Académique Documents
Professionnel Documents
Culture Documents
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).
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