Análisis de la infraestructura de transporte aplicando redes complejas: red de avenidas de la ciudad de Celaya, Guanajuato

Application of complex networks theory for transportation infrastructure analysis: Celaya’s city avenue network

Contenido principal del artículo

José Eduardo Hernández Torres
Salvador Hernández-González
José Alfredo Jiménez-García
Vicente Figueroa-Fernández

Resumen

La infraestructura de los países y las ciudades la forman sistemas de redes; en el caso del transporte terrestre, la infraestructura está formada por redes de carreteras, avenidas y calles. Las medidas de centralidad de las redes complejas permiten cuantificar el desempeño de cada intersección de avenidas o calles en la red. En este artículo, se analizó la red de avenidas principales de la ciudad de Celaya, Guanajuato empleando el enfoque de redes complejas. De la centralidad de intermediación, centralidad de la cercanía, diámetro y el grado promedio, se identificaron las 5 intersecciones con un papel fundamental en la red de vialidades de la ciudad. Los resultados son de interés para profesionales dedicados al diseño de sistemas logísticos y transporte.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

José Eduardo Hernández Torres, Instituto Tecnológico de Celaya

ESTUDIANTE DE MAESTRIA EN INGENIERIA INDUSTRIAL

Referencias (VER)

Barabási, A. L. (2016). Network Science by Albert-László Barabási. https://doi.org/10.2172/881797

Boeing, G. (2018). A Multi-Scale Analysis of 27,000 Urban Street Networks: Every US City, Town, Urbanized Area, and Zillow Neighborhood. Environmental and Planning B: Urban Analytics and City Science, 1-18. https://doi.org/10.31235/osf.io/hmhts

Borgatti, S. P. (2005). Centrality and network flow. Social Networks, 27(1), 55-71. https://doi:10.1016/j.socnet.2004.11.008

Cardillo, A., Scellato, S., Latora, V., & Porta, S. (2006). Structural Properties of Planar Graphs of Urban Street Patterns. Physical Review E, 73(6), 1-7. https://doi.org/10.1103/physreve.73.066107

Cats, O. (2017). Topological evolution of a metropolitan rail transport network: The case of Stockholm. Journal of Transport Geography, 62(June), 172-183. https://doi.org/10.1016/j.jtrangeo.2017.06.002

Cheng, Y.-Y., Roy, L., Lim, E.-p., & Zhu, F. (2015). Measuring centralities for transportation networks beyond structures. In P. Kazienko, & N. Chawla , Applications of Social Mediaand Social Network Analysis (pp. 23-39). New York: Springer. https://doi.org/10.1007/978-3-319-19003-7_2

Crucitti, P., Latora, V., & Porta, S. (2006). Centrality measures in spatial networks of urban streets. Physical Review E, 73(3), 1-4. doi:10.1103/PhysRevE.73.036125 https://doi.org/10.1103/physreve.73.036125

de-la-Peña, J. (2012). Sistemas de Transporte en México: un análisis de centralidad en teoría de redes. Revista Internacional de Estadística y Geografía, 3(3), 72-91. https://doi.org/10.5565/rev/redes.438

Derrible, S. (2012). Network Centrality of Metro Systems. PlosOne, 2012, 1-10. https://doi:10.1371/journal.pone.0040575

Derrible, S., & Kennedy, C. (2011). Applications of Graph Theory and Network Science to Transit Network Design. Transport Reviews, 31(4), 495-519. https://doi.org/10.1080/01441647.2010.543709

Freeman, L. C. (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35-41. https://doi.org/10.2307/3033543

Fruchterman, T., & Reingold, E. (1991). Graph drawing by Force-directed Placement. Software—Practice and Experience, 21(11), 1129-1164. https://doi.org/10.1002/spe.4380211102

Gephi.org. (2017). Gephi: The Open Graph Viz Platform. From https://gephi.org/

Huang, L., Zhu, X., Ye, X., Guo, W., & Wang, J. (2015). Characterizing streethierarchies through networkanalysis and large-scale taxitraffic flow: a case studyof Wuhan, China. Environment and Planning B:Planning and Design, 43(2), 276-296. https://doi.org/10.1177/0265813515614456

Jian, D., Zhao, Y., & Lu, Q.-C. (2015). Vulnerability Analysis of Urban Rail Transit Networks: A Case Study of Shanghai, China. Sustainability, 7(6), 6919-6936. https://doi.org/10.3390/su7066919

Lotero, R. G. (2014). Vulnerabilidad de redes complejas y aplicaciones al transporte urbano: una revision a la literatura. Revista EIA, 11(21), 67-78. https://doi:10.14508/reia.2014.11.21.67-78

Newman, M. (2005). A measure of betweenness centrality based on random walks. Social Networks, 27(1), 39-54. https://doi.org/10.1016/j.socnet.2004.11.009

Newman, M. (2010). Networks: An Introduction. New York, USA: Oxford University Press.

Rodrigue, J.-P., Slack, B., & Comtois, C. (2017). Green Logistics, in Ann M. Brewer , Kenneth J. Button , David A. Hensher. In Handbook of Logistics and Supply-Chain Management (Vol. 2, pp. 339-350). Handbooks in Transport. https://doi.org/10.1108/9780080435930-021

Rui, J., Ban, Y., Wang, J., & Haas, J. (2013). Exploring the patterns and evolution of self-organized urban street networks through modeling. The European Physical Journal E, 86(3), 86-74. https://doi.org/10.1140/epjb/e2012-30235-7

Saberi, M., Mahmassani, H., Brockmann, D., & Hosseini, A. (2016). A complex network perspective for characterizing urbantravel demand patterns: graph theoretical analysisof large-scale origin–destination demand networks. Transportation, 44(6), 1383-1402. https://doi.org/10.1007/s11116-016-9706-6

Strano, E., Viana, M., da-Fontoura-Costa, L., Cardillo, A., Porta, S., & Latora, V. (2013). Urban street networks, a comparative analysis of ten European cities. Environment and Planning B: Planning and Design, 40, 1071-1086. https://doi.org/10.1068/b38216

Sun, J., & Tang, J. (2011). A Survey of Models and Algorithms for Social Influence Analysis. In C. Agarwal, Social Network Data Analytics (pp. 177-214). Nueva York: Springer Science. https://doi.org/10.1007/978-1-4419-8462-3_7

Wang, H., Martin-Hernandez, J., & van Mieghem, P. (2008). Betweenness centrality in a weighted network. Physical Review E, 77, 1-10. https://doi.org/10.1103/physreve.77.046105

Artículos similares

También puede {advancedSearchLink} para este artículo.