You are on page 1of 56

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN

EN VIAS URBANAS

3. TEORÍA DE LA SIMULACIÓN DE TRÁNSITO

3.1. INTRODUCCION

El Capítulo II, Título 1 de la presente investigación, se trata sobre la representación del tráfico
vehicular por medios analíticos; es decir, utilizando expresiones matemáticas. Este capítulo
describe otro enfoque para representar el tránsito, que aunque también emplea expresiones
matemáticas, usa además decisiones lógicas en un proceso que consta de numerosos pasos
sucesivos que tienen lugar a lo largo de un “tiempo” simulado. En ingeniería de tránsito este
enfoque se acostumbra a llamar simulación. Sin embargo, en otras disciplinas el término
“simulación” puede tener un significado distinto.

La simulación se aplica mediante un modelo simbólico en cuya elaboración se pueden utilizar
complicados procedimientos matemáticos que veremos de manera general más adelante. Por
esta razón, los modelos de simulación en ingeniería de tránsito son del tipo pragmático, porque
solo se requiere los conocimientos teóricos y el ingenio que suele tener un ingeniero.

Es preciso aclarar, que los modelos de tipo analítico como de simulación por si solos no
optimizan nada; solo representan condiciones que se desean estudiar y predicen los efectos de
cambios en esas condiciones. Existen procedimientos de optimización que poseen uno o más
modelos en su seno, pero deben tener además, por lo menos, un algoritmo de optimización.

El proceso de simulación emplea ordinariamente un gran número de operaciones aritméticas que
imponen el uso de una computadora para ejecutarlas. Por esta razón, los modelos de simulación
se orientan hacia su definición con programas informáticos.

Los modelos de simulación representan un sistema real por medio de la reproducción sucesiva
de los “cambios” de interés que tienen lugar en un sistema real, en un período de tiempo
especificado. Van produciendo resultados durante ese período, que se sintetizan al final del
mismo.

En algunos modelos el sistema representado se actualiza a intervalos de tiempos fijos (un
segundo, 10 segundos, etc.). A estos intervalos se le ha llamado “pasos” y al procedimiento
simulación por pasos. Otros modelos se actualizan solamente cuando ocurre un cambio
“importante” que denominamos “seceso” (llegada de un vehículo, comienzo de una obstrucción,
etc.), aplicando lo que se denomina simulación por sucesos. Esta última actualización, aunque
difícil de concebir, resulta generalmente más eficiente que la de pasos, pero cuando el sistema

Capítulo 3. Teoría de la simulación de tránsito 94

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN
EN VIAS URBANAS

que se simula es muy complejo y extenso, los sucesos de interés son tan frecuentes que se
impone la simulación por pasos. [40]

Generalmente, los modelos de simulación van introduciendo variaciones aleatorias en los valores
de algunos datos de entrada. Por esta razón las salidas del modelo varían al azar, si éste se usa
en simulaciones sucesivas, aunque las entradas permanezcan invariables. Entonces es preciso
realizar análisis estadísticos de ellas como si fueran datos de campo. En cambio, las salidas de
los modelos analíticos son fijas para un conjunto específico de condiciones.

Acorde al tipo de problema a resolver, los simuladores se centran en reproducir problemas a
nivel de intersecciones, vías y redes de carreteras. Si bien, la mayoría de los simuladores tratan
problemas relativos a más de uno de estos aspectos típicamente tienden a focalizar en uno de
ellos, en función a la información que se pretenda obtener.

En investigación teórica, uno de los casos más patentes es el análisis de “seguimiento de
automóviles”. En estos modelos existe una ecuación diferencial que gobierna el movimiento de
cada vehículo independientemente del resto. La resolución de problemas de seguimiento de
automóviles, así como el análisis de intersecciones, son las cuestiones básicas con mayor
estudio en teoría de flujos de móviles y simulación, que siguen bajo activo análisis desde hace
40 años. [41]

El problema de simulación tradicional con orientación práctica en el análisis de tránsito de
carreteras y calles está relacionado a flujo de tránsito, es decir, a las características
operacionales y de capacidad de las facilidades del sistema. Otros objetos de continuo análisis y
estudios de simulación son los retrasos y longitudes de colas en las intersecciones.

