Publicación: SIMULAN: A simpy-based simulation framework for urban bicycle lane networks
Resumen en inglés
Modeling bicycle traffic is challenging due to heterogeneous cyclist behavior and the influence of infrastructure attributes, demand patterns, and route choice. Analytical models based on Jackson queueing networks offer closed-form performance indicators but rely on assumptions such as Poisson arrivals, exponential service times, and homogeneous flows. In contrast, discrete-event simulations provide greater behavioral realism but have higher computational requirements, especially for large scale systems. This article introduces SIMULAN [1], a Python-based simulation framework built with SimPy and NetworkX to model urban bicycle-lane networks from user-defined inputs such as network geometry, arc attributes, origin–destination matrices, and cyclist profiles. Cyclists are represented as individual agents with heterogeneous speeds and attribute-weighted routing based on a normalized cost structure. Two controlled experiments demonstrate that the simulator reproduces key predictions of classical Jackson networks under idealized conditions. A full-scale demonstration using real data further shows how geometry, origin destination (OD) demand, and behavioral heterogeneity generate realistic flow patterns and traveltime distributions. Overall, SIMULAN provides a flexible, data-driven tool that bridges analytical structure and simulation-based realism for studying cyclist mobility.
Resumen en español
Modelar el tráfico de ciclistas es un desafío debido a la heterogeneidad en su comportamiento y a la influencia de atributos de la infraestructura, patrones de demanda y elección de ruta. Los modelos analíticos basados en redes de colas de Jackson ofrecen indicadores de desempeño en forma cerrada, pero dependen de supuestos como llegadas Poisson, tiempos de servicio exponenciales y flujos homogéneos. En contraste, las simulaciones de eventos discretos proporcionan un mayor realismo conductual, aunque requieren más capacidad computacional, especialmente en sistemas de gran escala. Este artículo presenta SIMULAN [1], un framework de simulación en Python construido con SimPy y NetworkX para modelar redes urbanas de ciclorrutas a partir de insumos definidos por el usuario, como geometría de la red, atributos de los arcos, matrices de origen–destino y perfiles de ciclistas. Los ciclistas se representan como agentes individuales con velocidades heterogéneas y rutas determinadas mediante una estructura de costos normalizados ponderados por atributos. Dos experimentos controlados demuestran que el simulador reproduce predicciones clave de las redes clásicas de Jackson bajo condiciones idealizadas. Una demostración a gran escala utilizando datos reales evidencia además cómo la geometría, la demanda OD y la heterogeneidad del comportamiento generan patrones de flujo y distribuciones de tiempos de viaje realistas. En conjunto, SIMULAN ofrece una herramienta flexible y basada en datos que integra la estructura analítica con el realismo de la simulación para estudiar la movilidad ciclista.
PDF 
FLIP 