Cap Ii Tit 3.teoria de La Simulacion de Tto PDF

SIMULACIN MICROSCPICA DE TRNSITO PARA COORDINACIN DE SEMFOROS EN PROGRESIN
EN VIAS URBANAS
3. TEORA DE LA SIMULACIN DE TRNSITO
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.
La simulacin se aplica mediante un modelo simblico en cuya elaboracin se pueden utilizar

complicados procedimientos matemticos que veremos de manera general ms adelante. Por
esta razn, los modelos de simulacin en ingeniera de trnsito son del tipo pragmtico, porque
solo se requiere los conocimientos tericos y el ingenio que suele tener un ingeniero.
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.
El proceso de simulacin emplea ordinariamente un gran nmero de operaciones aritmticas que

imponen el uso de una computadora para ejecutarlas. Por esta razn, los modelos de simulacin
se orientan hacia su definicin con programas informticos.
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.
En algunos modelos el sistema representado se actualiza a intervalos de tiempos fijos (un

segundo, 10 segundos, etc.). A estos intervalos se le ha llamado pasos y al procedimiento
simulacin por pasos. Otros modelos se actualizan solamente cuando ocurre un cambio
importante que denominamos seceso (llegada de un vehculo, comienzo de una obstruccin,
etc.), aplicando lo que se denomina simulacin por sucesos. Esta ltima actualizacin, aunque
difcil de concebir, resulta generalmente ms eficiente que la de pasos, pero cuando el sistema
Captulo 3. Teora de la simulacin de trnsito 94

EN VIAS URBANAS
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.
Acorde al tipo de problema a resolver, los simuladores se centran en reproducir problemas a

nivel de intersecciones, vas y redes de carreteras. Si bien, la mayora de los simuladores tratan
problemas relativos a ms de uno de estos aspectos tpicamente tienden a focalizar en uno de
ellos, en funcin a la informacin que se pretenda obtener.
En investigacin terica, uno de los casos ms patentes es el anlisis de seguimiento de

automviles. En estos modelos existe una ecuacin diferencial que gobierna el movimiento de
cada vehculo independientemente del resto. La resolucin de problemas de seguimiento de
automviles, as como el anlisis de intersecciones, son las cuestiones bsicas con mayor
estudio en teora de flujos de mviles y simulacin, que siguen bajo activo anlisis desde hace
40 aos. [41]
El problema de simulacin tradicional con orientacin prctica en el anlisis de trnsito de

carreteras y calles est relacionado a flujo de trnsito, es decir, a las caractersticas
operacionales y de capacidad de las facilidades del sistema. Otros objetos de continuo anlisis y
estudios de simulacin son los retrasos y longitudes de colas en las intersecciones.
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.

EN VIAS URBANAS
En el anlisis de flujo de trnsito, la simulacin de autopistas es ms comn que la simulacin de

calles ordinarias de dos carriles con sentidos inversos. Una de las razones es que en el entorno
de las vas de dos carriles debe modelarse las interacciones entre vehculos que viajan en
distintas direcciones.
El manejo de los volmenes de mviles y de los adelantamientos no dependen slo de la

situacin del trnsito, sino tambin del entorno de la carretera (permisos de traspaso entre
carriles, distancias de visibilidad y otros) lo cual lo vuelve un sistema mucho ms complicado
an.
En el rea de la seguridad del trnsito an no se han conseguido importantes resultados debido

a que los esfuerzos en la programacin de simuladores de trnsito tradicionales estn centrados
en evitar las colisiones. Estos esfuerzos se contraponen a cualquier intento de simulacin de
seguridad de trnsito. No existe formalmente ninguna aproximacin general a la solucin de este
conflicto ni tampoco herramientas que permitan combinar resultados de simulacin tradicional
con factores inherentes a la seguridad en las carreteras.
El desarrollo de la simulacin de trnsito apunta tambin a un rea nueva, emergida

recientemente a travs de la simulacin, llamada estimacin de demanda, y de esta nace la
simulacin de demanda de viajes. Esta es un rea donde la tradicin analtica ha pasado del
modelado por agregacin a modelos individuales desmenuzados. [46]
En la simulacin de demandas, el objetivo es el de reproducir el patrn de viajes (en cantidad,

momento del da, motivo, patrn origen-destino y uso de rutas) de la poblacin de un rea por la
extrapolacin del comportamiento de los individuos.
3.1.1. Generalidades del proceso de anlisis del transporte
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 VIAS URBANAS
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:
Evaluacin, simulacin u optimizacin de las operaciones de las facilidades de los sistemas

de transporte.
Modelacin de las operaciones existentes y prediccin de los productos probables para

propsitos de alternativas de diseo.
Evaluacin de contextos analsticos variados que incluyen planificacin, diseo y proyectos

de construccin y operacin de movilidad urbana.
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.
Un proyecto de mejoramiento en transporte atraviesa varias fases que incluyen la planificacin,

el desarrollo del proyecto, la implementacin, la evaluacin operacional post-implementacin y la
modificacin (si fuese necesario).
Como se muestra en la Figura N 23 cada una de estas fases requiere diferentes metodologas
de anlisis y herramientas.

EN VIAS URBANAS
Una etapa inicial en la planificacin del proyecto usualmente involucra la aplicacin de un

esquema de planificacin o tcnicas de modelacin de la demanda de viajes. Estas
metodologas ayudan a las autoridades a tener un panorama de las diferentes necesidades de
mejoras en transporte; de las cuales, se deben seleccionar las ms importantes. Etapas
posteriores (como desarrollo del proyecto o modificaciones post-implementacin), usualmente
conllevan la aplicacin de tcnicas ms detalladas y rigurosas, como la simulacin y/o la
optimizacin.
Figura N 23. Perspectiva general del proceso de anlisis de transporte
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

EN VIAS URBANAS
3.1.2. El rol de las herramientas de anlisis de trnsito
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:
Mejorar el proceso de toma de decisiones. Las herramientas de anlisis de trnsito

ayudan a los evaluadores a arribar a la mejor decisin de planificacin o de ingeniera, en un
complejo escenario de problemas de transporte. Se utilizan para estimar el impacto del
desarrollo de estrategias de gestin de trnsito y ayudar a seleccionar las prioridades en la
ejecucin de proyectos. Asimismo, pueden proveer una aproximacin consistente para
comparar alternativas de mejoras potenciales.
Evaluar y priorizar alternativas operacionales o de planificacin. Esto tpicamente

involucra la comparacin de las condiciones sin proyecto con cada alternativa, las cuales
incluyen varios tipos de mejoras potenciales. Los impactos son reportados como medidas de
desempeo y son definidos como la diferencia entre la condicin sin proyecto y cada
escenario de alternativa. Los resultados se pueden utilizar para seleccionar la mejor
alternativa o priorizar mejoras, aumentando las posibilidades de tener un desarrollo exitoso.
Mejora en el diseo, tiempo de evaluacin y costos. Las herramientas de anlisis de

trnsito son relativamente menos costosas cuando son comparadas con estudios piloto,
experimentos en campo o costos de implementacin total. Adems, las herramientas
analticas se pueden usar para evaluar mltiples combinaciones de desarrollos u otros
escenarios complejos en relativamente poco tiempo.
Reduccin de la interrupcin del trfico. La gestin del trnsito y herramientas de control,

se dan en muchas formas y opciones, y las herramientas analticas proveen una forma muy
econmica de estimar los efectos antes del desarrollo completo de la estrategia de gestin.
Se podran usar para realizar pruebas iniciales de los conceptos de sistemas de gestin del
transporte sin la inconveniencia de un experimento en campo.
Estrategias de marketing/presentacin al pblico/inversionistas. Algunas herramientas

de anlisis de trnsito tienen excelente animacin grfica, la cual puede ser utilizada como
una estrategia de escenarios que pasa si al pblico y/o inversionistas.

