Análisis de tráfico de última generación

Este trabajo fue presentado en Lucerne 2010, el Congreso Internacional sobre Tecnologías de Transporte Vertical y publicado por primera vez en el libro Elevator Technology 18 de la IAEE, editado por A. Lustig. Es una reimpresión con permiso de la Asociación Internacional de Ingenieros de Ascensores. (sitio web: www.elevcon.com). Este artículo es una reimpresión exacta y no ha sido editado por ELEVATOR WORLD.

Un método simple y confiable para el análisis de tráfico basado en simulaciones.

Resumen

En días anteriores, los análisis de tráfico para el diseño de grupos de ascensores se habían basado en suposiciones simples: condiciones de tráfico en horas pico por la mañana y sistemas de despacho convencionales. Se sabe que hoy en día ambos supuestos deben revisarse: los análisis también deben hacer frente, por ejemplo, a las condiciones del tráfico a la hora del almuerzo y a los sistemas de control de destino. Por lo tanto, los métodos de simulación ahora se utilizan ampliamente. Sin embargo, hay varias formas de aplicar las simulaciones, lo que puede resultar confuso. Discutimos las diferencias de varios enfoques y presentamos un método para análisis de tráfico basado en simulaciones que es lo más simple y confiable posible.

1. Introducción

1.1 El objetivo de la planificación de ascensores

La planificación de grandes edificios incorpora, entre muchas otras cosas, un diseño adecuado del sistema de ascensores. Los ascensores deben poder transportar a todos los pasajeros a un nivel de servicio razonable, también en horas pico. Si no hay suficientes ascensores, los pasajeros experimentan largos tiempos de espera o tendrán que hacer cola en las horas pico; de lo contrario, demasiados ascensores pueden ser una pérdida de espacio y dinero. Por lo tanto, es esencial saber antes de la construcción cómo se comportará un sistema de ascensor específico en diferentes condiciones: ¿Cuál es la capacidad máxima de manejo del sistema de ascensor en una situación de tráfico específica, como la subida de la mañana o el almuerzo? ¿Cuáles son los tiempos de espera para una determinada tasa de llegada de pasajeros y una situación de tráfico específica?

1.2 Una nueva área de planificación de edificios

Desde la introducción del control de destino Miconic 10® de Schindler en 1996, la planificación del transporte vertical en los edificios ha experimentado un cambio dramático. El control de destino no solo ha cambiado los paradigmas de cómo se utilizan los ascensores, sino también cómo se planifican los edificios. No solo vemos una eficiencia mucho mayor de los sistemas de ascensores y diseños de edificios que no hubieran sido factibles antes. Ahora, el propio control del grupo de ascensores puede marcar la diferencia entre "funciona" y "no funciona". La calidad del servicio es muy diferente de un grupo de control a otro; la diferencia nunca había sido tan grande como hoy.

Instrumentos de planificación anteriores basados ​​en el hecho de que todos los controles ofrecían esencialmente el mismo rendimiento y se podía aplicar una fórmula simple de cálculo de punta. Hoy en día, los cálculos simples no llevan a ninguna parte: incluso si el rendimiento de un sistema de control de destino avanzado pudiera describirse mediante alguna fórmula, sería inútil para cualquier otro control. No obstante, si el edificio se diseñó basándose en algún cálculo, tendría demasiados o muy pocos ascensores, una pérdida de dinero y no debe llamarse "planificación".

1.3 El principal problema con la mayoría de los análisis de tráfico

Hoy en día, las simulaciones se utilizan ampliamente para los análisis de tráfico, ya que en general se ha reconocido que esto es necesario. Sin embargo, los métodos de simulación a menudo se aplican de manera muy deficiente. El principal problema proviene del hecho de que los resultados a menudo carecen por completo de relevancia estadística, simplemente no se están considerando suficientes puntos de datos para la evaluación. Aunque este problema se conoce desde hace mucho tiempo en general y también específicamente en la industria de los ascensores, se ignora ampliamente. El objetivo principal de este artículo es abordar este problema.