En el área de control de señalización de tránsito, la fórmula Webster [38] clásica es un ejemplo del
uso de las simulaciones orientadas a fines prácticos. Los controladores de señales de tránsito
dinámicas han agregado una nueva dimensión a la simulación de señales de control.

Varios de los problemas de transporte urbano están relacionados a la red de carreteras. En las
redes, un simulador tiene que combinar diferentes tipos de intersecciones (señalizadas y no
señalizadas) y vías (arterias principales, autopistas y calles). Esto vuelve la simulación
relativamente complicada y el número de herramientas para análisis de simulaciones es bastante
reducido en comparación a aquellas que analizan intersecciones aisladas y secciones de
carreteras.

Capítulo 3. Teoría de la simulación de tránsito 95

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN
EN VIAS URBANAS

En el análisis de flujo de tránsito, la simulación de autopistas es más común que la simulación de
calles ordinarias de dos carriles con sentidos inversos. Una de las razones es que en el entorno
de las vías de dos carriles debe modelarse las interacciones entre vehículos que viajan en
distintas direcciones.

El manejo de los volúmenes de móviles y de los adelantamientos no dependen sólo de la
situación del tránsito, sino también del entorno de la carretera (permisos de traspaso entre
carriles, distancias de visibilidad y otros) lo cual lo vuelve un sistema mucho más complicado
aún.

En el área de la seguridad del tránsito aún no se han conseguido importantes resultados debido
a que los esfuerzos en la programación de simuladores de tránsito tradicionales están centrados
en evitar las colisiones. Estos esfuerzos se contraponen a cualquier intento de simulación de
seguridad de tránsito. No existe formalmente ninguna aproximación general a la solución de este
conflicto ni tampoco herramientas que permitan combinar resultados de simulación tradicional
con factores inherentes a la seguridad en las carreteras.

El desarrollo de la simulación de tránsito apunta también a un área nueva, emergida
recientemente a través de la simulación, llamada “estimación de demanda”, y de esta nace la
simulación de demanda de viajes. Esta es un área donde la tradición analítica ha pasado del
modelado por agregación a modelos individuales desmenuzados. [46]

En la simulación de demandas, el objetivo es el de reproducir el patrón de viajes (en cantidad,
momento del día, motivo, patrón origen-destino y uso de rutas) de la población de un área por la
extrapolación del comportamiento de los individuos.

3.1.1. Generalidades del proceso de análisis del transporte

Entrado el siglo 21, el sistema de transporte urbano en el mundo ha madurado, solo se expande
la infraestructura en una fracción cada año. Sin embargo, la congestión continúa desarrollando
un crecimiento alarmante, con impactos adversos en nuestra calidad de vida e incrementando el
potencial de accidentes y las demoras en la movilidad. Se espera que estos fenómenos se
agraven, por lo que se hace el llamado de los profesionales en ingeniería de transporte para
incrementar la productividad de los sistemas de transporte a través de las mejoras en su uso
operacional.

A fin de evaluar la eficiencia de una estrategia en particular, debemos analizar el uso de las
herramientas de tránsito o las metodologías.

Capítulo 3. Teoría de la simulación de tránsito 96

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN
EN VIAS URBANAS

En los Estados Unidos, que es uno de los países que más ha desarrollado la tecnología en
tránsito y transporte, ha reforzado la importancia de la gestión de tránsito y el control de la
capacidad en las vías existentes.

En vista de que las Agencias de Transporte utilizan sistemas de gestión tecnológica de hardware
y software cada vez más sofisticados, se ha incrementado la necesidad de responder a la
congestión recurrente y no recurrente de manera preactiva, tratar de predecir y evaluar el
resultado de los variados planes de mejoras sin la inconveniencia de la experimentación en
campo.

A parte de estas necesidades, el análisis de tránsito emerge como uno de los métodos más
eficientes para evaluar los proyectos de mejoramiento en el sistema de transporte. Las
herramientas de análisis de tráfico pueden incluir paquetes de software, metodologías y
procedimientos; y son determinados en función a las tareas que realizan a saber: 

Evaluación, simulación u optimización de las operaciones de las facilidades de los sistemas
de transporte. 

Modelación de las operaciones existentes y predicción de los productos probables para
propósitos de alternativas de diseño. 

Evaluación de contextos analísticos variados que incluyen planificación, diseño y proyectos
de construcción y operación de movilidad urbana.

