Teor a de Flujos Vehiculares Apuntes de Clase

Profesor Jaime Gibson Universidad de Chile Divisi on Ingenier a de Transporte Edici on Mauro Huenupi Versi on Agosto de 2001

 Indice General

1 Introducci on 1.1 1.2 1.3 Presentaci on del curso . . . . . . . . . . . . . . . . . . . . . . Conictos y regulaci on . . . . . . . . . . . . . . . . . . . . . . Modelos elementales . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Circulaci on ininterrumpida . . . . . . . . . . . . . . . . 1.3.1.1 1.3.1.2 1.3.1.3 1.3.1.4 1.3.1.5 1.3.1.6 1.3.1.7 1.3.2 1.4 Observaci on temporal . . . . . . . . . . . . . Observaci on espacial . . . . . . . . . . . . . . Distribuci on de velocidades . . . . . . . . . . Ecuaci on fundamental del tr aco . . . . . . .

2 2 3 5 5 6 7 8 8

Teor a del Seguimiento Vehicular . . . . . . . 12 Inestabilidad del tr aco . . . . . . . . . . . . 15 Relaciones velocidad-ujo o ujo-demora . . . 16

Circulaci on interrumpida . . . . . . . . . . . . . . . . . 19

Variables b asicas . . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Capacidad 2.1 2.2

22

Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Capacidad de intersecciones no semaforizadas . . . . . . . . . 23 2.2.1 2.2.2 2.2.3 Modelo de aceptaci on de brechas . . . . . . . . . . . . 24 Modelo lineal . . . . . . . . . . . . . . . . . . . . . . . 28 Modelo lineal aplicado a rotondas . . . . . . . . . . . . 31

2.3 2.4

Capacidad de intersecciones semaforizadas . . . . . . . . . . . 32 Heterogeneidad del tr aco . . . . . . . . . . . . . . . . . . . . 36 2.4.1 Heterogeneidad en el ujo de saturaci on . . . . . . . . 37 2.4.1.1 Factores de equivalencia para determinar el ujo de saturaci on . . . . . . . . . . . . . . . 38 Duraci on del verde efectivo . . . . . . . . . . 42

2.4.1.2 2.4.2

Heterogeneidad en intersecciones no semaforizadas . . . 43 2.4.2.1 2.4.2.2 2.4.2.3 Tipos de veh culos . . . . . . . . . . . . . . . 43 Tipo de movimiento . . . . . . . . . . . . . . 43 Elecci on de pista . . . . . . . . . . . . . . . . 44 46

3 Formaci on y disipaci on de colas 3.1 3.2

Denici on del proceso . . . . . . . . . . . . . . . . . . . . . . . 46 Colas estacionarias . . . . . . . . . . . . . . . . . . . . . . . . 48 3.2.1 Sistemas de soluci on conocida . . . . . . . . . . . . . . 50

3.3

Colas dependientes del tiempo . . . . . . . . . . . . . . . . . . 51 2

3.3.1 3.3.2 3.3.3

Transformada de Whiting . . . . . . . . . . . . . . . . 53 No transitividad de la funci on transformada . . . . . . 55 Funciones transformadas para intersecciones semaforizadas 59 3.3.3.1 3.3.3.2 3.3.3.3 Funciones estoc asticas estacionarias . . . . . . 62 Funciones determin sticas dependientes del tiempo 65 Funciones transformadas . . . . . . . . . . . . 69 74

4 Estimaci on de demoras y detenciones 4.1

Periodizaci on y demoras en per odos punta . . . . . . . . . . . 74 4.1.1 Modelo de ujo variable . . . . . . . . . . . . . . . . . 75

4.2

Demoras peatonales . . . . . . . . . . . . . . . . . . . . . . . . 81 4.2.1 4.2.2 Intersecciones semaforizadas . . . . . . . . . . . . . . . 81 Intersecciones no semaforizadas . . . . . . . . . . . . . 82

4.3 4.4

Demoras en paraderos de buses . . . . . . . . . . . . . . . . . 83 Demoras totales . . . . . . . . . . . . . . . . . . . . . . . . . . 84 4.4.1 4.4.2 Intersecciones no semaforizadas . . . . . . . . . . . . . 88 Intersecciones semaforizadas . . . . . . . . . . . . . . . 90

4.5

Detenciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 4.5.1 4.5.2 Intersecciones semaforizadas . . . . . . . . . . . . . . . 91 Intersecciones no semaforizadas . . . . . . . . . . . . . 93

5 Modelos de circulaci on en redes 5.1 5.2

94

Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Modelaci on de elementos de redes . . . . . . . . . . . . . . . . 96 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 Modelaci on de arcos . . . . . . . . . . . . . . . . . . . 96 Modelaci on de nodos . . . . . . . . . . . . . . . . . . . 96 Modelaci on de cuellos de botella . . . . . . . . . . . . . 96 Modelaci on de ujos . . . . . . . . . . . . . . . . . . . 97 Extensi on de la red . . . . . . . . . . . . . . . . . . . . 97

5.3 5.4

Histogramas c clicos de ujo y dispersi on . . . . . . . . . . . . 97 Indicadores de rendimiento . . . . . . . . . . . . . . . . . . . . 102

Cap tulo 1 Introducci on

1.1 Presentaci on del curso

El objetivo de este curso es analizar el proceso de la circulaci on de veh culos sobre v as urbanas como fen omeno f sico, manifestaci on de una estructura o patr on de viajes conocido y jo. Se excluir an por lo tanto aspectos relativos a la generaci on, distribuci on, partici on modal y asignaci on de los viajes que realizan los individuos. Una vez identicado el patr on de viajes, estudiaremos c omo este se materializa en las v as, qu e fen omenos tienen lugar durante su manifestaci on y c omo estos pueden modelarse para predecirlos y estimar sus impactos. Las motivaciones para utilizar esta forma de abordar el problema se pueden resumir en: En el proceso de circulaci on surgen interacciones entre los veh culos que condicionan la calidad de los viajes; un ndice tradicional de calidad es el tiempo de viaje. Sabemos que esta calidad inuir a en las decisiones de movilidad de los individuos, como por ejemplo en la elecci on de modo de viaje. Son estas decisiones las que nalmente producen un patr on de viajes. Por lo tanto, es indispensable entender la circulaci on para comprender el fen omeno del transporte en su conjunto. 5

 Es posible actuar sobre el proceso de circulaci on para producir cambios en las caracter sticas de los viajes de manera de optimizar el uso de recursos que estos involucran. Los recursos son en parte recursos privados, como el tiempo de los individuos, o p ublicos como las v as. Esta u ltima caracter stica hace de este un problema relevante ya que da origen a impactos negativos o externalidades de circulaci on, como la congesti on vial. El conjunto de acciones que buscan optimizar el uso de los recursos corresponde al campo espec co de la ingenier a de transporte, denominado gesti on de tr ansito, y es materia del curso Ingenier a de Tr ansito. En resumen, en este curso nos concentraremos en analizar y luego modelar los fen omenos que se producen durante la circulaci on de veh culos, principalmente sobre v as urbanas, con el prop osito de predecir sus impactos y dise nar mecanismos para optimizar el uso de los recursos involucrados.

1.2

Conictos y regulaci on

Desde el punto de vista de la circulaci on de veh culos un viaje es una sucesi on de etapas de movimiento y reposo. Para un veh culo aislado esto podr a ser descrito por las leyes de la mec anica. Pero cuando m ultiples y distintos veh culos participan en el proceso surgen interacciones de otra naturaleza que condicionan la circulaci on y que requieren una teor a especializada. Estas interacciones tienen lugar en los elementos de la infraestructura vial: v as, intersecciones, estaciones de transferencia. Derivan de un hecho f sico b asico: tanto los veh culos como la infraestructura tienen dimensiones nitas. De all los conictos: la presencia de un veh culo condiciona la circulaci on de los otros. Son estos conictos entre veh culos los que deben ser analizados para describir la circulaci on. No obstante, los veh culos no son entes aut onomos sino que son comandados por personas. Luego, los aparentes conictos entre veh culos son en realidad entre personas. De all que la descripci on de la circulaci on no es s olo una extensi on de las 6

leyes de la mec anica. Aspectos como la conducta y caracter sticas f sicas de los individuos juegan un rol fundamental. A continuaci on estudiaremos los conictos, clasic andolos en tres tipos para su estudio m as detallado: concurrenciales, direccionales y funcionales. Conictos concurrenciales: Se producen entre los veh culos que circulan por la misma v a y en el mismo sentido, pero con distintas velocidades (p. ej. tramos de calles, caminos, etc.). La superaci on de este tipo de conicto se logra ajustando la velocidad de los veh culos o permitiendo el adelantamiento del veh culo m as lento. Conictos direccionales: Se dan entre veh culos cuyas trayectorias se cruzan en una misma v a o en v as distintas. Su soluci on se obtiene dando prioridad a uno de los movimientos sobre el otro. Se producen t picamente en intersecciones. Conictos funcionales: Ocurren entre veh culos que hacen uso antag onico de un mismo sector de la v a: movimiento y reposo. Se superan a trav es del adelantamiento del veh culo detenido, la detenci on del veh culo en movimiento o el ajuste de su velocidad hasta que el conicto desaparece ( por ejemplo, paraderos de buses y estacionamientos en la calzada). Los conictos en la circulaci on dif cilmente pueden ser eliminados del todo, lo que da origen a eventuales accidentes. Entonces, si el conicto no puede eliminarse debe regularse. La regulaci on debe reunir dos caracter sticas esenciales: eciencia: permitir un adecuado desarrollo o soluci on del conicto. seguridad: prevenir las ocurrencia de accidentes. Sin embargo, la regulaci on no se impone sobre los veh culos. Es, en realidad, una regulaci on de la conducta de los usuarios, donde el actor principal es el conductor. Es aqu donde la ingenier a juega su rol a trav es de su actividad por excelencia: el dise no (entendido como concepci on de soluciones) de v as, intersecciones, estaciones de transferencia y sistemas de control o regulaci on. 7

Los conictos m as simples de estudiar son los concurrenciales. Para su descripci on basta considerar un proceso de circulaci on ininterrumpida. Habla remos de circulaciUn ininterrumpida cuando analicemos una sola v a, de un solo sentido y de longitud ilimitada (tramo de carretera). El siguiente caso corresponde a los conictos direccionales. En esta situaci on un veh culo podr a usar el area com un primero y otro despu es, requiri endose la detenci on de este u ltimo. Su estudio requiere observar un proceso de circulaci on interrumpida. Hablaremos de circulaci on interrumpida cuando analicemos m as de una v a, diferentes sentidos, limitado a un area (intersecci on). Este mismo an alisis es factible para estudiar los conictos funcionales, como los generados en los paraderos de buses. En este curso revisaremos primero la teor a relativa a la circulaci on ininterrumpida, por simplicidad y tradici on hist orica, para luego concentrarnos en la modelaci on de la circulaci on interrumpida, como ampliaci on de la primera y por su relevancia en los procesos de circulaci on en redes viales densas como las urbanas.

1.3
1.3.1

Modelos elementales
Circulaci on ininterrumpida

El desplazamiento de veh culos se verica en un ambiente f sico que comprende tanto dimensiones espaciales como temporales en forma simult anea. No obstante, a diferencia del transporte mar timo o a ereo donde la dimensi on espacial posee dos o tres componentes, el tr aco urbano tiene una componente espacial que puede considerarse cuasi-unidimensional: la v a. Por otra parte, en la circulaci on vehicular los objetos en movimiento no s olo obedecen a leyes f sicas sino que son conducidos y ocupados por personas. Luego, est an dotados de una dimensi on humana: la voluntad. As , la circulaci on vehicular es un problema complejo, pero a la vez muy interesante de analizar.

Figura 1.1: Diagrama Espacio-Tiempo

s

so

to T

En este caso la circulaci on se representa a trav es de un diagrama espaciotiempo, como el de la Figura 1.1. En este diagrama se muestra la posici on en cada instante de los veh culos. El diagrama espacio-tiempo se puede analizar desde dos puntos de vista: temporal y espacial.

1.3.1.1

Observaci on temporal

La recta horizontal de la Fig. 1.1 representa la observaci on temporal de la circulaci on en una secci on transversal de la v a, determina los veh culos que pasan por la secci on so durante un per odo de tiempo T , el cual denominamos m. Esta visi on da origen a las siguientes variables : Flujo o intensidad del tr aco: es el n umero de veh culos que atraviesan una determinada secci on de la v a por unidad de tiempo: q = m . Esta T variable corresponde al ujo promedio en el punto so durante el per odo T . Por su denici on el ujo describe macrosc opicamente la circulaci on. Intervalo: tiempo que transcurre entre el paso de dos veh culos sucesivos por una secci on de la v a. Se suele asignar al primero de estos veh culos y se le denomina hi . El intervalo bruto se mide entre las partes hom ologas 9

(delantera o trasera) de los veh culos. El intervalo neto o brecha se mide entre la parte trasera de un veh culo y la delantera del siguiente. El intervalo describe microsc opicamente la circulaci on. Considerando un per odo de observaci on sucientemente largo y deniendo adecuadamente el comienzo y el nal de dicho per odo, se tiene T = m i=1 hi m m 1 y, por lo tanto, q = T = m hi = h . Luego
i=1

h=

1 q

(1.1)

Es decir, el intervalo medio es el inverso del ujo. Por ejemplo, un ujo de 1.800 veh/h equivale a un intervalo promedio de 2 seg.

1.3.1.2

Observaci on espacial

La recta vertical de la Fig. 1.1 representa la observaci on espacial de la circulaci on desde un punto de vista elevado sobre la v a. Determina el n umero de veh culos presentes en un tramo de la v a de longitud L en un cierto instante to , variable que denominamos n. Se tienen las siguientes variables: Concentraci on o densidad de tr aco: n umero de veh culos que est an presentes en un tramo de v a en un cierto instante de tiempo k = n/L. La concentraci on describe a nivel macrosc opico la circulaci on. Espaciamiento: distancia entre dos veh culos sucesivos circulando por una misma pista en un cierto instante. Generalmente el espaciamiento es bruto. Se asocia al primer veh culo y se denomina sj . El espaciamiento es una variable que describe microsc opicamente la circulaci on. An alogamente, el espaciamiento medio corresponde al inverso de la n . Luego, = nn sj = 1 concentraci on ya que k = L s
j =1

s=

1 k

(1.2)

10

1.3.1.3

Distribuci on de velocidades

Adem as de las dos visiones reci en mencionadas, que son est aticas en el tiempo o el espacio, podemos denir una no-est atica. Esta visi on es la que lograr a un observador en movimiento. En este caso se tienen dos grupos de veh culos que pueden ser analizados: aquellos que pasan por un punto o los que est an presentes en un tramo. Con estas agrupaciones es posible denir dos funciones de distribuci on para cualquier variable que se quiera estudiar. Estas funciones se conocen como distribuci on espacial y temporal. Distribuci on espacial: La funci on de distribuci on espacial se obtiene al considerar la proporci on de veh culos de tipo j presentes en un tramo de longitud L en un cierto instante: psj = nj /n. Utilizando la variable concentraci on podemos calcular la distribuci on espacial como: psj = kj L kj = kL k (1.3)

As entonces el promedio espacial de la variable z se calcula como z s = j psj zj = j kj zj /k . Distribuci on temporal: La funci on de distribuci on temporal se obtiene al considerar la proporci on de veh culos de tipo j que cruzan una secci on de la v a durante un per odo de duraci on T : ptj = mj /m. Utilizando la variable ujo podemos calcular la funci on de distribuci on temporal como: qj qj T = (1.4) ptj = qT q Por lo tanto, el promedio temporal de la variable z se calcula como z t = j ptj zj = j qj zj /q .

1.3.1.4

Ecuaci on fundamental del tr aco

Algunas de las variables reci en denidas est an relacionadas. La relaci on m as importante involucra el ujo, la concentraci on y la velocidad media espacial.

11

Si suponemos una corriente vehicular j homog enea y estacionaria (igual velocidad y constante en el tiempo) en condiciones de circulaci on ininterrumpida entonces geom etricamente se tiene sj = vj hj (1.5)

Si el ujo y la concentraci on de la corriente se miden sobre un per odo que tengan muchos veh culos, la ecuaci on anterior se puede reescribir como 1 vj qj = kj = kj qj vj Pero sabemos que vs = En consecuencia, q = kv s (1.6)
j qj j vj vj j

kj v j = j kj

kj

qj j kj
j

q = v s 0, es decir, el ujo aumenta a De la ecuaci on anterior se tiene k medida que aumenta la concentraci on, debido a que los veh culos se desplazan q as alto a medida que m as juntos. Adem as vs = k 0, es decir, el ujo es m la velocidad aumenta, porque los veh culos cruzan m as r apido la secci on de la v a bajo an alisis. Sin embargo, es evidente que existe una relaci on entre velocidad y concentraci on ya que el aumento de la concentraci on implica una mayor probabilidad de conictos concurrenciales, lo que obligar a a los conductores a desplazarse con mayor precauci on para evitar accidentes.
s 0 k . Reemplanzando Lo anterior se traduce en que v s = v s (k ) con v k esta relaci on en la ecuaci on fundamental se tiene

q = kv s (k ) Ecuaci on que se conoce como Ecuaci on fundamental del tr aco. A partir de esta se tiene q v s (k ) = v s (k ) + k k k
0 0

(1.7)

12

q 0 k Es decir, bajo ciertas condiciones el ujo aumentar a con la concentraci on, pero bajo otras podr a disminuir. El punto de quiebre se produce cuando ecuaci on en k .
q k
s = 0 v = vs

k k

que es una

En la soluci on de la ecuaci on anterior es necesario considerar que la concentraci on est a acotada inferior y superiormente. Su valor m nimo es cero, es decir, ning un veh culo en el tramo de v a bajo an alisis. Su valor m aximo es igual al n umero m aximo de veh culos que se pueden almacenar en el tramo ubicados uno detr as del otro y se denomina concentraci on de embotellamiento ke . Si conocemos el largo promedio de los veh culos l entonces ke = 1/l. Los l mites de la concentraci on denen valores extremos de la velocidad media espacial. Cuando la concentraci on es cercana a cero existe una baja probabilidad de conictos concurrenciales y, por lo tanto, la velocidad puede alcanzar su m aximo valor, el cual denominamos velocidad a ujo libre vl . Esta es la velocidad a la cual circular a un conductor si no existiese ning un otro veh culo presente en el tramo de v a. Por el contrario, cuando la concentraci on tiende a ke los conictos son frecuentes y la velocidad disminuir a hasta llegar a cero en el l mite. Existen muchas funciones que podr an representar la relaci on entre velocidad media especial y concentraci on reci en planteada. Una alternativa sencilla es una funci on lineal. Aplicando las condiciones de borde y obviando los sub ndices se tiene v = vl (1 k ) ke k [0..ke ] (1.8)

Reemplazando esta relaci on en la ecuaci on fundamental del tr aco, obtenemos k (1.9) q = vl k (1 ) ke 13

Esta ecuaci on representa una par abola que tiene un m aximo en el punto ke v l ke k = 2 y cuyo valor es Q = 4 . Antes de k el ujo crece con q , lo contrario sucede despu es de k . El valor m aximo del ujo Q se denomina capacidad de la secci on de v a y representa el m aximo n umero de veh culos que puede cruzar la secci on bajo todos los supuestos antes mencionados. Vemos entonces que la capacidad depende de: Concentraci on de embotellamiento: funci on de la longitud promedio de los veh culos. Velocidad a ujo libre: funci on de caracter sticas de los veh culos y la v a y del comportamiento de los conductores. La existencia de la capacidad permite denir dos reg menes para la circulaci on. Para esto se dene el grado de saturaci on x como el cuociente entre el ujo y la capacidad, x = q/Q. Luego, se tiene r egimen no saturado: x < 1 r egimen saturado: x 1 La Figura 1.2 muestra los dos reg menes, suponiendo una relaci on lineal entre la velocidad espacial y la concentraci on. N otese que en la denici on del grado de saturaci on q es el ujo que desea cruzar por la secci on demanda que puede ser distinto del ujo que efectivamente cruza la secci on, que es el que se aprecia en la Fig. 1.2 y que siempre es menor que Q. Esta diferencia en el caso x 1 se traduce en la formaci on de colas. El grado de saturaci on es un concepto fundamental en este curso ya que, como veremos m as adelante, de el depende la magnitud de los impactos de la circulaci on vehicular. El an alisis anterior se basa en una elecci on arbitraria de la relaci on entre velocidad media espacial y concentraci on (lineal). Es posible obtener expresiones m as realistas y mejor justicadas de esta relaci on haciendo uso de la Teor a del Seguimiento Vehicular. 14