EN VIAS URBANAS
Operacin y gestin de la capacidad vial existente. Algunas herramientas proveen

capacidades de optimizacin, recomendando el mejor diseo o estrategia de control para
maximizar el desempeo de la facilidad de transporte.
En el caso de la presente investigacin, el software que utilizaremos y que ampliaremos en

el Captulo III, cuenta con un algoritmo de optimizacin de ciclos semafricos para el mejor
desempeo de las intersecciones que vamos a evaluar.
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]
3.1.3. Categoras de las herramientas de anlisis de trnsito
A la fecha, se han desarrollado numerosas metodologas y herramientas de anlisis de trnsito

por parte de agencias pblicas de los pases desarrollados, organizaciones de investigacin y
consultores. Las herramientas de anlisis de trnsito pueden ser agrupadas en las siguientes
categoras:
Herramientas de planificacin inicial. Las metodologas y herramientas de planificacin

inicial, producen estimaciones de magnitud general sobre demanda de viajes y operaciones
de trnsito en respuesta a las mejoras en el transporte. Esto permite la evaluacin de
proyectos especficos o alternativas, sin conducir a un anlisis de ingeniera profundo. Como
las tcnicas se usan de manera primaria para preparar presupuestos y propuestas
preliminares, no se consideran como substituto de un anlisis detallado de ingeniera, que
luego se necesita en el proceso de implementacin del proyecto.
Modelos de demanda de viajes. Los modelos de demanda de viajes poseen capacidades

especficas de anlisis, como la prediccin de la demanda de viajes y la consideracin de
eleccin de destino, eleccin de modo, eleccin de hora de viaje, eleccin de ruta y la
representacin del flujo de trfico en la red vial. Estos son modelos matemticos que
pronostican la demanda de viajes futura basada en las condiciones actuales y proyecciones
futuras de viviendas y caractersticas del empleo. Los modelos de demanda de viajes fueron
desarrollados originalmente para determinar los beneficios y los impactos de las mejoras en
una va principal en reas metropolitanas. Sin embargo, no fueron diseados para evaluar
estrategias de gestin de viajes como sistemas inteligentes de transporte (ITS) y estrategias
operacionales. Los modelos de demanda de viajes solo tienen capacidades limitadas para

EN VIAS URBANAS
hacer aproximaciones en la estimacin de cambios en las caractersticas operacionales

(como la velocidad, demoras y colas) resultado de la implementacin de las estrategias
ITS/operacionales. Esta incapacidad generalmente ocurre debido a la pobre representacin
de la naturaleza dinmica del trfico en los modelos de demanda de viajes.
Herramientas analticas/determinsticas (basados en HCM). La mayora de las

herramientas analticas/determinsticas implementan los procedimientos del Manual de
Capacidad Vial (HCM ltima versin 2000). Estas herramientas rpidamente predicen la
capacidad, densidad, velocidad, demoras y colas de una variedad de facilidades de
transporte y son validadas con data de campo, pruebas de laboratorio, o experimentos de
menor escala. Estas herramientas son buenas para analizar el desempeo de facilidades de
transporte aisladas o de pequea escala; sin embargo, son limitadas en su habilidad de
analizar redes o efectos en el sistema de transporte.
Herramientas para optimizacin de semforos. Las herramientas de optimizacin de

semforos son diseadas principalmente para desarrollar fases de semforos y planes de
tiempo ptimos para intersecciones aisladas, vas arteriales o redes de semforos. Estas
pueden incluir clculos de capacidad, longitud del ciclo, optimizacin de repartos, volteos a la
izquierda, y coordinacin de planes de desfase. Algunas herramientas de optimizacin
tambin se pueden utilizar para optimizar ndices de distancia de rampas para vas expresas.
Una de stas herramientas es la que utilizaremos para la modelacin de trnsito de la

presente investigacin, y que detallaremos en el Captulo III.
Modelos de simulacin macroscpica. Los modelos de simulacin macroscpica estn

basados en las relaciones determinsticas del flujo y la densidad de la corriente de trfico. La
simulacin en un modelo macroscpico tiene lugar en un tramo bsico ms que en
trayectorias de vehculos individuales. Los modelos macroscpicos demandan
considerablemente menos requerimientos computacionales que los modelos microscpicos.
Estos no tienen la capacidad de analizar mejoras en el transporte con mucho detalle como
los modelos microscpicos.
En el simulador macroscpico los movimientos de los vehculos estn basados en funciones

de volumen demora que dependen de la clasificacin del sistema de vas. La operacin del
sistema semafrico no se modela explcitamente en los modelos mesoscpico y
macroscpico. Ms bien, los planes semafricos se convierten en capacidades equivalentes
para los movimientos de giro.

EN VIAS URBANAS
Antes de que los vehculos ingresen o salgan de un segmento se examina la restriccin de

capacidad o el efecto de las colas, de manera que se formarn colas cuando no exista
capacidad suficiente en el sentido del trfico. Se utiliza aun una metodologa basada en el
tiempo, pero las medidas del tiempo no necesitan ser tan precisas en este tipo de
simulaciones. [79]
Modelos de simulacin mesoscpica. Los modelos de simulacin mesoscpica combinan

las propiedades tanto de los modelos macroscpicos como los microscpicos (que veremos
a continuacin). Como en los modelos microscpicos, en los modelos mesoscpicos la
unidad del flujo de trfico es el vehiculo individual. Su movimiento, sin embargo, sigue la
aproximacin de los modelos macroscpicos y esta gobernado por la velocidad promedio de
viaje del enlace.
En el simulador mesoscpico, los vehculos son reunidos en clulas y corrientes de trfico y

sus movimientos estn basados en capacidades y funciones de velocidad-densidad
predefinidas.
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.
Modelos de simulacin microscpica. Los modelos microscpicos simulan en movimiento

de vehculos individuales basados en las teoras de seguimiento vehicular y de cambio de
carriles. Tpicamente, los vehculos entran a la red de transporte usando una distribucin
estadstica de llegadas (un proceso estocstico) y son rastreados a travs de la red en
pequeos intervalos de tiempo (p.j. 1 segundo o una fraccin de segundo). Tpicamente, al
entrar, cada vehiculo es asignado a un destino, un tipo de vehiculo y un tipo de conductor.
El tiempo de clculo y los requerimientos de almacenamiento para los modelos

microscpicos son grandes, usualmente se limitan el tamao de la red y el nmero de
corridas de la simulacin que se pueden completar.
En un simulador microscpico, los vehculos pueden variar sus caractersticas fsicas o de

rendimiento y puede ser adecuado a las necesidades del usuario. Se simula en detalle la
aceleracin, desaceleracin, intervalo entre vehculos, cambios de carril, confluencias e

EN VIAS URBANAS
incorporaciones, situaciones que pueden ser afectadas por el comportamiento del conductor,
las caractersticas del vehculo o la geometra de la va. [79]
Modelo de simulacin submicroscpica. Describe el mismo comportamiento que el

anterior y adiciona al modelo mayores especificaciones sobre los vehculos.
En la Figura N 24, encontraremos de manera grfica los conceptos vertidos sobre los
modelos de simulacin del trnsito.
Figura N 24. Descripcin de los modelos de simulacin de 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:
Por la escala de la variable independiente. Los modelos de trfico describen sistemas

dinmicos, es as que se pueden clasificar dependiendo de la escala de tiempo. Un modelo
continuo describe estados continuos del sistema de trfico en respuesta a un estmulo
continuo. Los modelos discretos asumen que los cambios de estado son en instantes
discretos de tiempo. Tambin es posible encontrar modelos, donde se tiene variables
continuas como discretas, a estos modelos se les conoce como semi-discretos.
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.

EN VIAS URBANAS
Por el rea de aplicacin. El modelo puede describir la dinmica de los vehculos en un

solo carril con un sentido de flujo, como tambin la dinmica de una red de trfico.
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.
Tabla N 10. Clasificacin de modelos segn grado de detalle
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

EN VIAS URBANAS
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.
Los modelos simulados o utilizados en simulacin van a depender de la herramienta

computacional que se disponga, por lo que se sugiere esperar a que se adquiera el software
indicado para profundizar en su anlisis, lo que permitir utilizarlo en toda su potencialidad,
inclusive adaptndolo a las necesidades del proyecto. De las caractersticas presentadas para
los diferentes modelos, se puede concluir que los modelos microscpicos son utilizados en
simulacin off-line, presentando como una desventaja la no obtencin de una solucin analtica
cerrada.
Tabla N 11. Clasificacin de modelos en analticos y 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)

EN VIAS URBANAS
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.
Realizando un balance de las ventajas y desventajas de los modelos analizados, se concluye

que los modelos macroscpicos proveen soluciones analticas cerradas y podran ser tiles para
modelacin, en tanto que los modelos microscpicos se utilizan generalmente en simulacin. La
mayora de paquetes de simulacin utilizan modelos microscpicos y constituyen el grupo que se
conoce como Simuladores Microscpicos de Trfico Vehicular (Microscopic Traffic Simulator
MITSIM).
En cuanto a las caractersticas de los modelos analticos, en la Tabla N 12 se muestran ciertas

caractersticas de los modelos analticos de flujo vehicular (Hoogendoorn S. y Bovy P.). [58]
Tabla N 12. Caractersticas de los modelos analticos
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.
Permiten describir comportamientos de vehculos en

forma individual sin describir su comportamiento
espacio-tiempo.
Ecuaciones con muchos parametros y dimension alta.
Mesoscpicos Calibracin y aplicacin en tiempo real difciles.
Base ideal para obtener modelos macroscpicos.
Pueden ser microscpicamente discretizados.
Ideales en gran escala.

