Académique Documents
Professionnel Documents
Culture Documents
EN VIAS URBANAS
3.1. INTRODUCCION
El Captulo II, Ttulo 1 de la presente investigacin, se trata sobre la representacin del trfico
vehicular por medios analticos; es decir, utilizando expresiones matemticas. Este captulo
describe otro enfoque para representar el trnsito, que aunque tambin emplea expresiones
matemticas, usa adems decisiones lgicas en un proceso que consta de numerosos pasos
sucesivos que tienen lugar a lo largo de un tiempo simulado. En ingeniera de trnsito este
enfoque se acostumbra a llamar simulacin. Sin embargo, en otras disciplinas el trmino
simulacin puede tener un significado distinto.
Es preciso aclarar, que los modelos de tipo analtico como de simulacin por si solos no
optimizan nada; solo representan condiciones que se desean estudiar y predicen los efectos de
cambios en esas condiciones. Existen procedimientos de optimizacin que poseen uno o ms
modelos en su seno, pero deben tener adems, por lo menos, un algoritmo de optimizacin.
Los modelos de simulacin representan un sistema real por medio de la reproduccin sucesiva
de los cambios de inters que tienen lugar en un sistema real, en un perodo de tiempo
especificado. Van produciendo resultados durante ese perodo, que se sintetizan al final del
mismo.
que se simula es muy complejo y extenso, los sucesos de inters son tan frecuentes que se
impone la simulacin por pasos. [40]
Generalmente, los modelos de simulacin van introduciendo variaciones aleatorias en los valores
de algunos datos de entrada. Por esta razn las salidas del modelo varan al azar, si ste se usa
en simulaciones sucesivas, aunque las entradas permanezcan invariables. Entonces es preciso
realizar anlisis estadsticos de ellas como si fueran datos de campo. En cambio, las salidas de
los modelos analticos son fijas para un conjunto especfico de condiciones.
En el rea de control de sealizacin de trnsito, la frmula Webster [38] clsica es un ejemplo del
uso de las simulaciones orientadas a fines prcticos. Los controladores de seales de trnsito
dinmicas han agregado una nueva dimensin a la simulacin de seales de control.
Varios de los problemas de transporte urbano estn relacionados a la red de carreteras. En las
redes, un simulador tiene que combinar diferentes tipos de intersecciones (sealizadas y no
sealizadas) y vas (arterias principales, autopistas y calles). Esto vuelve la simulacin
relativamente complicada y el nmero de herramientas para anlisis de simulaciones es bastante
reducido en comparacin a aquellas que analizan intersecciones aisladas y secciones de
carreteras.
Entrado el siglo 21, el sistema de transporte urbano en el mundo ha madurado, solo se expande
la infraestructura en una fraccin cada ao. Sin embargo, la congestin contina desarrollando
un crecimiento alarmante, con impactos adversos en nuestra calidad de vida e incrementando el
potencial de accidentes y las demoras en la movilidad. Se espera que estos fenmenos se
agraven, por lo que se hace el llamado de los profesionales en ingeniera de transporte para
incrementar la productividad de los sistemas de transporte a travs de las mejoras en su uso
operacional.
A fin de evaluar la eficiencia de una estrategia en particular, debemos analizar el uso de las
herramientas de trnsito o las metodologas.
En los Estados Unidos, que es uno de los pases que ms ha desarrollado la tecnologa en
trnsito y transporte, ha reforzado la importancia de la gestin de trnsito y el control de la
capacidad en las vas existentes.
En vista de que las Agencias de Transporte utilizan sistemas de gestin tecnolgica de hardware
y software cada vez ms sofisticados, se ha incrementado la necesidad de responder a la
congestin recurrente y no recurrente de manera preactiva, tratar de predecir y evaluar el
resultado de los variados planes de mejoras sin la inconveniencia de la experimentacin en
campo.
A parte de estas necesidades, el anlisis de trnsito emerge como uno de los mtodos ms
eficientes para evaluar los proyectos de mejoramiento en el sistema de transporte. Las
herramientas de anlisis de trfico pueden incluir paquetes de software, metodologas y
procedimientos; y son determinados en funcin a las tareas que realizan a saber:
La Figura N 23 presenta una vista general del proceso de anlisis del transporte, junto con la
variedad de contextos de evaluacin y tipos de herramientas de anlisis de trnsito, que son
tpicamente utilizadas en cada contexto.
Por lo general, las necesidades de anlisis del transporte son el resultado de las polticas y
objetivos de los planes y programas de transporte locales/regionales/estatales.
Como se muestra en la Figura N 23 cada una de estas fases requiere diferentes metodologas
de anlisis y herramientas.
Nota: Los recuadros con borde ms oscuro representan en campo de aplicacin principal de las herramientas de anlisis de trnsito.
Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer, Publication No. FHWA-HRT-04-038, US Department of Transportation,
july 2004
Las herramientas de anlisis de trnsito son diseadas para asistir a los profesionales en
transporte, en evaluacin de estrategias que enfoquen de la mejor manera las necesidades de
transporte en su jurisdiccin. Especficamente, estas herramientas pueden ayudar a los
especialistas a:
Monitoreo de desempeo. Las herramientas analticas tambin pueden ser usadas para
evaluar y monitorear el desempeo de las facilidades de transporte existentes. En el futuro,
se espera que los sistemas de monitoreo puedan acceder directamente de las herramientas
de anlisis para realizar evaluaciones en tiempo real. [47]
Los vehculos individuales son rastreados pero sus movimientos utilizan funciones
agregadas de velocidad-densidad en vez de los modelos de seguimientos de vehculos y de
cambio de carril [79]. En ese sentido, los modelos mesoscpicos proveen menor fidelidad que
las herramientas de microsimulacin, pero son superiores a las tcnicas de anlisis tpicas
de planificacin.
incorporaciones, situaciones que pueden ser afectadas por el comportamiento del conductor,
las caractersticas del vehculo o la geometra de la va. [79]
En la Figura N 24, encontraremos de manera grfica los conceptos vertidos sobre los
modelos de simulacin del trnsito.
