Diseño de una red de bicicletas públicas en la ciudad de Montevideo – Uruguay

Abstract

Considerando la situación a la cual ha llegado la contaminación atmosférica y la congestión vehicular en las grandes ciudades, se han impulsado medidas para promover modos de transporte sostenible, como las bicicletas públicas, buscando una alternativa a la utilización de vehículos motorizados. Los sistemas públicos de bicicletas han incrementado su popularidad como sistemas de transporte sostenibles en los últimos años en muchos países del mundo. Dentro de los elementos más importantes para su implementación, se encuentra la localización óptima de las estaciones de recogida y devolución de bicicletas. En este estudio se desarrollan dos modelos de localización-asignación para resolver el problema de diseño de una red de bicicletas públicas. Se logra determinar el número de estaciones que son necesarias, la ubicación de las estaciones y la flota total de bicicletas del sistema, considerando restricciones de presupuesto. En un caso maximizando la demanda y en el otro priorizando la selección de la capacidad de las estaciones según la demanda. Los modelos se plantean para la cuidad de Montevideo, Uruguay y se resuelven computacionalmente utilizado lenguaje de programación Python y software de optimización Gurobi®.

Considering the global situation related to air pollution and vehicular congestion, many countries are promoting sustainable modes of transport, as an alternative to motorized vehicles, such as bike-sharing . Bike-sharing systems are increasing their popularity as sustainable transportation systems in recent years. One of the most important elements for its implementation is the optimal location of the stations. This work presents two different location-allocation models to solve the design problem of the bike-sharing system. The models determines the require number of stations, the location of the stations and the total fleet of bicycles in the system, considering budget constraints. In one case the objective function is to maximize the demand and in the other, the suitable selection of different types of stations according to demand. The models are applied to Montevideo, Uruguay and are computationally solved using Python programming language and Gurobi® optimization software.