1.4 Alcance de este artículo

Aunque la planificación de ascensores no es trivial en absoluto, el paso real de producir resultados de calificación mediante análisis de tráfico no tiene por qué ser demasiado complejo, oscuro y propenso a errores. Sin embargo, en el pasado se habían discutido varios métodos, añadiendo más confusión que percepción. El objetivo de este artículo es explicar los requisitos básicos para los análisis de tráfico y por qué vemos una gran variación de resultados de diferentes métodos. Además, discutimos cómo se realizan preferiblemente los análisis de tráfico. No afirmamos que nuestros métodos sean nuevos; por el contrario, se habían aplicado con éxito en Schindler desde hace años. Además, los elementos de nuestros métodos se han conocido y discutido públicamente antes; sin embargo, hasta ahora faltaba una presentación coherente, y el presente artículo tiene como objetivo cerrar esta brecha.

2. Principios y requisitos para los análisis de tráfico

Principios generales de 2.1

En el contexto de este artículo, consideramos un grupo de ascensores y pasajeros que utilizan este grupo. Suponemos que el grupo de ascensores está completamente especificado, por ejemplo, en términos de capacidad máxima de carga de la cabina, tiempos de apertura y cierre de puertas, velocidad de conducción, aceleración y tirones, etc. Además, el control del grupo de ascensores debe estar disponible (ver también la discusión en la Sección 2.3 ). Los requisitos de los pasajeros suelen denominarse tráfico; Por lo general, esta es una lista de las llamadas de los pasajeros, cada llamada determinada por su hora, origen y piso de destino. Además, debe especificarse cuánto tiempo tarda un pasajero en subir o bajar de un automóvil; normalmente, se tiene en cuenta 1 segundo por persona.

La cuestión de qué tráfico debe considerarse requiere experiencia, que estaría más allá de este artículo para discutir en detalle. Generalmente se considera la población del edificio y su distribución por piso, así como funciones especiales en el edificio como restaurantes o áreas de estacionamiento. Sobre la base de esta distribución de la población y las funciones del edificio, se establecen los flujos de tráfico, normalmente en función de la hora del día.

Dadas todas las especificaciones anteriores, el análisis de tráfico debe aplicar un método que responda a las preguntas principales, que podrían ser: ¿Cuál es la capacidad máxima de manejo del sistema de ascensores para una situación de tráfico determinada? ¿Cuáles son los tiempos de espera para una determinada tasa de llegada de pasajeros y una situación de tráfico específica?

2.2 Detección de saturación

Todos los sistemas de ascensores servirán muy bien a los pasajeros si solo unos pocos pasajeros utilizan los ascensores. A medida que lleguen más y más pasajeros, los tiempos de espera aumentarán. En cierto punto, el sistema se saturará y se producirán colas de espera, lo cual es una situación indeseable y no deseada. Un análisis de tráfico debe detectar saturaciones; sin embargo, la mayoría de los métodos no son capaces de hacer esto de manera confiable, como veremos a continuación.

Para mayor claridad, agregamos algunas nociones técnicas y explicaciones relacionadas con el tema de la saturación.

La tasa de llegada es la frecuencia de las llamadas de los pasajeros, medida técnicamente contando la cantidad de llamadas dentro de un período de tiempo más largo y luego expresada como una cantidad promedio de llamadas cada 5 minutos.

Decimos que un sistema de ascensor se satura cuando, para un sistema de botones arriba-abajo convencional, no todos los pasajeros pueden abordar la primera cabina de ascensor que llega en su dirección o, para un sistema de control de destino, no todos los pasajeros reciben una asignación inmediata a un ascensor que les atenderá la próxima vez que lleguen al piso de llamadas.

Mientras no haya saturación, todos los pasajeros reciben el servicio esperado; en este caso, la tasa de llegada es también la frecuencia de los pasajeros atendidos, lo que llamamos capacidad de manejo.

La capacidad máxima de manipulación de un sistema de ascensor es la tasa de llegada más alta sin saturación. Cabe señalar que la capacidad máxima de manipulación depende de la situación del tráfico, por ejemplo, situaciones en las horas pico de la mañana y a la hora del almuerzo, etc. tienen todas diferentes capacidades máximas de manipulación. Sin una definición exacta del tráfico, no tiene sentido especificar una capacidad máxima de manejo.

