentemente tratado en la literatura es la interacción de los encargados
de tomar decisiones con los resultados de la optimización, actualizando los resultados
para imponer determinadas consideraciones adicionales, bien por ser demasiado
complejas para ser introducidas en los datos iniciales del problema, bien porque no es
hasta disponer de una solución cuando se advierte la necesidad de modificarla de
alguna manera. Así, el sistema experto propuesto en Chen (1990) permite la
participación en el proceso de los responsables de la planificación, al igual que la
heurística de Verderber (1974).

Resultados
Independientemente de la metodología establecida, en la literatura queda demostrado
que un adecuado planteamiento y posterior resolución del problema de rutas de
transporte escolar consigue optimizar los recursos disponibles.
Así, por un lado, se demuestra la reducción del número de autobuses necesarios para
satisfacer la demanda, cuantificado entre un 15 y 20% en el caso de Stöveken (2000),
entre un 10 y un 25% en Fügenschuh (2009) o entre 11-15% en Fügenschuh y Martin
(2006).
Además se comprueba una optimización en los tiempos de espera de los autobuses
entre cargas (entre un 42 y 72% en Fügenschuh y Martin, 2006) y en el tiempo total de
viaje de los autobuses, reduciendo un 22,8% en Li y Fu (2002).
Desde el punto de vista de los escolares también se evidencian mejorías, como la
disminución entre un 25-40% del tiempo de espera en los colegios (Fügenschuh,
2006) o del tiempo total que están montados en el autobús (un 29% de reducción en Li
y Fu (2002)).
Por último, y probablemente el resultado más importante para el responsable final de
la planificación, queda demostrado el ahorro del coste operativo total, fijado en un
28,6% en Bektas y Elmastas (2007), en un 12,54% en Pacheco et al (2000) y entre un
15 y un 30% en Fügenschuh (2006)
A.4.3.- Bibliografía