Fuente: Paper: Cmo mejorar el flujo vehicular por medio de la simulacin?, Juan Manuel Gonzlez Calleros, Ciencias Computacionales,
Instituto Nacional de Astrofsica, ptica y Electrnica, Puebla, Pue., CP 72000, Mxico.
Existen otras maneras de clasificar los modelos de trfico considerando otras caractersticas, as
se tiene:
Representacin del proceso. Puede ser determinstico lo que implica que no hay variables
aleatorias y que todas las variables se definen mediante relaciones exactas. Los modelos
estocsticos incorporan procesos que tienen variables aleatorias.
De acuerdo al uso. Si es usado para una simulacin o si el modelo se requiere para hallar
una solucin analtica (Hoogendoorn y Bovy, 2000). [58]
Los modelos de trfico vehicular han estado sujetos a varias controversias respecto a su valides
y aplicabilidad a los problemas reales de flujo, es as que la nica ley fsica precisa de la teora
de trfico es la ecuacin de la conservacin del nmero de vehculos. En resumen, existen
diversas formas de clasificar los modelos dinmicos de flujo vehicular, segn el grado de detalle,
continuos o discretos, determinsticos o estocsticos, analticos o simulados; segn el nmero de
carriles, si se aplican a redes de carreteras o urbanas, cruces, considerando perturbaciones, etc.
Cuando se los clasifica segn el grado de detalle, de mayor a menor, se tienen los modelos
submicroscpicos, microscpicos, mesoscpicos y macroscpicos que son los que tienen el
menor grado de detalle. La Tabla N 10 clasifica los modelos usando este criterio.
CLASE MODELOS
Mixic (1995)
Submicroscpicos Pelops (1998)
Simone (1999)
Psico-espacio (1974 )
Distancia segura (1990)
Respuesta al estmulo (1990)
Microscpicos Integration (1994)
Fosim (1995)
CA (1999)
Particula Transeunte (2000)
Dinmica reducida de gases (1971)
Dinmica mejorada de gases (1975)
Grupo (1978)
Mesoscpicos Dinmica multicarril de gases (1997)
Distribucin de avance (1998)
Dinmica multicarril clase mltiple de gases (1999)
Dinmica de clase mltiple de gases (2000)
LWR (1955)
Tipo Payne (1971,1979)
Freflo (1979)
Macroscpicos Semidiscreto (1990)
Transmisin de grupo (1994,1999 )
Tipo Helbing (1996,1997)
Metanet (1998,1999)
Master (1999)
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Otra forma de clasificar los modelos que se consideran tiles para los fines del proyecto se
muestra en la Tabla N 11 y toman en cuenta caractersticas de analtico o simulado.
Se puede observar que los modelos submicroscpicos son todos modelos simulados, mientras
los mesoscpicos son todos analticos. Respecto a los modelos microscpicos y macroscpicos,
existen algunos analticos y otros simulados.
CLASE MODELOS
LWR (1955)
Dinmica reducida de gases (1971)
Tipo Payne (1971,1979)
Dinmica mejorada de gases (1975)
Grupo (1978)
Distancia segura (1990)
Respuesta al estmulo (1990)
Analticos Semidiscreto (1990)
Tipo Helbing (1996,1997)
Dinmica multicarril de gases (1997)
Distribucin de avance (1998)
Metanet (1998,1999)
Master (1999)
Dinmica multicarril clase mltiple de gases (1999)
Dinmica de clase mltiple de gases (2000)
Psico-espacio (1974 )
Freflo (1979)
Integration (1994)
Transmisin de grupo (1994,1999 )
Simulados Fosim (1995)
Mixic (1995)
Pelops (1998)
Simone (1999)
CA (1999)
Particula Transeunte (2000)
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Respecto a los modelos mesoscpicos, tienen una representacin matemtica con muchos
parmetros y dimensionalidad alta, lo que hace difcil tanto su aplicacin en tiempo real como su
calibracin. Finalmente los modelos macroscpicos son fciles de calibrar y son considerados
ideales para estimar, predecir y controlar el flujo vehicular basado en modelos.
CLASE MODELOS
Ideales para simulacin off-line, por ejemplo, para
probar la geometra de las vas.
No tienen una solucin analtica cerrada.
Microscpicos No representan caractersticas macroscpicas
verdaderas.
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Fecha: Junio 2006
En este punto citaremos algunos desafos y limitaciones que deberan considerarse cuando se
elige una herramienta de anlisis de trnsito:
La herramienta podra no estar diseada para evaluar todos los tipos de impactos
producidos por la aplicacin de las estrategias de transporte. Las mediciones de salida
producidas por cada herramienta varan; as, el proceso de encontrar coincidencia en las
mediciones de desempeo deseado en el proyecto con las salidas de la herramienta es
importante. Adicionalmente, existen muy pocas herramientas que puedan analizar
directamente las estrategias de implementacin de ITS (Sistemas Inteligentes de
Transporte), los impactos asociados con ellas (p.j. reduccin de la duracin de incidentes,
ahorro en costos de operacin, etc.).
El intento de esta seccin es comparar las capacidades del HCM y las herramientas de
simulacin, y proveer una gua adicional en la evaluacin cuando la simulacin del trfico pueda
ser ms apropiada que las herramientas o mtodos basados en el HCM.
La mayora de los mtodos del HCM y modelos asumen que la operacin de una interseccin o
segmento de vas no se ven afectados adversamente por las condiciones de una vialidad
adyacente. Sin embargo, las largas colas en una ubicacin que interfiere con otra podra
transgredir esta presuncin.
Los procedimientos del HCM son de validez limitada en el anlisis de colas y sus efectos.
Asimismo, existen varios vacos en los procedimientos del HCM. El HCM es un conjunto de
herramientas analticas que se encuentra constantemente en desarrollo y expansin, y en
consecuencia, muchas situaciones del mundo real no han sido recomendadas an por
procedimientos analticos. A continuacin se presenta una lista de estos vacos:
Vas rurales de 2 carriles o multicarril donde los semforos o las seales de pare impactan
significativamente sobre la capacidad y/o operaciones.
Carriles de ascenso para camiones.
Carriles de volteo a la izquierda de doble sentido.
valos de ms de un carril.
Intercambios de diamante cercanos. [50]
Las herramientas de procedimientos y metodologas del HCM toman una aproximacin esttica
para predecir el desempeo del trnsito; en cambio, los modelos de simulacin toman una
aproximacin dinmica. El HCM estima el promedio de densidad, velocidad o demoras en un
periodo de 15 minutos de una hora, mientras que los modelos de simulacin pueden correr sobre
ms de una hora.
Los modelos analticos son ms elegantes que los de simulacin y su lgica es ms breve y
concisa. Esto significa que sus programas son ms fciles de depurar que los largos programas
que requiere la lgica de la simulacin, lo que es una gran desventaja.
Sin embargo, cuando el sistema a modelar es muy complejo, como sucede con frecuencia
cuando se trata de fenmenos de trnsito vehicular, la formulacin matemtica de todas las
relaciones significativas que existen en el sistema es sumamente fcil y a veces resulta
imposible desde el punto de vista prctico. Tambin el esfuerzo y capacidad mental que exige
una formulacin matemtica de ese calibre, necesita la modelacin de modeladores de talento
extraordinario que son caros y difciles de conseguir. En cambio, en esos casos la simulacin
resulta ms til pues al reducir el problema a la representacin de sucesos individuales, hace
ms fcil la concepcin intelectual del modelo aunque alargue mucho los procesos lgicos.
El simulador de trnsito es una herramienta ampliamente utilizada por ingenieros de trnsito para
evaluar posibles modificaciones a las vas de circulacin vehicular, configuraciones alternativas
de sealizacin, construccin de vas nuevas y en general, cualquier tipo de innovacin que an
no se ha puesto en marcha. Para que los resultados sean los correctos, se necesita que las
predicciones sean precisas.
Esta seccin identifica criterios que pueden ser considerados en la seleccin de una apropiada
herramienta de trnsito en funcin a una situacin en particular.
El primer paso es la identificacin del contexto de anlisis para la tarea de planificacin, diseo u
operacin/construccin. Se necesitan siete criterios adicionales para ayudar a identificar las
herramientas de anlisis que sean las ms apropiadas para un proyecto en particular.
Dependiendo del contexto de anlisis y de las metas y objetivos del proyecto, la relevancia de
cada criterio podra diferir. Los criterios incluyen lo siguiente:
2. Capacidad de modelar varios tipos de facilidades, tales como: vas expresas, carriles
de alta ocupacin vehicular (HOV), rampas, arterias, plazas de peajes, etc.
Los pasos para seleccionar el apropiado tipo de anlisis con la herramienta a utilizar son:
1. Los usuarios deberan comenzar por identificar el contexto de anlisis del proyecto.
2. Luego, los usuarios deberan hacer un filtro entre los criterios 1 al 6 expuestos
anteriormente, limitndose segn la categora de la herramienta a una o dos opciones.
El primer paso en la seleccin de una herramienta apropiada para el anlisis del trnsito es la
identificacin del contexto de anlisis del proyecto. La Figura N 25 ilustra un proceso tpico de
anlisis de transporte, el cual contiene varias fases que incluyen:
Planeamiento: Esta fase incluye un corto o amplio rango de estudios a nivel estatal,
regional o planes de transporte locales (p.j. planes maestros, planes de gestin de
congestin, planes estratgicos de sistemas inteligentes de transporte ITS, etc.).
Diseo: Esta fase incluye los proyectos financiados y aprobados que van a conllevar un
anlisis de alternativas o diseos preliminares para determinar la mejor opcin para su
Figura N 25. Criterio para seleccionar una categoria de herramienta de anlisis de trnsito
Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer, Publication No. FHWA-HRT-04-038, US Department of Transportation,
july 2004
Tabla N 13. Relevancia las categoras de anlisis de trnsito con respecto al contexto analtico
Instrumentos de Anlisis/Metodologas
Planeamiento
Diseo N/A
Operacin/Co
nstrucin
Notas:
Contexto especfico, generalmente dirigido por la metodologa o herramienta de anlisis correspondiente.
Algunas de las metodologas/herramientas de anlisis dirigidos a un contexto especfico y algunas no.
Metodologa o herramienta de anlisis particular que no esta dirigida por lo general a un contexto especifico.
N/A Metodologa en particular que no es apropiada para el uso en direccin al contexto especfico.
Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer, Publication No. FHWA-HRT-04-038, US Department of Transportation,
july 2004
3.2.1. Introduccin
Las estrategias empleadas en trfico sealizado se dividen en: estrategias de tiempo fijo y
estrategias de reaccin de trfico. Las estrategias de tiempo fijo requieren modelos hbridos
detallados con informacin estadstica en das, lugares y horas determinadas y son utilizados
para optimizar las fases y ciclos de las intersecciones semaforizadas.
Las estrategias de reaccin de trfico hacen uso de mediciones en tiempo real, usando sensores
de lazos inductivos y reconocimiento de patrones en cmaras digitales, lo cual requiere de
modelos simplificados para control de tipo caja negra y caja gris.
Dado que los modelos analticos son muy complejos, el anlisis y evaluacin de sistemas de
trfico vehicular se realiza con modelos de simulacin, que utilizan un enfoque microscpico
(Microscopic Traffic Simulation MITSIM), orientados a procesos de eventos discretos (Discret
Event Systems DES) y atributos de tiempo continuo.