2.3 Realista y confiable

Como se discutió en la Sección 1.2, los controles del grupo de ascensores tienen un gran impacto en la capacidad de manejo y la calidad del servicio. Por lo tanto, un análisis de tráfico realista debe reflejar el control real del grupo de ascensores: no hay otra forma de ejecutar simulaciones que utilicen los algoritmos de control reales del grupo de ascensores.

Además, los resultados de un análisis de tráfico deben ser fiables, lo que significa que los resultados son reproducibles e imparciales. La reproducibilidad se ve desafiada por la aleatoriedad, que es un elemento importante en las simulaciones. Veremos que no es tan difícil hacer frente a esto, una vez entendido el problema. Simplemente hablando, la variación debe promediarse considerando un conjunto suficientemente grande de puntos de datos muestrales.

Finalmente, por razones prácticas, un análisis de tráfico debe ser lo más simple posible, sin requerir pasos complejos innecesarios.

3. Métodos basados ​​en simulación

Principios generales de 3.1

Todas las simulaciones para análisis de tráfico tienen en común que modelan ascensores y pasajeros por software. El estado de los ascensores y los pasajeros, por ejemplo, su posición en el edificio, cambia continuamente a medida que pasa el tiempo. Por lo general, una simulación comienza con los ascensores vacíos, por ejemplo, estacionados en la planta baja. Comenzando con un primer pasajero y luego con todos los demás pasajeros modelados, las llamadas se realizan y se asignan a los ascensores, según el control del grupo real. Los elevadores operan puertas y se mueven de piso a piso en el modelo como lo harían en la realidad. Por lo general, la simulación se detiene cuando se ha atendido al último pasajero y todos los ascensores están inactivos nuevamente. Durante la simulación, un reloj que representa la hora se asegura de que todos los eventos se realicen a la hora y velocidad correctas.

3.2 Generación de llamadas

Si bien el comportamiento de los ascensores es normalmente determinista, las llamadas de los pasajeros se generan deliberadamente mediante el uso de la aleatoriedad. Esto se hace para reflejar la situación real en el edificio: si bien las características del tráfico diario, como las tasas de llegada promedio o la distribución relativa de llamadas por piso, se repiten al menos en cierta medida, los pasajeros llegan en una secuencia diferente y en diferentes momentos todos los días. . Por lo tanto, una vez que se han seleccionado las características generales del tráfico en base a la experiencia, las secuencias de llamadas reales se generan de forma tan aleatoria como en la realidad. Eso significa que las llamadas no deben realizarse, por ejemplo, a intervalos fijos, sino siguiendo el llamado proceso de Poisson, que se sabe que modela bien la llegada de pasajeros independientes; consulte las figuras 1 y 2 para ver las ilustraciones.

Un proceso de generación de llamadas que no sea un proceso de Poisson requeriría al menos una justificación y se espera que dé lugar a resultados sesgados. Cuando las llamadas no se realizan al azar, sino en momentos seleccionados, no es difícil producir buenos resultados. Suponemos para lo siguiente que se aplica un proceso de Poisson.

Además de la distribución de los tiempos de llamada, también se deben seleccionar al azar los pisos de origen y destino de las llamadas, donde la probabilidad de un piso depende de la distribución de la población en el edificio.

3.3 La ley de los números grandes

El elemento aleatorio en los métodos de vanguardia utilizados para los análisis de tráfico no significa que los resultados no sean confiables. Por el contrario, se ha reconocido desde el principio que grandes muestras de datos pueden conducir a resultados más precisos.

Existen varias fuentes muy antiguas con observaciones similares, por ejemplo, una del historiador griego Tucídides (c. 460 a. C. - c. 395 a. C.). El desarrollo de una teoría estadística llevó mucho tiempo, y fue el matemático suizo Jacob Bernoulli (1654 - 1705) quien ofreció la primera demostración de lo que hoy se conoce como la ley de los grandes números.

La ley de los grandes números es un teorema matemático. Afirma que con más y más puntos de datos en una estadística, el valor promedio se acerca a un cierto valor, es decir, la aleatoriedad se vuelve cada vez más insignificante. A modo de ilustración, mostramos en la Figura 3 el tiempo de espera promedio de un número creciente de pasajeros; para un número reducido de pasajeros, existe una gran variación en los tiempos de espera promedio, mientras que para un número mayor casi no existe variación.