Comparativamente calibracin ms sencilla.
No describe correctamente detalles e impacto
Macroscpicos microscpicos.
Soluciones analticas cerradas, ideales para
estimacion, prediccion y control de flujo vehicular
basados en modelos.
Vehicular y Herramientas, Universidad San francisco de Quito, Director: Dr. Alberto Snchez, Fecha: Junio 2006

EN VIAS URBANAS
3.1.4. Desafos y limitaciones en el uso de las herramientas de anlisis de trnsito
En este punto citaremos algunos desafos y limitaciones que deberan considerarse cuando se
elige una herramienta de anlisis de trnsito:
Disponibilidad de datos de calidad. Si no se tiene buena data disponible, el usuario podra

considerar una herramienta que sea menos intensiva en datos, como una herramienta de
planificacin inicial ms que una microsimulacin. Sin embargo, los resultados de una
herramienta ms simple usualmente son ms generalizados; as, el usuario debera hacer un
balance cuidadoso de las necesidades de anlisis ms detallados con la cantidad de datos
requeridos.
Limitacin de datos empricos. La recoleccin de datos a menudo puede resultar el

componente ms costoso de un estudio. La mejor aproximacin es buscar la meta final y los
objetivos de las tareas y enfocarse en la recoleccin de datos que sean cruciales para el
estudio.
Recursos limitados. La limitacin de recursos para la realizacin de los estudios,

adquisicin de herramientas, corridas de escenarios analticos, y entrenamiento de los
usuarios, es a menudo una consideracin importante en los estudios de transporte. Las
herramientas de anlisis de trnsito pueden requerir un capital significativo de inversin. Las
licencias de software y los costos de entrenamiento pueden hacer una gran proporcin del
presupuesto. Asimismo, el anlisis de ms escenarios cuesta dinero.
Limitaciones de entrenamiento. Las herramientas de simulacin de trnsito usualmente

tienen pasos de aprendizaje y, como resultado, algunos profesionales en transporte no
reciben entrenamiento adecuado en modelacin y simulacin.
Falta de entendimiento de las limitaciones de las herramientas de anlisis. A menudo,

las limitaciones y problemas no se descubren hasta que el proyecto esta en marcha. Es
importante aprender de las experiencias con proyectos anteriores o comunicarse con
aquellos usuarios de una herramienta en particular o categora de herramienta, a fin de
evaluar las capacidades y limitaciones de la misma. Investigando las experiencias de otros,
los usuarios pueden ganar una mejor comprensin de con qu se podran encontrar en el
avance del proyecto.
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

EN VIAS URBANAS
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.).
Deseo de correr soluciones en tiempo real. La mayora de herramientas requieren una

cantidad significativa de tiempo para el montaje, la modelacin y el anlisis. Existe la
esperanza que las futuras herramientas puedan estar disponibles directamente desde los
Centros de Gestin del Trnsito y detectores, as que el anlisis pueda ser implementado
directamente en tiempo real. Esto permitir a los profesionales en transporte responder a la
congestin recurrente y no recurrente usando soluciones en tiempo real.
Corridas de computacin muy largas. Dependiendo del hardware de la computadora y del

alcance del estudio (p.j. tamao del rea, requerimientos de datos, duracin, perodos de
tiempo de anlisis, etc.), un modelo puede correr en un rango de pocos segundos a varias
horas. La aproximacin ms efectiva para solucionar el tema es contar con el equipamiento
de computacin ms robusto que est disponible y/o limitar cuidadosamente el alcance del
estudio, ajustndose a las necesidades del anlisis. [49, 50]
3.1.5. Comparacin entre el Manual de Capacidad Vial (HCM) y la Simulacin
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.
Fortalezas y limitaciones del HCM
Para muchas aplicaciones, el HCM es el ms ampliamente usado y aceptado como tcnica de

anlisis de trnsito en los Estados Unidos y pases donde se emplea este manual como gua
bsica de anlisis de trnsito como el Per. Los procedimientos del HCM son buenos para
analizar el desempeo de facilidades aisladas con problemas de congestin moderados. Estos
procedimientos son rpidos y fiables para predecir si una facilidad podr operar encima o debajo
de la capacidad, y stos hayan sido bien probados a travs de un esfuerzo de validacin de
campo significativa. Sin embargo, los procedimientos del HCM son limitados generalmente en su
posibilidad de evaluar efectos en el sistema de transporte.

EN VIAS URBANAS
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]
3.1.6. Medidas de desempeo de trnsito: diferencias entre el HCM y la Simulacin
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.

EN VIAS URBANAS
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.
El modelo es realizado a partir de un sistema consistente en un paquete de herramientas de

software de alto rendimiento para la simulacin microscpica de trnsito. Los vehculos son
modelados individualmente durante toda la duracin de su viaje a travs de la red,
proporcionando informacin exacta y dinmica sobre los flujos de trnsito, tiempos de viaje y
congestin. Adems, el Sistema permite el modelado de la interfaz entre los conductores y los
Sistemas de Transporte Inteligente (ITS). [50]
3.1.7. Criterio para la seleccin de un tipo apropiado de herramienta de anlisis de trnsito
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:
1. Disponibilidad de analizar un apropiado alcance geogrfico o rea de estudio,

incluyendo una interseccin aislada, una va simple, un corredor o una red.
2. Capacidad de modelar varios tipos de facilidades, tales como: vas expresas, carriles
de alta ocupacin vehicular (HOV), rampas, arterias, plazas de peajes, etc.
3. Disponibilidad de analizar varios modos de transporte, tales como: carriles de

ocupacin vehicular simple (SOV), HOV, buses, trenes, camiones, bicicletas y trfico
peatonal.
4. Disponibilidad de analizar varias estrategias de gestin de trnsito y aplicaciones,

tales como: distancia de rampas, detectores en rampas (ramp metering), coordinacin
de semforos, manejo de incidentes, etc.

EN VIAS URBANAS
5. Capacidad de estimar respuestas de viajes a las estrategias de gestin de transito,

incluyendo: rutas de desvo, eleccin de tiempos de salida, eleccin de destino, y
demanda inducida/inevitable.
6. Disponibilidad de producir directamente y entregar mediciones de desempeo, tales

como: mediciones de seguridad (choques, fatalidades), eficiencia (salidas, volmenes,
vehiculos-km de viajes (VMT)), movilidad (tiempo de viajes, velocidad, vehculos-hr de
viaje (VHT)), productividad (ahorro de costos), y mediciones ambientales (emisiones,
consumo de combustible, ruido).
7. Herramienta vs. Costo-beneficio para la realizacin de la tarea, principalmente desde

la perspectiva de gestin u operacin. Los parmetros que influencian el costo-beneficio
incluyen el costo de capital de la herramienta, el nivel de esfuerzo requerido para
obtenerla, facilidad de uso, requerimientos de hardware, requerimientos de datos,
animacin, etc. La Figura N 25 resume el criterio que debera ser considerado para
seleccionar una categora de herramienta.
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.
3. Finalmente, el criterio 7 debera tenerse en cuenta para seleccionar la categora final de

la herramienta basada en los parmetros externos del contexto tcnico del anlisis, tales
como: costo de la herramienta, entrenamiento, requerimientos de hardware, etc.
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

EN VIAS URBANAS
implementacin. Esta fase tambin involucra el anlisis de las caractersticas que la va

necesita para poder operar al nivel de servicio (LOS) deseado. El diseo definitivo del
proyecto (p.j. alineamientos horizontales y verticales, diseo de pavimento, etc.) no
estn incluidos en esta categora.
Operacin/construccin: Estos proyectos comparten muchas caractersticas similares

con el diseo, pero son realizados para determinar la mejor aproximacin a la
optimizacin o evaluacin de los sistemas existentes.
La Tabla N 13 presenta de manera general la relevancia que tiene cada categora de

herramienta para cada contexto de anlisis, incluyendo planeamiento, diseo y
operacin/construccin. [50]
Figura N 25. Criterio para seleccionar una categoria de herramienta de anlisis de trnsito
july 2004

EN VIAS URBANAS
Tabla N 13. Relevancia las categoras de anlisis de trnsito con respecto al contexto analtico
Instrumentos de Anlisis/Metodologas
Contexto Esquema Modelos de Herramientas

Optimizacin Simulacin
de de demanda de analticas/determinst Simulacin Simulacin
icas de trnsito macroscpica microscpica
planeamiento viajes mesoscpica
(Basados en HCM)
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.
july 2004
3.2. ESTADO DEL ARTE EN MODELACIN, ANLISIS DE TRFICO VEHICULAR Y

HERRAMIENTAS
3.2.1. Introduccin
Los requerimientos de un servicio eficiente de trfico son cada vez ms exigentes,

especialmente dentro y alrededor de las ciudades, considerando Redes Urbanas de Trfico
(Urban Traffic Networks UTN), lo que ha dado lugar a la implementacin y operacin de
Sistemas de Transportacin Inteligente (Intelligent Transportation Systems ITS). Los ITS
requieren de modelos adecuados de sistemas de trfico para el manejo de diferentes estrategias
de operacin y diseo de sistemas de control de trfico sealizado, para regular el flujo vehicular
en las ciudades. [52]
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.