Este reporte presenta una compilacin en el estado del arte de varias tcnicas de modelacin,
orientadas hacia la descripcin matemtica del trfico vehicular. De igual manera, se presenta un
resumen de herramientas para la medicin de variables de inters.
Este reporte no contiene, de ninguna manera, una descripcin detallada de las diferentes
tcnicas, sino ms bien es una compilacin de los resultados ms relevantes, al momento en la
descripcin matemtica de estos. [59]
El objetivo de este captulo es el de proveer al lector una resea de los modelos dinmicos ms
importantes y utilizados para simulacin de flujos de trfico vehicular. Se presentan modelos de
tipo macroscpico, microscpico (con diferentes variantes), con sus variables de inters.
Las teoras de flujo de trfico vehicular buscan describir de una manera matemtica precisa, las
interacciones entre los vehculos, sus operadores y la infraestructura. La infraestructura consiste
en las vas por donde pueden circular estos vehculos y todos sus elementes operacionales,
como por ejemplo semforos, sealizacin y otros.
El estudio cientfico del flujo vehicular tuvo sus inicios en 1930 con la aplicacin de la
probabilidad para la descripcin del trfico (Adams, 1936), y los estudios de Bruce Greenshields,
como por ejemplo el estudio de los modelos que relacionan volumen y velocidad (Greenshields,
1934) y el comportamiento del trfico en intersecciones (Greenshields, 1947). [52]
como Car-following, teora de ondas de trfico y teora de colas para la descripcin del flujo
vehicular. Algunos de los trabajos ms trascendentales durante esta poca son los de Reuschel
(1950a, 1950b, 1950c), Wardrop (1952), Pipes (1953), Lighthill y Whitman (1955), Newell (1955),
Webster (1957), Edie y Foote (1958) y Chandler et al. (1958).
Para finales de la dcada de 1950 y comienzos de los 60, la teora de flujo vehicular y su
importancia en la vida cotidiana, alcanz un punto en donde era necesario el organizar un
simposio, y es as como en 1959 se realiza el primer simposio internacional en teora de flujo
vehicular, en General Motors Research Laboratories.
La constante necesidad de obtener una mejor comprensin de los fenmenos del flujo de trfico
vehicular, es tan importante ahora como hace 50 aos. Con el advenimiento de herramientas
computacionales ms fuertes, ha sido posible estudiar fenmenos ms complejos, por su tamao
y carga computacional.
Los modelos de segundo orden considerados, consisten del siguiente conjunto de ecuaciones
diferenciales parciales, describiendo la evolucin tiempo-espacio de las variables de trfico
macroscpicas: flujo q = q(x,t), velocidad V = V(x,t) y densidad r = r(x,t). Se asume que el camino
considerado, no tiene rampas de entrada ni de salida.
r q
Ecuacin de conservacin vehicular : + =0 (48)
t x
V 1 P V V
2
V
Dinmica de velocidad : +V + = (49)
t x r x t
conveccin (cambios en la velocidad promedio en una celda muy pequea [x,x + dx] debido
a vehculos ingresando con diferente velocidad),
U F (U )
+ =S (50)
t x
r q 0
U = , F = , S = e (51)
q E ( q q ) /
Expresiones diferentes para el trmino presin de trfico P(r) producen diferentes modelos de
segundo orden. Unos pocos ejemplos son los siguientes:
1 r (t )
V = V f exp
e
(52)
rcr
F F U U
= =J (53)
x U x x
F 0 1
J= = (54)
U dP dr V 2 2V
Los valores propios de esta matriz J son usados para determinar las llamadas velocidades de
propagacin de onda.
Es obvio que la matriz Jacobiana del modelo tiene dos valores propios reales y distintos min
max. De aqu que el modelo constituye un sistema hiperblico.
Adicionalmente, se conoce que corresponde a cada valor propio una familia de ondas de
choque. Esta es una propiedad importante de los modelos de segundo orden.
Es conveniente enfatizar en las variables de inters que se utilizan en la modelacin del trfico
vehicular.
Variables de inters
Cumming (1963) clasific las varias actividades involucradas en el acto de conducir, y clasific al
conductor como un procesador de informacin. Esta seccin, presenta uno de los tantos
aspectos involucrados en el acto de conducir, el fenmeno de seguir a un vehculo en un solo
carril de la va (Car-following). [52, 58, 59, 60]
Este aspecto es relativamente importante e interesante de analizar por varias razones, entre las
que se destacan:
Es simple de analizar comparado con otros aspectos, como por ejemplo el hecho de cambiar
de carril.
El hecho de seguir a otro vehculo es una actividad muy comn cuando es difcil el rebasar al
vehculo enfrente en vas de mltiples carriles o cuando el trfico est restringido a caminos de
una sola va.
V
C = (1000) (55)
S
donde:
S = + v + V2 (56)
donde: las constantes , y toman diferentes valores y tienen la siguiente interpretacin fsica:
donde: af y at son las mximas desaceleraciones promedio del vehculo que sigue y del lder
(Harris, 1964).
Este modelo es en general aplicable en los casos en que el flujo vehicular circula en un solo
carril y en general mantiene la velocidad constante o con variaciones muy pequeas alrededor
de esta; es decir, describe el flujo en estado estable.
Los elementos dinmicos en las interacciones en el flujo vehicular fueron introducidos por
Reuschel (1950) y Pipes (1953), a los cuales les siguieron los de Kometani y Sasaki (1958) y una
serie de publicaciones realizadas por Herman y sus colaboradores que comenzaron en 1958.
La mayora de estos trabajos tenan una orientacin microscpica en la descripcin del flujo, y a
travs de esta se lograba una aproximacin hacia el comportamiento de todo el flujo vehicular.
Es de aqu de donde se establece que el modelo de Car-following es un nexo entre el
comportamiento individual entre vehculos y el de una cola y sus propiedades de flujo y
estabilidad.
El modelo de Car-following asume que existe una correlacin entre los vehculos en un rango de
distancia en la cual puede existir una interaccin entre ellos. Normalmente el modelo de Car-
following tiene una validez entre los 0 y 250 metros de distancia entre el lder y el que le sigue
(Rothery, 1997).
El hecho de conducir un vehculo en un solo carril puede ser categorizada en los siguientes
aspectos:
Percepcin: El conductor adquiere informacin relevante del movimiento del vehculo que
circula enfrente. Generalmente esta informacin es la velocidad, aceleracin o
desaceleracin y sus derivadas de orden superior (jerk), y la distancia entre los vehculos.
Al momento, no est claro como el conductor realiza todas estas funciones. Muchas de las
preguntas ms importantes yacen en el factor humano, siendo este el ms difcil de describir
adecuadamente.
Estas dos condiciones se pueden lograr si el conductor mantiene una pequea velocidad
promedio relativa, Urel, en intervalos de tiempo cortos. Es decir:
t + t
1 2
U rel (t )dt
t t t
U l U f = U rel = (58)
2
Desde un punto de vista prctico, para fines de simulacin, lo ms recomendable como se dijo
anteriormente es representar al conductor como:
Respuesta = Estimulo
Dadas las condiciones del vehculo, la respuesta del conductor ser su comando en la
aceleracin del vehculo, y el estimulo su percepcin de la velocidad relativa entre los dos
vehculos, de tal manera que un modelo muy simple y muy utilizado de Car-following se reduce
a:
[
&x&(1 + T ) = x&l (t ) x& f (t ) ] (59)
donde: x son las distancias relativas a un punto de referencia tanto del vehculo lder y del que le
sigue, y T es el tiempo de respuesta del conductor. Un diagrama equivalente del modelo se
presenta en la Figura N 26.
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Como en todo modelo dinmico de un sistema, es importante el llevar a cabo algunos anlisis,
entre los que se destacan el de estabilidad. La estabilidad de un sistema puede ser analizada
desde varios puntos de vista Rothery (1997), presenta el anlisis de la estabilidad asimpttica y
local del modelo.
Anlisis de Estabilidad
Estabilidad Local
Este anlisis consiste en determinar las posiciones de los polos del sistema, realizando un
anlisis en el dominio de Laplace. Tomando t = T, el modelo se simplifica a:
[
&x&( +1) = C x&l ( ) x& f ( ) ] (60)
donde: C = T.
De este anlisis, se puede llegar a concluir que en general una buena aproximacin para el valor
de es (eT)-1.
Estabilidad Asinttica
Cualquier solucin depende especficamente del comportamiento del primer vehculo en la lnea
de carros, y de los parmetros y T.
v
Dn (v ) = L 1 + (62)
16.1
n
Para el siguiente modelo se adiciona el parmetro T, conocido como tiempo de reaccin, el cual
considera los siguientes tiempos que estn presentes en el comportamiento del conductor, el
cual no fue considerado en el modelo anterior, estos son:
v2
Dn (v ) = Ln + T v + (63)
2u g
Otro modelo que se obtiene si se incluye una distancia mnina dmin entre los vehculos que es un
valor constante y un factor de riesgo de la velocidad F (Jepsen 1998).
La distancia mnima es la que se tiene entre dos vehculos parados cuando hay congestin.
Para este tipo de modelo la Respuesta est representada por la aceleracin o desaceleracin del
vehculo siguiente, la diferencia de velocidades entre el vehculo predecesor y el vehculo
siguiente representa el Estmulo (Dextre J. y Carrasco L.).
Existen 5 modelos basados en este principio, la diferencia de estos est en la manera como se
representa la Sensibilidad.
Primer modelo:
Desarrollado en 1958 por Chandler, Herman y Montroll, utiliza un valor constante de sensibilidad,
los valores que puede tomar la sensibilidad fueron determinados experimentalmente, stos se
pueden observar en la Tabla N 14, por lo tanto la ecuacin que representa este modelo es:
a n (t + T ) = [Vn 1 (t ) Vn (t )] (65)
donde:
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Segundo Modelo:
Para este modelo se considera dos valores diferentes de sensibilidad, los cuales dependen de la
distancia de separacin entre los vehculos, 1 para cuando la distancia es corta y 2 cuando la
distancia es larga y la relacin entre estos valores es 1 > 2 . Esto quiere decir que los
conductores son ms sensitivos cuando la distancia de separacin de los vehculos es pequea.
a n (t + T ) = i [Vn 1 (t ) Vn (t )] i =1 2 (66)
Tercer modelo:
0
a n (t + T ) = [Vn1 (t ) Vn (t )] (67)
X n 1 (t ) X n (t )
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Cuarto Modelo:
Si se que considera la velocidad del trfico aumenta, el conductor del vehculo siguiente estar
mas sensitivo a la velocidad del vehculo precedente
[Vn (t + T )]
a n (t + T ) = [Vn1 (t ) Vn (t )] (68)
X n 1 (t ) X n (t )
donde:
= valor no dimensional
Vn (t + T) = velocidad del vehculo siguiente en el instante t + T.
Quinto Modelo:
Este modelo representa el comportamiento del flujo de trfico asumiendo que todos los
conductores tienen el mismo comportamiento y que todos los vehculos tienen las mismas
caractersticas. Los parmetros l, m debern ser estimados.
cl , m [Vn (t + T )]
m
an (t + T ) = [Vn1 (t ) Vn (t )] (69)
[X n1 (t ) X n (t )]l
Para este modelo se hace uso de la psicologa perceptual para mostrar que los conductores son
sujetos a ciertos lmites en sus percepciones de los estmulos a los que ellos responden.
Los modelos con enfoque psicolgico han servido de base para los nuevos modelos de
microscpicos de simulacin.
describe la conducta de los conductores mediante reglas if then, como tambin las
caractersticas de los vehculos, posicin, velocidad y aceleracin que son calculados para cada
vehiculo en cada nstate de tiempo.
La modelacin del cambio de carril esta basado en el proceso del hueco o brecha aceptada
(gap-acceptance). [52, 55, 56, 59, 60] Un vehculo puede cambiar de carril si la brecha disponible en el
carril objetivo es ms grande que el hueco crtico (critical gap). Tpicamente, se modelan tres
tipos cambios de carril:
1. Un cambio de carril obligatorio, ocurre cuando se requiere que el vehicul salga del carril
actual. El empalme desde una rampa hacia una va expresa en un ejemplo de cambio de
carril obligatorio. Un vehculo debe ejecutar un cambio de carril bajo ciertas condiciones:
2. Un cambio de carril discrecional, ocurre cuando un vehculo cambia de carriles para mejorar
su posicin (p.j. viajar a una velocidad deseada). Si un conductor esta impedido en el carril
actual por el lento movimiento del vehculo de en frente, ste podra considerar el cambio de
carriles para mejorar su posicin. La lgica del cambio de carril determina cul de los carriles
adyacentes (su hubiera mas de uno disponibles) es el mejor candidato. Para ser candidato,
la canalizacin del carril debe acomodar el vehculo en cuestin, libre de obstculos y que no
est prximo a terminarse. El cambio de carril se realiza con la disponibilidad de brechas en
el carril candidato y la aceptacin de estas brechas por el vehculo en cuestin.
En una red vial de superficie, los cambios de carril discrecional pueden ocurrir debido a
varios factores de impedancia percibidos por el conductor, incluyendo:
El cambio de carril tiene lugar sobre un periodo de tiempo finito. Durante este periodo de
tiempo, el conductor que esta cambiando de carril puede ajustar su posicin con
respecto al nuevo lder por desaceleracin.
El nuevo seguidor podra cooperar con el conductor que esta cambiando de carriles por
desaceleracin para incrementar el tamao del hueco o brecha.
La lgica del modelo de cambio de carril y los parmetros tiene implicaciones importantes para el
desempeo del trfico, especialmente para empalmes en vas expresas y reas de
entrecruzamientos. Adicionalmente, el tiempo asumido para la terminacin de las maniobras de
cambio de carril afecta el desempeo del trfico, porque el vehculo ocupa ambos carriles (el
original y el carril objetivo) durante este intervalo de tiempo. Adems, solo es permitido un
cambio de carril por intervalo de simulacin.
Modelos de colas
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Interesa cual es el intervalo de tiempo entre las llegadas de dos usuarios consecutivos. Adems,
segn sea el proceso de llegadas, los usuarios pueden llegar individualmente o en grupos. Si,
cuando un usuario llega al sistema, el servidor est libre, se le da servicio. Si el tiempo de
servicio es mayor que el intervalo entre llegadas, el siguiente usuario, cuando accede al sistema,
encuentra que el servidor est ocupado, por lo que debe quedar en espera formando la cola.
Pn (t ) = e t
(t )n (70)
n!
Entonces, la probabilidad de que el tiempo entre llegadas sea T (que es igual a la probabilidad
de que no haya ninguna llegada en un intervalo de duracin T) es:
P (t T ) = P0 (t ) = e T (71)
P(t T ) = 1 e T (72)
Que es una ley de distribucin exponencial, bajo estas condiciones, el valor medio de intervalo
entre llegadas ser:
E [T ] =
1
(73)
donde:
Por ejemplo, el bien conocido modelo M/M/1, significa: Tipo de distribucin del tiempo entre
llegadas: Proceso Markoviano de tipo Poisson-exponencial., Tipo de distribucin del tiempo de
servicio: proceso Markoviano, Nmero de servidores: 1
Es importante considerar las variables asociadas a un sistema de colas, que son del tipo:
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
donde:
entonces:
= = tasa de llegadas por unidad de servicio (74)
Modelo M/M/1
Aplicando continuidad se tiene las ecuaciones que describen la dinmica que describen la
dinmica del sistema M/M/1 con un proceso Poisson (Kleinrock L., 1975):
dPk (t )
= (k + uk )Pk (t ) + k 1Pk 1 (t ) + uk +1Pk +1 (t ) k 1 (75)
dt
dP0 (t )
= 0 P0 (t ) + u1P1 (t ) k = 0 (76)
dt
[ ]
Pk = e ( + u )t (k i ) / 2 I k i (at ) + (k i 1) / 2 I k + i +1 (at ) + (1 ) k j k + i + 2 j / 2 I j (at )
(77)
donde: a = 21/2,
I k (x ) =
(
x / 2)
k + 2m
k 1 , es la funcin de Bessel
m = 0 (k + m )!m!
Como se puede apreciar, considerando tan solo un nodo, con una llegada, una cola y un servicio
(una interseccin unidireccional), la solucin aunque muy compleja se la puede obtener
analticamente, por lo que se puede manejar un modelo simplificado con la solucin en equilibrio,
dada por:
k 1
i
pk = lim pk (t ) pk = p0 , k = 0,1,2,.... (78)
t ui +1
i =0
donde:
1 k
p0 = , p k +1 = pk
k 1
i u k +1
1 +
k =1 i = 0 u1+ i
/u
donde: pk = (1 ) k , N = /(1 ) , N2 = /(1 ) 2 , W =
1
Una variante para la modelacin de flujo vehicular, se representa en la Figura N 29, que se
puede representar por el esquema de la Figura N 30 (Gonzlez J., et al).
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
En esta investigacin, segn la literatura, los procesos de trfico son de tipo Makroviano, con
una distribucin exponencial, en la que se cumple: E[N] = var(N) = 1/u, (para Poisson
exponencial).
Una forma simple de analizar el comportamiento del sistema de trfico de la Figura N 29, en
estado estacionario, es la siguiente:
A cada cruce se le asigna un estado, que indica la cantidad de autos en cola, es decir, autos que
llegan al cruce menos los autos que dejan el cruce, los autos que se encuentran en el camino al
cruce se identifican por medio de un estado intermedio, se consideran para este estado los autos
que se encuentran en la calle que conecta al cruce y que aun no han llegado a l. Las salidas de
una interseccin se miden con el tiempo de paso de cada coche por esta interseccin.
Finalmente se cuentan los autos que salen del cruce y que pasan a formar parte del estado
intermedio de la siguiente interseccin, se asume un tiempo instantneo del paso del estado
intermedio a la entrada al cruce y la llegada de los autos es simulada por medio de una
distribucin de Poisson y un contador de salidas al final de la serie de cruces.
Redes de colas
Se consideran distintos tipos de colas, para la aplicacin que se realice en este proyecto, se
mencionan sistemas de colas abiertos del tipo Feed Forward Queueing Networks (FFQNs), en
los cuales, las colas pueden ser ordenadas de tal forma que los vehculos fluyen de la cola i
hacia la j (i < j). Estas redes de colas son cclicas.
Se considera el caso simple de FFQNs constituidas por M/M/1, en las cuales se tiene una tasa
de llegadas y de servicios, operando en estado estable, esto es = 1 .
u
Fuente: Modelacin, Simulacin y Control de Trfico Vehicular MSCTV, Reporte No.1. Estado del Arte en Modelacin, Anlisis de Trfico
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Junio 2006
Para el caso de tener series de colas M/M/1, de acuerdo con lo analizado anteriormente, en
estado estable, la probabilidad de tener i vehculos en la cola est dado por:
pi = Pr {N = i} = (1 ) i , i N (79)
Puesto que no hay salidas desde QN, ni llegadas hacia QN entre cualquiera de dos colas, la tasa
de llegada en cualquier cola i es . Adicionalmente cualquier salida de la cola i (i = 1, , M-1),
resulta en una llegada en la cola (i + 1). Se puede mostrar un diagrama de transicin de estados,
lo que da lugar a cuatro tipos de estados diferentes: estado (0,0), estado (i, 0), estado (0, j) y
estado (i, j). Puede demostrarse que:
pi , j = (1 l )l x(1 2 ) 2j
i
(80)
TSIS-CORSIM [81]
Traffic Software Integrated System desarrollado por la Federal Highway Administration FHWA
de los Estados Unidos a travs de tres dcadas, es una coleccin de herramientas
computacionales, que son utilizadas por los Ingenieros de Trnsito y los investigadores.
Originalmente, fue desarrollada como una simple estructura alrededor del CORSIM, TSIS ha
evolucionado dentro de un sofisticado juego de herramientas para los profesionales del
transporte. Se ha incrementado el conocimiento de la teora del flujo de trnsito, mediante
mejoras continuas en las operaciones de trnsito como resultado de la verificacin y validacin
de los diseos propuestos.
TRANSYT 7F [80]
TRANSYT 7F tiene dos modelos de trnsito basados en demoras. El primer modelo (modelo
original) realiza la optimizacin de manera inteligente, optimizando los tiempos de ciclo una vez
por cada enlace. Este modelo no cuenta exactamente la composicin de la cola vehicular,
porque la trata como pelotn que llega a la lnea de parada. Sin embargo, trabaja bien bajo
condiciones de trnsito sobresaturado.
Usuarios en todo el mundo han validado ampliamente este modelo. El segundo modelo
incorporado recientemente ha corregido con las limitaciones del primer modelo. Este modelo
toma en consideracin la formacin y la disipacin de la cola del flujo vehicular en el espacio.
Adems, toma en cuenta las interacciones con el flujo de trnsito en enlaces adyacentes, a
travs de un anlisis paso a paso de todos los enlaces del sistema.
Conceptualmente, este modelo esta mejor diseado para el anlisis y optimizacin de vas
congestionadas y sobresaturadas. Consecuentemente, esto requiere de mayor tiempo de
trabajo. Hasta hace poco, la principal deficiencia de TRANSYT 7F ha sido su incapacidad de
optimizar secuencias de fase semafrica. A partir de la versin 9 de TRANSYT 7F lanzada el ao
2002, esta deficiencia fue eliminada a travs de la incorporacin de un algoritmo de optimizacin
conocido como GA-based. TRANSYT 7F modela semforos actuados que se autorregulan con
relacin al volumen de trfico (actuated) y pre-establecidos (pre-timed), y tiene la capacidad de
modelar medios y dobles ciclos semafricos.
Synchro [79]
PASSER V [70]
PASSER V-03 es la ltima versin de la serie de programas PASSER desarrollados por el Texas
Transportation Institute TTI, para el anlisis de tiempos de ciclo semafricos en intercambios
tipo diamante (dos semforos paralelos). El programa posee una interfase grfica que se integra
con la mejor tecnologa de optimizacin disponible en la actualidad. Aunque el programa se
enfoca en la coordinacin de dos o ms semforos en una va principal, tambin provee
caractersticas bsicas para el anlisis de semforos en intersecciones aisladas. PASSER V
puede desarrollar tiempos de ciclo semafrico que maximicen la progresin del trfico o
minimicen las demoras en el sistema. Su simulacin de trnsito puede analizar condiciones de
trfico no saturadas y sobresaturadas a lo largo de una va semaforizada.
3.3.1. Introduccin
El programa Next Generation Simulation (NGSIM) [68] es una parte de esta actividad de
desarrollo. En el compromiso con el programa, la FHWA esta actuando como facilitador del
mercado, que gestiona los recursos pblicos y los destina al programa, estimulando el mercado
comercial de modelacin por la promocin de un ambiente de cooperacin publica y privada.
Conjunto de datos del mundo real con sus correspondientes descripciones, los cuales
servirn para estimar y validar los algoritmos de ncleo. La comunidad de simulacin de
trnsito tambin podr usar esta informacin como fuente para ayudar en la verificacin y
calibracin de los modelos existentes.
Para ayudar en el desarrollo de estos productos, se formaron tres equipos de soporte tcnico
(stakeholders):
Cada equipo tcnico esta compuesto por aproximadamente 15 miembros. Los grupos se renen
en persona una vez por ao, realizan conferencias a distancia bimensuales y mantienen
comunicacin ms frecuente por e-mail o por la pgina web del NGSIM
(www.ngsim.fhwa.dot.gov).
El diseo general del programa NGSIM se muestra en la Figura N 32. Primero el equipo NGSIM
y los grupos de trabajo (stakeholders) realizan una evaluacin detallada de la demanda y la
oferta de software de microsimulacin de trnsito. El resultado de esta evaluacin ha sido
presentado en dos informes: Core Algorithm Categories and Prioritization y Core Algorithm
Assessment. Luego, el sistema NGSIM fue diseado en alto nivel. El resultado de este diseo
fue presentado en el plan de datos de alto nivel (high level data plan), la validacin y verificacin
de alto nivel (high-level validation and verification plan) y el plan de algoritmo (algorithm plan).
En paralelo, la infraestructura del proyecto NGSIM fue montada incluyendo el plan de formatos
de datos (data formats plan) y la pgina web NGSIM.
Los conceptos descritos en este texto han sido revisados en una recoleccin de prototipo de
datos y desarrollo/validacin de algoritmos (prototype data collection and algorithm
development/validation). [68]
Esta tarea se enfoca en identificar las categoras del algoritmo de ncleo de comportamiento del
viajero en la simulacin de trnsito, y priorizando estas categoras en trminos de las reas de
investigacin requeridas para mejorar la calidad y el desempeo de las herramientas de
simulacin.
Las conclusiones y recomendaciones del NGSIM se pueden resumir en tres grandes reas:
La evaluacin concluye con un estudio de las formas en las cuales los factores de influencia son
representados por la clave de los modelos de comportamiento (aceleracin, cambio de carril y
eleccin de ruta) en los sistemas de simulacin existentes.
En general, la evaluacin indica que muchos factores son representados dbilmente en los
sistemas tpicamente por aproximaciones y no directamente en el comportamiento de los
viajeros en si mismos.
Futuras investigaciones deben incorporar directamente las influencias dentro del comportamiento
operacional, para que los efectos (como la reduccin de velocidad en una seccin vial cerca de
un incidente) emerjan directamente y sin la configuracin del usuario.
La recomendacin principal en este plan es para NGSIM de recolectar y consolidar data original
mediante procesos y tecnologas emergentes. El programa NGSIM trabajar juntos con las
Esta recomendacin equilibra los diversos requerimientos del proyecto y de los stakeholders con
una evaluacin cuidadosa y realista de los esfuerzos de obtener data existente y de las
tecnologas disponibles para el uso del NGSIM.
El equipo NGSIM revis los conjuntos de datos de trfico en trminos de nivel de detalle (como
aproximar el conjunto de datos a la realidad) y cobertura (cuan diversa y distante de la realidad
es la captura de datos). Usando este esquema, los estudios y evaluaciones fueron dirigidos a la
trayectoria vehicular, instrumentacin vehicular y esfuerzos en recoleccin de datos agregados.
Los esfuerzos en recoleccin de datos de trayectoria vehicular usan video de trfico y software
de reconocimiento avanzado de objetos para seguir automticamente la ubicacin precisa del
vehculo (con una precisin de un pie o menos), de cada vehiculo en una base de sub-segundos.
Los esfuerzos actuales han logrado relativa alta efectividad en la deteccin, las cuales requieren
alguna transcripcin manual para asegurar los ndices apropiados de captura vehicular.
A pesar de estas inquietudes, los esfuerzos de recoleccin de datos de trayectoria en curso, han
resuelto el proceso bsico y el cambio de tecnologa; y, por consiguiente, ofrecen el mayor
potencial de recoleccin de datos a los participantes del NGSIM.
Primero, el programa de recoleccin de datos en vas expresas debe incluir, tanto datos de
trayectoria vehicular como datos de un detector de rea amplia para investigacin de
algoritmos operacionales y tcticos,
Segundo, el programa de recoleccin de datos en vas arteriales debe incluir, tanto datos de
trayectoria vehicular como datos de un detector de rea amplia para investigacin de
algoritmos operacionales y tcticos; y
Esta plan evita intencionalmente la sobre especificacin de formatos de datos, minimizando las
cuestiones innecesarias en la investigacin. Los formatos de datos de NGSIM se direccionan
sobre:
Formatos de intercambio de datos NGSIM, el cual define cmo debera ser transferida la
data de usuario a usuario o de la base de datos al usuario.
1 Metadatos (del griego , meta, despus de y latn datum, lo que se da, dato), literalmente sobre
datos, son datos que describen otros datos. En general, un grupo de metadatos se refiere a un grupo de datos,
llamado recurso. El concepto de metadatos es anlogo al uso de ndices para localizar objetos en vez de datos. Por
ejemplo, en una biblioteca se usan fichas que especifican autores, ttulos, casas editoriales y lugares para buscar
libros. As, los metadatos ayudan a ubicar datos. Wikipedia.
El rea de estudio es una seccin vial muy transitada, la Interestatal 80 del norte de California.
Esta va tiene aproximadamente 4.5 millas de longitud (7.2 km. aproximadamente), y cuenta con
6 carriles, incluyendo 4 carriles para flujo mixto, uno de alta ocupacin vehicular HOV y un carril
auxiliar. Para el prototipo de estudio, tanto el video de trayectoria vehicular y el detector de datos
fueron recolectados de dos horas y media en periodo de mxima demanda. Una parte del rea
de estudio se muestra en la Figura N 34.