La ley de los grandes números y otros teoremas de la estadística permiten predicciones precisas sobre la confiabilidad de los resultados de las simulaciones. Como regla general, la precisión de los resultados se duplica cuando el número de puntos de datos se incrementa en un factor de cuatro: para análisis de tráfico basados ​​en una tasa de llegada constante, los resultados del tiempo de espera promedio de un período de simulación de 2 horas son dos veces más precisos que por solo 30 minutos de duración.

Los casos especiales e importantes son situaciones con saturación (ver Sección 2.2). Allí, la ley de los grandes números no es aplicable cuando se acumulan colas de espera y los valores estadísticos dependen de la duración de la simulación. Sin embargo, esto no es un problema: como la saturación representa una situación indeseable, los resultados correspondientes no son necesarios para la evaluación estadística; de hecho, esto no tendría sentido y sería engañoso.

3.4 Algunos ejemplos de métodos basados ​​en simulación

Los ejemplos discutidos en esta sección son todos casos típicos encontrados en la industria de ascensores. Damos indicaciones sobre cuándo y por qué no deben seguirse estos ejemplos. Nuestro método propuesto y probado se analiza en el Capítulo 4.

El principal problema que puede ocurrir con las simulaciones es que los resultados se ven muy diferentes, aunque deberían basarse en los mismos supuestos. De hecho, algunas diferencias provienen de los métodos de simulación; esto es innecesario y debe evitarse. Debido a la ley de los grandes números, sabemos que es esencial considerar suficientes pasajeros para los resultados. También discutiremos otros problemas que vienen con algunos métodos de simulación débiles. Los elementos técnicos de la siguiente discusión no son nuevos y se han tocado parcialmente en presentaciones de varias fuentes; sin embargo, todavía faltaba una explicación clara de por qué algunos métodos son preferibles y otros deben evitarse.

3.4.1 Tasa de llegada constante

Las simulaciones con tasa de llegada constante representan el caso más fácil. Aquí, la tasa de llegada prevista se establece en un valor fijo y se mantiene durante todo el período de simulación (ver Figura 4). Como se discutió anteriormente, se debe aplicar un proceso de Poisson; esto, naturalmente, conduce a una variación en la tasa de llegada real. Por lo tanto, cuando se evalúa la simulación, el número real de pasajeros debe contarse e informarse en los resultados del tráfico.

De acuerdo con la ley de los grandes números (ver Sección 3.3), un período de simulación más largo conducirá a resultados más precisos. Por supuesto, esto no es cierto cuando se selecciona un período de evaluación corto, por ejemplo, cuando solo se consideran 30 minutos de una simulación larga para los resultados. Del mismo modo, la precisión se reduce cuando solo se consideran algunos de los pasajeros (por ejemplo, todas las llamadas de un piso específico).

Como regla general, las condiciones especiales y favorables al comienzo y al final de una simulación deben excluirse de los resultados, es decir, los pasajeros correspondientes no se consideran en los resultados. Recomendamos excluir los primeros 15 minutos de una simulación, porque al principio todos los autos están vacíos y generalmente colocados en la planta baja. Por lo tanto, los primeros pasajeros experimentarán tiempos de espera y de viaje cortos, y es posible que los ascensores no estén distribuidos en el edificio, como es habitual en la situación de tráfico seleccionada. También debe excluirse el final de la simulación: cuando no se realicen más llamadas, los últimos pasajeros experimentarán un viaje más rápido. Recomendamos excluir a todos los pasajeros que no hayan llegado a su destino en el momento de la última llamada, o más simple, excluir los últimos 5 minutos de la simulación cuando todos los pasajeros lleguen a su destino dentro de ese tiempo.

Usar una tasa de llegada constante es una buena idea: es simple y claro lo que se hace. Sin embargo, también con este tipo de simulación se pueden producir resultados sin sentido. A menudo hemos visto que el tiempo de simulación se ha establecido en 15 minutos y la evaluación no ha excluido el comienzo o el final. Por esto, por ejemplo, los tiempos de espera promedio han sido significativamente menores de lo que son a más largo plazo. Paradójicamente, a menudo estas simulaciones se repiten, por ejemplo, 10 veces "para promediar los errores". Por supuesto, los errores sistemáticos simplemente se repiten. Recomendamos a todos que hagan el experimento y vean la diferencia con los resultados obtenidos de una simulación que se ejecuta 10 x 15 = 150 minutos, excluyendo los primeros 15 minutos y los últimos 5 minutos.

