Gómez, Valentina, Sergio Jara-Díaz, and Andrés Fielbaum. “The divisibility index as a theoretical tool to support public transport design.” npj Sustainable Mobility and Transport 3.1 (2026): 32. https://www.nature.com/articles/s44333-026-00101-8
– ¿Cuál es el gap que buscaban resolver y por qué es importante?
Este estudio enfrenta dos preguntas. La primera y más directa tiene que ver con distintas configuraciones para una línea de transporte público. ¿Bajo que condiciones es preferible ofrecer una línea larga en vez de dos líneas más cortas? Por ejemplo, existen líneas que atraviesan Santiago de este a oeste, mientras otros recorridos norte-centro y centro-sur operan como líneas independientes. La pregunta es qué condiciones de la demanda y de los largos de línea favorecen dividir una línea en dos.
La segunda parte (que será cubierta con mayor detalle en un artículo que será publicado prontamente en TR-E) combina este modelo analítico con un programa de optimización tipo “caja negra”. Más específicamente, demostramos que al modificar un algoritmo genético que genera estructuras de líneas, integrando un paso pequeño pero basado en la pregunta anterior, los resultados mejoran de manera muy sustantiva, tanto en tiempos de ejecución, como en su valor objetivo, y en la topología de la red resultante.
– Breve reseña de la metodología y de los datos utilizados.
Modelamos un corredor de transporte público de manera analítica, optimizando las frecuencias y capacidades de vehículos para servir una demanda dada, minimizando la suma de costos de usuarios y operadores. Luego, comparamos los costos resultantes utilizando una sola línea versus usando dos líneas divididas en un nodo arbitrario. Identificamos tres condiciones que favorecen la división: (i) inducir pocos trasbordos, (ii) generar una diferencia relevante en los flujos máximos (pues permite ajustar la capacidad), y (iii) que el segmento de menor flujo sea más largo (pues añade relevancia al punto anterior). Sintetizamos estas tres condiciones un Indice de Divisibilidad, el que es luego integrado a algoritmos genéticos. Usando datos basados en diversas ciudades, incluyendo Santiago, mostramos que el índice de divisibilidad es capaz de determinar de manera rápida y eficaz cuando es conveniente dividir.
– Impacto potencial de los resultados obtenidos en el estado de la práctica y/o en el diseño de políticas de transporte en Chile.
Proponemos dos impactos principales. El primero y más directo es evaluar si es que hay líneas que debieran ser fusionadas o divididas. Contar con una herramienta teórica permite identificar de manera sencilla ajustes pequeños a una red de transporte público para mejorar su eficiencia y calidad de servicio. Por ejemplo, analizando si dos líneas que actualmente operan como troncal/alimentador podrían ser unidas, o si una línea muy larga debiese ser dividida.
El segundo impacto es la mejora de algoritmos complejos. Nosotros ejemplificamos esto con los algoritmos genéticos, pero adaptaciones similares podrían implementarse para otros métodos de diseño de redes de transporte público, incluyendo programación entera y machine learning.
