Um Quadro Estocástico para Extrair Velocidades Individuais de Pedestres a Partir de Dados de Trânsito Congestionados: Aplicação ao Paris RER A

Este estudo desenvolve um modelo estocástico para extrair velocidades individuais de caminhada de passageiros a partir de dados padrões de trânsito, corrigindo o viés introduzido pela congestão nas estações. O método aproveita a sinergia entre a Coleta Automática de Tarifas (AFC) e os dados de Localização Automática de Veículos (AVL). Formulamos o problema usando um modelo físico de saída, onde o tempo de caminhada é uma razão entre distância e velocidade. A partir disso, derivamos dois modelos estocásticos bayesianos (Gaussiano e Log-Normal) para descrever a distribuição conjunta dessas variáveis a nível de trem. O quadro identifica inicialmente episódios de fila nas saídas das plataformas. Assumindo uma disciplina Primeiro a Entrar, Primeiro a Sair (FIFO), reconstrói os tempos de saída não observados e livres de congestão para os passageiros afetados. Esses tempos corrigidos servem de entrada para uma estimativa de máxima verossimilhança (MLE) em segunda etapa para inferir distribuições de velocidade específica de indivíduos. Demonstramos a aplicação em um estudo de caso com 41 passageiros diários na linha Paris RER A. O modelo gera com sucesso um perfil de velocidades personalizadas, com média de 1,18 m/s, a partir de dados inicialmente corrompidos por atrasos causados por filas. Esta abordagem oferece uma nova via orientada por dados para obter parâmetros comportamentais individuais para simulações microscópicas de pedestres, evitando a necessidade de observação direta custosa enquanto considera explicitamente os efeitos da congestão.