Histograma Constituyentes
Histograma Constituyentes
Histograma Constituyentes
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
RESUMEN<br />
En este estudio se analiza el comportamiento del tráfico vehicular dentro del<br />
distribuidor vial 5 de Febrero, comparando la calidad de su explotación antes y<br />
después de la propuesta de modernización estatal, por medio del programa de<br />
microsimulación VISSIM. Para este propósito se construyó un modelo base del<br />
distribuidor vial 5 de febrero, se alimentó de información vehicular en base a la<br />
recopilación de aforos y topografía realizados con anterioridad. La calibración y<br />
validación del modelo se hicieron en base al parámetro velocidad con el auxilio de<br />
la técnica del vehículo flotante. Los parámetros restantes del modelo se tomaron<br />
por default tal como vienen en el programa. Para la validación del modelo se<br />
obtuvo la longitud en campo y el tiempo de recorrido de veinte rutas principales, de<br />
las cuales se hicieron cuarenta y ocho recorridos y se tomaron dos lecturas por<br />
ruta, siendo el martes, miércoles y jueves los días seleccionados para el estudio.<br />
Los datos se agruparon por ruta y se determinó su estadística descriptiva así<br />
como el histograma y polígono de frecuencia. Con la información obtenida, se<br />
ingresaron las distribuciones de velocidades y se corrió el modelo, obteniéndose<br />
aforos virtuales, los cuales fueron correlacionados con los datos obtenidos en<br />
campo, con correlaciones mayores a 0.9 y desviaciones de aforos menores al 5%.<br />
Una vez validado el modelo base, se construyó una propuesta de solución para<br />
mejorar los niveles de servicio actuales. El modelo con la propuesta de solución<br />
arrojó una mejora en tiempos de recorridos, obteniendo velocidades promedio de<br />
69 km/h y niveles de servicio A para el primer año de operación en el distribuidor.<br />
Palabras clave: Microsimulación de tráfico, distribuidores viales, velocidad de<br />
tráfico.<br />
ii
SUMMARY<br />
This study analyzes the behavior of vehicular traffic in the highway interchange 5<br />
de Febrero, by comparing the quality of its operation before and after the proposed<br />
modernization by the state government, using the VISSIM micro-simulation<br />
program. For this purpose, a highway interchange model based was built, which<br />
was fed with vehicle information based on previously transit studies and surveying<br />
done in advance. Calibration and validation of the model were performed using the<br />
speed parameter with the help of the floating car technique. The remaining<br />
parameters of the model were taken by default as they appear in the software. For<br />
the validation of the model the field length and travel time was obtained for twenty<br />
major routes making forty-eight tours and two readings for each. Data was<br />
collected on Tuesday, Wednesday and Thursday. Data were grouped by route and<br />
descriptive statistics were determined as well the histogram and frequency<br />
polygon. With the information obtained, the velocity distributions were entered in<br />
the software and the model was run, obtaining virtual gauging speed which was<br />
correlated with data field. Correlation was greater than 0.9 and gauging deviations<br />
smaller than 5% were obtained. Once the model was validated a proposed solution<br />
to improve current levels of service was built. The model proposed solution gave<br />
an improvement in travel time, with average speeds of 69 km/h and A levels of<br />
service the first year of operation at the highway interchange.<br />
Keywords: Traffic microsimulation, highway interchange, traffic speed<br />
iii
DEDICATORIAS<br />
A Dios, a mi familia y a las personas<br />
iv<br />
Que estuvieron a mi lado en este trabajo
AGRADECIMIENTOS<br />
A mis profesores que me acompañaron en el proceso de la maestría y por sus<br />
experiencias y conocimientos que me transmitieron durante dos años, les<br />
agradezco su atención y paciencia.<br />
Un agradecimiento a la empresa PTV VISION y en especial al Dr. Vidal Roca por<br />
su apoyo invaluable con el programa VISSIM con el cual esta tesis pudo ser<br />
llevada a cabo.<br />
Gracias a mis sinodales por su atención, por su apoyo para revisar este<br />
documento y por enriquecer esta tesis con sus comentarios.<br />
Por último, a mi director de tesis por su paciencia y apoyo a lo largo de este<br />
trabajo.<br />
v
CONTENIDO<br />
RESUMEN ii<br />
SUMMARY ¡Error! Marcador no definido.<br />
DEDICATORIAS iv<br />
AGRADECIMIENTOS v<br />
ÍNDICE DE FIGURAS ix<br />
ÍNDICE DE ECUACIONES x<br />
ÍNDICE DE TABLAS xi<br />
1. INTRODUCCIÓN 1<br />
2. MARCO TEÓRICO 9<br />
2.1. Mecanismo de actualización del sistema 9<br />
2.2. Representación del flujo de tránsito 10<br />
2.3. Aleatoriedad en el flujo del tránsito 11<br />
2.4. Modelos de aceleración 11<br />
2.4.1. Modelos de seguimiento de vehículos 12<br />
2.4.2. Modelos generales de aceleración 21<br />
2.4.3. Estimación del tiempo de reacción en frenado 26<br />
2.4.4. Efectos del alineamiento vertical en la aceleración 26<br />
2.5. Modelos de cambio de carril 30<br />
2.6. Modelos de cruzamiento 34<br />
2.7. Calibración 35<br />
2.7.1. Estudios de calibración 35<br />
2.8. Estimación de la OD 37<br />
2.8.2. Definición 42<br />
2.8.3. Aplicación 42<br />
2.8.4. Generalidades del Modelo. 44<br />
2.8.5. Elementos de entrada del modelo. 45<br />
2.8.6. Desarrollo del Modelo 53<br />
2.9. Aplicación de modelos de microsimulación 57<br />
3. METODOLOGÍA 61<br />
3.1. Captura de datos 61<br />
vi
3.2. Datos requeridos 61<br />
3.2.1. Datos geométricos 62<br />
3.2.2. Datos de control 62<br />
3.2.3. Datos de demanda 62<br />
3.2.4. Ubicación y duración de conteos (aforos) 62<br />
3.2.5. Estimación de matrices de viaje origen-destino (O-D) 63<br />
3.3. Características del vehículo 64<br />
3.4. Calibración de datos 64<br />
3.4.1. Inspección en campo 64<br />
3.4.2. Datos de tiempo de viaje 65<br />
3.4.3. Conciliación de conteos de tráfico 66<br />
3.5. Base del desarrollo del modelo 67<br />
3.5.1. Diagrama de nodo-arco: proyecto del modelo 67<br />
3.5.2. Datos de conexión de la geometría 68<br />
3.5.3. Datos de control de tráfico en intersecciones y uniones 68<br />
3.5.4. Datos de operación y manejo de tráfico para conexiones 69<br />
3.5.5. Datos de demanda de tráfico 69<br />
3.5.6. Datos de comportamiento del conductor 69<br />
3.5.7. Datos de eventos/escenarios 70<br />
3.5.8. Datos de simulación del control de ejecución 70<br />
3.5.9. Técnicas de codificación para situaciones complejas 71<br />
3.6. Comprobación de errores 71<br />
3.6.1. Revisión de datos de entrada 72<br />
3.7. Revisión de la animación 73<br />
3.8. Errores residuales 75<br />
3.9. Punto de decisión clave 75<br />
3.10. Calibración de los modelos de microsimulación 76<br />
3.10.1. Objetivos de la calibración 76<br />
3.10.2. Aproximación de la calibración 77<br />
4. CONSTRUCCIÓN, CALIBRACIÓN Y VALIDACIÓN DEL MODELO 84<br />
4.1. Estudios de Ingeniería de tránsito 84<br />
4.1.1. Estudio de placas 88<br />
4.1.2. Tiempos de recorrido 90<br />
4.2. Modelación en VISSIM 90<br />
4.2.1. Construcción del modelo 91<br />
4.2.2. Trazado de la red 91<br />
4.2.3. Programación de elementos de control 93<br />
4.2.4. Demanda vehicular 94<br />
4.3. Calibración de la red 98<br />
vii
4.3.1. Parámetros de la situación actual 101<br />
4.4. Validación del modelo en base a la velocidad 102<br />
5. RESULTADOS 110<br />
5.1. Demoras y niveles de servicio 110<br />
5.1.1. Longitud de colas 111<br />
5.1.2. Tiempo de recorridos 112<br />
5.2. Revisión de propuesta de solución 113<br />
5.2.1. Parámetros para el paso superior vehicular 115<br />
5.2.2. Demoras y niveles de servicio 116<br />
5.2.3. Tiempos de recorrido 116<br />
5.2.4. Ahorro en tiempos de viaje 117<br />
5.3. Aseguramiento de calidad de la propuesta de solución 120<br />
6. CONCLUSIONES 122<br />
7. REFERENCIAS 124<br />
8. ANEXOS 126<br />
viii
ÍNDICE DE FIGURAS<br />
Figura 1 Vista aérea del Distribuidor 5 de Febrero y Celaya Cuota. (Imagen de Google Earth 2009) 7<br />
Figura 2El sujeto y el líder 12<br />
Figura 3 Resistencia que opone la pendiente al avance del vehículo 29<br />
Figura 4Esquema de cruzamiento en una incorporación 33<br />
Figura 5 Proceso Iterativo de calibración para simuladores de tráfico (Ben- Akiva) 41<br />
Figura 6 Comunicación. Simulador de Tránsito y el Indicador de Semaforización. 54<br />
Figura 7 Modelo de la Lógica del Seguimiento de Vehículo. (Wiedemann 1974) 57<br />
Figura 8 Estudios de campo realizados en estaciones 84<br />
Figura 9 Estaciones en intersecciones no-semaforizadas 85<br />
Figura 10 <strong>Histograma</strong> del comportamiento vehicular por periodos de 15 minutos 86<br />
Figura 11 <strong>Histograma</strong> del comportamiento vehicular por periodos de 1 hora 87<br />
Figura 12 Accesos al distribuidor en hora de máxima demanda 88<br />
Figura 13 Estaciones de estudio de placas y su área de estudio 89<br />
Figura 14 Red esquemática trazada en VISSIM 92<br />
Figura 15 Red tridimensional trazada en VISSIM 93<br />
Figura 16 Área de conflicto insertada en la red trazada en VISSIM 93<br />
Figura 17 Ingreso de flujos en la red trazada en VISSIM 94<br />
Figura 18 Ingreso de flujos en la red trazada en VISSIM 95<br />
Figura 19 Composiciones vehiculares ingresadas en VISSIM 96<br />
Figura 20 Ejemplo de rutas marcada para un enlace en la red trazada en VISSIM 97<br />
Figura 21 Rutas marcadas en la red trazada en VISSIM 97<br />
Figura 22 Esquema de preferencia en un entronque en VISSIM 98<br />
Figura 23 Comportamiento de colas en la red trazada en VISSIM 99<br />
Figura 24 Comportamiento de entronques en la red trazada en VISSIM 100<br />
Figura 25 Conteos de salida en la red trazada en VISSIM 101<br />
Figura 26 <strong>Histograma</strong> de velocidades y polígono de frecuencias Av. <strong>Constituyentes</strong> – México 103<br />
Figura 27 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong> 106<br />
Figura 28 Correlaciones de velocidades en recorridos con origen en México 106<br />
Figura 29 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong> 107<br />
Figura 30 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong> 107<br />
Figura 31 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong> 108<br />
Figura 32 Curvas de aceleración por defecto del programa VISSIM, (vehículos ligeros a la izquierda<br />
y vehículos pesados a la derecha) 109<br />
Figura 33 Esquema de puntos de conflicto por colas en el distribuidor 111<br />
Figura 34 Esquema de vías evaluadas con tiempos de recorrido en el distribuidor 112<br />
Figura 35 Solución esquemática al Distribuidor Vial 5 de Febrero 115<br />
ix
ÍNDICE DE ECUACIONES<br />
Ecuación 1 Forma General del modelo de seguimiento (1950) 13<br />
Ecuación 2 Modelo de seguimiento (Chandler et al., 1958) 13<br />
Ecuación 3 Modelo de seguimiento (Gazis et al., 1959) 14<br />
Ecuación 4 Relación Velocidad-Densidad Macroscópica (Greenberg, 1959) 15<br />
Ecuación 5 Modelo de seguimiento (Edie, 1961) 16<br />
Ecuación 6 Modelo de seguimiento (Newell, 1961) 16<br />
Ecuación 7 Modelo de Seguimiento No lineal de General Motors 17<br />
Ecuación 8 Modelo de Seguimiento (Bexelius, 1968) 18<br />
Ecuación 9 Modelo General de Seguimiento, Aceleración (Gipps, 1981) 22<br />
Ecuación 10 Modelo General de Seguimiento, Deceleración (Gipps, 1981) 23<br />
Ecuación 11 Modelo de Seguimiento (Subramanian, 1996) 25<br />
Ecuación 12 Fuerza que dispone el vehículo para acelerar o decelerar 27<br />
Ecuación 13 Resistencia por pendiente 28<br />
Ecuación 14 Distancia crítica de cruzamiento DVA (Yang y Koutsopoulos, 1996) 33<br />
Ecuación 15 Distancia crítica de cruzamiento DVP (Yang y Koutsopoulos, 1996) 34<br />
Ecuación 16 Modelo de cambio de carril (Yang y Koutsopoulos, 1996) 34<br />
Ecuación 17 Cruzamiento crítico 35<br />
Ecuación 18 Relación entre Volúmenes O-D y Volúmenes en Arcos (Dela LLata, 1991) 39<br />
Ecuación 19Formulación De La Llata, Para Estimación De Demanda De Tránsito En Carreteras<br />
(1991) 39<br />
Ecuación 20 Formulación De La Llata, Para Estimación De Demanda De Tránsito En Carreteras<br />
(1991) 39<br />
Ecuación 21 Distancia entre dos vehículos Modelo VISSIM 50<br />
Ecuación 22 Parte aditiva y multiplicativa de la distancia de seguridad. 51<br />
Ecuación 23 Número mínimo de corridas para la técnica del automóvil flotante 65<br />
Ecuación 24 Ahorro en tiempos de viaje 118<br />
Ecuación 25 Beneficios anuales en tiempos de viaje 118<br />
x
ÍNDICE DE TABLAS<br />
Tabla 1 Resultados obtenidos del modelo desarrollado por Gazis et al. (1959) 15<br />
Tabla 2 Resultados del modelo de la GM obtenidos por May y Keller (1967) 18<br />
Tabla 3 Resultados del modelo de la GM obtenidos Subramanian (1996) 25<br />
Tabla 4 Matriz de viajes al interior del distribuidor – hora de máxima demanda 90<br />
Tabla 5 Estadística descriptiva de velocidades con origen Av. <strong>Constituyentes</strong> y destino México 103<br />
Tabla 6 Longitud de los tramos recorridos en el distribuidor vial 5 de Febrero 104<br />
Tabla 7 Promedio de velocidades en el distribuidor vial 5 de Febrero 104<br />
Tabla 8 Tiempo de recorridos redondeados en el distribuidor vial 5 de Febrero 104<br />
Tabla 9 Resumen del parámetro R 2 , correlación de velocidades de campo vs. velocidades en VISSIM. 108<br />
Tabla 10 Niveles de servicio por demoras 110<br />
Tabla 11 Niveles de servicio y demoras en segundos para la situación sin proyecto año 2009 110<br />
Tabla 12 Longitudes de colas en metros para la situación sin proyecto año 2009 111<br />
Tabla 13 Tiempo de recorridos en segundos para la situación sin proyecto año 2009 112<br />
Tabla 14 Niveles de servicio y demoras en segundos para el viaducto elevado año 2009 116<br />
Tabla 15 Tiempo de recorridos en minutos para el viaducto elevado año 2009 117<br />
Tabla 16 Configuración del valor del tiempo 117<br />
Tabla 17 Información sobre la utilización del vehículo 118<br />
Tabla 18 Ahorro en tiempos de viaje (Horas) 119<br />
Tabla 19 Ahorro en tiempos de viaje (Pesos/Vehículos) 119<br />
Tabla 20 Beneficios anuales en tiempos de viaje (primer año) 119<br />
xi
1. INTRODUCCIÓN<br />
Las vías terrestres en la actualidad tienen una notable importancia en el<br />
desarrollo de un país, estado o municipio, ya que representan la forma de<br />
comunicación y transporte más usada en la actualidad. Según cifras del Instituto<br />
Nacional de Estadística y Geografía, en el mes de abril del año 2009 se cuenta<br />
con un parque vehicular de 18,220,936 automóviles registrados en circulación en<br />
el país de México, además de 8,400,865 vehículos de carga contando con un<br />
sistema carretero de 360,075 km.<br />
Estas cifras reflejan que la importancia que tiene la planeación de las vías<br />
terrestres es imprescindible, el desarrollo de nuevas y mejores vialidades es<br />
inevitable, puesto que el crecimiento de un Estado depende principalmente del<br />
incremento en vías de comunicación y de transporte con las que cuente, sin<br />
embargo además de la nueva infraestructura que se construye, es necesario<br />
revisar las vialidades existentes y su problemática, actualizando los parámetros<br />
que se toman en cuenta, así como los métodos utilizados para la proyección de<br />
los mismos. Entre los métodos convencionales de proyección de vialidades<br />
tenemos el método por elección de niveles de servicio, en el que se determinan<br />
las características geométricas de la vialidad para que esta proporcione un nivel<br />
de servicio deseado para un volumen y características de trafico previstas, esto<br />
por medio de los parámetros de volumen horario de proyecto, tránsito promedio<br />
diario anual y la distribución direccional.<br />
Sin embargo estos métodos tradicionales tienen un alcance reducido, es<br />
por eso que en la actualidad una de las formas de evaluar la calidad o las<br />
características de operatividad de una vialidad, es mediante herramientas de<br />
simulación que nos proveen de información más detallada para la toma de<br />
decisión, como lo es la necesidad de modernización de una vialidad o la búsqueda<br />
de nuevas rutas de transporte.<br />
1
Para la modelación, simulación y estudio de vialidades usualmente se<br />
utilizan paquetes computacionales, dentro de los cuales tenemos, aaSIDRA que<br />
cuenta con el análisis de capacidad y niveles de servicio en intersecciones con<br />
semáforos, intersecciones de prioridad, glorietas, cruces peatonales y puntos de<br />
intercambio así como la optimización en la programación de tiempos de<br />
semáforos, HCS+ en flujo discontinuo, es posible realizar análisis operacionales<br />
presentes o futuros de intersecciones con semáforos, incluyendo la optimización<br />
de los mismos, SYNCHRO realiza análisis, evaluación y optimización de redes<br />
viales, TRANSYT-7F este paquete cuenta con la capacidad de optimización de<br />
semáforos en redes viales, arterias urbanas, o intersecciones aisladas, que tengan<br />
condiciones de operación simple o complejas, produce mejores planes de tiempos<br />
que otros programas de optimización.<br />
Sin embargo existen paquetes computacionales en los cuales se puede<br />
hacer un estudio mucho más profundo, tomando en cuenta más variables,<br />
recreando de manera más real, y produciendo mejores resultados. Dentro de<br />
estos paquetes encontramos VISSIM, Cube Dynasim, LISA+, Quadstone<br />
Paramics, SiAS Paramics, Simtraffic and Aimsun, más adelante se verán las<br />
capacidades de estos paquetes.<br />
El estudio a base de la simulación microscópica del tráfico es la herramienta<br />
más potente y flexible para el análisis, diseño y evaluación de sistemas de<br />
transporte. Básicamente lo que la simulación realiza es una interacción de las<br />
entidades de un sistema de transporte consistente en datos de entrada como lo<br />
son; la geometría, es decir, anchos de carriles, grados de curva, radios de giro y<br />
secciones de calzada, por otro lado el vehículo, ya sea de carga, particular o de<br />
transporte, así como características del vehículo como lo son la tasa de<br />
aceleración, frenado y movilidad.<br />
Estas variables interactúan entre sí, creando una simulación dinámica, es<br />
decir, se logra crear una simulación la cual imita en un computador las<br />
operaciones del sistema real a medida que evolucionan en el tiempo.<br />
2
El contar con una herramienta de microsimulación nos da la posibilidad de<br />
crear infinidad de escenarios posibles en la solución de un problema de transporte,<br />
esto sin recurrir a la experimentación en campo, lo cual es similar a tener un<br />
laboratorio donde poder ensayar sin perjudicar a los usuarios de una vialidad.<br />
Como se mencionó anteriormente la micro simulación representa una<br />
poderosa herramienta, que al ser utilizada de forma correcta, puede convertir<br />
nuestro computador en un laboratorio virtual, donde podemos ensayar, probar,<br />
reproyectar e innovar, sin la necesidad de tomar riesgos para la población, es<br />
decir, sin experimentar en campo, y sin poner en peligro la economía de un Estado<br />
al utilizar recursos para la construcción de un distribuidor o una vialidad importante<br />
que al no contar con estudios previos devengaría en una vialidad sin objeto o<br />
simplemente en una vialidad que no cumple con las expectativas para las que fue<br />
creada.<br />
Se cuenta con experiencia práctica en materia de microsimulación de tráfico<br />
como referencia se mencionan algunos trabajos realizados a nivel nacional como<br />
internacional:<br />
Boulevard bicentenario (paseo zumpango)<br />
Para satisfacer las necesidades de transportación en esta ciudad,<br />
GEÓPOLIS estableció la necesidad de desarrollar un esquema vial conformado<br />
por una vialidad principal “Boulevard Bicentenario o Paseo Zumpango” de manera<br />
tal, que se aseguré la conexión interregional de la nueva ciudad con autopistas<br />
como el Circuito Exterior Mexiquense, la Autopista México-Querétaro, el Arco<br />
Norte y la Autopista México–Pachuca; y desde el punto de vista urbano, articule<br />
las vialidades de conexión interna, asegurando a los residentes movilidad,<br />
conectividad, ahorros en tiempo de viaje y en costos de operación.<br />
Para el logro de objetivos y desarrollo de los alcances, se utilizaron técnicas<br />
de modelación y microsimulación de tipo regional y local como los modelos Visum<br />
y Vissim.<br />
3
Sistema de transporte masivo trolmérida<br />
Para el desarrollo de la Copa América 2007, la ciudad de Mérida en<br />
Venezuela enfrentó un reto en materia de movilidad y transporte. Al mismo tiempo<br />
que se preparaba el estadio metropolitano de Mérida para su inauguración, se<br />
trabajaba a marchas forzadas en la construcción de vías de acceso a éste y se<br />
ponía en marcha el nuevo sistema de trolebuses tipo BRT conocido como<br />
TrolMérida.<br />
Los lineamientos de la Conmebol exigían que no se permitiera al público en<br />
general el acceso al estadio en automóvil particular; es decir, todos los aficionados<br />
(el estadio cuenta con capacidad para 42,000 espectadores) debían llegar al<br />
estadio caminando o en transporte público.<br />
Expertos en micro-simulación, tránsito y transporte público se encargaron<br />
directamente de diseñar un plan de contingencia para solucionar esta<br />
problemática. Dicho plan incluyó la definición de dos perímetros de control de<br />
acceso alrededor del estadio, un plan de desvíos para el tránsito vehicular y un<br />
diseño especial de rutas de transporte público que permitió dar acceso y salida a<br />
los aficionados del estadio.<br />
En primera instancia se diseñó el plan de desvíos y de señalamiento para<br />
tránsito vehicular, así como el plan operativo para transporte público que<br />
permitiera mover, a través del trolebús y autobuses disponibles, a los aficionados<br />
dentro de los tiempos requeridos de acceso y desalojo del estadio. El modelo de<br />
micro-simulación permitió evaluar y afinar el plan propuesto en términos de<br />
operación y administración de la infraestructura ofrecida.<br />
Estudio de vialidad, transporte y estacionamientos con aplicación de<br />
simulación y modelos de negocios para Ciudad Universitaria.<br />
Autopista Interestatal 880, Estados Unidos<br />
Braidwood Associates, especialista en microsimulación de tráfico fue<br />
contratado por el Centro de Transporte de California en Estados Unidos para llevar<br />
4
a cabo el desarrollo de un modelo de microsimulación para el tráfico de la<br />
Interestatal 880, autopista con ruta de transporte pesado que se encontraba<br />
saturada.<br />
El estudio se compone de un segmento de 34 millas de la I-880 entre<br />
Oakland y Militas, CA e incluye el modelado de 30 distribuidores de la autopista,<br />
donde se encuentran 5 de los más importantes 880/SR 84, I 880/SR 92, I 880 / I<br />
238 y I 880 / I 980.<br />
El objetivo del estudio fue desarrollar un modelo base al año 2006 de la<br />
infraestructura vial de la carretera interestatal 880, como parte del corredor dentro<br />
de Oakland y los condados Militas, con el objeto de ayudar en el desarrollo de un<br />
plan de gestión de corredores (CSMP).<br />
Se calibraron y validaron parámetros de operación por un periodo de tres<br />
horas por la mañana y tarde por el Departamento de transporte del Estado de<br />
California. La calibración del modelo incluye enlaces y los volúmenes de tráfico así<br />
como los tiempos de viaje y velocidades.<br />
Distrito hospitalario, Aeropuerto internacional de Delhi<br />
Se desarrollo un modelo de microsimulación de tráfico con VISSIM que<br />
permitió conocer el comportamiento operacional de la red carretera alrededor del<br />
distrito hospitalario y dentro del mismo, se simularon circulaciones internas como<br />
maniobras de acenso y descenso así como ingresos y accesos al mismo.<br />
Puntualmente este trabajo buscará resolver la problemática que se presenta<br />
en el distribuidor vial, ubicado en la intersección de las avenidas 5 de Febrero y<br />
<strong>Constituyentes</strong> punto crítico donde se puede decir que representa el foco de un<br />
congestionamiento vehicular, que provoca demora significativas en su<br />
funcionamiento dado que los movimientos de vueltas izquierdas se realizan<br />
actualmente mediante el sistema de gazas, sistema que actualmente está<br />
saturado en horas de máxima demanda, por lo que este documento se centrara en<br />
5
simular la condición actual para en base a este modelo base, generar una<br />
propuesta de solución y simular los resultados.<br />
Un distribuidor vial es aquel que tiene como función primordial el distribuir o<br />
intercambiar de manera fluida al tránsito en un punto de confluencia dado. La<br />
importancia de un distribuidor vial radica en las vías que confluyan a este así como<br />
en su TPDA (Tránsito Promedio Diario Anual). De ahí que la necesidad del estudio<br />
de un distribuidor es de gran impacto ya que usualmente es donde se presentan<br />
los mayores problemas en una red carretera, el beneficio que conlleva el estudio y<br />
el mejoramiento de estos repercute en la movilidad de una red vial urbana,<br />
induciendo beneficio a los usuarios y en general a la ciudad.<br />
La oportunidad que concibe esta investigación, además de realizar un<br />
estudio que valide un proyecto de modernización de un distribuidor a partir de la<br />
microsimulación, es la de realizar un trabajo práctico de modelación que sirva de<br />
criterio para los especialistas en vías terrestres de la ciudad de Querétaro para la<br />
utilización de este tipo de herramientas, creando un antecedente que pueda servir<br />
como plataforma para estudios posteriores en el parámetro de calibración<br />
velocidad.<br />
ANTECEDENTES<br />
La presente tesis centra su estudio en el distribuidor vial ubicado en la zona<br />
sur poniente de la Ciudad de Querétaro, en la cual confluyen dos carreteras que<br />
por su volumen vehicular forman parte de las más transitadas en el Estado de<br />
Querétaro. La carretera federal 57 y la carretera federal 45 forman parte del<br />
mismo, razón por la cual la importancia se da no solo a nivel estatal si no a nivel<br />
federal. Actualmente el mantenimiento y operación de la ruta México-Irapuato<br />
(carretera 57 y carretera 45) se da por parte de Capufe, es decir, en este<br />
distribuidor involucramos no solo tránsito local si no también tránsito de largo<br />
itinerario.<br />
6
Figura 1 Vista aérea del Distribuidor 5 de Febrero y Celaya Cuota. (Imagen de Google Earth 2009)<br />
Como se observa en la imagen ubicamos este distribuidor en un punto<br />
neural, donde se encuentran las vialidades <strong>Constituyentes</strong>, Av. 5 de Febrero,<br />
Carretera México-Querétaro, Querétaro-Celaya y Querétaro-San Luis Potosí.<br />
Cabe mencionar que el distribuidor se encuentra rodeado por<br />
establecimientos que por su giro atraen a un sin número de usuarios durante todo<br />
momento, dentro de los más importantes tenemos el IMSS, el Hospital General y<br />
uno de los centros comerciales más importantes de la ciudad.<br />
Es por eso que al paso del tiempo, ha quedado inmerso en una zona<br />
totalmente urbana y la convivencia del tránsito local urbano con el de largo<br />
itinerario ha mermado las condiciones de operatividad de dicho distribuidor.<br />
OBJETIVOS<br />
A Celaya<br />
Cuota<br />
A Celaya<br />
Libre<br />
A San Luis Potosí<br />
El objeto principal de esta tesis es analizar el comportamiento del tráfico<br />
vehicular dentro del distribuidor vial 5 de Febrero únicamente comparando la<br />
calidad de su explotación antes y después de la propuesta de modernización<br />
estatal, por medio del programa de microsimulación VISSIM considerando<br />
únicamente el parámetro de velocidad en la calibración y validación del modelo.<br />
7<br />
A Querétaro<br />
Centro<br />
A México
Dentro de los objetivos particulares tenemos:<br />
Obtención de aforos vehiculares en la zona del distribuidor, apoyándonos<br />
en estudios realizados recientemente.<br />
Obtención de los movimientos direccionales de manera particular del<br />
distribuidor apoyados en un estudio de placas.<br />
Análisis de la topografía actual y obtención de la información geométrica<br />
necesaria para el modelo de microsimulación<br />
Obtención del parámetro vehicular velocidad en la zona, para cargar en el<br />
modelo de microsimulación.<br />
Finalmente el análisis de la información mediante el modelo de<br />
microsimulación tanto del modelo actual de funcionamiento como el modelo<br />
