evidoria

← Volver al listado

Buena práctica Importada

El Algoritmo de Optimización del MIT Reduce en 5 Millones de Dólares los Costos de Transporte Escolar de Boston

Estados Unidos · Boston · Ver el perfil de Estados Unidos · Ver el perfil de Boston

Evidencia: Observacional / pre-post Top 82% 33/100 · Pregunte a Evidence Copilot sobre esta práctica

Doctorandos del Centro de Investigación de Operaciones del MIT ganaron el reto de rutas de las escuelas públicas de Boston en 2016; su algoritmo eliminó 50 autobuses (cerca del 8% de la flota), ahorró hasta 5 millones de dólares al año, y fue revisado por pares y publicado en la revista Interfaces (2020).

50 routes
Bus routes eliminated (2017-18 school year)
8 %
Fleet size reduction (2017-18 school year)
1 million miles
Driving miles reduced (first year)
20000 lbs/day
Daily CO2 emissions reduced
3 million USD
Annual cost savings (low estimate) (annual)
5 million USD
Annual cost savings (high estimate) (annual)
30 minutes
Route-plan generation time

Detalles

Madurez
Consolidada
Promotor
Boston Public Schools / MIT Operations Research Center
Período
2016–2020
Palabras clave
school transportation, logistics optimization, public education administration, operations research

Contexto

En 2016, el distrito escolar Boston Public Schools lanzó un "Transportation Challenge" público, invitando a equipos externos a rediseñar sus rutas de autobús escolar; un equipo del Centro de Investigación Operativa del MIT, liderado por el profesor Dimitris Bertsimas, ganó el concurso.

Objetivos

Rediseñar el trazado de las rutas de autobús para reducir costes, kilometraje y emisiones manteniendo el servicio, mediante un algoritmo de optimización que combina datos de tráfico, matrícula y dirección.

Actividades

Boston Public Schools puso a prueba el algoritmo ganador durante el curso 2017-18, asignando estudiantes a paradas, combinando paradas en rutas y asignando vehículos con datos de tráfico de Google Maps; la metodología fue posteriormente revisada por pares y publicada en la revista Interfaces (2020).

Resultados

El distrito eliminó unas 50 rutas (aproximadamente el 8% de la flota), redujo alrededor de 1 millón de millas de conducción, disminuyó las emisiones diarias de CO2 en unas 20.000 libras y ahorró entre 3 y 5 millones de dólares al año, además de reducir el tiempo de planificación de rutas de miles de horas de trabajo a unos 30 minutos.

Conclusiones

La herramienta es un sistema de optimización de investigación operativa, no un modelo de aprendizaje automático, y sus ahorros son específicos de la red de rutas y los patrones de matrícula de Boston; otros distritos necesitarían su propia reoptimización, y cuestiones como la escasez de conductores siguen siendo independientes del cálculo de rutas.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Medio (1–3 años)
Personal y competencias
MIT Operations Research Center PhD students (Arthur Delarue, Sébastien Martin) under Professor Dimitris Bertsimas, Boston Public Schools routing staff (roughly ten routers) whose manual process the algorithm replaced

Condiciones para el éxito

  • Access to Google Maps traffic data alongside district enrollment and address data
  • A public open challenge to source external optimization expertise
  • District willingness to replace an established manual routing process
  • Operations-research (not machine-learning) modeling capability

Modos de fallo comunes

  • Savings are specific to Boston's route network and enrollment patterns; other districts need their own re-optimization
  • The algorithm does not resolve separate driver-shortage or labor issues

Dónde encaja

Tipo de gobernanza
public school district
Escala
single large urban district
Nivel de ingresos
high-income (USA)

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles