Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INGENIERIA
DEDICATORIA
AGRADECIMIENTOS
A mi profesor guía, Patricio Álvarez, por la oportunidad y paciencia durante toda la etapa
de mi tesis, además mencionar y agradecer al profesor Sergio Vargas por confiar en los
inicios de mi proyecto de titulo.
Quiero agradecer a todos los voluntarios que hicieron posible realizar con gran esfuerzo las
mediciones de terreno, especialmente a mi hermano Gerald por su colaboración en el
análisis de los datos y a Sebastián, Franco, José Luis, Luis, Marcos, Cristian, Manuel,
Loreto, Corina, Carla, Moisés, Jorge, Patrick, Marcelo y Carlos. Sin ellos no hubiese sido
posible realizar con éxito esta etapa fundamental del desarrollo de la tesis.
Agradezco la colaboración involuntaria de Justin Siegel y Luz Maria Velasco, por los
consejos y ayudas constantes que me permitieron solucionar diversos problemas durante el
transcurso de la investigación.
Finalmente quiero volver a agradecer a mi esposa, mis padres y hermanos, mis suegros por
la preocupación, cariño durante toda mi carrera y a toda mi familia que siempre confiaron
en mí.
iv
INDICE GENERAL
DEDICATORIA .................................................................................................................ii
AGRADECIMIENTOS.........................................................................................................iii
INDICE GENERAL .............................................................................................................. iv
INDICE DE TABLAS........................................................................................................... vi
INDICE DE FIGURAS ......................................................................................................... ix
RESUMEN ............................................................................................................................. x
CAPITULO 1: INTRODUCCION......................................................................................... 1
1.1. Objetivos...................................................................................................................... 1
1.2. Alcances ...................................................................................................................... 2
1.3. Contenidos ................................................................................................................... 2
CAPITULO 2: MARCO TEORICO ...................................................................................... 4
2.1. Clasificación de modelos de simulación ..................................................................... 4
2.2. Introducción a modelos de microsimulación............................................................... 6
2.3. Revisión de microsimuladores .................................................................................... 7
2.4. Descripción de GETRAM ........................................................................................... 8
2.4.1 Editor de Redes TEDI ........................................................................................... 8
2.4.2. Simulador Microscópico AIMSUN.................................................................... 10
2.4.3 Resultados entregados por GETRAM ................................................................. 12
2.4.4. Modelos utilizados por AIMSUN....................................................................... 13
2.4.5. Parámetros que incluye GETRAM..................................................................... 21
CAPITULO 3: METODOLOGIA DE CALIBRACION UTILIZADA .............................. 29
3.1. Proceso de Calibración .............................................................................................. 29
3.2. Variables de Interés o de Contraste ........................................................................... 32
3.2.1 El Flujo y su Composición .................................................................................. 32
3.2.2 Flujo por cada Pista (Uso de Pistas) .................................................................... 33
3.2.3. Las Velocidades por Pistas ................................................................................. 33
3.2.3. El Headways por Pista........................................................................................ 33
3.3 Análisis de Sensibilidad de Parámetros a Calibrar..................................................... 34
v
INDICE DE TABLAS
Tabla 5.3: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista
usando los valores de los parámetros por defecto ........................................................ 66
Tabla 5.4: Tabla de Errores Promedios en valor absoluto para los Headway por Pista
usando los valores de los parámetros por defecto. ....................................................... 67
Tabla 5.5: Tabla de Errores alcanzados en las primeras 7 Iteraciones. ................................ 68
Tabla 5.6: Errores obtenidos con los parámetros por defecto en las velocidades por pistas
para los vehículos livianos............................................................................................ 70
Tabla 5.7: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas
para los vehículos livianos............................................................................................ 71
Tabla 5.8: Errores obtenidos con los parámetros por defecto en las velocidades por pistas
para los camiones 2ejes ................................................................................................ 71
Tabla 5.9: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas
para los camiones 2ejes. ............................................................................................... 72
Tabla 5.10: Errores obtenidos con los parámetros por defecto en las velocidades por pistas
para los camiones +2ejes. ............................................................................................. 72
Tabla 5.11: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas
para los camiones +2ejes .............................................................................................. 73
Tabla 5.12: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando los
valores propuestos por Lacalle. .................................................................................... 74
Tabla 5.13: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista
usando los valores propuestos por Lacalle. .................................................................. 74
Tabla 5.14: Tabla de Errores Promedios en valor absoluto para los Headway por Pista
usando los valores propuestos por Lacalle. .................................................................. 75
Tabla 5.15: Tabla de Errores Promedios en valor absoluto para el Uso de Pista una vez
terminado el proceso de calibración. ............................................................................ 76
Tabla 5.16: Errores promedios alcanzados en valor absoluto para el uso de pistas
representado como porcentaje. ..................................................................................... 77
Tabla 5.17: Tabla de Errores Promedios en valor absoluto para las velocidades por pistas
una vez terminado el proceso de calibración................................................................ 79
Tabla 5.18: Errores Velocidades por Pista separados por categoría encontrados con
parámetros con defecto, Lacalle y finalizada la calibración......................................... 80
viii
Tabla 5.19: Errores promedios alcanzados en valor absoluto para los headway por pista una
vez terminado el proceso de calibración....................................................................... 82
Tabla 5.20: Comparación de Parámetros Calibrados con los Parámetros por defecto y
propuestos por Lacalle.................................................................................................. 87
ix
INDICE DE FIGURAS
RESUMEN
El mundo globalizado y los avances tecnológicos, han permitido en todos los ámbitos de la
Ingeniería, desarrollar herramientas que facilitan enormemente la tarea de los Ingenieros y
planificadores. Una de ellas son los modelos de microsimulación, los cuales permiten
modelar con un gran un nivel de detalle diferentes fenómenos y comportamientos.
Otra conclusión observada es que los parámetros propuestos por Lacalle (2003) no son
replicables para la ciudad de Concepción, en especial los parámetros que afectan a las
velocidades por pistas, debido a que presentan un error de un 16,68% versus un 6,9% con
los parámetros calibrados.
1
CAPITULO 1: INTRODUCCION
El mundo globalizado y los avances tecnológicos, han permitido en todos los ámbitos de la
Ingeniería, desarrollar herramientas que facilitan enormemente la tarea de los Ingenieros y
planificadores. Una de ellas son los modelos de microsimulación, los cuales permiten
modelar con un gran un nivel de detalle diferentes fenómenos y comportamientos de los
elementos de simulación.
1.1. Objetivos
• Obtener de forma efectiva los datos de flujo, velocidad y headway necesarios para
simular y calibrar los parámetros seleccionados.
• Encontrar valores para los parámetros seleccionados, que simulen de mejor manera
las condiciones de transito que presenta actualmente la autopista seleccionada.
1.2. Alcances
El flujo estudiado corresponde solamente a tráfico privado los cuales se dividen en tres
categorías, vehículos livianos, camiones 2 ejes y camiones sobre 2 ejes.
1.3. Contenidos
La tesis consta de 6 capítulos los cuales comprenden desde la Introducción hasta las
conclusiones.
3
Las simulaciones nos entregan una serie de ventajas, entre las cuales se puede destacar,
tiempos bajísimos en el análisis del sistema, es decir, simular en segundos o minutos el
comportamiento de horas, días o meses. También se puede destacar la posibilidad de
visualizar detalladamente comportamientos de los automovilistas como también analizar
diferentes alternativas o la reacción del sistema ante cambios en la red de estudio. En
síntesis una de las mayores virtudes de los modelos de simulación es lograr entregar
información detallada frente a los posibles cambios del sistema permitiendo anticipar
soluciones correctas a los problemas reales.
b) Discreto: realiza los cambios de estado en forma abrupta en ciertos momentos. Hay
dos tipos de modelos discretos, que son aplicables según las características que
quieren ser representadas; Tiempo y Evento.
Otra clasificación posible surge al considerar el nivel de detalle con el que se representa el
sistema estudiado y que es específica de transporte (ver Fig. 2.1):
b) Mesoscópico: en general representa las entidades con un alto nivel de detalle, pero
describe sus interacciones y actividades con un detalle mayor que el anterior, pero
menor que el siguiente (pelotones).
c) Microscópico: describe tanto las entidades del sistema como sus actividades en
forma detallada. Por ejemplo, al realizarse un cambio de pista se analiza la
trayectoria propia, la del vehículo anterior, la del vehículo anterior en la pista
adyacente y la del que viene a continuación en ella.
- +
2.2. Introducción a modelos de microsimulación
No todos los modelos son diseñados para resolver todas las aplicaciones posibles
existentes, pues poseen distintas propiedades. Además de lo mencionado en el párrafo
anterior los microsimuladores se aplican en la evaluación de esquemas a gran escala,
gestión en-línea y usos referentes a la investigación y educación.
Los modelos de microsimulación más utilizados en Chile según Velasco (2003) son:
Paramics, Corsim, Aimsun 2 (Getram), éste último es el más utilizado tanto a nivel privado
como en forma académica, siendo el software de microsimulación utilizado para este
estudio.
Hay que señalar, que en ámbito académico existen solamente tres Universidades del país
las cuales poseen las licencias del software GETRAM, la Universidad de Chile, Pontificia
Universidad Católica de Chile y la Universidad del Bío –Bío.
8
En la simulación que se realiza, tras generar la topología de la red con sus características
mediante el uso de TEDI, AIMSUN considera el comportamiento de cada vehículo con sus
características individuales y todos los elementos de la red representada afecta al
comportamiento de los vehículos: pendientes, semáforos, señales, paradas de autobuses,
etc.
Esto crea una simulación virtual de la realidad usando animación que permite realizar un
completo análisis y percibir el tráfico del entorno modelado de una forma fácil y rápida.
Las impresiones resultantes, pueden ser confirmadas por una serie de informes numéricos y
gráficos que proporciona el propio, además de incluir en los resultados particulares de este
estudio aquellos que se han estimado más representativos.
Soporta tanto redes urbanas como interurbanas, con los diferentes niveles de detalle
requeridos.
• Las rutas más cortas pueden ser calculadas de acuerdo a funciones de costo que
están en el simulador por defecto, o pueden ser definidas por el usuario.
• El usuario puede definir incidentes, antes o durante la simulación. Una lista de ellos
pueden ser almacenados para ser utilizadas en simulaciones posteriores.
• Velocidades
• Velocidades máximas
• Tiempo de viaje
• Paradas
• Colas máximas
• Colas medias
• Flujo / capacidad
Todos los parámetros arriba relacionados, y los que se han omitido pero el software facilita,
admiten al menos una clasificación diversa en diferentes sentidos:
• Por su ámbito:
La información de los vehículos que circulan por la red modelada es actualizada de acuerdo
a ciertos modelos que rigen el movimiento de ellos. Estos modelos son presentados a
continuación.
Se basa en el modelo de Gipps (1981, 1986), con algunas modificaciones, que determina el
comportamiento de un vehículo dependiendo de su entorno. Está compuesto principalmente
por dos componentes, aceleración y desaceleración. El primer componente representa la
intención de un vehículo de alcanzar cierta velocidad deseada, mientras el segundo
reproduce las limitaciones impuestas por el vehículo precedente al tratar de conducir a la
velocidad deseada.
La velocidad máxima a la que un vehículo (n) puede acelerar durante un período de tiempo
(t, t+T) es:
⎛ V ( n, t ) ⎞ V (n, t )
Va (n, t + T ) = V (n, t ) + 2.5a(n)T ⎜⎜1 − * ⎟⎟ 0.025 + *
⎝ V ( n) ⎠ V ( n) (2.1)
donde:
La máxima velocidad que el mismo vehículo (n) puede alcanzar durante el mismo intervalo
de tiempo (t, t+T), de acuerdo a sus propias características y a las limitaciones impuestas
por la presencia de un vehículo antecesor es:
⎡ V (n − 1, t ) 2 ⎤
Vb (n, t + T ) = d (n)T + d (n) 2 T 2 − d (n) ⎢ 2 { x(n − 1, t ) − s (n − 1) − x(n, t )} − V (n, t )T ⎥
⎣ d (n − 1) ⎦
(2.2)
donde:
La velocidad definitiva del vehículo n durante el intervalo (t, t+T) es el mínimo entre las
dos velocidades definidas previamente. Por lo tanto, la posición del vehículo n es
actualizada considerando esta velocidad en la ecuación de movimiento:
X ( n, t + T ) = X ( n, t ) + V ( n, t + T )T (2.3)
Como se mencionó anteriormente, AIMSUN utiliza los modelos de Gipps con algunas
modificaciones, las cuales se enumeran y se explican a continuación: la forma en que se
calcula V*(n) en el modelo de Gipps, la influencia de los vehículos en pistas adyacentes y
la influencia en la pendiente
Un vehículo que circula libremente alcanza su V*(n) velocidad máxima deseada tomando
en cuenta tres parámetros:
15
Por lo tanto, la velocidad máxima deseada por el vehículo n en la sección s esta dada por:
Este ultimo valor es el mismo que en modelo de Gipps aparece denotado como V*(n).
Para el caso que la pista derecha sea un acceso, la velocidad máxima del vehículo puede ser
igual al valor del parámetro MeanSpeedVehiclesDown más el valor del parámetro
MaximunSpeedDifferenceOnRamp (otro parámetro local del modelo). Para el resto de las
pistas de acceso la velocidad máxima del vehículo puede ser igual al valor del parámetro
MeanSpeedVehiclesDown más MaximunSpeedDifference (otro parámetro local del
modelo). Este procedimiento asegura que la diferencia de velocidades entre pistas
adyacentes siempre será menor que MaximunSpeedDifferenceOnRamp en el caso de
accesos y a MaximunSpeedDifference en el resto de los casos.
16
⎧ pendiente * 9.81 ⎫
accel = Max ⎨veh acc − , veh acc * 0.1⎬ (2.6)
⎩ 100 ⎭
Esta formulación permite que la aceleración de un vehículo nunca pueda ser negativa, es
mas, nunca será menor que un 10% de su aceleración bajo pendientes de ninguna magnitud.
Este modelo puede ser considerado como un desarrollo del modelo de cambio de pista de
Gipps. Se modela el comportamiento como un proceso de decisión, donde se analiza, la
necesidad del cambio (en el caso de un giro), el deseo del cambio para mejorar las
condiciones de manejo (ir a una pista más rápida) y la posibilidad de efectuar dicho cambio
que está relacionado con las condiciones de las vías adyacentes en ese punto de la red. El
modelo emula el comportamiento de los automovilistas de la siguiente forma:
Si es necesario realizar este cambio de pista se debe contestar dos preguntas más. ¿Es
deseable el cambio?, esto con respecto a las condiciones de tráfico que tendrá en la otra
pista en términos de velocidad o tamaño de la cola y ¿Es posible cambiar pista?, acá se
verifica si existe el gap suficiente para realizar la maniobra. Para hacer esto se toma en
cuenta el frenado que le imponen tanto el próximo vehículo aguas abajo y aguas arriba de la
pista a la cual se quiere cambiar. Si estos dos valores son aceptables entonces es posible el
cambio.
17
Zona 3: los vehículos son forzados a ingresar a la pista desde la cual es posible
ejecutar el viraje. Para lograr esto, su velocidad es reducida, incluso llegando a
detenerse completamente. Incluso los vehículos de las pistas adyacentes alteran su
comportamiento permitiendo que los vehículos que desean realizar el cambio
encuentren el gap necesario.
Las 3 zonas anteriormente mencionadas están definidas por dos parámetros, Distance Zone
1 y Distance Zone 2, los cuales están definidos en segundos y son convertidos en distancia
mediante la siguiente fórmula:
⎡ S (s) ⎤
Dm = Dt * S limit ( s ) ⎢ limit ⎥ (2.7)
⎣Vmax (n, s ) ⎦
donde:
18
Un modelo especial de cambio de pista es utilizado para el caso de los accesos (on ramps).
En este caso se aplica otro modelo de cambio de pista para el auto que trata de emerger. Un
parámetro adicional es considerado, el Time Distance on Ramp que es la distancia, en
segundos, desde el final de la pista a la cual la pista lateral es considerada una pista de
acceso. Cuando los vehículos que se encuentran en un acceso y están más lejos del fin de la
pista que la distancia definida por el Time Distance on Ramp, éstos se comportan como en
la Zona 1, cuando están más cerca tratan de emerger. La idea de este parámetro es
caracterizar desde qué punto la pista auxiliar es considerada una “on ramp” en vez de una
pista lenta o pista lateral.
Este submodelo también toma en cuenta otros aspectos, entre ellos, si el vehículo que trata
de emerger es el primero en la pista, si está frenando o incluso si ha llegado al final de la
pista y está detenido esperando, en este caso un parámetro que cobra relevancia es el
Maximun Give Way Time, el cual determina cuanto tardará en que el vehículo detenido se
ponga impaciente. Pasado este tiempo el vehículo considerará que está en la Zona 3, por
tanto se cambiará de pista incluso si esto perjudica a los otros conductores. Otra
particularidad del modelo de “on ramps” es que para los vehículos que están en la Zona 3 y
se acercan a un “on ramp”, éstos chequearán si es que hay vehículos tratando de emerger, si
esto sucede tratarán de cambiarse hacia la pista de la izquierda (aplicando Zona 1)
(Fig.2.5).
19
Este modelo se aplica en el caso de salidas de autopistas. En este caso se aplica el modelo
de cambio de pista estándar. Un vehículo que debe tomar la próxima salida intentará
cambiarse a la pista de la derecha una vez ingresando a la Zona 2 y una vez que esté
alineado con la pista de salida hará el cambio de pista hacia la derecha. En el caso de grave
congestión la salida puede congestionarse por completo tapando la pista de salida en su
totalidad, en este caso el vehículo que debe tomar la salida se detendrá completamente
esperando por el gap necesario para realizar el cambio de pista (ver Fig. 2.6).
Cuando las condiciones de tráfico están muy congestionadas puede pasar que los vehículos
no puedan alcanzar la pista que les permita efectuar un giro y por ende lo pierden.
Cambiando ciertos parámetros como la distancia de las Zona 1 y 2, las aceleraciones de los
vehículos, el paso de simulación, etc. o también usando polisecciones en vez de secciones,
20
Para mejorar esto, el submodelo “Look Ahead” tiene por objetivo informar a los
automovilistas de los dos próximos giros en sus rutas con el fin que puedan tomar
decisiones de cambio de pista con un criterio más amplio y no sólo tomando en cuenta el
próximo giro. El “Look Ahead Model” se puede resumir en 4 puntos:
En todo momento cada vehículo conoce sus próximos 2 giros, por tanto la decisión
de cambio de pista está influenciada por 2 giros consecutivos.
Las Zonas 2 y 3 del modelo de cambio de pista se extienden más allá que los límites
de la sección, afectando la sección aguas arriba.
f) Modelo de Adelantamiento
Se recomienda que los valores del porcentaje de recuperación sea mayor que los de
porcentaje de adelantamiento, para evitar que algunas maniobras de adelantamiento sean
abortadas. Valores muy pequeños tampoco son recomendables.
Tal como exponen diversos estudios y como lo representan los manuales de Getram, los
parámetros son agrupados en tres categorías, dependiendo del nivel de detalle en el cual
están definidos (Fig. 2.7), éstos son:
Locales
Globales
Estos parámetros están definidos al nivel del tipo de vehículo, como por ejemplo:
Automóvil, bus, taxi, camión, etc., y tienen influencia en toda la red. Se puede definir tanto
la media de los atributos como su desviación, y sus valores mínimo y máximo. Las
características particulares de cada tipo de vehículo son tomadas de una distribución
Normal Truncada. Los parámetros de este grupo son los siguientes:
10. Maximum Give Way Time: (Máximo tiempo de cesión de paso) cuando un
vehículo está esperando para cruzar o incorporarse en una intersección prioritaria, al
sobrepasar este tiempo de espera es más agresivo y reduce los márgenes de
aceptación. También es utilizado este parámetro en el modelo de cambio de pista.
c. tasa de consumo de combustible, en litros cada 100 km, para vehículo viaja
a velocidad constante de 90 km/hr.
d. tasa de consumo de combustible, en litros cada 100 km, para vehículo viaja
a velocidad constante de 120 km/hr.
2.4.5.2. Locales
Este grupo de parámetros afectan el comportamiento de todos los automovilistas en un
punto específico de la red modelada. Esto permite representar comportamientos que tienen
un ámbito local mientras los conductores se encuentran atravesando la sección
correspondiente, pero cambian a medida que el vehículo se cambia de ella y que sólo se
observan en determinadas situaciones. Los parámetros de este grupo son:
2. Maximum Speed Limit per Lane: (Límite de velocidad por pista) velocidad
máxima permitida, en Km/hr, para los vehículos que viajan a través de una pista en
particular.
5. Yellow Box Speed: (Velocidad de Yellow Box) un vehículo evita ingresar al cruce
sin bloqueos (“yellow box”) si el vehículo precedente circula a una velocidad menor
que la indicada por medio de este parámetro, en km/hr.
2.4.5.3. Globales
Estos parámetros se relacionan con los modelos de comportamiento vehicular a través de
toda la red. Estos parámetros no están definidos ni en forma local ni en forma específica
para cada tipo de vehículo. Son utilizados para todos los vehículos, en toda la red y durante
toda la simulación.
1. Parámetros Generales:
Estos últimos dos parámetros también afectan el comportamiento vehicular, ya que como
parte del modelo de cambio de pista, los vehículos esperan que se presente el gap aceptable
para realizar el cambio, y no les gusta esperar detenidos más que cierto tiempo. La
condición de detención viene dada por estos parámetros.
2. De seguimiento vehicular:
3. De Cambio de Pista:
CAPITULO 3: METODOLOGIA DE
CALIBRACION UTILIZADA
Para este estudio, el proceso de calibración será el propuesto por Mariano Lacalle (2003),
quien en su tesis de magíster de la Pontificia Universidad Católica de Chile desarrolla en
detalle y además realiza la calibración de la Av. Kennedy para la ciudad de Santiago.
Variables de Interés o
de contraste
Análisis de
Sensibilidad
Ajuste de Parámetros
CALIBRACION
Simulación
Comparación
Modelo Calibrado
Debido a la naturaleza del proyecto en estudio, y considerando como base las mismas
características del modelo propuesto por Lacalle, ya sea en términos de condiciones de
tránsito, como también en las variables y parámetros de evaluación, se trabajaron para el
desarrollo de la calibración de la ciudad de Concepción solamente las etapas Toma de
Datos, Ajuste de Parámetros, Simulación y Comparación. Las etapas Variables de contraste
y Análisis de Sensibilidad corresponden a las realizadas por Lacalle en su calibración de
Av. Kennedy para la ciudad de Santiago, las cuales se presentan en los capítulos
posteriores.
A continuación se presentan una breve descripción descrita por Lacalle (2003) para cada
una de las etapas.
Definición de los Objetivos del Proyecto: Esta es la primera etapa del Proceso de
Calibración ya que predetermina en forma importante todo el proceso. Es fundamental para
el proceso de Toma de Datos, ya que dependiendo de los objetivos del proyecto se ve el
nivel de detalle y variables a considerar. También los Objetivos del proyecto pueden influir
de manera importante en las variables a considerar en el Proceso de Calibración, aunque en
general las variables consideradas serán casi siempre las mismas para la mayoría de los
proyectos de similares características.
Toma de Datos: este proceso consiste en la obtención de todos los datos necesarios para
calibrar el modelo. Las principales interrogantes que se deben resolver son, primero las
variables a medir, el nivel de agregación necesaria, y por último, es importante determinar
donde y cuanto medir, todo lo cual está predeterminado por los objetivos del proyecto.
También hay que notar que la etapa de Toma de Datos puede influenciar la elección de las
variables a considerar en la calibración, ya que al tomar datos se pueden manifestar ciertos
fenómenos conductuales de los automovilistas y sus impactos en ciertas variables o también
se puede dar el caso que se detecte en terreno que una variable considerada como
importante no tenga importancia real, un ejemplo de esto es si se considera importante la
variable colas en los accesos, pero en terreno no se observa este fenómeno.
Comparación de la Bondad del Ajuste: Esta etapa es de vital importancia, ya que determina
el grado de precisión que tendrá el Proceso de Calibración. Las principales interrogantes
que se deben resolver en esta etapa son, en primer lugar, cómo comparar los datos
simulados con los medidos en terreno, es decir, qué método estadístico ocupar para
comprobar la bondad del ajuste. Se puede utilizar un simple índice de error o distancia o un
análisis más complejo como el índice de correlación entre los datos u otro de análisis de
series de tiempo. También hay que determinar la agregación temporal con la que se quiere
comparar, es decir, cada cuánto tiempo se compara (cada 1 min, cada 5 min, etc.). Por
32
último, en esta etapa se debe establecer el criterio de parada o aceptación, es decir, cuál es
la precisión que se le exigirá a la calibración ya que exigir un ajuste perfecto es
impracticable.
Las variables de interés (o de contraste) son aquellas que describen el comportamiento del
automovilista y sirven en el Proceso de Calibración para calificar el comportamiento del
modelo. El modelo se comportará bien si replica de buena forma estas variables y mal si no
lo hace.
Esta variable es sin duda alguna un dato mínimo para realizar una simulación de la
autopista y sólo se pueden hacer ciertas consideraciones sobre que tan preciso y
desagregado se hará la composición de éste, en lo que se refiere al número de diferentes
tipos de vehículos a considerar.
33
Esta es otra variable importante a la hora de caracterizar el flujo circulante en una autopista,
ya que sin duda alguna cada pista tiene sus propias características operacionales que la
diferencian del resto de las pistas, por lo tanto es importante saber que porcentaje del flujo
se ve afectado por estas características en particular.
La velocidad por pista es otra variable que presenta gran interés para caracterizar el
comportamiento del automovilista, ya que nos ayuda a detectar cuellos de botella o zonas
de colas. Esto es posible ya que como se sabe la velocidad (v), el flujo (q) y la densidad (k)
están relacionadas como lo muestra la siguiente formula:
q=k*v (3.1)
Por lo tanto, al tener dos variables se puede encontrar la tercera, y como es mucho más fácil
medir el flujo y la velocidad que la densidad, se optó por medir estas dos variables.
autopista. El headway promedio entre los vehículos que transitan por una determinada pista
está sin duda correlacionado con el flujo de ésta, ya que a mayores flujos se tendrán como
consecuencia menores Headways, por lo cual, una buena caracterización del flujo por cada
pista tendrá un efecto importante en la buena caracterización de los headways por pista.
Como lo descrito en los capítulos anteriores el uso de pistas se basa en el modelo de Gipps,
el cual responde a tres preguntas básicas, ¿Es necesario el cambio de pista? ¿Es deseable un
cambio de pista? y por último ¿Es posible este cambio?, al ver estas tres preguntas lo
primero que se nota es el proceso de cambio de pista en AIMSUN se gatilla por dos
motivos principales; en primer lugar para poder efectuar un viraje y en segundo lugar para
ajustar la velocidad, es decir, tomar una pista diferente tanto para ir más rápido o más
lento.Esto también provoca que en diferentes pistas se observen diferentes velocidades de
circulación. Además para hacer el modelo de cambio de pista un poco más real AIMSUN
define tres Zonas en las cuales se pueden observar comportamientos diferentes con respecto
al cambio de pista.
Los parámetros que influencian con mayor fuerza el uso de pista y que son susceptibles a
calibrarse son Maximum Speed Limit per Lane, Distance Zone 1, Distance Zone 2, %
Overtake y % Recover. A continuación se presentará el analisis realizado por Lacalle para
cada una de estos parámetros, en una pequeña red con 3 pistas de ancho con un flujo
promedio de 3500 veh/hr y un acceso con un flujo promedio de 550 veh/hr.
35
Como se dijo antes este parámetro permite poner límites de velocidades máximas diferentes
por pistas, lo cual para algunas personas no es adecuado utilizar ya que en realidad no
existe dicha diferencia en las velocidades por pistas. Se optó por utilizar este parámetro
debido a la imposibilidad del microsimulador AIMSUN de modelar con exactitud el uso de
pistas observado. El microsimulador sobreestima el número de vehículos que viajan por la
pista 1 para flujos bajos y medianos ya que la lógica del microsimulador es que por lo
general un auto utilizará siempre la pista 1 y se cambiará de pista sólo si desea utilizar una
pista más rápida o realizar un viraje. Eso sí, hay que estar conciente que este parámetro no
puede ser utilizado a la ligera y debe aplicarse con criterio y cautela.
“A menores límites de velocidad por la pista uno la “penalización” aumenta y por ende es
menor el flujo que circula por esa pista, en cambio si en vez de penalizar la pista 1 se
aumenta su velocidad máxima, es decir, se “estimula” su uso el flujo circulante por esta
pista aumenta” (Lacalle, 2003)
Otra consecuencia que tiene el movimiento de este parámetro, es por supuesto, el cambio
en las velocidades de circulación por las pistas ya que los autos modelados para calcular su
velocidad toman en consideración el límite de velocidad permitido, por tanto al “penalizar”
su uso mediante este parámetro, también estamos “penalizando” a la vez las velocidades de
circulación por la pista 1.
Estos dos parámetros determinan el largo que tienen las Zonas 1, 2 y 3 las cuales como se
explicó en los capítulos anteriores determinan el comportamiento que tiene el vehículo en
lo que respecta al cambio de pista, y por consecuencia influencia fuertemente el uso de
éstas.
36
En las pruebas realizadas se encontró gran dificultad para aislar los efectos y así poder
determinar el efecto en particular que tiene el valor de cada parámetro ya que como se
manifestó antes el efecto de este parámetro depende no sólo del valor de este y el valor de
otros parámetros, sino que también de la geometría de la red a considerar. Claramente se
observa que el cambio en el valor de estos parámetros altera sustancialmente el uso de
pista.
Eso sí, se pueden explorar las propiedades de cada Zona lo cual puede ayudar a comprender
el comportamiento del modelo de cambio de pista. En la Zona 1 (que es la más alejada de la
intersección o al final de la sección) se realizan cambios de pista sólo motivados por el
hecho de mejorar su movimiento con respecto a la velocidad deseada y no se toma en
cuenta la proximidad de un viraje, en esta zona también hay influencia de los parámetros %
Overtake y % Recover que influencian las maniobras de adelantamiento. En la Zona 2, que
es una zona intermedia si se toma en cuenta las posibilidades de virajes pero éstos se realiza
sólo si no se molesta a los vehículos de las pistas adyacentes; en esta zona los vehículos
también se ven afectados por los parámetros % Overtake y % Recover al igual que en la
zona anterior. Por último la Zona 3 (que es la última zona) los cambios de pista están
gobernados mayoritariamente por la presencia de virajes y el cambio de pista se realiza aún
cuando se moleste a los autos en pistas adyacentes, en esta zona los parámetros % Overtake
y % Recover no tienen influencia alguna.
Considerando estas guías se puede hacer los cambios necesarios para influenciar el uso de
pista, haciendo más sencillo realizar un método de “ensayo y error” en la red en estudio
para determinar inequívocamente el efecto que se quiere producir.
Para detectar el efecto de estos dos parámetros se hicieron varias pruebas en la misma red
que en los casos anteriores. Los resultados obtenidos fueron los siguientes:
“A medida que los valores de los parámetros suben la proporción de flujo por la pista 1
decrece, en cambio la proporción del uso de la pista 3 aumenta.” (Lacalle, 2003)
Esto es consecuente con lo que uno podría esperar ya que valores más altos de % Overtake
implican que los automovilistas son más impacientes y adelantan ante menores diferencias
entre la velocidad deseada por el vehículo y la velocidad de circulación del vehículo líder,
por lo tanto se esperaría que con esto la pista 1 tengan un flujo menor y la pista 3 un flujo
mayor. También a mayores valores del parámetros % Recover se esperaría un menor uso de
la pista 1 ya que mayores valores para este parámetro implica que los conductores
seguidores volverán a la pista lenta menos veces, por lo tanto es lógica la reducción del
flujo por esa pista.
Tomando en cuenta lo anterior se optó por considerar los siguientes parámetros como
susceptibles de calibrar: el Maximum Desired Speed y Speed Acceptance. Ambos
parámetros como se mencionó anteriormente no están definidos por un solo valor, sino que
por un conjunto de valores derivados de una función Normal Truncada que se define por su
valor promedio, desviación, valor mínimo y valor máximo y por último se consideró el
38
parámetro Reaction Time, este es sin duda alguna uno de los parámetros más importantes
del modelo ya que determina que tan hábiles o cada cuanto tiempo reaccionan los vehículos
en la simulación, lo cual sin duda alguna cambia drásticamente los resultados obtenidos en
la simulación.
Con respecto a la aceleración y desaceleración del vehículo que también son dos
parámetros importantes en la determinación de la velocidad de un vehículo se optó por
utilizar los parámetros asignados por Lacalle que corresponden a los encontrados por Rojas
D.A (2003).
Este parámetro es propio de cada tipo de vehículo lo cual nos permite representar vehículos
con características diferentes. Por ejemplo los camiones deberían tener un Maximum
Desired Speed menor que el de un vehículo normal lo cual es completamente lógico. El
análisis de sensibilidad realizado para este parámetro fue realizado en una red con sólo un
tipo de vehículo (auto) y con las características geométricas y de flujo reportadas en la
sección anterior. Los resultados obtenidos fueron los siguientes
Hay que decir que se dejó el parámetro Speed Acceptance fijo en un valor alto de manera
que no influyera. El cambio en este parámetro altera también el uso de pistas aunque en
39
menor medida que los parámetros estudiados en la sección pasada, sin embargo este efecto
aunque menor debe ser considerado a la hora de calibrar este parámetro. A continuación se
hará el análisis del parámetro Speed Acceptance.
Este parámetro está formulado para representar el grado de acatamiento a las normas de
límite de velocidad máximo por parte de los automovilistas. Se define en forma individual
para cada tipo de vehículo mediante una distribución Normal Truncada. Por lo general este
parámetro restringe la velocidad máxima a la que un vehículo puede circular en
condiciones de flujo libre y en conjunto con el parámetro de Maximum Desired Speed
determinan la velocidad efectiva en condiciones de flujo libre, la buena definición de
ambos es crucial para la buena calibración del modelo. Para detectar la influencia de este
parámetro se realizaron diferentes pruebas y los resultados fueron bastante lógicos y
concordantes con la teoría. Los resultados obtenidos fueron los siguientes :
“A medida que se sube el valor del parámetro se obtienen velocidades mayores” (Lacalle,
2003)
Al igual que el parámetro anterior se verificó un pequeño cambio en los usos de pista
observados lo cual también es lógico ya que como se sabe los vehículos eligen la pista en
que transitan por sobre todo según la velocidad deseada que ellos tienen. Por lo tanto, al
cambiar este parámetro que cambia la distribución de velocidades, tiene como consecuencia
directa influir en el uso de pistas.
Se puede observar que el cambio provocado por este parámetro no es tan importante como
el provocado por los parámetros revisados en la sección anterior pero al igual que con el
Maximum Desired Speed se debe tener en cuenta este efecto a la hora de calibrar el
modelo, ya que, mover este parámetro puede cambiar el ajuste obtenido con el resto de los
parámetros.
Este parámetro es sin duda alguna uno de los parámetros más influyentes del modelo de
microsimulación ya que determina algo fundamental y es cada cuanto tiempo los vehículos
reciben y realizan acciones (reaccionar a cambios de velocidad del vehículo líder por
ejemplo), es decir, dice que tan hábiles o atentos son los automovilistas modelados.
Es claro que este parámetro aunque represente algo físico como la reacción de
automovilista es muy difícil o poco practicable, determinar su valor mediante mediciones
en terreno por lo cual para determinar su valor es útil el proceso de calibración. Los
resultados del análisis de sensibilidad fueron los siguientes:
También es interesante notar que la pista 1 es la que presenta una mayor variación entre su
velocidad mínima y máxima con diferentes valores del parámetro analizado. Esto se debe a
que la pista 1 se ve afectada por el flujo entrante del acceso por lo tanto al tener una mayor
habilidad son los vehículos de esta pista los más beneficiados ya que son los más exigidos.
Con respecto al uso de pista se puede ver que la influencia que tiene el parámetro es
bastante menor ya que ante cambios drásticos sólo se observan modificaciones tenues en el
uso de pista, pero igual se debe tener este efecto en consideración a la hora de calibrar este
parámetro.
cambio en los parámetros que influencian las velocidades por pista pueden cambiar en
algún grado el uso de éstas, por lo tanto debe realizarse el proceso de Ajuste completo de
manera iterativa hasta alcanzar un grado de similitud adecuado entre lo simulado y lo
observado (en las dos variables). El proceso de ajuste se muestra en la figura 3.2:
Figura 3.2: Proceso de Ajuste en dos etapas propuesto por Lacalle (2003).
Definición de Parámetros Speed Limit per Lane
Calibrables para Uso de Pistas Distance Zone 1
Distance Zone 2
% Overtake
%Recover
Ajuste de Parámetros
Uso de Pistas
Ajuste de Parámetros
Velocidades por pistas
FUNCION
OBJETIVO ErrorTotal = θ1ErrorUsoPistas + θ 2 ErrorVelPista + θ 3 ErrorHeadway
TERMINO
Fuente: Lacalle (2003)
42
A continuación se verá con más detalle las dos etapas del proceso de Ajuste ya
mencionadas.
3. Los cambios se deben realizar en todas las secciones anteriores a la estación elegida
y posteriores a la estación ya revisada.
5. Pasar a la siguiente estación sólo cuando no se pueda mejorar el ajuste obtenido con
ninguna combinación de valores para estos parámetros o cuando se ha obtenido un
ajuste razonable en esa estación.
estos parámetros son globales por lo que su ajuste es mucho más sencillo y rápido que el
ajuste de los parámetros anteriores ya que estos son locales. El Análisis de Sensibilidad
realizado a estos parámetros nos entregó buena información con respecto al efecto que
tienen ellos. Por lo tanto depende del efecto que se quiera obtener con el ajuste de estos
parámetros, la decisión de si bajar o subir el valor que viene por defecto. Hay que recordar
que si se quiere estimular las maniobras de adelantamiento y disminuir las maniobres de
retorno a la pista lenta y por tanto aumentar el flujo en las pista 3 y disminuir el de la pista
1, se debe aumentar el valor de ambos parámetros. Si se busca lo contrario lógicamente se
debe disminuir el valor de ambos parámetros.
Una vez terminado el ajuste de estos dos parámetros se termina la primera iteración del
proceso de ajuste. Como se aprecia en la Figura 3.2 es altamente posible que esta etapa se
repita más veces, lo cual dependerá del error una terminada la etapa 2 que se verá a
continuación.
En la segunda etapa de este proceso se busca ajustar las diferentes velocidades por pista
encontradas en cada una de las diferentes estaciones de monitoreo. Para ajustar las
diferentes velocidades, los parámetros seleccionados son, Maximum Desired Speed, Speed
Acceptace y el Reation Time los dos primeros son definidos mediante una distribución
Normal Truncada y el último sólo por un valor.
Un hecho que le agrega dificultad al ajuste de estos parámetros es la relación que tienen
estos con el parámetro Maximum Speed Limit per Lane, porque si la red presenta diferentes
velocidades máximas entre pistas, ya sea para penalizar o estimular el uso de una pista, la
45
definición del parámetro Speed Acceptace tiene diferentes interpretaciones. Este parámetro
define a que porcentaje del límite máximo de velocidad un vehículo puede circular, por
ende, un mismo vehículo presentaría una máxima velocidad permitida diferente
dependiendo de la pista en la que transite.
Para ajustar el valor de estos parámetros es necesario, o mas bien recomendable, tener una
buena estimación de la distribución de velocidades a flujos pequeños en la autopista en
estudio, con esta distribución uno puede tener un muy buen punto de partida para el ajuste
de los parámetros y así poner la distribución de los parámetros de manera que sea
concordante con lo visto en terreno. Este valor sólo representa una buena aproximación
inicial debido a que lo que uno observa en terreno en el modelo es consecuencia no sólo de
estos parámetros, por lo que estos valores iniciales necesitarán pequeños ajustes con el fin
de replicar de mejor forma lo observado.
Una vez terminado el ajuste de los dos parámetros analizados anteriormente se procede a
ajustar el último parámetro de este proceso y quizás uno de los más importantes debido a su
relevancia en la simulación. Este parámetro es el Reaction Time que como se expuso
anteriormente determina el tiempo que le toma a un vehículo reaccionar ante los cambios
de velocidad del vehículo líder.
Aún cuando este parámetro tiene una interpretación física clara no es fácil su determinación
mediante mediciones en terreno, de manera que para encontrar el valor que mejor ajuste a
las condiciones existentes, se opta por encontrar su valor mediante la calibración. Debido a
46
Una vez concluido el ajuste del Reaction Time se da por concluida la segunda etapa. Vale
la pena recordar que esta etapa se puede volver a repetir ya que el proceso de Ajuste es
iterativo.
(MAPE), entre otros. Este último indicador corresponde al utilizado por Lacalle (2003) y en
muchos estudios de simulaciones en el área de tráfico.
1 n simi − obsi
MAPE = ∑
n i =1 obsi (3.2)
La decisión de utilizar el indicador MAPE está dada por su fácil utilización y su lectura
intuitiva para la mayoría de las personas, lo cual es de vital importancia en caso de ocupar
el procedimiento propuesto no sólo en el ámbito académico. Con respecto a las desventajas
es que no tiene un criterio implícito de cuando un modelo es aceptable o no, por lo que el
criterio debe ser establecido por el modelador. Otra desventaja es que el indicador no
entrega la naturaleza del error que se está incurriendo ya que sólo señala el tamaño de éste.
Para solucionar este punto, se debe generar una tabla en cada punto de control cada 15
minutos y colorear las magnitudes de los errores de manera de dar una apreciación visual y
rápida de los errores alcanzados.
Con respecto al criterio de parada utilizado con este indicador, se debe hacer un juicio por
parte del modelador ya que no existen criterios universales respecto a la aceptabilidad del
error de un modelo “aceptable”. El error “aceptable” es sin duda dependiente del proyecto
en particular que se simula y del grado de importancia de cada una de las variables de
interés.
Para este estudio, al igual que en la tesis de Lacalle, se consideraron dos criterios de parada.
En primer lugar se consideró como error aceptable un error por debajo del 10% entre lo
simulado y lo observado en las variables Uso de Pistas y Velocidades por Pistas (no se
consideran los Headways por Pista ya que esta variable es más bien una variable de
validación ya que no se encontró ningún parámetro que influenciara directamente esta
variable, sino que esta se ve afecta indirectamente por el Uso de Pista). Un segundo criterio
de parada (criterio alternativo o complementario) es detener el ajuste de los parámetros
cuando ya no se detecten avances en el error, es decir, que el error simulado no se pueda
reducir ante los cambios de los parámetros.
48
CAPITULO 4: RECOPILACION DE
INFORMACION Y TOMA DE DATOS
Existe una gran gama de procedimientos, los cuales nos pueden aportar las informaciones
requeridas, en la búsqueda de soluciones a los problemas planteados, como es el caso de la
calibración del modelo de microsimulación AIMSUN para la autopista ininterrumpida en la
ciudad de Concepción.
En este capítulo se muestran, las etapas preliminares del proceso de calibración, que
corresponde a la toma de datos y recolección de información necesaria para replicar las
condiciones geométricas y de tránsito, de la autopista seleccionada para el estudio.
Otra de las variables de elección, es que cuenta con un alto estándar de servicio a lo largo
de toda su extensión. Además cuenta con las condiciones de seguridad mínimas para la
recolección de datos.
Para lograr simular las condiciones de tránsito, es necesario contar con información
detallada de las características geométricas de la autopista en estudio, como por ejemplo, el
número de pistas, su ancho, inclinación, tipos de intersecciones, velocidades máximas,
giros permitidos, etc.
Como lo explicado en capítulos anteriores, GETRAM posee un editor grafico, TEDI, que
permite utilizar diversas opciones para el ingreso de las características físicas de la
autopista, entre las cuales destacan el uso de imágenes digitales en formato JPG, BMP, TIF,
GIF y principalmente en formato DXF, las cuales mediante la opción Background,
permiten usarla de fondo la dibujar la red a simular lo más real posible. Hay que destacar la
importancia de la información de las características geométricas, ya que va directamente
relacionada con los resultados de la microsimulación.
Para el caso de esta investigación se contó con un archivo DFX con la configuración física
de toda la Av. Alonso de Rivera y J. M. García, proporcionado por la Dirección de
Vialidad, del Ministerio de Obras Públicas de la Octava Región.
50
Además de esta información, se realizaron numerosas visitas a terreno con el fin de corregir
errores en el plano y de incluir información que no se tenía, como largo de las pistas de
accesos y salidas, velocidades máximas, etc.
Para esta investigación, se consideraron valores encontrados por otros estudios relacionados
con este tema y valores incorporados por defecto en GETRAM.
Para el caso de los vehículos livianos, se optó por los datos encontrados por Luz María
Velasco (2003), quien gracias a la base de datos de las revisiones técnicas pudo obtener las
marcas más utilizadas en Santiago y luego revisando los catálogos de los modelos
determinó las características dimensionales de esta categoría (Tabla 4.1). Para las
aceleraciones de esta categoría se optaron por ocupar las propuestas por Rojas D. A.
(2003), las cuales fueron utilizadas en la calibración de Lacalle (2003). Con respecto a las
desaceleraciones, (al igual que en tesis de Lacalle) se decidió dejar el valor que trae el
51
Para la obtención de datos de tráfico se disponen de varios métodos utilizados por distintos
investigadores y literaturas especializadas, entre los cuales podemos utilizar conteo manual,
video grabaciones, sistemas de adquisición de datos, GPS, etc. Cada uno de estos métodos
posee un mayor y menor grado de precisión, sin embargo el método más apropiado es aquel
que con los recursos disponibles permita tener el mínimo error posible.
En primer lugar se definió el día en que se tomarían los datos de tráfico. Para esto se
solicitó información a la Secretaría de transportes (SECTRA), la cual poseía información
de tráfico de la avenida en estudio entre los días 18 y 24 de Noviembre de 2003. Con estos
datos se pudo comprobar que el comportamiento de la Av. Alonso de Ribera y J.M. García
es totalmente estable durante la semana y definir el sentido Poniente – Oriente como el
sentido con mayor flujo entrante a la autopista. El gráfico de la Fig. 4.1 muestra el flujo de
vehículos totales de la semana.
53
Como se aprecia claramente en la figura 4.1, el comportamiento del flujo durante los días
hábiles es muy similar. Además se puede apreciar una pequeña variación el día viernes, la
cual puede ser referida a la condición de proximidad del fin de semana. Se aprecia
claramente un menor flujo el día Domingo. Otra de las conclusiones más relevantes es la
definición de la hora punta. Según la figura se aprecia claramente una la mayor punta en la
tarde, entre las 17:45 y 19:45.
Una vez revisado estos antecedentes se definió como fecha de toma de datos el día
miércoles 29 de Septiembre de 2004. Lamentablemente debido a las condiciones de
iluminación y seguridad, la toma de datos no se pudo realizar en el periodo punta, por lo
que los datos de calibración se tomaron entre las 14:00 y 15:00 hrs., definiendo este horario
como punta medio día. Los valores de validación se tomaron desde las 15:30 a las 16:30
hrs.