La Figura Nº 23 presenta una vista general del proceso de análisis del transporte, junto con la
variedad de contextos de evaluación y tipos de herramientas de análisis de tránsito, que son
típicamente utilizadas en cada contexto.

Por lo general, las necesidades de análisis del transporte son el resultado de las políticas y
objetivos de los planes y programas de transporte locales/regionales/estatales.

Un proyecto de mejoramiento en transporte atraviesa varias fases que incluyen la planificación,
el desarrollo del proyecto, la implementación, la evaluación operacional post-implementación y la
modificación (si fuese necesario).

Como se muestra en la Figura Nº 23 cada una de estas fases requiere diferentes metodologías
de análisis y herramientas.

Capítulo 3. Teoría de la simulación de tránsito 97

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN
EN VIAS URBANAS

Una etapa inicial en la planificación del proyecto usualmente involucra la aplicación de un
esquema de planificación o técnicas de modelación de la demanda de viajes. Estas
metodologías ayudan a las autoridades a tener un panorama de las diferentes necesidades de
mejoras en transporte; de las cuales, se deben seleccionar las más importantes. Etapas
posteriores (como desarrollo del proyecto o modificaciones post-implementación), usualmente
conllevan la aplicación de técnicas más detalladas y rigurosas, como la simulación y/o la
optimización.

Figura Nº 23. Perspectiva general del proceso de análisis de transporte

Nota: Los recuadros con borde más oscuro representan en campo de aplicación principal de las herramientas de análisis de tránsito.
Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer, Publication No. FHWA-HRT-04-038, US Department of Transportation,
july 2004

Capítulo 3. Teoría de la simulación de tránsito 98

Específicamente.  Reducción de la interrupción del tráfico. Esto típicamente involucra la comparación de las condiciones “sin proyecto” con cada alternativa. Los impactos son reportados como medidas de desempeño y son definidos como la diferencia entre la condición “sin proyecto” y cada escenario de alternativa. y las herramientas analíticas proveen una forma muy económica de estimar los efectos antes del desarrollo completo de la estrategia de gestión. El rol de las herramientas de análisis de tránsito Las herramientas de análisis de tránsito son diseñadas para asistir a los profesionales en transporte. Las herramientas de análisis de tránsito son relativamente menos costosas cuando son comparadas con estudios piloto. Se podrían usar para realizar pruebas iniciales de los conceptos de sistemas de gestión del transporte sin la inconveniencia de un experimento en campo.  Evaluar y priorizar alternativas operacionales o de planificación.2. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 3. Se utilizan para estimar el impacto del desarrollo de estrategias de gestión de tránsito y ayudar a seleccionar las prioridades en la ejecución de proyectos.  Mejora en el diseño. experimentos en campo o costos de implementación total. las herramientas analíticas se pueden usar para evaluar múltiples combinaciones de desarrollos u otros escenarios complejos en relativamente poco tiempo. pueden proveer una aproximación consistente para comparar alternativas de mejoras potenciales.1. Algunas herramientas de análisis de tránsito tienen excelente animación gráfica. aumentando las posibilidades de tener un desarrollo exitoso. Además. Capítulo 3. La gestión del tránsito y herramientas de control. Las herramientas de análisis de tránsito ayudan a los evaluadores a arribar a la mejor decisión de planificación o de ingeniería. Asimismo. se dan en muchas formas y opciones. tiempo de evaluación y costos. Los resultados se pueden utilizar para seleccionar la mejor alternativa o priorizar mejoras. Teoría de la simulación de tránsito 99 . las cuales incluyen varios tipos de mejoras potenciales. la cual puede ser utilizada como una estrategia de escenarios “que pasa si” al público y/o inversionistas. en un complejo escenario de problemas de transporte. en evaluación de estrategias que enfoquen de la mejor manera las necesidades de transporte en su jurisdicción. estas herramientas pueden ayudar a los especialistas a:  Mejorar el proceso de toma de decisiones.  Estrategias de marketing/presentación al público/inversionistas.

Estos son modelos matemáticos que pronostican la demanda de viajes futura basada en las condiciones actuales y proyecciones futuras de viviendas y características del empleo. producen estimaciones de magnitud general sobre demanda de viajes y operaciones de tránsito en respuesta a las mejoras en el transporte.  Modelos de demanda de viajes.  Monitoreo de desempeño.3. Los modelos de demanda de viajes solo tienen capacidades limitadas para Capítulo 3. no fueron diseñados para evaluar estrategias de gestión de viajes como sistemas inteligentes de transporte (ITS) y estrategias operacionales. como la predicción de la demanda de viajes y la consideración de elección de destino.1. Esto permite la evaluación de proyectos específicos o alternativas. Las metodologías y herramientas de planificación inicial. Como las técnicas se usan de manera primaria para preparar presupuestos y propuestas preliminares. Algunas herramientas proveen capacidades de optimización. En el caso de la presente investigación. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Operación y gestión de la capacidad vial existente. el software que utilizaremos y que ampliaremos en el Capítulo III. Los modelos de demanda de viajes fueron desarrollados originalmente para determinar los beneficios y los impactos de las mejoras en una vía principal en áreas metropolitanas. se han desarrollado numerosas metodologías y herramientas de análisis de tránsito por parte de agencias públicas de los países desarrollados. Las herramientas de análisis de tránsito pueden ser agrupadas en las siguientes categorías:  Herramientas de planificación inicial. elección de modo. Los modelos de demanda de viajes poseen capacidades específicas de análisis. que luego se necesita en el proceso de implementación del proyecto. se espera que los sistemas de monitoreo puedan acceder directamente de las herramientas de análisis para realizar evaluaciones en tiempo real. sin conducir a un análisis de ingeniería profundo. Categorías de las herramientas de análisis de tránsito A la fecha. no se consideran como substituto de un análisis detallado de ingeniería. organizaciones de investigación y consultores. En el futuro. Sin embargo. Las herramientas analíticas también pueden ser usadas para evaluar y monitorear el desempeño de las facilidades de transporte existentes. cuenta con un algoritmo de optimización de ciclos semafóricos para el mejor desempeño de las intersecciones que vamos a evaluar. Teoría de la simulación de tránsito 100 . elección de ruta y la representación del flujo de tráfico en la red vial. recomendando el mejor diseño o estrategia de control para maximizar el desempeño de la facilidad de transporte. elección de hora de viaje. [47] 3.

optimización de repartos. los planes semafóricos se convierten en capacidades equivalentes para los movimientos de giro. Más bien. Algunas herramientas de optimización también se pueden utilizar para optimizar índices de distancia de rampas para vías expresas. Los modelos de simulación macroscópica están basados en las relaciones determinísticas del flujo y la densidad de la corriente de tráfico. Una de éstas herramientas es la que utilizaremos para la modelación de tránsito de la presente investigación. y coordinación de planes de desfase. volteos a la izquierda. Estos no tienen la capacidad de analizar mejoras en el transporte con mucho detalle como los modelos microscópicos. velocidad. Estas herramientas rápidamente predicen la capacidad. Teoría de la simulación de tránsito 101 .  Herramientas para optimización de semáforos. demoras y colas de una variedad de facilidades de transporte y son validadas con data de campo. y que detallaremos en el Capítulo III. son limitadas en su habilidad de analizar redes o efectos en el sistema de transporte. densidad. pruebas de laboratorio. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS hacer aproximaciones en la estimación de cambios en las características operacionales (como la velocidad. vías arteriales o redes de semáforos. La simulación en un modelo macroscópico tiene lugar en un tramo básico más que en trayectorias de vehículos individuales. demoras y colas) resultado de la implementación de las estrategias ITS/operacionales. La operación del sistema semafórico no se modela explícitamente en los modelos mesoscópico y macroscópico. Los modelos macroscópicos demandan considerablemente menos requerimientos computacionales que los modelos microscópicos.  Herramientas analíticas/determinísticas (basados en HCM). En el simulador macroscópico los movimientos de los vehículos están basados en funciones de volumen demora que dependen de la clasificación del sistema de vías. o experimentos de menor escala. Capítulo 3. Las herramientas de optimización de semáforos son diseñadas principalmente para desarrollar fases de semáforos y planes de tiempo óptimos para intersecciones aisladas. Estas herramientas son buenas para analizar el desempeño de facilidades de transporte aisladas o de pequeña escala. longitud del ciclo. Estas pueden incluir cálculos de capacidad. Esta incapacidad generalmente ocurre debido a la pobre representación de la naturaleza dinámica del tráfico en los modelos de demanda de viajes.  Modelos de simulación macroscópica. La mayoría de las herramientas analíticas/determinísticas implementan los procedimientos del Manual de Capacidad Vial (HCM – última versión 2000). sin embargo.

Como en los modelos microscópicos. Teoría de la simulación de tránsito 102 . Los modelos de simulación mesoscópica combinan las propiedades tanto de los modelos macroscópicos como los microscópicos (que veremos a continuación). Típicamente. En un simulador microscópico. Se utiliza aun una metodología basada en el tiempo.j.  Modelos de simulación microscópica. confluencias e Capítulo 3. Su movimiento. de manera que se formarán colas cuando no exista capacidad suficiente en el sentido del tráfico. Los modelos microscópicos simulan en movimiento de vehículos individuales basados en las teorías de seguimiento vehicular y de cambio de carriles. En ese sentido. En el simulador mesoscópico. intervalo entre vehículos. al entrar. en los modelos mesoscópicos la unidad del flujo de tráfico es el vehiculo individual. pero las medidas del tiempo no necesitan ser tan precisas en este tipo de simulaciones. sigue la aproximación de los modelos macroscópicos y esta gobernado por la velocidad promedio de viaje del enlace. Típicamente. los modelos mesoscópicos proveen menor fidelidad que las herramientas de microsimulación. Se simula en detalle la aceleración. los vehículos son reunidos en células y corrientes de tráfico y sus movimientos están basados en capacidades y funciones de velocidad-densidad predefinidas. los vehículos entran a la red de transporte usando una distribución estadística de llegadas (un proceso estocástico) y son rastreados a través de la red en pequeños intervalos de tiempo (p. usualmente se limitan el tamaño de la red y el número de corridas de la simulación que se pueden completar. los vehículos pueden variar sus características físicas o de rendimiento y puede ser adecuado a las necesidades del usuario. Los vehículos individuales son rastreados pero sus movimientos utilizan funciones agregadas de velocidad-densidad en vez de los modelos de seguimientos de vehículos y de cambio de carril [79]. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Antes de que los vehículos ingresen o salgan de un segmento se examina la restricción de capacidad o el efecto de las colas. sin embargo. cada vehiculo es asignado a un destino. El tiempo de cálculo y los requerimientos de almacenamiento para los modelos microscópicos son grandes. desaceleración. pero son superiores a las técnicas de análisis típicas de planificación. [79]  Modelos de simulación mesoscópica. un tipo de vehiculo y un tipo de conductor. 1 segundo o una fracción de segundo). cambios de carril.

Describe el mismo comportamiento que el anterior y adiciona al modelo mayores especificaciones sobre los vehículos. Los modelos discretos asumen que los cambios de estado son en instantes discretos de tiempo. Juan Manuel González Calleros. Puede ser determinístico lo que implica que no hay variables aleatorias y que todas las variables se definen mediante relaciones exactas. Los modelos de tráfico describen sistemas dinámicos. Existen otras maneras de clasificar los modelos de tráfico considerando otras características. [79]  Modelo de simulación submicroscópica.. CP 72000. Pue. Instituto Nacional de Astrofísica. México. situaciones que pueden ser afectadas por el comportamiento del conductor. así se tiene:  Por la escala de la variable independiente. Capítulo 3. Óptica y Electrónica. las características del vehículo o la geometría de la vía. a estos modelos se les conoce como semi-discretos. Puebla. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS incorporaciones. Un modelo continuo describe estados continuos del sistema de tráfico en respuesta a un estímulo continuo. En la Figura Nº 24. es así que se pueden clasificar dependiendo de la escala de tiempo. Los modelos estocásticos incorporan procesos que tienen variables aleatorias. Figura Nº 24. Ciencias Computacionales. donde se tiene variables continuas como discretas.  Representación del proceso. También es posible encontrar modelos. Teoría de la simulación de tránsito 103 . encontraremos de manera gráfica los conceptos vertidos sobre los modelos de simulación del tránsito. Descripción de los modelos de simulación de tránsito Fuente: Paper: ¿Cómo mejorar el flujo vehicular por medio de la simulación?.