Figura 1.2: Reg menes de circulaci on

q Q no saturado

saturado k

ke / 2

ke

1.3.1.5

Teor a del Seguimiento Vehicular

La Teor a del Seguimiento Vehicular es un enfoque microsc opico para modelar el comportamiento de conductores que circulan por un tramo de v a. Esta teor a se basa en la ley sicol ogica de Webster que establece lo siguiente: la reacci on de un individuo frente a un est mulo es directamente proporcional a su sensibilidad y a la magnitud del est mulo. Lo importante para nosotros es identicar la respuesta, la sensibilidad y el est mulo en el caso de la circulaci on ininterrumpida. Las condiciones bajo las cuales se hizo esto son las siguientes: una sola v a un solo sentido de circulaci on dos veh culos sucesivos no hay posibilidad de adelantamiento, corriente connada. Tenemos entonces Respuesta = Sensibilidad * Est mulo Sea xn (t) la posici on del veh culo n en el instante t. Se dene:

15

Respuesta: aceleraci on del veh culo n en el instante t + T ,

dvn (t+T ) dt

La variable T corresponde al tiempo de respuesta y se origina en el tiempo necesario para realizar las siguientes acciones: Percepci on del est mulo, interpretaci on del est mulo, determinaci on de la acci on necesaria, ejecuci on de la acci on necesaria y transmisi on mec anica de la acci on. Est mulo: velocidad relativa entre el veh culo n y el n 1 en el instante t vn1 (t) vn (t) = d [xn1 (t) xn (t)] dsn (t) = dt dt (1.10)

Sensibilidad: funci on de la velocidad y el espaciamiento en el instante t. En general, la sensibilidad es proporcional a la velocidad e inversamente proporcional al espaciamiento. Esto se debe a que mientras m as alta o m as baja sea la velocidad, mayor o menor ser a la atenci on que debe prestar el conductor a las condiciones de circulaci on. Por otro lado, mientras mayor sea el espaciamiento, menor ser a la probabilidad de conictos y as el individuo podr a prestar menos atenci on a la conducci on; lo contrario sucede cuando el espaciamiento es peque no. Una alternativa de modelaci on es considerar = o
m vn sl n

(1.11)

donde o , m y l son par ametros positivos. Por lo tanto, el modelo general de seguimiento vehicular queda representado por la siguiente ecuaci on dvn (t + T ) v m dsn (t) = o n dt sl dt n

(1.12)

Se han propuesto diferentes valores para o , m y l, lo que implica distintos modelos para la sensibilidad y desde luego un modelo distinto para la circulaci on. Por sus caracter sticas estos modelos los denominamos modelos 16

microsc opicos de circulaci on ininterrumpida. Ejemplo: Sensibilidad constante. Se obtiene suponiendo m = l = 0. Tenemos entonces S = o y por lo tanto dvn (t + T ) dsn (t) = o dt dt Si despreciamos T e integramos la ecuaci on anterior se obtiene vn = o sn + C . Aplicando la condici on de borde vn 0 si sn smin , resulta vn = o (sn smin ). Agregando esta relaci on sobre un grupo de veh culos: v = o (s smin ) o bien 1 1 v = o ( ) k ke

(1.13)

Esta ecuaci on se conoce como modelo de Herman. Vemos que cuando la concentraci on tiende a cero la ecuaci on anterior predice una velocidad innitamente grande. Obviamente, esto es incorrecto y nos advierte que el modelo de Herman (sensibilidad constante) no es adecuado para describir la velocidad cuando la concentraci on es baja. Utilizando la ecuaci on fundamental del tr aco obtenemos un modelo macrosc opico de la circulaci on ininterrumpida q = o (1 k ) ke (1.14)

En consecuencia, el ujo disminuye linealmente desde un m aximo igual a o cuando la concentraci on es cero, hasta un m nimo de cero cuando se alcanza la concentraci on de embotellamiento. El hecho de que el ujo no sea cero cuando la concentraci on es cero es otro inconveniente del modelo de Herman. Recu erdese que la concentraci on es el n umero de veh culos presentes en el tramo de v a. Otros modelos para la sensibilidad se muestran en la Tabla 1.1.

17

Tabla 1.1: Modelos para la sensibilidad Autor Sensibilidad Herman o Greenberg o /s Greenshields o /s2 Underwood o v/s2 1.3.1.6 Inestabilidad del tr aco

La idea es estudiar el efecto que tiene sobre una corriente vehicular, bajo condiciones de circulaci on ininterrumpida, un cambio repentino en la velocidad de un determinado veh culo. Si consideramos este cambio como un est mulo para el conductor del veh culo siguiente, la reacci on o respuesta de este como un est mulo para el pr oximo conductor, y as sucesivamente; podemos distinguir dos situaciones: Si la respuesta de los conductores se amortigua, es decir, disminuye hasta desaparecer aguas arriba de la corriente entonces hablaremos de estabilidad asint otica en la circulaci on. Si la respuesta de los conductores se amplica aguas arriba de la corriente entonces hablaremos de inestabilidad asint otica en la circulaci on. Cuando en la circulaci on existe inestabilidad asint otica hay una mayor probabilidad de accidentes porque las respuestas de los conductores frente a los cambios de velocidad se vuelven cada vez violentas, por ejemplo expresadas en frenajes m as bruscos. Por el contrario frente a condiciones de inestabilidad local, los cambios en la velocidad son adecuadamente enfrentados por los conductores, lo que provoca una disminuci on de la probabilidad de accidentes. Diversos autores han estudiado este fen omento y concluyen que si se cumple la siguiente condici on la circulaci on presenta estabilidad asint otica: T 18 1 2 (1.15)

donde es la sensibilidad y T el tiempo de respuesta. A modo de ejemplo, utilizando la especicaci on de la sensibilidad del modelo o de Greenshield se obtiene la condici on s2 T 1 . De aqu podemos encontrar 2 el valor cr tico de la concentraci on bajo el cual hay estabilidad: kc =
1 2o T vl , ke

se puede demostrar que para este caso o = ke 2vl T

luego

kc =

Este valor no es absoluto, no s olo depende de caracter sticas f sicas de la v a y los veh culos sino que tambi en de los conductores, principalmente a trav es de T . A partir de valores t picos para los par ametros de kc se puede mostrar que kc k . Luego, dentro del r egimen no saturado habr a una zona, previa a la capacidad, en la que las interacciones entre veh culos comienzan a producir inestabilidades que se propagan a toda la corriente y vuelven insegura la circulaci on. Nuestro inter es nal reside en las trayectorias espacio-tiempo. Ellas dependen de la velocidad con que se recorre un tramo y ahora sabemos que esta depende de los conictos concurrenciales. Esto se traduce en una relaci on v k . Sin embargo, no suele disponerse de la concentraci on como dato. Aprovechando la ecuaci on fundamental del tr aco podemos convertir una relaci on v k en una v q . El ujo s es una variable f acil de obtener.

1.3.1.7

Relaciones velocidad-ujo o ujo-demora

Un concepto tradicional en teor a de tr aco es que la velocidad o su inverso, la demora, a trav es de un dispositivo vial es funci on del ujo circulante. Este concepto fue originalemte desarrollado para caminos rurales, t uneles o autopistas para el estudio de la congesti on. Posteriormente, los m etodos de 19

asignaci on de tr aco utilizaron relaciones que ligaban los atributos de un arco o ruta con los tiempos de viaje, demoras o costos resultantes de de viajar por ellos. Esto se puede escribir como tk = tk ({q }) (1.16)

donde tk es el tiempo medio de viaje en el arco k expresado en unidades de tiempo por unidad de distancia y {q } el vector de ujos en toda la red expresado en veh culos por unidad de tiempo. La relaci on anterior puede ser simplicada si se consideran arcos sucientemente largos, es decir, donde la mayor parte del tiempo de viaje ocurrir a a lo largo del arco, m as que en el nodo aguas abajo. En este caso el tiempo de viaje s olo depender a del ujo en el arco, en tal caso hablaremos de una relaci on t q separable: tk = tk (q k ). Otra raz on para desarrollar relaciones v (q ) o t(q ) es su aplicaci on en gesti on de la demanda de tr aco. Sea T el tiempo de viaje total para todos los usuarios del arco k : T = q k tk (q k ). Luego, el tiempo marginal de viaje, es decir, la contribuci on al tiempo total que producir a un veh culo adicional circulando por el arco es: tk ma = tk k T k k = t ( q ) + q q k q k (1.17)

El primer t ermino del lado derecho de la ecuaci on se interpreta como el tiempo medio de viaje en el arco, el segundo t ermino es la contribuci on marginal del veh culo adicional. Este u ltimo corresponde a una externalidad, no observada por el que la produce quien s olo percibe el tiempo medio. Esta situaci on provoca un uso excesivo de las v as. La contribuci on marginal puede ser internalizada mediante la taricaci on vial cobrando un peaje equivalente al valor de la externalidad para que se haga un uso eciente de las v as. Otro uso de las relaciones demora-ujo se puede apreciar en el siguiente ejercicio. Sea la siguiente relaci on t(q ): t = to 1 + x (1.18)

20

Tabla 1.2: Relaciones v (q ) y t(q ) Autor Estudio Detroit - 1962 Bureau of Public Road (BPR) - 1964 Overgaard - 1967 UK Department of Transport - 1985 v=
v o

Relaci on t = to ex t = to 1 + x t = to x vo
v o v1 (q Qq1

v1 v 1+ 81 ( q 1) d Q

q q1 q1 ) q1 q Q qQ

donde x es el grado de saturaci on y to , y son par ametros. Sea P la demanda de viajes en el arco y k la tasa de ocupaci on de los veh culos. Por lo tanto, q = P/k y x = P/(kQ). As , P t = to 1 + kQ

(1.19)

Observando esta ecuaci on cabe un par de preguntas: Qu e pasa si P crece con k constante? Qu e pasa si P crece con k creciente? En el primer caso q crece y se deber a aumentar Q para mantener el tiempo de viaje en el valor original. Esto corresponde a la forma m as tradicional de enfrentar un aumento del n umero de viajes, por ejemplo a trav es del aumento de la infraestructura de transporte. En el segundo, q no necesariamente crece y no ser a obligatorio aumentar Q. Esto u ltimo es lo que persigue la gesti on de la demanda de tr aco. Las relaciones v (q ) o t(q ) utilizadas en la pr actica, por lo general, descansan en el supuesto que se est a modelando condiciones estacionarias y alg un tipo de comportamiento promedio. Algunas de la relaciones m as conocidas son que aparecen en la Tabla 1.2. Las variables no denidas hasta ahora son: to tiempo medio de viaje a ujo libre, vo velocidad a ujo libre, v1 velocidad a capacidad, q1 m aximo ujo para el cual prevalece vo y d la longitud del arco. 21

1.3.2

Circulaci on interrumpida

Estudiamos la circulaci on ininterrumpida para caracterizar cuantitativa y cualitativamente los conictos concurrenciales. El an alisis cuantitativo se hizo a trav es de la ecuaci on fundamental del tr aco, la cual nos indica la cantidad de veh culos (q ) que pueden circular bajo diferentes niveles de ocupaci on de la v a (k ). El an alisis cualitativo se hizo mediante modelos que predicen la velocidad de circulaci on para distintos niveles de ocupaci on. Al unir ambos puntos de vista podemos a trav es de una sola ecuaci on modelar cuantitativa y cualitativamente la circulaci on ininterrumpida: v (q ). Al estudiar la circulaci on interrumpida los conictos relevantes son los direccionales: una misma area de la v a pretende ser usada por veh culos con diferentes direcciones. Por lo tanto, ahora lo relevante es la capacidad de esta area com un. As , un veh culo deber a pasar primero por el area com un y el otro despu es, lo cual podr a obligar al segundo a detenerse para darle paso al primero. Por eso se habla de circulaci on interrumpida. La consecuencia inmediata es que el uso compartido de areas comunes impone una restricci on de capacidad tan fuerte que esta es nula para los veh culos que se detienen para dar paso a otros. Esto es un nuevo concepto de capacidad. Si la circulaci on por el area com un fuera ininterrumpida tendr a una capacidad que depende de caracter sticas de una sola corriente vehicular. Ahora el area ofrece capacidad para m as de una corriente y, l ogicamente, la capacidad para cada una ser a inferior a la de circulaci on ininterrumpida y depender a de la forma de regular el uso del area com un. Luego, la aparici on de conictos direccionales no s olo genera variaciones en la velocidad sino que tambi en detenciones, las que su vez se transforman en demoras: tiempo de espera para cruzar la intersecci on. Lo que se requiere para caracterizar la circulaci on interrumpida es modelar la capacidad del area com un y despu es relacionarla con las demoras que experimenta cada corriente. No obstante lo anterior, siguen existiendo conictos concurrenciales, pero su impacto es m as limitado y se remite a restringir la velocidad de circulaci on en los tramos entre intersecciones. Como ya se mencion o, la capacidad del area com un es en general menor que su capacidad como tramo de v a. Por lo tanto, en redes viales densas, como 22

las urbanas, la capacidad global de la red estar a determinada principalmente por la capacidad de las intersecciones y no por la capacidad de los tramos de v as. De all la importancia de profundizar en el estudio de las intersecciones. Debe notarse que en la circulaci on interrumpida pueden aparecer grados de saturaci on altos durante per odos de tiempo muy cortos, por lo cual una frontera entre r egimen saturado y no saturado deja de ser un concepto sencillo ya que puede haber alternancia constante, lo que contradice la idea de r egimen. En la realidad urbana predominan las condiciones de circulaci on interrumpida como forma de interacci on, pero l ogicamente esta incluye etapas de circulaci on ininterrumpida entre los lugares donde se producen conictos direccionales o funcionales. Para abordar esta situaci on se parcelan las trayectorias s t en etapas de movimiento (relaci on v q ) y fuentes de demora caracterizados por relaciones ujo-capacidad y las demoras que se originan en ellas.

1.4

Variables b asicas

Del an alisis previo es claro que la circulaci on puede ser descrita por un n umero reducido de variables. Desde una perspectiva macrosc opica basta con q , v y Q. Lo importante y complejo son las relaciones entre estas variables. La complejidad no radica s olo en la din amica de los conictos que subyace a esas relaciones. Tambi en es relevante que estas variables tienen dos caracter sticas especiales. Est an sujetas a variabilidad temporal y contienen dimensiones de heterogeneidad. Esto u ltimo se reere a que veh culos, intersecciones y v as son conceptos abstractos, pero sus manifestaciones reales son bastante diversas. La variabilidad temporal es muy importante, tanto en la denici on de las variables individuales como en el an alisis de sus interrelaciones. Siempre hemos de pensar en estas variables como multidimensionales y dependientes del tiempo. Para incorporar la variabilidad temporal debemos distinguir primero variaci on temporal aleatoria y sistem atica. Por ejemplo, si se mide el ujo en 23

un mismo punto en diferentes momentos siempre se encontrar a uctuaciones. Estas variaciones dependen de tantos factores que se comportan como si fueran aleatorias. Sin embargo, se puede apreciar que existen ciertos patrones estables de variaci on que responden a tendencias bien denidas de la demanda, a estas se reere la variaci on sistem atica. Este tipo de variaci on se maniesta en la presencia de horas punta durante el d a, diferencias seg un epoca del a no, etc. La variabilidad temporal se analizar a distinguiendo per odos, bajo el supuesto de que toda variaci on al interior de un per odo es de car acter aleatorio y entre per odos es sistem atica. Luego, durante el curso cuando se hable de ujo, velocidad, capacidad se estar a hablando de su valor medio dentro de un per odo dado. Para abordar la heterogeneidad se buscar a homogeneizar mediante una unidad de referencia y factores de conversi on o equivalencia de otras unidades a ella. La unidad y los factores dependen del fen omeno particular de que se trate. Por ejemplo, la unidad de referencia del ujo vehicular es el auto particular.

24

Cap tulo 2 Capacidad

2.1 Deniciones

En el Cap tulo 1 vimos que los conictos en la circulaci on se producen porque tanto los veh culos como las v as tienen dimensiones nitas, a ra z de lo cual una porci on del espacio vial s olo puede ser ocupada por un veh culo a la vez. Son estos conictos los que dan origen a la variable capacidad. Denici on: La capacidad (Q) de una secci on de v a para una cierta corriente vehicular es el m aximo n umero de veh culos de dicha corriente que puede atravesarla por unidad de tiempo, en las condiciones prevalecientes de circulaci on. Las condiciones a las que se hace referencia en esta denici on son entre otras: Tipo de conictos existentes; Regulaci on de ellos; Caracter sticas de la(s) corriente(s) vehiculares involucradas; Caracter sticas del tramo de v a y factores ambientales. 25

Por ejemplo, la expresi on de la capacidad en un proceso de circulaci on ininteke v l rrumpida deducida con la relaci on lineal v k es Q = 4 . La concentraci on de embotellamiento depende del largo promedio de los veh culos y que la velocidad a ujo libre, entre otros factores, es funci on de: Potencia, capacidad de frenado de los veh culos; Aversi on al riesgo, pericia de los conductores; Pendiente, curvatura, carpeta de rodado de la v a; Condiciones clim aticas, d a-noche. As entonces Q depende de todas estas variables. Por otra parte podemos decir que Q epresenta la oferta vial existente en un dispositivo, que q representa la demanda por ese dispositivo vial y que x (grado de saturaci on) reeja el equilibrio demanda-oferta. El grado de saturaci on es una variable relevante ya que como veremos m as adelante los impactos que produce la circulaci on de los veh culos son funci on de el. En resumen, la capacidad es un l mite conceptual absoluto. No obstante, dada la multiplicidad y variedad de factores involucrados en su denici on, su valor puede variar para una misma v a y corriente de tr aco. Si adem as agregamos el factor humano, parece m as adecuado suponer que la capacidad es una variable aleatoria que puede ser estimada bajo distintas condiciones. A continuaci on veremos c omo se estima la capacidad de intersecciones y estaciones de transferencia.

2.2

Capacidad de intersecciones no semaforizadas

En una intersecci on de prioridad se distinguen dos tipos de corrientes: prioritarias y secundarias. Para las corrientes prioritarias podemos decir que la 26

intersecci on no existe y, por lo tanto, pueden ser analizadas utilizando el enfoque de circulaci on ininterrumpida. Para las corrientes secundarias es necesario redenir el concepto de capacidad ya que estamos frente a un proceso de circulaci on interrumpida. Denici on: La capacidad de un acceso secundario corresponde a la tasa de descarga de una cola de veh culos sucientemente larga formada en el acceso. Para estimar la capacidad en este caso existen dos tipos de modelos: aceptaci on de brechas y lineal.

2.2.1

Modelo de aceptaci on de brechas

El desarrollo del modelo de aceptaci on de brechas se fundamenta en la siguiente premisa: Para cruzar una v a prioritaria o para incorporarse a ella (virar) desde una v a secundaria, los conductores de la rama secundaria observan las brechas (intervalos) que se presentan en el ujo prioritario esperando que se produzca una sucientemente grande como para realizar el movimiento deseado. La variable brecha corresponde a la percepci on que tienen los conductores de la rama secundaria del intervalo en la rama principal. El modelo se basa en los siguientes supuestos: Regulaci on se respeta; La funci on de distribuci on de brechas e intervalos es la misma (no hay sesgo en la percepci on); El intervalo m nimo para cruzar, denominado brecha cr tica ( ), es igual y constante para todos los conductores (homogeneidad y consistencias de los conductores); Los veh culos de la rama principal llegan a la intersecci on de dos formas: 27

1. En pelot on, o restringidos por la capacidad de la v a prioritaria, con intervalo constante que es igual al intervalo m nimo, = 1/Qp 2. Libres, con intervalos distribuidos seg un una funci on de distribuci on exponencial negativa desplazada, h Proporci on de veh culos en pelot on igual a ; Tiempo de avance de un lugar en la cola de la rama secundaria igual a . Obviamente, la brecha cr tica debe ser mayor que el intervalo m nimo porque de otro modo los veh culos de la rama secundaria no tendr an problema para cruzar la rama prioritaria. Bajos estos supuestos tenemos que el evento + (n 1) h + n n Z+ (2.1)

equivale a que crucen o viren n veh culos desde la cola de la v a secundaria. Luego, la probabilidad que crucen n veh culos es igual a f (n) = P rob(h) = Fh ( + n ) Fh ( + (n 1) ) donde Fh es la funci on de distribuci on del intervalo. Pero de los supuestos sabemos que la distribuci on de h para los veh culos libres es 0 x Fh (x) = (2.3) (x) 1 (1 )e x La capacidad de la rama secundaria se obtiene como Qs = E (n) E (h)
n=1

(2.2)

(2.4)

Pero E (h) = h = 1/qp . Luego, Qs = qp E (n). Adem as, E (n) = 28

nf (n).

Considerando a los veh culos en pelot on y los libres se puede demostrar que h=+ 1 1 = qp = qp (1 ) 1 qp

Reemplazando este valor en Fh , evaluando en los l mites adecuados y ordenando los t erminos se llega al modelo de Plank y Catchpole (ver Plank y Catchpole, 1984) Qs = qp (1 )exp 1 exp
qp (1)( ) 1 q p qp (1) 1 qp

(2.5)

En este modelo las variables temporales se miden en segundos y en consecuencia los ujos y la capacidad se expresan en veh/seg para mantener la consistencia.
qp = qp y reemplazamos esta Si en el modelo anterior suponemos que = Q p relaci on en la expresi on de la capacidad se obtiene el modelo de Tanner

Qs =

qp (1 qp )exp(qp ( )) 1 exp(qp )

(2.6)

De aqu es f acil ver que

1 qp

lim Qs = 0 1

qp 0

lim Qs =

Cuando la corriente secundaria debe enfrentar a m as de una corriente prioritaria el modelo resultante es el siguiente Qs = qp [
n i=1 (1

qpi i )] exp(qp ( )) 1 exp(qp )

n i=1 qpi ,

(2.7)

donde n es el n umero de corrientes prioritarias, qp = y adem as se supone = qp .

q pj n j =1 qp

29

Un supuesto fuerte del modelo cuando existe tr aco mixto es el de homogeneidad de los conductores. Para levantarlo admitiremos que existen varios tipos de unidad conductor-veh culo, cada uno con su propia brecha cr tica (j ). Estas unidades pueden diferir por clase de veh culo (auto, bus, etc) o por tipo de movimiento (cruce, viraje, etc). El modelo que se obtiene es Qs = qp (1 )exp 1 exp
qp (1) 1 q p qp (1) 1 q p n j =1

psjexp

qp (1)j 1qp

(2.8)

donde psj = qsj /qs es la proporci on en el ujo secundario de la clase j . Si se hace = qp el modelo se transforma en Qs = qp (1 qp )exp(qp ) (1 exp(qp )) n j =1 psj exp(qp j ) (2.9)

Por lo tanto, la capacidad total corresponde a la media arm onica de las capacidades de cada clase. Otro supuesto importante es el de consistencia de los conductores. Se ha observado que estos tras rechazar varias brechas se vuelven m as osados y est an dispuestos a aceptar brechas menores. Esto se puede tratar haciendo depender del proceso de generaci on de brechas. Otro supuesto criticable es la constancia del tiempo de avance. Hay indicios que crece cuando el ujo prioritario disminuye. Lo cual podr a ser modelado haciendo = (). Por otro lado, se ha comprobado emp ricamente que el modelo de aceptaci on de brechas sobreestima la capacidad para valores bajos del ujo prioritario y que la subestima cuando el ujo prioritario es alto (Kimber, 1989). El modelo de aceptaci on de brechas no incluye expl citamente variables de dise no de la intersecci on: visibilidad, ancho de pista, pendiente de la v a, etc; lo cual hace dif cil su uso con prop ositos de evaluaci on de proyectos de redise no geom etrico. Adem as, existe el problema de obtener valores adecuados para los par ametros del modelo, especialmente y . Es razonable pensar que ambos dependen 30

de la geometr a de la intersecci on. Pero es necesario destacar que la brecha cr tica no es observable, s olo se sabe que si el conductor cruza, la brecha observada es igual o superior a la brecha cr tica. Los problemas mencionados previamente condujeron al desarrollo de un modelo alternativo, de orientaci on m as emp rica, dada la dicultad de formular un modelo te orico capaz de incorporar todas las particularidades del fen omeno.

2.2.2

Modelo lineal

El modelo lineal para estimar la capacidad surge como una alternativa para superar algunos de los inconvenientes del modelo de aceptaci on de brechas. Se basa en suponer una relaci on lineal entre la capacidad de la rama secundaria y un conjunto de variables explicativas: ujos prioritarios y geometr a de la intersecci on. En forma gen erica, Qs = Qo
iI

i qpi

(2.10)

donde I es el conjunto de ujos prioritarios (qpi ) para el movimiento de la rama secundaria bajo an alisis y Qo y i 0 son par ametros de modelaci on. Numerosas observaciones mostraron que son factores relevantes para determinar la capacidad, adem as de los ujos prioritarios, las siguientes variables: ancho v a principal ancho v a secundaria visibilidad desde v a secundaria Las siguientes variables mostraron no ser relevantes para determinar la capacidad: pendiente de las v as 31

 radios de giro angulo de la intersecci on velocidad de los veh culos de la v a principal A parir de numerosas observaciones se estableci o el siguiente modelo lineal para la capacidad de un movimiento desde un acceso secundario Qs = X Qo + Z Y
iI

i qpi

(2.11)

donde X ,Y y Z son par ametros que dependen expl citamente de la geometr a de la intersecci on. Espec camente, X = X (w, V ) Y = Y (W ) Z = Z (wb ) (2.12)

donde w es el ancho de pista en el acceso secundario, V es la visibilidad desde el acceso secundario, W es el ancho de la v a prioritaria y wb el ancho del bandejon central de la v a prioritaria (ver Kimber y Coombe, 1980; Schumilo y Coeymans, 1987). IMPORTANTE: En el modelo lineal los ujos deben expresarse en unidades de veh culos equivalentes (veq ) por hora. De hecho la capacidad Qs tiene unidades de veq/h. Con esto se recoge la heterogeneidad de los tipos de veh culos que circulan por la intersecci on. Para cada movimiento desde la rama secundaria existe un conjunto propio de par ametros Qo y i y obviamente un conjunto espec co de ujos prioritarios I . Con esto se recoge la heterogeneidad de los movimientos que realizan los veh culos en la intersecci on.

32

Para transformar ujos expresados en veh culos (veh) a ujos medidos en veh culos equivalentes (veq ) se utilizan factores de equivalencia. Para esto se establece como referencia a los veh culos livianos (autos particulares). As por ejemplo, si un bus tiene factor de equivalencia 2 entonces el paso de un bus equivale al paso de 2 autos particulares, en relaci on al fen omeno de la capacidad. Sea fi el factor de equivalencia de un veh culo de tipo i y sea qi el ujo de veh culos de ese tipo entonces el ujo total expresado en veh es i qi y el ujo expresado en veq ser a i fi qi . Luego, es posible denir el factor de composici on del ujo fc , como fc =
i

fi qi i qi

veq veh

(2.13)

que permite por ejemplo transformar la capacidad entregada por el modelo lineal en (veq/h) a (veh/h): Qs [veh/h] = Qs [veq/h] fc (2.14)

Cuando m as de un movimiento utiliza una misma pista se debe calcular una capacidad compuesta para la pista. Sea qm y Qm el ujo y la capacidad seg un el modelo lineal del movimiento m, entonces se dene la capacidad compuesta (Q) como q Q= (2.15) qm
m Qm

donde q es el ujo total en la pista. Lo anterior equivale denir Q de manera que el grado de saturaci on de la pista sea igual a la suma de los grados de saturaci on de los movimientos que se producen en ella: x = m xm con x = q/Q y xm = qm /Qm . Este procedimiento se conoce como composici on de movimientos y es v alido para pistas analizadas con modelos lineales o de aceptaci on de brechas.

33

2.2.3

Modelo lineal aplicado a rotondas

A diferencia de las intersecciones de prioridad reguladas por se nal ceda el paso o pare, donde un movimiento es siempre prioritario o secundario, en una rotonda la prioridad es variable. Los movimientos que entran a la rotonda son secundarios, pero una vez dentro de ella se vuelven prioritarios. Lo relante en este caso es conocer la capacidad de cada acceso o entrada de la rotonda, el cual podr a estar compuesto por varias pistas. Al igual que en las intersecciones se busca relacionar linealmente dicha capacidad con los ujos prioritarios. En una rotonda los ujos prioritarios est an representados por el flujo circulante, qc . Es decir, se plantea una ecuaci on del tipo: Qe = Qo qc Del mismo modo que antes se plantea que la geometr a de la intersecci on inuye en la determinaci on de la capacidad. El an alisis emp rico de un conjunto de rotondas en Inglaterra (Kimber, 1980) permiti o especicar y estimar el siguiente modelo para la capacidad de cada entrada a la rotonda: Qe = k (F fc qc ) (2.16)

k F fc tD x2 S

0, 05) = 1 0, 00347( 30) 0, 978( 1 r = 303x2 = 0, 210tD (1 + 0, 2x2 ) 0 ,5 = 1 + 1+exp ( D60 ) = v+ v = e l

ev 1+2S
10

Las variables e, v , l, D y r se miden en metros, en grados, y qc y Qe en veh culos equivalentes por hora. La denici on conceptual de estas y otras variables es la siguiente. e: ancho de la entrada a la rotonda; v : mitad del ancho de la calzada de aproximaci on; l: longitud efectiva del ensanchamiento de la entrada. 34

D: di ametro del circulo inscrito en la rotonda; r: radio de la curva de entrada; : angulo de entrada; S : agudeza del ensanche. El modelo de capacidad permite analizar los accesos de la rotonda en forma separada. Sin embargo, ya que la capacidad de un acceso depende del ujo circulante frente a el y este ujo se origina en los accesos previos, el balance total de ujos en la rotonda se vuelve en algunas circunstancias complejo. Existen dos casos extremos. Si todas los accesos est an saturados la capacidad de cada acceso se vuelve completamente dependiente del resto ya que la magnitud del ujo circulante depende del ujo entrante en los accesos previos y estos est an denidos por las respectivas capacidades. Luego, para encontrar la capacidad se debe utilizar un m etodo iterativo en el cual se determina el ujo circulante frente a cada acceso de forma consistente con la capacidad de todos ellos. Si ninguno de los accesos est a saturado el ujo circulante frente a cada acceso se obtiene de la demanda de los accesos previos en concordancia con las proporciones de viraje. En una situaci on intermedia s olo algunos de los accesos estar an saturados. Tambi en ser a necesario utilizar un algoritmo iterativo para encontrar la capacidad.

2.3

Capacidad de intersecciones semaforizadas

En este tipo de intersecciones existe un dispositivo, el sem aforo, que alterna c clicamente la prioridad en el uso del area com un. Dentro de un c clo del semaforo se distinguen fases donde se autoriza el paso de ciertas corrientes d andoles luz verde. Al completarse el c clo todas las corrientes que llegan a la 35

intersecci on habr an recibido un per odo de verde. Cuando una fase termina aparece la luz roja que impide el paso de las corrientes repectivas. Si la regulaci on del sem aforo se respeta, cada corriente atraviesa por una etapa en la que goza de prioridad absoluta sobre otras corrientes (per odo verde) y otra en que no puede pasar (per odo rojo). Por motivos de seguridad existe una transici on entre ambas, que es el per odo amarillo. En una intersecci on semaforizada, la descarga de una cola formada en alguno de los accesos se modela de la siguiente forma. Durante el per odo de rojo la tasa de descarga es nula, al comenzar el per odo de verde los veh culos comienzan a salir de la cola y r apidamente se establece una tasa aproximadamente constante, nalmente al comenzar el per do amarillo la tasa de descarga disminuye hasta llegar a cero al iniciarse el rojo. Este proceso se repite c clicamente de la misma manera mientras exista cola en el acceso. La tasa de descarga durante el per do de verde se denomina ujo de saturaci on, S . Cuando el per odo de verde comienza los veh culos en cola demoran algunos segundos en alcanzar la velocidad de desplazamiento normal. Luego de esta transici on inicial la cola se descarga a tasa S . Mientras el sem aforo est e en verde y exista cola, los veh culos contin uan pasando a una tasa igual al ujo de saturaci on. Al t ermino del per odo de verde algunos veh culos har an uso del per odo de amarillo para cruzar y la tasa de descarga disminuir a nalmente a cero. Sea 1 : p erdida de verde 2 : ganancia de amarillo Vi : tiempo de verde de la fase i Ri : tiempo de rojo de la fase i Ai : tiempo de amarillo de la fase i C : tiempo de ciclo del sem aforo Por construcci on C = Vi + Ai + Ri . Estas variables representan la programaci on del sem aforo.

36

Figura 2.1: Salida de veh culos en un acceso semaforizado

q

R Ve V C t

Podemos denir entonces las variables auxiliares para cada fase, verde efectivo Ve y rojo efectivo Re : Ve = V + 2 1 Re = C Ve (2.17) (2.18)

Con estas deniciones la descarga de la cola se transforma en un proceso binario, como el que se muestra en la Figura 2.1. Luego, la capacidad (Q) de una corriente est a dada por Q= Ve SVe + 0Re =S C C

Sea u = Ve /C la raz on de verde efectivo, entonces la capacidad se transforma en Q = Su (2.19) Vemos entonces que la capacidad de una corriente es a primera vista independiente de lo que sucede con el ujo y/o capacidad en el resto de los accesos. Esto contrasta con lo que vimos para intersecciones de prioridad. Sin embargo, este comentario no es del todo cierto ya que si la programaci on del sem aforo es din amica, es decir, si se adapta a la demanda, la raz on de verde efectivo de cada rama depender a de las condiciones presentes en el 37

resto de los accesos. Por ejemplo, si el ujo aumenta por uno de los accesos el sem aforo deber a asignarle mayor tiempo de verde y si el tiempo de ciclo permanece constante la capacidad de este acceso aumentar a mientras que la del resto disminuir a. Si la programaci on no es din amica, igualmente existe una dependencia indirecta de las condiciones en los otros accesos ya que la programaci on se realiza para condiciones de demanda representativas de cada per odo en todos los accesos. El modelo de capacidad reci en descrito puede ser interpretado en t ermino f sicos. En efecto, cuando un veh culo no alcanza a cruzar debe detenerse al igual que todos los que vienen a continuaci on, al nalizar el per odo de verde los veh culos salen del reposo acelerando hasta alcanzar una velocidad y concentraci on equivalentes al ujo de saturaci on. Bajo estas condiciones, la denici on de la variable p erdida de verde (1 ) equivale a suponer que los veh culos salen del reposo y alcanzan de inmediato la velocidad de r egimen. A su vez, la variable ganancia de amarillo corresponde al promedio de tiempo, medido desde el comienzo del per odo de amarillo, que tarda en cruzar frente a la l nea de detenci on el u ltimo veh culo que alcanz o a salir de la cola. Luego, se debe cumplir V + 2 = 1 + n donde = 1/S es el tiempo promedio que demora un veh culo en cruzar frente a la l nea de detenci on y n es el n umero de veh culos que logran salir de la cola durante el ciclo. La variable es de similar naturaleza conceptual que la utilizada en el modelo de aceptaci on de brecha. Su valor depende de una gran cantidad de factores: ambientales, geom etricos y de composici on del tr aco. N otese que a partir de observaciones de V y n es posible obtener mediante una regresi on lineal el valor de . El modelo anterior supone una cola compuesta por veh culos homog eneos. Sin embargo, en un problema real pueden existir en la misma cola varios tipos de veh culos y varios movimientos. Esto hace necesario analizar e incorporar la heterogeneidad en la estimaci on de la capacidad. Algo de esto vimos a prop osito de los modelos de intersecciones de prioridad.

38

2.4

Heterogeneidad del tr aco

Al hablar de heterogeneidad del tr aco nos referimos al hecho de que en condiciones reales existen varios tipos de veh culos circulando por las v as de la ciudad, los que adem as realizan distintos movimientos en cada interesecci on. El problema de esta situaci on es que cada uno de estos tipos podr a tener un comportamiento distinto al del resto. Obviamente, tambi en podr an exhibir caracter sticas f sicas (longitud) u operacionales (velocidad, tasa de frenado) distintas. Luego, en condiciones reales es poco probable que exista homogeneidad en la circulaci on y en consecuencia parece m as razonable reconocer expl citamente que existe heterogeneidad. Para incorporar expl citamente la heterogeneidad la estrategia ser a encontrar factores de equivalencia que permitan traducir corrientes de distintas caracter sticas en corrientes homog eneas. Ahora bien, es importante mencionar que el patr on de homogeneidad no es u nico, es decir, estamos hablando de homogeneizar bajo ciertas condiciones. La unidad de referencia para expresar el ujo ser a el veq/h por pista o bien el ADE/h por pista. veq : corresponde a un auto particular. Su nombre signica Veh culo EQuivalente. ADE : es un veq cuyo movimiento en la intersecci on es continuar directo (no virar). Su nombre es una abreviaci on de Auto Directo Equivalente. Estas unidades adquieren ciertos valores b asicos de acuerdo con las dimensiones y caracter sticas mec anicas de los veh culos, factores ambientales y caracter sticas de los conductores. El problema de la heterogeneidad se presenta en todas las facetas de la circulaci on, por lo que puede haber distintos criterios de equivalencia seg un el fen omeno que se trate. En nuestro caso el criterio es la capacidad, de modo que los factores de equivalencia antes mencionados traducen una corriente heterog enea de veh culos a una homog enea de capacidad equivalente, compuesta por ejemplo s olo de ADE s. 39

La heterogeneidad se debe analizar para cada uno de los modelos de capacidad analizados: aceptaci on de brechas, lineales y modelo para intersecciones semaforizadas; ya que cada uno de ellos se fundamenta en distintos supuestos sobre homogeneidad en el comportamiento de los veh culos (conductores).