propuesto de solución, únicamente en la zona del distribuidor por lo que se omiten<br />
los movimientos que no se encuentren dentro del mismo.<br />
HIPÓTESIS<br />
La propuesta de modernización estatal del distribuidor vial 5 de febrero<br />
mejorará la calidad del sistema vial en el ámbito de dicho enlace.<br />
8
2. MARCO TEÓRICO<br />
Los modelos de simulación son diseñados para emular el comportamiento<br />
del tránsito en una red de transporte tanto en tiempo como espacio, para predecir<br />
el desempeño de un sistema. Estos modelos de simulación incluyen matemática y<br />
lógica abstracta del sistema del mundo real que se implementan en un paquete<br />
computacional. La simulación se puede ver como un experimento realizado en un<br />
laboratorio en lugar de realizarlo en el campo.<br />
2.1. Mecanismo de actualización del sistema<br />
La simulación del modelo de tránsito describe los cambios en el sistema a<br />
través de intervalos discretos en el tiempo. Generalmente existen 2 tipos de<br />
modelos, dependiendo del intervalo de actualización del tiempo ya sea, fijo o<br />
variable.<br />
Modelo de tiempo discreto: El sistema se inicia siendo actualizado en un<br />
intervalo fijo de tiempo. Por ejemplo, el modelo calcula la posición de un vehículo,<br />
velocidad y aceleración a un intervalo de 1 -s. La opción del intervalo de tiempo de<br />
actualización depende del nivel de precisión que se requiera esto a expensas del<br />
tiempo del procesamiento del computador. La mayoría de los modelos de<br />
microsimulación emplean una resolución de 0.1 para la actualización del sistema.<br />
La mayoría de los sistemas de tránsito utilizan este modelo debido a la experiencia<br />
que se tiene al tener un cambio continuo de estado, lo que genera la sensación de<br />
ver un modelo en movimiento constante.<br />
Modelo de eventos discretos: En estos modelos, el intervalo del tiempo<br />
varía en duración y corresponde a un intervalo entre eventos. Se puede ver esto<br />
fácilmente viendo el sistema de semaforización de una intersección, en un<br />
semáforo el tiempo de luz verde puede ser de 30 segundos hasta que este cambie<br />
a amarillo. La duración entre cambio de luces representa un evento. Este tipo de<br />
modelos por eventos, reducen significativamente el tiempo de proceso del<br />
9
computador, sin embargo se reduce su utilización a simulación en las que el<br />
cambio en el estado del modelo no es frecuente.<br />
2.2. Representación del flujo de tránsito<br />
Los modelos de simulación son típicamente clasificados de acuerdo al nivel<br />
de detalle con los que representan el flujo de tránsito. Estos incluyen:<br />
Modelos microscópicos: En estos modelos se simulan las características e<br />
interacciones de cada vehículo. Esencialmente se producen trayectorias con el<br />
movimiento de los vehículos dentro de la red. El proceso lógico incluye algoritmos<br />
y reglas describiendo como los vehículos tienen que moverse e interactuar,<br />
envolviendo las variables de aceleración, deceleración, cambio de carril y<br />
maniobras de paso.<br />
Modelos Mesoscópicos: Estos modelos simulan vehículos individualmente<br />
pero describen sus actividades e interacciones basadas en relaciones<br />
macroscópicas. Usualmente la aplicación para estos modelos son evaluaciones<br />
de sistema de información para viajeros. Como lo puede ser el simular la ruta de<br />
un vehículo equipado con un sistema de información geográfica satelital (GPS) el<br />
cual traza la mejor ruta, el tiempo de viaje, a partir de la información de la<br />
velocidad promedio que existe en dicha ruta, y a su vez la velocidad promedio es<br />
calculada a partir de una relación entre la velocidad y el flujo.<br />
Modelos macroscópicos: Estos modelos simulan flujos de tránsito, tomando<br />
la relación de características de entrada como lo son la velocidad, flujo y densidad.<br />
Usualmente los modelos macroscópicos emplean ecuaciones sobre la<br />
conservación del flujo. Estas simulaciones pueden ser usadas para predecir en<br />
espacio y tiempo una congestión provocada por una demanda de tránsito o<br />
incidentes en la red, sin embargo, estos modelos no muestran la interacción de<br />
vehículos en configuraciones de diseño alternativas.<br />
Por lo tanto, los modelos microscópicos son una herramienta mucho más<br />
potente que los macroscópicos, sin embargo los modelos microscópicos requieren<br />
10
de mucho más parámetros que requieren calibración y de los cuales son difíciles<br />
de estimar en campo, como lo es la medición de la distancia entre vehículos<br />
durante el movimiento de estos.<br />
2.3. Aleatoriedad en el flujo del tránsito<br />
Los modelos de simulación también se pueden clasificar en tanto ellos<br />
representen la aleatoriedad en el flujo del tránsito:<br />
Modelos determinísticos: Estos modelos asumen que no hay variabilidad en<br />
las características del conductor y el vehículo.<br />
Modelos Estocásticos: Estos modelos si asumen las variables que existen<br />
del conductor y del vehículo, obteniendo esta información por medio de<br />
distribuciones estadísticas usando números al azar.<br />
Proceso de microsimulación<br />
Los modelos de microsimulación emplean varios submodelos, relaciones<br />
analíticas y lógica en un modelo de flujo de tránsito. En este estudio no<br />
detallaremos esos submodelos. En su lugar se enfocará en algunos aspectos<br />
claves del proceso de simulación que dan lugar a la elección de la herramienta a<br />
utilizar así como de la precisión de los resultados.<br />
Los modelos de simulación incluyen algoritmos y lógica para:<br />
Generar vehículos dentro del sistema para ser simulados<br />
Mover vehículos dentro del sistema<br />
Modelar la interacción entre los vehículos<br />
2.4. Modelos de aceleración<br />
Los modelos que capturan el comportamiento de aceleramiento de los<br />
conductores se clasifican en:<br />
11
2.4.1. Modelos de seguimiento de vehículos<br />
El comportamiento del primer modelo mencionado se describe a partir del<br />
régimen del seguimiento de vehículo. En este régimen, el conductor se encuentra<br />
cerca del líder o el vehículo posterior (ver figura 2). El modelo general de<br />
aceleración captura el comportamiento en el seguimiento del vehículo y el flujo<br />
libre. En el régimen de flujo libre, los conductores no están cerca de sus líderes y<br />
por lo tanto tienen la libertad de atender a una velocidad deseada.<br />
Figura 2El sujeto y el líder<br />
El comportamiento de aceleración de los conductores, cuando estos están<br />
en el régimen del seguimiento de vehículo, ha sido estudiado extensamente desde<br />
1950. La estimación de estos modelos usa información microscópica, por ejemplo,<br />
velocidad del sujeto y su líder, longitud entre vehículos, aceleración aplicada por el<br />
sujeto. Un simple análisis de correlación fue usado durante el periodo mencionado<br />
para estimar los modelos en muchos de los casos.<br />
Investigadores como Gipps, Yang y Aycin, empezaron a poner atención al<br />
comportamiento de la aceleración en un régimen de flujo libre en los comienzos de<br />
1980 cuando la simulación microscópica emergía como una herramienta<br />
importante por estudiar el comportamiento del tráfico y desarrollar y evaluar<br />
diferentes controles y administrar estrategias.<br />
Reuschel (1950) y Pipes (1953) mostraron la forma general del modelo de<br />
seguimiento de vehículos desarrollado a finales de 1950:<br />
12
Ecuación 1 Forma General del modelo de seguimiento (1950)<br />
El tiempo de reacción, incluye el tiempo de percepción-reacción y el tiempo<br />
de movimiento del pie. La velocidad relativa del líder es generalmente considerada<br />
como un estimulo para el seguidor y sensibilidad que es un factor que puede ser<br />
función de factores como la velocidad del sujeto y el espacio entre vehículos.<br />
Chandler et al. (1958) desarrolló el primer modelo de seguimiento de<br />
vehículo que es un modelo lineal simple. Matemáticamente, el modelo puede ser<br />
expresado como:<br />
Donde,<br />
Ecuación 2 Modelo de seguimiento (Chandler et al., 1958)<br />
13<br />
x
Un conductor responde al estimulo al tiempo aplicando aceleración<br />
al tiempo . El mismo término de sensibilidad es usado para ambas situaciones la<br />
aceleración y la deceleración. Se estima el modelo usando el método de análisis<br />
de correlación y datos microscópicos del seguimiento de vehículo.<br />
Para conocer los valores que más se correlacionan se recolecto<br />
información de un estudio con 8 conductores en un prueba de manejo en una<br />
carretera de dos carriles con tránsito real en un tiempo de entre 20 y 30 minutos.<br />
Para cada conductor, se obtenía datos de aceleración, velocidad, espacio entre<br />
vehículos, y velocidad relativa entre cada observación. Chandler (1958) a partir de<br />
la información que se obtuvo fue despejando de la ecuación 2 para diferentes<br />
valores de , así logró observar la correlación entre la aceleración en campo y<br />
la estimada. Los valores de que alcanzaron las más altas correlaciones<br />
fueron usados como los estimados para para cada conductor. Se concluyo<br />
que los valores promedio sobre todas las muestras fueron de 1.5 segundos<br />
y 0.37 segundos respectivamente.<br />
Una gran limitación del modelo anterior es la de asumir un sensibilidad<br />
constante para todas las situaciones. Gazis et al. (1959) abordaron esto mediante<br />
la incorporación del espacio entre dos vehículos en términos de la sensibilidad. Su<br />
modelo es como sigue:<br />
Ecuación 3 Modelo de seguimiento (Gazis et al., 1959)<br />
Donde, denota el espacio entre vehículos al tiempo . El<br />
modelo fue estimado usando información obtenida de experimentos de<br />
seguimiento de vehículos microscópicos en el túnel Holanda y Lincoln ambos en<br />
Nueva York, además de la pista de pruebas de General Motors. Los parámetros<br />
fueron estimados para cada conductor de cada conjunto usando análisis de<br />
correlación. Para cada conjunto de datos, los valores de los parámetros<br />
promediaron sobre todas las muestras fueron reportados como los estimados. La<br />
tabla 1, resume los resultados que obtuvieron.<br />
14
Sitio Conductores (mph)<br />
Prueba de GM 8 27.4 1.5<br />
Túnel de Holanda 10 18.3 1.4<br />
Túnel de Lincoln 16 20.3 1.2<br />
15<br />
T<br />
(Segundos)<br />
Tabla 1 Resultados obtenidos del modelo desarrollado por Gazis et al. (1959)<br />
De los resultados anteriores se denota la similitud entre los datos obtenidos<br />
en los dos túneles, mientras que en la pista de pruebas se nota una diferencia<br />
relativamente más alta, esto dado por las condiciones de la vialidad, al tener una<br />
visual más reducida siendo este el caso de los conductores en los túneles el<br />
conductor tiende a acelerar de manera más conservadora así como mantener una<br />
menor velocidad es por eso que los valores de la constante de aceleración son<br />
menores que en la pista de pruebas donde la visual es mucho más amplia<br />
logrando el efecto contrario en el conductor, así mismo se denota que el tiempo de<br />
reacción es muy parecido en los tres casos.<br />
Edie (1961) puntualiza que, el modelo dado por la ecuación 3 sufre de dos<br />
limitaciones. Primero, desde un punto de vista del comportamiento, la teoría del<br />
seguimiento del líder no es aplicable a bajas densidades. Segundo, la relación<br />
macroscópica velocidad-densidad derivada de la ecuación lleva a velocidades<br />
infinitas cuando la densidad tiende a cero. Para entender esto, tomemos la<br />
ecuación 3 e integremos ambos lados de la ecuación, de donde obtendremos lo<br />
que a continuación se expresa:<br />
Ecuación 4 Relación Velocidad-Densidad Macroscópica (Greenberg, 1959)<br />
)
Esta ecuación que es equivalente a la ecuación 3 fue desarrollada por<br />
Greenberg (1959) y se le conoce como la relación velocidad-densidad<br />
macroscópica. En esta se puede observar que la ecuación no admite densidades<br />
con valor cero.<br />
Edie (1961) advirtió de las limitaciones arriba mencionadas y propuso el<br />
cambio del término de sensibilidad quedando el modelo como sigue:<br />
Ecuación 5 Modelo de seguimiento (Edie, 1961)<br />
Ahora, la sensibilidad es proporcional a la velocidad e inversamente<br />
proporcional al cuadrado de la distancia entre vehículos. La ecuación 5 puede ser<br />
integrada para obtener un modelo que permite velocidades a flujo libre a una<br />
densidad cercana a cero. Este modelo funciona mejor que el modelo propuesto<br />
por Gazis et al. (1959) a bajas densidades. Sin embargo el término de estimulo es<br />
aún función de la velocidad relativa del líder, que no es realista a bajas<br />
densidades, en particular cuando las distancias entre autos son altas.<br />
En lugar de usar la sensibilidad-estimulo para explicar el seguimiento de<br />
vehículo, Newell (1961) sugirió la siguiente relación entre velocidad y distancia<br />
entre vehículos.<br />
Ecuación 6 Modelo de seguimiento (Newell, 1961)<br />
Donde, es una función cuya forma determina la especificación del<br />
modelo de seguimiento de vehículo de la ecuación 6. Diferentes formas de<br />
fueron asumidas para diferentes aceleraciones y deceleraciones. Sin embargo, el<br />
modelo tiene la ventaja de integrar para obtener diferentes relaciones<br />
macroscópicas de velocidad-flujo-densidad.<br />
16
El seguimiento de vehículo desarrollado por Gazis et al. (1961) conocido<br />
como el modelo no lineal de General Motors, es el más general. El modelo esta<br />
dado por:<br />
Ecuación 7 Modelo de Seguimiento No lineal de General Motors<br />
Donde, , y son parámetros del modelo. La sensibilidad es proporcional<br />
a la velocidad elevada a la potencia e inversamente proporcional a la distancia<br />
entre vehículos elevada a la potencia . El parámetro es una constante y la<br />
velocidad relativa frontal es el estimulo. Los modelos desarrollados anteriormente<br />
por Chandler et al. (1958) y Gazis et al. (1959) pueden ser derivados de este<br />
modelo como casos especiales. Se debe mencionar que la relación macroscópica<br />
flujo-velocidad desarrollada por Edie (1961) puede ser derivada por medio del<br />
modelo de GM dando el valor de cero a y de dos.<br />
May y Keller (1967) estimaron el modelo de GM usando relaciones<br />
macroscópicas entre velocidad y densidad que fueron derivadas por Gazis et al.<br />
(1961). Además de usar valores enteros de y , May y Keller (1967) también<br />
usaron valores no enteros y encontraron altos coeficientes de correlación para los<br />
casos no enteros. Los parámetros encontrados se presentan en la tabla 2 con<br />
valores enteros y no enteros. Dado que usaron una relación macroscópica entre<br />
velocidad y densidad, el tiempo de reacción no pudo ser identificado.<br />
17
Estimado con valores Estimado con valores no<br />
Parámetro<br />
enteros<br />
enteros<br />
1.35x10-4 1.33x10-4<br />
1 0.8<br />
3 2.8<br />
Vel. Libre uf, mph<br />
Densidad de saturación Kj<br />
48.7 50.1<br />
vpm infinito 220<br />
Vel. Optima, mph 29.5 29.6<br />
Densidad optima (ko), vpm 60.8 61.1<br />
Flujo máximo, vph 1795 1810<br />
Modelo macroscópico u ufe u<br />
j<br />
Tabla 2 Resultados del modelo de la GM obtenidos por May y Keller (1967)<br />
Bexelius (1968) sugirió que en lugar de seguir sólo al líder inmediato, los<br />
conductores en una situación de seguimiento de vehículo, también siguen a los<br />
vehículos delante del líder. Matemáticamente, el modelo esta dado por:<br />
Ecuación 8 Modelo de Seguimiento (Bexelius, 1968)<br />
Donde, y son la sensibilidad y velocidad asociados con el i-<br />
ésimo vehículo delantero y N es el número de conductores. Esta ecuación nos<br />
permite el obtener respuestas que no dependen de un solo vehículo si no que<br />
integran al tráfico permitiendo que no se tenga un solo líder para estimular al<br />
conductor.<br />
0<br />
. 5 (<br />
Leutzbach (1968) propuso un modelo sico-físico del espacio que advertía<br />
dos limitaciones del modelo de seguimiento de vehículo desde un punto de vista<br />
de comportamiento. Primero, los conductores no siguen a sus líderes a lo largo del<br />
espacio, y segundo, los conductores no pueden percibir pequeñas diferencias en<br />
velocidades relativas y por lo tanto, no reaccionan con diferencia. Así mismo,<br />
Leutzbach introdujo el término “umbral perceptual” para definir una velocidad<br />
relativa umbral que es función del espacio entre vehículos. El umbral es más<br />
18<br />
k<br />
k o<br />
2<br />
)<br />
u<br />
uf<br />
1<br />
k<br />
k<br />
1<br />
. 8<br />
5
pequeño en tanto el espacio entre vehículos sea pequeño y gradualmente<br />
incrementa conforme el espacio entre vehículos aumenta. El conductor reacciona<br />
al estimulo, a la velocidad relativa, solo cuando el estimulo excede el umbral<br />
perceptual. Es decir cuando entre los vehículos existe una pequeña distancia casi<br />
cualquier estimulo del líder haría reaccionar al seguidor al contrario si se llegasen<br />
a separar un distancia considerable difícilmente algún estimulo del líder podría<br />
lograr alguna reacción al seguidor y en un momento dado si se siguiese<br />
incrementando esa distancia ya no aplicaría la teoría del seguimiento de<br />
vehículos, es decir el umbral tendería a ser infinito. Un descubrimiento importante<br />
de su investigación es que el umbral perceptual para velocidades relativas<br />
negativas (proceso de deceleramiento) es más pequeño que el de velocidades<br />
relativas positivas (proceso de aceleramiento). Esto implica que la sensibilidad del<br />
espacio y la velocidad relativa en las decisiones de aceleración y deceleración de<br />
los conductores son diferentes. Leutzbach, sin embargo, no dio ninguna<br />
formulación matemática del modelo propuesto, ni como éste puede ser estimado.<br />
Ozaki (1993) estimó los parámetros del modelo de GM. El uso el análisis de<br />
regresión para estimar un modelo de tiempo de reacción del conductor y<br />
correlacionar el análisis para estimar los parámetros , y .<br />
siguientes:<br />
Ozaki listó cuatro acciones para identificar el tiempo de reacción, siendo las<br />
Acción A, comienza la deceleración: Tiempo que pasa desde que la<br />
velocidad relativa se vuelve cero y el sujeto, quien aceleró en ese<br />
instante de tiempo, empezó la deceleración.<br />
Acción B, máxima deceleración: Tiempo que pasa desde que la<br />
velocidad relativa alcanza su mínimo valor y el sujeto aplicó la máxima<br />
deceleración;<br />
Acción C, comienzo de la aceleración: Tiempo que pasa desde que la<br />
velocidad relativa se vuelve cero y el sujeto, quien fue decelerando en<br />
ese instante de tiempo, comenzó la aceleración;<br />
19
Acción D, máxima aceleración: Tiempo que pasa desde que la velocidad<br />
relativa alcanza su máximo valor y el sujeto aplica la máxima<br />
aceleración.<br />
Estas definiciones de tiempo de reacción no son consistentes con aquellas<br />
investigaciones que se sugirieron anteriormente en los modelos de seguimiento<br />
de vehículo y en la literatura de ingeniería de tráfico (Gerlough y Huber 1975).<br />
Estas investigaciones definieron el tiempo de reacción como la suma del tiempo<br />
de percepción y reacción. Dependiendo de la capacidad de decelerar del vehículo,<br />
el conductor puede empezar a reaccionar a diferentes tiempos. Ozaki hace una<br />
importante observación: las condiciones del tráfico, como son la distancia entre<br />
vehículos y la aceleración del líder influyen en el tiempo de reacción.<br />
Para estimar los parámetros del modelo de seguimiento de vehículos,<br />
primero identificó el tiempo de reacción usando su definición para las diferentes<br />
acciones listadas arriba. Después, para diferentes valores de los parámetros, se<br />
observó la aceleración en campo y la calculada obteniendo una correlación de<br />
datos.<br />
Ozaki asumió un grupo diferente de parámetros para la decisión de<br />
aceleración y la deceleración; esto captura el hecho que diferentes factores, como<br />
la velocidad del sujeto, la velocidad relativa, y el espacio entre vehículos pueden<br />
no tener el mismo impacto en la decisión de aceleración y deceleración. Los<br />
parámetros , y que obtuvo fueron 1.1, -0.2, y 0.2 respectivamente para el<br />
modelo de aceleración y 1.1, 0.9, y 1.0 respectivamente para el modelo de<br />
deceleración.<br />
Aycin y Benekohal (1998) desarrollaron un modelo de seguimiento de<br />
vehículo que estima la tasa de aceleración en cualquier instante de tiempo. La<br />
aceleración para el siguiente instante de tiempo es entonces procesada por<br />
adición al producto de la tasa de aceleración estimada y la diferencia de tiempo<br />
con la actual aceleración. Esto garantiza una aceleración continua en un conductor<br />
dado. Empleó ecuaciones de la ley del movimiento para calcular la tasa de<br />
20
aceleración requerida por un conductor para atender la velocidad de su líder<br />
mientras mantiene un tiempo adecuado de separación entre vehículos. Esto es<br />
definido como la distancia de separación necesaria para mantener un régimen de<br />
seguimiento de vehículo estable. Para cada conductor el grupo de datos de<br />
seguimiento de vehículo que viaja a velocidades dentro de de la<br />
velocidad de su líder, el tiempo fijo de separación de vehículos medido en campo<br />
se computo y se obtuvieron valores. Estos valores estuvieron en un rango desde<br />
1.1 hasta 1.9 segundos con una media de 1.47 segundos. Llega a la conclusión de<br />
que, los conductores están en un régimen de seguimiento de vehículo si el<br />
espacio libre es menor a 762 metros. Algunas de las deficiencias observadas se<br />
enuncian a continuación:<br />
i. Esta regla ignora la variabilidad entre conductores.<br />
ii. El tiempo de reacción no fue estimado usando un método riguroso.<br />
iii. Fue asumido un 80% del estimado tiempo de preferencia de espacio<br />
entre vehículos.<br />
2.4.2. Modelos generales de aceleración<br />
Los modelos presentados anteriormente aplican únicamente al régimen de<br />
seguimiento de vehículos. Cuando la distancia entre vehículos es muy amplia, los<br />
conductores no siguen a un líder y en lugar de eso tratan de obtener su velocidad<br />
deseada. Desarrollar un modelo apropiado de aceleración para un régimen de flujo<br />
libre es importante en los modelos de simulación microscópica.<br />
Gipps (1981) desarrolló el primer modelo general de seguimiento de<br />
vehículos que es aplicable a ambos regímenes, el de seguimiento de vehículos y<br />
el de flujo libre. Este modelo calcula una máxima aceleración para un conductor el<br />
cual no excederá la velocidad deseada y mantendrá un mínimo espacio libre de<br />
seguridad. Gipps (1981) capturó las limitaciones mecánicas de vehículos usando<br />
los parámetros máximos de aceleración y de deceleración.<br />
21
El modelo de Gipps está representado por la ecuación 9. Esta ecuación<br />
puede ser considerada como un desarrollo del modelo empírico en que los<br />
parámetros son determinados por la influencia de las condiciones locales, es decir<br />
del “tipo de conductor”, la geometría de la sección, la influencia de otros vehículos,<br />
entre otros. El modelo está compuesto por dos componentes:<br />
• Aceleración<br />
• Deceleración<br />
Por un lado la aceleración representa la intención del conductor de alcanzar<br />
cierta velocidad máxima deseada (ecuación 9) por el otro, la desaceleración es la<br />
limitación impuesta por el vehículo precedente cuando el conductor quiere<br />
alcanzar esa velocidad máxima deseada (ecuación 10). Este modelo establece<br />
que la máxima velocidad deseada a la que un vehículo n puede acelerar durante<br />
un intervalo de tiempo (n, t + T) está dada por:<br />
Donde:<br />
Ecuación 9 Modelo General de Seguimiento, Aceleración (Gipps, 1981)<br />
V a (n,t +T) = velocidad del vehículo n en el tiempo t + T.<br />
V (n,t) = velocidad del vehículo n en el tiempo t.<br />
a(n) = máxima aceleración para el vehículo n.<br />
T = tiempo de reacción, equivale al intervalo de simulación.<br />
V*(n) = velocidad deseada del vehículo n para una sección determinada, corresponde al<br />
mínimo valor entre la velocidad máxima deseada y la velocidad permitida de la sección.<br />
Por otra parte, cuando un vehículo debe disminuir su velocidad debido a la<br />
presencia de vehículos que lo preceden, la velocidad queda determinada por la<br />
siguiente expresión en cada intervalo de tiempo:<br />
22
Donde:<br />
Ecuación 10 Modelo General de Seguimiento, Deceleración (Gipps, 1981)<br />
V b (n,t + T) = velocidad del vehículo n en el tiempo t + T.<br />
d(n) = máxima deceleración deseada por el vehículo n, su valor es menor a cero.<br />
x(n,t) = posición del vehículo n en el tiempo t.<br />
x(n −1,t) = posición del vehículo precedente en el tiempo t.<br />
s(n −1) = longitud del vehículo precedente n-1.<br />
d'(n −1) = estimación de la deceleración deseada del vehículo n-1.<br />
V(n −1,t) = velocidad del vehículo precedente n-1, en el tiempo t.<br />
T y V (n,t) = tiempo de reacción y velocidad del vehículo n en el tiempo t respectivamente.<br />
En este caso en los cálculos fueron utilizadas ecuaciones de leyes del<br />
movimiento. Los parámetros del modelo no fueron estimados rigurosamente y el<br />
tiempo de reacción fue aleatorio para todos los conductores.<br />
Benekohal y Treiterer (1988) desarrollaron un modelo de simulación de<br />
seguimiento de vehículos, llamada CARSIM, para simular tráfico en condiciones<br />
normales y condiciones de alto-siga. La aceleración para un vehículo es calculada<br />
para 5 diferentes situaciones y una de estas es la aceleración usada para<br />
actualizar la velocidad y posición del vehículo. Estas situaciones son:<br />
El sujeto se está moviendo pero no alcanza su velocidad deseada<br />
El sujeto ha alcanzado la velocidad deseada<br />
El sujeto fue detenido y empieza desde una posición de parada<br />
El movimiento del sujeto es gobernado por el algoritmo de seguimiento<br />
de vehículos en el cual el espacio entre vehículos se restringe y se<br />
cumple<br />
23
El sujeto se encuentra avanzando de acuerdo al algoritmo de<br />
seguimiento de vehículos con una constante de no colisión<br />
En los cálculos se utilizaron ecuaciones de la ley de movimiento. Además<br />
se asumió una máxima aceleración para limitar aceleraciones fuera de límites<br />
razonables en el modelo. El tiempo de reacción de los conductores esta generado<br />
aleatoriamente y se utilizaron tiempo de reacción cortos a densidades altas. No<br />
presenta un marco teórico riguroso para la estimación de parámetros, los tiempos<br />
de reacción fueron tomados de Johansson y Rumer (1971).<br />
Por su parte, Yang y Koutsopoulos (1996) desarrollaron un modelo general<br />
de aceleración que es usado en MITSIM, un simulador microscópico de tráfico<br />
desarrollado por el Instituto de Tecnología de Massachusetts (MIT). Basado en la<br />
espacio entre vehículos, el conductor es asignado a uno de los tres siguientes<br />
regímenes;<br />
Régimen de emergencia, si el espacio entre vehículos actual es menor<br />
que el umbral.<br />
El régimen del seguimiento de vehículo, si el espacio entre vehículos<br />
actual es mayor que el menor umbral pero menor que al umbral<br />
superior<br />
El régimen de flujo libre, si el espacio entre vehículos actual es mayor<br />
que el del umbral superior.<br />
En el régimen de emergencia, el conductor aplica la deceleración necesaria<br />
para evitar una colisión con su líder. El modelo de la GM es usado para determinar<br />
la tasa de aceleración en el régimen de seguimiento de vehículo. Diferentes<br />
grupos de parámetros son usados para los casos de velocidades relativas<br />
negativas y positivas.<br />
Subramanian (1996) desarrolló un modelo general de aceleración que<br />
captura el comportamiento en ambos regímenes de aceleración el de seguimiento<br />
de vehículo y el de flujo libre. Fue asumida una distribución de umbral de espacio<br />
entre vehículos que determina que régimen de conductor es en cualquier instante<br />
24
de tiempo. En el régimen de seguimiento de vehículos, se asume que los<br />
conductores siguen a su líder y en el régimen de flujo libre, se asume que tratan<br />
de mantener su velocidad deseada. Sin embargo, sólo estimaron parámetros para<br />
el modelo de seguimiento de vehículos, usando información recolectada en 1983<br />
de una sección de la Interestatal 10 Westbound cerca de Los Ángeles (citado en<br />
Smith, 1985).<br />
Estas especificaciones del modelo de seguimiento de vehículo son una<br />
extensión del modelo de GM y están dada por:<br />
Ecuación 11 Modelo de Seguimiento (Subramanian, 1996)<br />
Donde, es un término aleatorio asociado con el conductor n en el<br />
tiempo t. Modelaron el tiempo de reacción como una variable aleatoria para<br />
capturar la variabilidad entre conductores. Las variables y son asumidas<br />
como una distribución normal y una log normal truncada respectivamente.<br />
El estudio de modelos de Subramanian (1996) se estimó en condiciones de<br />
aceleración y deceleración. Estos resultados se muestran en la tabla 3.<br />
Parámetro Modelo para aceleración<br />
9.21 15.24<br />
-1.67 1.09<br />
-0.88 1.66<br />
Desv. Est. (E cf) 0.78 0.632<br />
Promedio (T) seg 1.97 2.29<br />
Desv. Est. (T) 1.38 1.42<br />
25<br />
Modelo para<br />
deceleración<br />
Tabla 3 Resultados del modelo de la GM obtenidos Subramanian (1996)<br />
En donde la aceleración en , velocidad en pie/seg y el espaciamiento en pies
2.4.3. Estimación del tiempo de reacción en frenado<br />
Se presentan a continuación, algunos estudios que analizaron el tiempo de<br />
reacción de conductores manejando en tráfico real.<br />
Johansson y Rumer (1971) estimaron la distribución del tiempo de reacción<br />
de frenado de una muestra de 321 conductores. Los sujetos fueron instruidos para<br />
aplicar el pedal de freno tan rápido como ellos escucharan un sonido emitido por<br />
un dispositivo electrónico colocado en el auto. El lapso de tiempo desde el<br />
momento en que el sonido era producido al momento en el que el conductor<br />
encendía las luces de alto del vehículo fue registrado como el tiempo de reacción<br />
en frenado. Los resultados de la investigación mostraron que el tiempo varió<br />
desde 0.4 hasta 2.7 segundos con una mediana, media y desviación estándar de<br />
0.89, 1.01 y .37 segundos respectivamente.<br />
Por su parte, Lerner et al. (1995) estimaron la distribución del tiempo de<br />
reacción de una muestra de 56 conductores manejando en tráfico real. Para<br />
estimar el tiempo de reacción en frenado en una situación inesperada, los sujetos<br />
no fueron informados que ellos estaban participando en un estudio de tiempo de<br />
reacción. Cuando el sujeto alcanzaba una velocidad de prueba en sitio de 40 mph,<br />
una barrera amarilla era colocada aproximadamente a 610 metros enfrente del<br />
vehículo. El lapso de tiempo desde que la barrera era colocada al instante en el<br />
que el conductor aplicaba los frenos fue registrada como el tiempo de reacción en<br />
frenado del conductor. Este tiempo vario desde 0.7 hasta 2.5 segundos con una<br />
mediana, media y desviación estándar de 1.44, 1.51 y 0.39 segundos<br />
respectivamente.<br />
2.4.4. Efectos del alineamiento vertical en la aceleración<br />
Según el Manual de Proyecto Geométrico de la SCT, un vehículo acelera,<br />
cuando la fuerza tractiva que genera el motor es mayor que las resistencias que<br />
se oponen al movimiento del vehículo y decelera, cuando las resistencias que se<br />
oponen al movimiento son mayores que la fuerza tractiva generada. Cuando las<br />
26
esistencias son iguales a la fuerza tractiva, el vehículo se mueve a una velocidad<br />
constante y entonces se dice que ha llegado a su velocidad de régimen.<br />
En general, el conductor acelera su vehículo cuando efectúa una maniobra<br />
de rebase, cuando va a entrar a una pendiente ascendente, cuando se incorpora a<br />
una corriente de tránsito a través de un carril de aceleración, cuando cruza una<br />
intersección a nivel en presencia de un vehículo que se aproxima por otra rama o<br />
bien, cuando desea aumentar su velocidad para disminuir tiempos de recorrido. El<br />
conductor decelera su vehículo cuando advierte algún peligro, para salir de un<br />
camino de alta velocidad a otro lateral, para cruzar una intersección, para<br />
disminuir su velocidad en pendientes descendentes y en general, cuando quiere<br />
disminuir su velocidad; la longitud en que el conductor desee decelerar su<br />
vehículo, dependerá de la forma en que use el mecanismo de freno y de las<br />
resistencias que se oponen al movimiento de su vehículo.<br />
Habrá ocasiones en que el vehículo pueda decelerar o acelerar en mayor<br />
grado que el deseado por el conductor como por ejemplo en las pendientes<br />
ascendentes y descendentes. En estos casos, toca al proyectista juzgar e<br />
interpretar los deseos del conductor, apoyado en las características de su vehículo<br />
y en función del uso del camino.<br />
La fuerza que dispone el vehículo para acelerarse o decelerarse, viene<br />
dada por la expresión:<br />
En donde:<br />
Ecuación 12 Fuerza que dispone el vehículo para acelerar o decelerar<br />
= Fuerza disponible para acelerar o decelerar el vehículo en kg<br />
= Fuerza tractiva neta del vehículo en kg<br />
= Resistencia producida por el aire al movimiento del vehículo kg<br />
= Resistencia al rodamiento en kg<br />
27
.<br />
= Resistencia por fricción kg<br />
= Resistencia que ofrece la pendiente al movimiento del vehículo,<br />
en kg. Cuando el pendiente es ascendente, ofrece resistencia<br />
al avance del vehículo, pero cuando es descendente,<br />
favorece este movimiento.<br />
Para el caso estudiaremos el efecto en la pendiente o alineamiento vertical,<br />
La resistencia por pendiente es proporcional al peso del vehículo y a la<br />
pendiente de la tangente vertical. En efecto, de la figura 3 se tiene:<br />
Para el rango de las pendientes usadas en caminos:<br />
En donde:<br />
Ecuación 13 Resistencia por pendiente<br />
Resistencia por pendiente, kg<br />
Peso total del vehículo, kg<br />
Pendiente de la tangente del alineamiento vertical, %<br />
En pendientes pronunciadas esta resistencia es mucho mayor que las<br />
demás y su influencia es decisiva en la operación de los vehículos pesados.<br />
28
Figura 3 Resistencia que opone la pendiente al avance del vehículo<br />
Por lo tanto aplicando la segunda ley de newton tenemos:<br />
Por otra parte, de las ecuaciones del movimiento uniformemente acelerado<br />
puede establecerse que:<br />
En donde:<br />
= Masa del vehículo.<br />
;<br />
Longitud que requiere el vehículo para pasar de la velocidad<br />
inicial ( ) a la velocidad final ( ), en metros<br />
= Velocidad inicial<br />
= Velocidad final<br />
Tiempo que requiere el vehículo para pasar de la velocidad<br />
inicial ( ) a la velocidad final ( ), en metros<br />
= Aceleración<br />
29
= Aceleración de la gravedad, 9.81<br />
Si expresamos la velocidad en km/h y sustituimos las expresiones<br />
anteriores, quedarán:<br />
En donde:<br />
= Velocidad inicial<br />
= Velocidad final<br />
Las expresiones anteriores permiten proyectar todos aquellos elementos del<br />
camino en que intervenga la aceleración o deceleración de los vehículos.<br />
2.5. Modelos de cambio de carril<br />
Para entender el comportamiento del modelo de cambio de carril algunas<br />
investigaciones se han enfocado en modelar el comportamiento del espacio de<br />
cruzamiento en condiciones de alto en intersecciones T 1 . La fase de espacio de<br />
cruzamiento es una parte del proceso del cambio de carril.<br />
Gipps (1986) presentó un modelo de decisión de cambio de carril para ser<br />
usado en un simulador microscópico de tráfico. El modelo fue diseñado para cubrir<br />
varias situaciones de conductores donde las señales de tráfico, obstrucciones y la<br />
presencia de vehículos pesados afectan en la decisión de cambio de carril. Tres<br />
principales factores fueron considerados en el proceso de decisión, estos son:<br />
necesidad, seguridad y conveniencia. Diferentes condiciones de manejo fueron<br />
examinadas. Sin embargo, el modelo mostró problemas de inconsistencia y no<br />
1 Intersección de tres ramas al mismo nivel en donde podemos realizar 6 movimientos.<br />
30
homogeneidad. Los términos inconsistentes implicaban que el conductor pudiera<br />
comportarse diferente bajo condiciones idénticas en diferentes tiempos, mientras<br />
el termino de no homogeneidad implica que diferentes conductores se<br />
comportaran diferente bajo condiciones idénticas. Los parámetros del modelo no<br />
fueron estimados formalmente.<br />
La FHWA (1998) menciona que CORSIM es un simulador de tráfico<br />
microscópico que usa FREESIM para simular carreteras y NETSIM para simular<br />
vialidades urbanas. En CORSIM el cambio de carril es clasificado ya sea como<br />
obligatorio (MLC, Mandatory Lane Change) o discrecional (DLC Discretionary<br />
Lane Change). Los conductores realizan un MLC cuando el conductor debe dejar<br />
su carril actual y realizar un DLC es cuando el conductor percibe que las<br />
condiciones del carril adyacente son mejores empero la necesidad no es<br />
imperativa. La necesidad o la conveniencia de cambiar de carril es determinada<br />
calculando un factor de riesgo que es aceptable para un conductor que está en<br />
función de la posición del conductor relativa al objeto que da lugar a la necesidad<br />
de cambiar de carril.<br />
Yang y Koutsopoulos (1996) desarrolló un modelo de cambio de carril en<br />
base a una regla que es sólo aplicable en carreteras de carriles múltiples. El<br />
modelo es implementado en el simulador de tráfico del MIT llamado MITSIM. El<br />
cambio de carril es clasificado ya sea obligatorio o discrecional. A diferencia de<br />
Gipps (1986), emplea un marco teórico de probabilidad para modelar el<br />
comportamiento del conductor en las decisiones de cambio de carril cuando este<br />
tenga conflictos de intereses. Un conductor considera un cambio de carril<br />
discrecional únicamente cuando la velocidad del líder está por debajo de su<br />
velocidad deseada y observa los carriles adyacentes como una oportunidad de<br />
incrementar su velocidad. Emplea dos parámetros, el factor de impaciencia y el<br />
factor de velocidad indiferente, para determinar si la velocidad actual es lo<br />
bastante baja y la velocidad de otros carriles es lo suficientemente alta para<br />
considerar un DLC. También desarrollaron un modelo de cruzamiento que captura<br />
31
el hecho de que la longitud crítica de cruzamiento bajo una situación MLC es más<br />
baja que bajo una situación DLC.<br />
Ahmed et al. (1996) desarrollaron un marco teórico para un modelo general<br />
de cambio de carril que obtiene el comportamiento de cambios bajo ambas<br />
situaciones MLC y DLC. El cambio es modelado como una secuencia de 4 pasos:<br />
Decisión para considerar el cambio de carril, selección del carril, espacio de<br />
cruzamiento en el carril de cambio y desarrollar la maniobra de cambio. Desde el<br />
punto de vista del modelo, las herramientas para obtener el primer y cuarto paso<br />
no pueden ser identificadas de forma única es decir al ser estos comportamientos<br />
que difieren según el individuo en estudio y que con las técnicas actuales el<br />
considerar la gama de comportamientos en un estudio de tráfico es muy<br />
complicado hace que los parámetros en estos dos pasos no puedan ser<br />
considerados como únicos. Los investigadores estimaron parámetros del modelo<br />
únicamente para un caso en específico el cuál fue la incorporación desde una<br />
carretera a una rampa en un intercambiador, usaron información obtenida en 1983<br />
de un punto en la interestatal 95 Northbound cerca de Baltimore Washington<br />
(Smith, 1985).<br />
En dicho caso, asumieron que el conductor ya había decidido el uso del<br />
intercambiador y por lo tanto el proceso de decisión incluye un espacio de<br />
cruzamiento y la maniobra del cambio de carril. Siguiendo a Yang y Koutsopoulos<br />
(1996) el espacio mínimo de cruzamiento para que el conductor tenga la<br />
posibilidad de ingresar a un carril de circulación ingresando desde una<br />
incorporación es igual a la distancia del vehículo anterior mínima requerida para<br />
cruzarse sin que el conductor de ese vehículo choque por alcance con el sujeto<br />
más la distancia al vehículo posterior mínima para que el sujeto pueda acelerar sin<br />
dar alcance a dicho vehículo y por último se suma la longitud del auto. La figura 3<br />
nos muestra la definición de lo anteriormente expuesto.<br />
32
Figura 4Esquema de cruzamiento en una incorporación<br />
Fuente: Dibujada por el autor del la tesis<br />
Por lo tanto, para que el proceso de intercambio se lleve a cabo se tienen<br />
que dar las condiciones de tener un DVA mínimo así como un DVP mínimos,<br />
luego entonces es necesario calcular estas distancias.<br />
La distancia al vehículo anterior (DVA) para un conductor n al tiempo t es:<br />
Donde,<br />
Ecuación 14 Distancia crítica de cruzamiento DVA (Yang y Koutsopoulos, 1996)<br />
El cálculo para la distancia del vehículo crítica DVP es la siguiente:<br />
33<br />
)<br />
,
Donde,<br />
Ecuación 15 Distancia crítica de cruzamiento DVP (Yang y Koutsopoulos, 1996)<br />
El modelo de cambio de carril dado ambas distancias de cruzamiento DVP<br />
y DVA son aceptables si:<br />
Ecuación 16 Modelo de cambio de carril (Yang y Koutsopoulos, 1996)<br />
2.6. Modelos de cruzamiento<br />
Estos modelos fueron desarrollados en los sesentas y setentas basados en<br />
la suposición de la distribución de la longitud crítica de cruzamiento. Herman y<br />
Weiss (1961) asumieron que el cruzamiento crítico tuviera una distribución<br />
exponencial, Drew et al. (1967) asumió una distribución log normal y Miller (1972)<br />
asumió una distribución normal.<br />
34
El cruzamiento crítico para un conductor n al tiempo t se asume que tiene la<br />
siguiente forma:<br />
Donde,<br />
Ecuación 17 Cruzamiento crítico<br />
y se asume que ambos son independientes. Por otra parte, se<br />
asume que y . El término especifico aleatorio, ,<br />
obtiene la correlación entre diferentes observaciones de un conductor n. El modelo<br />
tiene la flexibilidad de incorporar la afectación de otros estímulos en el<br />
comportamiento del cruzamiento del conductor por medio de la variación del valor<br />
, mismo que incorpora numéricamente la conducta del conductor.<br />
2.7. Calibración<br />
La calibración se puede ver como un problema de optimización en el cual la<br />
función objetivo tiene que ser minimizada bajo ciertas limitaciones. A continuación,<br />
veremos la literatura actual relativa a la calibración, los métodos y estudios de<br />
matrices origen destino y la correlación que existe entre ellos.<br />
2.7.1. Estudios de calibración<br />
Como ya observamos en los temas anteriores existe una gran cantidad de<br />
información disponible sobre modelos de comportamiento, de aceleración, de<br />
cambio de carril, de deceleración inclusive hasta de comportamiento. Muchos de<br />
estos parámetros o distribuciones fueron calibrados usando recursos de<br />
información muy limitados o derivados de condiciones específicas y difícilmente<br />
35
fueron probados en condiciones generales. En esta sección describiremos algunos<br />
de los trabajos que se han hecho para calibrar modelos de tráfico.<br />
Abdulhai y Tao (2002) en su ensayo discuten la calibración de los<br />
parámetros de los simuladores microscópicos de tráfico usando un algoritmo<br />
genético. El paquete GENOSIM desarrollado por el propósito de calibración realiza<br />
el papel de obtener los parámetros del simulador de tráfico como lo es la elección<br />
de rutas, el cambio de carril, entre otros, asumiendo una MOD (Matriz-Origen-<br />
Destino). Dada una MOD y los parámetros iníciales estimados, el micro simulador<br />
es activado para producir una información simulada. Basado en información<br />
simulada contra la información actual y una función objetivo, un algoritmo<br />
genético identifica los mejores parámetros. Este proceso es llevado a cabo hasta<br />
obtener resultados satisfactorios. Este enfoque fue usado para calibrar 5<br />
parámetros de una red de 470 nodos, 1270 ligas y 109 uniones en Toronto,<br />
Canadá durante periodos pico de la mañana entre las 8:00 a 9:00 AM.<br />
Lee et al. (Der- Horn, 2001 148) presentó la aplicación del algoritmo<br />
genético como una herramienta de optimización para determinar un combinación<br />
de valores de parámetros de PARAMICS. En su estudio, un segmento de la<br />
carretera I-5 al sur de California entre Culver y Jamboree fue seleccionada para<br />
calibrar parámetros. Los sub modelos básicos calibrados fueron el cambio de carril<br />
y el modelo de seguimiento de vehículo. Ambos modelos comenzaron afectados<br />
por el valor promedio de espacio entre vehículos y el promedio del tiempo de<br />
reacción por lo tanto estos parámetros fueron seleccionados como los elementos<br />
de calibración en este modelo. La calibración se hizo en base a un conteo en<br />
campo con un detector de paso con un intervalo de 30 segundos el cual fue<br />
comparado contra los datos de salida del programa. Para que el comportamiento<br />
del modelo fuese estocástico se promediaron tres corridas con diferentes datos de<br />
inicio. Sin embargo, para simplificar el potencial de impacto traído por la MOD, se<br />
utilizaron múltiples orígenes y un sólo destino.<br />
Cheu et al. (1994), calibraron el simulador microscópico INTRAS con un<br />
detector de paso con un intervalo de 30 segundos. Los parámetros encontrados<br />
36
fueron identificados y calibrados individualmente, un valor óptimo fue obtenido<br />
teniendo los demás parámetros como constantes. Para obtener la naturaleza<br />
estocástica de los valores se promediaron más de tres corridas. La desventaja de<br />
este enfoque es que no obtiene la interacción entre los parámetros, por lo tanto la<br />
solución obtenida podría no ser la óptima.<br />
Cheu et al. (1984) uso un algoritmo genético para calibrar el simulador<br />
microscópico FRESIM para una carretera libre de Singapore. La calibración hecha<br />
se baso en la información de campo obtenida en días de semana sobre 5.6 km de<br />
la vialidad mencionada. Los parámetros de la calibración consistieron en velocidad<br />
a flujo libre y movimiento del vehículo. La función fue una combinación de<br />
promedio de errores absolutos de 30 segundos de volumen y velocidad entre la<br />
información de salida de FRESIM y la información de campo. La forma de la<br />
función fue basada en la base logarítmica natural, elevada a valor absoluto de la<br />
diferencia entre los valores observados y los simulados. Sin embargo, no se<br />
incluyó ni asocio ningún dato estocástico en el modelo.<br />
Kurian (2000) en su trabajo desarrolló un marco teórico de optimización<br />
para la calibración de un simulador de tráfico estocástico. La variedad de<br />
problemas afectó el estudio de la calibración, como lo fueron la formulación de una<br />
apropiada función objetivo, la identificación sistemática de los parámetros de<br />
sensibilidad y el efecto estocástico en los valores de los parámetros calibrados. La<br />
metodología comenzó con un grupo inicial de parámetros y después se<br />
actualizaron los parámetros basado en la dirección ascendente. Esta metodología<br />
puede llevar a un óptimo local y un enfoque más fuerte ha de ser tomado para<br />
alcanzar un óptimo global.<br />
2.8. Estimación de la OD<br />
Uno de los datos más importante de entrada para los modelos de<br />
simulación es la matriz de origen-destino. Las matrices OD pueden ser ya sea<br />
estática o dinámica como en la naturaleza. Un recuento de métodos para la<br />
estimación de las matrices estáticas de OD es presentado a continuación.<br />
37
Los métodos estáticos usados para la estimación de flujo de OD incluyen<br />
los que maximizan la entropía o se enfocan en la minimización de la información<br />
(Vanzuylen, 1980) los métodos probabilísticos (Maher, 1983) y métodos<br />
generalizados de mínimos cuadrados. Estos modelos de estimación son<br />
relativamente simples de resolver y tienen algunas propiedades establecidas (Bell,<br />
1985). Cascetta (1988) presentó una revisión de estas estimaciones de matrices<br />
OD estáticas. Así mismo en 1984 clasificó en general las técnicas de estimación<br />
dentro de las siguientes tres categorías:<br />
Estimación de muestra directa<br />
Modelo de estimación<br />
Estimación usando conteo de tráfico<br />
En la estimación de muestra directa, muchas encuestas deben ser<br />
realizadas, como encuestas de casa o de destino, entrevistas en carretera,<br />
técnicas de reten entre otras, o una combinación de ellas, con el propósito de<br />
estimar la matriz OD. Estas matrices usualmente son parciales por no existir una<br />
medida del error. En el modelo de estimación, de las matrices OD se aplica un<br />
sistema de modelos que da el número de viajes realizados. El tercer método usa<br />
conteos de tráfico para la estimación indirecta de la matriz OD. Este método es el<br />
menos costoso, dado que medir el flujo es mucho más económico en comparación<br />
con las costosas encuestas.<br />
Nguyen (1977), dirige el problema de la estimación de la matriz OD a<br />
buscar reproducir el tiempo de viaje observado, cuando la OD es asignada a la red<br />
de manera óptima por el usuario. La formulación resultó ser similar a una<br />
demanda elástica de un modelo de red equilibrado para problemas de tráfico.<br />
En el trabajo realizado por De la Llata (1991), expone el procedimiento<br />
donde a partir de formulaciones matemáticas que se enuncian a continuación se<br />
logra una relación entre los volúmenes de tránsito y los volúmenes de O-D. La<br />
relación entre volúmenes origen-destino y volúmenes en arcos está dada por la<br />
siguiente ecuación:<br />
38
Ecuación 18 Relación entre Volúmenes O-D y Volúmenes en Arcos (Dela LLata, 1991)<br />
Donde P ij es la proporción de los volúmenes en el par origen-destino j que<br />
usan el arco i.<br />
asignación.<br />
Estos valores P ij se obtienen mediante los procedimientos llamados de<br />
Siendo los volúmenes observados en el par origen destino j y en el arco i<br />
respectivamente, las dos formulaciones planteadas por De la Llata (1991) se<br />
desarrollaron como se ve a continuación.<br />
Ecuación 19Formulación De La Llata, Para Estimación De Demanda De Tránsito En Carreteras (1991)<br />
Donde Min se refiere a minimizar y s.a, sujeto a.<br />
Ecuación 20 Formulación De La Llata, Para Estimación De Demanda De Tránsito En Carreteras (1991)<br />
39
En ambas formulaciones, los volúmenes a incluir en la función objetivo,<br />
deben ser aquellos para los que se tenga alguna observación, ya que de utilizarse<br />
un valor igual a cero para aquellos volúmenes no observados, al minimizar la<br />
función objetivo se forzaría a que los volúmenes estimados fueran demasiado<br />
pequeños.<br />
La literatura discutida hasta ahora era referida a la estimación estática de la<br />
matriz OD. Las desventajas de tales modelos estáticos es que ellos no capturan la<br />
dinámica del flujo del tráfico y asumen que las ligas de flujo observadas<br />
representan una situación estacionaria que persiste sobre un bloque de tiempo.<br />
Cremer y Keller (1987) propusieron un método dinámico para la estimación<br />
de la OD. El flujo de la OD fue tratado como una variable de cambios de tiempo,<br />
que depende en tiempo variando el conteo de salida y entrada. Modelos dinámicos<br />
fueron desarrollados para complejas intersecciones usando cuatro métodos<br />
diferentes: Método de matrices de correlación cruzada, método de optimización<br />
limitada, estimación recursiva y estimación usando el filtro de Kalman. Nihan y<br />
Davis (1989) propuso métodos de error recursivo para estimar la OD dinámica de<br />
un conteo de entradas y salidas. El método de error recursivo es una formulación<br />
de mínimos cuadrados donde toda la observación pasada es tomada dentro de la<br />
cuenta, para estimar las matrices OD de un conteo de entrada y salida. Ambos<br />
métodos ignoran los efectos de la elección de la ruta.<br />
Bell (1991), determinó parámetros separados relaciones de salida-entrada<br />
en la red que representan el flujo del tráfico en intersecciones de redes carreteras<br />
o a lo largo de pequeños segmentos en autopista. Propuso dos métodos para<br />
estimar dinámicamente los flujos de las OD. En el primer método se asume que el<br />
tiempo de viaje esta geométricamente distribuido y el modelo hace uso del modelo<br />
de recurrencia de dispersión del pelotón. Este método es apropiado para una<br />
intersección sencilla debido a que la distribución geométrica del tiempo es<br />
adecuada sólo en distancias cortas. En el segundo método no se hace asume<br />
ninguna distribución del tiempo de viaje por lo tanto puede ser aplicada a redes de<br />
autopistas.<br />
40
Chang y Tao (1996), propusieron un modelo de “línea cordón” (se refiere<br />
hipotéticamente a una curva cerrada que intercepta con un grupo de ligas y divide<br />
la red en dos partes: dentro y fuera de la sub red circunscrita) para la estimación<br />
dinámica de la OD. El modelo fue desarrollado usando el enfoque del filtro de<br />
Kalman. Los componentes clave de este modelo son: No toma en cuenta ninguna<br />
OD previa, y toma en cuenta los efectos de semaforización en los tiempos de viaje<br />
y por lo tanto puede ser aplicada en redes con redes semaforizadas. Sin embargo,<br />
la desventaja de este modelo es que requiere un conteo de tráfico en cada entrada<br />
y salida de locación.<br />
Cascetta et al. (1993) en un trabajo posterior extendió enfoque de mínimos<br />
cuadrados para estimar el flujo de las matriz OD dinámicas. Se discutirán dos<br />
procesos alternativos de estimación, el simultáneo y el secuencial. El enfoque<br />
simultaneo estima el flujo de la OD en todo intervalo de tiempo en un solo paso.<br />
Por otro lado la técnica de la estimación secuencial estima el flujo de la OD en<br />
cada intervalo de tiempo.<br />
Ben- Akiva et al. (2002) calibraron el paquete MITSIMLab para una red de<br />
tráfico mixta, urbano-carretero, en el área de Brunnsviken en el norte de<br />
Stockholm bajo condiciones de congestionamiento. Usaron sensores en diferentes<br />
ubicaciones para obtener información adicional como la velocidad y el flujo.<br />
Usaron un método iterativo para tomar en cuenta la interacción entre los<br />
parámetros de comportamiento del conductor y los viajes generados<br />
correspondientes a la matriz OD de flujo. La metodología que siguieron se<br />
describe en la figura 4.<br />
Calibración de<br />
Sub-Red<br />
Comportamiento<br />
del conductor<br />
Parametros de<br />
comportamiento<br />
del conductor<br />
Tiempos<br />
habituales de<br />
viaje<br />
41<br />
Calibración de<br />
Sub-Red<br />
Comportamiento<br />
de Viaje<br />
Parametros de<br />
elección de<br />
ruta<br />
PROCESO ITERATIVO<br />
Calibración de<br />
Sub-Red<br />
Estimación de<br />
la OD<br />
Figura 5 Proceso Iterativo de calibración para simuladores de tráfico (Ben- Akiva)
2.8.1.1. Modelo de microsimulación VISSIM<br />
Este modelo se desarrolló en los inicios de los años 70 en la Universidad de<br />
Karlsruhe en Alemania; para 1973 se inicia la comercialización y distribución por<br />
parte de PTV América Inc. En 1995 se aplica en Norte América por primera vez en<br />
Eugene. Oregón, y en 1999 se realiza la actualización con el modelo de<br />
seguimiento de vehículos en autopista, en el 2001 se integró con VISUM<br />
(modelador de planificación de transporte y sistema de información geográfica) y<br />
por último en 2004 se crea una nueva interface gráfica de usuario basada en<br />
Microsoft.NET10.<br />
2.8.2. Definición<br />
VISSIM está basado en un modelo de microsimulación que se desarrolló<br />
para modelar el tránsito urbano y operaciones del transporte público, este<br />
programa puede analizar: configuración de carriles, composición del tránsito,<br />
semaforización; señal de alto, etc., convirtiéndose así en una herramienta útil para<br />
la evaluación de varias alternativas basadas en el diseño y la planeación del<br />
tránsito y transporte.<br />
2.8.3. Aplicación<br />
Los resultados de VISSIM se utilizan en la definición de estrategias en el<br />
control de la semaforización para el manejo óptimo de vehículos, también para<br />
probar varias disposiciones y asignaciones de cruces complejos, lo mismo que<br />
para la ubicación de bahías de autobuses, la viabilidad de paradas complejas, la<br />
viabilidad de sitios de peaje, así mismo se encuentra que es para asignar carriles<br />
de mezclamiento, entre otros.<br />
VISSIM es un simulador multiuso que se dirige al personal técnico<br />
responsable del control de la semaforización, operación de tránsito, planificación<br />
de ciudades e investigadores que requieran evaluar la influencia de tecnologías<br />
nuevas de control.<br />
42
VISSIM es usado para simulación de tránsito y las necesidades del<br />
transporte público, esto incluye.<br />
• Desarrollo, evaluación y ajuste de la lógica de las señales de prioridad.<br />
• Puede usar varios tipos de lógica de semaforización. Además de la<br />
funcionalidad de la construcción de programación de tiempos fijos, hay<br />
semaforización accionada por el tránsito idéntica a los paquetes de software de<br />
semaforización instalados en el campo. En VISSIM algunos de ellos pueden ser<br />
incorporados, algunos se pueden añadir usando agregaciones y otros se pueden<br />
simular a través del generador externo del estado de la semaforización (VAP) que<br />
permite diseño de la lógica de control definida por la semaforización.<br />
• Evaluación y optimización (interfaces para signal97/TEAPAC) de la<br />
operación del tránsito en una red con combinación de semáforos coordinados y<br />
actuados.<br />
• Evaluar la viabilidad y el impacto de integrar trenes ligeros dentro de la red<br />
vial urbana.<br />
• Es aplicado para el análisis de oscilación de velocidades bajas y áreas de<br />
mezclamiento.<br />
• Permite la comparación fácil de alternativas que incluyen semaforización e<br />
intersecciones controladas con señal de alto, glorietas e intercambios a desnivel.<br />
• Análisis de operación y capacidad de estaciones de tren y sistemas de bus.<br />
• Soluciones de tratamientos especiales para buses (Ej.: colas, longitud,<br />
carriles solo para bus)<br />
• Con la incorporación de un modelo de asignación dinámica, VISSIM puede<br />
responder a un cambio de ruta dependiendo de cuestionamientos tales como es el<br />
impacto de las señales de mensaje variable o del posible tránsito dentro de los<br />
barrios vecinos para la red o para ciudades de tamaño mediano.<br />
43
2.8.4. Generalidades del Modelo.<br />
La distribución estocástica de la velocidad y los diferentes umbrales<br />
relacionados con la distancia se refleja en las características de comportamiento<br />
individual del conductor. El modelo ha sido calibrado a través de múltiples medidas<br />
en la Universidad Técnica de Karlsruhe Alemania. Periódicamente se miden los<br />
parámetros y los resultados del modelo que aseguran que los cambios en la<br />
conducta del conductor y el mejoramiento del vehículo son tenidos en cuenta 2 .<br />
VISSIM no es solo un simulador del tránsito que representa conductores en<br />
una autopista multicarril precedidos por dos vehículos, también pueden ser dos<br />
vehículos vecinos en su circulación por carriles adyacentes. Además, la<br />
aproximación a un semáforo previene a los conductores a una distancia de 100<br />
metros de la línea de detención.<br />
El flujo de tránsito es simulado por el movimiento de la unidad vehículo -<br />
conductor" a través de la red. Cada conductor con sus características de conducta<br />
específica es asignado a una clase de vehículo. Como consecuencia, el<br />
comportamiento del conductor corresponde a las capacidades técnicas de su<br />
vehículo, cada atributo de las características de la unidad vehículo-conductor<br />
puede ser discriminado dentro de tres categorías 3 :<br />
1) Especificaciones técnicas de los vehículos:<br />
Longitud, máxima velocidad, potencia de aceleración, posición actual en la<br />
red, velocidad actual y aceleración.<br />
2) Comportamiento de la unidad vehículo - conductor:<br />
Umbral de sensibilidad del conductor (habilidad para estimar, agresividad),<br />
memoria del conductor, aceleración basada en la velocidad de la corriente y la<br />
velocidad deseada.<br />
2 PTV VISION, traffic mobility logistics. Manual del VISSIM 5.20. año 2009.<br />
3 PTV VISION, traffic mobility logistics. Manual del VISSIM 5.20. año 2009<br />
44
3) Interdependencia de la unidad vehículo- conductor:<br />
Relación de lecturas del seguimiento de vehículos en carriles propios y<br />
adyacentes.<br />
Relación de enlaces de las corrientes de flujo a las intersecciones próximas.<br />
Relación de la próxima señal de tránsito.<br />
2.8.5. Elementos de entrada del modelo.<br />
2.8.5.1. Funciones de Aceleración y Deceleración.<br />
VISSIM utiliza distribuciones estocásticas para las funciones de aceleración<br />
y deceleración las cuales dependen de la velocidad actual y representan los<br />
diferentes comportamientos en la conducción.<br />
Para cada tipo de vehículo se asigna dos funciones de aceleración y otras<br />
dos para la deceleración; y se representan mediante gráficas. Cada gráfica<br />
consiste de tres diferentes curvas que muestran los valores mínimos, medios y<br />
máximos de las funciones.<br />
Aceleración Técnica: Es la aceleración factible técnica para los vehículos.<br />
Es considerada sólo si una aceleración excede la aceleración deseada para<br />
mantener la velocidad en pendientes (esta es la aceleración que garantizan las<br />
industrias de vehículos).<br />
Aceleración deseada: La que el conductor desea. Esta es usada para<br />
cualquier otra situación (medida de campo).<br />
Deceleración Técnica: Es la deceleración factible técnicamente para por los<br />
vehículos. Ésta es ajustada a pendientes por cada 1 m/s2 para pendiente positivas<br />
y para pendientes negativas en - 1 m/s 2 (esta es la deceleración que garantizan<br />
las industrias de vehículos).<br />
45
Deceleración deseada: La que el conductor desea. Si esta es menor que la<br />
máxima deceleración técnica, entonces la deceleración deseada es usada como la<br />
máxima para la deceleración (medida de campo).<br />
2.8.5.2. Distribuciones<br />
Algunos parámetros que se manejan en VISSIM están representados por<br />
medio de distribuciones de naturaleza estocástica, los cuales permiten asemejarse<br />
más a las situaciones reales.<br />
Los siguientes son parámetros que corresponden a esta naturaleza:<br />
Distribución de Velocidad: Para cualquier tipo de vehículo, la distribución de<br />
la velocidad es un parámetro de gran influencia en la capacidad de las vías.<br />
Para alimentar el programa se debe tener en cuenta la velocidad deseada<br />
para cada tipo de vehículo, la cual se define, como la velocidad a la que un<br />
conductor desea viajar a flujo libre la cual puede tener pequeñas variaciones<br />
llamadas oscilaciones.<br />
Distribución de Peso y Potencia: Ésta se realiza sólo para los vehículos<br />
pesados; y es la relación de su peso y potencia; por lo tanto se hace necesario<br />
saber no sólo la característica técnica del vehículo relacionada con la potencia<br />
sino también el peso de la carga para poder establecer la relación, es un<br />
parámetro que influye de manera notable en autopistas donde este tipo de<br />
vehículos presenta un alto porcentaje de la composición del flujo vehicular. Por<br />
realizarse en una zona urbana donde este tipo de vehículos representa menos del<br />
3% de la composición este parámetro no es considerado relevante.<br />
Distribución de Color: Está distribución es sólo necesaria para la<br />
visualización de las gráficas, y no es un parámetro que afecte los resultados de la<br />
modelación.<br />
Distribución de Modelo de Vehículos: Está distribución modela los<br />
diferentes tipos de vehículos que se pueden encontrar en una red de acuerdo a las<br />
46
características de sus dimensiones, (longitud, distancia al eje frontal, al eje trasero,<br />
etc.). Además se puede definir el porcentaje que cada tipo de vehículos conforma<br />
en su clase.<br />
Distribución de Tiempos de Demora: Estas distribuciones son usadas en<br />
VISSIM para simular: parqueo, señales de pare, conteo en peajes, paradas de<br />
buses. Se puede ingresar mediante dos formas:<br />
• Distribución Normal: Con una media y una desviación estándar.<br />
• Distribución Empírica: Se definirá por medio de una gráfica similar a las<br />
distribuciones de velocidades donde se hallará un valor máximo y un mínimo y con<br />
puntos intermedios con los que se construirá la gráfica.<br />
Distribución de Modelo, Millaje y Temperatura: Este tipo de distribuciones<br />
tiene como principal función cumplir con las evaluaciones de emisiones, en este<br />
trabajo no se evaluaran este tipo de alternativas por el alcance que se ha definido.<br />
2.8.5.3. Tipos de Vehículos<br />
Se le denomina tipo a un grupo de vehículos con características técnicas y<br />
comportamiento de conducción similar, por defecto el VISSIM presenta los<br />
siguientes tipos: autos, camiones, bus, bus articulado, trenes, bicicletas y<br />
peatones.<br />
2.8.5.4. Clases de Vehículos<br />
En este ítem se puede agrupar diferentes tipos de vehículos (creados<br />
previamente) que contengan ciertas características similares, para efectos de la<br />
investigación se dejarán establecidas las mismas clases que el programa trae por<br />
defecto las cuales son: Livianos, pesados, buses, trenes, peatones y bicicletas.<br />
47
2.8.5.5. Comportamiento de Conducción<br />
El comportamiento de los conductores se refleja en diferentes variables las<br />
cuales pueden ser: velocidades, distancias de seguridad, brechas, tiempos de<br />
reacción e inclusive dependen de las características físicas de los vehículos y del<br />
tipo de conductor (anciano, joven, mujer, etc.).<br />
En VISSIM se modela el comportamiento del conductor en cuatro fases las<br />
cuales son:<br />
1. Seguimiento de Vehículo.<br />
2. Cambio de Carril.<br />
3. Movimiento lateral.<br />
4. Control por semaforización.<br />
Cada una de estas fases está compuesta por diferentes parámetros los<br />
cuales afectan directamente la interacción de los vehículos y por lo tanto pueden<br />
causar diferencias substanciales en los resultados de la simulación.<br />
VISSIM asigna un comportamiento de conducción a cada arco por medio<br />
del tipo de arco, por lo tanto existe para cada clase de vehículo diferentes<br />
parámetros de comportamiento de conducción.<br />
A continuación se definirán los diferentes parámetros asignados en las<br />
cuatro fases descritas anteriormente.<br />
2.8.5.6. Seguimiento de Vehículo<br />
El seguimiento del vehículo está basado en un modelo microscópico,<br />
discreto, estocástico, basado en la teoría de que el conductor se encuentra en<br />
cuatro diferentes estados de seguimiento con el paso del tiempo, configurando el<br />
vehículo y el conductor como una sola unidad.<br />
48
Parámetros Disponibles:<br />
• Distancia hacia adelante: Define la distancia que un conductor puede ver<br />
para reaccionar ante otros vehículos que se encuentran adelante o al lado del en<br />
el mismo arco. Esta distancia se divide en una distancia máxima y una mínima.<br />
Distancia Máxima: Es la máxima distancia permitida para mirar hacia delante. Para<br />
efectos de este trabajo se tomará como la mayor distancia que permite la zona de<br />
estudio teniendo en cuenta la visibilidad del sitio. Distancia Mínima: este es un<br />
valor importante para la modelación del comportamiento lateral, especialmente si<br />
varios vehículos se encuentran próximos a una cola, este valor depende de la<br />
velocidad de aproximación. Como recomendación del programa, para zonas<br />
urbanas se encuentra entre 20 y 30 metros.<br />
Para efectos del estudio se tomará una distancia aproximada de 10 metros.<br />
Para este caso no se hicieron observaciones de campo, sin embargo por la<br />
experiencia se considera que este valor representa las maniobras arriesgadas<br />
observadas.<br />
• Número de Vehículos Observados: Este parámetro afecta tan bien los<br />
vehículos en la red, pueden predecir el movimiento de los demás vehículos y<br />
reaccionar adecuadamente.<br />
Este parámetro será asignado como 2 vehículos. Este valor es considerado<br />
porque el seguimiento tiene en cuenta el vehículo de adelante principalmente y en<br />
una proporción muy baja el que sigue más adelante del vehículo en cuestión.<br />
• Falta de Atención Temporal: (parámetro del sueño): Los vehículos no<br />
reaccionarán a un vehículo precedente, por un intervalo de tiempo. Este parámetro<br />
se encuentra dividido en dos:<br />
Duración: definida como el tiempo en segundos que duró la última falta de<br />
atención.<br />
Probabilidad: la frecuencia con la que ocurre la falta de atención.<br />
49
Este parámetro no será tenido en cuenta en la calibración, por lo tanto se<br />
trabajará con los valores que vienen por defecto.<br />
• Modelo del Seguimiento de vehículo: Este parámetro selecciona el modelo<br />
base para el comportamiento del vehículo; dependiendo del modelo seleccionado<br />
los parámetros cambian. Existen tres tipos de selección:<br />
1. Wiedemann 74: Modelo que se utiliza para tránsito urbano. Este será el<br />
modelo seleccionado para esta investigación, ya que el sitio escogido es en zona<br />
urbana.<br />
2. Wiedemann 99: Modelo que se utiliza para autopistas, es decir tránsito<br />
interurbano.<br />
3. No interacción: Se relaciona con vehículos que no reconocen otros<br />
vehículos este es seleccionado para simplificar el comportamiento peatonal.<br />
Parámetros del Modelo: Dependiendo del modelo seleccionado estos<br />
parámetros cambian, por lo tanto los parámetros aquí descritos corresponde al<br />
modelo Wiedemann 74.<br />
Distancia estática Promedio: (ax ) define el promedio de la distancia entre<br />
dos vehículos que se encuentran detenidos, la cual tiene una variación fija de<br />
±1m.<br />
_mult).<br />
Parte aditiva y multiplicativa de la distancia de seguridad: (bx _ add) y (bx<br />
Estas afectan la distancia de seguridad (d). La distancia d entre dos<br />
vehículos está calculada usando la siguiente fórmula:<br />
Ecuación 21 Distancia entre dos vehículos Modelo VISSIM<br />
50
Donde:<br />
Donde ax es la distancia estática y<br />
V= Es la velocidad del vehículo.<br />
Ecuación 22 Parte aditiva y multiplicativa de la distancia de seguridad.<br />
Z= Es una distribución normal con un rango de [0,1] alrededor de 0.5 con una<br />
desviación estándar de 0.15.<br />
Estos parámetros pueden afectar la capacidad del flujo.<br />
2.8.5.7. Cambio de Carril<br />
El modelo contempla básicamente dos cambios de carril:<br />
1. Cambio de carril necesario: para continuar por un conector y seguir la ruta<br />
asignada. Los parámetros de comportamiento de conducción contienen una<br />
máxima deceleración aceptable para el vehículo que se encuentra en el carril y<br />
desea cambiar y para el vehículo que quedará detrás en el nuevo carril,<br />
dependiendo de la posición de la parada de emergencia en el próximo conector de<br />
la ruta.<br />
2. Cambio de carril libre: cambiar a un carril de velocidades más altas. VISSIM<br />
chequea la distancia de seguridad deseada del vehículo que quedará atrás en el<br />
nuevo carril. Esta distancia de seguridad depende de la velocidad de este vehículo<br />
y del vehículo que desea cambiar de carril. En ambos casos cuando un conductor<br />
intenta cambiar de carril, el primer paso es hallar una brecha conveniente en la<br />
dirección del flujo. El tamaño de la brecha depende de la velocidad del carril a<br />
cambiar y del actual.<br />
51
Parámetros Disponibles:<br />
Comportamiento General: Define como es el comportamiento del<br />
adelantamiento en la conducción.<br />
Selección libre del carril: Los vehículos adelantan en cualquier carril. Esta<br />
opción será la seleccionada para esta investigación, pues se observa en el campo<br />
este tipo de comportamiento.<br />
Regla de la mano derecha o izquierda: Permite el adelantamiento en el<br />
carril rápido solo si la velocidad está alrededor de 60 km/h. Para los carriles lentos<br />
se les está permitido a los vehículos comprometerse con una máxima diferencia<br />
de velocidades de 20 km/h.<br />
Cambio de carril necesario: La agresividad del cambio de carril puede ser<br />
definida. Esta es determinada por umbrales de deceleración tanto para el vehículo<br />
que realizará el cambio de carril como para el que quedará detrás de él. El rango<br />
de esta deceleración está definido por una deceleración máxima y una aceptada,<br />
además se usa una tasa de cambio de 1 metro por 1 m/s2 para reducir la máxima<br />
deceleración con el incremento de la distancia de la posición de la parada de<br />
emergencia.<br />
Tiempo de espera ante una intersección: Define la máxima cantidad de<br />
tiempo que un vehículo puede esperar en la posición de línea de detención, para<br />
esperar una brecha y cambiar de carril para continuar su ruta.<br />
Mínima Separación: Definida como la mínima distancia al vehículo de<br />
enfrente que está disponible para realizar el cambio de carril en condiciones<br />
estáticas.<br />
Factor de reducción de la distancia de seguridad: El factor de reducción que<br />
se utiliza para el cambio de carril del vehículo que realizará la maniobra es de 0.6<br />
por defecto.<br />
52
2.8.5.8. Comportamiento Lateral<br />
Por defecto en VISSIM un vehículo ocupa el ancho entero de un carril: Los<br />
parámetros del comportamiento lateral permiten viajar a diferentes posiciones<br />
laterales y también sobrepasar vehículos que se encuentran en el mismo arco si el<br />
ancho es suficiente.<br />
Parámetros disponibles:<br />
Deseo de la posición a Flujo Libre: Define la posición lateral de un vehículo<br />
dentro del carril mientras está a flujo libre. Las opciones que se presentan son a<br />
mitad del carril o derecha o izquierda. Para la simulación de la zona en estudio se<br />
tomará la mitad del carril, pues es el comportamiento observado en campo.<br />
Observación de los vehículos en carriles próximos: Los vehículos también<br />
consideran la posición de otros vehículos que viajan en carriles adyacentes. Esta<br />
opción será seleccionada.<br />
Configuración de la cola en diamante: Permite la configuración de los<br />
vehículos cuando se encuentran en cola en forma de diamante, asemejándose<br />
más a la realidad. Está opción será seleccionada.<br />
Adelantamiento en el mismo carril: Selecciona la clase de vehículos que les<br />
está permitido el adelantamiento en el mismo carril por otros vehículos que estén<br />
especificados dentro de este parámetro.<br />
Distancia mínima Lateral: Es la distancia mínima lateral por clase de<br />
vehículos que se encuentran en un mismo carril. La distancia está definida para<br />
una velocidad de 0 Km/h como también para 50 Km/h; la distancia que por defecto<br />
carga el programa es de 1m para ambos casos.<br />
2.8.6. Desarrollo del Modelo<br />
El paquete de simulación VISSIM consiste internamente de dos programas<br />
el simulador de tráfico y el generador de estado de señales La simulación genera<br />
53
una animación en tiempo real de las operaciones del tránsito e internamente una<br />
generación de archivos de salida con acumulación de datos estadísticos tales<br />
como tiempos de viajes y longitudes de cola. El simulador de tránsito es un<br />
modelo microscópico de flujo de tránsito que incluye la lógica del seguimiento de<br />
vehículo y del cambio de carril. El generador del estado de señales es un indicador<br />
del control del software para detectar información de la simulación del tránsito en<br />
un intervalo de tiempo discontinuo (más pequeño que una décima de segundo).<br />
De acuerdo con esa información determina el estado de señales para el siguiente<br />
segundo y retorna esta información al simulador del tránsito en la figura 5 se<br />
esquematiza la comunicación entre el simulador y generador de estado de<br />
señales.<br />
Figura 6 Comunicación. Simulador de Tránsito y el Indicador de Semaforización.<br />
FUENTE: Manual del VISSIM. PTV American Año 2009.<br />
Lo esencial para la exactitud de la simulación del tránsito, es la calidad de la<br />
modelación real de los vehículos, Ej.: la metodología del movimiento de los<br />
vehículos a través de la red. En contraste con esto hay modelos menos<br />
complicados que usan la velocidad constante y determinan la lógica del<br />
seguimiento de vehículos. El modelo de flujo de tránsito de VISSIM es discreto y<br />
54
estocástico, el paso de tiempo se basó primero en un modelo microscópico, con<br />
unidades de vehículo como entidades individuales.<br />
2.8.6.1. Modelo de Seguimiento de vehículo de Wiedemann<br />
VISSIM usa el modelo del comportamiento psicofísico del conductor<br />
desarrollado por Widemann (1974). Los vehículos siguen uno a otro en un proceso<br />
de oscilación. Cuando un vehículo más rápido se acerca a un vehículo más lento<br />
en un solo carril se ajusta su separación. El punto de acción o de reacción<br />
consciente depende de la diferencia de velocidad, la distancia y el comportamiento<br />
del conductor. En conexiones de multi-carril se verifica sí los vehículos manejan<br />
cambiando de carriles. Si ese es el caso, ellos verifican la posibilidad de encontrar<br />
los espacios aceptables en carriles vecinos. El seguimiento de vehículos y el<br />
cambio de carril forman un conjunto integrado en el modelo de tránsito.<br />
El movimiento longitudinal de los vehículos está influenciado por los<br />
vehículos que viajan al frente en el mismo carril. Es por esto que el modelo es<br />
llamado el “modelo del seguimiento de vehículos”. Un conductor está directamente<br />
influenciado por el primer vehículo que viaja al frente suyo ya que el segundo<br />
vehículo tendrá alrededor del doble de la distancia; por lo tanto este modelo se<br />
concentra en la influencia del primer vehículo que está al frente, incluyendo la<br />
opción de frenado.<br />
La influencia del movimiento está caracterizada por la percepción del<br />
movimiento relativo del vehículo del frente, cambios en la distancia y en la<br />
diferencia de velocidades. Estos cambios son percibidos si el impulso físico<br />
excede un cierto valor mínimo, llamado umbral. La percepción de los cambios<br />
depende de qué tan rápido la imagen del vehículo del frente cambie, la cual es<br />
una función de la diferencia de velocidades y distancias.<br />
Estas medidas e investigaciones fueron realizadas por Todosiev (1963),<br />
Michaels (1965) y Hoefs (1972); con el propósito de encontrar los límites de la<br />
55
percepción humana en el proceso de seguimiento de vehículos. Esta investigación<br />
forma la base del “modelo de seguimiento de vehículo” desarrollado por<br />
Wiedemann (1974).<br />
2.8.6.2. Umbrales del Modelo<br />
El comportamiento humano tiene una distribución natural: En diferentes<br />
conductores se encuentra diferencias en la habilidad a la percepción y estimación,<br />
en las distancias de seguridad, en los deseos de velocidad, y en la aceptación de<br />
las máximas aceleraciones o deceleraciones ; las cuales son características de la<br />
agresividad en la conducción. Algunos de estos parámetros también dependen de<br />
la capacidad de los vehículos como lo son: la máxima velocidad y máxima<br />
aceleración y deceleración. Esto es un fenómeno natural que puede ser<br />
representado por distribuciones normales aunque no se tiene un conocimiento<br />
exacto acerca de estas distribuciones, por lo tanto diferentes parámetros se<br />
usarán al azar dentro del modelo para calcular los valores del umbral y las<br />
funciones de conducción.<br />
La percepción y reacción están representadas por un conjunto de umbrales<br />
y distancias deseadas. Estos umbrales representan diferentes áreas que están<br />
asociadas a diferentes situaciones de la interacción entre un vehículo y el vehículo<br />
que está frente a él. Estas áreas son:<br />
1. El vehículo no está influenciado por un vehículo que viaje al frente.<br />
2. El vehículo está influenciado porque el conductor percibe un vehículo al frente<br />
con una velocidad más baja que la de él.<br />
3. El vehículo empieza un proceso de seguimiento.<br />
4. El vehículo se encuentra en una situación de emergencia.<br />
56
Por lo tanto, el proceso de conducción de acuerdo a las condiciones dadas<br />
se asocia a las diferentes áreas, las cuales son representadas en la siguiente<br />
figura 6:<br />
Figura 7 Modelo de la Lógica del Seguimiento de Vehículo. (Wiedemann 1974)<br />
FUENTE: Manual del VISSIM. PTV American. Año 2006<br />
Los umbrales son representados para una unidad de vehículo-conductor (I)<br />
que viaja a una velocidad (real). El eje horizontal representa la diferencia de<br />
velocidades con valores positivos caracterizando el cierre del proceso (la<br />
velocidad del vehículo de en frente (I-1) es más baja). Y el eje vertical representa<br />
la distancia al vehículo de en frente (I-1).<br />
2.9. Aplicación de modelos de microsimulación<br />
Los modelos de microsimulación actualmente utilizados en el área de las<br />
vías terrestres son utilizados con propósitos de presentación en la mayor parte de<br />
los trabajos encontrados, realmente los modelos son aplicados en la mayoría por<br />
personas con conocimientos limitados en el área, tomando parámetros arbitrarios<br />
y sin una calibración. Sin embargo se indagó si existían antecedentes de trabajos<br />
57
de simulación de tráfico, serios donde se pudiese encontrar una metodología y<br />
una calibración, resultando en tres proyectos realizados por la empresa Cal y<br />
Mayor con el paquete VISSIM, sin embargo no se encontró evidencia de que los<br />
parámetros fueran ajustados para las condiciones de las zonas de estudio,<br />
únicamente se notó una calibración a los modelos. A continuación se enuncian las<br />
aplicaciones encontradas donde se simuló el tránsito con el propósito de toma de<br />
decisiones y realización de propuestas conceptuales.<br />
Boulevard Bicentenario (Paseo Zumpango)<br />
Para satisfacer las necesidades de transportación en esta ciudad,<br />
GEÓPOLIS estableció la necesidad de desarrollar un esquema vial conformado<br />
por una vialidad principal “Boulevard Bicentenario o Paseo Zumpango” de manera<br />
tal, que se aseguré la conexión interregional de la nueva ciudad con autopistas<br />
como el Circuito Exterior Mexiquense, la Autopista México-Querétaro, el Arco<br />
Norte y la Autopista México–Pachuca; y desde el punto de vista urbano, articule<br />
las vialidades de conexión interna, asegurando a los residentes movilidad,<br />
conectividad, ahorros en tiempo de viaje y en costos de operación.<br />
Para el logro de objetivos y desarrollo de los alcances, se utilizaron técnicas<br />
de modelación y microsimulación de tipo regional y local como los modelos Visum<br />
y Vissim.<br />
Sistema de transporte masivo Trolmérida<br />
Para el desarrollo de la Copa América 2007, la ciudad de Mérida en<br />
Venezuela enfrentó un reto en materia de movilidad y transporte. Al mismo tiempo<br />
que se preparaba el estadio metropolitano de Mérida para su inauguración, se<br />
trabajaba a marchas forzadas en la construcción de vías de acceso a éste y se<br />
ponía en marcha el nuevo sistema de trolebuses tipo BRT conocido como<br />
TrolMérida.<br />
Los lineamientos de la Conmebol exigían que no se permitiera al público en<br />
general el acceso al estadio en automóvil particular; es decir, todos los aficionados<br />
58
(el estadio cuenta con capacidad para 42,000 espectadores) debían llegar al<br />
estadio caminando o en transporte público.<br />
Expertos en micro-simulación, tránsito y transporte público se encargaron<br />
directamente de diseñar un plan de contingencia para solucionar esta<br />
problemática. Dicho plan incluyó la definición de dos perímetros de control de<br />
acceso alrededor del estadio, un plan de desvíos para el tránsito vehicular y un<br />
diseño especial de rutas de transporte público que permitió dar acceso y salida a<br />
los aficionados del estadio.<br />
En primera instancia se diseñó el plan de desvíos y de señalamiento para<br />
tránsito vehicular, así como el plan operativo para transporte público que<br />
permitiera mover, a través del trolebús y autobuses disponibles, a los aficionados<br />
dentro de los tiempos requeridos de acceso y desalojo del estadio. El modelo de<br />
micro-simulación permitió evaluar y afinar el plan propuesto en términos de<br />
operación y administración de la infraestructura ofrecida.<br />
Sistema de transporte UNAM<br />
Ciudad Universitaria está conformada por decenas de edificios, zonas<br />
escolares, instalaciones deportivas, estacionamientos y circuitos viales de gran<br />
extensión; todos distribuidos a lo largo de un área aproximada de 700 hectáreas<br />
en dónde se da cita diariamente una población cercana a 280 mil personas.<br />
El incremento de automóviles llevó al uso ineficiente de la infraestructura<br />
vial y de estacionamientos, arrojando circuitos congestionados, tráfico intenso,<br />