54
Además de los puntos de medición antes mencionados, se midió en forma manual el flujo
entrante a la autopista y en cada uno de los accesos a esta. En la autopista en estudio se
necesitaron 6 personas las cuales en forma manual se realizó el conteo separando los
vehículos en las clasificaciones antes descritas. Hay que hacer mención, que existe a la
altura de la intersección con el paso bajo nivel ferroviario, un acceso hacia el sector cerro
La Pólvora, el cual no posee características geométricas de un acceso regular, es decir,
pistas de aceleración y desaceleración. Se decidió verificar la incidencia de este acceso
irregular, el cual arrojó valores menores al 1.5% del flujo total circulante en la avenida, por
lo cual se optó por no considerar la influencia de este acceso para el estudio.
La figura 4.2 muestra los puntos de mediciones y las descripciones utilizadas para cada uno
de ellos.
55
Para el procesamiento de datos, se confeccionaron planillas Excel que permiten conocer los
flujos, velocidades y headway por categoría y por pista. En las tablas 4.4 a 4.8 se muestran
los valores obtenidos para cada uno de los puntos de control (PC) y los puntos de medición
(PM).
56
Tabla 4.4: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría,
en periodo 14:00 a 15:00 hrs.
FLUJOS POR CATEGORÍAS
VEHÍCULOS LIVIANOS CAMIONES 2 EJES CAMIONES +2EJES
TOTAL veh/hr
PERIODO 14:00 a 15:00
2 85 81 79 78 6 13 8 5 6 5 10 6 323 32 27
2 79 75 77 77 8 7 8 8 5 9 7 7 308 31 28
Tabla 4.5: Velocidades en Kph del total de los vehículos, separados por pista, en
periodo 14:00 a 15:00 hrs.
VELOCIDADES POR PISTA (GLOBAL)
0 - 15 15 - 30 30 - 45 45 - 60
P1 P2 P1 P2 P1 P2 P1 P2
Tabla 4.6: Velocidades en Kph, separados por pistas y categorías, en periodo 14:00 a
15:00 hrs.
PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
2 80.7 81.9 80.23 83.15 73.83 74.24 74.69 78.68 77.5 69.92 79.54 74.52
2 84.82 88.38 86.29 86.29 79.49 86.96 81.02 81.02 84.69 75.61 81.29 82.29
Tabla 4.7: Headway en segundos del total de los vehículos, separados por pistas, en
periodo 14:00 a 15:00 hrs.
HEADWAY POR PISTA (GLOBAL)
0 - 15 15 - 30 30 - 45 45 - 60
P1 P2 P1 P2 P1 P2 P1 P2
Tabla 4.8: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por
categoría en periodo entre las 14:00 a 15:00 hrs.
FLUJOS POR CATEGORÍAS
VEHÍCULOS LIVIANOS CAMIONES 2 EJES CAMIONES +2EJES
TOTAL veh/hr
PERIODO 14:00 a 15:00
Las tablas 4.4 a 4.8 corresponden a los datos obtenidos en el primer periodo de medición,
entre las 14:00 y 15:00 hrs. Para la obtención de los datos del segundo periodo, entre las
15:30 y 16:30 hrs., surgieron lamentablemente inconvenientes en el punto de control 1 y 3.
El primer problema se produjo por la falta de iluminación y visibilidad en la postura de la
filmadora. El segundo conflicto se generó por motivos de fuerza mayor, los cuales por los
riesgos presentes en el lugar, en lo que refiere a la seguridad, se tuvo que abandonar el
puesto de medición.
Tabla 4.9: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría,
en periodo 15:30 a 16:30 hrs.
2 88 85 73 63 8 5 10 4 10 10 10 11 309 27 41
Tabla 4.10: Velocidades en Kph del total de los vehículos, separados por pista, en
periodo 15:30 a 16:30 hrs.
Tabla 4.11: Velocidades en Kph, separados por pistas y categorías, en periodo 15:30 a
16:30 hrs.
PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
2 85.05 82.87 80.83 79.60 81.24 76.00 79.78 83.26 77.82 79.70 78.67 78.86
Tabla 4.12: Headway en segundos del total de los vehículos, separados por pistas, en
periodo 15:30 a 16:30 hrs.
Tabla 4.13: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por
categoría en periodo entre las 15:30 a 16:30 hrs.
Al igual que en lo presentado por Lacalle (2003), se comparó el modelo no calibrado con el
calibrado, es decir, utilizando los valores por defecto que incorpora el programa,
determinando claramente la importancia en la calibración para proyectos de
microsimulación. Además, al poseer parámetros calibrados recientemente para la ciudad de
Santiago, se puede comparar resultados desde la perspectiva de los valores por defecto,
valores calibrados por Lacalle para Santiago y finalmente valores calibrados para la ciudad
de Concepción.
Los datos utilizados para la obtención de los resultados que se muestran a continuación se
pueden revisar en los capítulos anteriores. Para el comienzo de este estudio, se simuló la
Av. Alonso de Ribera utilizando los valores por defecto los cuales se presentan en la tabla
5.1:
63
Tabla 5.1: Parámetros por defecto entregados por AIMSUN. (promedio, desviación,
mínimo, máximo)
El error por defecto que posee el programa depende sin duda de las condiciones de
simulación y de las variables de contraste que se consideren que representan la realidad
(como lo describe Lacalle). Además, AIMSUN está concebido para la realidad Europea, lo
cual es diferente a la nuestra, por lo mismo, la importancia de la calibración es altamente
necesaria para estudios locales.
A continuación se muestran las tablas que describen el error alcanzado con los valores por
defecto, separadas por cada punto de control en intervalos de 15 minutos para las variables
de simulación. Además se muestran el error alcanzado en la variable velocidad para cada
una de las categorías de vehículos presentes en la Avenida Alonso de Ribera
Al igual que en la tesis de Lacalle, para facilitar la detección de los mayores errores se pintó
de diferentes colores el fondo de la celda dependiendo del valor del error. Así, si una celda
presenta un error promedio en valor absoluto menor al 10% tendrá un color de fondo
blanco que indicaría que presenta un error aceptable; si el error está entre un 10% y un 20%
el color de la celda será amarillo lo cual manifiesta que el error es considerado moderado; si
la celda presenta un error mayor al 20% pero menor que el 50% se considera que tiene un
error importante y para caracterizar esto se pintó la celda de color naranja, por último si la
64
celda presenta un error mayor al 50% se considera que tiene un error grande y para alertar
esta situación se coloreó el fondo de la celda de color rojo.
La tabla 5.2 muestra que el error de la variable uso de pistas es bastante importante
utilizando los valores por defecto. Por otro lado, haciendo un análisis mas exhaustivo se
encontró que el error producido el las pistas es 48,89% para la pista 1 y -45,37% para la
pista 2 (valores presentes en la tabla sin valores absolutos). Esto significa que encontramos
un exceso de flujo simulado en la pista 1 y un déficit en la pista 2.
Tabla 5.2: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando
los valores de los parámetros por defecto.
ERROR USO DE PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 28.26% 22.81% 31.36% 29.92% 38.28% 29.25% 18.26% 36.13% 29.28%
PC2 27.01% 46.39% 33.33% 29.29% 27.61% 40.21% 21.01% 39.33% 33.02%
PC3 35.56% 50.00% 79.49% 38.46% 54.12% 44.57% 50.59% 55.43% 51.03%
PC4 74.03% 75.00% 102.60% 58.51% 82.93% 63.16% 77.78% 67.42% 75.18%
pista 1, es que si consideramos un posible alto flujo entrante por los accesos, puede
condicionar colas en los accesos, cuestión que no ocurre en la realidad.
Figura 5.1: Calibración con valores por defecto, situación representativa uso pista 1
La tabla 5.3 muestra los errores producidos por la variable velocidades por pista. En ella se
muestran claramente que el error es mucho menor que el considerado para el uso de pistas,
llega a un valor de 11.64% que prácticamente esta en el rango aceptable. Uno de los
mayores errores se produce en PC1, ubicado frente a Universidad Católica de la Santísima
Concepción. Esto se debe sin duda a que aguas abajo del punto de control, se encuentra el
paso bajo nivel de Av. Paicaví, el cual posee una curva peligrosa reduciendo al mínimo el
ancho de las bermas, lo que hace que los conductores reduzcan la velocidad de circulación.
66
Tabla 5.3: Tabla de Errores Promedios en valor absoluto para las Velocidades por
Pista usando los valores de los parámetros por defecto
ERROR VELOCIDADES POR PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 26.64% 15.18% 19.53% 9.46% 26.08% 24.05% 31.57% 22.10% 21.83%
PC2 12.67% 6.72% 12.98% 4.84% 22.88% 10.49% 18.17% 2.81% 11.44%
PC3 12.00% 5.36% 7.81% 0.15% 12.05% 3.37% 10.50% 2.02% 6.66%
PC4 0.08% 7.81% 7.02% 9.64% 3.11% 12.56% 4.00% 8.78% 6.62%
Más adelante, se podrá ver los errores alcanzados por los valores de la calibración de
Lacalle, los cuales entregan un % de error mayor al que se encuentra con los parámetros
por defecto.
La tabla 5.4 muestra los errores de los headway obtenidos al utilizar los parámetros por
defecto. Analizando estos valores se puede ver que el error de esta variable es el mayor de
todos alcanzando un valor de 61,03%. Hay que considerar que el error en el headway está
bastante correlacionado con el uso de pista, porque un mal uso de pista también redunda en
una mala modelación de los Headways por pistas, también expuesto en la tesis de Lacalle,
no se tiene en el proceso de Ajuste una etapa concentrada en los Headways por pista, ya
que esta variable es ocupada como una variable de validación.
Otro punto interesante de ver, es el error producido en la pista 1, el que llega a un -34,79%
y el error de la pista 2 a un 87.27% (sin valores absolutos), cuestión que comparando los
resultados obtenidos con el uso de pista, en relación al excedente de flujo para la pista 1,
muestra una lógica en los resultados, es decir, a flujos considerablemente mayores para la
pista 1, se deben apreciar headway mucho menores. Por el contrario, para flujos menores en
la pista 2 se deben obtener valores de headway mayores al obtenido en la realidad.
67
Tabla 5.4: Tabla de Errores Promedios en valor absoluto para los Headway por Pista
usando los valores de los parámetros por defecto.
ERROR HEADWAY POR PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 23.78% 14.25% 24.85% 32.81% 47.50% 44.72% 22.77% 58.47% 33.64%
PC2 25.58% 66.59% 27.03% 34.26% 23.39% 50.74% 15.55% 64.40% 38.44%
PC3 33.15% 84.26% 33.29% 98.86% 39.50% 46.75% 36.23% 89.58% 57.70%
PC4 53.03% 235.65% 54.83% 133.37% 50.15% 150.23% 45.95% 191.42% 114.33%
En la tabla 5.5 se presentan en forma agregada los resultados obtenidos para las primeras 7
iteraciones.
68
Simulación 0: Corresponde a los errores obtenidos con los parámetros por defecto, los
cuales fueron analizados anteriormente
Simulación 2: Corresponde a los errores obtenidos con los parámetros encontrados por
Lacalle (sin modificar los parámetros Zone 1 y Zone 2). Acá se aprecia una considerable
mejoría en el error global, desde un 35,13% a un 17,25%. Sin embargo se produce un
aumento de la variable velocidad por pistas desde un 12,06% a un 18,12%, variación que se
debe a la modificación de los parámetros Speed Acceptance y Maximum Desired Speed.
Esta modificación será explicada más extensamente en los capítulos posteriores. La
variable uso de pistas tiene una notable mejoría de 44,18% a 16,36%, sin embargo esta
variable aun falta modificar parámetros que afectan a su comportamiento, como son Zone 1
y Zone 2, para lograr el objetivo.