2.4.1

Heterogeneidad en el ujo de saturaci on

Recordemos que la capacidad de una pista de una rama de una intersecci on semaforizada es dada por Q = Su. La variable u corresponde a la raz on de verde efectivo y S al ujo de saturaci on. La raz on de verde efectivo est a determinada por la programaci on del sem aforo y para nosotros es un dato. El ujo de saturaci on es el m aximo n umero de veh culos por unidad de tiempo que salen de la cola durante el per odo de verde efectivo. Observamos entonces que el ujo de saturaci on podr a ser distinto en distintas condiciones de circulaci on. As por ejemplo, si en la cola existe una alta proporci on de buses el ujo de saturaci on expresado en veh ser a menor que si en la cola existieran s olo autos; debido a que las dimensiones de un bus son mayores que las de un auto, a que el bus tiene una menor capacidad de aceleraci on que el auto, etc. Para abordar este problema trataremos de encontrar el ujo de saturaci on a partir de un ujo de saturaci on elemental o b asico m as sencillo de calcular y que luego se corrige para encontrar el ujo de saturaci on real. Se dene entonces Flujo de saturaci on b asico (Sb ):tasa de descarga de una cola compuesta s olo por ADE s que circulan por una pista utilizada s olo por ADEs. El ujo de saturaci on b asico seg un estudios realizados recientemente en Santiago var a entre 1.933 y 2.292 ADE/h pista. Las variaciones se producen entre pistas y entre distintos per odos del d a, tal como se muestra en la Tabla 2.1. El ujo de saturaci on para una corriente real se obtiene a partir del b asico, tal como se muestra a continuaci on: S [veh/h] = fk [veh/ADE ] Sb [ADE/h] 40 (2.20)

Tabla 2.1: Flujo de saturaci on b asico (ADE/h pista) Per odo Ma nana Otro Derecha Central 2.055 2.121 1.933 1.992 Izquierda 2.292 2.141

donde fk es un factor de correcci on que recoge las diferencias entre la corriente real y la b asica, en relaci on a tipos de veh culos y/o pistas. Estas diferencias est an asociadas a: ancho de pista veh culos: tipo (composici on del ujo); movimientos (virajes, interferencias) Todos los desarrollos que se muestran a continuaci on se reeren a una pista, pero para simplicar la notaci on no se colocar a expl citamente esta dimensi on en las unidades del ujo.

2.4.1.1

Factores de equivalencia para determinar el ujo de saturaci on

Factor por ancho de pista fa = 1 + 0, 058(A 3, 0)DP E (2.21)

donde A es el ancho de pista en metros y DP E es una variable muda asociada a la ubicaci on de la pista, vale 1 para pista izquierda o derecha (pista extrema). Factores asociados a los tipos de veh culos y movimientos a) Factor por tipo de veh culo Los factores de equivalencia por tipo de veh culos resultan de comparar la descarga de veh culos de alg un tipo con la descarga de un ujo equivalente compuesto s olo por ADEs, suponiendo adem as que no hay virajes, efecto que se analiza despu es. 41

Tenemos entonces que bajo estas condiciones el factor de equivalencia para veh culos de tipo i est a dado por: fi = i [ADE/veh] 1 (2.22)

donde i es el intervalo promedio de salida a saturaci on para un veh culo de tipo i, i = 1 representa al ADE , nuestra referencia. Sabemos que para una corriente compuesta s olo de ADE s debe cumplirse V + 2 = 1 + n1 o equivalentemente , si se dene T = V + 2 1 , T = n1 en consecuencia Sb = n/T = 1/1 es el ujo de saturaci on de dicha corriente. Si tenemos ahora una corriente heterog enea, se deber a cumplir V + 2 = 1 +
i

nii

o bien T = i ni i donde ni es el n umero de veh culos de tipo i que salen de la cola y T = V + 2 1 . Utilizando el factor de equivalencia, la ecuaci on anterior se transforma en T = 1 i fi ni . Por lo tanto, Sb =
i

ni fi [ADE/h] T

Si pensamos ahora en la corriente heterogenea como si ella fuera la de referencia, su ujo de saturaci on ser a S=
i

ni [veh/h] T ni i fi ni
i

Resulta entonces S = Sb ni /T = i fi ni /T
i

diviendo arriba y abajo por la duraci on del per odo de an alisis, en este caso C , se llega nalmente al factor de composici on del ujo fc fc = fiqi [ADE/veh] i qi 42 (2.23)

Tabla 2.2: Factor de equivalencia para ADM %TP 48 > 48 Derecha Izquierda Central Ma nana Otro Ma nana Otro Ma nana Otro 1,119 1,112 1,123 1,115 1,133 1,124 1,120 1,113 1,124 1,116 1,134 1,125 Tabla 2.3: Factor de equivalencia para bus Per odo Ma nana Otro o bien fc = Derecha Izquierda Central 1, 784fa 1, 463fa 1, 580fa 1, 678fa 1, 373fa 1, 476fa

pi fi donde pi es la proporci on de veh culos de tipo i en el ujo.

Este factor permite transformar el ujo de saturaci on b asico en uno espec co para una corriente heterog enea compuesta por distintos tipos de veh culos S (veh/h) = Sb (ADE/h) 1 (veh/ADE ) fc (2.24)

N otese que hemos supuesto que los veh culos no viran, de ah que fc tenga unidades de ADE/veh ya que si existieran virajes este factor tendr a unidades de veq/h. Un primer tipo de veh culo distinto del ADE es el auto directo en una pista donde adem as circulan buses. Este tipo de veh culo se denomina ADM por Auto Directo en pista con tr aco Mixto. Al comparar el intervalo de descarga del ADM con el ADE se obtiene su factor de equivalencia fADM . De acuerdo a las mediciones realizadas en Santiago, el factor fADM depende del porcentaje de transporte p ublico en el ujo de la pista, del per odo del d a y de la ubicaci on de la pista. Los valores obtenidos se muestran en la Tabla 2.2. Otro tipo de veh culo distinto del ADE es el bus. Nuevamente, al comparar los intervalos de descarga de ambos tipos de veh culos se obtiene el factor de equivalencia. Los valores obtenidos en Santiago son los que aparecen en la Tabla 2.3. Ahora incorporaremos en el an alisis el efecto de los distintos movimientos que realizan los veh culos en la intersecci on. 43

b) Factor por tipo de movimiento i) Viraje sin oposici on Para los virajes sin oposici on se ha demostrado emp ricamente que el factor de equivalencia est a determinado por el radio de giro (r) del movimiento. Este factor tiene unidades de ADE/veq . 1 + 1, 5/r 1 + 150/r3 r < 10 r 10

fvs =

(2.25)

En esta ecuaci on el radio de giro se expresa en metros. Los veh culos que siguen directo tienen factor igual a uno, valor que puede obtenerse a partir de la ecuaci on anterior con r . Se tendr a entonces que el factor de equivalencia fi en este caso est a dado por fi fvs . El factor fi transforma veh a veq , lo denominaremos entonces fTi , y fvs transforma veq en ADE , lo llamaremos fMi . En consecuencia, el factor de equivalencia fi = fTifMi (2.26)

transforma el tipo de veh culo-movimiento i a auto directo equivalente ADE . Luego, el factor de composici on se transforma en fc = i pifi = i pifTifMi En denitiva, se tendr a S = fk Sb fk = fa /fc ii) Viraje con oposici on Cuando el viraje es con oposici on, ya sea vehicular o peatonal, surge un proceso regulado por prioridad al interior de la intersecci on semaforizada. Los veh culos que intentan virar deben esperar una brecha en el ujo que los interere. Para encontrar el factor de equivalencia debemos calcular el ujo de saturaci on del movimiento con oposici on que, tal como se indica, corresponde a la capacidad de un movimiento secundario. Esta capacidad puede obtenerse con un modelo de aceptaci on de brecha o un modelo lineal. 44 (2.27) (2.28)

Al comenzar el verde no es posible pasar pues se est a descargando la cola del movimiento opositor formada en el per odo de rojo. Esta cola se descarga a intervalo m nimo, por lo cual no se puede encontrar una brecha adecuada. Terminada esta etapa empieza la descarga del viraje de forma an aloga a un movimiento secundario en una intersecci on de prioridad. Esta etapa se extiende hasta el nal del verde efectivo a tasa equivalente a Qs . Sin embargo, se observa que al nal de esta etapa se produce la descarga de un n umero peque no (nf ) de veh culos. Podemos construir entonces un modelo binario, descomponiendo Ve + 1 en un per odo de bloqueo (Vb ) y un per odo de descarga por brecha (Ve ), es necesario extender este u ltimo para considerar nf . Tenemos entonces un per odo de verde efectivo corregido Vo dado por: Vo = Ve + nf nf = Ve + 1 Vb + Qs Qs (2.29)

o Por lo tanto, la capacidad para el viraje con oposici on ser a Qvo = Qs V . C

La mayor a de los par ametros que aparecen en el modelo puede considerarse conocidos, la excepci on es el tiempo de bloqueo, el cual depende de la duraci on del per odo de rojo y de cu antos sean los movimientos opositores. Si comparamos el modelo obtenido con la expresi on t pica de la capacidad de un movimiento con ujo de saturaci on S , se tiene S En consecuencia, S = Qs 1 Vb 1 nf /Qs Ve (2.30) Ve Vo Vo = Qs S = Qs C C Ve

Por lo tanto, el ujo de saturaci on depende de la programaci on del sem aforo. Por esta raz on no es conveniente en este caso utilizar factores de equivalencia ya que tendr an la misma dependencia, lo que es poco pr actico.

2.4.1.2

Duraci on del verde efectivo

Para encontrar la capacidad es necesario tambi en calcular la duraci on del verde efectivo. Por esta raz on se utilizaron las mediciones que llevaron a 45

los valores de las Tablas 2.2 y 2.3 para determinar el valor de 1 y 2 . Sin bien se obtuvieron valores distintos para los dieferentes per odos del d a y la distintas ubicaciones de la pista, la diferencia 1 2 tiene aproximadamente el mismo valor en todos los casos. El resultado obtenido fue 1 2 = 1, 4 [seg ] (2.31)

Esto indica que la duraci on del verde efectivo es 1,4 seg. menor que el verde del sem aforo.

2.4.2

Heterogeneidad en intersecciones no semaforizadas

Tipos de veh culos

2.4.2.1

En el modelo de aceptaci on de brechas los par ametros que denen el modelo deben ser medidos para cada caso y, por lo tanto, resultar an inuenciados por condiciones ambientales y de circulaci on. No existen factores de equivalencia ya que las brechas se producen, rechazan o aceptan por veh culos reales, no por veq o ADE . En el modelo lineal los ujos se miden en veq/h, al existir varios tipos de veh culos se deber an utilizar factores de equivalencia an alogos a los empleados en intersecciones semaforizadas. En este caso se denen dos tipos de veh culos: livianos y pesados. Luego, para transformar una corriente vehicular heterog enea a una corriente equivalente compuesta s olo por veq , se utiliza el siguiente factor de composici on del ujo: fc = qvl + 2qvp [veq/veh] qvl + qvp

donde qvl y qvp es el ujo de veh culos livianos y pesados, respectivamente. 2.4.2.2 Tipo de movimiento

La heterogeneidad por movimientos se trata estimando la capacidad de cada uno utilizando par ametros espec cos y luego combinando los resultados. Si 46

se trata de una rotonda no exite heterogeneidad de este tipo ya que en una rotonda existe s olo un movimiento posible en cada acceso. Supongamos entonces una cola heterog enea con ni veh culos que realizan el movimiento secundario i y sea N = i ni . Por denici on, la capacidad de la pista ser a Qs = N/T donde T es el tiempo demoran en descargarse los N veh culos de la cola. El tiempo de descarga individual ser a Ti = ni /Qsi donde Qsi proviene del modelo de capacidad lineal y ha sido convertido a veh/h. Entonces N N ni N =T = Ti = Qs i=1 i=1 Qsi Qs = N i ni /Qsi

dividiendo arriba y abajo por la duraci on del per odo de an alisis se obtiene nalmente qs Qs = (2.32) i qsi /Qsi o bien Qs =
i

1 psi /Qsi

(2.33)

donde psi = qsi /qs es la proporci on del movimiento i en el ujo total. La ecuaci on anterior puede ser escrita de una manera m as f acil de recordar. En efecto, Qs es soluci on de la ecuaci on qs = Qs qsi Qsi xs =
i

x si

lo que equivale a que el grado de saturaci on de la pista es la suma de los grados de saturaci on de los movimientos que se producen en la pista.

2.4.2.3

Elecci on de pista

Vemos que tanto para el factor de composici on del ujo (fc ), como para la composici on de capacidades en intersecciones de prioridad, se requiere conocer los ujos en la pista bajo an alisis. Cuando un movimiento dispone de 47

m as de una pista se presenta un problema pues lo que se conoce normalmente es el ujo del movimiento en su conjunto y no por pista. Hay que considerar entonces la elecci on de pista por parte del conductor. Parece razonable suponer que lo hacen tratando de minimizar su demora. Operacionalmente esto se hace imponiendo que el grado de saturaci on en todas las pistas utilizadas por el movimiento es igual. De no serlo existir a un incentivo para que los usuarios utilicen en mayor grado la pista menos saturada, lo que al nal se traducir a en un aumento de su saturaci on. Este criterio se denomina equisaturaci on. Por ejemplo, si un movimiento utiliza dos pistas entonces x1 = x2 q q (1 ) = Q1 (q, ) Q2 (q, ) donde q es el ujo total del movimiento, la proporci on del ujo que utiliza la pista 1 y Q1 y Q2 es la capacidad de la pista 1 y 2, respectivamente.

48

Cap tulo 3 Formaci on y disipaci on de colas

3.1 Denici on del proceso

Como se vio anteriormente existen dos reg menes b asicos de circulaci on: no saturado y saturado. En el primero, el fen omeno m as importante es la variaci on de la velocidad con el ujo v (q ) ya analizada. En el segundo, adem as de lo anterior se presentar an colas de veh culos. Por denici on, la saturaci on aparece cuando q > Q. Ambas variables ser an tratadas como dadas para un cierto per odo, correspondiendo a condiciones medias. Esto puede ser razonable para tramos de v a, pero ya no lo es para intersecciones. Nuestro estudio de capacidades demuestra que esta var a en el tiempo, a un en cortos per odos; incluso en intersecciones semaforizadas sistem aticamente existen per odos en que Q = 0. As que, a pesar de que en un per odo dado en promedio se cumpla q < Q, puede existir saturaci on en alg un instante dentro del per odo. Por otra parte, aunque en promedio q < Q y suponiendo que Q fuera constante, sabemos que q var a en torno al promedio y bien puede suceder que en algunos momentos q > Q. En denitiva q = q (t) y Q = Q(t) y, por lo tanto, x = x(t) sujeto adem as a variaciones aleatorias. 49

Por qu e importar an estas uctuaciones sistem aticas o aleatorias en torno al promedio? Porque no hay compensaci on. Los excesos de capacidad disponibles cuando q < Q no sirven para los per odos posteriores en que ocurre lo inverso: el exceso de capacidad no se puede almacenar. La ausencia de compensaci on implica que las uctuaciones tienen un impacto negativo en t erminos de generaci on de colas. S olo se pueden usar holguras posteriores a la existencia de cola y hasta la capacidad u nicamente puesto que x = x(t). La presencia de colas debe verse como un fen omeno din amico, en evoluci on. No basta entonces con decir: si hay cola entonces se descarga a tasa Q. Es necesario estudiar la formaci on y disipaci on de estas, sabiendo lo anterior. Ahora, qu e importancia tiene que se formen colas? Ellas implican la negaci on de la circulaci on que es el deseo de los usuarios. Tenemos entonces detenciones involuntarias. A estas detenciones se asocia consumo de recursos valiosos: tiempo, combustible, contaminaci on, desgaste mec anico y de neum aticos, etc. Incluso, la probabilidad de accidente (tambi en existe en movimiento, claro). Si bien al viajar se consume siempre este tipo de recursos, las detenciones aparecen como p erdidas netas, subjetiva y objetivamente. El tiempo que duran se llama demora e incluye el tiempo empleado en procesos de aceleraci on y deceleraci on, con respecto a viajar a velocidad constante. Las colas son producto de que el ujo de unidades en un sistema es superior a su capacidad en un cierto instante. El sistema en estudio se puede denir por: Un proceso de llegada de las unidades (veh culos); Un mecanismo de atenci on de ellos, caracterizado por la cantidad de estaciones de servicio que posee el sistema (n umero de pistas) y el proceso mismo de atenci on. Cada proceso se dene por la ocurrencia de un determinado suceso, interesando su cantidad en un per odo dado y el intervalo entre sucesos. Seg un la ley que rige la ocurrencia, el suceso puede ser: Estoc astico o determin stico; 50

 Estacionario (probabilidad de ocurrencia no var a con el tiempo) o dependiente del tiempo. A continuaci on analizaremos dos tipos de sistemas: estoc asticos-estacionarios y determin sticos-dependientes del tiempo.

3.2

Colas estacionarias

Entre los procesos estoc asticos estacionarios son particularmente conocidos los Markovianos, cuya caracter stica es que la probabilidad de un cierto resultado del proceso s olo depende del estado anterior y no de su historia (estados previos al anterior). Dentro de esta familia de procesos se encuentran los de Poisson: tasa de ocurrencia de eventos es constante en el tiempo y en un intervalo peque no s olo puede ocurrir o ning un suceso (o sea, estos ocurren uno a uno). Esto parece muy apropiado para describir llegadas de veh culos. En nuestro caso entenderemos que los sucesos relevantes son la llegada y la salida de un veh culo del sistema, cuyas tasas de ocurrencia son q y Q, respectivamente. Estas dos variables son variables aleatorias con funciones de distribuci on que dependen de la clase de proceso que rige a cada una. Sus valores medios son constantes en el per odo de an alisis. La teor a de colas establece relaciones, dadas las caracter sticas de los procesos de llegada y salida, donde ahora la variable relevante es la longitud de la cola as como la permanencia de los veh culos en ella (demoras). T picamente, el sistema se describe por A/B/N , donde A y B son el tipo de proceso de llegada y salida, respectivamente, y N es el n umero de estaciones de atenci on que se suponen id enticas e independientes. La nomenclatura usual para los procesos es: M: Markoviano D: Determin stico G: General o cualquiera 51

Para nosotros las estaciones de servicio est an representadas por las pistas disponibles para la corriente vehicular analizada. Por las caracter sticas del proceso de formaci on y disipaci on de colas de veh culos en v as urbanas, el fen omeno queda bien representado por un sistema con s olo una estaci on de atenci on, es decir, las colas se analizan para cada pista. Se dene: L = longitud media de cola incluyendo al veh culo en servicio (veh); L = longitud media de cola excluyendo al veh culo en servicio (veh); D= tasa media de demora incluyendo al veh culo en servicio (veh U T /U T ); D = tasa media de demora excluyendo al veh culo en servicio (vehU T /U T ); d= demora media por veh culo incluyendo al veh culo en servicio (U T ); d = demora media por veh culo excluyendo al veh culo en servicio (U T ); x = q/Q: grado de saturaci on de la pista cuyo ujo q y capacidad Q son conocidos. En t erminos simples D corresponde al promedio de la longitud de cola en el per odo de an alisis y d al tiempo promedio que tarda un veh culo en salir de la cola existente en el dispositivo vial estudiado. Si el sistema es estacionario, se cumple que: L = qd , ecuaci on de Little L = L + x = qd D = L : ya que la cola no var a en el tiempo D = L: idem
1 d = d +Q : demora promedio en cola m as tiempo promedio de atenci on

Se han estudiado diversos sistemas algunos de los cuales conducen a f ormulas anal ticas especicadas para L y a partir de esta a las otras variables. Hay casos en los cuales la soluci on anal tica es a un desconocida. 52

3.2.1

Sistemas de soluci on conocida

a) Caso M/M/1 Se puede demostrar en este caso que la probabilidad de que existan k veh culos k en la cola est a dada por pk = (1 x)x con x < 1. En consecuencia, la longitud media de la cola est a dada por

L=
k=0

kpk

k = (1 x)x x x k=0 1 = (1 x)x x 1 x x = 1x

Por lo tanto, de las relaciones b asicas se obtiene

L =

x2 x L= 1x 1x

(3.1)

d =

1 x 1 1 d= Q1x Q1x

(3.2)

En principio, este caso puede corresponder a una pista en una intersecci on de prioridad aislada con poca congesti on. b) Caso M/G/1 Seg un el desarrollo de Pollaczek-Khinchin L = Cp x2 L=L +x 1x (3.3)

d =

Cp x 1 d=d + Q 1x Q 53

(3.4)

con Cp = 1 (1 + 2

servicio, Ks = del tiempo de servicio.