EN VIAS URBANAS
Los modelos analticos de la dinmica de trfico vehicular, comprenden: mtodos a ecuaciones

diferenciales con un enfoque macroscpico y microscpico, generalmente de segundo orden, de
seccin de longitud finita y del tipo modelo Vehculo Siguiente (Car-following) respectivamente;
Redes Petri Hbridas (Hybrid Petri Nets HPN); determinsticas y estocsticas; y, tcnica de
teora de colas (M/M/1).
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]
3.2.2. Modelos Dinmicos de Trfico Vehicular
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]
Al trmino de la segunda guerra mundial, debido a un incremento sostenido en el nmero de

vehculos, se produce la necesidad de realizar estudios ms profundos en la teora del flujo de
trfico vehicular. Durante la dcada de 1950 aparece una gran variedad de desarrollos, tales

EN VIAS URBANAS
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.
MODELOS MACROSCPICOS DE FLUJO DE TRFICO
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 anticipacin relajamiento
En estas ecuaciones, r = (x,t) denota densidad de trfico en la posicin x y al instante de tiempo

t, V = (x,t) es la velocidad media, Ve = Ve (r(x,t)) es la velocidad de equilibrio, P = P(r) es la
llamada presin de trfico, que representa la anticipacin de los conductores a las condiciones
de trfico ms adelante, y es el tiempo de relajamiento. La primera ecuacin describe la
conservacin de vehculos (ningn vehculo es generado o perdido). La segunda ecuacin
describe la dinmica de la velocidad V, en funcin de:

EN VIAS URBANAS
conveccin (cambios en la velocidad promedio en una celda muy pequea [x,x + dx] debido
a vehculos ingresando con diferente velocidad),
anticipacin (cambios en la velocidad debido a la anticipacin de conductores en

condiciones de trfico ms adelante), y
relajamiento (adaptacin suave de la velocidad promedio a la velocidad de equilibrio).
La propiedad deseable de estas ecuaciones, es que puedan ser formuladas en trminos de la

ecuacin de conservacin, con un trmino fuente y drenaje.
U F (U )
+ =S (50)
t x
r q 0
U = , F = , S = e (51)
q E ( q q ) /
En la ltima ecuacin, E = r(V2 + P/r) es la energa de trfico, q(x,t) = rV es la razn de flujo,

qe(x,t) = rVe es la razn de flujo de equilibrio. La forma conservada hace posible usar esquemas
estndares numricos para la simulacin de la dinmica de fluidos.
Expresiones diferentes para el trmino presin de trfico P(r) producen diferentes modelos de
segundo orden. Unos pocos ejemplos son los siguientes:
Cuando P = -Ve(r) / 2, se obtiene el modelo de Payne original,
Escogiendo P = ro (1-r / rmax) conduce al modelo de Philips, donde o es una constante y

rmax la densidad de congestin constante,
Para P = ro V / x, se obtiene el modelo Kerner & Konhauser, donde es el coeficiente

de viscosidad usado para suavizar las discontinuidades espaciales (interpretada como
anticipacin del conductor de alto grado),
Cuando P = rA(r)V2, el modelo de Treiber se obtiene, A(r) es una funcin dependiente de la

1
r r
densidad, determinada por A = A0 + A1 + exp cr , donde: Ao, , r son
r
constantes y rcr la densidad crtica.

EN VIAS URBANAS
La velocidad de equilibrio Ve(x,t) en la ecuacin (49) es en general determinada como una

funcin de la densidad r. Por ejemplo, Messmer y Papageorgiou usan la siguiente expresin:
1 r (t )
V = V f exp
e
(52)
rcr
En esta expresin Vf es la velocidad libre, rcr es la densidad crtica, y es un factor adimensional.

Se puede tambin transformar la tercera ecuacin a una forma quasi-lineal reescribiendo:
F F U U
= =J (53)
x U x x
donde, la matriz Jacobiana J se determina as:
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.
En el modelo de Payne, el trmino dP / dr es una constante positiva que ilustra el decrecimiento

de la velocidad de equilibrio debido al incremento de la densidad.
Haciendo que la velocidad de onda local c = dP , los valores propios de la matriz

dr
Jacobiana J pueden ser determinados como: max = V + c y min = V c.
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.

EN VIAS URBANAS
Variables de inters
En general el trfico no es uniforme y vara en tiempo y en espacio. Es debido a esto, que

cualquier medicin de variables de inters para describir el flujo es en realidad un proceso de
muestreo de variables aleatorias. Tal es el caso que en realidad cuando en trfico se habla de
flujo, velocidad, o densidad, estos son en realidad parmetros de distribuciones estadsticas y no
nmeros absolutos (Hall, 1997). Estos parmetros han sido explicados ampliamente en el
Captulo II Ttulo 1 de la presente investigacin.
3.2.3. Modelo tipo Car-following
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.
Ha sido descrito matemticamente de manera exitosa.
Es un componente importante en el acto de conducir.
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.
Un aspecto de inters en los modelos de Car-following, es el espacio promedio S entre dos

vehculos, cuando el uno le sigue a un lder que viaja a una velocidad determinada V. Esta
relacin es de inters en gran parte porque casi todas las estimaciones de la capacidad de una
va estn basadas en la siguiente ecuacin:
V
C = (1000) (55)
S

EN VIAS URBANAS
donde:
C es la capacidad de un carril de la va (vehculos/hora),

V es velocidad (km/h),
S es la distancia promedio entre los guarda-choques posteriores de los dos vehculos (m).
Algunos estudios basados en mediciones en vas, especialmente en carreteras, han encontrado

relaciones empricas entre la velocidad la distancia promedio. Se destaca, por ejemplo, el estudio
publicado en el primer Highway Capacity Manual (1950) el cual incluye 23 estudios de
observaciones realizados entre 1924 y 1941. Las relaciones que fueron obtenidas pueden ser
representadas a travs de la siguiente ecuacin:
S = + v + V2 (56)
donde: las constantes , y toman diferentes valores y tienen la siguiente interpretacin fsica:
es el largo del vehculo, L.

es el tiempo de reaccin T.
el recproco del doble de la desaceleracin promedio del vehculo que sigue al lder.
En muchas ocasiones a la constante se la ha estimado utilizando la siguiente expresin:
= 0.5 (a f 1 at1 ) (57)
donde: af y at son las mximas desaceleraciones promedio del vehculo que sigue y del lder
(Harris, 1964).
En general el modelo presentado anteriormente trata de incorporar factores como la longitud de

los vehculos, los factores humanos de la percepcin del conductor, la toma de decisiones, sus
tiempos de ejecucin y la fsica involucrada en la dinmica de los vehculos. Se ha demostrado
que en estos modelos se encuentran estimaciones tericas de la velocidad con un flujo mximo
de vehculos (/)0.5, el flujo mximo [ + 2( / ) 0.5 ] 1 y la velocidad con la cual pequeos
cambios en el trfico se propagan a travs del sistema (Rothery, 1968).
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.

EN VIAS URBANAS
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.
Desarrollo del modelo
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.
Toma de decisiones: El conductor interpreta la informacin colectada y la transforma en un

conjunto de acciones que debe tomar basndose adicionalmente en su vehculo y su
experiencia como conductor.
Control: El conductor realiza las acciones de control de acuerdo a su procesamiento de

informacin y a su conocimiento de la dinmica del vehculo.
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.
En muchos casos se ha tratado de representar al conductor como una funcin de transferencia,

sin embargo aparece el problema de que en general el conductor tiene varias funciones de
transferencia dependiendo de las circunstancias.

EN VIAS URBANAS
En general, se ha llegado al consenso de que en el modelo de Car-following el conductor trata

de:
Mantenerse a una distancia prudente del vehculo enfrente.

Evitar colisiones
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
En general al conductor se lo representa de la manera ms sencilla posible, una ganancia que

relaciona su respuesta cuando recibe un estmulo. La forma en que se representa al conductor
ha sido motivo de muchos estudios. Dentro de los ms recientes constan en los que al conductor
se lo representa a travs de agentes inteligentes, en los cuales se trata de incluir el factor
humano.
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.

EN VIAS URBANAS
Figura N 26. Diagrama de bloques, del modelo de Car-following (Rothery, 1997).
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.
Tomando la transformada de Laplace y observando la localizacin de los polos se puede concluir

lo siguiente:
Si C < e-1, entonces el movimiento es amortiguado.

Si e-1 < C < /2, entonces el movimiento es oscilatorio y amortiguado.
Si C = /2, es crticamente amortiguado
Si C > /2, entonces el movimiento es oscilatorio e inestable.

