Para comprender cómo se propagan los retrasos e identificar trenes críticos para ayudar a mejorar la puntualidad, investigadores del Complexity Science Hub (CSH), en colaboración con la red de Ferrocarriles Federales de Austria (ÖBB), han desarrollado un nuevo método.
Los retrasos en los trenes no sólo son una frustración común para los pasajeros, sino que también pueden provocar importantes pérdidas económicas, especialmente cuando viajan a través de la red ferroviaria. Cuando un tren se retrasa, a menudo se desencadena una reacción en cadena, convirtiendo problemas menores en retrasos masivos en todo el sistema. Esto puede resultar caro. Un informe de la Asociación de Ferrocarriles Estadounidenses (AAR) muestra que las interrupciones ferroviarias a nivel nacional en Estados Unidos pueden costarle a la economía más de 2 mil millones de dólares por día. Por tanto, la pregunta clave para los operadores ferroviarios es: ¿Cómo gestionar el impacto de los retrasos de forma eficaz y con el mínimo esfuerzo?
Utilizando un nuevo enfoque basado en redes, los investigadores del Complexity Science Hub (CSH) cuantificaron el riesgo sistémico que representan los trenes individuales para toda la red ferroviaria en Austria. “Esto nos permite identificar puntos débiles en el sistema: trenes que transfieren retrasos significativamente a servicios posteriores”, explica Vito Servedio de CSH. El estudio fue publicado en npj movilidad y transporte sostenible.
Identificación de “trenes de impacto”.
Los investigadores crearon un modelo de red analizando datos de la concurrida ruta de la Estación Central de Viena a Wiener Neustadt (con 1.000 trenes de pasajeros por día) entre 2018 y 2020, junto con datos adicionales de todas las rutas de trenes austriacos durante 14 días. . En este modelo, los nodos representan servicios de trenes y los enlaces representan interacciones que potencialmente pueden causar retrasos. Utilizando este modelo, los investigadores pudieron clasificar los trenes según su capacidad para propagar retrasos e identificar “trenes influyentes”. Para validar sus resultados y evaluar estrategias de mitigación de retrasos, crearon una simulación basada en agentes de los ferrocarriles austriacos, que simula la dinámica y las interacciones diarias de los trenes.
Los resultados muestran que los trenes que circulan justo antes y durante la primera hora punta son los más importantes, “lo cual quizás sea un poco sorprendente. Sin embargo, podemos distinguir durante las horas pico qué trenes tienen más influencia en una red compleja de conexiones”, afirma Simone Denuti, candidata a doctorado en CSH y primera autora del estudio.
Además, el equipo observó que el riesgo asociado con estos trenes tiene su origen en su dependencia fija. Sólo cuando se produce una perturbación se revela la naturaleza frágil de estas dependencias.
El material rodante como causa fundamental de los retrasos en cascada
Los investigadores comprobaron que el retraso del modelo se debía principalmente a que se compartía el material rodante (locomotoras y vagones), a pesar de tener menos puntos de contacto entre el material rodante que la infraestructura. Denuti explica: “Lo que vemos es que materiales como el material rodante y el personal desempeñan un papel mucho más importante en la propagación de retrasos en la red ferroviaria que el propio movimiento de los trenes”. Por ejemplo, si un tren que sale a las 2 pm depende del material rodante utilizado por un tren que sale a las 8 am, cualquier retraso en el tren anterior puede perturbar significativamente el tren posterior. Esto crea una barrera rígida que puede resultar extremadamente perjudicial.
Aunque el modelo actual no tiene en cuenta los cambios de personal debido a la falta de datos, está diseñado para incluir factores adicionales, como los niveles de dotación de personal, en cualquier momento dado. Esta flexibilidad permitirá un análisis más preciso de los efectos del retraso cuando estos puntos de datos sean accesibles.
Servicios de tren adicionales
Para encontrar una posible solución, los investigadores simularon retrasos de una hora para el 2% de los mejores trenes de la línea ferroviaria del sur de Austria, desde la estación central de Viena hasta Wiener Neustadt. Estos trenes fueron identificados como los que tenían el mayor impacto en la red. “Descubrimos que añadir sólo tres servicios de tren adicionales al modelo puede reducir los retrasos en aproximadamente un 20% durante los días críticos”, explica Servidio.
Según los investigadores, la aplicación del método a todo el sistema ferroviario austriaco podría reducir los retrasos en los modelos en un 40 por ciento con la adición de 37 nuevos trenes o conexiones. También observó que cuanto más tráfico tiene una línea ferroviaria, más difícil es mejorarla.
Dado que los servicios ferroviarios más costosos de añadir para las compañías ferroviarias son los trenes locales con unidades de tracción eléctrica, mientras que los trenes de larga distancia son más difíciles y caros, los investigadores examinaron si los diferentes efectos dependiendo de qué servicios ferroviarios se incluyan. “Curiosamente, descubrimos que podríamos lograr una reducción similar en el retraso total de alrededor del 20% añadiendo los tres servicios ferroviarios más costosos a la línea ferroviaria del sur”, afirma Servedio.
Enfoque crítico
Aad Robben-Baldauf, director de programas de ÖBB, afirma: “La entrega a tiempo es uno de los principales objetivos de ÖBB. El modelo desarrollado por CSH nos habría proporcionado una herramienta adicional para alcanzar este objetivo en nuestro complejo sistema ferroviario”.
“Simular un sistema ferroviario nacional es complejo e involucra una gran cantidad de trenes y puntos operativos que generan miles de millones de escenarios. Los métodos tradicionales a menudo se quedan cortos a esta escala, pero el análisis de redes y la ciencia de la complejidad identifican vulnerabilidades sistémicas. Ofrece herramientas de modelado sólidas para hacerlo. ”, dice la CSH. Presidente Stephen Turner. Este estudio ejemplifica los importantes beneficios de complementar la investigación científica con la experiencia de la industria, mostrando cómo la innovación colaborativa puede producir soluciones efectivas a problemas operativos complejos.
Sobre el estudio
El estudio de S. Daniotti, VDP Servedio, J. Kager, A. Robben-Baldauf y S. Thurner se publicó en “A Systemic Risk Approach to Mitigate Delay Collisions in Railway Networks”. npj movilidad y transporte sostenible.
El estudio se llevó a cabo en el marco del proyecto “Train Operating Forecasting”, una iniciativa conjunta entre CSH y ÖBB, cuyo objetivo es reducir el retraso anual general en el sistema de transporte de pasajeros de ÖBB.