1 ) y donde Ks Ks 2 Ts donde Ts y s

es el n umero de Erlang para el proceso de s son la esperanza y desviaci on est andar

Este caso puede extenderse razonablemente a uno G/G/1 haciendo que Cp sea sustituido por un par ametro C dado por: 1 1 1 C= ( + ) (3.5) 2 KLL Ks
LL donde TLL y LL son los par ametros de la distribuci on con KLL = T LL del tiempo entre llegadas. El inter es de este caso radica en que no se fuerza aleatoriedad en los procesos de salida y llegada. Esto es especialmente apropiado en la circulaci on vial donde por la existencia de sem aforos, veh culos muy lentos u otras particularidades, dichos procesos no son estrictamente Markovianos.

Estos casos estacionarios nos permiten apreciar el efecto de las uctuaciones aleatorias del ujo y la capacidad. Vemos que aunque x < 1 puede haber colas muy largas si la condici on permanece largo tiempo, lo cual tambi en est a inuenciado por el par ametro Cp . Por ejemplo, si las salidas fueran determin sticas entonces Ks = y, por lo tanto, Cp = 1/2. Luego la longitud de cola se reduce a la mitad con respecto a un sistema con salidas aleatorias. Si adicionalmente se supone llegadas determin sticas (sistema D/D/1) se tendr a Ka = Ks = C = 0 y L = 0. Es decir, en este sistema no hay cola. Esto porque igualmente se supone x < 1. Para que exista cola bajo el supuesto de llegadas y salidas determin sticas es imprescindible que x > 1. Esta situaci on no puede ser permanente en el tiempo y nos lleva al caso x = x(t) > 1. La condici on no es permanente porque si la longitud de cola aumenta demasiado, los conductures evitar an circular por el lugar, disminuyendo as el ujo y generando en consecuencia una disminuci on del grado de saturaci on.

3.3

Colas dependientes del tiempo

En este caso el sistema relevante es D/D/1 con x = x(t). Para simplicar el an alisis de la evoluci on de la cola, la variaci on del grado de saturaci on en el 54

tiempo se asume discretizada mediante la denici on de per odos en los cuales se cumple: xi = cte al interior de cada per odo i xi1 = xi = xi+1 i Adem as, en al menos alg un per odo i, xi 1. A diferencia del caso estacionario, aqu la historia del proceso es decisiva para estimar la longitud de la cola. . . . sta se estima per odo a per odo, siendo la nal de un per odo la inicial del siguiente. Entonces en un per odo 0 t: L (t) = L0 + (x 1)Qt (3.6)

L(t) = L0 + (x 1)Qt donde L0 = L(t = 0) y L0 = L (t = 0).

(3.7)

El c alculo de las demoras require denir una nueva variable, la demora total en el per odo 0 t: 0t
t

0t =

L(z )dz
z =0

(3.8)

Entonces la tasa media de demora se dene como D0t = 0t /t. Se tienen entonces dos valores de la tasa media de demora, dependiendo si se incluye o no el veh culo en servicio en el c alculo de la demora total. El resultado que se obtiene en cada caso se muestra a continuaci on: D0t = L0 + (x 1)Qt/2 (3.9)

D0t = L0 + (x 1)Qt/2 55

(3.10)

La demora media por veh culo (d = /N ) no puede obtenerse directamente a partir de D. Debe calcularse detalladamente ya que al existir un grado de saturaci on mayor que uno, los veh culos que llegan en el per odo (NLL ) no son los mismos que salen en ese per odo (NS ). Por convenci on se acostumbra referir la demora media a los veh culos que llegan en el per odo 0 t. El resultado nal es t L0 d0t = + (x 1) (3.11) Q 2 L0 + 1 t + (x 1) Q 2

d0t =

(3.12)

3.3.1

Transformada de Whiting

De las aproximaciones tradicionales al problema, hay dos que satisfacen parcialmente los requerimientos de modelaci on del fen omeno de formaci on y disipaci on de colas vehiculares. Una, la teor a estoc astica en estado estacionario; otra, la determin stica dependiente del tiempo. La primera reconoce la aleatoriedad, pero es estacionaria. Luego, solamente tiene sentido para x < 1 y no puede representar la evoluci on de la cola en per odos cortos. La segunda incorpora el efecto de la variaci on en el tiempo del ujo y la capacidad, pero al ser determin stica s olo surgen colas cuando x > 1; el impacto de las uctuaciones aleatorias es ignorado. Las predicciones de ambos enfoques s olo coinciden cuanto t , ver Figura 3.1. En ese caso, la funci on determin stica dependiente del tiempo coincide con la as ntota {x = 1} de la funci on estoc astica estacionaria. El modelo correcto debe provenir de una teor a estoc astica dependiente del tiempo. Sin embargo, esta conduce a expresiones muy complejas, poco tratables. Whiting propuso una soluci on pr actica, basada en que para grados de saturaci on bajos, el efecto del tiempo es poco signicativo y para grados de saturaci on altos el efecto de las uctuaciones aleatorias es despreciable. Entonces tenemos teor as sencillas que reproducen bien la realidad para los

56

Figura 3.1: Evoluci on longitud de cola

L Estocastico estacionario Deterministico dependiente del tiempo

Qt

extremos del rango de variaci on del grado de saturaci on. Entonces, trasladar la curva estacionaria de manera que tenga como as ntota la funci on determin stica y no {x = 1}, es una forma razonable de introducir la variaci on aleatoria y la variaci on en el tiempo del ujo y la capacidad. Sea fD y fE la expresi on determin stica y estacionaria de alguna de las variables de inter es (L, D, d) y sea fT la nueva funci on estacionaria cuya asintota es fD , y que denominaremos funci on transformada. Entonces, a partir de un an alisis geom etrico, es posible demostrar que la curva transformada es el resultado de la siguiente transformaci on de coordenadas:
1 fT = fE (x + 1 fD (fT ))

(3.13)

Dada la forma funcional de fE y fD , la expresi on anterior conduce a una ecuaci on de segundo grado en fT cuya forma gen erica es
2 fT + U fT

V =0 4

y cuya u nica soluci on con sentido f sico est a dada por fT = 1 2 U +V U 2 (3.14)

Para cada variable de inter es, U y V adoptan valores distintos . Ambas son funci on expl citas de x y t, luego fT = fT (x, t). 57

Variable L D d

Tabla 3.1: Par ametros de la funci on transformada U

(1x)(Qt)2 +(1L0 )Qt2(1C )(L0 +Qxt) Qt+1C (1x)(Qt/2)2 +(1L0 )Qt/22(1C )(L0 +Qxt/2) Qt/2+1C 1 +1 1 [ t (1 x ) 2 L0Q ] + CQ 2

4(L0 +Qxt)[Qt(1C )(L0 +Qxt)] Qt+1C 4(L0 +Qxt/2)[Qt/2(1C )(L0 +Qxt/2)] Qt/2+1C 2 +1 [ t (1 x + xC ) + 2(C 1) L0Q ] Q

Ahora bien, desde el punto de vista espacio-tiempo las variables que interesan en nuestro caso son las que incluyen al veh culo en servicio. Las otras tienen inter es en sistemas en los que hay una clara distinci on f sica entre las unidades en cola y las que est an siendo atendidas (por ejemplo, en un puerto). En lo que sigue nos referiremos s olo a las primeras. El valor de U y V para dichas variables se muestra en la Tabla 3.1. Lo atractivo de la t ecnica de transformaci on de coordenadas de Whiting es que logra incorporar en una sola expresi on efectos aleatorios y de variaci on sistem atica en el tiempo. Claro que este benecio se obtiene mediante una ingeniosa aproximaci on en vez de una formulaci on exacta. Un an alisis sencillo de las expresiones de U y V muestra que estas son sensibles a las unidades en que se mide el ujo y la capacidad. Como las colas est an compuestas por veh culos y no por veh culos equivalentes o ADEs, ambas variables se deben expresar en unidades de veh/h. Por otro lado, como las expresiones estoc asticas-estacionarias corresponde a un sistema con una estaci on de atenci on, el an alisis de colas y demoras debe realizarse a nivel de pista.

3.3.2

No transitividad de la funci on transformada

Por el hecho de ser una aproximaci on y no una f ormula exacta, la funci on transformada carece de transitividad con respecto al tiempo. Esto signica que la elecci on del origen temporal de an alisis determina la evoluci on de la longitud de cola o las demoras. La no-transitividad tiene un efecto despreciable cuando el grado de saturaci on es moderado. Sin embargo, cuando el grado de saturaci on es alto 58

(x 0, 85) el efecto es signicativo. Esto es un problema serio pues la variaci on sistem atica de q y/o Q se recoge identicando per odos en que estas variables se mantienen como tasa promedio internamente y s olo est an sujetas a variaci on aleatoria. Si la forma de denir los per odos inuye en los resultados, se introduce una inestabilidad indeseable. Para resolver este problema, Kimber y Hollis (1979) proponen un m etodo secuencial de correcci on. La cuesti on es elegir un nuevo origen temporal consistente que evite la no-transitividad. El m etodo se basa en la siguiente reexi on: C omo puedo saber algo sobre la historia de una cola observando solamente lo que sucede en un per odo determinado? Supongamos que se conocen, en cierto per odo, q , Q y L0 . Por la forma en que se construye la funci on transformada, si en el pasado siempre hubieran existido las mismas condiciones se cumplir a L0 = limt LT (t, x) = LE (x) = x + Cx2 /(1 x) . En la pr actica se pueden dar varias situaciones: 1. L0 = LE (x), la cola est a en equilibrio y es aceptable la hip otesis de que la condiciones han permanecido iguales a las actuales; 2. L0 < LE (x), el grado de saturaci on previo tiene que haber sido menor y por lo tanto la cola estar a creciendo en el per odo de an alisis; 3. L0 > LE (x), el grado de saturaci on previo tiene que haber sido mayor y por lo tanto la cola ser a decreciente en el per odo de an alisis. Por lo tanto, comparando la cola inicial con la cola estacionaria podemos tener un apoyo para elegir un origen temporal consistente: inventar un pasado que explica bien lo que observamos aunque no sea la historia verdadera. Entonces sea un cierto per odo (0, t) en que el grado de saturaci on es x y la longitud de la cola inicial es L0 . Bajo estas condiciones se pueden dar los siguientes casos: 1. Cola en equilibrio: x < 1 y L0 = LE (x) No es necesario corregir el origen temporal ya que LT (x, t) = LE (x) 59 (3.15)

2. Cola creciente: x < 1 y L0 < LE (x) ox1 El origen temporal se desplaza hacia la izquierda en una magnitud dada por LT (x, t = 0) = 0 LT (x, t = ) = L0 Resolviendo se obtiene (L0 ) = L0 L0 + 1 2(1 C )x + (L0 + 1)2 4L0 (1 C ) (3.16) (3.17)

2Q [x x2 (1 C ) L0 (1 x)] LT (x, t) = LT (x, t = t + (L0 ), L0 = 0)

3. Cola decreciente: x < 1 y L0 > LE (x) Se supone que la formaci on y la dispaci on de la cola es sim etrica. Luego, la disipaci on hacia la longitud de equilibrio (LE (x)) se trata como un reejo del caso anterior. Se tienen dos casos: (a) LE (x) < L0 2LE (x) LT (x, t) = 2LE (x) LT (x, t = t + (2LE L0 ), L0 = 0) (3.18) donde () corresponde a la expresi on para la correcci on del origen temporal del caso anterior evaluada en 2LE L0 . (b) L0 > 2LE (x) 1 En este caso el grado de saturaci on previo (L E (L0 )) era mucho mayor que el actual. Se asume entonces un proceso de descarga determin stico a tasa Q hasta llegar a 2LE (x), despu es se aplica el mismo proceso anterior. i. La primera etapa tiene una duraci on dada por (L0 ) = L0 2LE (x) 1 Q(L E (L0 ) x) (3.19)

1 LT (x, t) = L0 (L E (L0 ) x)Qt 0 t (3.20)

ii. En la segunda etapa se tendr a LT (x, t) = 2LE (x)LT (x, t = t (L0 ), L0 = 0)t > (3.21) 60

De esta manera la predicci on de la longitud de cola puede corregirse por el efecto de no-transitividad. Como se trabaja para per odos sucesivos, cada cambio de per odo implica redenir el origen temporal (a menos que la cola est e en equilibrio) bas andose en la longitud estimada para el instante nal del per odo anterior, que constituye el punto inicial para el nuevo per odo. El cambio de origen temporal tambi en tiene consecuencias en la estimaci on de demoras. En efecto, por denici on la tasa media de demora en el per odo t 0 t es D0t = z=0 L(z )dz/t, pero con el cambio de origen esta se transforma + en D0t = zt= L ( z ) dz/t . T Para resolver esta integral ya no nos sirve la f ormula que vimos anteriormente. Es necesario integrar num ericamente. Para la demora media es complicad simo desarrollar expresiones transitivas. Sin embargo, se ha encontrado que se obtiene una buena aproximaci on de ambas variables si se emplea el m etodo transitivo para estimar la longitud de cola (y de ah L0 en cada per odo) y para las demoras (tasa media o demora media) se usan las f ormulas no-transitivas con la secuencia de longitudes iniciales corregidas. Una ventaja adicional de este procedimiento es que evita recurrir a integraci on num erica. Esto vale en la medida que se usen per odos razonablemente cortos, especialmente para x 0, 85. Cuando el grado de saturaci on es alto se recomienda usar per odos de 5 a 10 minutos de duraci on, pudiendo extenderse a 15 y hasta 30 minutos para grados de saturaci on bajos, x < 0, 5 por ejemplo. La aplicaci on secuencial de este m etodo para per odos de diferente grado de saturaci on permite representar los procesos de formaci on y disipaci on de las colas. N otese que seguimos requiriendo pocos datos: 1. q (t) y Q(t); 2. C (par ametro proceso llegada y salida), puede suponerse igual a uno si no hay sem aforos pr oximos u otras particularidades, tales como indicios de apelotonamiento; 61

3. L0 para el primer per odo (recomendaci on: iniciar predicci on en per odo con bajo grado de saturaci on previo de modo que sea razonable suponer L0 = LE (x). Desde el punto de vista pr actico es importante insistir en que este m etodo permite predecir L, D y d por pista. Como normalmente no se tienen datos de ujo por pista sino por movimiento, hay que denir primero los per odos para los ujos globales (para toda la intersecci on) y luego estimar q y Q por pista en cada per odo. Ahora puede comprenderse la importancia de disponer de m etodos para calcular la capacidad por pista. Por otro lado, es necesario recordar que la demora media se reere a los veh culos llegados en 0 t y D al per odo 0 t mismo, por lo cual su evoluci on temporal muestra rezago; as mismo con respecto a L(t).

3.3.3

Funciones transformadas para intersecciones semaforizadas

El m etodo que hemos visto permite abordar cualquier fen omeno de colas en un sistema con una estaci on de atenci on si conocemos el ujo, la capacidad y el par ametro C del proceso de llegada y salida. Conocer este par ametro en el caso de una intersecci on semaforizada es dif cil pues la varianza del intervalo de salida depende, entre otros factores, de la programaci on del sem aforo. Luego, si se quiere modicar la programaci on, no se podr a conocer C a prori para estudiar los impactos de la modicaci on. Por esta raz on el an alisis del proceso de formaci on y disipaci on de colas en intersecciones semaforizadas se realiza de forma distinta, evitando la necesidad de conocer C . El m etodo de an alisis se basa en una formulaci on expl cita del funcionamiento del sem aforo y en el supuesto de que las llegadas de los veh culos son aleatorias (intersecci on aislada). Se congura as un sistema M/ S /1 donde S se reere a la distribuci on del proceso de salida de los veh culos en un acceso semaforizado. Para este sistema vamos a encontrar funciones estoc asticasestacionarias y determin sticas dependientes del tiempo espec cas. Una particularidad relevante del funcionamiento de un sem aforo es la existencia c clica de per odos de rojo, en que la capacidad es nula, y verde, en que 62

Q = S . Por ello en cada ciclo se forman una cola durante el per odo de rojo que se descarga completamente en el per odo de verde, si existe capacidad suciente. De no ser as , quedar an veh culos en cola para el ciclo siguiente. Vemos entonces que en la evoluci on de la cola es posible distinguir dos procesos: 1. Uno de caracter c clico, en el cual se forma cola durante el per odo de rojo que luego se descarga completamente durante el per odo de verde, siempre que no haya saturaci on (q < Q); 2. Otro que representa la evoluci on de la cola de un ciclo a otro si es que hay saturaci on (q > Q). Sabemos que la saturaci on se puede producir por dos razones: 1. Debido a uctuaciones aleatorias del grado de saturaci on. En este caso s olo en algunos ciclos se producir a saturaci on y en otros no; 2. Debido a sobresaturaci on sistem atica. En este caso la cola crecer a ciclo a ciclo. Debido a estas distinciones se denen dos componentes aditivas de la cola y las demoras: 1. Uniforme: esta componente recoge la variaci on de la cola y las demoras dentro de un ciclo, la denici on de esta componente supone llegadas determin sticas y grado de saturaci on menor que uno: D/ S /1 con x < 1. La componente uniforme siempre es no nula; 2. Excedente: esta componente recoge la variaci on de la cola y las demoras producto de: (a) Fluctuaciones aleatorias (b) Sobresaturaci on sistem atica 63

Corresponde a un sistema M/ S /1 con x 1. Esta componente puede ser nula cuando el grado de saturaci on es bajo. La componente uniforme evoluciona de la misma forma dentro de cada ciclo, creciendo y disip andose ya que el grado de saturaci on es determin stico y menor que uno. La componente excedente evoluciona de ciclo en ciclo y se dene para un instante preciso de el: nal del verde efectivo (o inicio del rojo efectivo; es igual). Si en ese instante queda alg un veh culo retenido, como la cola uniforme se ha disipado en ese mismo instante, por denici on ese veh culo forma parte de la cola excedente. En resumen para predecir la evoluci on de la cola en una intersecci on semaforizada, el marco ser a: Distinguir per odos donde el ujo y la capacidad son constantes; En cada uno de estos per odo se analizan las componentes uniforme y excedente de la cola y las demoras S olo podr an transferirse efectos de un per odo a otro a trav es de la componente excedente, pero al nal del per odo de an alisis se supone que no queda cola de tipo determin stico. Por su denici on, la componente uniforme corresponde a un sistema determin stico sin sobresaturaci on y que s olo depende del tiempo dentro de un ciclo. Tal sistema no requiere una funci on transformada. Sin embargo, la componente excedente es estoc astica y depende del tiempo, por lo tanto, requiere de una funci on transformada similar a la vista anteriormente. Para obtener las funciones transformadas necesitamos las expresiones estoc asticas estacionarias y determin sticas dependientes del tiempo para cada variable, notando que la componente uniforme corresponde a un sistema diferente del de la excedente. Las expresiones que veremos a continuaci on son v alidas cuando se trata de: Sem aforos aislados: es razonable suponer llegadas aleatorias; 64

Figura 3.2: LLegadas y salidas en una intersecci on semaforizada no saturada

N

Re tD

Los sem aforos operan con una programaci on que se mantiene constante ciclo a ciclo dentro del per odo de an alisis (planes prejados); El ujo y la capacidad son constantes dentro del per odo y s olo est an sujetos a variaciones aleatorias. La pista analizada tiene un s olo per odo de verde en cada ciclo.