EN VIAS URBANAS
De este anlisis, se puede llegar a concluir que en general una buena aproximacin para el valor
de es (eT)-1.
Estabilidad Asinttica
En el caso anterior se analiz nicamente el comportamiento de un vehculo con relacin al

movimiento del lder. En este caso, para proveer de una mayor generalidad, se analiza la
estabilidad de una lnea de carros, sin considerar al primer vehculo.
El conjunto de ecuaciones que describen a este sistema son:
&x&n +1 (t + T ) = [x& n (t ) x& n +1 (t )] n = 0,1,2,3....N (61)
Cualquier solucin depende especficamente del comportamiento del primer vehculo en la lnea
de carros, y de los parmetros y T.
Realizando un anlisis en frecuencia de este sistema, es posible determinar que cualquier

perturbacin que produzca en la lnea de carros se propaga a travs de sta con una velocidad
de -1.
3.2.4. Variantes del modelo siga al lder
Durante la dcada de los sesenta se desarrollaron variantes de modelos que describen la

relacin de un vehculo con su predecesor, estos modelos describen el proceso que sigue un
auto al seguir otro. Existen tres tipos de modelos de Carfollowing (Dextre J. y Carrasco L).
Modelos de distancia segura
Describe la relacin de un solo vehiculo y su predecesor, basado en una simple regla de

conducir (regla de Pipes) Una distancia segura para seguir a otro vehiculo es permitirse una
distancia mnima entre su carro y el carro que le precede .. basados en esta regla se puede
determinar la distancia de progreso total Dn del vehculo n que tiene una velocidad v con respecto
al vehiculo n-1:
v
Dn (v ) = L 1 + (62)
16.1
n

EN VIAS URBANAS
Ln es la longitud del vehiculo n. La mnima distancia se incrementa linealmente con la velocidad,

este modelo se compar con medidas de campo y se concluy que: los mnimos progresos son
ligeramente menos en bajas y altas velocidades que el observado en datos empricos.
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:
Tiempo de percepcin, es el tiempo en el que el conductor reconoce que hay un obstculo.

Tiempo de decisin, es el tiempo que se necesita para tomar la decisin de desacelerar.
Tiempo de frenado, es el tiempo requerido para aplicar los frenos.
Adems se debe considerar que la mxima desaceleracin est en funcin de la friccin de la

superficie de la carretera y la aceleracin debido a la gravedad g. Este modelo considera que
el conductor asume que la distancia de frenado es lo suficientemente larga, para permitirle frenar
y parar sin causar un choque con el vehculo que lo antecede. Las modificaciones de este
modelo las realiz Leutzbach (1988).
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).
Dn (v ) = ( L + d min ) + v(T + v F ) (64)

n
Cuando los conductores son experimentados tienen un conocimiento de su tiempo de reaccin,

para conductores novatos se puede seguir la regla de que estn a 2 segundos detrs del
vehculo que los antecede. En estudios realizados se ha determinado que el tiempo que se
necesita para remediar una situacin inesperada esta de 0.6 a 1.5 segundos (Hoogendoorn S.,
Bovy P.). El factor de riesgo se extrae de observar a los conductores que siempre estn
pendientes de evitar colisiones.
La distancia mnima es la que se tiene entre dos vehculos parados cuando hay congestin.

EN VIAS URBANAS
Modelos de estimulo-respuesta (Car-following)
Estos modelos de Car-following se basan en el principio:
Respuesta = funcin (Sensibilidad, Estimulo)
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:
an(t+T) = aceleracin del vehiculo siguiente en el instante t + T

Vn-1(t) = velocidad del vehiculo precedente.
Vn(t) = velocidad del vehculo siguiente.
= Sensibilidad.
Tabla N 14. Valores de sensibilidad y Tiempo de reaccin
Valor medido Tiempo de reaccin T (seg) Sensibilidad (seg 1)

Mnimo 1.00 0.17
Promedio 1.55 0.37
Mximo 2.20 0.74

EN VIAS URBANAS
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:
En este modelo se considera la sensibilidad en funcin de la distancia que separa al vehculo

precedente y el siguiente; para reflejar el incremento de la sensibilidad conforme la distancia
disminuye.
0
a n (t + T ) = [Vn1 (t ) Vn (t )] (67)
X n 1 (t ) X n (t )
donde: o = valor constante [distancia/por unidad tiempo]
En la Tabla N 15 se puede observar los valores de 0 obtenidos experimentalmente al igual que

los tiempos de reaccin.
Tabla N 15. Sensibilidad y Tiempo de Reaccin (Dextre J., Carrasco L.)
Ubicacin del experimento Tiempo de reaccin T (seg) Sensibilidad (seg 1)

General Motors 1.50 0.17
Tnel Holland 1.40 0.37
Tnel Lincoln 1.20 0.74
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

EN VIAS URBANAS
[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
Modelos con enfoque a la psicologa
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.
Las reglas conductuales en las que se basan estos modelos son:
En espacios grandes, el conductor siguiente no esta influenciado por la diferencia de

velocidades.
En pequeos espacios, algunas combinaciones de velocidades relativas y distancia de

progreso no generan una respuesta en el conductor del vehculo siguiente, debido a que el
movimiento relativo es demasiado pequeo.
Los modelos con enfoque psicolgico han servido de base para los nuevos modelos de
microscpicos de simulacin.
Modelos microscpicos de simulacin
En la actualidad la velocidad de procesamiento de las computadoras se ha incrementado, lo cual

ha provocado un desarrollo de modelos microscpicos de simulacin, en estos modelos se

EN VIAS URBANAS
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.
Algunos de estos modelos de microsimulacin son el AIMSUN, FOSIM y el Wiedenmann

(Hoogendoorn S., Bovy P.).
3.2.5. Cambio de carril
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:
a. El carril actual se esta acabando (lane drop)

b. Debe moverse a otro carril(es) para salir de la va expresa hacia la rampa de salida.
c. El carril actual no permitir el desplazamiento de su tipo de vehculo (p.j. carril HOV)
d. El carril esta bloqueado por incidentes y otros eventos
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:
a. Longitud de colas en la lnea de parada.

b. Trfico de camiones pesados
c. Operaciones de transporte publico
d. Movimientos de volteo desde los carriles compartidos

EN VIAS URBANAS
e. Interferencia peatonal con los vehculos que voltean

f. Actividades de parqueo
3. Cambio de carril anticipadamente, ocurre cuando un vehculo puede cambiar de carriles

antes de la baja de velocidades en su carril actual, con la llegada del flujo aguas abajo como
resultado del conflicto o el entrecruzamiento. La lgica de cambio de carril esta reconoce que
el conductor podra acelerar o desacelerar para crear brechas aceptables para cambiar
carriles. Considere un vehculo A que desea atravesar un hueco entre los vehculos B y C (B
actualmente es lder de C). El vehculo A acepta el hueco si el tiempo de headway entre l y
el vehculo B es mayor que algn valor crtico g(A,B) y el tiempo de headway entre l y el
vehculo C es mayor que algn valor crtico g(A,C). Sin embargo, el valor de tiempo critico
del headway no es constante, pero depende de las siguientes consideraciones:
Los tiempos de headways crticos dependen de la velocidad vehicular. El vehiculo A

aceptar un headway critico ms corto si viaja mas despacio que B.
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.
Estas consideraciones estn tpicamente combinadas en una medicin de riesgo. Los

conductores mas agresivos podran aceptar valores de riesgo mayores (p.j. huecos cortos y
mayor aceleracin/ndices de desaceleracin) para cambios de carril. Por otra parte, el valor del
riesgo podra incrementarse aun mas dependiendo del tipo de cambio de carril y de la situacin.
Por ejemplo, un vehiculo que confluye alcanzando el final del carril de aceleracin podra aceptar
valores de riesgo mucho mayores (cambios de carril forzado).
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.

EN VIAS URBANAS
3.2.6. Aplicacin al Trfico Vehicular de Modelos de Colas
Modelos de colas
Los modelos de sistemas de colas responden a un enfoque estocstico de los sistemas de

trfico en general. Su descripcin se muestra a travs de la Figura N 27.
Figura N 27. Estructura de un sistema de colas
Los elementos ms importantes de un sistema de colas son: la llegada, la cola el servicio y la

salida. En general un sistema de colas consiste de uno o varios servidores que prestan un
servicio a uno o varios usuarios, que acceden al sistema. El proceso de llegadas lo regula una
fuente reguladora de usuarios y, en general, estas llegadas sern de forma aleatoria.
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.
En la mayora de los sistemas de colas, el proceso de llegadas sigue una distribucin de

Poisson, que describe procesos Markovianos (procesos estocsticos que dependen slo del
sistema anterior). Se demuestra bajo esta circunstancia, que la duracin de intervalo entre
llegadas tiene una distribucin exponencial.
Sea Pn (t ) la probabilidad de que en un tiempo t, el nmero de usuarios que acceden al sistema

sea n, y esta probabilidad sigue una probabilidad de Poisson, de la forma:
Pn (t ) = e t
(t )n (70)
n!