 Bektas, T. and Elmastas, S. (2007). Solving school bus routing problems

through integer programming. Journal of the Operational Research Society 58
(12), pp. 1599-1604.
 Bennett, B. y Gazis, D. (1972). School bus routing by computer, Transportation
Research 6: 317–326.
 Bodin, L., Golden, B., Assad, A. y Ball, M. (1983). Routing and scheduling of
vehicles and crews. the state of the art, Computers and Operations Research
10: 63–211.
 Bookbinder, J.H. y Edwards, S.H. (1990). School-bus routing for program
scheduling. Computers and Operations Research, vol. 17, nº1, pp. 79-94.
 Bowerman, R., Hall, B. y Calamai, P. (1995). A multi-objective optimization
approach to urban school bus routing: formulation and solution method.
Transpn. Res.-A. Vol. 29A, No. 2, pp. 107-123.
 Braca J, Bramel J, Posner B and Simchi-Levi D (1997). A computerized
approach to the New York City school bus routing problem. IIE Trans 29: 693–
702.
 Chen, D.S.,Kalisen, H.A. y Snider, R.C. (1990). A bus routing system for rural
school districts. Computers ind. Engng Vol. 19, Nos 1-4, pp. 322-325.
 Clarke, G. y Wright, J.W. (1964). Scheduling of vehicle from a central depot to a
number of delivery points, Operations Research 12: 568–581.
 Corberá́n, A., Ferná́ndez, E., Laguna, M. and Martí́, R. (2002). Heuristic
solutions to the problem of routing school buses with multiple objectives.
Journal of the Operational Research Society 53 (4), pp. 427-435.
 Dantzig, G. B.; Ramser, R. H. (1959). The Truck Dispatching Problem.
Management Science. 6. 80.
 Dulac, G., Ferland, J.A. y Forgueso, P.A. (1980). School bus routes generator
in urban surroundings. Computers and Operations Research, vol. 7, pp. 199-
213.
 Ferland, J.A. and Fortin, L. (1989). Vehicles scheduling with sliding time
windows. European Journal of Operational Research 38 (2), pp. 213-226.
 Fügenschuh, A., Martin, A. (2006). A multicriteria approach for optimizing bus
schedules and school starting times. Annals of Operations Research 147 (1),
pp. 199-216.
 Fügenschuh, A. (2006). The Vehicle Routing Problem with Coupled Time
Windows. Central European Journal of Operations Research; Jun 2006; 14, 2;
ABI/INFORM Global pg. 157.
 Fügenschuh, A. (2009). Solving a school bus scheduling problem with integer
programming. European Journal of Operational Research 193 (2009) pp. 867–
884.
 Gavish, B. y Shlifer, E. (1979). An approach for solving a class of transportation
scheduling problems, EJOR 3(2): 122–134.
 Geem, Z.W., Lee, K.S. and Park, Y. (2005). Application of Harmony Search to
Vehicle Routing. American Journal of Applied Sciences 2 (12), pp. 1552-1557.
 Guo, Q., Li, L., Guo, Y. (2006). Routing optimization for school bus problem.
Xinan Jiaotong Daxue Xuebao /Journal of Southwest Jiaotong University 41 (4),
pp. 486-490
 Hargroves, B.T and Demetsky, M.J. (1981). A computer assisted school bus
routing strategy: a case study. Socio-Econ. Plan. Sci., vol. 15, nº6, pp. 341-345.
 Laporte, G., Desrochers, M. and Nobert, Y. (1984). Two Exact Algorithms for
the Distance-Constrained Vehicle Routing Problem. Networks, 14, 161-172.
 Laporte, G., Nobert, Y. and Desrochers, M. (1985). Optimal routing under
capacity and distance restrictions. Operations Research, 33, 1075-1073.
 Lenstra, J.K. and Rinnoy Kan, A.H.G. (1981). Complexity of Vehicle Routing
and Scheduling Problems. Networks, 11, 2, 221-228.
 Li, L.Y.O. and Fu, Z. (2002). The school bus routing problem: A case study.
Journal of the Operational Research Society 53 (5), pp. 552-558.
 Newton, R.M. and Thomas, W.H. (1974). Bus routing in a multi-school system.
Computers and Operations Research, vol. 1, pp. 213-222.
 Pacheco, J.A., Aragón, A. y Delgado, C. (2000). Diseño de algoritmos para el
problema del transporte escolar. Aplicación en la provincia de Burgos. Quesito,
vol. 24, 1. pp. 55-82.
 Pacheco, J. and Martí, R. (2006). Tabu search for a multi-objective routing
problem. Journal of the Operational Research Society 57 (1), pp. 29-37.
 Seguí Pons, J. M., Ruiz Pérez, M., Guaita Mas, F., Escalas, F. y Bauxà, A.
(2003) La planificación de rutas de transporte escolar a través de un SIG: El
proyecto SIGTEBAL. GeoFocus (Artículos), nº 3, pp. 58-76. ISSN: 1578-5157
 Spada, M., Bierlaire, M. and Liebling, T. (2003). Decision-aid Methodology for
the School Bus Routing and Scheduling Problem. STRC 3rd Swiss Transport
Research Conference.
 Spasovic, L., Chien, S., Kelnhofer-Feeley, C., Wang, Y and Hu, O. (2001). A
Methodology for Evaluating of School Bus Routing - A Case Study of Riverdale,
New Jersey. TRB Paper No. 01-2088. Transportation Research Board, 80th
Annual Meeting.
 Stöveken, P. (2000) Wirtschaftlicherer schulverkehr: ÕPNV-optimierung mit
erfolgsabhängiger honorierung. Der Nahverkehr 3, pp. 65-68.
 Swersey, A. J. and Ballard, W. (1984). Scheduling school buses, Management
Scienc 30(7): 844–853.
 Verderber, W.J. (1974). Automated pupil transportation. Computers and
Operations Research, vol. 1, pp. 235-245.