aglomeraciones y falta de espacio; en general, redujo considerablemente la<br />
calidad de la movilidad de personas y vehículos.<br />
Para solucionar esta problemática se concibió el sistema PUMABUS,<br />
conformado por modernos autobuses que circulan en carriles exclusivos, los<br />
cuales prestan el servicio de transporte público en circuitos o rutas que unen un<br />
estacionamiento re-moto, ubicado en el Estadio Olímpico con todas las<br />
dependencias y facultades del complejo de Ciudad Universitaria. Paralelamente se<br />
59
implementó el Sistema BICIPUMA que consiste en un circuito para bicicletas que<br />
cubre gran parte del Campus y que en puntos estratégicos cuenta con<br />
“Bicicentros” donde, de forma gratuita, se prestan bicicletas a todos los<br />
universitarios.<br />
Durante el proceso de evaluación se incluyó, en muchos casos, el uso de<br />
modelos de micro-simulación, los cuales permitieron definir de manera precisa lo<br />
que hoy en día es el funcionamiento real del sistema.<br />
60
3. METODOLOGÍA<br />
3.1. Captura de datos<br />
Este capítulo provee la guía sobre la identificación, recolección y preparación<br />
de la base del conjunto de datos que se necesita para desarrollar un modelo de<br />
microsimulación y los datos que se necesitan para evaluar la calibración y fidelidad<br />
que presenta el modelo comparado con las condiciones reales.<br />
Hay técnicas específicas y documentos guía que se centran en la<br />
recolección de datos que deben ser usados para el análisis de tránsito 4 .<br />
3.2. Datos requeridos<br />
Los datos concretos de entrada que se requieren para un modelo de<br />
microsimulación variarán de acuerdo al software y a la aplicación específica del<br />
modelo así como los objetivos y alcances definidos del estudio. Este documento<br />
se centra en el paquete VISSIM:<br />
Geometría de la vialidad (longitud, carriles y curvaturas).<br />
Controles de tráfico (señalamientos y frecuencia de los señalamientos).<br />
Demandas (volúmenes de entrada, volúmenes de movimientos, tabla<br />
Origen-Destino)<br />
Datos de calibración (aforos de tráfico, datos de rendimiento como<br />
velocidad y filas).<br />
Además de lo dicho anteriormente, los modelos de microsimulación<br />
requieren las características de los vehículos y de los conductores (longitud de<br />
vehículo, tasa de aceleración máxima y agresividad de los conductores).<br />
4 Por ejemplo; Currin(2001), Robertson y Hummer (1994), MCA(200).<br />
61
3.2.1. Datos geométricos<br />
Los datos de geometría básica que requieren la mayoría de los modelos<br />
consisten en el número de carriles y longitudes. Para las intersecciones los datos<br />
de geometría podrían también incluir los carriles designados para vueltas y la<br />
longitud de almacenamiento de los vehículos en esos carriles. Estos datos se<br />
pueden obtener usualmente de planos, encuestas en campo, de los sistemas de<br />
información geográfica y de las fotografías aéreas.<br />
3.2.2. Datos de control<br />
Estos consisten en la localización de los dispositivos de control de tráfico y<br />
configuración de los tiempos del señalamiento. Lo mejor es obtener estos datos en<br />
las dependencias que operan el control de tráfico o de inspecciones de campo.<br />
3.2.3. Datos de demanda<br />
Los datos básicos de la demanda de viaje requeridos en la mayoría de los<br />
modelos consisten en los volúmenes de entrada (tráfico entrante en el área de<br />
estudio) y movimientos de giros en intersecciones del área de estudio.<br />
Algunos modelos pueden requerir alguna o más tablas Origen-Destino de<br />
vehículos que permitan modelar la diversidad de rutas. Los procesos existen en<br />
muchos paquetes de modelos de demandas. Algunos paquetes de<br />
microsimulación estiman las tablas Origen-Destino a partir de los conteos (aforos)<br />
de tránsito.<br />
3.2.4. Ubicación y duración de conteos (aforos)<br />
Para la duración del periodo analítico de simulación los aforos de tráfico<br />
deberán llevarse a cabo en estaciones claves dentro del área del modelo de<br />
microsimulación. El aforo de preferencia deberá ser obtenido por periodos no<br />
mayores a 15 minutos.<br />
62
Si se presenta congestionamiento en un punto de aforo, esto se debe tomar<br />
en cuenta para asegurarse que los aforos miden la demanda y no la capacidad.<br />
Idealmente el periodo deberá iniciar antes del inicio del congestionamiento y<br />
terminar después de la disipación de este para asegurar que todas las demandas<br />
de fila están incluidas en el aforo.<br />
Todos los aforos deberán ser realizados simultáneamente para que, si los<br />
recursos (del software) lo permiten, puedan ser considerados en un solo periodo<br />
de simulación; frecuentemente los recursos no permiten hacerlo en áreas grandes<br />
de simulación por lo tanto el analista deberá establecer uno o varios puntos donde<br />
al aforo sea continuo a lo largo del periodo de recolección de datos y así el<br />
analista use los datos colectados en varios días para ajustarlos a una muestra<br />
representativa en un día típico.<br />
3.2.5. Estimación de matrices de viaje origen-destino (O-D)<br />
En algunos paquetes de simulación los aforos deben ser convertidos en las<br />
tablas origen-destino de viaje. Otros programas de software pueden trabajar tanto<br />
con las tablas O-D como con los aforos de movimientos. La tabla O-D es requerida<br />
si se trata de un modelo con cambios en la elección de ruta en el modelo de<br />
microsimulación.<br />
El analista deberá estimar las tablas O-D a partir de los datos de origendestino.<br />
Este proceso probablemente requerirá considerar patrones de cambio de<br />
Origen-Destino que resultan de la hora del día especialmente para simulaciones<br />
que cubren extensos periodos de tiempo a lo largo del día.<br />
El estudio de placas es uno de los métodos utilizados para medir los datos<br />
origen-destino. El analista establece puntos de control dentro o en la periferia del<br />
área de estudio y anota el número de placas de los vehículos pasando por cada<br />
punto, entonces se usa un programa de reconocimiento para saber cuántos<br />
vehículos pasaron entre cada par de puntos o estaciones.<br />
63
3.3. Características del vehículo<br />
Las características del vehículo típicamente incluyen peso de vehículos,<br />
dimensiones del vehículo y características de rendimiento del vehículo<br />
(aceleración máxima, etc).<br />
Peso de vehículos: Esta es definida por el analista, regularmente en<br />
términos del porcentaje de vehículos generados en el proceso de Origen-Destino.<br />
Se recomienda que el analista obtenga uno o más estudios de clasificación<br />
de vehículos del área de estudio para el periodo de tiempo que está siendo<br />
analizado.<br />
3.4. Calibración de datos<br />
Los datos calibrados son las medidas de capacidad, los aforos de tráfico,<br />
medidas de rendimiento del sistema como tiempo de viaje, velocidades, demoras y<br />
filas. Las capacidades pueden ser reunidas independientemente de los conteos de<br />
tráfico (excepto durante condiciones adversas de clima y luz); los tiempos de viaje,<br />
velocidades, demoras y longitudes de fila deben ser reunidos simultáneamente<br />
con los aforos para hacer funcional la calibración del modelo. Si hay una o más<br />
estaciones de aforo continuas en el área de estudio puede ser posible ajustar los<br />
datos del conteo para asemejar las condiciones presentes con los datos de la<br />
calibración; como sea, esto introduce el potencial para errores adicionales en la<br />
calibración de datos y debilita la fuerza de las conclusiones que pueden ser<br />
obtenidas de la tarea de la calibración del modelo.<br />
3.4.1. Inspección en campo<br />
Es muy valioso observar operaciones existentes en campo durante el<br />
periodo de tiempo simulado. Una inspección visual simple puede identificar<br />
comportamientos que no aparecen en los conteos y en las ejecuciones del auto<br />
flotante. Las Imágenes de video pueden ser útiles, como sea no pueden centrarse<br />
64
en las condiciones adyacentes que causan el comportamiento observado, por esta<br />
razón las visitas en campo durante las condiciones pico son siempre importantes.<br />
3.4.2. Datos de tiempo de viaje<br />
Técnica del automóvil flotante. Consiste en que un observador conduce el<br />
automóvil de prueba a lo largo de la sección prueba, de modo que este automóvil<br />
“flote” con el tránsito. El conductor del automóvil de prueba intenta rebasar al<br />
mismo número de vehículos que lo rebasan. Se toma nota del tiempo empleado<br />
para recorrer la sección de estudio. Esto se repite, y el tiempo promedio se<br />
registra como el tiempo de viaje. El número mínimo de corridas de prueba puede<br />
determinarse usando la ecuación 23 empleando valores de la distribución t. La<br />
razón es que el tamaño de muestra para este tipo de estudio es menor que 30 por<br />
lo tanto, es más apropiada la distribución t. Por lo tanto tenemos que:<br />
Ecuación 23 Número mínimo de corridas para la técnica del automóvil flotante<br />
Donde:<br />
Tamaño de la muestra (número mínimo de corridas de prueba)<br />
Desviación estándar (km/hora)<br />
Límite del error aceptable para la estimación de la velocidad<br />
(km/hora)<br />
Valor de la distribución t de student con un nivel de confianza de<br />
(1- (N – 1) grados de libertad<br />
Nivel de significancia<br />
El límite del error aceptable que se usa depende del propósito del estudio.<br />
Comúnmente se usan los siguientes:<br />
65
Antes y después de los estudios: de +- 1.5 a +- 5 km/h<br />
Operación de tránsito, evaluaciones económicas y análisis de tendencias:<br />
de +-3 a 6 km/h<br />
Estudios de necesidades de carreteras y de planificación del transporte: de<br />
+-5 a 8 km/h<br />
3.4.3. Conciliación de conteos de tráfico<br />
Inevitablemente, habrá conteos de tráfico en uno o más estaciones<br />
adyacentes que no se asemejen. Esto es el resultado de errores de conteo,<br />
conteos en diferentes días (típicamente los conteos varían el 10% o más<br />
dependiendo el día) y el mayor tráfico entre las dos estaciones o filas entre las dos<br />
estaciones.<br />
El analista debe revisar los conteos y determinar (basado en el<br />
conocimiento de las observaciones de campo) las probables causas de las<br />
discrepancias. Los errores de conteo y los conteos hechos en diferentes días son<br />
tratados de forma diferente que las diferencias de conteo causadas por filas.<br />
Conteos inconsistentes provocan que la comprobación de errores y la<br />
calibración del modelo sean más difíciles. Diferentes conteos para la misma<br />
estación deben ser normalizados o promediados. Esto es especialmente para los<br />
volúmenes de entrada dentro del modelo.<br />
Las diferencias en entradas y salidas en los conteos que son causados por<br />
filas entre dos estaciones de conteo sugieren que el analista debe extender el<br />
periodo de conteo para asegurarse que toda la demanda está incluida en ambos<br />
conteos.<br />
66
3.5. Base del desarrollo del modelo<br />
3.5.1. Diagrama de nodo-arco: proyecto del modelo<br />
El diagrama de nodo-arco es el proyecto para construir el modelo de<br />
microsimulación. El diagrama identifica que calles y autopistas serán incluidas en<br />
el modelo y como serán representadas.<br />
El diagrama de nodo-arco puede ser creado directamente en el software de<br />
microsimulación o fuera de este usando varios tipos de software de diseño (CAD).<br />
Si el diagrama es creado en el software de microsimulación, es de ayuda importar<br />
un mapa o fotografía aérea sobre el diagrama de nodo-arco que puede ser<br />
sobrepuesto. Si el diagrama es creado fuera usando software CAD, entonces es<br />
útil importar un mapa o fotografía al software CAD.<br />
Los nodos son la intersección de dos o más arcos. Normalmente los nodos<br />
son colocados en los modelos usando coordenadas X-Y y pueden ser para<br />
representar una intersección o estación donde hay un cambio en la geometría.<br />
Los arcos son segmentos unidireccionales de las calles o carreteras,<br />
representan la longitud del segmento y normalmente contienen los datos de las<br />
características geométricas del camino o carretera entre dos nodos. Idealmente,<br />
un arco representa un segmento de camino con geometría y condiciones de<br />
operación de tráfico uniformes.<br />
El analista debe considerar establecer un esquema de nodos numerados<br />
para facilitar el control de error. Gran información de la que produce el software de<br />
microsimulación es texto con los resultados identificados por números de nodo y<br />
los puntos de inicio y termino de cada conexión. El tener los nodos numerados<br />
puede facilitar en gran medida la búsqueda de resultados en archivos de texto de<br />
gran tamaño.<br />
Si el diagrama de nodo-arco fue creado fuera del modelo del software de<br />
microsimulación se necesita cargar la información en el diagrama dentro del<br />
67
software de microsimulación. También se cargan las coordenadas X-Y y números<br />
de identificación de nodos.<br />
3.5.2. Datos de conexión de la geometría<br />
Una vez que el modelador ha completado el diagrama de nodo-arco debe<br />
cargar las características físicas y de operación de las conexiones dentro del<br />
modelo. En esta fase el modelador debe codificar lo siguiente:<br />
Número de carriles<br />
Ancho de carril<br />
Longitud de conexión<br />
Grado<br />
Curvatura<br />
Condiciones del pavimento (mojado, seco, etc)<br />
Distancia de visibilidad<br />
Paradas de autobús<br />
Banquetas y otras instalaciones para el peatón<br />
Ciclopista<br />
Otros<br />
3.5.3. Datos de control de tráfico en intersecciones y uniones<br />
La mayoría de las microsimulaciones utilizan una simulación de tiempo de<br />
paso para describir las operaciones de tráfico. Los vehículos son movidos de<br />
acuerdo a la lógica del seguimiento de vehículo, en respuesta a los dispositivos de<br />
control de tráfico y otras demandas. Los dispositivos de trafico para modelos de<br />
microsimulacion variaran, a continuación se enlistan algunos ejemplos.<br />
Sin control<br />
Rendimiento de señales<br />
Señales de alto<br />
Señales (temporizado, accionado y adaptado al tiempo real de trafico)<br />
68
Rampa de medición<br />
3.5.4. Datos de operación y manejo de tráfico para conexiones<br />
Consiste en lo siguiente:<br />
Datos de alerta (incidentes, reducción de carriles, salidas, etc).<br />
Datos reglamentarios (límites de velocidad, límites de velocidad variable,<br />
alta ocupación de vehículos (HOVs), alta ocupación de peaje (HOT),<br />
desvíos, canalizaciones de carril, etc.)<br />
Detectores para vigilancia (tipo y localización)<br />
3.5.5. Datos de demanda de tráfico<br />
Las demandas de tráfico son definidas en número y porcentaje de vehículos<br />
de cada tipo que quieren atravesar el área de estudio durante el periodo de tiempo<br />
de simulación. Además, necesariamente debe reflejar la variación en la demanda<br />
a lo largo del periodo de tiempo de simulación. En la mayoría de los programas, el<br />
tráfico que entra dentro del sistema usualmente se define por algunos parámetros,<br />
y el tráfico que sale usualmente se computariza basado en parámetros internos de<br />
la red. El modelador debe cifrar el volumen de tráfico empezando primero por los<br />
nodos externos. Una vez que se ha cargado el volumen de tráfico en los nodos<br />
externos, el modelador definirá los movimientos de giro y otros parámetros<br />
relacionados a elección de la ruta. Los datos de la demanda de tráfico son:<br />
Volúmenes de entrada por tipo de vehículo y fracciones de giro en todas<br />
las intersecciones y uniones (simuladores de paseo aleatorio).<br />
O-D/datos de vehículos y trayectoria específica (simuladores específicos<br />
de trayectoria.<br />
Operación de autobús (rutas/horarios) datos de demanda de peatones y<br />
ciclistas.<br />
3.5.6. Datos de comportamiento del conductor<br />
69
Los valores predeterminados para los datos del comportamiento del<br />
conductor son normalmente provistos con el software de microsimulación. Los<br />
usuarios pueden anular los valores predeterminados de cualquier parámetro del<br />
comportamiento del conductor si los datos válidos observados están disponibles<br />
(Ej.: velocidad del flujo deseada, tiempos perdidos en intersecciones, etc). Los<br />
datos del comportamiento del conductor incluyen:<br />
Agresividad del conductor.<br />
Disponibilidad (en tiempo real) de información para el conductor.<br />
Respuesta del conductor a la información (para el plan del viaje anterior<br />
y/o en cambio de ruta).<br />
3.5.7. Datos de eventos/escenarios<br />
Datos de eventos incluyen:<br />
Bloqueos e incidentes.<br />
Zonas de trabajo.<br />
Estacionamiento en el acotamiento.<br />
Estos datos son opcionales y variarán de acuerdo a la aplicación específica<br />
desarrollada por el analista.<br />
3.5.8. Datos de simulación del control de ejecución<br />
Todos los paquetes de simulación contienen parámetros de control de<br />
ejecución que permiten al modelador personalizar la operación del software para<br />
modelar de acuerdo a sus necesidades específicas. Estos parámetros varían de<br />
acuerdo al software pero generalmente incluyen:<br />
Duración del tiempo de simulación.<br />
Datos de salida (Ej.: reportes, archivos de animación, o ambos).<br />
Otros parámetros del sistema para ejecutar el modelo.<br />
70
3.5.9. Técnicas de codificación para situaciones complejas<br />
Los paquetes de microsimulación permiten al usuario desarrollar un modelo<br />
que representa la situación de la realidad. De cualquier modo, cuando se originó el<br />
software no fueron contempladas todas las situaciones posibles de la realidad, es<br />
aquí cuando el modelador, con una buena comprensión de la operación del<br />
software, puede extender las condiciones simuladas que originalmente no fueron<br />
incorporadas en el software de microsimulación. Esto se intenta solo después de<br />
haber considerado completamente todas las herramientas, recursos y habilidades<br />
disponibles debido a que nuevas herramientas que dan cuenta de las situaciones<br />
reales seleccionadas continúan estando disponibles.<br />
A continuación se muestran algunos ejemplos de cómo el software de<br />
microsimulación puede ser aplicado en situaciones comunes.<br />
El acotamiento es usado en gran medida como estacionamiento y<br />
actividades de carga y descarga. Como resultado, este carril debe ser<br />
virtualmente bloqueado todo el tiempo. Si el software no puede hacer<br />
una réplica correcta de la situación de la realidad, el modelador debe<br />
considerar remover este carril de la conexión.<br />
El tráfico generalmente retorna en una autopista por una rampa de<br />
salida. En vez de parar en la autopista o bloquear un carril, la fila se<br />
forma sobre el acotamiento de la autopista conservando el carril derecho<br />
abierto.<br />
3.6. Comprobación de errores<br />
Este paso de corrección de errores es esencial en el desarrollo de un<br />
modelo de trabajo, así que el proceso de calibración no resulta en parámetros que<br />
son distorsionados para compensar los errores de codificación. Los pasos<br />
subsecuentes de la calibración dependen de la eliminación de la mayoría de los<br />
errores en la demanda y en la codificación de la red antes de la calibración.<br />
71
La comprobación de errores involucra varias revisiones de la red codificada,<br />
demandas codificadas y parámetros predeterminados. La comprobación de<br />
errores procede en tres etapas básicas: 1) comprobación de errores del software,<br />
2) comprobación de errores en la captura de datos, y 3) animación de revisión<br />
para detener los errores menos evidentes en la captura de datos.<br />
3.6.1. Revisión de datos de entrada<br />
A continuación se muestra una lista de detección para verificar los datos de<br />
entrada codificados:<br />
Red de arcos y nodos.<br />
a. Verificar la conectividad de la red básica (¿están todos los arcos<br />
presentes?).<br />
b. Verificar la geometría de la conexión (longitud, número de carriles,<br />
velocidades permitidas, tipo de instalaciones, etc.).<br />
c. Verificar controles de intersección (tipo de control, datos de control).<br />
d. Verificar restricciones para vueltas prohibidas, cierres de carril y<br />
carriles en intersecciones y conexiones.<br />
Demanda:<br />
a. Verificar las proporciones de mezcla de vehículos en cada<br />
nodo/puerta/zona de entrada.<br />
b. Verificar zonas identificadas de origen y pérdida de tráfico.<br />
c. Verificar volúmenes de zona contra conteos de tráfico.<br />
d. Verificar la distribución de ocupación de vehículos (si se modela<br />
HOVs).<br />
e. Verificar porcentajes de giros.<br />
f. Verificar O-Ds de viaje en el sistema.<br />
Comportamiento del conductor y características del vehículo.<br />
a. Verificar y revisar, en caso de ser necesario, las dimensiones y tipo<br />
de vehículos predeterminados.<br />
72
. Verificar y revisar las especificaciones realizadas del vehículo<br />
predeterminado.<br />
Las siguientes técnicas son usadas para incrementar la eficiencia y<br />
efectividad de los procesos de detección de errores:<br />
Sobreponer la red codificada sobe una fotografía aérea de la zona de<br />
estudio para verificar rápidamente la exactitud de la geometría de la red<br />
codificada.<br />
Modelar en tres dimensiones, encender los números de nodos y verificar si<br />
hay números repetidos, ellos indican la superposición no intencionada de<br />
arcos y nodos.<br />
Para una red larga, se debe crear un reporte resumen de los atributos de<br />
los arcos, ya que son valiosos para una revisión más fácil.<br />
Usar códigos de color para identificar arcos con atributos específicos, por<br />
ejemplo, las conexiones podrían ser codificadas por color para un rango de<br />
velocidad permitida, fuera de ese rango las conexiones pueden ser<br />
identificadas rápidamente si tienen otro color particular. Interrupciones en la<br />
continuidad también pueden ser moteadas rápidamente.<br />
3.7. Revisión de la animación<br />
La animación de salida permite al analista ver el comportamiento del<br />
vehículo que ha sido modelado y evaluar la calidad del modelo de<br />
microsimulación. Ejecutar el modelo de simulación y revisar la animación, con<br />
demandas artificiales, puede ser usado para identificar errores de codificación en<br />
la entrada de datos.<br />
En la revisión de la animación, se puede seguir un proceso de dos etapas:<br />
1. Ejecutar la animación con una demanda extremadamente baja (tan baja<br />
que no haya congestionamiento). El analista entonces debe seguir cada<br />
73
vehículo a través de la red y ver donde bajan la velocidad inesperadamente.<br />
Estas serán estaciones de menores errores de codificación en la red que<br />
perturban el movimiento de vehículos sobre la conexión o a través del nodo.<br />
Esta prueba se debe repetir para varios pares de zona O-D diferentes.<br />
2. Una vez realizada la revisión con demandas bajas, se debe ejecutar la<br />
simulación al 50% del nivel de demanda existente. En este nivel, la<br />
demanda aun no es tan grande como para causar congestionamiento, si<br />
este aparece, es el resultado de errores de codificación sutiles que afectan<br />
la distribución o evolución de vehículos a través de los carriles.<br />
La animación debe ser observada detalladamente en los puntos de<br />
congestión para determinar si el vehículo animado tiene un comportamiento<br />
realista. Si el comportamiento observado del vehículo aparentemente no es<br />
realista, el analista debe revisar las siguientes causas potenciales de ese<br />
comportamiento en el orden mostrado a continuación:<br />
Error en las expectativas del analista: El analista primero debe verificar en<br />
campo el comportamiento correcto del vehículo para la estación y periodo de<br />
tiempo que está siendo simulado antes de decidir que la animación no tiene un<br />
comportamiento realista. Muchas veces las expectativas del analista de un<br />
comportamiento realista no coinciden con el comportamiento actual del campo. La<br />
inspección en campo revela las causas del comportamiento del vehículo que no<br />
son cuando se codifica la red desde planos y fotografías aéreas. Estas causas<br />
necesitan ser codificadas dentro del modelo si se quiere reproducir<br />
comportamientos reales.<br />
Algunas cuestiones adicionales a revisar incluyen lo siguiente:<br />
Datos de valores que necesitan ser afinados.<br />
Operaciones anormales del vehículo (Ej.: conductores usando carriles de<br />
circulación o acotamientos para dar vuelta, etc).<br />
Puntos de mayor ingreso y egreso previamente no definidos (estos deben<br />
ser modelados como intersecciones).<br />
74
Configuraciones inusuales de estacionamiento.<br />
Velocidades promedio de viaje que superan las velocidades permitidas (en<br />
el proceso de calibración usar la velocidad promedio observada).<br />
Las bahías de retorno no pueden ser utilizadas en su totalidad porque<br />
causarían bloqueos de tráfico.<br />
3.8. Errores residuales<br />
Si el analista ha verificado en campo sus expectativas de tráfico y ha<br />
agotado todos los posibles errores de entrada de datos, y sigue sin quedar<br />
satisfecho, aun hay algunas posibilidades. La simulación deseada puede estar<br />
más allá de las capacidades del software o puede existir algún error en el mismo.<br />
Las limitaciones del software se pueden identificar con una revisión<br />
cuidadosa de la documentación del mismo. Si las limitaciones del software son un<br />
problema, el analista tendrá que trabajar alrededor de las limitaciones “truqueando<br />
o forzando” el modelo para producir el funcionamiento deseado.<br />
Los errores del software pueden ser examinados con simples pruebas de<br />
codificación de problemas (tales como un arco o intersección) donde el resultado<br />
(tal como capacidad o velocidad promedio) puede ser obtenido manualmente y<br />
compararse con el modelo.<br />
3.9. Punto de decisión clave<br />
Antes de concentrarse en la calibración del modelo, el analista deberá<br />
confirmar que ha sido realizada en su totalidad la detección de errores,<br />
específicamente que:<br />
Todos los datos de entrada sean correctos.<br />
Los valores de todos los parámetros iníciales y parámetros<br />
predeterminados sean razonables.<br />
Las animaciones resultantes se vean bien en base al juicio del analista o<br />
inspecciones en campo.<br />
75
Una vez que la detección de errores ha sido finalizada, el analista cuenta ya<br />
con un modelo en funcionamiento (aunque aún no esté calibrado).<br />
3.10. Calibración de los modelos de microsimulación<br />
Una vez realizadas las tareas de de detección de errores, el analista tiene<br />
un modelo funcionando, sin calibración, en este punto el analista no tiene la<br />
seguridad que el modelo prediga correctamente el rendimiento del tráfico para el<br />
proyecto.<br />
La calibración es el ajuste de los parámetros del modelo para mejorar la<br />
habilidad de este de reproducir el comportamiento local del conductor y las<br />
características de rendimiento del tráfico. La calibración es realizada en varios<br />
componentes del modelo en general.<br />
3.10.1. Objetivos de la calibración<br />
La calibración es necesaria porque puede esperarse que no haya un<br />
modelo único que tenga la misma precisión para todas las posibles condiciones de<br />
tráfico. Incluso el modelo de microsimulación más detallado contiene solo una<br />
porción de todas las variables que afectan las condiciones reales de tráfico. Desde<br />
que un modelo no único puede incluir todo el universo de variables, cada modelo<br />
debe ser adaptado a las condiciones locales.<br />
Cada software de microsimulación viene con un conjunto de parámetros<br />
ajustables que tienen como propósito la calibración del modelo a las condiciones<br />
locales, por lo tanto, el objetivo de la calibración es encontrar un conjunto de<br />
valores de parámetros para el modelo que reproduzca de mejor forma las<br />
condiciones locales de tráfico.<br />
Para conveniencia del analista, los desarrolladores del software<br />
proporcionan valores predeterminados sugeridos para los parámetros del modelo,<br />
de cualquier modo, solo bajo circunstancias muy raras el modelo producirá<br />
resultados exactos para un área específica usando solo los valores<br />
76
predeterminados de parámetros. El analista siempre debe realizar algunas<br />
pruebas de calibración para asegurarse que el modelo codificado reproduce con<br />