3.3.3.1

Funciones estoc asticas estacionarias

Las funciones estoc aticas estacionarias corresponden en este caso a un sistema M/ S /1 con x < 1 y M : Poisson. Como el grado de saturaci on es menor que uno, s olo puede haber componente excedente por uctuaciones aleatorias. La situaci on se ilustra en la Figura 3.2. Tenemos entonces: 1. Longitud de cola (a) Componente uniforme: D/ D /1 con x < 1 Esta componente solamente var a dentro del ciclo. Por denici on es nula al comienzo del rojo efectivo, a partir de ese instante crece 65

hasta que se inicia el verde efectivo, momento en el comienza a descargarse la cola hasta que se disipa. N otese que este sistema no corresponde a uno D/D/1, ya que en ese tipo de sistema cuando x < 1 la cola es nula. En este caso se tiene en cambio (ver g. 3.2): LUE = qt si 0 t Re max {0 ; qRe (S q )(t Re )} si Re < t C (3.22)

(b) Componente excedente: M/ S /1 con x < 1 Esta componente se calcula para el nal del verde efectivo. En ese instante, por los supuestos utilizados, nadie est a en servicio. Como ya explicamos anteriormente, un sem aforo es un dispositivo muy particular en el que es dif cil encontrar una expresi on te orica estricta que corresponda al sistema M/ S /1 con x < 1. Diversos autores han desarrollado expresiones aproximadas para la longitud de cola en este contexto. La forma g enerica de estas expresiones puede escribirse como: NE = 0
k ( x x0 ) 1x

si x x0 si x > x0

(3.23)

donde x0 y k son par ametros de modelaci on cuyos valores se muestran a continuaci on para los modelos m as conocidos:

Autor x0 k Webster 0 x/2 Mc Neil 0 1/2 Akcelik 0, 67 + SVe /600 3/2 Rouphail 0, 5 1, 22(SVe )0,22 2. Tasa media de demora (a) Componente uniforme: D/ D /1 con x < 1 Por denici on D = /C donde es la demora total y C es el tiempo de ciclo del sem aforo, luego es necesario calcular primero la demora total. En la g. 3.2 se puede ver que la demora total 66

en un ciclo cualquiera est a dada por = Re (qtD )/2, donde tD corresponde al tiempo que tarda en descargarse la cola formada durante el rojo efectivo. Este tiempo se calcula imponiendo la condici on: LUE (t = tD ) = 0, el resultado es tD = SRe /(S q ) = (C Ve )/(1 q/S ). Con este valor, la demora total resulta igual a: qC 2 (1 u)2 (3.24) UE = 2(1 y ) donde y = q/S = ux es el factor de carga. Por lo tanto, se obtiene DUE = qC (1 u)2 2(1 y ) (3.25)

(b) Componente excedente: M/ S /1 La demora total excedente se obtiene simplemente multiplicado la longitud promedio de cola por el tiempo de descarga: NE = NE tD , es decir, C Ve NE (3.26) NE = 1y de donde resulta una tasa media de demora igual a DNE = 1u NE 1y (3.27)

3. Demora media por veh culo Como estamos analizando un sistema estacionario es v alida la relaci on: d = D/q . Por lo tanto, se obtiene a partir de las expresiones anteriores: (a) Componente uniforme: D/ D /1 con x < 1 dUE = C (1 u)2 2(1 y ) (3.28)

(b) Componente excedente: M/ D /1 con x < 1 dNE = 1u NE q (1 y ) (3.29)

Es interesante mencionar que como y = ux, la componente uniforme es la misma si se calcula por pista o por grupos de pistas 67

si se aplica el criterio de equisturaci on para encontrar los ujos y la capacidad a nivel de pista. Es decir, la componente uniforme es v alida para un sistema D/ S /n cuando las n pistas satisfacen las condiciones referidas. Sin embargo, la componente excedente depende de q y, por tanto, su valor para cada pista (q por pista) o para el conjunto (q agregado) ser a distinto. La componente excedente s olo empieza a tener valores signicativos a partir de x 0, 85. Por lo tanto, estimar la demora para un conjunto de pistas de uso compartido en vez de una a una conduce a errores de importancia s olo a partir de grados de saturaci on altos.

3.3.3.2

Funciones determin sticas dependientes del tiempo

Al ser un sistema dependiente del tiempo debemos discretizar la variaci on del ujo y capacidad deniendo per odos en los que estas variables son constantes para simplicar el tratamiento anal tico de las colas y demoras. Dado que los sem aforos operan c clicamente, los per odos habr an de referirse a un cierto n umero de ciclos. El cambio de per odo estar a ligado entonces a una variaci on del valor medio del ujo o la capacidad, pero adem as, como la programaci on del sem aforo se hace considerando el nivel de ujo, el cambio de per odo estar a asociado tambi en a una variaci on de la programaci on. Existiendo sobresaturaci on sistem atica (x 1) es evidente que los veh culos que llegan en un per odo no se podr an descargar en el: habr a cola excedente que hereda el per odo siguiente. Sin embargo, en el caso de intersecciones semaforizadas esta es una situaci on poco probable en la realidad. De haber sobresaturaci on, seguramente ser a muy transitoria pues, producto de ella, disminuir a el ujo por reasignaci on de este. Por otro lado, t picamente existe un programa que se mantiene durante todo un per odo punta (en planes prejados) y al terminar este, la cola se ha disipado o, cuando menos, reducido signicativamente. Estas consideraciones nos llevan a modicar el marco temporal. En vez de pensar en per odos breves (5 a 10 minutos como vimos antes) estaremos hablando de lapsos del orden de 1 hora o m as. Luego, la as ntota determin stica sobresaturada juega m as bien un papel de referencia 68

antes que una as ntota propiamente tal, porque es dif cil que se mantenga x 1 durante toda una hora. Es decir, se aplicar a la funci on transformada pero para x < 1, aunque posiblemente cercano a 1. Por id enticas consideraciones, en las aplicaciones reales no habr a colas heredadas (o ser an muy peque nas) y el proceso de estimaci on de las caracter sticas de la cola no se har a encadenando los resultados de cada per odo, cada uno se analizar a por separado. Esto evita tambi en la aparici on del problema de no transitividad de la funci on transformada. Sin embargo, queda un tema a analizar en mayor profundidad: el efecto de que el grado de saturaci on pueda variar dentro del per odo de an alisis, comportamiento t pico de las horas punta. Entonces para las as ntotas usaremos un per odo sin pasado (cola inicial nula) ni futuro (no llegan nuevos veh culos a su t ermino). Pero ya que no hay futuro, la cola acumulada (excedente) al nal tenemos que considerarla para una contabilidad apropiada de las demoras. Es decir, tomaremos los veh culos llegados en 0 t y extenderemos cticiamente el per odo hasta que se descarguen los veh culos en cola en el instante t, sin llegadas adicionales. En ese instante se habr an acumulado (q Q)t veh culos que para descargarse a tasa Q necesitan un lapso de tiempo (q Q)t/Q = (x 1)t. Considerando el tiempo discretizado en ciclos los veh culos llegados en un per odo de t/C ciclos requerir an adicionalmente (x 1)t/C ciclos para salir. La situaci on se muestra en la Figura 3.3. A continuaci on se muestran las expresiones correspondientes a este caso. 1. Longitud de cola (a) Componente uniforme: D/ S /1 con x = 1 Por denici on la componente uniforme s olo se hace cargo de la evoluci on de la cola hasta x = 1. Se utliza entonces la expresi on vista anteriormente, pero imponiendo x = 1 q = uS : LUD = uSt S [Re t(1 u)] 0 t Re Re < t C (3.30)

69

Figura 3.3: Llegadas y salidas en una intersecci on semaforizada saturada

N

excedente

uniforme

0 Re C t (x-1)t t

70

(b) Componente excedente: D/ D /1 con x > 1 Esta componente aumenta constantemente de ciclo en ciclo. Se calcula para el inicio del rojo efectivo. Para un ciclo i la cola excedente est a dada por Ni = N0 + i(qC SVe ). Como valor representativo del per odo 0 t se utiliza el valor promedio sobre t/C ciclos, como suponemos que no existe cola heredada (N0 = 0) el promedio resulta igual a 1 x1 ND = (q Q)t = Qt 2 2 (3.31)

2. Tasa media de demora Por el tratamiento dado al tiempo, se calcula la tasa media de demora para los veh culos que llegan en 0 t y no la producida en el per odo. (a) Componente uniforme: D/ S /1 con x = 1 DUD = qC (1 u) 2 (3.32)

(b) Componente excedente: D/ D /1 con x > 1 DND = ND x 3. Demora media por veh culo (a) Componente uniforme: D/ S /1 con x = 1 dUD = C (1 u) 2 (3.34) (3.33)

(b) Componente excedente: D/ D /1 con x > 1 dND = ND Q (3.35)

Nuevamente se verica aqu que la componente uniforme no es sensible a ser calculada para cada pista o para un grupo de ellas que tiene uso compartido bajo el supuesto de equisaturaci on, pero s lo es la componente excedente. 71

3.3.3.3

Funciones transformadas

Como vimos en la secci on anterior, cada variable tiene una componente uniforme y una excedente. Por su denici on, la componente uniforme no requiere de una funci on transformada. Por el contrario, la componente excedente presenta un comportamiento en x que hace necesaria la especicaci on de una curva transformada. En resumen, se tienen las siguientes expresiones para la componente uniforme seg un el valor del grado de saturaci on. Componente uniforme Variable LU DU dU x1 qt 0 t Re max{0 ; qRe (S q )(t Re )} Re < t C qC (1 u)2 /(2[1 y ]) C (1 u)2 /(2[1 y ])

Variable LU DU dU

x>1 uSt max{0 ; uSRe S (1 u)(t Re )} qC (1 u)/2 C (1 u)/2 0 t Re Re < t C

Para la componente excedente tenemos que la funci on estoc atica estacionaria es asint otica a {x = 1} y la determin stica se hace distinta de 0 a partir de x = 1. Por lo tanto, podemos usar la t ecnica de transformaci on de coordenadas de Whiting. Los resultados son los siguientes: 1. Longitud de cola Se puede demostrar que la funci on transformada para la longitud de cola, a partir de la funci on estoc astica y la determin sitica, est a dada por: NT (x, t) =

Qt 4

0 (x 1) + (x 1)2 + 72
8 k ( x x0 ) Qt

x x0 x > x0 (3.36)

Esta funci on representa el valor promedio de la cola excedente en el per odo 0 t. 2. Tasa media de demora u Vimos que la componente estoc astica de esta variable es DNE = 1 N 1 y E y que la componente excedente es DND = ND x. Si hacemos la aproxiu maci on 1 x, ambas componentes tendr an la forma D = N x y en 1y consecuencia la funci on transformada estar a dada por: DNT = NT x 3. Demora media por veh culo Utilizando el resultado anterior, se obtiene f acilmente: dNT = NT Q (3.38) (3.37)

En s ntesis, tenemos que la componente uniforme tiene un cierto valor para x < 1 que a partir de x = 1 se estabiliza en la cantidad que se obtiene al sustituir q por uS en la expresi on correspondiente. La cola uniforme var a al interior de un ciclo, creciendo y disip andose. La componente excedente de la longitud de cola y las demoras es nula hasta que x = x0 y a partir de ah crece asint oticamente a ND , variando de un ciclo a otro. En dicha componente puede distinguirse una parte asociada a sobresaturaci on sistem atica (Ns ) y otra saturaci on de origen aleatorio (Na ). La primera est a dada por: Ns = 0 1 ND = x Qt 2 x1 x>1 (3.39)

La componente aletoria ser a entonces:

Qt 4

Na =

0 NT (x 1) + (x 1)2 +
8 k ( x x0 ) Qt

x x0 x0 < x 1 x>1

La evoluci on de estas componentes para la demora media se muestra en la Figura 3.4. 73

Figura 3.4: Componentes de la demora media por veh culo

d

da ds dN

dU 0 xo 1 x

Vemos que hasta x0 s olo hay demora uniforme, la que crece de manera casi lineal con x. A partir de x0 aparece una demora por uctuaciones aleatorias (da ) que crece r apidamente, haci endose mayor que dU para x en el entorno de 0,9. Para x 1 aparece la componente por sobresaturaci on ds , la que aumenta fuertemente con x, en tanto da va disminuyendo y dU se mantiene constante en el valor correspondiente a x = 1. La componente excedente dN re une a ds y da , y por eso algunos la llaman demora aleatoria y por sobresaturaci on dAS . El comportamiento descrito explica que la llamada congesti on empiece a percibirse para x 0, 9 y se agudice enormemente para x mayores donde peque nas variaciones del ujo tienen gran impacto en la demora. Revisemos ahora los supuestos b asicos que impusimos para estudiar la formaci on y disipaci on de colas en intersecciones semaforizadas: 1. Llegadas aleatorias: este supuesto no se cumple si hay sem aforos cercanos aguas arriba, caso en que las funciones estoc asticas que utilizamos pierden validez. La cercan a de otro sem aforo es de gran importancia para la cola y la demora uniforme, cuya variaci on dentro del ciclo es muy sensible a la forma de las llegadas. En cambio, la componente excedente, que var a de ciclo en ciclo, es casi insensible a ese factor. 74

Para esta componente es determinante el grado de saturaci on. Entonces, si hay sem aforos en red la coordinaci on entre ellos puede reducir sustancialmente dU , pero ello s olo constituye un benecio considerable cuando el grado de saturaci on es bajo. Metodol ogicamente el an alisis de una red de sem aforos se realiza de la siguiente forma: (a) La congesti on uniforme se obtiene por simulaci on (TRANSYT, por ejemplo) ya que no hay m etodos anal ticos todav a para el complejo problema de patrones de llegadas interdependientes (en EE.UU hay f ormulas para intersecciones aisladas con llegadas en pelot on, usando un factor de progresi on tabulado que var a con x, tipo de control y grado de apelotonamiento). (b) Para la componente excedente, se aplican las mismas f ormulas, pero se admite que la existencia de coordinaci on reduce la varianza de las llegadas y se recomienda reemplazar 8k por 4k en la f ormula de NT . 2. Operaci on con planes prejados: si los sem aforos funcionan activados por el tr ansito la capacidad podr a variarciclo a ciclo. No obstante se ha encontrado que no se comete mayor error si se estiman las caracter sticas de la cola como si fueran de planes prejados, si el plan respectivo se determina para los ujos promedio del per odo. De hecho, al acercarse a grados de saturaci on altos se tender a a una operaci on an aloga a la de planes prejados. Eso s , puede lograrse ahorro de demoras signicativo si se usa buena l ogica din amica, que reduzca aleatoriedad para sem aforos aislados. 3. Un per odo de verde en cada ciclo: si hay dos o m as, la evoluci on de la cola dentro del ciclo se modica, pero no cambia la evoluci on entre ciclos. Es decir, s olo es afectada la componente uniforme. Es sencillo extender el modelo para esta componente al caso de dos per odos de verde disjuntos. 4. No hay herencia entre per odos y en cada per odo, q y Q son constantes: como vimos, para que este supuesto sea sostenible hay que denir los per odos adecuadamente, de modo que en lo posible la punta quede en su interior. Exige un tratamiento especial que veremos en el Cap tulo 4, pues hay que reconocer que la punta implica que q en realidad no es constante en el per odo. 75

El m etodo visto para analizar intersecciones semaforizadas tiene varias ventajas: Permite evitar el problema de obtener el valor del par ametro C del sistema asociado a la llegada y salida de los veh culos. Permite un an alisis independiente de evoluci on de la cola en cada per odo, obviando correcciones por no transitividad aunque se utilice una funci on transformada para la componente excedente. Una debilidad del m etodo es que no es aplicable para la componente uniforme en redes de sem aforos. Este problema lo estudiaremos en el Cap tulo 5.

76

Cap tulo 4 Estimaci on de demoras y detenciones

4.1 Periodizaci on y demoras en per odos punta

El m etodo visto para estimar la demora en intersecciones semaforizadas se basa en un per odo de cierta duraci on, en el cual se supone que el ujo y la capacidad son constantes en promedio, s olo sujetos a uctuaciones aleatorias. Este supuesto es razonablemente realista, salvo en las horas punta, en que se puede dar una variaci on sistem atica de la demora en corto tiempo. Otro supuesto del m etodo visto es que cada per odo se inicia sin cola remanente del anterior, lo que tambi en puede ser violado si hay saturaci on. Akcelik y Rouphail (1993) muestran que en presencia de ujo variable y alto grado de saturaci on, las f ormulas vistas subestiman sustancialmente la demora media. Los autores sugieren evaluar dichas f ormulas pero referidas a un subper odo de mayor ujo que el promedio. Si bien este nuevo enfoque mejora la predicci on de la demora media, presenta algunos inconvenientes que pueden ser superados con el m etodo desarrollado por Gibson (1995).

77

4.1.1

Modelo de ujo variable

Sabemos que variables como el ujo y la capacidad est an sujetas a variaciones aleatorias y sistem aticas. Esta u ltima da origen a la diferenciaci on de per odos que implica el supuesto de constancia del ujo promedio al interior de cada uno de ellos. No obstante, se suele imponer a los per odos una duraci on m nima (t picamente, 1 hora) por razones pr acticas de variada naturaleza. Si hay un patr on de variaci on sistem atica dentro de este m odulo m nimo, la periodizaci on no dar a cuenta de el. Cuando tal variaci on est a acompa nada de un grado de saturaci on alto, ignorarla lleva a subestimar la demora. Estas dos condiciones se dan a menudo en los per odos punta: el problema de la subestimaci on s olo es importante en ellos. Como el funcionamiento del sem aforo dene una variaci on discreta de la capacidad, la variaci on sistem atica del ujo en el per odo punta se modelar a tambi en de forma discreta. Se denir an entonces subper odos dentro del per odo punta donde el ujo permanece constante en promedio. Para denir estos subper odos, el patr on real de variaci on del ujo lo aproximaremos por una funci on triangular sim etrica y esta a su vez por una funci on escal on. Por lo tanto, se asume que antes y despu es del per odo punta, el promedio del ujo es el mismo. La situaci on se muestra en la Figura 5.1. Como veremos a continuaci on, el m etodo de Gibson consiste en calcular la demora media del per odo punta como una funci on de las demoras de los subper odos denidos. En los subper odos se aplica la f ormula tradicional de la demora media (uniforme y excedente), con algunos cuidados especiales para respetar los supuestos detr as de dicha f ormula y tambi en para generar las condiciones que aseguren su cumplimiento en el per odo siguiente. Supongamos entonces que tenemos un per odo de duraci on T , con ujo promedio qa , pero sujeto a una variaci on sistem atica dentro del per odo (una punta). Supondremos tambi en que hay una capacidad constante Q en el per odo y que qa < Q. Es decir, no habr a herencia determin stica para el per odo siguiente. Si quedara en el u ltimo ciclo una cola excedente de origen aleatorio, no es necesario darle una consideraci on especial pues la teor a estoc astica-estacionaria (que comanda el valor dela demora para x < 1) supone la existencia de una cola excedente promedio en todos los ciclos incluyendo el primero. 78

Figura 4.1: Aproximaxi on del patr on de demanda variable

qh qp qa

qn

ql

Ti

Tp

Tf

Como se mencion o anteriormente, aproximaremos el patr on real de ujo en el per odo punta T por una funci on escal on, que conduce a tres subper odos internos. Para nes de generalidad, supondremos que el patr on real se ajusta bien a una funci on triangular sim etrica. En relaci on a la Figura 4.1, podemos ver que la aproximaci on debe cumplir las siguientes condiciones b asicas:

Ti + Tp + Tf = T qn Ti + qp Tp + qn Tf = qa T

(4.1) (4.2)

A parir de estas condiciones b asicas y la simetr a de la aproximaci on, se deducen las siguientes relaciones.

qn = (1 z/4)qa qp = (1 + z/4)qa 79

(4.3) (4.4)

Tp = T /2 Ti = Tf = T /4 z = (qh ql )/qa = 2(1 ql /qa )