es así que la única ley física precisa de la teoría de tráfico es la ecuación de la conservación del número de vehículos.1997) Metanet (1998. Universidad San francisco de Quito. Simulación y Control de Tráfico Vehicular – MSCTV. Teoría de la simulación de tránsito 104 . Si es usado para una simulación o si el modelo se requiere para hallar una solución analítica (Hoogendoorn y Bovy. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Por el área de aplicación. El modelo puede describir la dinámica de los vehículos en un solo carril con un sentido de flujo. como también la dinámica de una red de tráfico. Clasificación de modelos según grado de detalle CLASE MODELOS Mixic (1995) Submicroscópicos Pelops (1998) Simone (1999) Psico-espacio (1974 ) Distancia segura (1990) Respuesta al estímulo (1990) Microscópicos Integration (1994) Fosim (1995) CA (1999) Particula Transeunte (2000) Dinámica reducida de gases (1971) Dinámica mejorada de gases (1975) Grupo (1978) Mesoscópicos Dinámica multicarril de gases (1997) Distribución de avance (1998) Dinámica multicarril clase múltiple de gases (1999) Dinámica de clase múltiple de gases (2000) LWR (1955) Tipo Payne (1971. considerando perturbaciones. En resumen. La Tabla Nº 10 clasifica los modelos usando este criterio. mesoscópicos y macroscópicos que son los que tienen el menor grado de detalle. Estado del Arte en Modelación. continuos o discretos. de mayor a menor.1979) Freflo (1979) Macroscópicos Semidiscreto (1990) Transmisión de grupo (1994. cruces. según el número de carriles. Alberto Sánchez. según el grado de detalle. Análisis de Tráfico Vehicular y Herramientas. determinísticos o estocásticos. analíticos o simulados. existen diversas formas de clasificar los modelos dinámicos de flujo vehicular. etc. se tienen los modelos submicroscópicos. Cuando se los clasifica según el grado de detalle. [58] Los modelos de tráfico vehicular han estado sujetos a varias controversias respecto a su valides y aplicabilidad a los problemas reales de flujo. Junio 2006 Capítulo 3.1999 ) Tipo Helbing (1996. Tabla Nº 10. Director: Dr. microscópicos.1999) Master (1999) Fuente: Modelación. 2000). Reporte No. si se aplican a redes de carreteras o urbanas.  De acuerdo al uso.1.

1999 ) Simulados Fosim (1995) Mixic (1995) Pelops (1998) Simone (1999) CA (1999) Particula Transeunte (2000) Fuente: Modelación. Director: Dr.1999) Master (1999) Dinámica multicarril clase múltiple de gases (1999) Dinámica de clase múltiple de gases (2000) Psico-espacio (1974 ) Freflo (1979) Integration (1994) Transmisión de grupo (1994. Respecto a los modelos microscópicos y macroscópicos. lo que permitirá utilizarlo en toda su potencialidad. Universidad San francisco de Quito. Teoría de la simulación de tránsito 105 . Simulación y Control de Tráfico Vehicular – MSCTV. se puede concluir que los modelos microscópicos son utilizados en simulación off-line.1979) Dinámica mejorada de gases (1975) Grupo (1978) Distancia segura (1990) Respuesta al estímulo (1990) Analíticos Semidiscreto (1990) Tipo Helbing (1996. Análisis de Tráfico Vehicular y Herramientas. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Otra forma de clasificar los modelos que se consideran útiles para los fines del proyecto se muestra en la Tabla Nº 11 y toman en cuenta características de analítico o simulado. Alberto Sánchez. por lo que se sugiere esperar a que se adquiera el software indicado para profundizar en su análisis. Estado del Arte en Modelación. Tabla Nº 11.1. Clasificación de modelos en analíticos y simulados CLASE MODELOS LWR (1955) Dinámica reducida de gases (1971) Tipo Payne (1971. Se puede observar que los modelos submicroscópicos son todos modelos simulados. mientras los mesoscópicos son todos analíticos. presentando como una desventaja la no obtención de una solución analítica cerrada. De las características presentadas para los diferentes modelos. Reporte No. inclusive adaptándolo a las necesidades del proyecto. Junio 2006 Capítulo 3. Los modelos simulados o utilizados en simulación van a depender de la herramienta computacional que se disponga.1997) Dinámica multicarril de gases (1997) Distribución de avance (1998) Metanet (1998. existen algunos analíticos y otros simulados.

