Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla

More documents

Recommendations

Info

Capítulo 3: ESTADO DEL ARTE EN EL ÁMBITO DE LA ESTIMACIÓN DE PARÁMETROS DE TRÁFICO MEDIANTE LA TELEFONÍA MÓVIL 53 Así pues, el trabajo desarrollado por Finnra propuso una monitorización de esa señalización intercambiada entre el teléfono y la red para estudiar el tiempo que precisaba cada teléfono en cruzar una sección de vía, desde que entra en un área gestionada por una estación base determinada hasta la siguiente. Esto permite estimar la duración de tiempo de viaje asociado a esa sección. Para la prueba piloto sólo se necesitó monitorizar el 5% de los teléfonos para actualizar los patrones de tiempos cada 30 minutos. Los resultados obtenidos (Figura 3-10) fueron contrastados con los obtenidos mediante cámaras (LPR, License Plate Recognition), mostrando la alternativa basada en GSM mayor precisión debido a que no se veía afectada por problemas asociados a la visibilidad como condiciones meteorológicas adversas, frecuentes en países nórdicos. 3.6 CONGESTIÓN Un fenómeno de congestión se origina por la existencia de algún evento que motive un cambio en los valores medios típicos de velocidad y tiempos de viaje asociados a una sección. En los apartados anteriores se han descrito algunos métodos basados en telefonía que consiguen caracterizar secciones de vías en términos de velocidad y tiempos. Un análisis de variaciones bruscas en cualquiera de esos parámetros respecto a valores típicos puede ser empleado para la detección de congestiones. Análogamente, se puede hacer uso de otra magnitud relacionada con la intensidad de tráfico telefónico. El dimensionado de una red de telefonía móvil atiende a la naturaleza del tráfico telefónico cursado y su distribución con respecto al tiempo y destino. Esta magnitud varía según proceda de un tráfico continuo de llamadas (núcleos urbanos) u otro más esporádico característico de zonas de poca población. Generalmente, estas zonas se asocian a vías, como carreteras o autovías, alejadas de los núcleos urbanos. Por ello, el tráfico telefónico que soportan las estaciones base de esas vías se corresponde dominantemente con el generado por los ocupantes de los vehículos que circulen por ellas. Para la detección de eventos como accidentes, atascos o cualquier incidente que altere el flujo normal de tráfico, es posible hacer uso de un histórico de intensidades típicas de tráfico telefónico medidas sobre esas mismas estaciones bases en diferentes horarios. Para comprender este razonamiento es necesario resaltar que los usuarios de telefonía móvil poseen ciertos hábitos en la realización de llamadas. Estos hábitos siguen ciertos patrones de modo que, cuando aparecen eventos que motivan un cambio, los valores típicos de intensidad suelen modificarse. Este es el caso de situaciones de congestión, en los cuales los usuarios tienden a realizar más llamadas por diversas razones, como avisar en el trabajo o incluso aprovechar el tiempo para hablar con algún conocido. Este motivo modifica la intensidad de tráfico típica al
54 ESTIMACIÓN DE MATRICES DE MOVILIDAD MEDIANTE DATOS DE TELEFONÍA MÓVIL incrementarse el volumen de llamadas cursado por el sistema. Una simple comparación con valores tradicionales puede detectar la existencia de alguna incidencia que motive el aumento de la actividad telefónica. call volume (12 mn frame) 40,00 30,00 20,00 10,00 � � � � � � � � � � � � � � � � � � � 0,00 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00 level of incident on A7 � � � � � � � � � � � Nº of calls (mean) � incalls � outcalls Dot/Lines show Means Figura 3-11: Relación entre volumen de llamadas y nivel de incidentes en la autovía A7 (agosto y septiembre 2000). Nota: Nivel de incidentes (level of incident): 0 = ningún incidente detectado por los detectores, 14 = al menos 14 detectores (de 21) detectan un incidente en los correspondientes intervalos de 12 min; Volumen de llamadas (call volume): promedio de número de llamadas entrantes y salientes registradas en los correspondientes intervalos de 12 min (Ygnace, 2001). El estudio desarrollado por INRETS analizó la relación entre el volumen de llamadas (entrantes y salientes) y la congestión de una vía (Ygnace, 2001). Para ello, se consideró la hipótesis de que los conductores tienden a hacer más llamadas cuando se encuentran en alguna situación de congestión. En la Figura 3-11 se muestra la relación entre el volumen de llamadas de teléfonos móviles y el nivel de incidentes en un tramo de autovía de 80 millas. El análisis demostró que las llamadas entrantes no aportaban información relevante. Sin embargo, se detectó una relación significativa entre llamadas salientes de móviles sobre esa vía y el nivel de incidentes, la cual reflejaba el incremento de la actividad telefónica al estar los vehículos parados. 3.7 DENSIDAD DE TRÁFICO En el ámbito de vehículos, la densidad es otro parámetro clave para medir la calidad de servicio que ofrece una sección de vía. La densidad de tráfico ρ representa el número de vehículos que ocupan una longitud específica de una vía o carril de ella, en un instante dado, excluyendo los vehículos estacionados. Se expresa en vehículos por kilómetro [veh/km], ya sea referido a un carril o a todos los carriles de una vía. Por su naturaleza espacial (se mide a lo largo de una
Page 1 and 2:
Noelia Cáceres Sánchez TESIS DOCT
Page 4:
TESIS DOCTORAL ESTIMACIÓN DE MATRI
Page 8:
AGRADECIMIENTOS Esta Tesis Doctoral
Page 11 and 12:
CAPÍTULO 3 ESTADO DEL ARTE EN EL
Page 14 and 15:
ÍNDICE DE FIGURAS Figura 2-1: Arqu
Page 16 and 17:
Figura 4-15: Evolución del nº de
Page 18:
ÍNDICE DE TABLAS Tabla 3-1: Compar
Page 21 and 22: 2 ESTIMACIÓN DE MATRICES DE MOVILI
Page 29 and 30: 10 ESTIMACIÓN DE MATRICES DE MOVIL
Page 71: 52 ESTIMACIÓN DE MATRICES DE MOVIL
Page 119 and 120: 100 ESTIMACIÓN DE MATRICES DE MOVI
Page 121 and 122: 102 ESTIMACIÓN DE MATRICES DE MOVI
Page 123 and 124:
104 ESTIMACIÓN DE MATRICES DE MOVI
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Page 193 and 194:
Page 195 and 196:
Page 197 and 198:
Page 199:
show all

Noelia Cáceres Sánchez TESIS DOCTORAL - Universidad de Sevilla

Create successful ePaper yourself

Delete template?

Save as template?