(4.5) (4.6) (4.7) (4.8)

donde qn y qp es el ujo promedio en el subper odo inicial o nal, y en el subper odo nal, respectivamente; qh , ql es el ujo m aximo y m nimo en el patr on real; Ti , Tf y Tp es la duraci on del subper odo inicial, nal y punta, respectivamente; y z es una medida de la intensidad de la punta. Dependiendo de las condiciones prevalecientes en el subper odo punta, la forma en que se calcula la demora media en el per odo T es distinta. 1. Subper odo punta no saturado: xp 1 En este caso es v alida la metodolog a que vimos anteriormente. Se deduce f acilmente lo siguiente: di = df = dU (xn ) + dNT (xn , T /4) dp = dU (xp ) + dNT (xp , T /2) (4.9) (4.10)

2. Subper odo punta saturado: xp > 1 En este caso, la cola excedente acumulada al nal del subper odo punta deber a descargarse en el subper odo nal y los veh culos llegados en este deber an esperar que termine esa descarga para empezar a salir, con el consiguiente efecto en su demora. Esto hace necesario diferenciar dentro de Tf el per odo de descarga, que estar a saturado. Su duraci on (TD ) est a dada por TD Q = (qp Q)Tp + qn TD con Tp = T /2, es decir TD = xp 1 T 1 xn 2 (4.11)

Bajo ciertos supuestos, la demora media de los veh culos llegados en el per odo de descarga es igual a la demora media de los llegados en el subper odo punta y la de los que llegan en el resto del subper odo nal es igual a la de los llegados en el subper odo inicial. Entonces se tiene: di = df = dU (xn ) + dNT (xn , T /4) 80 (4.12)

dp = df = dU (xp ) + dNT (xp , T /2) Tf Tf = TD = Tf TD

(4.13)

Para que la cola se descargue dentro del per odo nal, debe cumplirse TD Tf = T /4, o bien xp 1 T T 3 xn xp 1 xn 2 4 2 Adem as, de las expresiones de los ujos promedio se puede mostrar que xp = (1 + z/4)x xn = (1 z/4)x donde x = qa /Q es el grado de saturaci on promedio. Al reemplazar estas expresiones en la desigualdad anterior, se concluye que las condiciones b asicas para que este m etodo sea v alido se requiere que z 12 x < 1 1x x (4.14) (4.15)

Con las expresiones de la demora en cada subper odo, la demora media en el per odo T se calcula como d= di qn Ti + dp qp Tp + df qn Tf qa T (4.16)

si llamamos dn = di = df y reemplazamos las expresiones de los ujos promedios en cada subper odo, la ecuaci on anterior se transforma en las siguientes expresiones dependiendo del grado saturaci on en la punta. 1. Subper odo punta no saturado: xp 1 d = dp (dp dn ) 4z 8 (4.17)

81

2. Subper odo punta saturado: xp > 1 d = dp (dp dn ) 4z x 4 + z 1 x (4.18)

y en ambos casos la tasa media de demora resulta ser D = dqa (4.19)

Para determinar m as f acilmente cu ando es necesario aplicar este m etodo detallado para estimar la demora media y cu al de las f ormulas anteriores utilizar, Gibson propone los siguientes criterios basados en el grado de saturaci on del per odo completo (x = qa /Q) y derivados a partir de simulaciones: 1. Si qa 2. Si 3. Si x
3 ,6 4+z 4 4+z 3 ,6 4+z

utilizar la f ormula tradicional de d con el ujo promedio

4 4+z

<x

utilizar la ecuaci on del caso xp 1 utilizar la ecuaci on del caso xp > 1

<x<1

La longitud de cola evoluciona dentro del per odo T . En el subper odo inicial, la cola uniforme y excedente corresponden a xn y (xn ,T /4); en el subper odo punta, corresponden a xp y (xp , T /2); en el subper odo nal, dependen del valor de xp . No tiene sentido pensar en la longitud promedio de cola en el per odo T , es m as razonable pensar en su valor m aximo, al nal del per odo punta, Lmax qp Re + 2NT (xp , Q, T /2) (4.20) En resumen, en cualquier caso la demora media en el per odo completo puede ser aproximada por la demora media en el subper odo punta, que evidentemente es mayor que la que resulta de estimar la demora para el per odo en su conjunto con el ujo promedio. Es decir, ignorar la presencia de una punta dentro del per odo conduce a una subestimaci on de la demora, que puede ser muy importante. Ahora bien, si la punta es poco notoria (z 0) y/o el grado de saturaci on promedio es bajo, x < 0, 8, se comete muy poco error con la estimaci on tradicional basada en un u nico per odo. 82

Finalmente, es importante mencionar algunas consideraciones propias de la aplicaci on de este nuevo m etodo. Sea q (i) el pat ron de ujo observado en un intervalo de duraci on t (m aximo 15 minutos). El intervalo de comienzo i0 y nal if del per odo de an alisis se dene de forma que la punta quede en su interior. Si n 4 es el n umero de intervalos en el per odo de an alisis, entonces las variables b asicas del m etodo son T = nt qa = ql 1 q (i) n i=i0

i +3 if

(4.21) (4.22)

f 1 io 1 q (i) + q (i) = 6 i=io 3 i=if +1

(4.23) (4.24) (4.25)

z = 2(1 ql /qa ) x = qa /Q

El resto de las variables necesarias se obtienen a partir de las anteriores. A continuaci on es necesario vericar si se cumplen las condiciones x < 1 y 1 x z 12 x . Si ambas se cumplen, se acepta la denici on del per odo y se procede a calcular las demoras.
x Si x 1 y z 12 1 hay que extender la duraci on del per odo moviendo x simult aneamente los l mites i0 e if . La extensi on incorpora nuevos intervalos de menor ujo, por lo tanto, qa disminuye y, con ello, lo hace x. N otese que frente a este cambio, qh se mantiene constante y ql y qa disminuyen, lo que genera un aumento de z que podr a violar la cota m axima de esta variable. Sin embargo, al disminuir x aumenta dicha cota. Entonces no puede asegurarse que al extender el per odo, la condici on sobre la agudeza de la punta se cumpla, afortunadamente es dif cil que en casos reales ocurra este problema. x Si x < 1 y z > 12 1 la soluci on puede ser reducir la duraci on del per odo x (crece x y disminuye z ).

83

Estos posibles cambios en la denici on del per odo de an alisis, afectar an a los per odos previo y posterior. En consecuencia, la periodizaci on debe comenzar por los per odos punta. Si bien el m etodo descrito permite estimar adecuadamente la demora media en per odos punta, tiene el inconveniente de ser particularmente sensible al valor de z . Este par ametro es funci on de ql , qa y qh , los dos primeros se calculan como promedios sobre cierta cantidad de intervalos, sin embargo, qh es uno solo y por su caracter est a sujeto a errores de medici on mayores que cualquier otro ujo.

4.2

Demoras peatonales

En esta secci on estudiaremos las demoras que experimentan los peatones al enfrentarse a una intersecci on. Al igual que en el caso de los veh culos, la intersecci on ofrece una capacidad (peatones/h) a una corriente peatonal que desea cruzar una de las ramas de la intersecci on. Esta capacidad y la demora asociada es distinta seg un el tipo de regulaci on existente. Estudiaremos entonces las demoras que experimentan los peatones en intersecciones semaforizadas y no semaforizadas.

4.2.1

Intersecciones semaforizadas

En un cruce peatonal en una intersecci on semaforizada los peatones cruzan cuando el semaforo asigna luz verde al movimiento peatonal. Haciendo una analog a con un movimiento vehicular es posible derivar el siguiente modelo simplicado para calcular el ujo de saturaci on del movimiento peatonal: S = 3.600W vd [peat/h] (4.26)

donde W es el ancho del cruce peatonal [m], v es la velocidad promedio de los peatones al cruzar [m/seg ] y d es la densidad peatonal de la corriente [peat/m2 ]. Valores t picos de estas variables son W = 3[m], v = 1, 2[m/seg ] y d = 1, 5[peat/m], por lo tanto, S = 19.500[peat/h]. 84

Se aprecia entonces que la capacidad, Q = uS , de un cruce peatonal es muy alta. De hecho, es dif cil encontrar en la pr actica ujos peatonales cuya magnitud sea del orden de la capacidad. En consecuencia, el grado de saturaci on del cruce ser a bastante bajo. Si para calcular la demora utilizamos el mismo enfoque que en el caso vehicular, entonces podemos limitarnos a calcular s olo la componente uniforme de dicha variable; la excente ser a nula o despreciable: C (1 u)2 d = dU = (4.27) 2(1 ux) Pero si x 0 (q 500[peat/h]) se tendr a nalmente d= C (1 u) Re = 2 2 (4.28)

En esta expresi on, u es la raz on de verde efectivo para los peatones, en la fase en que pueden cruzar. Se supone que disponen de un solo per odo de verde en el ciclo.

4.2.2

Intersecciones no semaforizadas

Cuando los peatones no disponen de un cruce formal con prioridad y deben atravesar una corriente vehicular, estimar capacidad es pr acticamente imposible. En cambio, se estima directamente la demora, bas andose en un modelo de aceptaci on de brechas. Igual que en el Cap tulo 2, suponemos que la funci on de distribuci on del intervalo en la corriente vehicular prioritaria est a dada por: F (h) = 0 si h < 1 (1 )exp( (h )) si h

con = qp (1 )/(1 qp ). Bajo este supuesto es posible demostrar que la demora media por peat on es: qp 2 2 1 ( + ) d = E (d) = (exp( ) 1)( + ) + 2 donde es la brecha cr tica de los peatones, y y 2 son la esperanza y la varianza del tama no del pelot on (n umero de veh culos en el) en la v a 85

prioritaria. Para desarrollar un modelo m as pr actico, Cowan (ver referencias del curso) asume que el tama no del pelot on (m) sigue una distribuci on m1 2 2 geom etrica: f (m) = (1 ) , luego = E (m) = 1/(1 ) y = . Por lo tanto, la demora media se transforma en d = (exp( ) 1)( 1 qp 2 2 + ) + ( 1) 1 2 1 (4.29)

Se pueden dar algunos casos particulares: 1. Capacidad de la v a no acotada, ausencia de pelotones: = = 0 (Modelo de Adams) d= exp( qp ) 1 qp (4.30)

2. Modelo lineal para la proporci on de pelotones: = xp = qp d= qp 2 1 + qp exp( qp ) 1 + (1 qp )qp 2 1 qp (4.31)

Estas f ormulas, excepto la de Adams, sobreestiman la demora cuando el ujo peatonal se aproxima a la capacidad ya que son de car acter estacionario. Si el grado de saturaci on peatonal es alto, conviene estimar la capacidad y usar colas dependientes del tiempo. Aunque habr a poca precisi on, el error cometido ser a muy inferior al asociado al uso de estas f ormulas. En todos los casos, la tasa media de demora es aproximadamente, D = qd, donde q es el ujo peatonal.

4.3

Demoras en paraderos de buses

[Rodrigo Fern andez]

86

4.4

Demoras totales

Con lo que hemos visto hasta aqu , podemos estimar las demoras que experimentan los usuarios al producirse colas en cualquier elemento individual de un sistema de transporte. En efecto, tenemos que pueden surgir colas cuando: 1. En estaciones de transferencia con m ultiples sitios, por uctuaciones aleatorias de la tasa de ocupaci on (equivalente al grado de saturaci on) ya que es improbable que ellas experimenten sobresaturaci on sistem atica. Disponemos de una teor a estoc astica estacionaria para n sitios. El u nico problema puede ser en instalaciones de este tipo cuando hay alto x, en que aparece dependencia del tiempo. Caso signicativo son los paraderos de buses, las plazas de peaje o aeropuertos con m as de una pista, tambi en puede haber alg un puerto congestionado. En tales casos, no disponemos de modelos anal ticos conables y operacionales. Caben dos opciones: uso de modelos econom etricos ( utiles s olo para nes espec cos por ser dependientes de condiciones de calibraci on) o de modelos de simulaci on, recurso mucho m as empleado pero costoso. 2. En v as urbanas o carreteras, donde haya estrangulamientos o intersecciones no semaforizadas, podemos usar el m etodo simplicado de la funci on transformada (que corrige la no-transitividad s olo de la longitud de cola), haciendo an alisis pista a pista ya que la funci on se genera con sistemas G/G/1 y D/D/1. Hemos discutido c omo periodizar y el problema pr actico puede ser determinar el valor apropiado del par ametro C del sistema, para el cual tambi en propusimos una aproximaci on mediante valores caracter sticos de las distribuciones de los intervalos de llegada y salida. 3. Si se trata de intersecciones semaforizadas, disponemos de un m etodo apropiado que reconoce incluso la existencia de per odos punta. Est a asociado a un m etodo de denici on de los per odos y a condiciones para la programaci on del sem aforo y debe aplicarse pista a pista en la estimaci on de demoras. 87

4. En los cruces peatonales en que los peatones no tienen prioridad, tenemos tambi en m etodos especiales. Es decir, est a cubierto el espectro de situaciones y necesitamos muy pocos datos: Flujos, que pueden ser heterog eneos y sabemos tratar la heterogeneidad; Capacidades, para lo que disponemos de m etodos que normalmente requieren de informaci on sobre ujos y caracter sticas geom etricas y funcionales del elemento; Duraci on del per odo, y hemos visto como proceder a denir per odos; En ciertos casos, datos espec cos: salvo sem aforos, L0 y el par ametro C , para lo que se han recomendado m etodos de estimaci on; en un sem aforo, su programaci on, que como dato es f acil de obtener en terreno. La cuesti on real es que la programaci on se determina en funci on de las demoras y para ello hay m etodos que se ven en el curso siguiente. El gran obst aculo remanente es qu e hacer cuando hay sem aforos cercanos que inducen llegadas en pelot on, lo que afecta sensiblemente a la componente uniforme de las demoras en sem aforos y al par ametro C en otro tipo de elementos. Esto es, cuando hay que mirar la circulaci on en una red no como una suma de elementos aislados, nuestros m etodos son insucientes. Pronto veremos c omo tratar este caso. No obstante, la componente excedente, la principal para grados de saturaci on altos, puede ser bien estimada con los m etodos vistos. Ahora bien, nuestro centro de atenci on son las trayectorias espacio-tiempo de los veh culos, los que hemos considerado compuestas por dos clases de etapas: en movimiento, caracterizada por una velocidad media dependiente del propio ujo (salvo en caminos de dos pistas) y detenido, caracterizado por una demora. Lo que hemos estudiado son las demoras generadas por colas pero no son estas las u nicas que se producen: puede haber detenci on y demora en ausencia de cola. Ejemplos sencillos: disco PARE o detenci on en 88

terminal para transferir carga o pasajeros. Necesitamos estudiar este tema para estimar realmente las demoras totales. N otese que el concepto de demora que usamos tiene connotaciones enga nosas. Se podr a pensar que la demora es el tiempo perdido en viajar. No es as pues: Tambi en se gasta tiempo en movimiento; Es discutible que el tiempo que permanece un veh culo haciendo labores de transferencia en un terminal sea perdido. Simplemente, para nosotros demora tiene un signicado operacional claro: es la duraci on de las etapas de detenci on en un viaje. Lo que le importa al usuario es el tiempo total empleado en viajar, que incluye tiempo en movimiento y detenido. Cu anto de el es perdido es una cuesti on subjetiva. La forma en que se trata usualmente es considerar las diversas opciones que hay para hacer viajes y calcular las diferencias de tiempo empleado entre ellas. As se puede hablar de ahorros de tiempo de manera objetiva. Estos ahorros pueden obtenerse en el tiempo en movimiento (mayor velocidad promedio: v ) y/o en demoras y pueden depender de longitud del recorrido y del n umero de detenciones, no s olo de v y la demora en cada detenci on individual. Volvamos ahora a las demoras en ausencia de cola. Como muestran los ejemplos mencionados, pueden existir en intersecciones o estrangulamientos y en estaciones de transferencia. Veremos cada caso separadamente. En lo que se reere a intersecciones, hay dos fuentes de demora en ausencia de cola: Detenci on, total o parcial, ante la presencia de un veh culo que goza de prioridad (o para vericar si el existe). Recorrido adicional por cambios geom etricos de la intersecci on, que tiene sentido al comparar distintas maneras de organizarla. Es el t pico caso de usar una rotonda en vez de una intersecci on convencional, de prioridad o semaforizada, o bien de hacer una intersecci on a desnivel. 89

Figura 4.2: Trayectoria espacio-tiempo en una intersecci on

qh qp qa

qn

ql

Ti

Tp

Tf

El proceso general de un veh culo al atravesar una intersecci on puede esquematizarse mediante la Figura 4.2. La demora que experimente el veh culo en referencia es el tiempo adicional respecto de si no hubiera intersecci on, es decir, pudiera recorrer el segmento AD a la velocidad que tra a en A. Eso corresponde al segmento XY . Podemos distinguir diversas componentes de esta demora total: dd : demora por desaceleraci on dq : demora en cola dm : tiempo de avance en la cola dc : demora por chequeo de presencia de veh culo prioritario de : espera por presencia de veh culo prioritario, encabezando la cola da : demora por aceleraci on 90

A ella podr a a nadirse demora por recorrido excesivo si la trayectoria entre A y D se alarga por redise no de la intersecci on.

4.4.1

Intersecciones no semaforizadas

La forma en que determinamos nuestra demora por cola (usando L y no L ) nos asegura que en ella incorporamos dq , dm y de . El chequeo (dc ), propio de intersecciones no semaforizadas, est a incluido sin duda si se usan modelos lineales de capacidad por ser estos emp ricos (tasa de salida observada). Es decir, la demora media estimada con la funci on cubre, en esas intersecciones: dq = dq + dm + dc + de . Falta incorporar dd y da . Adem as, debe notarse que los veh culos que no encuentran cola tambi en tienen una demora por chequeo. Entonces, tenemos una demora media en cola, calculada como media para todos los veh culos que llegan en un per odo, a la que debe a nadirse dd y da para todos (haya o no cola, en la rama secundaria hay que asegurarse que no vienen veh culos prioritarios) y dc , s olo para los veh culos que no encuentran cola. Se dene entonces la demora geom etrica como

dg = dd + da

(4.32)

Esto corresponde a una aproximaci on pues ignora dc para aquella parte del ujo que no encuentra cola al llegar a la intersecci on, pero esto se compensa con una simplicaci on que se hace m as adelante. Luego, la demora media total se calcula como

d = dq + dg y la tasa media de demora resulta ser

(4.33)

D = qd 91

(4.34)

Tabla 4.1: Demora geom etrica para veh culos livianos (seg) Movimiento Viraje derecha Viraje izquierda Directo Desde rama Secundaria Prioritaria Secundaria Prioritaria Secundaria Prioritaria dg 7,8 5,7 10,6 6,5 12,2 0 Para estimar dg hay que considerar los procesos de frenado y aceleraci on. Esto implica una velocidad antes de llegar a la intersecci on; una que se logra superado el efecto de la intersecci on (que pueden ser iguales) y velocidades intermedias durante el cruce. Ciertamente, si hay un proceso de chequeo antes de ingresar al cruce, se producir a un efecto sobre la referida velocidad intermedia, no imputable estrictamente a la demora geom etrica ya que est a m as bien relacionada con fen omenos propios del proceso de colas. no obstante, si se ignora este hecho y se asocian simplemente las consecuencias de toda variaci on de velocidad a la demora geom etrica, eso compensa no haber considerado dc para los veh culos que no encuentren cola. En la pr actica, la estimaci on de dg puede orientarse por dos v as: 1. Establecer modelos para calcularla como diferencia entre el tiempo real empleado en el tramo AD y un tiempo de referencia para recorrerlo, como si no hubiera intersecci on; 2. An alisis estad stico. En Gran Breta na se hizo un extenso an alisis estad stico del fen omeno (ver Mc Donald, Hounsell y Kimber, 1984; Report SR 810, TRRL) y no se sabe de otro equivalente. A partir de sus resultados se recomiendan los valores que aparecen en la Tabla 4.1 para la demora geom etrica de los veh culos livianos en intersecciones en T o en Cruz. Los autores recomiendan algunas correcciones cuando las condiciones en la intersecci on no coinciden con las del estudio. A saber:

92

1. Si la velocidad de aproximaci on a la intersecci on es mayor que 65 km/h, agregar 2 segundos excepto al movimiento directo desde rama principal; 2. Si la visibilidad es pobre, agregar 1,4 excepto al movimiento directo desde rama principal; 3. Para veh culos pesados, la demora geom etrica es un 25% m as alta que la de los veh culos livianos para el mismo movimiento, excepto para el movimiento directo desde rama prioritaria. Para otro tipo de intersecciones, rotondas e intersecciones a desnivel por ejemplo, puede consultarse la referencia citada. La demora geom etrica en intersecciones no semaforizadas es la componente dominante en la demora total para grados de saturaci on bajos (x < 0, 7 0, 8). En este sentido, es an aloga a la demora uniforme en intersecciones semaforizadas, pero no var a con x.