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Respecto a los modelos mesoscópicos. lo que hace difícil tanto su aplicación en tiempo real como su calibración. Estado del Arte en Modelación. Fecha: Junio 2006 Capítulo 3.1. Ideales en gran escala. Universidad San francisco de Quito. para probar la geometría de las vías.). Pueden ser microscópicamente discretizados. Reporte No. se concluye que los modelos macroscópicos proveen soluciones analíticas cerradas y podrían ser útiles para modelación. Simulación y Control de Tráfico Vehicular – MSCTV. [58] Tabla Nº 12. Realizando un balance de las ventajas y desventajas de los modelos analizados. Base ideal para obtener modelos macroscópicos. Finalmente los modelos macroscópicos son fáciles de calibrar y son considerados ideales para estimar. Alberto Sánchez. No tienen una solución analítica cerrada. Teoría de la simulación de tránsito 106 . Director: Dr. Microscópicos No representan características macroscópicas verdaderas. prediccion y control de flujo vehicular basados en modelos. Fuente: Modelación. en tanto que los modelos microscópicos se utilizan generalmente en simulación. Permiten describir comportamientos de vehículos en forma individual sin describir su comportamiento espacio-tiempo. y Bovy P. No describe correctamente detalles e impacto Macroscópicos microscópicos. por ejemplo. en la Tabla Nº 12 se muestran ciertas características de los modelos analíticos de flujo vehicular (Hoogendoorn S. Mesoscópicos Calibración y aplicación en tiempo real difíciles. Soluciones analíticas cerradas. Ecuaciones con muchos parametros y dimension alta. Características de los modelos analíticos CLASE MODELOS Ideales para simulación off-line. La mayoría de paquetes de simulación utilizan modelos microscópicos y constituyen el grupo que se conoce como Simuladores Microscópicos de Tráfico Vehicular (Microscopic Traffic Simulator MITSIM). En cuanto a las características de los modelos analíticos. ideales para estimacion. predecir y controlar el flujo vehicular basado en modelos. Comparativamente calibración más sencilla. Análisis de Tráfico Vehicular y Herramientas. tienen una representación matemática con muchos parámetros y dimensionalidad alta.

es a menudo una consideración importante en los estudios de transporte. corridas de escenarios analíticos. y entrenamiento de los usuarios. La limitación de recursos para la realización de los estudios. La mejor aproximación es buscar la meta final y los objetivos de las tareas y enfocarse en la recolección de datos que sean cruciales para el estudio. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 3. como una herramienta de planificación inicial más que una microsimulación. Asimismo. Desafíos y limitaciones en el uso de las herramientas de análisis de tránsito En este punto citaremos algunos desafíos y limitaciones que deberían considerarse cuando se elige una herramienta de análisis de tránsito:  Disponibilidad de datos de calidad.  La herramienta podría no estar diseñada para evaluar todos los tipos de impactos producidos por la aplicación de las estrategias de transporte.  Limitación de datos empíricos. a fin de evaluar las capacidades y limitaciones de la misma.  Falta de entendimiento de las limitaciones de las herramientas de análisis. las limitaciones y problemas no se descubren hasta que el proyecto esta en marcha. A menudo.  Limitaciones de entrenamiento. Las herramientas de simulación de tránsito usualmente tienen pasos de aprendizaje y. el usuario podría considerar una herramienta que sea menos intensiva en datos.  Recursos limitados.4. La recolección de datos a menudo puede resultar el componente más costoso de un estudio. Teoría de la simulación de tránsito 107 . adquisición de herramientas. Las mediciones de salida Capítulo 3. Las herramientas de análisis de tránsito pueden requerir un capital significativo de inversión. Sin embargo. Es importante aprender de las experiencias con proyectos anteriores o comunicarse con aquellos usuarios de una herramienta en particular o categoría de herramienta. Investigando las experiencias de otros. los usuarios pueden ganar una mejor comprensión de con qué se podrían encontrar en el avance del proyecto.1. algunos profesionales en transporte no reciben entrenamiento adecuado en modelación y simulación. el usuario debería hacer un balance cuidadoso de las necesidades de análisis más detallados con la cantidad de datos requeridos. como resultado. el análisis de más escenarios cuesta dinero. los resultados de una herramienta más simple usualmente son más generalizados. así. Si no se tiene buena data disponible. Las licencias de software y los costos de entrenamiento pueden hacer una gran proporción del presupuesto.

