AECOM
Aeropuerto de Bristol
Octubre 2017 – Septiembre 2020
AUTONOMOUS POD
ON-DEMAND
AIMSUN RIDE
Para este proyecto, el equipo de modelización desarrolló un modelo del aeropuerto de Bristol para demostrar las ventajas y probar el argumento comercial de un servicio de transporte autónomo a demanda (POD), además del servicio de autobús existente en el lugar.
El estudio requería la construcción de un modelo del aeropuerto de Bristol a partir de cero, ya que no se disponía de un modelo base anterior ni de una importación de modelos. La zona del modelo abarcaba 16 hectáreas del emplazamiento, incluida la zona de aparcamiento norte “principal”, que contiene un total de 5.280 plazas de aparcamiento. La duración del trayecto a pie desde el aparcamiento hasta la entrada de la terminal oscilaba entre 3 y 10 minutos, dependiendo del lugar de aparcamiento.
El estudio del aeropuerto de Bristol se realizó en el marco del Proyecto Capri.
Capri era un proyecto de investigación y desarrollo en colaboración, creado para apoyar el mercado inicial de los vehículos conectados y autónomos (CAV). El objetivo de Capri era fomentar la confianza de los pasajeros, la normativa y el mercado en las cápsulas autónomas como forma práctica, segura y asequible de viajar. Capri fue un proyecto piloto que incluye el diseño, el desarrollo y las pruebas de cápsulas conectadas y autónomas.
El papel de Aimsun en Capri fue utilizar la simulación como herramienta previa al despliegue para evaluar la viabilidad de un servicio de vainas. Aimsun ha desarrollado una metodología para probar los despliegues a cualquier escala, y variando los parámetros puede ofrecer una entrega optimizada de un sistema.
El sistema de gestión de flotas (FMS) ConOPTIUM™ de Congitial es una plataforma de toma de decisiones con IA que se integró con la solución de movilidad como servicio de Aimsun Ride para identificar los despliegues de flota optimizados en una amplia gama de escenarios. La tecnología probada optimizó los servicios minimizando el número de cápsulas necesarias y sus costes de funcionamiento, al tiempo que maximizaba el beneficio para los pasajeros en términos de tiempos de viaje reducidos y más fiables.
El estudio del aeropuerto de Bristol tenía tres objetivos: en primer lugar, integrar la plataforma de toma de decisiones Conigital ConOPTIUM™ FMS AI con Aimsun Ride; en segundo lugar, optimizar la flota, y en tercer lugar. para investigar cómo los resultados de la solución optimizada podrían respaldar un caso de negocio para un servicio POD en otros lugares.
Aimsun Ride se integró con el software de optimización FMS de Conigital para proporcionar pruebas del coste de funcionamiento del servicio autónomo POD propuesto.
La evaluación demostró que un servicio racionalizado reduciría los costes iniciales al utilizar el mínimo número de PODs necesarios para mantener una experiencia óptima para el cliente. El uso de las herramientas de preimplantación proporcionó datos precisos para respaldar un caso empresarial sólido y justificar la inversión.
Las simulaciones también proporcionaron una clara visualización de cómo podría funcionar el sistema para los responsables no técnicos que no quisieran revisar todos los datos.
El equipo llevó a cabo una evaluación utilizando una flota de cinco vehículos, sin ninguna optimización del servicio. Los resultados indicaron que había margen para reducir el tamaño de la flota, sobre todo en los periodos de baja demanda. Al optimizar el servicio, utilizando Aimsun Ride y su integración del FMS de Conigital, se pudo reducir el tamaño de la flota necesaria para los casos de baja y media demanda, manteniendo el mismo nivel de servicio o ligeramente mejor, con tiempos medios de viaje más rápidos.
Para el estudio del Parque Olímpico Reina Isabel, el objetivo principal era investigar la cantidad de cápsulas necesarias para proporcionar el nivel de servicio adecuado.
El equipo investigó cómo los resultados de la solución optimizada podrían utilizarse para apoyar un caso de negocio para un servicio de cápsulas en otros lugares.
SHARE
Aimsun Next 23
Aimsun Next 20.0.5
Aimsun Next 23
@manual {AimsunManual,
título = {Aimsun Next 23 User's Manual},
autor = {Aimsun},
edición = {Aimsun Next 23.0.0},
domicilio = {Barcelona, Spain},
año = {2023. [Online]},
mes = {Accessed on: Month, Day, Year},
url = {https://docs.aimsun.com/next/23.0.0/},
}
Aimsun Next 20.0.5
@manual {AimsunManual,
título = {Aimsun Next 20.0.5 User's Manual},
autor = {Aimsun},
edición = {Aimsun Next 20.0.5},
domicilio = {Barcelona, Spain},
año = {2021. [En software]},
mes = {Accessed on: Month, Day, Year},
url = {qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html},
}
Aimsun Next 23
TY - COMP
T1 - Manual del usuario de Aimsun Next 23
A1 - Aimsun
ET - Aimsun Next Version 23.0.0
Y1 - 2023
Y2 - Acceso: Mes, Día, Año
CY - Barcelona, España
PB - Aimsun
UR - [En software]. Disponible en: https://docs.aimsun.com/next/23.0.0/
Aimsun Next 20.0.5
TY - COMP
T1 - Manual del usuario de Aimsun Next 20.0.5
A1 - Aimsun
ET - Aimsun Next Version 20.0.5
Y1 - 2021
Y2 - Acceso: Mes, Día, Año
CY - Barcelona, España
PB - Aimsun
UR - [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html