4.4.2

Intersecciones semaforizadas

En el caso de intersecciones semaforizadas, la aceleraci on y deceleraci on est an consideradas pues tanto en la capacidad (modelo binario) como en los modelos de demoras, hemos trabajado con trayectorias s t recticadas (frenado y aceleraci on instant aneos). S olo podr a haber demora geom etrica por recorrido excesivo, lo que parece improbable. Por lo tanto, d = dq (4.35)

Entonces, en ausencia de cola, los veh culos no sufren demoras en una intersecci on semaforizada.

4.5

Detenciones

Las detenciones se originan en la existencia de cola. Para calcular su n umero el proceso es aparentemente sencillo: sumar las llegadas en los per odos en 93

que hay cola. Sin embargo, esto no considera la existencia de detenciones m ultiples de un mismo veh culo. La utilidad de conocer la cantidad de detenciones es que a trav es de esta variable es posible estimar el consumo de combustible, frenos y otros recursos, adicional a la demora misma. Tambi en es un ndice de peligrosidad. Veremos a continuaci on como se obtiene el n umero de detenciones en intersecciones semaforizadas y no semaforizadas.

4.5.1

Intersecciones semaforizadas

Aqu se identican dos tipos de veh culos que deben detenerse: los que llegan mientras hay cola debida al per odo de rojo efectivo y los que quedan formando parte de la cola excedente. En el caso de sem aforos aislados, para los que llegan durante el rojo efectivo la situaci on es la siguiente: Luego, el n umero de veh culos que tiene que detenerse al menos una vez (componente uniforme) est a dado por:

Nu = qtD qC (1 u) = 1y Para los que quedan formando la cola excedente, el n umero de veh culos que se detiene es simplemente NT . Despreciemos el efecto de la cola excedente en el siguiente ciclo, pero no jemos la componente uniforme para x > 1, compensando. Luego, el n umero de detenciones que se produce en un ciclo es Nu + NT . Ahora, la tasa de detenciones por unidad de tiempo H :

H = Nu + NT 1 u NT = q + 1y qC 94

y el n umero medio de detenciones h resulta

h =

H q 1 u NT = + 1y qC

Se ve que h puede ser mayor que 1 si NT es grande (saturaci on alta). Ahora bien, es posible que por nuestra recticaci on ideal de las trayectorias de los veh culos estemos suponiendo que se detienen completamente veh culos que s olo frenan sin llegar a parar. Ocurre que a las detenciones les asignamos importancia por el consumo de combustible que implican los procesos de aceleraci on y deceleraci on. Al no ser paradas completas este consumo es menor y con las f ormulas anteriores lo sobrestimar amos. Se hace una conversi on a paradas completas, teniendo en cuenta que su probabilidad de ocurrencia est a relacionada con la magnitud de la demora. Para condiciones t picas urbanas, un factor de reducci on 0,9 es apropiado. Luego:

H = 0, 9q

1 u NT + 1y qC 1 u NT h = 0, 9 + 1y qC

(4.36) (4.37)

En el caso de sem aforos en red coordinados, la simulaci on mediante histogramas c clicos de ujos permite contar los veh culos que se detienen por cola uniforme y habr a que agregar NT con su propia expresi on. Vale aqu tambi en el factor de reducci on.

95

4.5.2

Intersecciones no semaforizadas

El problema de determinar el n umero de detenciones en este caso es m as complejo. La cola no se forma y disipa con la regularidad caracter stica de las intersecciones semaforizadas. Hay un avance discontinuo de la cola que probablemente conducir a a numerosas detenciones fracci onales. Adem as, por la necesidad de comprobar si hay veh culos prioritarios, igual se producen detenciones (al menos fracci onales) en ausencia de cola. Ambos fen omenos son dif ciles de modelar y no existen hasta hoy m etodos formales para estimar h y H en este caso. Entretanto haya investigaci on al respecto, se recomienda el procedimiento siguiente. Los veh culos que no encuentran cola, sufrir an detenci on por comprobaci on de prioridad. Los que la encuentren, deber an adem as realizar detenciones durante el avance en la cola. Para los primeros, se puede suponer que: 1 si la regulaci on es PARE hg (v, dg ) si la regulaci on es CEDA EL PASO

hg =

(4.38)

donde hg es una relaci on emp rica para calcular el n umero medio de detenciones a partir de la velocidad y la demora geom etrica. Para los que encuentran cola se puede utilizar como aproximaci on

hq = hg (v, dq )

(4.39)

El promedio del n umero de detenciones se obtiene a apartir de la probabilidad de ocurrencia de cada caso: encontrar o no encontrar cola. Sea P = P rob(encontrar cola) = P (h ) = F ( ) donde es la brecha cr tica de los conductores y F la funci on de distribuci on del intervalo en la rama prioritaria, entonces h = (1 P )hg + P hq

(4.40)

96

Cap tulo 5 Modelos de circulaci on en redes

5.1 Introducci on

En los cap tulos anteriores hemos estudiado la capacidad y los fen omenos de formaci on y disipaci on de colas en dispositivos viales AISLADOS, es decir, hemos supuesto que lo que sucede en otros dispositivos cercanos NO los afecta. Sin embargo, en realidad es muy probable que los fen omenos producidos en intersecciones o paraderos cercanos determinen en parte, por ejemplo, la longitud de cola en la intersecci on bajo an alisis. Naturalmente esto ocurre con todos los dispositivos viales de una determinada area. Por lo tanto, cuando se requiere predecir impactos globales derivados de acciones que modiquen ciertas caracter sticas de los dispositivos, es necesario una perspectiva m as amplia que el simple an alisis de conictos aislados. La visi on que integra lo que ocurre con el tr aco en un area es el an alisis de circulaci on en redes. En t erminos generales una red es un conjunto de l neas (arcos) que se conectan entre si en determinados puntos (nodos) y por donde circula alg un elemento (ujo). En nuestro caso las redes que representan la circulaci on vehicular describen los siguientes elementos: 97

 la infraestructura vial, a trav es de arcos que representan tramos de v a y de nodos que corresponden a las intersecciones; los ujos, mediante par ametros que caracterizan el comportamiento de los usuarios; la forma de operaci on, por par ametros que indican el funcionamiento de arcos y nodos. La representaci on de la vialidad puede variar de profundidad seg un el objetivo que se persiga. En general, los modelos de circulaci on en redes consideran las siguientes variables para caracterizar los distintos elementos de la vialidad: Nodos: forma de regulaci on capacidad n umero de viajes generados/atra dos (para nodos centroides) Arcos: ujo velocidad/tiempo de viaje longitud ujo de saturaci on Debido a la complejidad y magnitud de los problemas matem aticos involucrados en el an alisis de redes se han desarrollado diversos programas computacionales para ayudar en su estudio. Algunos ejemplos son TRANSYT, SATURN, SCOOT, que consideran la red en su totalidad, y SIDRA, PICADY, ARCADY, IRENE que est an orientados a la modelaci on de nodos (intersecciones, rotondas, paraderos). En general, los programas para redes analizan con mayor detalle los fen omenos que se producen en los arcos, por lo tanto, pueden ser completados con los programas orientados a nodos para conseguir un estudio mas preciso. 98

5.2
5.2.1

Modelaci on de elementos de redes

Modelaci on de arcos

Como las caracter sticas de los arcos no son las mismas para todos los veh culos de un tramo se requiere tomar una decisi on: promediar las caracter sticas seg un la composici on de traco denir arcos distintos para distintos ujos vehiculares Por otra parte, al llegar a la intersecci on ciertos veh culos tienen comportamientos distintos que originan conictos concurrenciales o direccionales. Tambi en existen ciertos veh culos no interactuan con el resto del tr aco. Para incorporar estas situaciones a la modelaci on se dene un nuevo elemento, denominado l nea de detenci on del arco (LD). La l nea de detenci on act ua como una interfaz entre arcos y nodos con un ujo de saturaci on o capacidad distinta. Cada arco puede tener su propia l nea de detenci on, pero tambi en varios arcos pueden compartir una misma l nea de detenci on. Mientras mayor es el n umero de arcos y l neas de detenci on, la modelaci on es m as detallada, pero tambi en es m as compleja y costosa.

5.2.2

Modelaci on de nodos

Denidos los arcos y sus l neas de detenci on, al nodo le corresponde la modelaci on de la forma de regulaci on del dispositivo que representa. En el caso de nodos de tipo centroides, su objetivo es representar la demanda total de viajes en una determinada area.

5.2.3

Modelaci on de cuellos de botella

Un cuello de botella es un estrangulamiento de un tramo de v a producto de variaciones del ancho de la v a, estacionamientos, paraderos de buses, bloqueo temporal de pistas, etc. 99

Una forma de modelar los cuellos de botella es con un nodo que representa una intersecci on semaforizada con 100% de verde, pero con un ujo de saturaci on menor al del tramo.

5.2.4

Modelaci on de ujos

Los ujos de veh culos en la red se modelan desde dos perspectivas: desde el punto de vista de la conexidad de la red, especicando las contribuciones de movimientos al ujo total aguas abajo en un arco desde el punto de vista del nivel de ujos asociado a cada arco, en el sentido si son jos o variables

5.2.5

Extensi on de la red

La denici on de la red a modelar tiene impl cita la pregunta de hasta d onde considerar el area de inuencia de acciones e impactos, y c omo incorporar los efectos de red mas all a de la zona de inuencia. La primera pregunta cae en el arte de la modelaci on de redes y se relaciona con los objetivos de cada modelaci on en particular. La segunda se resuelve deniendo nodos frontera y arcos de entrada a la red m as all a de los cuales se supone que los efectos de red (por ejemplo, bloqueos) no se propagan.

5.3

Histogramas c clicos de ujo y dispersi on

Cuando existe una intersecci on semaforizada aguas arriba de una determinada intersecci on, tambi en semaforizada, se produce una variaci on sistem atica en el ujo que llega a esta u ltima. Dicha variaci on se produce c clicamente debido a la forma de operaci on del sem aforo. Esto invalida el uso de las f ormulas anteriormente vistas para el c alculo de la componente uniforme de 100

la longitud de cola, ya que estas se basan en el supuesto que el ujo sea constante durante cada ciclo. La componente excedente no se ve afectada por esta variaci on temporal del ujo. Para modelar esta situaci on se utiliza la t ecnica de los histogramas c clicos de ujo (HCF). Los histogramas son una representaci on detallada del ujo en el tiempo. Su objetivo es permitir el c alculo correcto de la componente uniforme de la longitud de cola cuando el ujo var a dentro de un ciclo t pico del sem aforo. Una vez calculada esta componente se puede obtener f acilmente la componente de los otros indicadores, tales como demora y detenciones. A continuaci on se denen los tipos de histogramas que existen. Histograma de llegada: representa el ujo vehicular, en funci on del tiempo, que llega a una l nea de detenci on durante un ciclo t pico del sem aforo. Se denomina qLL (t) Histograma de largada: representa el m aximo ujo, en funci on del tiempo, que puede salir de la l nea de detenci on durante un ciclo t pico del sem aforo. Corresponde a una representaci on de la capacidad de la l nea de detenci on. Se denomina qL (t). Histograma de salida: representa el ujo, en funci on del tiempo, que efectivamente sale de la l nea de detenci on durante un ciclo t pico del sem aforo. Se denomina qS (t). En todos los histogramas el tiempo de ciclo se divide en intervalos de corta duraci on (1 a 2 seg.) para as captar mejor la variabilidad del ujo. De los tres tipos de histogramas, el de largada es el f acil de construir ya que basta con conocer el ujo de saturaci on asociado a la l nea de detenci on y la programaci on del sem aforo. Si por el momento suponemos conocido el histograma de llegada entonces la componente uniforme de la longitud de cola en el intervalo i est a dado por: LU (i) = max {LU (i) + I [qLL (i) qL (i)] ; 0}

(5.1)

101

donde I es la longitud de los intervalos. El primer intervalo para el cual se calcula la longitud de cola es aquel donde comienza el rojo efectivo, para esto se supone que al nal del verde efectivo la cola es nula. Lo anterior signica adem as que suponemos que no existe sobresaturaci on sistem atica (x > 1). Si existiera sobresaturaci on entonces el histograma de llegada se corrige de la siguiente forma:

qLL (i) = qLL (i) donde

i qL (i) i qLL (i)

(5.2)

<1

(5.3)

El histograma de salida se obtiene como: LU (i 1) ; qL (i) I

qS (i) = min qLL (i) +

(5.4)

Si existe sobresaturaci on entonces se utiliza qLL en vez de qLL . Algunos descriptores interesantes que se obtienen a partir de las expresiones anteriores son: Tasa media de demora uniforme LU (i) n donde n es el n umero de intervalos dentro del ciclo. DU = Demora media uniforme dU = DU
n i=1 qLL (i) n i=1

(5.5)

(5.6)

102

 N umero de detenciones uniforme HU =

iA

qLL (i)

(5.7)

donde A es el conjunto de intervalos en cuyo comienzo la longitud de cola es distinta de cero.

Para obtener el histograma de llegada a la l nea de detenci on bajo an alisis se necesita conocer el histograma de salida en la l nea de detenci on aguas arriba y la forma en que se dispersa el pelot on de veh culos. Esto se realiza a trav es de los modelos de dispersi on de pelotones. La dispersi on de los pelotones se debe a las diferencias de velocidad que exiten entre los veh culos: hay veh culos lentos y r apidos. Luego, para modelar la dispersi on es necesario conocer la velocidad de circulaci on en el arco de los distintos veh culos, lo que es equivalente a conocer el tiempo de viaje ya que la longitud de recorrido es ja y conocida. Para incorporar la variabilidad de la velocidad o el tiempo de viaje se trabaja con funciones de distribuci on m as que con valores determin sticos. La relaci on m as elemental que describe la dispersi on es entonces:
i

qLL (i) =
j =1

qS (i)P (t = i j )

(5.8)

donde P es la funci on de distribuci on del tiempo de viaje en el arco. La ecuaci on anterior no considera el caracter c clico de los histogramas, de ah que una expresi on m as adecuada de la dispersi on es:
i

qLL (i) =
j =in+1

qS (i)
z =0

P (t = i j + zn)

(5.9)

Dependiendo de la forma de P se obtienen distintos modelos de dispersi on.

103

1. Modelo de dispersi on de Robertson F 1 (1 F )n

n+1

qLL (1 + T ) =

qS (j )(1 F )n+1j
j =2

(5.10)

qLL (i + T ) = F qS (i) + (1 F )qLL (i + T 1) i = 2, .., n(5.11) donde F = 1 1+tT (5.12)

2. Modelo de dispersi on de Gibson y Witik

P P +1

qLL (1+T ) = F
i=1

(P + 1 i)[qS (i P ) + qS (n + 1 P i)] +
i=1 2P +1

qS (n + i P )

qLL (i+T ) = F

qS (n + i j )
j =P +1

qS (n + i j ) +qLL (i+T 1) i = 2, .., n

j =0

F =

1 (1 + t T )2 P = tT

(5.13) (5.14)

F se conoce como factor de dispersi on y T y t corresponden al tiempo m nimo y promedio de viaje en el arco, respectivamente. El modelo de Robertson proviene de suponer una distribuci on del tiempo de viaje geom etrica truncada y el modelo de Gibson-Aguirre de suponer una distribuci on triangular sim etrica. En ambos modelos se tiene la relaci on

T = t + 0, 5 para arcos de tr aco general, donde es un par ametro a calibrar. Para arcos de buses la relaci on es 104

(5.15)

T = b + tr + 0, 5

(5.16)

donde b es el tiempo neto de parada y tr el tiempo de recorrido: tiempo total ametros. de viaje -b, y y son par Valores t picos de los par ametros son

= 0, 60 0, 80 = 0, 80 0, 85 = 0, 30 0, 60 Por otro lado, el tiempo se mide en intervalos (valores enteros) y los histogramas se construyen en unidades de veh culos equivalentes. Adem as, siempre existe continuidad en el ujo.

5.4

Indicadores de rendimiento

Los indicadores de rendimiento corresponden a medidas cuantitativas del consumo de recurso involucrado en las circulaci on de los usuarios por la red. Se construyen a partir de las variables estudiadas durante el curso. Los indicadores son importantes porque permiten evualar el impacto de modicaciones en la red producto de proyectos de infraestructura y/o gesti on de tr ansito o bien ayudan en el dise no de dichos productos. Conviene entonces distinguir dos tipos de indicadores: para dise no y para evaluaci on. Indicadores para dise no: Longitud de cola: L Grado de saturaci on: x 105

 Demora media por veh culo: d N umero medio de detenciones por veh culo: h Indicadores para evaluaci on: Lo primero es identicar cuales son los recursos que se desea cuanticar y luego asociarlos a variables f sicas. Los recursos m as comunes son tiempo de los usuarios y consumo de combustibles, otros menos utilizados son emisiones de contaminantes y accidentes. En el caso del tiempo de los usuarios tenemos dos componentes: Tiempo en movimiento: tr T.O. Tiempo detenido: D T.O. donde T.O es la tasa de ocupaci on por tipo de veh culo. Vemos aqu otra raz on para denir arcos separados por tipo de veh culo. En el caso del consumo de combustible tenemos tres componentes: Consumo en movimiento: f (v ) por tipo de veh culo Consumo en ralent : f (D) por tipo de veh culo Consumo por detenciones: f (v, H ) Estas tres componentes deben ser multiplicadas por el ujo respectivo para obtener el consumo total. Vemos entonces que el consumo de recursos se realiza para cada arco y nodo de la red. Para obtener una u nica medida del consumo debemos agregar los consumos individuales. Esto se realiza mediante un ndicador de rendimiento (IR) como el siguiente: U.M U.T

IR =
i j

V Fij
k

F Cijk P Rjk

(5.17)

donde 106

 V Fijk : valor de la variable f sica i (demora, detenciones, velocidad, etc.) en el arco j F Cijk : factor de consumo del recurso k por consumo de la variable i en el arco j P Rjk : precio del recurso k en el arco j En el caso del tiempo de los usuarios el c alculo del consumo es elemental: est a totalmente contabilizado y el problema es asociar una tasa de ocupaci on a cada arco. En el caso del combustible o emisiones de contaminantes el problema es m as complejo. Sus tasas de consumo dependen de la operaci on real y nosotros utilizamos trayectorias idealizadas. Adem as, estas tasas var an con el tipo de veh culo, cuya diversidad puede ser amplia. Entonces hay que tener mucho cuidado con dos aspectos: Modelaci on agregada acorde con el tipo de trayectorias con que trabaja el modelo de red Encontrar valores representativos para los par ametros en arcos en que hay veh culos diversos Construido el indicador de rendimiento, su utilidad es doble: Para evaluar econ omicamente un proyecto y comparar alternativas; Para inuir directamente sobre el dise no de cada alternativa. Ciertamente la red es una abstracci on imperfecta de la realidad, hay que considerarla una ayuda a la toma de decisiones, pero no el instrumento para decidir. Cuando no hay efectos de red, se realiza un an alisis acumulativo, por separado, de tramos de v as e inte

107