EN VIAS URBANAS
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)
Por lo tanto la probabilidad, de que el intervalo entre llegadas sea T, es:
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:
= tasa de llegadas por unidad de tiempo, y

T = intervalo entre llegadas.
Los modelos de los sistemas de colas utilizan la notacin de Kendall, de la forma:
A/B/C/m/d, que significa: Proceso de llegadas/Proceso de servicio/Nmero de servidores/

mximo nmero de usuarios simultneos admitidos/disciplina de la cola.
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
Se omiten: m si se considera que la capacidad de usuarios simultneos admitidos al sistema es

infinita; y d si la disciplina de la cola es del tipo FIFO (primero en llegar primero en salir).
Variables asociadas a un sistema de colas
Es importante considerar las variables asociadas a un sistema de colas, que son del tipo:

EN VIAS URBANAS
Asociadas al usuario (enfoque micro)

o Tiempo de espera
o Tiempo de duracin del servicio
o Instante de salida
Asociadas al sistema al instante t (enfoque macro)

o Nmero de usuarios del sistema
o Nmero de usuarios en cola (longitud de cola)
o Nmero de usuarios en servicio.
El estudio de la cola se fundamenta en procesos de nacimiento (llegadas) y muerte (servicio)

puros. Se forma la cola cuando el tiempo que se tarda a la salida es mayor que el intervalo entre
llegadas o el servicio no est disponible.
Utilizando un diagrama de transicin de estados para el proceso arribo salida, se determina la

tasa por la cual la probabilidad fluye al estado E(k), segn se aprecia en la Figura N 28.
Figura N 28. Diagrama de transicin de estado
donde:
= tasa del proceso de nacimiento,

= tasa del proceso de muerte,
entonces:

= = tasa de llegadas por unidad de servicio (74)


EN VIAS URBANAS
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
Estas ecuaciones representan un modelo hbrido de un sistema DES, considerando el diagrama

de transicin de estados y de tiempo continuo. Su solucin est dada por:
[ ]
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

EN VIAS URBANAS
Se consideran medidas de eficacia en estado estacionario (usuarios y tiempo):
- N = nmero de usuarios en el sistema, nmero medio es E[N]

- Nq = nmero de usuarios en cola, nmero medio es E[Nq]
- Tq = tiempo de un usuario en la cola
- Wq = tiempo medio del usuario en la cola
/u
donde: pk = (1 ) k , N = /(1 ) , N2 = /(1 ) 2 , W =
1
Modelacin de colas con varias intersecciones
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).
Figura N 29. Modelo de flujo vehicular
El esquema de la Figura N 30, representa un modelo de Erlang, que es un modelo de tramos,

que descompone en una cadena de servicios conectados en serie, que representara una serie
de intersecciones.
Figura N 30. Diagrama de intersecciones

EN VIAS URBANAS
En la prctica, sin embargo, hay sistemas en la que la distribucin exponencial no es realstica.

Existen otros modelos de un servidor que requieren de una asumpcin menos estricta, dando
lugar a modelos de cola mas generales, como es el modelo M/G/1, en donde G representa una
distribucin general, y aun mas general todava del tipo G/G/1.
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.
El algoritmo desarrollado determina que eventos ocurren en el lapso de la simulacin. Los

eventos que se consideran son los que ocurren en los cruces, para poder controlar los
semforos que operan en los cruces.
Redes de colas
En la prctica muchos sistemas, entre ellos de trfico vehicular, consisten de mltiples

identidades independientes que proveen servicio (facilidades computacionales, intersecciones
semaforizadas). Los vehculos en este tipo de sistema viajan de una estacin de colas a otra
estacin de colas, constituyendo lo que se conoce como redes de colas (Queueing Networks
QNs), que consisten de un nmero interconectado de estaciones de cola, desde 1, , M. Las
estaciones de colas individuales o nodos pueden ser independientes de otros.
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

EN VIAS URBANAS
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
Figura N 31. Conexin en serie de M colas
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)
Ms informacin puede encontrarse en Haverkort R. (1998). En la segunda fase del proyecto se

evaluar si se conviene continuar en este sistema de redes de colas.
3.2.7. Herramientas de simulacin de trnsito
Dentro de las herramientas de simulacin de trnsito ms populares tenemos:

EN VIAS URBANAS
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.
TSIS es un paquete completo de software para la simulacin y anlisis de sistemas viales

semaforizados, sistemas viales de flujo ininterrumpido o las combinaciones de stas, tanto en
condiciones simples como complejas. Su fortaleza de actuacin esta en la capacidad de simular
condiciones de trnsito en un nivel de detalle muy completo. TSIS es tambin uno de las
herramientas de simulacin ms comprensibles y mayor documentadas.
TSIS consiste en los siguientes componentes de software:
CORSIM Un simulador microscpico de trnsito.

TRAFVU Un procesador de animaciones.
TSHELL La estructura bsica de TSIS.
TRAFED Un Nuevo editor grfico que utiliza CORSIM para verificar los datos de entrada.
TRANSYT 7F [80]
TRANSYT 7F es un modelo mesoscpico-determinstico para anlisis y optimizacin en vas

arteriales y redes de trnsito. Al igual que CORSIM, TRANSYT 7F ha sido desarrollado y
verificado por varia dcadas y ha ganado la aceptacin por la comunidad de usuarios como un
modelo slido.
TRANSYT 7F utiliza una combinacin exhaustivo de mtodos de optimizacin; as como

modelos de trnsito basados en demoras. En otras palabras, es un diseo primario para
seleccionar tiempos de ciclos semafricos, que produzcan un sistema con el mnimo de demoras
y paradas. Durante su proceso de optimizacin, TRANSYT 7F genera perfiles de flujos de
vehculos segundo a segundo en todos los enlaces de la red. Luego, analiza estos perfiles para
determinar MOEs (Measurement Of Effectiveness). MOEs incluye principalmente el anlisis de

EN VIAS URBANAS
promedios de velocidad, longitudes de cola y flujos de saturacin en bahas de volteo, consumo

de combustible y emisiones de contaminantes.
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]
Synchro es un programa basado en demoras para el anlisis y optimizacin de planes de

semaforizacin para redes viales. Su funcin objetivo tambin permite minimizar las paradas y el
tamao de las colas de trfico, aplicando penalidades para estas mediciones.
El modelo de trnsito basado en enlaces de Synchro es similar al de TRANSYT 7F. Synchro

utiliza una metodologa de bsqueda exhaustiva para optimizar tiempos de ciclo semafrico.
Para reducir el nmero de escenarios de cada sistema coordinado, el programa confa en el
principio de divide y vencers. Para optimizar semforos en una va principal, el programa
requiere que el usuario aplique varios pasos manuales (optimizacin de tiempo de ciclo, seguido
de los desfases offsets y la particin split de la fase optimizada) en ese orden especfico. El
programa optimiza la duracin de los ciclos analizando todos estos en un rango definido.
Synchro optimiza los offsets utilizando un proceso de mltiples escenarios.

EN VIAS URBANAS
A diferencia de TRANSYT 7F, el modelo de trnsito Synchro no considera la dispersin del

pelotn de trfico. Para coordinar dos semforos cercanos se debe utilizar un factor de
coordinacin, calculado a partir del ingreso de los datos de la distancia del enlace, el tiempo de
viaje y los volmenes de trfico. A diferencia tambin de otros programas, Synchro genera
tiempos de ciclo ptimos para cada semforo, obteniendo un promedio de los cinco escenarios
se plantea por cada interaccin.
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. LA SIGUIENTE GENERACIN EN PROGRAMAS DE SIMULACIN MICROSCPICA DE

TRNSITO - NGSIM
3.3.1. Introduccin
La Administracin Federal de Vas (FHWA) esta liderando a la comunidad de transporte de los

Estados Unidos, desde la era que se enfocaba principalmente en un sistema de construccin, a
una era enfocada crecientemente en un sistema de operacin y desempeo. En este ambiente
cambiante, los modelos de simulacin de trnsito ofrecen un alto potencial conducente a la
investigacin, anlisis de alternativas viales, transporte pblico, mejoras en la operacin de
sistemas de transporte inteligente (ITS), desarrollo y evaluacin de sistemas de control y
estrategias.
Despus de 40 aos de desarrollo y aplicacin herramientas de simulacin de trfico, existe un

pequeo pero viable mercado en paquetes de simulacin de trfico. Sin embargo, permanecen
las brechas en la funcionalidad de las herramientas de simulacin de trfico que requieren
nuevos algoritmos de desarrollo. Adems, muchos usuarios de las herramientas de simulacin
de trfico no estn seguros de la validez de los modelos o de los resultados entregados.

EN VIAS URBANAS
En respuesta a estas necesidades, el Programa de Herramientas de Anlisis de Trfico de la

FHWA ha identificado las metas para llevar a cabo una mayor aceptacin en el uso de
herramientas de anlisis de trfico y asegurar la confianza en la precisin de los resultados
generados con su utilizacin. Por consiguiente, el programa enfrenta un balance entre desarrollar
nuevas herramientas y mejorar las existentes.
Los esfuerzos en la utilizacin de las herramientas se facilitan a travs de la combinacin de

investigacin externa, entrenamiento, gua y soporte tcnico. Los esfuerzos en el desarrollo se
enfocan en la creacin de nuevas herramientas y el mejoramiento de la base analticas de las
existentes.
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.
3.3.2. Objetivo de NGSIM
El objetivo de NGSIM es el desarrollo de un ncleo de algoritmo de comportamiento abierto

como soporte de la simulacin microscpica de trnsito, con base en un conjunto de
documentacin y datos vlidos. Este algoritmo describe la interaccin de viajeros multimodales,
vehculos y sistemas viales, adems de la influencia presentada de parte de los dispositivos de
control de trnsito, trazos, congestin y otras caractersticas del entorno. Los productos NGSIM
se encontraran abiertos a la distribucin y de libre disponibilidad a la comunidad del transporte.
Los productos terminados NGSIM incluyen:
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.
Los algoritmos de simulacin de ncleo, sern desarrollados, estimados, codificados,

revisados y validados usando el conjunto de validacin de datos.
Documentacin de los algoritmos de ncleo (incluyendo teora y lgica) y documentacin de

validacin de conjunto de datos.

EN VIAS URBANAS
3.3.3. Soporte tcnico
Para ayudar en el desarrollo de estos productos, se formaron tres equipos de soporte tcnico
(stakeholders):
Usuarios de los modelos, enfocados en las necesidades y requerimientos de los usuarios

finales de las herramientas de simulacin. Este grupo comprende representantes de estado,
agencias de transporte locales y consultores.
Modeladores de trnsito, enfocados en la seleccin, desarrollo y validacin de los algoritmos

de ncleo. Los miembros de este grupo han demostrado experiencia en el rea de la
modelacin de trnsito.
Desarrolladores de software, ayudan a asegurar que los productos desarrollados tengan la

mxima probabilidad de xito. Los miembros de este grupo son desarrolladores y
distribuidores de software de simulacin de trnsito.
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).
3.3.4. Diseo del programa NGSIM
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]

EN VIAS URBANAS
Figura N 32. Diseo del sistema NGSIM de alto nivel
Fuente: NGSIM, FHWA, DOT USA, 2004
3.3.5. Identificacin y priorizacin de las categoras de algoritmos de ncleo
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.
El proceso consisti primero en identificar una taxonoma de las categoras de algoritmos de

ncleo y sus factores de influencia.
La Figura N 33 muestra estas categoras junto con ejemplos de factores de influencia.

EN VIAS URBANAS
Figura N 33. Categoras de algoritmos de ncleo y factores de influencia
En paralelo, se solicitaron los aportes de los stakeholders va la construccin de un escenario

de anlisis de trnsito, para el taller de trabajo realizado en marzo del 2003. Despus de taller,
se produjo una lista con un ranking de escenario con las mismas escalas utilizadas por los
stakeholders. Esta lista de ranking/priorizacin fue utilizada para el desarrollo de los
subsecuentes planes de alto nivel para el desarrollo de algoritmos, recoleccin de datos y
validacin.
Las conclusiones y recomendaciones del NGSIM se pueden resumir en tres grandes reas:
Desarrollo de algoritmos de simulacin que representan un comportamiento tctico

del conductor: Este primer avance del programa NGSIM esta basado en el concepto que
las tcticas de maniobras de manejo son crticas para representar con precisin el
desempeo del trnsito. Ejemplos de estas tcticas de manejo incluyen seleccin de carriles
con anticipacin en vas expresas y arteriales, y manejo cooperativo y no cooperativo. Los
algoritmos de tcticas de manejo del conductor pueden tener un gran impacto en direccional
las brechas existentes en los modelos de simulacin.

EN VIAS URBANAS
Mejorar la simulacin del comportamiento operacional de manejo para incluir nuevos

factores de influencia: Este segundo avance del proyecto NGSIM se enfoca en mejorar la
simulacin operacional del comportamiento de manejo del conductor tales como el hueco
crtico (gap acceptance), seguimiento vehicular (car following) y desalojo de la cola (queue
discharge). La principal deficiencia de los modelos existentes es la falta de aplicabilidad a
ciertas condiciones de trnsito. La mejora de los algoritmos considerar un amplio rango de
factores de influencia tales como: condiciones de trfico sobresaturado, el efectos de las
zonas de trabajo, incidentes, inclemencias de clima, presencia de camiones o presencia de
peatones.
Mejorar la simulacin de comportamientos de cambios de ruta basados en la

respuesta a informacin al viajero: La respuesta a informacin al viajero ha sido
identificado como un hueco clave en los modelos de simulacin. El programa NGSIM se
concentrar en el desarrollo o la mejora de los algoritmos existentes para modificacin de
ruta de los conductores como respuesta a informacin al viajero tales como: seales de
mensajera variable y sistemas de vehculos a bordo.
3.3.6. Evaluacin de los modelos de simulacin existentes y algoritmos
El equipo NGSIM ha categorizado, analizado y evaluado modelos de comportamiento en

microsimulacin para realizar una visin histrica comprensiva del estado del arte. Asimismo,
se realiz una revisin del estado de la prctica, examinando cmo y dnde se implementaron
factores de influencia en la mayora de los sistemas de simulacin utilizados.
El Informe de Evaluacin de Algoritmos provee una revisin de la investigacin del modelo de

comportamiento para cada una de las rea de los algoritmos de ncleo y entrega amplia
documentacin; sensibilidad y extensibilidad de los factores de influencia; complejidad
computacional; y validacin, estimacin y calibracin.
La conclusin general de esta evaluacin confirma que el comportamiento tctico de manejo

representa una gran necesidad de investigacin. Investigaciones recientes estn consiguiendo
mejoras importantes en los sistemas de microsimulacin en el cambio de carril y en el
comportamiento para la seleccin del carril, incorporando efectos de anticipacin el la
aproximacin tradicional de vista en corta distancia. El comportamiento de manejo cooperativo
(como la cortesa de ceder el paso), tanto en vas expresas como arteriales, representan reas
de oportunidad para investigacin adicional.

EN VIAS URBANAS
A nivel operacional, la aceleracin (car following model) es la ms estudiada de todas las

categoras de modelos de comportamiento y continua siendo objetivo de investigacin. Muchos
modelos se han realizado para describir la situacin estandarizada de seguimiento de dos
vehculos; la cual, los modelos modernos la describen con razonable precisin bajo una simple
condicin ideal. Fuera de esta condicin ideal (como pueden ser zonas de trabajo, condiciones
de clima severo e incidentes), no se entiende bien cmo llevar a cabo el modelo base. Existen
oportunidades significativas para NGSIM de incorporar influencias adicionales ms directamente
dentro de los modelos operacionales.
El comportamiento estratgico de los viajeros (principalmente la modificacin de ruta) representa

un rea de investigacin activa. Sin embargo, la mayora de los sistemas de simulacin
implementan modelos altamente simplificados de este importante comportamiento. La mayora
de aproximaciones a la modificacin de ruta generalmente asumen que un viajero tiene acceso a
informacin perfecta sobre las condiciones de trfico existentes y esto permite a los viajeros
adaptar su ruta anticipadamente.
Aunque, este enfoque es razonable para representar el estado de la informacin al viajero en el

futuro, se necesita realizar trabajos adicionales para modelar detalles ms finos de la informacin
(dnde y cmo es entregada) y la respuesta a la misma (incluyendo elecciones no ptimas), as
se deben incorporar adecuadamente esos elementos de informacin confiable.
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.
3.3.7. Plan de recoleccin de datos de alto nivel
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

EN VIAS URBANAS
empresas proveedoras de software de simulacin, para recolectar data suplementaria a la ya

existente.
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.
Los esfuerzos de recoleccin de datos de instrumentacin vehicular, tpicamente se han

realizado en menor escala usando un nmero de vehculos seleccionado; debido a que hacerlo a
gran escala es sumamente caro. Este tipo de datos puede proveer una idea adicional del
comportamiento del conductor, pero generalmente estn limitados en cobertura y podran tener
algn sesgo debido al conductor, el vehculo o las limitaciones de tecnologa. Los instrumentos
en los vehculos se pueden utilizar en NGSIM para complementar la data recolectada usando
otros mtodos.
Luego de la amplia investigacin en lo concerniente a data de trfico para uso potencial en el

desarrollo de modelos de microsimulacin, mejoras y validacin, este plan hace las siguientes
recomendaciones tcticas:
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,

EN VIAS URBANAS
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
Finalmente, el programa de recoleccin debe incluir, tanto datos de trayectoria vehicular

como datos de un detector de rea amplia para investigacin de algoritmos estratgicos.
3.3.8. Verificacin de alto nivel y validacin del plan
El plan de verificacin y validacin de alto nivel describe el proceso para la validacin y

verificacin de algoritmos desarrollados bajo el programa NGSIM. El plan presenta definiciones,
describe interacciones de algoritmos y varios pasos del proceso de verificacin y validacin, y
provee un ejemplo de cmo se debe realizar.
La planificacin es el primer paso del proceso. Para conseguir la validacin completa de un

algoritmo, se debe desarrollar un plan de verificacin y validacin de bajo nivel para direccional
las tres fases principales:
La validacin conceptual examina la solidez de un algoritmo individual. Se asegura que un

algoritmo esta completo y claramente especificado, que los componentes del modelo sean
cuantitativamente revisados contra datos empricos y que los expertos estn de acuerdo con
la estructura del modelo para que sea conceptualmente slido.
La verificacin de la implementacin asegura que el software utilizado para codificar la
precisin del algoritmo representa el comportamiento del modelo en su implementacin y
que trabaja efectivamente en conjunto con sus algoritmos del entorno. Para verificar la
implementacin, un algoritmo es sujeto a un juego completo de unidades de testeo y revisin
de cdigo por un verificador independiente.
La validacin operacional cuantitativa mide el desempeo de un algoritmo dentro de un

sistema de simulacin en contra de la data emprica. Contabiliza el efecto de un algoritmo de
ncleo con respecto a los algoritmos del entorno y los resultados estadsticos que se derivan
del comportamiento de la simulacin vs. la data actual. Al final del proceso, el algoritmo se
somete a una revisin de un experto, el cual compara el comportamiento del conductor
emergente que produce el algoritmo vs. la teora y la data emprica.
Los requerimientos de impresin aseguran que el proceso de verificacin y validacin se

encuentran completamente documentados y disponibles.

EN VIAS URBANAS
3.3.9. Plan de formato de datos
El plan de formato de datos fue desarrollado para definir la estructura, documentacin y

requerimientos de transferencia de datos que sern recolectados y utilizados para la estimacin,
calibracin y validacin del comportamiento del algoritmo de ncleo. El desarrollo del plan de
formato de datos esta basado en los formatos existentes que son relevantes para el NGSIM y
aumentado para llenar los vacos. Para lograr esto, se realiza una revisin de los formatos de
datos existentes, que incluye los estndares de datos desarrollados para ITS, especficos para
modelos de simulacin de transito y para aplicaciones de transporte en general.
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:
NGSIM metadata1, la cual incluye tanto metadata tradicional (definiciones, especificaciones

lista de valores validados para informacin en general sobre el conjunto de datos y su
disponibilidad) y metadata procesada (que resulta de la conversin de los datos
recolectados a archivos de datos);
Diccionario de datos NGSIM, es una definicin individual de elementos de datos requeridos
por NGSIM;
Modelo de datos NGSIM, es el modelo de datos usado conjuntamente con el diccionario de

datos, que permite la construccin de una base de datos para validacin de datos NGSIM; y
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.
3.3.10. Prototipo de recoleccin de datos y validacin
El objetivo del esfuerzo de desarrollo de un prototipo de recoleccin de datos es la evaluacin de

la viabilidad de los sistemas de coleccin de datos de trayectoria vehicular emergentes y la
provisin de datos para el proceso de validacin del prototipo.
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.

EN VIAS URBANAS
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.
Figura N 34. Prototipo de recoleccin de datos y rea de estudio
El estudio utiliz un sistema de deteccin de paso vehicular desarrollado por la Universidad de

California en Berkeley para procesamiento de datos de video. El sistema detecta
automticamente el paso de aproximadamente el 75% de los vehculos. Cuando los vehculos no
son detectados automticamente, se pueden contar manualmente revisando los videos. El
sistema tambin permite al analista corregir falsos-negativos (vehculos que no fueron
detectados) y falsos-positivos (vehculos que fueron errneamente detectados).

Cap Ii Tit 3.teoria de La Simulacion de Tto PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cap Ii Tit 3.teoria de La Simulacion de Tto PDF

Transféré par

Droits d'auteur :

Formats disponibles

SIMULACIN MICROSCPICA DE TRNSITO PARA COORDINACIN DE SEMFOROS EN PROGRESIN

3. TEORA DE LA SIMULACIN DE TRNSITO

La simulacin se aplica mediante un modelo simblico en cuya elaboracin se pueden utilizar

El proceso de simulacin emplea ordinariamente un gran nmero de operaciones aritmticas que

En algunos modelos el sistema representado se actualiza a intervalos de tiempos fijos (un

Captulo 3. Teora de la simulacin de trnsito 94

Acorde al tipo de problema a resolver, los simuladores se centran en reproducir problemas a

En investigacin terica, uno de los casos ms patentes es el anlisis de seguimiento de

El problema de simulacin tradicional con orientacin prctica en el anlisis de trnsito de

Captulo 3. Teora de la simulacin de trnsito 95

En el anlisis de flujo de trnsito, la simulacin de autopistas es ms comn que la simulacin de

El manejo de los volmenes de mviles y de los adelantamientos no dependen slo de la

En el rea de la seguridad del trnsito an no se han conseguido importantes resultados debido

El desarrollo de la simulacin de trnsito apunta tambin a un rea nueva, emergida

En la simulacin de demandas, el objetivo es el de reproducir el patrn de viajes (en cantidad,

3.1.1. Generalidades del proceso de anlisis del transporte

Captulo 3. Teora de la simulacin de trnsito 96

Evaluacin, simulacin u optimizacin de las operaciones de las facilidades de los sistemas

Modelacin de las operaciones existentes y prediccin de los productos probables para

Evaluacin de contextos analsticos variados que incluyen planificacin, diseo y proyectos

Un proyecto de mejoramiento en transporte atraviesa varias fases que incluyen la planificacin,

Captulo 3. Teora de la simulacin de trnsito 97

Una etapa inicial en la planificacin del proyecto usualmente involucra la aplicacin de un

Figura N 23. Perspectiva general del proceso de anlisis de transporte

Captulo 3. Teora de la simulacin de trnsito 98

3.1.2. El rol de las herramientas de anlisis de trnsito

Mejorar el proceso de toma de decisiones. Las herramientas de anlisis de trnsito

Evaluar y priorizar alternativas operacionales o de planificacin. Esto tpicamente

Mejora en el diseo, tiempo de evaluacin y costos. Las herramientas de anlisis de

Reduccin de la interrupcin del trfico. La gestin del trnsito y herramientas de control,

Estrategias de marketing/presentacin al pblico/inversionistas. Algunas herramientas

Captulo 3. Teora de la simulacin de trnsito 99

Operacin y gestin de la capacidad vial existente. Algunas herramientas proveen

En el caso de la presente investigacin, el software que utilizaremos y que ampliaremos en

3.1.3. Categoras de las herramientas de anlisis de trnsito

A la fecha, se han desarrollado numerosas metodologas y herramientas de anlisis de trnsito

Herramientas de planificacin inicial. Las metodologas y herramientas de planificacin

Modelos de demanda de viajes. Los modelos de demanda de viajes poseen capacidades

Captulo 3. Teora de la simulacin de trnsito 100

hacer aproximaciones en la estimacin de cambios en las caractersticas operacionales

Herramientas analticas/determinsticas (basados en HCM). La mayora de las

Herramientas para optimizacin de semforos. Las herramientas de optimizacin de

Una de stas herramientas es la que utilizaremos para la modelacin de trnsito de la

Modelos de simulacin macroscpica. Los modelos de simulacin macroscpica estn

En el simulador macroscpico los movimientos de los vehculos estn basados en funciones

Captulo 3. Teora de la simulacin de trnsito 101

Antes de que los vehculos ingresen o salgan de un segmento se examina la restriccin de

Modelos de simulacin mesoscpica. Los modelos de simulacin mesoscpica combinan

En el simulador mesoscpico, los vehculos son reunidos en clulas y corrientes de trfico y

Modelos de simulacin microscpica. Los modelos microscpicos simulan en movimiento

El tiempo de clculo y los requerimientos de almacenamiento para los modelos

En un simulador microscpico, los vehculos pueden variar sus caractersticas fsicas o de

Captulo 3. Teora de la simulacin de trnsito 102

Modelo de simulacin submicroscpica. Describe el mismo comportamiento que el

Figura N 24. Descripcin de los modelos de simulacin de trnsito

Por la escala de la variable independiente. Los modelos de trfico describen sistemas

Captulo 3. Teora de la simulacin de trnsito 103

Por el rea de aplicacin. El modelo puede describir la dinmica de los vehculos en un

Tabla N 10. Clasificacin de modelos segn grado de detalle

Captulo 3. Teora de la simulacin de trnsito 104

Los modelos simulados o utilizados en simulacin van a depender de la herramienta

Tabla N 11. Clasificacin de modelos en analticos y simulados

Captulo 3. Teora de la simulacin de trnsito 105