precisión el comportamiento y las condiciones locales de tráfico.<br />
El fundamento supuesto de la calibración es que los modelos de<br />
comportamiento de viaje en el modelo de simulación son esencialmente de<br />
sólidos, no hay necesidad de verificar que ellos producen el retraso correcto, el<br />
tiempo de viaje y la densidad cuando ellos dan los parámetro de entrada correctos<br />
para la conexión, por lo tanto, la única tarea restante para el analista es ajustar los<br />
parámetros de manera que los modelos predigan correctamente las condiciones<br />
locales de tráfico.<br />
3.10.2. Aproximación de la calibración<br />
La calibración involucra la revisión y ajuste de cientos de parámetros del<br />
modelo, cada uno de los cuales impacta el resultado de la simulación en una<br />
manera que muy a menudo está relacionada con la de los otros. El analista puede<br />
quedar atrapado fácilmente en un proceso circular de nunca acabar reparando un<br />
problema solo para encontrar que aparece uno nuevo en algún otro lugar. Por lo<br />
tanto, es esencial dividir el proceso de calibración en series de pasos lógicos<br />
consecutivos, es decir, en una estrategia para calibración.<br />
Para hacer una calibración práctica, los parámetros deben ser divididos en<br />
categorías y cada categoría deber ser tratada por separado. El analista debe<br />
dividir los parámetros disponibles de calibración en las siguientes dos categorías<br />
básicas:<br />
Parámetros que el analista está seguro acerca de ellos y no desea<br />
ajustarlos.<br />
Parámetros que el analista está menos seguro acerca de ellos y está<br />
dispuesto a ajustarlos.<br />
El analista debe intentar conservar el conjunto de parámetros ajustables tan<br />
reducido como sea posible para minimizar el esfuerzo requerido en su calibración.<br />
77
Cada vez que sea posible el analista debe usar los datos observados en campo<br />
para reflejar las condiciones locales, estos datos observados servirán como<br />
valores no ajustables para determinados parámetros de calibración, dejando el<br />
conjunto de parámetros ajustables al mínimo. La compensación es que más<br />
parámetros permiten al analista más grados de libertad para mejorar el modelo<br />
calibrado a la ubicación específica.<br />
El conjunto de parámetros ajustables es nuevamente dividido en los que<br />
impactan directamente la capacidad y los impactan directamente la elección de<br />
ruta. Primero se debe calibrar los parámetros ajustables de capacidad y después<br />
los de elección de ruta.<br />
Cada conjunto de parámetros ajustables puede ser nuevamente dividido en<br />
aquellos que afectan la simulación en forma global y en los que la afectan en<br />
puntos específicos. Primero se calibran los parámetros globales y después los<br />
parámetros locales para ajustar los resultados.<br />
Los tres pasos a seguir recomendados para la calibración:<br />
Estrategia de calibración:<br />
1. Calibración de la capacidad. Una calibración inicial es realizada para<br />
identificar los valores para ajustar el parámetro de ajuste de la capacidad<br />
que hacen que el modelo reproduzca mejor las capacidades de tráfico<br />
observadas en este archivo. Primero se realiza una calibración global,<br />
seguida por la afinación de enlaces específicos. El HCM puede ser usado<br />
como un recurso alternativo de capacidad de los valores objetivo si las<br />
mediciones en campo no son posibles.<br />
2. Calibración de la elección de la ruta. Si la microsimulación del modelo<br />
incluye calles paralelas la elección de la ruta será importante. En este caso<br />
una segunda calibración del proceso es realizada pero esta vez con los<br />
parámetros de la ruta escogida. Primero se hace una calibración global<br />
seguida por la afinación de enlaces específicos.<br />
78
3. Calibración del rendimiento del sistema. Finalmente, las estimaciones<br />
generales del modelo de rendimiento de sistema (tiempos de viaje y filas)<br />
son comparados a las mediciones de campo para filas y tiempos de viaje.<br />
Los ajustes son hechos para que el modelo iguale las mediciones de<br />
campo.<br />
Paso 1: calibración para capacidad.<br />
El paso de la calibración de la capacidad ajusta los parámetros globales y la<br />
relación de capacidad en el modelo de simulación para hacer una mejor replica de<br />
las mediciones en campo para capacidad. Este es un paso importante porque la<br />
capacidad tiene un efecto significativo en la predicción del sistema realizado<br />
(demoras y filas). El objetivo de este paso de calibración es encontrar una serie de<br />
parámetros de modelo que hacen que el mismo se acerque lo más posible a las<br />
mediciones de campo para la capacidad de tráfico.<br />
La calibración de capacidad consiste en dos fases: 1 Una fase de<br />
calibración global y 2 una fase de ajuste fino. La calibración global se realiza<br />
primero para identificar el valor de la red apropiado de los parámetros de<br />
capacidad que reproduzca las mejores condiciones en campo. El vínculo<br />
específico de los parámetros de capacidad es ajustado finalmente al modelo así<br />
que es igualado con más precisión a las capacidades medidas en campo en cada<br />
embotellamiento.<br />
El procedimiento de la calibración de la capacidad es como sigue:<br />
1. Recoger las mediciones de capacidad de campo.<br />
2. Obtener estimaciones del modelo de capacidad.<br />
3. Seleccionar parámetros de calibración.<br />
4. Establecer la función objetivo de la calibración.<br />
5. Realizar una búsqueda para un valor óptimo del parámetro.<br />
6. Afinar la calibración.<br />
Recoger las mediciones realizadas en campo de capacidad.<br />
79
La identificación de los lugares para las mediciones de capacidad en campo<br />
dependerá de las condiciones de tráfico existente dentro del área de estudio.<br />
Para vialidades no señalizadas (autopistas, carreteras y caminos rurales), el<br />
análisis deberá identificar los lugares donde las filas persisten por lo menos 15<br />
minutos y medir el flujo en el punto donde la fila descarga. Este flujo observado es<br />
medido solo mientras la fila está presente.<br />
Obtener las estimaciones modelo de capacidad<br />
Los modelos de microsimulación no producen un número llamado<br />
“capacidad”, en lugar de eso producen un número de vehículos que pasan en un<br />
punto determinado. Por lo tanto el analista deberá manipular la demanda de<br />
entrada necesaria para crear una fila para la sección objetivo a calibrar, así que el<br />
modelo reportará el flujo máximo posible a través del embotellamiento.<br />
Si inicialmente el modelo no muestra congestión igual al embotellamiento<br />
que existe en campo, entonces las demandas codificadas en el modelo son<br />
temporalmente incrementadas para forzar la creación de esos embotellamientos.<br />
Estos incrementos temporales deberán ser eliminados después de que la<br />
calibración de capacidad esté completa, pero antes del paso de calibración de la<br />
elección de ruta.<br />
Si inicialmente el modelo muestra embotellamientos en lugares que no<br />
existen en campo, será necesario incrementar temporalmente la capacidad de<br />
esos embotellamientos falsos (usando ajustes temporales de vínculos específicos<br />
en progreso). Estos ajustes temporales son eliminados durante la fase de<br />
afinación.<br />
Para instalaciones no señalizadas (autopistas, carreteras y caminos<br />
rurales), la fila de coches simulada deberá persistir por lo menos 15 minutos del<br />
tiempo simulado a través de todos los carriles y enlaces de alimentación de la<br />
sección objetivo. La capacidad simulada es el flujo medio en la sección objetivo<br />
(medida en el detector colocado en la sección objetivo y sumado en todos los<br />
80
carriles) sobre 15 minutos en promedio o periodos más largos presentes en la fila<br />
de coches. El resultado es dividido por el número de carriles y es convertido a un<br />
flujo horario.<br />
Para intersecciones señalizadas, la demanda en el modelo deberá ser<br />
incrementada tanto como para garantizar la fila necesaria de por lo menos 10<br />
vehículos al comienzo de la fase verde. Un detector es colocado en el modelo en<br />
la línea de parada para medir los intervalos de descarga de los primeros 10<br />
vehículos pasan el detector en cada carril. Los intervalos por línea son en<br />
promedio para cada carril y en promedio a través de los carriles. El resultado es<br />
convertido a un flujo horario por carril.<br />
Al igual que las mediciones de capacidad en campo fueron repetidas varias<br />
veces y los resultados fueron el promedio, la corrida del modelo será repetida<br />
varias veces y el flujo máximo en cada lugar deberá ser el promedio de todas las<br />
corridas.<br />
Seleccionar parámetros de calibración.<br />
Solo los parámetros del modelo que directamente afectan la capacidad son<br />
calibrados esta vez. Cada programa de microsimulación tiene su propio conjunto<br />
de parámetros que afectan la capacidad dependiendo en específico de los<br />
vehículos seguidos y el cambio de carriles implementado en el programa. El<br />
analista deberá revisar la documentación del programa y seleccionar uno o dos de<br />
esos parámetros para calibración.<br />
Este capítulo no intenta describir todos los parámetros para todos los<br />
modelos de microsimulación disponibles. A continuación se muestra una lista<br />
ilustrativa relacionada a los parámetros de capacidad para autopistas y arterias<br />
señalizadas:<br />
Autopistas:<br />
Promedio de los vehículos seguidos.<br />
Tiempo de reacción del conductor.<br />
81
Espacio crítico para cambiar de carril.<br />
Separación mínima para las condiciones de parada y de avanzar.<br />
Intersecciones señalizadas:<br />
Tiempo perdido de arranque.<br />
Descarga de fila de coches.<br />
Espacio aceptable para vueltas a la izquierda desprotegidas.<br />
Afinar la calibración<br />
Una vez que el valor global del parámetro de capacidad ha sido identificado,<br />
aún existirán algunos puntos donde el modelo realizado se desvía de las<br />
condiciones de campo. Por lo tanto la siguiente fase es afinar la capacidad<br />
prevista para emparejar las medidas de capacidad en las estaciones específicas lo<br />
más posible.<br />
Estos factores de ajustes de capacidad son usados para afinar la<br />
calibración del modelo. Estos factores de ajuste deben ser usados escasamente<br />
puesto que no están basados en comportamiento real. Son ajustes fijos que serán<br />
realizados a lo largo de todas las ejecuciones futuras del modelo de simulación.<br />
Paso 2: elección de la ruta de calibración.<br />
Una vez que el analista está satisfecho en la forma en que el modelo<br />
reproduce las medidas de capacidad, el siguiente paso es calibrar los parámetros<br />
de elección de ruta para simular mejor los flujos observados. Los ajustes de<br />
demanda temporal usados en la calibración de capacidad en el paso anterior son<br />
reservados. Los volúmenes del modelo previsto son comparados con los conteos<br />
de campo y el analista ajusta los parámetros del algoritmo de elección de ruta<br />
hasta que el mejor ajuste de volumen es logrado.<br />
La calibración de elección de ruta se compone de 2 fases: 1) calibración global y<br />
2) Afinación.<br />
82
Calibración Global.<br />
La calibración global de elección de ruta consiste en la aplicación de un<br />
algoritmo y parámetros asociados. Los parámetros específicos varían de acuerdo<br />
al algoritmo y programa del software, pero normalmente involucran coeficientes<br />
correctores puestos en el costo actual y tiempo de viaje para cada ruta. El analista<br />
deberá revisar la información del software y seleccionar uno o dos de estos<br />
parámetros de calibración. Entonces, la calibración global procede de la misma<br />
forma como se hizo la calibración de capacidad.<br />
Afinación<br />
Una vez que se ha finalizado la calibración global, los ajustes en<br />
conexiones específicas de costo y velocidad se realizan durante la fase de<br />
afinación. La afinación se ha finalizado cuando los objetivos de calibración para<br />
volúmenes han sido reunidos.<br />
Paso 3: calibración del rendimiento del sistema<br />
En este paso de la calibración, el rendimiento de todo el tráfico estimado<br />
para un funcionamiento total del modelo es comparado con las mediciones de<br />
campo de tiempo de viaje, longitudes y duración de filas. El analista afina las<br />
velocidades libres de conexión y la capacidad de esta para mejorar la similitud con<br />
las condiciones de campo, ya que los cambios realizados en este paso pueden<br />
poner en peligro los últimos dos pasos de la calibración, estos cambios rara vez se<br />
realizan.<br />
83
4. CONSTRUCCIÓN, CALIBRACIÓN Y VALIDACIÓN DEL MODELO<br />
4.1. Estudios de Ingeniería de tránsito<br />
En este apartado se buscó la información más actualizada al momento por<br />
lo que se indagó en diferentes dependencias gubernamentales, obteniendo un<br />
estudio para gobierno del Estado, “Estudio de origen - destino en el Distribuidor<br />
Vial 5 de Febrero”. Mismo que a continuación se describe.<br />
La figura 7 muestra los cuatro tipos de estudios de campo que se llevaron a<br />
cabo en las dieciocho estaciones, una estación de aforos automático, cuatro<br />
estaciones de aforo manual en intersecciones semaforizadas, ocho estaciones de<br />
aforo en vías y cinco estaciones para el estudio de placas. Cabe destacar que el<br />
periodo de toma de información fue de tres semanas.<br />
Al Celaya<br />
Vía Cuota<br />
A San Luis<br />
Potosí<br />
Centro<br />
Comercial<br />
Al Celaya<br />
Vía Libre<br />
•Aforo automático de 24<br />
horas 7 días a la semana,<br />
•Aforo manual de 16 horas<br />
1 día entre semana,<br />
•Geometría conceptual.<br />
•Tiempos de Semáforo<br />
Figura 8 Estudios de campo realizados en estaciones<br />
Fuente: Elaboración a partir de Imagen de Google Earth<br />
84<br />
Al Centro de<br />
Querétaro<br />
Al Distrito<br />
Federal<br />
N<br />
•Aforo manual de 16 horas<br />
1 día entre semana,<br />
•Geometría conceptual.<br />
•Estudio de accesos y<br />
salidas por registro de<br />
placas.
Topografía de la zona<br />
Se recurrió nuevamente a indagar información actual de la topografía de la<br />
zona, obteniendo un plano actualizado por medio de la Secretaria de Desarrollo<br />
Urbano y Obras públicas del Estado de Querétaro. El cual se analizó y se realizó<br />
el siguiente diagnostico actual.<br />
Comportamiento vehicular<br />
La recopilación de esta información consiste en conocer el tamaño, la<br />
composición y las velocidades de los diversos flujos de vehículos que se mueven<br />
por todo el distribuidor. Las estaciones analizadas en esta sección se muestran en<br />
la figura 8.<br />
Aforos<br />
Estación 4<br />
Estación 5<br />
Estación 7<br />
Estación 3<br />
Figura 9 Estaciones en intersecciones no-semaforizadas<br />
Fuente: Elaboración a partir de Imagen de Google Earth<br />
Esta actividad corresponde al conteo de la cantidad de vehículos que<br />
circulan por las diferentes vialidades del distribuidor, realizando distintos<br />
85<br />
Estación 1<br />
Estación 6<br />
N<br />
Estación 2
movimientos en cuerpos centrales, laterales o gazas. Este estudio se puede hacer<br />
mediante aparatos de conteo o mediante conteos a cargo de personal. Con esta<br />
información se puede obtener el número de autos que ingresa por cualquier<br />
acceso a la zona del proyecto, restando solo conocer sus movimientos al interior.<br />
Aforos direccionales<br />
El conteo de estos automóviles se llevó a cabo durante dieciséis horas un<br />
día entre semana representativo. Con este aforo se obtuvieron dos histogramas,<br />
los cuales se muestran en la figura 9 y 10, con los cuales se pudieron determinar<br />
las horas de máxima demanda (para ver con más detalle los aforos direccionales<br />
referirse al anexo II).<br />
VOLUMEN VEHICULAR<br />
5,000<br />
4,500<br />
4,000<br />
3,500<br />
3,000<br />
2,500<br />
2,000<br />
1,500<br />
1,000<br />
500<br />
0<br />
06:00<br />
06:15<br />
06:30<br />
06:45<br />
07:00<br />
07:15<br />
07:30<br />
07:45<br />
08:00<br />
08:15<br />
08:30<br />
08:45<br />
09:00<br />
09:15<br />
09:30<br />
09:45<br />
10:00<br />
10:15<br />
10:30<br />
10:45<br />
11:00<br />
11:15<br />
11:30<br />
11:45<br />
12:00<br />
12:15<br />
12:30<br />
12:45<br />
13:00<br />
13:15<br />
13:30<br />
13:45<br />
14:00<br />
14:15<br />
14:30<br />
14:45<br />
15:00<br />
15:15<br />
15:30<br />
15:45<br />
16:00<br />
16:15<br />
16:30<br />
16:45<br />
17:00<br />
17:15<br />
17:30<br />
17:45<br />
18:00<br />
18:15<br />
18:30<br />
18:45<br />
19:00<br />
19:15<br />
19:30<br />
19:45<br />
20:00<br />
20:15<br />
20:30<br />
20:45<br />
21:00<br />
21:15<br />
21:30<br />
21:45<br />
INTERVALO DE MEDICIÓN - 15 MINUTOS<br />
Autos Taxi Combi/Van Microbús Autobús B2 B3 C2 C3 C4 C5 C6 C7 o Más<br />
Figura 10 <strong>Histograma</strong> del comportamiento vehicular por periodos de 15 minutos<br />
Fuente: Comunicación personal SDUOP.<br />
86
VOLUMEN VEHICULAR<br />
18,000<br />
16,000<br />
14,000<br />
12,000<br />
10,000<br />
8,000<br />
6,000<br />
4,000<br />
2,000<br />
0<br />
06:00 - 07:00<br />
06:15 - 07:15<br />
06:30 - 07:30<br />
06:45 - 07:45<br />
07:00 - 08:00<br />
07:15 - 08:15<br />
07:30 - 08:30<br />
07:45 - 08:45<br />
08:00 - 09:00<br />
08:15 - 09:15<br />
08:30 - 09:30<br />
08:45 - 09:45<br />
09:00 - 10:00<br />
09:15 - 10:15<br />
09:30 - 10:30<br />
09:45 - 10:45<br />
10:00 - 11:00<br />
10:15 - 11:15<br />
10:30 - 11:30<br />
10:45 - 10:45<br />
11:00 - 12:00<br />
11:15 - 12:15<br />
11:30 - 12:30<br />
11:45 - 12:45<br />
12:00 - 13:00<br />
12:15 - 13:15<br />
12:30 - 13:30<br />
12:45 - 13:45<br />
13:00 - 14:00<br />
13:15 - 14:15<br />
13:30 - 14:30<br />
13:45 - 14:45<br />
14:00 - 15:00<br />
14:15 - 15:15<br />
14:30 - 15:30<br />
14:45 - 15:45<br />
15:00 - 16:00<br />
15:15 - 16:15<br />
15:30 - 16:30<br />
15:45 - 16:45<br />
16:00 - 17:00<br />
16:15 - 17:15<br />
16:30 - 17:30<br />
16:45 - 17:45<br />
17:00 - 18:00<br />
17:15 - 18:15<br />
17:30 - 18:30<br />
17:45 - 18:45<br />
18:00 - 19:00<br />
18:15 - 19:15<br />
18:30 - 19:30<br />
18:45 - 19:45<br />
19:00 - 20:00<br />
19:15 - 20:15<br />
19:30 - 20:30<br />
19:45 - 20:45<br />
20:00 - 21:00<br />
20:15 - 21:15<br />
20:30 - 21:30<br />
20:45 - 21:45<br />
21:00 - 22:00<br />
INTERVALO DE MEDICIÓN - 1 HORA<br />
Autos Taxi Combi/Van Microbús Autobús B2<br />
B3 C2 C3 C4 C5 C6<br />
C7 o Mas Del Centro De México De Celaya Libre De Celaya Autopista De 5 de Febrero<br />
Figura 11 <strong>Histograma</strong> del comportamiento vehicular por periodos de 1 hora<br />
Fuente: Comunicación personal SDUOP.<br />
Estas horas de máxima demanda son de 7:00 a 8:00 hrs. de 14:00 a 15:00<br />
hrs. y de 18:30 a 19:30 hrs. Siendo la primera la más conflictiva y la de medio día<br />
la menos. Los esquemas se muestran en la siguiente figura 11.<br />
87
953<br />
529<br />
753<br />
10216<br />
6821<br />
4778<br />
5007<br />
71975<br />
4344<br />
3400<br />
4694<br />
56709<br />
4.1.1. Estudio de placas<br />
Figura 12 Accesos al distribuidor en hora de máxima demanda<br />
Fuente: Elaboración propia a partir de Imagen de Google Earth.<br />
Hora de Máx Demanda AM 07:00 - 08:00<br />
Hora de Máx Demanda MD 14:00 - 15:00<br />
Hora de Máx Demanda PM 18:30 - 19:30<br />
Para conocer el movimiento al interior del distribuidor de los flujos que<br />
ingresan al mismo, se llevó a cabo un estudio de placas, el cual consiste en tomar<br />
muestreos mayores de los números de placa de los vehículos que entran y salen<br />
del distribuidor. Posteriormente se busca relacionar los números de placa de<br />
entrada con los de salida, obteniendo así pares de viajes con los cuales se puede<br />
estimar todos los movimientos que se dan al interior de la zona de estudio. La<br />
88<br />
2258<br />
2492<br />
2965<br />
34787<br />
Volumen Total: 19 571<br />
Volumen Total: 15 970<br />
Volumen Total: 18 388<br />
16 Horas 06:00 – 22:00 Volumen Total: 242 593<br />
5195<br />
4771<br />
4969<br />
68906
Figura 12 muestra en donde se colocaron las cinco estaciones bidireccionales<br />
para el estudio de placas y el área de estudio que cubrieron.<br />
Al Celaya<br />
Vía Cuota<br />
A San Luis<br />
Potosí<br />
Centro<br />
Comercial<br />
Al Celaya<br />
Vía Libre<br />
Figura 13 Estaciones de estudio de placas y su área de estudio<br />
Fuente: Elaboración a partir de Imagen de Google Earth.<br />
Los porcentajes de pares de viajes se elevan al número de autos que<br />
ingresan en el aforo, ya que este es solo un muestreo, proceso al cual se le llama<br />
expansión, para obtener los flujos reales. La Tabla 4 muestra la matriz de viajes al<br />
interior del distribuidor para la hora de máxima demanda matutina del lado<br />
izquierdo y la hora de máxima demanda vespertina del lado derecho.<br />
89<br />
Al Centro de<br />
Querétaro<br />
Al Distrito<br />
Federal<br />
N
Acceso Salida Autos Porcentaje<br />
<strong>Constituyentes</strong> 0 0%<br />
México Autopista 257 11%<br />
Celaya Libre 1076 48%<br />
Celaya Autopista 3 0%<br />
5 de Febrero 921 41%<br />
Total 2257 12%<br />
<strong>Constituyentes</strong> 429 8%<br />
México Autopista 0 0%<br />
Celaya Libre 1323 25%<br />
Celaya Autopista 298 6%<br />
5 de Febrero 3149 61%<br />
Total 5199 27%<br />
<strong>Constituyentes</strong> 2304 34%<br />
México Autopista 2172 32%<br />
Celaya Libre 0 0%<br />
Celaya Autopista 183 3%<br />
5 de Febrero 2163 32%<br />
Total 6822 35%<br />
<strong>Constituyentes</strong> 56 6%<br />
México Autopista 419 44%<br />
Celaya Libre 419 44%<br />
Celaya Autopista 0 0%<br />
5 de Febrero 59 6%<br />
Total 953 5%<br />
<strong>Constituyentes</strong> 150 3%<br />
México Autopista 3216 74%<br />
Celaya Libre 979 23%<br />
Celaya Autopista 1 0%<br />
5 de Febrero 0 0%<br />
Total 4346 22%<br />
Total de las 5 Vías<br />
19577 100%<br />
<strong>Constituyentes</strong><br />
<strong>Constituyentes</strong><br />
México México Autopista Autopista<br />
Celaya Celaya Libre Libre<br />
Celaya Celaya Autopista Autopista<br />
5 5 de de Febrero Febrero<br />
Tabla 4 Matriz de viajes al interior del distribuidor – hora de máxima demanda<br />
4.1.2. Tiempos de recorrido<br />
Fuente: Comunicación personal SDUOP.<br />
El estudio de tiempos de recorrido se lleva a cabo realizando recorridos a<br />
velocidades promedio con la técnica del auto flotante. Este recorrido debe<br />
realizarse antes, durante y después de la hora de máxima demanda mostrando un<br />
comportamiento de conducción vehicular similar al de los conductores que<br />
transitan la vía.<br />
4.2. Modelación en VISSIM<br />
El análisis de la situación actual es la base del estudio de ingeniería de<br />
tránsito, no solo por ser el punto de partida para el pronósticos de las situaciones a<br />
futuro, sino también porque a través de este podremos obtener indicadores<br />
exactos de la problemática que el área en estudio presenta al día de hoy, los<br />
cuales serán el sustento para presentar las distintas alternativas de solución.<br />
Estas alternativas de solución deben resolver la problemática actual antes de<br />
poder ser evaluados para medir su desempeño en una situación futura.<br />
90<br />
Acceso Salida Autos Porcentaje<br />
<strong>Constituyentes</strong> 0 0%<br />
México Autopista 344 12%<br />
Celaya Libre 1658 56%<br />
Celaya Autopista 0 0%<br />
5 de Febrero 962 32%<br />
Total 2964 16%<br />
<strong>Constituyentes</strong> 152 3%<br />
México Autopista 0 0%<br />
Celaya Libre 410 8%<br />
Celaya Autopista 1582 32%<br />
5 de Febrero 2811 57%<br />
Total 4955 27%<br />
<strong>Constituyentes</strong> 2272 45%<br />
México Autopista 1829 37%<br />
Celaya Libre 0 0%<br />
Celaya Autopista 511 10%<br />
5 de Febrero 393 8%<br />
Total 5005 27%<br />
<strong>Constituyentes</strong> 83 11%<br />
México Autopista 328 44%<br />
Celaya Libre 328 44%<br />
Celaya Autopista 0 0%<br />
5 de Febrero 14 2%<br />
Total 753 4%<br />
<strong>Constituyentes</strong> 201 4%<br />
México Autopista 3281 70%<br />
Celaya Libre 1228 26%<br />
Celaya Autopista 1 0%<br />
5 de Febrero 0 0%<br />
Total 4711 26%<br />
Total de las 5 Vías<br />
18388 100%<br />
<strong>Constituyentes</strong><br />
<strong>Constituyentes</strong><br />
México México Autopista Autopista<br />
Celaya Celaya Libre Libre<br />
Celaya Celaya Autopista Autopista<br />
5 5 de de Febrero Febrero
El programa de simulación VISSIM es un paquete ofrecido por la empresa<br />
alemana Planung Transport Verkehr (PTV), la cual cuenta con más de treinta años<br />
de investigación en el tema a cargo de la universidad de Karlsruhe.<br />
4.2.1. Construcción del modelo<br />
La construcción de un modelo de microsimulación requiere de un proceso<br />
en el cual se alimenta el modelo con toda la información recolectada. Entre más<br />
parámetros sean alimentados con datos precisos, mayor será la exactitud del<br />
modelo al simular el área de estudio. La construcción del modelo se divide en tres<br />
fases, trazado de la red, programación de elementos de control e ingreso de la<br />
demanda vehicular. El éxito en la modelación de estos tres rubros determinará la<br />
precisión de la simulación.<br />
4.2.2. Trazado de la red<br />
VISSIM ofrece dos herramientas básicas para el trazado de vialidades, los<br />
cuales se muestran en la figura 14, los llamados enlaces se muestran en azul y los<br />
conectores en rosa. Los enlaces simulan todas las vialidades, por lo que se les<br />
debe especificar sentido, número de carriles y ancho de los mismos, también se<br />
puede especificar si está permitido o no el estacionamiento en vía. Los conectores<br />
por otro parte sirven para definir qué movimiento se puede dar entre un conector y<br />
otro y más específicamente entre que carriles de ambos enlaces.<br />
91
Figura 14 Red esquemática trazada en VISSIM<br />
Fuente: Elaboración a partir de Imagen de Google Earth.<br />
Tanto los enlaces como los conectores pueden ser programados con<br />
velocidades deseadas, las cuales intentarán seguir los vehículos que transiten por<br />
ellos, reduciendo o aumentando las velocidades con la que ingresan a estos, si el<br />
nivel de congestionamiento así lo permite. La red se puede trazar con la ayuda de<br />
un fondo ya sea una fotografía aérea a un modelo CAD, de aquí la importancia de<br />
la exactitud en el trazado.<br />
92
Figura 15 Red tridimensional trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
4.2.3. Programación de elementos de control<br />
Los elementos de control se pueden dividir en obligatorios y optativos. Los<br />
elementos de control obligatorios contemplan el comportamiento que los<br />
conductores deben obedecer de manera obligatoria, tal como los semáforos y los<br />
señalamientos verticales, como alto y ceda el paso.<br />
Figura 16 Área de conflicto insertada en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
93
Los elementos de control optativos son aquellos que pueden reflejar el<br />
comportamiento de los conductores, ya que en base a un cálculo algorítmico estos<br />
presentan una gama de estilos de conducción. La figura 16 muestra un entronque<br />
en el cual desembocan dos carriles de una vía y tres de otra, en únicamente<br />
cuatro carriles de la nueva vía. El comportamiento de ceda el paso en el entronque<br />
debe ser ingresado en el modelo de simulación, dependiendo de qué vía tenga<br />
preferencia y de que tanto puedan aproximarse los vehículos unos de otros.<br />
4.2.4. Demanda vehicular<br />
La demanda vehicular es la cantidad es vehículos que se programará para<br />
que entren a la red en estudio. Dicha programación se puede llevarse a cabo en<br />
cada enlace que se desee, como se muestra en la figura 17, generalmente<br />
perteneciente al perímetro. Para el distribuidor en específico se manejo la entrada<br />
de vehículos desde dieciséis enlaces, los cuales pueden observarse en la figura<br />
18. Estos enlaces fueron las laterales y centrales de las cinco vías principales que<br />
confluyen más las de las vías que desembocan en la zona de estudio.<br />
Figura 17 Ingreso de flujos en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
94
Cada uno de estos flujos puede ser programado para que aumente o<br />
disminuya en diferentes momentos. Debido a las limitaciones de licencia del<br />
programa VISSIM la generación de la asignación de flujos del distribuidor fueron<br />
estáticos. Cada flujo también posee una composición vehicular específica, la cual<br />