Si se considera los resultados obtenidos en la séptima iteración como los errores alcanzados
por los parámetros de Lacalle, debido al ajuste local de los parámetros Zone 1 y Zone 2 y al
uso de todos los demás parámetros propuestos por él, se puede concluir que los parámetros
propuestos para la Ciudad de Santiago no son extrapolables a la Ciudad de Concepción, lo
cual indica la necesidad de calibrar estos parámetros para un estudio a nivel regional. Por
otro lado, los errores alcanzados para las variables de contraste nos hacen tener una
diferencia en los análisis para el uso de pistas y las velocidades por pistas.
La figura 5.2 muestra gráficamente las variaciones producidas para las variables de
contraste Uso de Pistas y Velocidades por pistas durante las primeras 7 iteraciones.
Figura 5.2: Evolución del uso de pistas y velocidades por pistas entre parámetros por
defecto y parámetros propuestos por Lacalle (2003).
50%
45%
40%
35%
% ERROR
30%
25%
20%
15%
10%
5%
0%
0 1 2 3 4 5 6 7
# SIMULACION
parámetros propuestos por Lacalle. Con estos datos se clarifica que mantener los
parámetros propuestos por Lacalle que influencian el uso de pistas para flujo
ininterrumpido en la ciudad de Concepción es completamente válido. En resumen tenemos
que los parámetros Speed Limit per lane, % Overtake, % Recover son aceptables para un
estudio local.
Por otro lado, el error alcanzado para la variable velocidad por pistas muestra un
incremento al compararlos con los parámetros por defectos, es decir, de un 11,64% a un
16,68%. Por lo tanto, los parámetros que influencian la velocidad por pista como son
Maximum Desired Speed, Speed Acceptance y Reaction Time deben ser revisados para los
estudios locales. Analizando con mayor detalle este fenómeno, a continuación se presentan
las tablas 5.6 a 5.11 que muestran los errores en la velocidad por pista, obtenidas con los
parámetros por defecto y los parámetros de Lacalle, para cada una de las categorías
presentes en el estudio.
Tabla 5.6: Errores obtenidos con los parámetros por defecto en las velocidades por
pistas para los vehículos livianos.
VEHICULOS LIVIANOS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 28.66% 16.95% 18.71% 14.68% 25.29% 28.68% 30.45% 25.58% 23.63%
PC2 12.40% 7.74% 13.74% 3.50% 25.52% 10.93% 19.23% 4.37% 12.18%
PC3 14.42% 5.06% 10.80% 0.25% 13.34% 3.60% 13.14% 2.38% 7.87%
PC4 1.36% 9.41% 7.66% 12.41% 4.75% 13.46% 5.12% 12.27% 8.31%
Tabla 5.7: Errores obtenidos con los parámetros de Lacalle en las velocidades por
pistas para los vehículos livianos.
VEHICULOS LIVIANOS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 39.24% 25.51% 24.57% 21.01% 32.53% 33.02% 35.07% 30.31% 30.16%
PC2 14.92% 28.99% 16.99% 23.17% 27.02% 30.73% 22.03% 24.28% 23.52%
PC3 16.14% 17.88% 14.60% 12.04% 17.60% 17.18% 16.61% 17.18% 16.15%
PC4 3.78% 6.71% 12.65% 1.98% 7.49% 3.69% 7.80% 3.63% 5.97%
Tabla 5.8: Errores obtenidos con los parámetros por defecto en las velocidades por
pistas para los camiones 2ejes.
CAMIONES 2EJES
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 9.32% 13.15% 22.78% 2.95% 10.82% 19.44% 28.11% 18.44% 15.63%
PC2 27.06% 14.00% 13.21% 5.13% 23.12% 9.85% 13.82% 0.52% 13.34%
PC3 23.09% 5.01% 6.17% 11.54% 19.58% 1.00% 12.10% 8.80% 10.91%
PC4 13.09% 5.01% 4.11% 9.59% 2.34% 10.07% 0.24% 19.05% 7.94%
Tabla 5.9: Errores obtenidos con los parámetros de Lacalle en las velocidades por
pistas para los camiones 2ejes.
CAMIONES 2EJES
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 11.78% 13.57% 22.53% 7.35% 16.79% 12.49% 22.64% 19.49% 15.83%
PC2 17.18% 9.72% 6.14% 8.39% 11.82% 5.94% 9.26% 0.64% 8.64%
PC3 10.83% 0.29% 2.15% 12.16% 8.60% 3.31% 9.77% 2.23% 6.17%
PC4 10.71% 3.52% 24.21% 9.14% 17.60% 7.98% 20.37% 17.97% 13.94%
Tabla 5.10: Errores obtenidos con los parámetros por defecto en las velocidades por
pistas para los camiones +2ejes.
CAMIONES +2EJES
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 22.05% 22.05% 10.15% 7.13% 26.65% 5.13% 21.04% 10.65% 15.6%
PC2 3.32% 1.29% 4.29% 21.72% 4.59% 7.73% 3.68% 0.46% 5.9%
PC3 7.59% 8.08% 9.22% 12.01% 3.00% 9.24% 12.39% 0.29% 7.7%
PC4 6.96% 0.37% 11.06% 10.60% 2.14% 8.38% 9.61% 0.71% 6.2%
Tabla 5.11: Errores obtenidos con los parámetros de Lacalle en las velocidades por
pistas para los camiones +2ejes
CAMIONES +2EJES
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 23.42% 34.27% 14.70% 5.64% 15.21% 8.80% 18.55% 15.03% 16.95%
PC2 5.47% 5.88% 5.35% 19.60% 5.16% 0.77% 6.66% 2.05% 6.37%
PC3 8.17% 7.09% 12.43% 8.64% 9.89% 5.63% 8.74% 10.33% 8.87%
PC4 10.94% 7.19% 19.19% 8.16% 13.23% 7.22% 16.26% 6.25% 11.05%
Los resultados anteriores muestran que el mayor incremento en el error producido entre los
parámetros por defecto y los propuestos por Lacalle es la categoría de vehículos livianos
que va de un 13,00% a un 18,95%, es decir un incremento de un 45,76%. En la categoría de
camiones simples (2 ejes) se aprecia una disminución del 6.8% y para los camiones + 2 ejes
un incremento de un 22%. Esta situación nos permite definir “a priori” la necesidad de la
disminución de alguno de los parámetros que influencian la velocidad por pista, ya que si se
revisan las tablas sin los valores absolutos, muestran para la categoría de vehículos livianos
un aumento en la velocidad de simulación en comparación con la observada en terreno de
aproximadamente un 16% del total de puntos de control y pistas. Cabe señalar que la
categoría de vehículos livianos representa un 76% del flujo circulante en la Av. Alonso de
Ribera, por lo que la incidencia en la velocidad por pistas en el total de los vehículos es
bastante alta, lo cual la hace tener una mayor dedicación en el ajuste de los parámetros que
afectan a esta categoría. A continuación se presentan las tablas 5.12 a 5.14 de errores para
las variables de contraste, separadas por intervalo y punto de control.
74
Tabla 5.12: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando
los valores propuestos por Lacalle.
PC1 4.35% 0.00% 11.02% 18.11% 3.91% 10.38% 20.00% 15.97% 10.47%
PC2 0.73% 0.00% 0.76% 2.02% 5.22% 3.09% 2.17% 4.49% 2.31%
PC3 10.00% 3.26% 14.10% 6.59% 5.88% 8.70% 7.06% 0.00% 6.95%
PC4 2.60% 9.00% 2.60% 2.13% 14.63% 2.11% 1.23% 10.11% 5.55%
Tabla 5.13: Tabla de Errores Promedios en valor absoluto para las Velocidades por
Pista usando los valores propuestos por Lacalle.
PC1 34.69% 24.12% 22.48% 18.85% 30.47% 29.02% 31.91% 29.42% 27.62%
PC2 12.81% 25.03% 13.41% 22.12% 20.46% 27.12% 17.69% 22.98% 20.20%
PC3 12.36% 13.31% 7.13% 9.08% 12.81% 13.76% 10.98% 14.73% 11.77%
PC4 6.63% 3.79% 17.33% 0.01% 10.28% 1.90% 12.60% 4.36% 7.11%
Tabla 5.14: Tabla de Errores Promedios en valor absoluto para los Headway por Pista
usando los valores propuestos por Lacalle.
PC1 5.03% 8.76% 11.39% 17.18% 30.83% 14.66% 23.49% 20.33% 16.46%
PC2 5.64% 10.10% 0.36% 4.07% 7.72% 6.43% 5.25% 9.08% 6.08%
PC3 1.43% 5.43% 5.02% 17.75% 10.52% 20.88% 9.97% 13.64% 10.58%
PC4 14.09% 6.17% 13.96% 3.45% 19.49% 3.22% 5.44% 11.89% 9.71%
a) Uso de Pistas
Como se explicó anteriormente, los resultados obtenidos con los parámetros por defecto
indicaban un exceso de flujo por la pista 1 y una falta en la pista 2. La misma situación se
presentó en el estudio de calibración para la ciudad de Santiago, lo que indica una
condición general del microsimulador.
Los resultados obtenidos con los parámetros propuestos por Lacalle (2003) para la variable
uso de pistas, tienen un ajuste más que aceptable. Entonces, se puede inferir que no se
necesitan modificar los parámetros para lograr un mejor ajuste de la variable uso de pistas,
por lo cual, como lo indica en el procedimiento propuesto por Lacalle, se procede al paso
76
de la fase 2, que es el ajuste de los parámetros que afectan a la velocidad por pistas. No
obstante, la avenida en estudio posee una dificultad para la modelación, que corresponde a
lo indicado en la tabla 2.3, que dice relación al paso bajo nivel por calle Paicaví. Esta
característica geométrica de la avenida, obliga a los conductores reducir la velocidad, ya
que se enfrentan a una curva peligrosa y a una disminución del ancho de las bermas.
Debido a esta razón se redujo las velocidades de entrada modificando el parámetro Speed
Limit per lane, el cual introdujo variaciones en el uso de pistas en el punto de control 1 que
es el más próximo a la entrada de la autopista.
Una vez ajustado los parámetros y reevaluando los parámetros Distance Zone 1 y Distance
Zone 2, el error alcanzado se muestra en la tabla 5.15.
Tabla 5.15: Tabla de Errores Promedios en valor absoluto para el Uso de Pista una
vez terminado el proceso de calibración.
ERROR USO DE PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 8.70% 14.91% 7.63% 5.51% 6.25% 0.94% 10.43% 13.45% 8.48%
PC2 10.22% 3.09% 1.52% 11.11% 6.72% 7.22% 0.72% 3.37% 5.50%
PC3 4.44% 3.26% 14.10% 13.19% 12.94% 2.17% 2.35% 0.00% 6.56%
PC4 0.00% 10.00% 14.29% 14.89% 6.10% 2.11% 2.47% 11.24% 7.64%
Hay que señalar, que aún teniendo un buen ajuste con los parámetros de Lacalle, se
introdujeron modificaciones a los parámetros de modo de verificar el buen ajuste. Los
resultados comprobaron que los parámetros propuestos por Lacalle están con un nivel
aceptable para esta calibración.
La tabla 5.15 se debe comparar con la tabla 5.2 que refiere a los errores con los parámetros
por defecto y la tabla 5.12 que refiere a los errores con los parámetros propuestos por
Lacalle para la variable uso de pistas.
77
En primer lugar se aprecia una considerable reducción del error desde un 47,13% a un
7,04% entre parámetros por defecto y calibrados, lo que da un muy buen ajuste. Revisando
los errores sin valores absolutos se puede concluir que el error alcanzado tiene un pequeño
excedente en ambas pistas, situación contraria a lo logrado con los parámetros por defecto,
que mostraban un alto excedente el la pista 1 y un alto flujo faltante en la pista 2. Hay que
señalar que esta situación se pudo constatar incorporando detectores de flujo al comienzo y
en los accesos de la red simulada. Los resultados obtenidos encontraron que el simulador
entrega flujos con diferencias de hasta un 3% en los ingresados en “Result Container”, lo
que produce un pequeño exceso de flujo simulado, lo que trae como resultado errores
mayores considerando el uso de pistas como volumen por pistas.
