Modelling and simulation techniques for transport networks within urban areas applied to logistics and resilience

Abstract

Esta tesis doctoral investiga el uso de técnicas de modelización y simulación en áreas urbanas de ciudades inteligentes, explorando a su vez cómo el big data puede usarse para alimentar estos modelos. Estas técnicas de modelización se han aplicado a dos campos diferentes que han ganado importancia durante los últimos años pero donde la investigación es aún limitada: logística urbana y resiliencia urbana. A través de esta tesis, el autor ha ampliado el conocimiento en estos campos mediante la exploración de diferentes métodos como metaheurísticas, modelización de transporte y simulación basada en agentes de cara a definir nuevas metodologías que se pueden aplicar en áreas urbanas. En relación al campo de la logística, el autor ha demostrado mediante el uso de metaheurísticas que cuando se considera la congestión del tráfico como un atributo dinámico para optimizar las rutas de reparto en áreas urbanas, el tiempo de reparto puede reducirse en un 11%, lo cual es crucial para las empresas de logística en un mercado que es más feroz cada día. Esto es cierto no solo para áreas urbanas, sino que también se ha demostrado que optimizar rutas considerando la congestión del tráfico también es beneficioso a nivel estratégico para las rutas entre ciudades. Para considerar los costes de congestión en tiempo real, se ha desarrollado un nuevo enfoque en el que se descargan datos de Google para alimentar estos modelos metaheurísticos, aunque también se podrían utilizar otras fuentes de big data. En esta tesis también se presenta una metodología que se ha implementado para modelar rutas logísticas en áreas urbanas considerando datos en tiempo real y con la flexibilidad de agregar diferentes atributos de red (gradiente, direcciones prohibidas, CO2, etc.) de cara a simular diferentes escenarios. Esto puede ser útil para que las empresas de logística optimicen sus entregas (eligiendo entre furgoneta o triciclo, seleccionando la hora del día para entregar, etc.) pero también para servir a las autoridades públicas de guía en materia de políticas urbanas y de transporte (peatonalización de algunas calles, prohibiciones de tráfico, etc.). En cuanto a la resiliencia urbana, la tesis se centra en la planificación de la evacuación. Se ha creado una nueva metodología en la que se utiliza la simulación basada en agentes a través de submodelos interconectados para modelar un escenario de evacuación a gran escala (evento de inundación como consecuencia del colapso de una presa). Esta investigación define los datos necesarios para crear estos modelos que pueden ser de gran ayuda para mejorar la resiliencia de las ciudades, y también analiza cómo la congestión del tráfico puede afectar los procedimientos de evacuación. A través de los diferentes artículos de investigación que componen esta tesis, el autor aporta luz a estas cuestiones mediante el desarrollo de nuevas metodologías y el uso de casos de estudio reales con el objetivo de ayudar a planificadores urbanos, empresas y responsables políticos a crear ciudades inteligentes más eficientes, sostenibles y resilientes.

This thesis investigates the use of modelling and simulation techniques in urban areas of smart cities, also exploring how big data can be used to feed these models. These modelling techniques have been applied to two different fields that have been gaining prominence during the last years but where research is still limited: urban logistics and urban resilience. Through this thesis, the author has expanded the research knowledge in these fields by exploring different methods such as meta-heuristics, transport modelling, and agent-based simulation in order to define new methodologies to be applied to urban areas. Regarding logistics, the author has shown through the use of meta-heuristics that when traffic congestion is considered as a dynamic attribute to optimize delivery routes in urban areas, time can be reduced by 11%, which is crucial for logistics companies in a market that is fiercer every day. This is true not only for urban areas, but this research has also demonstrated that optimizing routes with dynamic congestion attributes is also beneficial at a strategic level for routes between cities. To consider congestion costs in real time, a new approach has been developed in which data from Google is downloaded to feed these meta-heuristic models, although other sources of big data could be also used. In this thesis, a methodology is also presented that has been used to model logistics routes in urban areas considering real-time data and with the flexibility to add different network attributes (gradient, traffic bans, CO2, etc.) to simulate different scenarios. This can be useful for logistics companies to optimize their deliveries (choosing between van or tricycles, selecting the time of the day to deliver, etc.) but also for public authorities to get guidance on different transport and urban policies (pedestrianization of some streets, traffic bans, etc.).As for city resilience, the thesis focuses on evacuation planning. A new methodology has been created in which agent-based simulation is used through interconnected sub-models to model a large-scenario evacuation scenario (flooding event as a consequence of a dam collapse). This research defines the data needed to create these models that can be of great help to improve city resilience, and also analyzes how traffic congestion can affect the evacuation procedures. Through the different research articles that compose this thesis, the author brings light to these fields by developing new methodologies and using real case-studies that can help urban planners, companies, and policy makers to create more efficient, sustainable, and resilient smart cities.