Análisis de optimización basado en simulación de la organización del flujo de pasajeros en estaciones de intercambio de metro usando AnyLogic

Por qué importan las estaciones congestionadas

Cualquiera que haya atravesado con prisa una estación de metro abarrotada conoce el estrés que generan las multitudes. Las colas en las máquinas expendedoras, los cuellos de botella en los torniquetes y los flujos de personas en direcciones opuestas pueden retrasar a todos y aumentar los riesgos para la seguridad. Este estudio analiza una concurrida estación de transferencia donde pasajeros de trenes interurbanos desembocan directamente en el metro y plantea una pregunta simple pero potente: al rediseñar con cuidado las rutas, los torniquetes y la señalización, ¿hasta qué punto podemos hacer más fluida y segura la hora punta diaria?

Un vistazo más detallado a un nodo de transferencia concurrido

Los investigadores se centran en la Estación S, en una gran ciudad china, donde el metro conecta directamente con la estación principal de ferrocarril. Durante las horas punta, alrededor de 4.000 personas por hora acceden al metro, la mayoría procedentes de trenes de alta velocidad y muchas con equipaje. Como la salida principal de los andenes ferroviarios se abre cerca de un único conjunto de máquinas expendedoras y torniquetes de entrada, los recién llegados se congregan instintivamente en esa área. Al mismo tiempo, otros pasajeros salen del metro o hacen transbordo entre dos líneas. El resultado es una zona estrecha donde personas que se dirigen en distintas direcciones se cruzan y pronto generan atascos.

Construyendo un gemelo digital de la multitud

En lugar de experimentar directamente con viajeros reales, el equipo crea una simulación informática detallada de la estación usando un software especializado llamado AnyLogic. Cada peatón virtual se comporta como un individuo, eligiendo rutas, acelerando o frenando y sorteando a los demás según una idea de “fuerza social”: las personas son atraídas hacia sus objetivos, repelidas para evitar colisiones y sutilmente atraídas por elementos clave como salidas o escaleras mecánicas. El modelo incorpora mediciones reales, incluyendo la velocidad de caminata de quienes llevan y no llevan equipaje, la duración de las compras de billetes y la rapidez con la que los torniquetes y escaleras mecánicas pueden procesar viajeros. Con este gemelo digital, los investigadores pueden reproducir la hora punta y ver exactamente dónde aparecen colas largas y focos de alta densidad.

Identificando los puntos críticos

Ejecutar la simulación para una hora punta típica confirma lo que sugerían las observaciones in situ. Un conjunto de máquinas expendedoras y un grupo de torniquetes junto a la salida del ferrocarril están desbordados, mostrando densidades de pasajeros muy altas y largas colas. En contraste, otros torniquetes y máquinas más alejados están infrautilizados. Las señales de orientación actuales animan a la mayoría de las personas —especialmente al aproximadamente 88% que no conoce el emplazamiento— a usar el grupo de torniquetes más cercano. Alrededor del 28% de los pasajeros también optan por comprar billetes en papel en las máquinas más próximas en lugar de escanear un código, intensificando aún más la concentración en esta pequeña área. Este desequilibrio desperdicia espacio útil y ralentiza a todos.

Rediseñar recorridos, torniquetes y señalización

Para resolver estos problemas, los investigadores prueban una estrategia combinada. Primero, reconfiguran las instalaciones físicas: varios torniquetes de salida infrautilizados se convierten en un nuevo conjunto de torniquetes de entrada en el lado opuesto del vestíbulo, y se activa un grupo de máquinas expendedoras que antes estaban inoperativas. En segundo lugar, replantean la orientación. Nuevas señales aéreas y de pie se colocan en esquinas y encrucijadas clave para separar suavemente a los pasajeros por destino, dirigiendo a quienes se dirigen a distintas líneas hacia diferentes torniquetes y máquinas. Los mensajes se mantienen simples, teniendo en cuenta que las personas recuerdan sólo un puñado de indicaciones de un vistazo. En la simulación, la mayoría de los pasajeros sigue las señales, mientras una minoría aún elige sus rutas habituales más cortas, imitando el comportamiento real.

¿Cuánta mejora es posible?

Cuando el equipo compara varios escenarios —cambiar sólo las instalaciones, cambiar sólo las señales y combinar ambos cambios— el enfoque combinado resulta claramente ganador. Las densidades máximas de multitud en los peores cuellos de botella caen alrededor de un 40–60%, las longitudes de cola en las máquinas y torniquetes más concurridos disminuyen drásticamente y el tiempo medio que tardan los pasajeros entrantes en alcanzar sus andenes se reduce en aproximadamente una cuarta parte. Es importante que la calidad del servicio en los puntos más congestionados mejore de un “peor caso” a un nivel más aceptable, aunque una zona de salida se vuelva ligeramente más concurrida al redistribuirse los flujos. La estación en su conjunto funciona de manera más fluida, con corrientes más claras y menos puntos de conflicto.

Qué significa esto para los viajeros diarios

Para el viajero cotidiano, la conclusión es alentadora: grandes mejoras en confort y seguridad no siempre requieren obras costosas ni nueva tecnología. Combinando una colocación más inteligente de torniquetes y máquinas expendedoras con señales bien diseñadas y fáciles de seguir, las agencias de transporte pueden transformar multitudes caóticas en corrientes ordenadas, reduciendo los tiempos de caminata y espera y aprovechando mejor el espacio existente. El estudio demuestra que tales cambios pueden evaluarse y ajustarse de antemano mediante simulaciones realistas de multitudes, ofreciendo a los planificadores urbanos una caja de herramientas práctica para mantener en movimiento sistemas de metro en crecimiento.

Cita: Tian, Y., Jin, G., Lu, S. et al. Simulation-based optimization analysis of passenger flow organization in metro interchange stations using AnyLogic. Sci Rep 16, 12517 (2026). https://doi.org/10.1038/s41598-026-41719-5

Palabras clave: aglomeraciones en metro, flujo de pasajeros, diseño de estaciones, señalización de orientación, simulación de peatones