Resumen

Los microsimuladores de tráfico son herramientas
ampliamente utilizadas en análisis de transporte
(Hollander & Liu, 2008) debido a que permiten modelar
las interacciones que presentan diferentes actores y
elementos como son: vehículos, peatones, señales de
tránsito e infraestructura, entre otros. De esta manera,
se puede evaluar políticas que van desde la
intervención de la red hasta la implementación de
sistemas inteligentes de transporte con el fin de valorar
los impactos de estas decisiones.


Para que las conclusiones de un microsimulador se
puedan extrapolar a la realidad se debe garantizar que
el software represente las condiciones de la zona de
estudio adecuadamente, proceso denominado
calibración (Balakrishna, 2007). Esto se logra a través
de la metodología optimización basada en simulación
(Ciuffo, Punzo, & Montanino, 2012), donde se minimiza
la discrepancia entre las variables del simulador y las
adquiridas en campo al modificar, de manera
inteligente, los parámetros del simulador.


El objetivo de esta investigación es evaluar el
comportamiento de tres estrategias para buscar los
parámetros que calibran el modelo de microsimulación
TransModeler, estas son: una aproximación simultánea
mediante una perturbación estocástica (SPSA), un
algoritmo basado en enjambres de partículas (SO) y un
algoritmo genético (AG). La zona del parque Olaya
Herrera de Pereira se selecciona para llevar a cabo el
estudio debido al alto flujo vehicular que presenta.


Los resultados muestran que el AG tiene un mejor
desempeño que el SPSA y el SO. Este hallazgo es de
resaltar puesto que en la literatura se reporta que éstos
son los de peor desempeño. El SO explora el espacio
de soluciones de manera amplia, algo que no ofrece
mayor ventaja en los procesos de calibración debido al
tiempo requerido. Además, los resultados se validan
estadísticamente, práctica poco común en este tipo de
investigaciones.