incluye un porcentaje de autos, buses y camiones. Para este caso se obtuvo del<br />
estudio de aforo la composición vehicular de las cinco vías principales, el cual se<br />
muestra en la figura 19.<br />
Figura 18 Ingreso de flujos en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
95
Figura 19 Composiciones vehiculares ingresadas en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
Una vez que los vehículos han ingresado a la red, estos deben enfrentar<br />
decisiones cuando llegan a un entronque. VISSIM ofrece la herramienta de rutas<br />
estáticas, dentro de las cuales se plantean porcentajes vehiculares que tomen<br />
cada una de las opciones ofrecidas. La figura 20 da un ejemplo de cuatro distintas<br />
rutas que se dan para los vehículos que ingresan a un enlace en donde se tendrá<br />
que tomar una decisión. Para la red trazada se contemplaron diversas rutas en<br />
veintidós enlaces.<br />
96
Figura 20 Ejemplo de rutas marcada para un enlace en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
Figura 21 Rutas marcadas en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
97
4.3. Calibración de la red<br />
Una vez que se tiene construido el modelo, este debe ser calibrado para<br />
que la simulación que este lleve a cabo refleje fielmente lo que sucede en la<br />
realidad.<br />
Existen tres variables para el comportamiento de un entronque donde la<br />
sección se reduce. La primera es una preferencia total por parte de una de las<br />
vías, como la que se muestra en la figura 22, en la cual el flujo que entre por la<br />
vía en verde siempre tendrá preferencia sobre el que entre por la vía en rojo. La<br />
segunda es una preferencia parcial de cualquiera de las vías cuando exista<br />
acumulación en alguna de estas y se abra un espacio en la otra. La tercera es un<br />
ceda el paso de uno a uno entre cada uno de los vehículos en cualquiera de las<br />
vías.<br />
Figura 22 Esquema de preferencia en un entronque en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
El comportamiento de estos entronques influye directamente en la longitud<br />
de las colas que se generan, como se muestra en las figuras 23 y 24. La dinámica<br />
del entronque puede ser medida en base a la longitud de las colas observadas en<br />
98
campo y las de las colas que se generan en el modelo que nos ofrecen un<br />
parámetro de comparación con el cual el entronque puede ser calibrado. El<br />
entronque debe ser modificado una y otra vez, hasta que las colas simuladas en el<br />
modelo reflejen las colas observadas en la situación real.<br />
Figura 23 Comportamiento de colas en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
99
Conteos de vehículos en salidas<br />
Figura 24 Comportamiento de entronques en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
El programa de microsimulación plantea que un vehículo debe buscar<br />
cambiarse al carril que lo lleve hacia su ruta programada durante los últimos<br />
doscientos metros antes de un entronque. De no lograrse lo anterior debido a una<br />
vía saturada, el vehículo debe realizar un alto de emergencia quince metros antes<br />
del entronque e intentar cambiarse al carril que su ruta le exige. Sin embargo si<br />
este no logra realizar el cambio de carril ya están detenido, en un periodo de<br />
treinta segundos, el programa desaparecer este vehículo de la red para que no<br />
cause congestionamientos mayores.<br />
La experiencia e instrucción en la utilización de este paquete plantea que<br />
una red congestionada, menor a los cincuenta kilómetros de vía no debe perder<br />
más del dos por ciento de los vehículos totales que se mueven en la red durante<br />
toda la simulación, para no disminuir su índice de confiabilidad. Para ello se<br />
colocan puntos de aforo dentro de la simulación en los enlaces de salida, como se<br />
100
muestra en la figura 25, los cuales contabilizan los vehículos que salen. Estos<br />
deben corresponder a los de entrada en más de un noventa y ocho por ciento,<br />
esto con la finalidad de que el modelo tenga un índice de confiabilidad aceptable.<br />
Figura 25 Conteos de salida en la red trazada en VISSIM<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
4.3.1. Parámetros de la situación actual<br />
Una vez calibrada la situación actual se prosigue a realizar una serie de<br />
corridas de la simulación con distintos orígenes de flujo. Cada una de estos<br />
orígenes de flujo presenta una serie de envíos aleatorios de los flujos previamente<br />
ingresados en el modelo. El modelo es de tipo estocástico y no de tipo<br />
determinístico, lo que significa que si un auto llega un segundo antes o un<br />
segundo después, esto hará que la interacción entre los vehículos sea distinta.<br />
Los resultados deben variar, aunque no de manera significativa, debido a estos<br />
envíos aleatorios.<br />
Finalmente estos resultados son promediados y exportados a tablas, las<br />
cuales nos permitan observar todos los indicadores de la situación actual. Los<br />
indicadores más relevantes que se presentan en los estudios de ingeniería de<br />
tránsito son las demoras expresadas en niveles de servicio del tiempo extra de<br />
101
cruce por una zona, las longitudes de colas que se generan en los puntos de<br />
conflicto y las velocidades de recorrido que se dan en las distintas vialidades de la<br />
red.<br />
4.4. Validación del modelo en base a la velocidad<br />
Para este objetivo se seguirá la siguiente metodología:<br />
1.- Obtención de datos en campo de longitud, para este caso se tienen 20 rutas<br />
principales, las cuales se muestran en la tabla 6.<br />
2.- De las 20 rutas se hicieron 48 recorridos por ruta, los cuales se tomaron 2 por<br />
ruta por día los días martes, miércoles y jueves durante 8 semanas.<br />
3.- Los datos se agruparon por ruta y se determinó su estadística descriptiva así<br />
como el histograma y polígono de frecuencia.<br />
En la tabla 5 y figura 26 se muestra el ejemplo de un movimiento estudiado (para<br />
conocer las estadísticas de cada uno de los movimientos y sus graficas, se puede<br />
referir al anexo II de este documento).<br />
Estudio de velocidades<br />
Tramo en estudio: Origen en Av. <strong>Constituyentes</strong> con destino México.<br />
Longitud del tramo estudiado: 1488 metros.<br />
Estadística descriptiva<br />
102
Velocidades <strong>Constituyentes</strong>-México<br />
Media 43.98<br />
Error típico 0.30<br />
Mediana 43.80<br />
Moda 43.00<br />
Desviación estándar 2.09<br />
Varianza de la muestra 4.36<br />
Curtosis 0.43<br />
Coeficiente de asimetría 0.69<br />
Rango 9.45<br />
Mínimo 40.45<br />
Máximo 49.90<br />
Suma 2110.91<br />
Cuenta 48.00<br />
K 6.60<br />
Amplitud 1.58<br />
Tabla 5 Estadística descriptiva de velocidades con origen Av. <strong>Constituyentes</strong> y destino México<br />
<strong>Histograma</strong> de Velocidades:<br />
Frecuencia ( #Autos)<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong><br />
Clase Velocidades (km/hr)<br />
Figura 26 <strong>Histograma</strong> de velocidades y polígono de frecuencias Av. <strong>Constituyentes</strong> – México<br />
103<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
De la tabla 6 a la tabla 8 se muestra un resumen de los 20 movimientos<br />
estudiados.<br />
LONGITUD DE LOS TRAMOS RECORRIDOS (M)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 1488 762 650 520<br />
México 821 1214 1126 1215<br />
Celaya Libre 762 672 1582 927<br />
Celaya Cuota 716 886 2085 1221<br />
5 de Febrero 1176 1438 1771 607<br />
Tabla 6 Longitud de los tramos recorridos en el distribuidor vial 5 de Febrero<br />
PROMEDIO DE VELOCIDADES (KM/HR)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 43.98 61.88 64.76 47.98<br />
México 22.88 13.36 29.44 26.48<br />
Celaya Libre 44.33 57.38 15.47 9.91<br />
Celaya Cuota 38.95 66.05 68.24 20.70<br />
5 de Febrero 16.91 27.96 25.36 55.84<br />
Tabla 7 Promedio de velocidades en el distribuidor vial 5 de Febrero<br />
TIEMPOS DE RECORRIDO REDONDEADOS (segundos)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 121 62 66 60<br />
México 129 334 138 163<br />
Celaya Libre 61 42 374 351<br />
Celaya Cuota 66 48 110 205<br />
5 de Febrero 247 187 260 39<br />
Tabla 8 Tiempo de recorridos redondeados en el distribuidor vial 5 de Febrero<br />
Calibración y validación<br />
manera;<br />
Para la calibración y validación del modelo, se procedió de la siguiente<br />
1.- Construido el modelo (características geométricas) se ingresan los flujos<br />
correspondientes a las 20 rutas (matriz O-D)<br />
2.- Se corre el modelo para verificar funcionamiento<br />
3.- Se ingresan las distribuciones de velocidades obtenidas en campo (parámetro<br />
de velocidad)<br />
104
4.-Se colocan aforadores virtuales en las 20 rutas, con el fin de tomar datos de<br />
tiempos de recorrido, velocidades y volúmenes.<br />
5.-Se corre el modelo<br />
6.-Se obtienen las corridas de la simulación con datos de velocidades por cada<br />
punto de aforo (20 rutas)<br />
7.- Con la información obtenida de la simulación y los datos de campo obtenidos<br />
descritos en el subcapítulo 4.4 se realiza una correlación lineal de datos.<br />
8.- Si la correlación de datos (velocidades) arroja un R=>0.90 y no se tiene un<br />
diferencia mayor al 5% en los flujos (aforos vehiculares), se considera confiable el<br />
modelo de tal suerte que el modelo base queda validado y calibrado en caso<br />
contrario se regresa al punto 3 y se corrigen parámetros del modelo hasta<br />
alcanzar los valores deseados.<br />
De la figura 27 a 31 se muestra el resumen en forma de graficas del estudio<br />
de correlación entre las velocidades de campo y las velocidades obtenidas en el<br />
modelo VISSIM. Para un mejor entendimiento, se realizaron 5 graficas de las<br />
cuales cada una representa la correlación de velocidades con un origen y 4<br />
destinos, así podemos observar 4 regresiones lineales por grafica así como su<br />
correspondiente ecuación de regresión y el parámetro R2.<br />
105
Figura 27 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong><br />
Figura 28 Correlaciones de velocidades en recorridos con origen en México<br />
106
Figura 29 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong><br />
Figura 30 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong><br />
107
Figura 31 Correlaciones de velocidades en recorridos con origen en Av. <strong>Constituyentes</strong><br />
Como se pudo observar en las graficas anteriores, las correspondientes<br />
líneas de tendencia demuestran que la dispersión de los datos son aceptables<br />
tomando como criterio el parámetro R 2 con un valor de por lo menos de 0.90. A<br />
continuación se muestra una tabla resumen con los valores R 2 de todos los<br />
movimientos en estudio.<br />
PARÁMETRO R 2<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 0.960 0.968 0.988 0.980<br />
México 0.950 0.964 0.959 0.970<br />
Celaya Libre 0.932 0.963 0.936 0.957<br />
Celaya Cuota 0.972 0.973 0.971 0.940<br />
5 de Febrero 0.940 0.986 0.973 0.960<br />
Tabla 9 Resumen del parámetro R 2 , correlación de velocidades de campo vs. velocidades en<br />
VISSIM.<br />
108
Por consiguiente se da por calibrado y validado el modelo en base al<br />
parámetro de velocidades.<br />
Para los valores de los parámetros de brechas, aceleraciones y<br />
deceleraciones del modelo base, se opto por utilizar los valores por defecto del<br />
programa ya que los alcances de este documento no contemplan la obtención en<br />
campo de esta, sin embargo a continuación se dan los valores que el programa<br />
toma por defecto.<br />
CC0 Separación en detención: 1.5 m<br />
CC1 Intervalo: 0.9 s<br />
CC2 Variación de seguimiento: 4.00 m<br />
CC3 Inicio de seguimiento: -8.00<br />
CC4 Umbral de seguimiento neg: -0.35<br />
CC5 Umbral de seguimiento pos: 0.35<br />
CC6 Oscilación de la velocidad f(distancia): 11.44<br />
CC7 Oscilación de la aceleración: 0.25 m/s 2<br />
CC8 Aceleración de arranque: 3.5 m/s 2<br />
Figura 32 Curvas de aceleración por defecto del programa VISSIM, (vehículos ligeros a la izquierda y vehículos pesados<br />
a la derecha)<br />
109
5. RESULTADOS<br />
5.1. Demoras y niveles de servicio<br />
La demora es el tiempo extra que un vehículo tarda en cruzar una vía<br />
debido al congestionamiento o los semáforos. En términos del nivel de servicio, se<br />
emplea una clasificación que varía entre de A y F, en donde un nivel de servicio A<br />
corresponde a una validad completamente libre con demoras mínimas, y F<br />
corresponde a una vialidad completamente congestionada que ha superado su<br />
capacidad.<br />
Demora promedio<br />
Nivel de Servicio<br />
(segundos/ vehículo)<br />
A 80<br />
Tabla 10 Niveles de servicio por demoras<br />
Fuente: Manual de capacidad carretera.<br />
Los niveles de servicio y las demoras promedio para el año 2009 se<br />
muestran en la tabla 11.<br />
Periodo<br />
110<br />
Situación sin proyecto<br />
Demora (seg/veh) Nivel de servicio<br />
7:00-7:15 29.3 C<br />
7:15-7:30 43.4 D<br />
7:30-7:45 44.6 D<br />
7:45-8:00 53.2 D<br />
7:00-8:00 42.6 D<br />
Tabla 11 Niveles de servicio y demoras en segundos para la situación sin proyecto año 2009
5.1.1. Longitud de colas<br />
La longitud de colas es un indicador que denota claramente el problema de<br />
congestionamiento. Las colas dentro de un parámetro son aceptables para<br />
intersecciones semaforizadas, sin embargo estas no deben existir en un<br />
distribuidor de flujo continuo con pasos a desnivel. La figura 33 muestra los tres<br />
puntos de conflicto localizados en el distribuidor que denotan grandes longitudes<br />
de cola. La longitud de las colas se muestra para el año 2009 en la siguiente tabla:<br />
Punto de<br />
conflicto 3<br />
Punto de<br />
conflicto 2<br />
Figura 33 Esquema de puntos de conflicto por colas en el distribuidor<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
SIMULACIÓN SIN PROYECTO A.M. (metros)<br />
Periodo 7:00-7:15 7:15-7:30 7:30-7:45 7:45-8:00 7:00-8:00<br />
Punto 1 643 654 657 658 653<br />
Punto 2 491 504 510 513 504.5<br />
Punto 3 727 734 737 738 734<br />
Tabla 12 Longitudes de colas en metros para la situación sin proyecto año 2009<br />
111<br />
Punto de<br />
conflicto 1<br />
N
5.1.2. Tiempo de recorridos<br />
Los tiempos de recorrido son uno de los indicadores más usados, ya que<br />
muestran el tiempo promedio que un usuario promedio tarda en cruzar la vialidad.<br />
Estos tiempos se obtuvieron para el recorrido de los seis flujos directos, que se<br />
muestran en la figura 34, mismos que transitan por las tres vías bidireccionales<br />
principales del distribuidor.<br />
A autopista<br />
a Celaya<br />
A autopista<br />
a San Luís<br />
A carretera<br />
a Celaya<br />
Figura 34 Esquema de vías evaluadas con tiempos de recorrido en el distribuidor<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
SITUACIÓN SIN PROYECTO HMD (segundos)<br />
Origen /<br />
Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 121 62 66 60<br />
México 129 334 138 163<br />
Celaya Libre 61 42 374 351<br />
Celaya Cuota 66 48 110 205<br />
5 de Febrero 247 187 260 39<br />
Tabla 13 Tiempo de recorridos en segundos para la situación sin proyecto año 2009<br />
112<br />
A centro de<br />
Querétaro<br />
A autopista<br />
a México<br />
N
5.2. Revisión de propuesta de solución<br />
Como ultima parte de este trabajo se pretende realizar una revisión a una<br />
posible solución, se utilizará un modelo de microsimulación en el programa<br />
VISSIM y se compararan los resultados con los obtenidos para una situación sin<br />
proyecto.<br />
Observando los aforos así como las matriz de origen – destino, podemos<br />
ver claramente que los movimientos más congestionados se deben a demoras en<br />
gazas, mismas que se generan al tener un alto número de entrecruzamientos,<br />
analizando en dos partes el distribuidor es decir los movimientos de vuelta<br />
izquierda Norte-Sur Sur-Norte, podemos observar lo siguiente :<br />
1. Movimiento de los vehículos provenientes del norte en la hora de máxima<br />
demanda 18:30 a 19:30 hacia el sur (5 de Febrero-Celaya Libre) es de 1228<br />
vehículos, este flujo convive con el tránsito de 3281 vehículos que vienen<br />
en dirección Norte – Oriente (5 de Febrero – México), actualmente el<br />
movimiento Norte-Sur se realiza mediante la utilización de gazas, el<br />
problema principal radica en que no se cuenta con carriles de salida<br />
exclusivos, es decir es necesario un entrecruzamiento. El primer<br />
entrecruzamiento se realiza de la carretera 57 a la carretera 45, la carretera<br />
45 en esta zona cuenta con dos carriles de circulación por cuerpo y un<br />
aforo de 1992 vehículos en la HDM en dirección Oriente – Poniente<br />
(México-Celaya), al intentar ingresar un aforo de 1128 vehículos en dicha<br />
hora, se sobrepasa la capacidad máxima de esta vialidad (carretera 45)<br />
generando colas y demoras en la carretera México-Querétaro y Querétaro-<br />
S.L.P. El segundo entrecruzamiento se realiza en la gaza de salida de la<br />
carretera 45 hacia la vialidad <strong>Constituyentes</strong> en sentido a Celaya libre,<br />
siendo el flujo de <strong>Constituyentes</strong> hacia esta dirección de 1658 vehículos, al<br />
cual le llega un aforo proveniente de la gaza de 1638 vehículos (1128<br />
vehículos de 5 febrero + 410 México) sumando los aforos la vialidad de<br />
constituyentes recibe 3296 vehículos, actualmente dicha vialidad se<br />
113
conforma en esta zona de 3 carriles únicamente. En conclusión la vuelta<br />
izquierda generada del tránsito Norte-Sur genera problemáticas no solo en<br />
su movimiento si no que genera problemas indirectamente al utilizar el<br />
sistema de gazas.<br />
2. El movimiento generado por los vehículos provenientes del sur con<br />
dirección hacia el norte (Celaya libre – S.L.P) se dan por medio de una<br />
gaza, este movimiento en la hora de máxima demanda 07:00 – 8:00 es de<br />
2163 vehículos, este movimiento convive con el generado por los vehículos<br />
provenientes del oriente hacia el norte (México-S.L.P) siendo este de 3149<br />
vehículos, al igual que en el punto anterior este no tiene carril exclusivo por<br />
lo que el entrecruce es necesario, además que el diseño geométrico de la<br />
gaza está comprometido con las construcciones existentes por lo que<br />
ninguna mejora a este puede ser realizada, en total se suma un aforo de<br />
5312 vehículos en esta zona donde el puente únicamente cuenta con tres<br />
carriles de circulación, razón por la cual las colas y demoras aumentan<br />
considerablemente en horas de máxima demanda.<br />
Por estas dos razones se piensa en dar una solución directa a estos dos<br />
movimientos, con la construcción de un paso superior vehicular el cual conecte de<br />
manera directa el norte y el sur del distribuidor, es decir se modelara una solución<br />
con un puente que inicie en 5 de febrero en la zona de hospitales y descargue a la<br />
altura de la Plaza de toros en constituyentes, la imagen muestra los movimientos<br />
directamente solucionados.<br />
114
Figura 35 Solución esquemática al Distribuidor Vial 5 de Febrero<br />
Fuente: Programa VISSIM imagen captada por el autor de la tesis.<br />
5.2.1. Parámetros para el paso superior vehicular<br />
Los parámetros de evaluación fueron los niveles de servicio basados en las<br />
demoras por segundos, los cuales mejoraron en todos sus accesos y los tiempos<br />
de recorrido, los cuales todos disminuyeron. La evaluación de colas dio un<br />
resultado en cero, lo cual implica que el distribuidor se encuentra libre de estas,<br />
debido al enorme mejoramiento de la operación de los flujos indirectos que<br />
previamente se deban en las gazas causando congestionamiento en los<br />
entronques.<br />
115
5.2.2. Demoras y niveles de servicio<br />
Los niveles de servicio y sus demoras especificadas para esta alternativa<br />
de solución se presentan en la 0tabla 14 para el año 2009, las cuales reportan un<br />
nivel de servicio A en su hora de máxima demanda. Esta puede ser comparada<br />
con el reporte de los niveles de servicio actuales, los cuales se han mostrado<br />
previamente en el documento, presentando niveles de servicio de C y D para el<br />
año 2009.<br />
Periodo<br />
Simulación<br />
Situación sin proyecto Situación con proyecto<br />
Demora<br />
(seg/veh)<br />
Nivel de servicio<br />
116<br />
Demora<br />
(seg/veh)<br />
Nivel de<br />
servicio<br />
7:00-7:15 29.3 C 5.1 A<br />
7:15-7:30 43.4 D 5.3 A<br />
7:30-7:45 44.6 D 5.5 A<br />
7:45-8:00 53.2 D 5.9 A<br />
7:00-8:00 42.6 D 5.4 A<br />
Tabla 14 Niveles de servicio y demoras en segundos para el viaducto elevado año 2009<br />
5.2.3. Tiempos de recorrido<br />
Los tiempos de recorrido disminuyen en promedio 1.6 minutos, sin embargo<br />
en algunos flujos, tal como el de la Carretera a Celaya hacia la Avenida 5 de<br />
Febrero, en la parte de mayor congestionamiento de la hora, un usuario puede<br />
disminuir su tiempo 5.15 minutos o en el sentido opuesto, de la avenida 5 de<br />
Febrero a la Carretera a Celaya, flujo que puede mostrar un ahorro en tiempo de<br />
3.63 minutos. El aumento de velocidades promedio paso de 34.27 km/hr a 59.25<br />
km/hr.
SITUACIÓN CON PROYECTO HMD (segundos)<br />
Origen /<br />
Destino <strong>Constituyentes</strong> México<br />
117<br />
Celaya<br />
Libre<br />
Celaya<br />
Cuota<br />
5 de<br />
Febrero<br />
<strong>Constituyentes</strong> 76 43 53 55<br />
México 50 61 51 52<br />
Celaya Libre 43 36 95 42<br />
Celaya Cuota 54 43 105 71<br />
5 de Febrero 60 67 42 41<br />
Tabla 15 Tiempo de recorridos en minutos para el viaducto elevado año 2009<br />
5.2.4. Ahorro en tiempos de viaje<br />
Para la estimación de los beneficios por este concepto, se requieren, en<br />
primer lugar, las velocidades a las que transitan los vehículos de la red de análisis,<br />
y con ellas se determinan los tiempos de recorrido en las situaciones sin proyecto<br />
y con proyecto.<br />
El segundo insumo importante es el valor económico del tiempo de los<br />
usuarios. De acuerdo a la información de encuestas de origen – destino de la<br />
SCT, el 57% de los viajes realizados es por motivo de trabajo y el 43% por motivo<br />
de placer, tanto para automóviles como autobuses. Por otra parte, con fundamento<br />
en el Boletín Notas 116, Artículo 2, Febrero de 2009 emitido por el Instituto<br />
Mexicano del Transporte (IMT), el valor del tiempo de los pasajeros que viajan por<br />
motivo de trabajo es de 25.15 pesos y por motivo de placer de 15.09 pesos por<br />
hora. De acuerdo a estos datos, el valor del tiempo ponderado, se muestra en la<br />
tabla 16.<br />
Tabla 16 Configuración del valor del tiempo<br />
Fuente: Boletín del Instituto Mexicano del Transporte<br />
El tercer insumo son los parámetros de la tabla 17, los cuales se utilizan de<br />
acuerdo al tipo de vehículo.
Tabla 17 Información sobre la utilización del vehículo<br />
Fuente: Boletín del Instituto Mexicano del Transporte<br />
Con base en estos insumos, los beneficios por tiempo de viaje (TV) se estiman en<br />
dos procedimientos:<br />
Procedimiento 1: Se obtiene el ahorro en tiempo de viaje por vehículo, calculando<br />
la diferencia de los tiempos de recorrido de las situaciones sin proyecto y con<br />
proyecto; este resultado es multiplicado por su respectivo valor monetario e<br />
información sobre la utilización del vehículo, esto se resume en la siguiente<br />
expresión:<br />
Ahorro TVpesos<br />
/ veh / hora TV SPporveh<br />
TV T CPporveh<br />
* Valor del tiempo * Núm de<br />
Ecuación 24 Ahorro en tiempos de viaje<br />
Procedimiento 2: Para obtener los beneficios anuales, el ahorro en tiempo de viaje<br />
pesos/vehículo/hora, se multiplica por el TPDA del proyecto (según la composición<br />
del TPDA) y los días de operación de cada año.<br />
Beneficio TVpesos<br />
/ año Ahorro TVpesos<br />
/ veh / hora * TPDA * Días<br />
Ecuación 25 Beneficios anuales en tiempos de viaje<br />
118<br />
de<br />
operación<br />
El cálculo se hace de manera anual durante el periodo de operación del proyecto,<br />
de acuerdo a la información obtenida del trabajo de campo. Conforme a esta<br />
información, podemos calcular los beneficios al primer año de operación del<br />
Distribuidor.<br />
al<br />
pas<br />
año
AHORRO EN TIEMPOS DE VIAJE (HORAS)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> 0.0125 0.0053 0.0036 0.0014<br />
México 0.0219 0.0758 0.0242 0.0308<br />
Celaya Libre 0.0050 0.0017 0.0775 0.0858<br />
Celaya Cuota 0.0033 0.0014 0.0014 0.0372<br />
5 de Febrero 0.0519 0.0333 0.0606 -0.0006<br />
Tabla 18 Ahorro en tiempos de viaje (Horas)<br />
AHORRO EN TIEMPOS DE VIAJE (PESOS/VEHÍCULO)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> $ 0.65 $ 0.27 $ 0.19 $ 0.07<br />
México $ 1.14 $ 3.95 $ 1.26 $ 1.60<br />
Celaya Libre $ 0.26 $ 0.09 $ 4.03 $ 4.47<br />
Celaya Cuota $ 0.17 $ 0.07 $ 0.07 $ 1.94<br />
5 de Febrero $ 2.70 $ 1.74 $ 3.15 -$ 0.03<br />
Tabla 19 Ahorro monetario de viaje (Pesos/Vehículos)<br />
BENEFICIOS EN TIEMPOS DE VIAJE PARA EL PRIMER AÑO (PESOS)<br />
Origen / Destino <strong>Constituyentes</strong> México Celaya Libre Celaya Cuota 5 de Febrero<br />
<strong>Constituyentes</strong> $ 61,031.88 $ 107,888.95 $ 205.81 $ 24,301.93<br />
México $ 178,852.69 $ 1,906,046.93 $ 136,819.06 $ 1,844,619.25<br />
Celaya Libre $ 218,859.84 $ 68,773.67 $ 269,442.68 $ 3,527,167.60<br />
Celaya Cuota $ 3,546.34 $ 11,055.93 $ 11,055.93 $ 41,722.27<br />
5 de Febrero $ 148,028.03 $ 2,036,612.40 $ 1,126,290.14 -$ 10.55<br />
Tabla 20 Beneficios monetarios anuales en tiempos de viaje (primer año)<br />
119
Por lo que para el primer año de operación se tiene un ahorro de en<br />
tiempos de viaje de $11, 722,310.76 pesos. Siendo la inversión de 230 millones de<br />
pesos para la propuesta de solución según dato de la Secretaria de Obras<br />
Públicas del Estado, la inversión se amortizaría en un periodo de 20 años, esto sin<br />
considerar los ahorros en costos de operación y gastos de mantenimiento.<br />
5.3. Aseguramiento de calidad de la propuesta de solución<br />
Debido a la posibilidad de evaluar la propuesta de solución en campo en lo<br />
que respecta únicamente a los pasos superiores que dan solución a lo expuesto<br />
en el subcapítulo 5.2 de este documento, por lo que se procedió a verificar las<br />
velocidades en diferentes recorridos durante los días martes, miércoles y jueves a<br />
la hora de máxima demanda, obteniendo valores mayores a las velocidades<br />
permitidas en el cuerpo de S.L.P a Celaya libre, siendo la media de 74 km/hr,<br />
comparada con la de la simulación con una velocidad deseada de 60 km/hr, por<br />
otro lado el cuerpo Celaya libre a S.L.P, presento variación con respecto a la<br />
simulación con una velocidad promedio en campo de 45 km/hr en la hora de<br />
máxima demanda en carril izquierdo y de 67 km/hr en carril derecho, esta<br />
diferencia se presenta debido a que la simulación contemplo la eliminación del<br />
camellón que divide a los carriles centrales del viaducto logrando un cruzamiento<br />
mucho más amplio en campo se dejo únicamente la incorporación lo que limita el<br />
cruce, por lo que la propuesta sería la apertura del camellón para mejorar las<br />
velocidades de recorrido en la zona.<br />
De la tabla 21 a la tabla 22 se muestran la comparativa de resultados<br />
expresados en niveles de servicio y demoras para el primer año de operación,<br />
aquí se comparo los resultados de la presente tesis con el estudio realizado por la<br />
empresa Cal y Mayor. De los resultados se denota que no existe una diferencia<br />
significativa de resultados, obteniendo una igualdad en niveles de servicio para el<br />
primer año de operación.<br />
120
Periodo<br />
Demora<br />
(seg/veh)<br />
Situación sin proyecto<br />
TESIS CAL Y MAYOR<br />
Nivel de servicio<br />
121<br />
Demora<br />
(seg/veh)<br />
Nivel de servicio<br />
7:00-7:15 29.3 C 27.3 C<br />
7:15-7:30 43.4 D 41.2 D<br />
7:30-7:45 44.6 D 42 D<br />
7:45-8:00 53.2 D 54 D<br />
7:00-8:00 42.6 D 41.125 D<br />
Tabla 21 Comparativa de niveles de servicio entre la Tesis y el estudio de Cal y Mayor, situación sin proyecto<br />
Periodo<br />
Demora<br />
(seg/veh)<br />
Situación con proyecto<br />
TESIS CAL Y MAYOR<br />
Nivel de servicio<br />
Demora<br />
(seg/veh)<br />
Nivel de servicio<br />
7:00-7:15 5.1 A 4.6 A<br />
7:15-7:30 5.3 A 4.2 A<br />
7:30-7:45 5.5 A 4.7 A<br />
7:45-8:00 5.9 A 5.3 A<br />
7:00-8:00 5.4 A 4.7 A<br />
Tabla 22 Comparativa de niveles de servicio entre la Tesis y el estudio de Cal y Mayor, situación con proyecto
6. CONCLUSIONES<br />
En esta investigación se planteó una forma de utilización del programa VISSIM en<br />