De modo de aclarar el párrafo anterior, la tabla 5.16 muestra los errores alcanzados
considerando el uso de pistas como porcentaje de uso. Como ejemplo se tiene lo siguiente:
Tabla 5.16: Errores promedios alcanzados en valor absoluto para el uso de pistas
representado como porcentaje.
ERROR USO DE PISTAS (en %)
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 10.47% 12.68% 6.76% 6.28% 2.50% 3.02% 12.36% 11.94% 8.25%
PC2 2.75% 3.89% 5.21% 6.94% 5.80% 8.01% 1.59% 2.47% 4.58%
PC3 3.92% 3.83% 0.43% 0.37% 5.21% 4.82% 1.21% 1.12% 2.61%
PC4 5.99% 4.61% 0.29% 0.24% 2.06% 1.78% 4.29% 3.90% 2.89%
ERROR USO DE PISTAS 4.59%
78
Figura 5.3: Gráfico evolución error uso de pistas en valor absoluto durante la
calibración.
50%
45%
40%
.
35%
30%
% ERROR PROMEDIO
25%
20%
15%
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# SIMULACION
El gráfico de la figura 5.3 representa la evolución del error uso de pistas producido durante
la calibración, el eje de las abscisa representa el número de la “simulación”, el valor 0
corresponde a la simulación con los parámetros por defecto.
El error obtenido para la variable velocidades por pista, tiene un comportamiento diferente
al error uso de pistas. En primer lugar el error alcanzado con los parámetros por defecto
alcanzó un 11,64% que representa un valor moderado – aceptable lo que permite conocer
“a priori” el buen ajuste que producen los parámetros que influencian la velocidad por pista
que son Speed Acceptance, Maximum Desired Speed y el Reaction Time. En segundo lugar,
el error alcanzado con los parámetros propuestos por Lacalle fue de un 16,68% lo que
79
claramente deja de manifiesto que los parámetros más acordes a la ciudad de Concepción
son aquellos valores mas ajustados a los valores por defecto.
Tabla 5.17: Tabla de Errores Promedios en valor absoluto para las velocidades por
pistas una vez terminado el proceso de calibración.
ERROR VELOCIDADES POR PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 1.16% 4.75% 9.72% 3.92% 4.81% 13.01% 3.64% 12.19% 6.65%
PC2 3.42% 8.26% 0.43% 10.27% 5.69% 13.50% 2.35% 3.77% 5.96%
PC3 3.44% 0.41% 0.95% 1.99% 2.47% 1.95% 1.18% 0.15% 1.57%
PC4 15.49% 6.52% 22.18% 9.17% 20.06% 6.86% 21.12% 5.87% 13.41%
Comparando la tabla anterior con la tabla 5.3 que muestra el error con los parámetros por
defecto, se puede ver claramente una mejora notable en el ajuste de las velocidades en cada
punto de control, excepto en el punto de control 4, diferencia se explica en el párrafo
siguiente.
Si se compara para cada uno de los puntos de control se encuentran los siguientes
resultados; PC1 disminución del error en un 15,18%; PC2 disminución del error en un
5,48%; PC3 disminución del error en 5,09%; PC4 aumento del error en 6,78%. El mejor
ajuste se produjo en el punto de control ubicado frente a la Universidad Católica de la
Santísima Concepción; esta mejora está enmarcada por lo indicado en la sección 5.1.1 en
donde se muestran los errores por defecto. Este punto de control es el que arroja mayor
error con los parámetros por defecto, producto de la reducción de velocidad “no definida”
debido a la curva peligrosa y reducción de ancho de pista aguas abajo. La dificultad de
modelación obligó a disminuir el parámetro Speed Limit per Lane, para simular la
condición de reducción de velocidad, cuestión que resolvió en gran medida el error
80
obtenido en la etapa de análisis con los parámetros por defecto. La reducción se hizo
considerando una máxima velocidad permitida de 70 KPH en el ingreso de los vehículos a
la avenida de estudio. Por otro lado, los puntos de control PC2 y PC3 mejoran
satisfactoriamente los porcentajes de error alcanzados. Sin embargo, el punto de control
ubicado sobre el paso sobre nivel de Av. Camilo Henríquez, aumenta el error. Esta
situación es sin duda aclarada, ya que, aguas abajo del punto de control, está ubicada la
rotonda Bonilla (aprox. 200 m) y además existe una pendiente que hace que el conductor,
que se entiende conocedor de la avenida, frente a este punto reduciendo la velocidad. No
obstante, a pesar del incremento del error para este punto de control, existe una mejora
global de un 11,64% a un 6,9%, el cual se privilegió para toma de decisión, más que este
punto en particular.
Por otro lado, si se compara para cada una de las categorías presentes, es decir, vehículos
livianos, camiones simples 2 ejes y camiones + 2 ejes, en relación a las diferencias de error
obtenidas, se encuentran los resultados de la tabla 5.18:
Tabla 5.18: Errores Velocidades por Pista separados por categoría encontrados con
parámetros con defecto, Lacalle y finalizada la calibración.
Categoría Vehículo Error Parámetros Error Parámetros Error Parámetros
por Defecto Lacalle Calibrados
Vehículos Livianos 13,00% 18,95% 8,4%
La figura 5.4, al igual que en la variable uso de pistas, muestra la evolución del error en
valor absoluto de la variable en análisis. Como se aprecia, en la primera iteración muestra
un leve aumento producto de los cambios en los parámetros relacionados con las
características dimensionales y de aceleración de los vehículos livianos. Luego
modificando a los parámetros propuestos por Lacalle, el cual modifica los parámetros
81
Speed Acceptance, Maximum Desired Speed, Reaction Time, entre otros, el error
velocidades por pista alcanza si máximo valor encontrado. Si se compara los parámetros
por defecto y los propuestos por Lacalle (2003), existe una disminución de la aceptación de
la velocidad, un aumento en la máxima velocidad deseada por los conductores y un menor
tiempo de reacción. Esta situación permite establecer que los valores para las siguientes
iteraciones deben estar más cercanos a los parámetros por defecto.
Figura 5.4: Gráfico evolución Velocidades por pistas en valor absoluto durante la
calibración.
30%
25%
.
20%
% ERROR PROMEDIO
15%
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# SIMULACION
ERROR VELOCIDADES
La última variable a analizar son los Headways por Pistas. Esta variable no está
desarrollada en forma explícita en ninguna de las etapas de calibración, el comportamiento
de esta variable, ayuda a validar la calibración realizada.
82
El error con los parámetros por defecto, alcanzaron el valor más alto entre las variables de
contraste, llegando a un 61,03%. Una vez terminada la calibración el error logrado
corresponde a un 10,43%, lo cual es totalmente aceptable. Cabe señalar que el error logrado
con los parámetros de Lacalle fue de un 10,71%. (Ver tabla 5.19)
Tabla 5.19: Errores promedios alcanzados en valor absoluto para los headway por
pista una vez terminado el proceso de calibración.
ERROR HEADWAY POR PISTAS
0 - 15 15 - 30 30 - 45 45 - 60 ERROR
P1 P2 P1 P2 P1 P2 P1 P2 PROM.
PC1 8.54% 21.55% 8.51% 1.95% 22.03% 2.79% 15.38% 17.10% 12.23%
PC2 14.21% 13.80% 1.08% 13.60% 9.32% 1.32% 0.52% 5.83% 7.46%
PC3 4.30% 14.51% 3.99% 9.29% 14.69% 15.41% 7.61% 15.23% 10.63%
PC4 16.00% 8.86% 18.81% 15.53% 12.87% 1.25% 5.70% 12.27% 11.41%
Al comparar la tabla 5.19 con la tabla 5.4 se puede ver una reducción considerable en cada
uno de los puntos de control, en especial el punto ubicado en el paso sobre nivel de Av.
Camilo Henríquez, el cual reduce desde un 114,33% a un 11,41%. La situación anterior se
debe al exceso de flujo simulado en la pista 1, en donde los headways se reducen
considerablemente. La situación contraria se aprecia en la pista 2 el cual el flujo simulado
alcanza niveles bajísimos teniendo un headways promedio de 27,02 segundos, siendo el
observado 9,76 segundos.
La Figura 5.5 muestra la evolución del error en esta variable a lo largo del Proceso de
Calibración. Al igual que lo que sucedió con el Uso de Pistas, los headways por Pistas van
disminuyendo el valor de su error promedio de manera constante y sólo en pocas ocasiones
se producen pequeños ascensos del valor, lo cual muestra la efectividad y estabilidad en el
proceso de calibración.
83
Figura 5.5: Gráfico evolución error headways por pistas en valor absoluto durante la
calibración.
65%
60%
55%
.
50%
45%
40%
% ERROR PROMEDIO
35%
30%
25%
20%
15%
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# SIMULACION
ERROR HEADWAY
Los valores de θ1, θ2, θ3 son 0.45, 0.35, 0.2 respectivamente. Estos valores fueron elegidos
basándose en el juicio de las personas encargadas en la investigación de Lacalle (2003). De
modo de aclarar la determinación de estos valores, se consideró que la variable uso de pista
es la más importante ya que el flujo que viaja por cada pista determina de manera
importante el comportamiento general de la autopista. Sobre todo es crítico el volumen de
la pista 1, ya que permite o dificulta el ingreso de otros vehículos a la autopista, y por esto
se le asignó un peso de 0,45. La variable velocidades por pista también se consideró de
importancia ya que al igual que la variable anterior permite o dificulta la entrada de
vehículos. Si la velocidad de circulación es más lenta por la pista 1 se tiene más facilidad
para ingresar a la autopista, pero claramente tiene una influencia menor que la del flujo por
pista, debido a esto se optó por considerar el peso de esta variable igual a 0,35. Por último
se determinó que la variable menos importante relativamente hablando son los headways
por pista y por esto se les asignó un peso igual a 0,20.
Como se puede ver de la Figura 5.6, la cual muestra la evolución del error alcanzado para la
función global durante el proceso de presenta un buen comportamiento al mirarlo desde una
perspectiva más global juntando los errores de las diferentes variables en un solo indicador.
Esto es notable, si se compara los valores alcanzados con los parámetros por defecto, ya
que con estos parámetros el error global llegaba a un 37,49% en comparación con el error
global encontrado luego del Proceso de Calibración que sólo llega a un 7,67%.
85
Figura 5.6: Grafico evolución error Función Objetivo Global en valor absoluto
durante la calibración.
40%
35%
.
30%
25%
% ERROR PROMEDIO
20%
15%
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# SIMULACION
ERROR GLOBAL
Para finalizar el análisis y a modo de resumen, al igual que en la tesis de Lacalle, la Figura
5.7 muestra un resumen de los errores obtenidos en forma agregada para cada una de las
variables.
86
61.03%
60%
.
50% 47.13%
40% 37.49%
% ERROR PROMEDIO
30%
20% 16.68%
0%
ERROR GLOBAL ERROR USO DE ERROR ERROR HEADWAYS
PISTAS VELOCIDADES
% Recover 0.95 1 1
Spedd Acceptance (1 ; 0 ; 1 ; 1) (1 ; 0 ; 1 ; 1) (1.15 ; 0.3 ; 0.8 ; 1.4) (1.3 ; 0.2 ; 1 ; 1.6) (1.1 ; 0.2 ; 0.85 ; 1.5) (1.1 ; 0.2 ; 0.8 ; 1.4) (1.1 ; 0.2 ; 0.8 ; 1.4)
Max. Desired Speed (100 ; 20 ; 80 ; 150) (80 ; 10 ; 70 ; 90) (70 ; 40 ; 50 ; 110) (115 ; 20 ; 95 ; 150) (100 ; 20 ; 85 ; 150) (80 ; 10 ; 70 ; 90) (70 ; 40 ; 50 ; 110)
Maximun acceration (2.8 ; 0 ; 2.8 ; 2.8) (1 ; 0.5 ; 0.6 ; 1.8) (0.5 ; 0.8 ; 0.4 ; 1.8) (2.72 ; 0.34 ; 2.13 ; 3.61) (2.72 ; 0.34 ; 2.13 ; 3.61) (1 ; 0.5 ; 0.6 ; 1.8) (0.5 ; 0.8 ; 0.4 ; 1.8)
Vehicle Length (4 ; 0 ; 4 ; 4) (7.5 ; 2 ; 6 ; 10) (15 ; 2 ; 6 ; 20) (4.32 ; 0.3 ; 3.73 ; 4.98) (4.32 ; 0.3 ; 3.73 ; 4.98) (7.5 ; 2 ; 6 ; 10) (15 ; 2 ; 6 ; 20)
Tabla 5.20: Comparación de Parámetros Calibrados con los Parámetros por defecto y propuestos por Lacalle.