3.4.2 Incremento continuo

Uno de los objetivos de los análisis de tráfico es encontrar la capacidad máxima de manejo para una situación de tráfico determinada. Es bastante sencillo idear un método de simulación que adopte esta idea: la tasa de llegada aumenta continuamente a medida que avanza el tiempo (consulte la Figura 5).

Siempre que el aumento sea lento, este método funciona bastante bien siempre que el sistema no esté cerca o en saturación. Sin embargo, el método es bastante débil para determinar la capacidad máxima de manipulación o para encontrar valores confiables cercanos a la saturación. Esto proviene de los siguientes tres problemas:

1. Cerca o en saturación, cada sistema tiene una alta variación, es decir, los tiempos de espera se distribuyen de pequeños a muy grandes. Por lo tanto, se necesita un período de evaluación prolongado para obtener medidas confiables.
2. El método está sesgado, es decir, cada pasajero se beneficia en el momento de la escala que en el pasado la tasa de llegada era menor. Con un aumento más rápido de la tasa de llegada, también aumenta el sesgo y los resultados pueden volverse optimistas.
3. Los períodos de evaluación tienden a ser cortos. Por lo general, el aumento seleccionado es demasiado grande para tener períodos de evaluación de más de 30 minutos, o el sesgo dentro de los períodos de evaluación se vuelve aún mayor.

En total, existe una alta probabilidad de perder el punto real de saturación y de informar una capacidad máxima de manipulación que es demasiado alta. Sin embargo, esto es una contradicción con la idea original del método. Además, normalmente se seleccionan períodos de evaluación demasiado cortos, lo que conduce a una gran variación en los resultados, si no a valores sesgados.

3.4.3 Incremento escalonado

Otro enfoque que es algo similar al aumento continuo es una simulación por aumento escalonado: la tasa de llegada primero se mantiene constante en un primer valor, luego en un valor siguiente más alto para el mismo tiempo, etc. (ver Figura 6).

Se podría considerar esto como una combinación de tasa de llegada constante y aumento continuo. Sin embargo, se observa que las aplicaciones prácticas son casi ridículas: los pasos se mantienen solo durante 5 minutos y el tiempo total de simulación es de aproximadamente 60 a 90 minutos; cuando se obtienen resultados de uno de los pasos, se basan en un período de tiempo demasiado corto. Pero también si se aplican períodos de tiempo más largos, el método adolece de todos los problemas discutidos anteriormente:

1. Los valores cercanos o en saturación no son confiables.
2. El método está sesgado, por ejemplo, cuando se evalúa un período de tiempo con una tasa de llegada constante, los valores están influenciados por los pasos antes y después de este período de tiempo.
3. Los períodos de evaluación tienden a ser cortos.

En resumen, este método parece más prometedor de lo que es.

Incluso cuando se aplica con una duración de paso muy larga, no hay ninguna ventaja en comparación con el método que discutimos en el Capítulo 4.

3.4.4 Picos y perfiles diarios

Los métodos de simulación populares son aquellos que intentan ser muy realistas: picos de varios tipos (para ilustraciones, ver Figura 7) u otros perfiles de tráfico no constante (ver Figura 8), por ejemplo, perfiles que modelan un día completo de tráfico.

Estos métodos no solo son innecesariamente complicados debido a todos los datos necesarios para definir la simulación a lo largo del tiempo, sino que también son engañosos con respecto a ser realistas; por lo general, son muy poco realistas (picos diseñados como en la Figura 7) o demasiado específicos (como en la Figura 8). Figura XNUMX) que se aplicará a un proyecto diferente al del que se recopilaron los datos. Sin embargo, los mayores inconvenientes son: 

• A menudo, los períodos de evaluación son muy cortos y los resultados carecen de relevancia estadística.
• Estos métodos son inútiles para encontrar la máxima capacidad de manipulación de un sistema de ascensor.
• La generación real del tráfico no es fácil cuando debería ser tan natural como en un proceso de Poisson. Es muy probable que aquí se introduzcan errores no deseados.
• Es probable que los resultados estén sesgados de una manera u otra, ya que la selección del período de evaluación influye en los resultados.

