Advertisement

Case Study: Logistical Behavior in the Use of Urban Transport Using the Monte Carlo Simulation Method

  • Lorenzo Cevallos-TorresEmail author
  • Miguel Botto-Tobar
Chapter
Part of the Studies in Computational Intelligence book series (SCI, volume 824)

Abstract

This study presents a proposal to determine solutions to the models of queue theory through the use of simulation. The main objective is to evaluate the number of people who arrive at a public transport service station in order to be able to minimize monetary losses, the product of the defection of the people of the waiting line of this station. To evaluate the model, we proceeded to use tools that allow simulating random values based on probability distributions; such as the Log-Normal probability distribution, and the Binomial distribution.

References

  1. 1.
    Torres, Alvaro, and Carolina Tranchita. 2004. ¿ inferencia y razonamiento probabilístico o difuso? Revista de Ingeniería 19: 158–166.Google Scholar
  2. 2.
    Brendel, William, Alan Fern, and Sinisa Todorovic. 2011. Probabilistic event logic for interval-based event recognition. In 2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3329–3336. IEEE.Google Scholar
  3. 3.
    Pearl, Judea. 2014. Probabilistic reasoning in intelligent systems: networks of plausible inference. Elsevier.Google Scholar
  4. 4.
    Schum, David A. 2001. The evidential foundations of probabilistic reasoning. Northwestern University Press.Google Scholar
  5. 5.
    Pearl, Judea. 1987. Evidential reasoning using stochastic simulation of causal models. Artificial Intelligence 32 (2): 245–257.Google Scholar
  6. 6.
    Tarifa Enrique Eduardo. 2001. Teoría de modelos y simulación. Facultad de Ingeniería: Universidad de Jujuy.Google Scholar
  7. 7.
    Zapata, Carlos J. 2010. Análisis probabilístico y simulación. Grupo de investigación en planeamiento de sistemas eléctricos. Universidad Tecnológica de Pereira. Pereira–Colombia.Google Scholar
  8. 8.
    Badii, M.H., and J. Castillo. Distribuciones probabilísticas de uso común. Revista Daena (International Journal of Good Conscience) 4 (1).Google Scholar
  9. 9.
    Martínez, Alexei Gómez Eguiarte, and Gabriel de las Nieves Sánchez Guerrero. Aplicación de funciones de distribución continuas para modelar la demanda de pasajeros en una línea de tren ligero. Contaduría y administración 61 (1): 159–175.Google Scholar
  10. 10.
    Lojano, Juan Pablo, Álex Rojas, and Vilma Rojas. 2017. Un modelo híbrido de probabilidad de elección para la estimación de la demanda de quitocable. Maskana 8: 219–228.Google Scholar
  11. 11.
    Orozco Juan Sebastián, and Fernando Antonio Arenas. 2013. Aproximación al desarrollo de un sistema de transporte masivo a través de la dinámica de sistemas. Sistemas and Telemática 11 (24): 91–106.Google Scholar
  12. 12.
    Corral de Franco,Yadira Josefina. 2009. Validez y confiabilidad de los instrumentos de investigación para la recolección de datos.Google Scholar
  13. 13.
    Mielnisuk, Nicolás O, Sonia I Mariño, and Romina Yolanda Alderete. 2016. Diseño de un entorno colaborativo: Una aplicación para apoyar el aprendizaje de técnicas de modelado y simulación de la teoría de colas. IE Comunicaciones: Revista Iberoamericana de Informática Educativa (23): 2.Google Scholar
  14. 14.
    Mielnizuk, Nicolás O, Sonia I. Mariño, and Romina Y. Alderete. 2016. Simuladores para apoyar el aprendizaje de la teoría de colas. Revista Premisa 18 (69).Google Scholar
  15. 15.
    Schnarwiler, Jorge L., Justo J. Roberts, Pedro O. Prado, Silvia L. Bocero, and Agnelo M Cassula. Centrales solares fotovoltaicas en áreas con pasivos ambientales.Google Scholar
  16. 16.
    Chi, Rosa Imelda Garcia., Arturo Eguia Alvarez, Gloria Emilia Izaguirre Cardenas, et al. 2015. Uso de la herramienta de software promodel como estrategia didáctica en el aprendizaje basado en competencias de simulación de procesos y servicios. TECTZAPIC (1).Google Scholar
  17. 17.
    Baran, Sándor, and Sebastian Lerch. 2015. Log-normal distribution based ensemble model output statistics models for probabilistic wind-speed forecasting. Quarterly Journal of the Royal Meteorological Society 141 (691): 2289–2299.Google Scholar
  18. 18.
    Khandelwal, Vineet, et al. 2014. A new approximation for average symbol error probability over log-normal channels. IEEE Wireless Communications Letters 3 (1): 58–61.Google Scholar
  19. 19.
    Martínez, Iveth, and Mihaela Stegaru. 2010. Análisis preliminar del servicio del transporte público de el corregimiento de ancon área revertida (2005–2007). 12 (1): 93–102.Google Scholar
  20. 20.
    Schwartz, Stuart C. and Yu-Shuan Yeh. 1982. On the distribution function and moments of power sums with log-normal components. Bell System Technical Journal 61 (7): 1441–1462.Google Scholar
  21. 21.
    Gulisashvili, Archil, Peter Tankov, et al. 2016. Tail behavior of sums and differences of log-normal random variables. Bernoulli 22 (1): 444–493.Google Scholar
  22. 22.
    Muñoz, David F., César Ruiz, and Sven Guzman. 2016. Comparación empírica de varios métodos para estimar los parámetros de la distribución lognormal con traslado. Información tecnológica 27 (3): 131–140.Google Scholar
  23. 23.
    Reyes, Hortensia, and F. Almendra. 2015. Problemas al usar la aproximación normal n intervalos de confianza suponiendo datos bernoulli. XXV Simposio Internacional de Estadística.Google Scholar
  24. 24.
    Zamora, Larisa, and Jorge Díaz. 2019. Empleo del paquete exprep para repetición de ensayos de bernoulli en la enseñanza de las probabilidades. Revista Digital: Matemática, Educación e Internet 19 (1).Google Scholar
  25. 25.
    Alvarado, Hugo, and María Lidia Retamal. 2014. Representaciones de la distribución de probabilidad binomial.Google Scholar
  26. 26.
    García, Javier, Ernesto A. Sánchez, and M. Mercado. 2017. Razonamiento probabilístico de estudiantes de bachillerato frente a una situación binomial.Google Scholar

Copyright information

© Springer Nature Switzerland AG 2019

Authors and Affiliations

  1. 1.Faculty of Mathematical and Physical SciencesUniversity of GuayaquilGuayaquilEcuador
  2. 2.Eindhoven University of TechnologyEindhovenThe Netherlands
  3. 3.University of GuayaquilGuayaquilEcuador

Personalised recommendations