(1) La calibración realizada por Lacalle (2003) utilizó solamente vehículos livianos.
(2) Parámetros determinados por Distribución Normal Truncada corresponden a (promedio, desviación, mínimo, máximo)
88
En primer lugar, analizando los parámetros que influencian el uso de pistas se encuentra
que la reducción de velocidad para la pista 1, que al igual que en la calibración de Santiago,
fue necesario penalizarla para simular una mejora en el uso de pista observado. Los valores
encontrados para los parámetros Distance Zone 1 y Distance Zone 2, corresponden a
valores totalmente diferentes a los entregados por defecto, ya que el modelo por defecto
entrega valores iguales en cada una de las secciones para ambos parámetros. Los
parámetros %Overtake y %Recover mantienen los valores propuestos por Lacalle y son
bastantes más altos que los por defecto, lo cual se debe a que valores más altos de estos
parámetros determinan un menor uso de la pista 1 y uno mayor en la pista 2.
En segundo lugar, analizando los parámetros que influencian la velocidad por pistas, se ve
que los parámetros Maximum Desired Speed y Speed Acceptance son mayores que los por
defecto pero menores que los propuestos por Lacalle. Estos resultados llevan a la
conclusión para el caso de Speed Acceptance, el conductor de Concepción tiene una mejor
aceptación de los límites de velocidad que el conductor de Santiago, además un porcentaje
de los conductores circula a menos velocidad que la permitida, situación contraria a lo
ocurrido en la ciudad de Santiago. Para el caso Maximum Desired Speed, se observa un
menor valor que para la ciudad de Santiago y muy próximos a los valores por defecto. Esto
se debe principalmente a las características de una autopista y al manejo más conservador
que los automovilistas locales. Otro parámetro que influencia las velocidades por pistas es
el parámetro Reaction Time. Este es sin duda alguna uno de los más influyentes, ya que
determina de forma importante los resultados obtenidos. El valor de 0,85 encontrado es
muy superior al encontrado por Lacalle y mayor que el valor por defecto. Este valor
indicaría que el conductor de la ciudad de Concepción tiene un comportamiento menos ágil
89
(menos atento) que el conductor de Santiago y que el valor por defecto. Esto se debe
principalmente al menor flujo circulante en la avenida de estudio que en comparación al
estudio realizado para la ciudad de Santiago y a la presencia de camiones en la avenida de
estudio. Además se puede comparar que este parámetro para condiciones de flujo
interrumpido llega a valores cercanos a 1. A modo de comentario, existes investigaciones
internacionales que muestran un parámetro Reaction Time de 0,512, como es el caso de
Minnesota, EE.UU. (Hourdakis, 2003)
Una simple definición del Proceso de Validación es corroborar los parámetros calibrados
en una previa etapa, cambiando las condiciones de entrada o geométricas de un modelo de
similares características. Las formas de validación que se utilizan en los distintos procesos
de calibración y validación tienen 3 enfoques principales:
Para el caso de este estudio, se decidió realizar la validación utilizando el mismo indicador,
pero otro periodo de modelación. Esto debido a la dificultad de encontrar otra red que
cumpliera los requisitos de flujo ininterrumpido y a la dificultad de toma y procesamiento
de datos.
Como se mencionó en los párrafos anteriores este proceso de realizó con datos encontrados
para el mismo día de mediciones entre las 15:30 y 16:30 hrs. En el capítulo IV se muestran
los valores obtenidos para las distintas variables de contraste en los puntos de control
observados. Cabe señalar que durante la toma de datos solamente se pudo recoger la
información de los puntos PC2 ubicado frente a Plásticos Coronel y PC4 en la intersección
de Camilo Henríquez, debido a problemas durante la medición explicados anteriormente.
Los resultados de la figura 5.8 muestran el buen ajuste logrado con los parámetros
calibrados. Si hacemos se compara con los parámetros por defecto encontramos una
reducción considerable para las variables de estudio, no obstante, la variable velocidades
por pista es la que presenta una menor variación. Esto se debe a que los puntos de control
analizados (PC2 y PC4) son los que tienen el mejor ajuste en la etapa de parámetros por
defecto (esto se puede ver en la etapa de calibración), aun así modificando los parámetros a
los calibrados existe una mejora en esta variable.
Por otro lado, si se compara con los parámetros propuestos por Lacalle, existe un error
mayor que con los parámetros calibrados, lo cual permite establecer el exitoso proceso de
calibración para la Ciudad de Concepción.
91
Figura 5.8: Resultados de la Validación con los Parámetros por Defecto, Propuestos
por Lacalle y Calibrados.
90%
87.41%
80%
.
70%
60%
52.64%
% ERROR PROMEDIO
50% 45.07%
40%
30%
20% 12.74%
13.10% 13.66% 12.45%
11.15% 9.96%
8.71% 8.11% 7.84%
10%
0%
ERROR GLOBAL ERROR USO DE ERROR ERROR HEADWAY
PISTAS VELOCIDADES
Como resumen se puede decir que se ha demostrado que los valores de los parámetros
encontrados mediante el Proceso de Calibración son válidos y establecen una
representación válida del sistema y además permiten su uso para futuras simulaciones de la
realidad de las autopistas en la ciudad de Concepción y tal ves de las demás regiones del
país.
92
CAPITULO 6: CONCLUSIONES
b) Los valores encontrados para los parámetros más influyentes para el caso de flujo
ininterrumpido son buenos, debido al que el error obtenido alcanza valores menores
al 10%, lo que indica un rango aceptable dentro de la metodología de calibración
propuesta por Lacalle, alcanzando un valor comparable con otros estudios. Por lo
tanto, estos parámetros representan las condiciones de simulación microscópica para
la Ciudad de Concepción.
c) Se confirma lo indicado en otros estudios (Lacalle, 2003; Velasco, 2004) que los
valores de los parámetros por defecto de GETRAM no se ajustan a la realidad
chilena, y producen errores que pueden conducir a la mala elección de alternativas
de diseños viales.
d) Los valores propuestos por Lacalle, no son aplicables para situaciones de flujo
ininterrumpido para la Ciudad de Concepción, en especial los parámetros que
influyen en las velocidades por pista, como son “Reaction Time”, “Maximum
Desired Speed” y “Speed Acceptance”, debido a que presentan un error de 16,68%
en comparación al error con los parámetros calibrados de un 6,9%, además
presentan un error sobre un 10% para el error global.
e) Las metodologías escogidas para la toma y análisis de los datos fueron las
adecuadas, ya que de una manera sencilla se lograron buenos resultados. No
obstante, esta etapa es fundamental para el exitoso desarrollo del proceso de
calibración, lo que involucra mucha preocupación y dedicación.
93
f) El sistema de video grabaciones fue un recurso muy útil, ya que permitió corroborar
algunas mediciones hechas manualmente y revisar una y otra vez dudas que se
presentaron en la etapa de análisis de los datos.
BIBLIOGRAFIA
AYESA S.A. 2003. Proyecto de Remodelación del Enlace entre la M-30, Estudio de
tráfico. [en línea]. Madrid, España. < www.madridcamina.org/grupostrabajo/m-30/
proyectos/la%20paloma/la%20paloma-estudio%20trafico.pdf>
BARCELÓ, J. Aimsun Microscopic Traffic Simulation: A Tool for the analysis and
assessment of ITS systems [en linea]. This paper will appear in Journal of Intelligent and
Robotic Systems, Theory and Applications. <http://www.aimsun.com/documents.html.>.
GIPPS, P. 1986. A Model for Structure of Lane Changing Decisions, Transp. Res. Vol.
20B, pp. 403-414
LACALLE M., 2003. Calibración del Microsimulador Aimsun para flujo ininterrumpido en
la ciudad de Santiago. Tesis de Magíster en Ciencias de la Ingeniería. Santiago, Pontificia
Universidad Católica de Chile, Escuela de Ingeniería. 130p.
LAW, A. AND KELTON W. 1991. Simulation Modeling & Analysis, Second Edition, Mc
Graw Hill.
TRAFFIC ENGINEERING. 1998. Por William R. McShane “et al”. 2da ed. New Jersey.
714p.
96
TSS Transport Simulation Systems. 2004. AIMSUN Version 4.2 User’s Manual, February
2004. 285p.
TSS Transport Simulation Systems. 2004 TEDI Version 4.2 User’s Manual, February 2004.
154p.
VARGAS, S. 2001. Ingeniería Vial I. [apunte de clases]. Universidad del Bio Bio,
Concepción, Chile.
ANEXOS
La capacidad se puede referir no solamente a vehículos, sino también a peatones, bien sean
peatones, pasajeros o conductores. No es un valor instantáneo e inesperado, sino algo así
como el volumen máximo promedio esperado durante un período de tiempo que es
generalmente de 15 minutos. Tampoco es el volumen máximo posible en condiciones
dadas, sino el que corresponde a las condiciones imperantes que suelen ser las normales.
98
4500
.
4000
3500
FLUJO TOTAL SIMULADO [veh/hr]
3000
2500
2000
1500
1000
500
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
FLUJO ENTRADA TOTAL [veh/hr]
De la figura A.1, se puede obtener que la capacidad máxima simulada por AIMSUN para
flujo ininterrumpido, considerando la avenida como segmento básico de autopista es de
3.800 veh/hr en ambas pistas, 1.956 veh/hr/pista para la pista número 2 y 1.844 veh/hr/pista
para la pista número 1. Si consideramos el análisis por pista, se puede decir que la
99
Los segmentos básicos de las autopistas, son secciones de dos o más pistas por sentido con
control total de accesos, que no son afectados ni por los movimientos de convergencia o
divergencia en rampas de acceso cercanas ni por los movimientos de trenzado. Existen un
conjunto de condiciones ideales, las cuales permiten obtener la capacidad ideal de la vía de
estudio. Cualquier condición prevaleciente (real) que difiera de la ideal, ocasionará cambios
en la capacidad y los niveles de servicio. Las condiciones ideales son:
c = FS s = c j (v / c ) E ( N )( f A )( f VP )( f C ) (A.1)
donde:
cj: Capacidad por pista en condiciones ideales. 2000 veh/hr/pista para velocidades de
proyecto de 97 Km/hr y 112 Km/hr.
N: Número de pistas.
fA: Factor de ajuste por efecto de restricciones en el ancho de pista y distancia de obstáculos
laterales. (Tabla 3-2 HCM-1985)
1
f VP = (A.2)
1 + PC ( EC − 1) + PR ( E R − 1)
donde:
Ec: Automóviles equivalentes a un camión (Tablas 3-3, 3-4, 3-5 y 3-6 HCM-1985)
De las formulas anteriores y las tablas indicadas podemos calcular los factores de ajuste y
determinar la capacidad bajo condiciones prevalecientes según el HCM-1985.
Los datos entregados en el Capítulo 4 sección 4.4.1, muestran la existencia de un 21,5% del
total del flujo para la categoría camiones 2 ejes y camiones más de 2 ejes, entonces
EC=0.215. Además se establece que no existen vehículos recreacionales presentes en la
Avenida Alonso de Ribera por lo tanto el valor ER=0.
f A = 0.99
1
f VP = = 0.903
1 + 0.215(1.5 − 1)
f C = 1.00
Por lo tanto, se puede obtener que la Capacidad de la vía corresponde a 1.788 veh/hr/pista
según el Highway Capacity Manual (1985).
102