4. Cómo utilizar la simulación en análisis de tráfico

4.1 El Método

Presentamos un método que se basa en simulaciones pero que no se ve afectado por los inconvenientes discutidos anteriormente. Schindler está utilizando con éxito este método desde hace años. Es posible que otros también hayan utilizado métodos similares. El método es bastante simple:

1. Para varios valores de tasa de llegada, realice simulaciones con tasa de llegada constante como se sugiere en la Sección 3.4.1: Cada simulación dura al menos 2 horas, los primeros 15 minutos y los últimos 5 minutos se excluyen de la evaluación.
2. Siempre que se detecta saturación, los resultados se descartan y no se informan. Esto se hace porque la saturación no es deseable en absoluto, e incluirlos en los resultados sería engañoso (ver también la Sección 3.3 para más detalles). Los resultados pueden contener varios valores, que se obtienen de las simulaciones individuales.

Tenga en cuenta que todas las simulaciones de una serie siguen la misma situación de tráfico, por ejemplo, toda la serie es para un pico de la mañana o para una situación de tráfico de almuerzo específica, etc. 4.2 Ejemplo

Consideramos un grupo de ascensores específico en un edificio, donde se han analizado la población y las funciones del edificio. Sobre la base de la experiencia, se habían seleccionado una o varias situaciones de tráfico para el análisis de tráfico. Para un edificio de oficinas, esto incluiría, por ejemplo, una situación de tráfico específica a la hora del almuerzo. Para cada una de las situaciones de tráfico seleccionadas, se realiza y evalúa una serie completa de simulaciones como se indica en la Sección 4.1.

A modo de ilustración, consideramos una representación gráfica como la de la Figura 9. Para cada simulación de la serie, podemos determinar la capacidad de manipulación real (consulte la Sección 2.2) y, por ejemplo, el tiempo medio de espera. El resultado de cada simulación se puede representar mediante un punto colocado en consecuencia en el gráfico como en la Figura 9. Todos los resultados pueden estar conectados por una línea para una mejor visibilidad. El resultado más correcto proviene de la simulación que se realizó con una tasa de llegada a la máxima capacidad de manipulación. Un aumento adicional de la tasa de llegada conduciría a la saturación (ver Sección 2.2); gracias a la larga ejecución de la simulación, esto se detecta y la simulación no se incluye en los resultados.

4. Discusión

El método que se presenta en el Capítulo 4 es muy simple y directo. Se puede evitar la confusión con respecto a la definición de tráfico o la evaluación de resultados. Lo más importante es que se evitan los inconvenientes de otros métodos, porque este método se basa en una teoría segura y científicamente probada y en nuestra larga experiencia en la práctica.

El método viene con todas las propiedades deseadas:

1. Se determina la capacidad máxima de manipulación.
2. Los valores reportados son tan confiables como se desee; para una mayor precisión, se pueden realizar ejecuciones de simulación más largas.
3. El método no está sesgado debido a condiciones especiales al comienzo o al final de una ejecución de simulación, o debido a los efectos que vienen con tasas de llegada no constantes.
4. El método evita una complejidad innecesaria.

Además, el método resulta de gran relevancia práctica en comparación con edificios reales.

5. Resumen

Los análisis de tráfico de última generación deben basarse en simulaciones. Gracias a la ley de los grandes números (ver Sección 3.3), existe un método basado en simulación (ver Capítulo 4) que tiene todas las propiedades favorables que estamos buscando (ver Capítulo 5). También discutimos otros métodos y posibles deficiencias (Sección 3.4).

En general, los análisis de tráfico requieren mucha experiencia y no son simples en absoluto; sin embargo, el paso técnico de producir valores para un ascensor y una configuración de tráfico determinados no tiene por qué ser difícil o propenso a errores. Este artículo presenta un método válido para este paso, haciéndolo simple y confiable. La adopción de este método ayudará a reducir la confusión innecesaria y a mejorar la confiabilidad de los resultados del análisis de tráfico.

• 

• 

• 

• 

• 

• 

• 

•