zonas urbanas y en este caso aplicado a un distribuidor, se denota que de los<br />
parámetros a calibrar, únicamente se conto con el estudio de velocidades, debido<br />
a que la obtención de parámetros como los de brechas, aceleraciones y<br />
deceleraciones, son datos que difícilmente pueden obtenerse por métodos<br />
económicos, por lo que se opto por utilizar la técnica del auto flotante, que nos<br />
permitió reproducir las velocidades en campo con mayor exactitud. Por lo que se<br />
deja para futuras investigaciones el poder aplicar técnicas más sofisticadas, para<br />
la obtención de los parámetros mencionados.<br />
La calibración del programa arrojó resultados satisfactorios en general siendo la<br />
correlación de datos más baja de R2 =0.932 y la más alta de R2=0.988, por lo qué<br />
se puede concluir que el programa simuló de manera correcta las velocidades en<br />
el sistema.<br />
Para los datos de aceleraciones, deceleraciones y brechas se opto en forma<br />
supletoria los parámetros por defecto que contiene el programa VISSIM,<br />
resultando un modelo con la suficiente aproximación a la realidad, lo que nos<br />
permitió simular un estado en proyecto y obtener los beneficios encontrados.<br />
Se simuló un modelo microscópico de las situación tanto actual como de proyecto,<br />
determinando, demoras, tiempos de recorrido y longitudes de cola.<br />
En base a los resultados se encontró que la situación con proyecto ofrece<br />
economías en tiempos de recorrido, aumento de velocidades de recorrido (de 34<br />
km/hr a 69 km/hr en promedio), eliminación de colas de espera y se paso de un<br />
nivel de servicio “D” a un nivel óptimo de servicio “A” para el primer año de<br />
operación.<br />
122
Se llevo a cabo una comparativa de resultados de la presente tesis con el<br />
estudio realizado por Cal y Mayor obteniendo<br />
Debido a que este estudio tiene su aplicación directamente en campo, por<br />
ser este un proyecto que la Secretaría de Desarrollo Urbano y Obras Públicas se<br />
encuentra construyendo y está por concluir, se deja abierta una línea de<br />
investigación futura para corroborar los datos aquí expuestos, en cuanto a los<br />
resultados de la simulación con proyecto, obteniendo la posibilidad de<br />
correlacionar los parámetro tomados por defecto en el programa VISSIM y<br />
validando si estos son aplicables a las condiciones de conducción de esta zona.<br />
123
7. REFERENCIAS<br />
Ahmed, K.I. 1999. Modeling Drivers’ Acceleration and Lane Changing Behavior,<br />
Ph.D. Dissertation, Massachusetts Institute of Technology, Cambridge, MA.<br />
Ahmed, K. I., M. E. Ben-Akiva, H. N. Koutsopoulos, and R. G. Mishalani. 1996.<br />
Models of freeway lane changing and gap acceptance behavior. In J. Lesort (Ed.),<br />
Transportation and Traffic Theory.<br />
Ben-Akiva, M., A. Davol, T. Toledo, H.N. Koutsopoulos, W. Burghout, I.<br />
Andréasson, T. Johansson, and C. Lundin. 2002. “Calibration and Evaluation of<br />
MITSIMLab in Stockholm,” Paper presented at the Annual Meeting, TRB,<br />
Washington, DC.<br />
Benekohal, R. and J. Treiterer. 1988. Carsim: Car-following model for simulation of<br />
traffic in normal and stop-and-go conditions. Transportation Research Record.<br />
Chen, S. 1996. Estimation of car-following safety: Application to the design of<br />
intelligent cruise control. Phd dissertation, MIT, Department of Mechanical<br />
Engineering, Cambridge, Massachusetts.<br />
“Freeway System Operational Assessment”. 2002. Paramics Calibration and<br />
Validation Guidelines (Draft), Technical Report I-33, Wisconsin DOT, District 2,<br />
Milwaukee, WI.<br />
Gibra, I.N. 1973. Probability and Statistical Inference for Scientists and Engineers,<br />
Prentice-Hall, Englewood Cliffs, NJ.<br />
Gipps, P. G. 1981. A behavioural car-following model for computer simulation.<br />
Transportation Research.<br />
Hellinga, B.R. 1998. Requirements for the Calibration of Traffic Simulation Models,<br />
Canadian Society of Civil Engineering (CSCE), University of Waterloo, Ontario,<br />
Canada.<br />
124
Joshi, S.S., and A.K. Rathi. 1995. “Statistical Analysis and Validation of Multi-<br />
Population Traffic Simulation Experiments,” Transportation Research Record 1510,<br />
TRB, Washington, DC.<br />
Lee, D-H., X. Yang, and P. Chandrasekar. 2002. “Parameter Calibration for<br />
Paramics Using Genetic Algorithm,” Paper No. 01-2339, Annual Meeting, TRB,<br />
Washington, DC.<br />
May, A.D. 1990. Traffic Flow Fundamentals, Prentice Hall, Englewood Cliffs, NJ.<br />
Miller, A. J. (1972). Nine estimators of gap acceptance parameters. In G. F. Newell<br />
(Ed.), Proceedings, 5th International Symposium on the Theory of Traffic Flow and<br />
Transportation, New York.<br />
Rakha, H., B. Hellinga, M. Van Aerde, and W. Perez. 1996. “Systematic<br />
Verification, Validation and Calibration of Traffic Simulation Models,” Paper<br />
presented at the Annual Meeting, TRB, Washington, DC.<br />
Skabardonis, A. 2002. Simulation of Freeway Weaving Areas, Preprint No. 02-<br />
3732, Annual Meeting, TRB, Washington, DC.<br />
Tian, Z.Z., T. Urbanik II, R. Engelbrecht, and K. Balke. 2002. Variations in Capacity<br />
and Delay Estimates From Microscopic Traffic Simulation Models, Preprint, Annual<br />
Meeting, TRB, Washington, DC.<br />
Wall, Z., R. Sanchez, and D.J. Dailey. 2001. A General Automata Calibrated With<br />
Roadway Data for Traffic Prediction, Paper No. 01-3034, Annual Meeting, TRB,<br />
Washington, DC.<br />
125
8. ANEXOS<br />
ANEXO I MOVIMIENTOS DIRECCIONALES AFORADOS<br />
Movimientos direccionales aforados – Avenida <strong>Constituyentes</strong> Oriente<br />
Flujos aforados en horas de máxima demanda – Avenida <strong>Constituyentes</strong> Oriente<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Lateral Central Gaza Gaza Gaza<br />
1L 1C 15 23 35<br />
678 659 921 221 2405<br />
974 767 751 634 1254<br />
1043 960 962 748 918<br />
126
Movimientos direccionales aforados – Autopista México - Querétaro<br />
Flujos aforados en horas de máxima demanda – Autopista México - Querétaro<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Lateral Lateral Central Central<br />
2LL 2L 2C5 2C4<br />
23 641 2511 2043<br />
19 644 1768 2359<br />
25 952 1849 2168<br />
127
Movimientos direccionales aforados – Avenida <strong>Constituyentes</strong> Poniente<br />
Flujos aforados en horas de máxima demanda – Avenida <strong>Constituyentes</strong> Poniente<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Central Lateral Gaza<br />
3C 3L 32<br />
2296 2353 2172<br />
1588 1554 1636<br />
1806 1373 1828<br />
128
Movimientos direccionales aforados – Autopista Celaya - Querétaro<br />
Flujos aforados en horas de máxima demanda – Autopista Celaya - Querétaro<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Central<br />
4F<br />
953<br />
529<br />
753<br />
129
Movimientos direccionales aforados – Avenida 5 de Febrero<br />
Flujos aforados en horas de máxima demanda – Avenida 5 de Febrero<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Central Lateral Lateral<br />
5C 5L2 5L4<br />
3212 654 478<br />
2131 635 634<br />
3453 637 604<br />
130
Movimientos direccionales aforados – Gazas del servicio forense<br />
Flujos aforados en horas de máxima demanda – Gazas del servicio forense<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Gaza Gaza Gaza<br />
54 21 41<br />
1122 585 115<br />
1336 484 92<br />
1505 340 97<br />
131
Movimientos direccionales aforados – Gazas del centro comercial<br />
Flujos aforados en horas de máxima demanda – Gazas del centro comercial<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Gaza Gaza Gaza Gaza<br />
12 1CC 14 23<br />
257 17 152 2338<br />
397 69 206 1516<br />
344 136 253 1570<br />
132
Movimientos direccionales aforados – Paseo <strong>Constituyentes</strong> con Calle Ignacio Pérez<br />
Flujos aforados en horas de máxima demanda – Paseo <strong>Constituyentes</strong> con Calle Ignacio<br />
Pérez<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Giro izquierdo De frente Giro derecho Vuelta en u Giro izquierdo Giro derecho<br />
12 13 14 22 23 32<br />
295 41 639 28 12 16<br />
110 44 353 25 3 14<br />
177 52 609 17 31 20<br />
Giro izquierdo Giro derecho<br />
34 43<br />
212 64<br />
86 38<br />
142 58<br />
133
Movimientos direccionales aforados – Paseo <strong>Constituyentes</strong> con Avenida Tecnológico<br />
Flujos aforados en horas de máxima demanda – Paseo <strong>Constituyentes</strong> con Avenida<br />
Tecnológico<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Giro derecho Giro izquierdo Vuelta en u<br />
21 31 33<br />
409 967 467<br />
407 560 355<br />
477 530 456<br />
134
Movimientos direccionales aforados – Paseo <strong>Constituyentes</strong> con Paseo Las Américas<br />
Flujos aforados en horas de máxima demanda – Paseo <strong>Constituyentes</strong> con Paseo Las<br />
Américas<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Giro derecho Giro derecho Giro derecho Giro derecho<br />
14 21 32 43<br />
28 617 186 400<br />
133 501 298 752<br />
170 512 398 705<br />
135
Movimientos direccionales aforados – Paseo <strong>Constituyentes</strong> con Calle Hacienda Grande<br />
Flujos aforados en horas de máxima demanda – Paseo <strong>Constituyentes</strong> con Calle<br />
Hacienda Grande<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Vuelta en u Giro izquierdo Giro derecho Giro izquierdo Giro derecho Vuelta en u<br />
11 12 21 23 32 33<br />
273 136 85 85 39 0<br />
398 197 99 72 39 0<br />
465 111 152 125 29 3<br />
136
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Giro izquierdo De frente Giro derecho<br />
41 42 43<br />
516 21 29<br />
497 55 51<br />
446 42 44<br />
Movimientos direccionales aforados – Avenida 5 de Febrero con Avenida Zaragoza<br />
Flujos aforados en horas de máxima demanda – Avenida 5 de Febrero con Avenida<br />
Zaragoza<br />
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
Giro izquierdo De frente Giro derecho Giro derecho Vuelta en u Giro izquierdo<br />
12 13 14 21 22 23<br />
297 488 390 325 174 101<br />
195 401 351 314 171 146<br />
217 477 430 241 192 149<br />
137
Horario<br />
Pico AM<br />
07:00 - 08:00<br />
Pico MD<br />
14:00 - 15 :00<br />
Pico PM<br />
18:30 - 19:30<br />
De frente Giro derecho Giro izquierdo Giro izquierdo Giro derecho Vuelta en u<br />
31 32 34 41 43 44<br />
301 78 651 1035 124 211<br />
416 72 624 464 103 162<br />
358 121 680 686 169 199<br />
138
ANEXO II<br />
ANÁLISIS ESTADÍSTICO DESCRIPTIVO DE VELOCIDADES EN EL<br />
DISTRIBUIDOR VIAL 5 DE FEBRERO E HISTOGRAMAS Y<br />
POLÍGONOS DE FRECUENCIA DE VELOCIDADES<br />
Estadística descriptiva <strong>Constituyentes</strong> - México<br />
Velocidades <strong>Constituyentes</strong>-México<br />
Media 43.98<br />
Error típico 0.30<br />
Mediana 43.80<br />
Moda 43.00<br />
Desviación estándar 2.09<br />
Varianza de la muestra 4.36<br />
Curtosis 0.43<br />
Coeficiente de asimetría 0.69<br />
Rango 9.45<br />
Mínimo 40.45<br />
Máximo 49.90<br />
Suma 2110.91<br />
Cuenta 48.00<br />
K 6.60<br />
Amplitud 1.58<br />
Clases y frecuencias <strong>Constituyentes</strong> - México<br />
Clase Frecuencia % acumulado<br />
40.45 1 2.08%<br />
42.02 7 16.67%<br />
43.60 13 43.75%<br />
45.17 16 77.08%<br />
46.75 5 87.50%<br />
48.32 4 95.83%<br />
49.90 1 97.92%<br />
y mayor... 1 100.00%<br />
139
Frecuencia<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> <strong>Constituyentes</strong>-México<br />
Clase Velocidades (km/hr)<br />
Estadística descriptiva <strong>Constituyentes</strong> – Celaya Libre<br />
Velocidades <strong>Constituyentes</strong>-Celaya Libre<br />
Media 61.88<br />
Error típico 0.39<br />
Mediana 61.49<br />
Moda 60.00<br />
Desviación estándar 2.67<br />
Varianza de la muestra 7.15<br />
Curtosis 0.11<br />
Coeficiente de asimetría 0.43<br />
Rango 12.57<br />
Mínimo 56.27<br />
Máximo 68.85<br />
Suma 2970.11<br />
Cuenta 48.00<br />
K 6.60<br />
Amplitud 2.10<br />
140<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
Clases y frecuencias <strong>Constituyentes</strong> – Celaya Libre<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clase Frecuencia % acumulado<br />
56.27 1 2.08%<br />
58.37 2 6.25%<br />
60.46 13 33.33%<br />
62.56 16 66.67%<br />
64.65 7 81.25%<br />
66.75 7 95.83%<br />
68.85 2 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> <strong>Constituyentes</strong>-Celaya Libre<br />
Clase Velocidades (km/hr)<br />
141<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva <strong>Constituyentes</strong> – Celaya Cuota<br />
Velocidades <strong>Constituyentes</strong>-Celaya Cuota<br />
Media 64.76<br />
Error típico 0.21<br />
Mediana 64.80<br />
Moda 63.00<br />
Desviación estándar 1.46<br />
Varianza de la muestra 2.13<br />
Curtosis 0.06<br />
Coeficiente de asimetría 0.01<br />
Rango 7.38<br />
Mínimo 60.93<br />
Máximo 68.32<br />
Suma 3108.27<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.42<br />
K 6.60<br />
Amplitud 1.23<br />
Clases y frecuencias <strong>Constituyentes</strong> – Celaya Cuota<br />
Clase Frecuencia % acumulado<br />
60.93 1 2.08%<br />
62.16 0 2.08%<br />
63.39 8 18.75%<br />
64.63 11 41.67%<br />
65.86 16 75.00%<br />
67.09 10 95.83%<br />
68.32 2 100.00%<br />
y mayor... 0 100.00%<br />
142
Frecuencia<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> <strong>Constituyentes</strong> - Celaya Cuota<br />
Clase Velocidades (km/hr)<br />
Estadística descriptiva <strong>Constituyentes</strong> – 5 de Febrero<br />
Velocidades <strong>Constituyentes</strong>-5 de Febrero<br />
Media 47.98<br />
Error típico 0.33<br />
Mediana 48.32<br />
Moda 48.00<br />
Desviación estándar 2.29<br />
Varianza de la muestra 5.24<br />
Curtosis 0.38<br />
Coeficiente de asimetría -0.05<br />
Rango 11.99<br />
Mínimo 41.91<br />
Máximo 53.89<br />
Suma 2302.98<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.66<br />
K 6.60<br />
Amplitud 2.00<br />
143<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
Clases y frecuencias <strong>Constituyentes</strong> – 5 de Febrero<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clase Frecuencia % acumulado<br />
41.91 1 2.08%<br />
43.90 1 4.17%<br />
45.90 7 18.75%<br />
47.90 14 47.92%<br />
49.90 14 77.08%<br />
51.90 9 95.83%<br />
53.89 1 97.92%<br />
y mayor... 1 100.00%<br />
<strong>Histograma</strong> <strong>Constituyentes</strong>-5 de febrero<br />
Clase Velocidades (km/hr)<br />
144<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva México – <strong>Constituyentes</strong><br />
Velocidades México - <strong>Constituyentes</strong><br />
Media 22.88<br />
Error típico 0.22<br />
Mediana 23.02<br />
Moda 23.00<br />
Desviación estándar 1.53<br />
Varianza de la muestra 2.35<br />
Curtosis -0.76<br />
Coeficiente de asimetría -0.35<br />
Rango 5.51<br />
Mínimo 19.83<br />
Máximo 25.34<br />
Suma 1098.22<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.45<br />
K 6.60<br />
Amplitud 0.92<br />
Clases y frecuencias México – <strong>Constituyentes</strong><br />
Clase Frecuencia % acumulado<br />
19.83 1 2.08%<br />
20.75 4 10.42%<br />
21.66 7 25.00%<br />
22.58 6 37.50%<br />
23.50 12 62.50%<br />
24.42 10 83.33%<br />
25.34 8 100.00%<br />
y mayor... 0 100.00%<br />
145
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> México-<strong>Constituyentes</strong><br />
Clase Velocidades (km/hr)<br />
146<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Estadística descriptiva México – Celaya Libre<br />
Velocidades México - Celaya Libre<br />
Media 13.36<br />
Error típico 0.17<br />
Mediana 13.48<br />
Moda 13.00<br />
Desviación estándar 1.21<br />
Varianza de la muestra 1.46<br />
Curtosis 0.00<br />
Coeficiente de asimetría -0.13<br />
Rango 5.90<br />
Mínimo 10.34<br />
Máximo 16.24<br />
Suma 641.46<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.35<br />
K 6.60<br />
Amplitud 0.98<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias México – Celaya Libre<br />
Clase Frecuencia % acumulado<br />
10.34 1 2.08%<br />
11.32 0 2.08%<br />
12.30 8 18.75%<br />
13.29 12 43.75%<br />
14.27 15 75.00%<br />
15.25 10 95.83%<br />
16.24 2 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> México-Celaya Libre<br />
Clase Velocidades (Km/hr)<br />
147<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva México – Celaya Cuota<br />
Velocidades México - Celaya Cuota<br />
Media 29.44<br />
Error típico 0.52<br />
Mediana 29.05<br />
Moda 25.00<br />
Desviación estándar 3.60<br />
Varianza de la muestra 12.94<br />
Curtosis -0.03<br />
Coeficiente de asimetría 0.42<br />
Rango 16.78<br />
Mínimo 23.00<br />
Máximo 39.78<br />
Suma 1412.97<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 1.04<br />
K 6.60<br />
Amplitud 2.80<br />
Clases y frecuencias México – Celaya Cuota<br />
Clase Frecuencia % acumulado<br />
23.00 1 2.08%<br />
25.80 8 18.75%<br />
28.59 13 45.83%<br />
31.39 10 66.67%<br />
34.18 12 91.67%<br />
36.98 3 97.92%<br />
39.78 1 100.00%<br />
y mayor... 0 100.00%<br />
148
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> México-Celaya Cuota<br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva México – 5 de Febrero<br />
Velocidades México - 5 de Febrero<br />
Media 26.48<br />
Error típico 0.61<br />
Mediana 26.40<br />
Moda 26.00<br />
Desviación estándar 4.22<br />
Varianza de la muestra 17.84<br />
Curtosis 0.51<br />
Coeficiente de asimetría -0.35<br />
Rango 20.89<br />
Mínimo 14.26<br />
Máximo 35.15<br />
Suma 1271.20<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 1.23<br />
K 6.60<br />
Amplitud 3.48<br />
149<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias México – 5 de Febrero<br />
Clase Frecuencia % acumulado<br />
14.26 1 2.08%<br />
17.74 0 2.08%<br />
21.23 4 10.42%<br />
24.71 12 35.42%<br />
28.19 17 70.83%<br />
31.67 7 85.42%<br />
35.15 7 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> México-5 de Febrero<br />
Clase Velocidades (km/hr)<br />
150<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva Celaya Libre – <strong>Constituyentes</strong><br />
Velocidades Celaya Libre - <strong>Constituyentes</strong><br />
Media 44.33<br />
Error típico 0.41<br />
Mediana 44.49<br />
Moda 45.00<br />
Desviación estándar 2.81<br />
Varianza de la muestra 7.89<br />
Curtosis 0.59<br />
Coeficiente de asimetría -0.51<br />
Rango 13.25<br />
Mínimo 36.55<br />
Máximo 49.81<br />
Suma 2127.90<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.82<br />
K 6.60<br />
Amplitud 2.21<br />
Clases y frecuencias Celaya Libre – <strong>Constituyentes</strong><br />
Clase Frecuencia % acumulado<br />
36.55 1 2.08%<br />
38.76 1 4.17%<br />
40.97 2 8.33%<br />
43.18 11 31.25%<br />
45.39 16 64.58%<br />
47.60 12 89.58%<br />
49.81 4 97.92%<br />
y mayor... 1 100.00%<br />
151
Frecuencia<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> Celaya Libre-<strong>Constituyentes</strong><br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva Celaya Libre – México<br />
Velocidades Celaya Libre - México<br />
Media 57.38<br />
Error típico 0.36<br />
Mediana 57.33<br />
Moda 60.00<br />
Desviación estándar 2.48<br />
Varianza de la muestra 6.16<br />
Curtosis -0.84<br />
Coeficiente de asimetría 0.10<br />
Rango 9.80<br />
Mínimo 52.09<br />
Máximo 61.88<br />
Suma 2754.38<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.72<br />
K 6.60<br />
Amplitud 1.63<br />
152<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias Celaya Libre – México<br />
Clase Frecuencia % acumulado<br />
52.09 1 2.08%<br />
53.72 3 8.33%<br />
55.35 6 20.83%<br />
56.99 12 45.83%<br />
58.62 12 70.83%<br />
60.25 5 81.25%<br />
61.88 8 97.92%<br />
y mayor... 1 100.00%<br />
<strong>Histograma</strong> Celaya Libre-México<br />
Clase Velocidades (Km/hr)<br />
153<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva Celaya Libre –Celaya Cuota<br />
Velocidades Celaya Libre - Celaya Cuota<br />
Media 15.47<br />
Error típico 0.60<br />
Mediana 16.03<br />
Moda 12.00<br />
Desviación estándar 4.16<br />
Varianza de la muestra 17.29<br />
Curtosis -0.50<br />
Coeficiente de asimetría 0.08<br />
Rango 18.00<br />
Mínimo 8.05<br />
Máximo 26.05<br />
Suma 742.70<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 1.21<br />
K 6.60<br />
Amplitud 3.00<br />
Clases y frecuencias Celaya Libre – Celaya Cuota<br />
Clase Frecuencia % acumulado<br />
8.05 1 2.08%<br />
11.05 8 18.75%<br />
14.05 9 37.50%<br />
17.05 12 62.50%<br />
20.05 12 87.50%<br />
23.05 5 97.92%<br />
26.05 0 97.92%<br />
y mayor... 1 100.00%<br />
154
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> Celaya Libre-Celaya Cuota<br />
Clase Velocidades (km/hr)<br />
Estadística descriptiva Celaya Libre –5 de Febrero<br />
Velocidades Celaya Libre - 5 de Febrero<br />
Media 9.91<br />
Error típico 0.28<br />
Mediana 10.29<br />
Moda 11.00<br />
Desviación estándar 1.96<br />
Varianza de la muestra 3.82<br />
Curtosis -0.33<br />
Coeficiente de asimetría -0.57<br />
Rango 8.67<br />
Mínimo 4.75<br />
Máximo 13.42<br />
Suma 475.60<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.57<br />
K 6.60<br />
Amplitud 1.45<br />
155<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias Celaya Libre – 5 de Febrero<br />
Clase Frecuencia % acumulado<br />
4.75 1 2.08%<br />
6.19 1 4.17%<br />
7.64 6 16.67%<br />
9.08 9 35.42%<br />
10.53 9 54.17%<br />
11.97 16 87.50%<br />
13.42 6 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> Celaya Libre-5 de Febrero<br />
Clase Velocidades (Km/hr)<br />
156<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva Celaya Cuota –<strong>Constituyentes</strong><br />
Velocidades Celaya Cuota - <strong>Constituyentes</strong><br />
Media 38.95<br />
Error típico 0.27<br />
Mediana 38.86<br />
Moda 38.00<br />
Desviación estándar 1.85<br />
Varianza de la muestra 3.40<br />
Curtosis -0.27<br />
Coeficiente de asimetría -0.11<br />
Rango 7.90<br />
Mínimo 34.84<br />
Máximo 42.74<br />
Suma 1869.60<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.54<br />
K 6.60<br />
Amplitud 1.32<br />
Clases y frecuencias Celaya Cuota – <strong>Constituyentes</strong><br />
Clase Frecuencia % acumulado<br />
34.84 1 2.08%<br />
36.15 2 6.25%<br />
37.47 7 20.83%<br />
38.79 12 45.83%<br />
40.11 13 72.92%<br />
41.42 9 91.67%<br />
42.74 4 100.00%<br />
y mayor... 0 100.00%<br />
157
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> Celaya Cuota-<strong>Constituyentes</strong><br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva Celaya Cuota –México<br />
Velocidades Celaya Cuota - México<br />
Media 66.05<br />
Error típico 0.36<br />
Mediana 65.79<br />
Moda 65.00<br />
Desviación estándar 2.52<br />
Varianza de la muestra 6.34<br />
Curtosis 0.28<br />
Coeficiente de asimetría 0.32<br />
Rango 12.56<br />
Mínimo 60.22<br />
Máximo 72.77<br />
Suma 3170.51<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.73<br />
K 6.60<br />
Amplitud 2.09<br />
158<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias Celaya Cuota – México<br />
Clase Frecuencia % acumulado<br />
60.22 1 2.08%<br />
62.31 0 2.08%<br />
64.40 11 25.00%<br />
66.49 15 56.25%<br />
68.59 13 83.33%<br />
70.68 6 95.83%<br />
72.77 2 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> Celaya Cuota-México<br />
Clase Velocidades (Km/hr)<br />
159<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva Celaya Cuota –Celaya Libre<br />
Velocidades Celaya Cuota - Celaya Libre<br />
Media 68.24<br />
Error típico 0.47<br />
Mediana 68.77<br />
Moda 69.00<br />
Desviación estándar 3.28<br />
Varianza de la muestra 10.73<br />
Curtosis -0.32<br />
Coeficiente de asimetría -0.14<br />
Rango 15.33<br />
Mínimo 60.63<br />
Máximo 75.95<br />
Suma 3275.75<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.95<br />
K 6.60<br />
Amplitud 2.55<br />
Clases y frecuencias Celaya Cuota – Celaya Libre<br />
Clase Frecuencia % acumulado<br />
60.63 1 2.08%<br />
63.18 1 4.17%<br />
65.74 9 22.92%<br />
68.29 12 47.92%<br />
70.84 13 75.00%<br />
73.40 11 97.92%<br />
75.95 1 100.00%<br />
y mayor... 0 100.00%<br />
160
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> Celaya Cuota-Celaya Libre<br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva Celaya Cuota –5 de Febrero<br />
Velocidades Celaya Cuota - 5 de Febrero<br />
Media 20.70<br />
Error típico 0.38<br />
Mediana 20.50<br />
Moda 20.00<br />
Desviación estándar 2.60<br />
Varianza de la muestra 6.76<br />
Curtosis -0.10<br />
Coeficiente de asimetría -0.19<br />
Rango 10.87<br />
Mínimo 14.59<br />
Máximo 25.47<br />
Suma 993.44<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.75<br />
K 6.60<br />
Amplitud 1.81<br />
161<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
Clases y frecuencias Celaya Cuota – 5 de Febrero<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clase Frecuencia % acumulado<br />
14.59 1 2.08%<br />
16.41 3 8.33%<br />
18.22 3 14.58%<br />
20.03 12 39.58%<br />
21.84 13 66.67%<br />
23.65 8 83.33%<br />
25.47 8 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> Celaya Cuota-5 de Febrero<br />
Clase Velocidades (Km/hr)<br />
162<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva 5 de Febrero – <strong>Constituyentes</strong><br />
Velocidades 5 de Febrero - <strong>Constituyentes</strong><br />
Media 16.91<br />
Error típico 0.31<br />
Mediana 16.79<br />
Moda 16.00<br />
Desviación estándar 2.12<br />
Varianza de la muestra 4.49<br />
Curtosis 0.81<br />
Coeficiente de asimetría 0.17<br />
Rango 10.16<br />
Mínimo 12.39<br />
Máximo 22.55<br />
Suma 811.89<br />
Cuenta 48.00<br />
K 6.60<br />
Amplitud 1.69<br />
Clases y frecuencias 5 de Febrero – <strong>Constituyentes</strong><br />
Clase Frecuencia % acumulado<br />
12.39 1 2.08%<br />
14.08 3 8.33%<br />
15.78 8 25.00%<br />
17.47 19 64.58%<br />
19.17 11 87.50%<br />
20.86 4 95.83%<br />
22.55 1 97.92%<br />
y mayor... 1 100.00%<br />
163
Frecuencia<br />
20<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> 5 de Febrero-<strong>Constituyentes</strong><br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva 5 de Febrero – <strong>Constituyentes</strong><br />
Velocidades 5 de Febrero - México<br />
Media 27.96<br />
Error típico 0.24<br />
Mediana 28.07<br />
Moda 28.00<br />
Desviación estándar 1.67<br />
Varianza de la muestra 2.78<br />
Curtosis -0.31<br />
Coeficiente de asimetría -0.04<br />
Rango 7.00<br />
Mínimo 24.66<br />
Máximo 31.66<br />
Suma 1342.09<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.48<br />
K 6.60<br />
Amplitud 1.17<br />
164<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias 5 de Febrero – México<br />
Clase Frecuencia % acumulado<br />
24.66 1 2.08%<br />
25.82 5 12.50%<br />
26.99 7 27.08%<br />
28.16 13 54.17%<br />
29.33 13 81.25%<br />
30.49 7 95.83%<br />
31.66 2 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> 5 de Febrero-México<br />
Clase Velocidades (Km/hr)<br />
165<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Estadística descriptiva 5 de Febrero – Celaya Libre<br />
Velocidades 5 de Febrero - Celaya Libre<br />
Media 25.36<br />
Error típico 0.40<br />
Mediana 25.86<br />
Moda 27.00<br />
Desviación estándar 2.79<br />
Varianza de la muestra 7.77<br />
Curtosis 1.09<br />
Coeficiente de asimetría -0.85<br />
Rango 13.40<br />
Mínimo 16.35<br />
Máximo 29.75<br />
Suma 1217.46<br />
Cuenta 48.00<br />
Nivel de confianza(95.0%) 0.81<br />
K 6.60<br />
Amplitud 2.23<br />
Clases y frecuencias 5 de Febrero – Celaya Libre<br />
Clase Frecuencia % acumulado<br />
16.35 1 2.08%<br />
18.59 0 2.08%<br />
20.82 2 6.25%<br />
23.05 5 16.67%<br />
25.29 14 45.83%<br />
27.52 15 77.08%<br />
29.75 11 100.00%<br />
y mayor... 0 100.00%<br />
166
Frecuencia<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
<strong>Histograma</strong> 5 de Febrero-Celaya Libre<br />
Clase Velocidades (Km/hr)<br />
Estadística descriptiva 5 de Febrero – Celaya Cuota<br />
Velocidades 5 de Febrero - Celaya Cuota<br />
Media 55.84<br />
Error típico 0.42<br />
Mediana 55.90<br />
Moda 56.00<br />
Desviación estándar 2.92<br />
Varianza de la muestra 8.50<br />
Curtosis 0.06<br />
Coeficiente de asimetría 0.56<br />
Rango 12.50<br />
Mínimo 50.81<br />
Máximo 63.31<br />
Suma 2680.48<br />
Cuenta 48.00<br />
K 6.60<br />
Amplitud 2.08<br />
167<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado
Frecuencia<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Clases y frecuencias 5 de Febrero – Celaya Cuota<br />
Clase Frecuencia % acumulado<br />
50.81 1 2.08%<br />
52.90 6 14.58%<br />
54.98 14 43.75%<br />
57.06 15 75.00%<br />
59.15 5 85.42%<br />
61.23 5 95.83%<br />
63.31 2 100.00%<br />
y mayor... 0 100.00%<br />
<strong>Histograma</strong> 5 de Febrero-Celaya Cuota<br />
Clase Velocidades (Km/hr)<br />
168<br />
120.00%<br />
100.00%<br />
80.00%<br />
60.00%<br />
40.00%<br />
20.00%<br />
0.00%<br />
Frecuencia<br />
% acumulado