5. Capítulo 3.  Fortalezas y limitaciones del HCM Para muchas aplicaciones. duración. Teoría de la simulación de tránsito 108 . los procedimientos del HCM son limitados generalmente en su posibilidad de evaluar efectos en el sistema de transporte. la modelación y el análisis. existen muy pocas herramientas que puedan analizar directamente las estrategias de implementación de ITS (Sistemas Inteligentes de Transporte). un modelo puede correr en un rango de pocos segundos a varias horas.  Deseo de correr soluciones en tiempo real.  Corridas de computación muy largas. etc. Esto permitirá a los profesionales en transporte responder a la congestión recurrente y no recurrente usando soluciones en tiempo real. reducción de la duración de incidentes. Estos procedimientos son rápidos y fiables para predecir si una facilidad podrá operar encima o debajo de la capacidad. ahorro en costos de operación.). Los procedimientos del HCM son buenos para analizar el desempeño de facilidades aisladas con problemas de congestión moderados. Existe la esperanza que las futuras herramientas puedan estar disponibles directamente desde los Centros de Gestión del Tránsito y detectores. Comparación entre el Manual de Capacidad Vial (HCM) y la Simulación El intento de esta sección es comparar las capacidades del HCM y las herramientas de simulación. requerimientos de datos. y proveer una guía adicional en la evaluación cuando la simulación del tráfico pueda ser más apropiada que las herramientas o métodos basados en el HCM. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS producidas por cada herramienta varían. La mayoría de herramientas requieren una cantidad significativa de tiempo para el montaje.j. 50] 3. el HCM es el más ampliamente usado y aceptado como técnica de análisis de tránsito en los Estados Unidos y países donde se emplea este manual como guía básica de análisis de tránsito como el Perú. el proceso de encontrar coincidencia en las mediciones de desempeño deseado en el proyecto con las salidas de la herramienta es importante. La aproximación más efectiva para solucionar el tema es contar con el equipamiento de computación más robusto que esté disponible y/o limitar cuidadosamente el alcance del estudio. ajustándose a las necesidades del análisis. etc.j. tamaño del área. así. períodos de tiempo de análisis. Sin embargo.1. así que el análisis pueda ser implementado directamente en tiempo real. Adicionalmente. los impactos asociados con ellas (p. y éstos hayan sido bien probados a través de un esfuerzo de validación de campo significativa. Dependiendo del hardware de la computadora y del alcance del estudio (p.). [49.

necesita la modelación de modeladores de talento extraordinario que son caros y difíciles de conseguir. como sucede con frecuencia cuando se trata de fenómenos de tránsito vehicular.  Intercambios de diamante cercanos. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS La mayoría de los métodos del HCM y modelos asumen que la operación de una intersección o segmento de vías no se ven afectados adversamente por las condiciones de una vialidad adyacente. mientras que los modelos de simulación pueden correr sobre más de una hora.  Carriles de volteo a la izquierda de doble sentido. Los procedimientos del HCM son de validez limitada en el análisis de colas y sus efectos. y en consecuencia. [50] 3. cuando el sistema a modelar es muy complejo. Los modelos analíticos son más elegantes que los de simulación y su lógica es más breve y concisa. existen varios vacíos en los procedimientos del HCM. Asimismo. Sin embargo. A continuación se presenta una lista de estos vacíos:  Vías rurales de 2 carriles o multicarril donde los semáforos o las señales de “pare” impactan significativamente sobre la capacidad y/o operaciones. lo que es una gran desventaja.1. Capítulo 3. en cambio. muchas situaciones del mundo real no han sido recomendadas aún por procedimientos analíticos. velocidad o demoras en un periodo de 15 minutos de una hora.  Óvalos de más de un carril. los modelos de simulación toman una aproximación dinámica. Esto significa que sus programas son más fáciles de depurar que los largos programas que requiere la lógica de la simulación. También el esfuerzo y capacidad mental que exige una formulación matemática de ese calibre. El HCM es un conjunto de herramientas analíticas que se encuentra constantemente en desarrollo y expansión.6.  Carriles de ascenso para camiones. en esos casos la simulación resulta más útil pues al reducir el problema a la representación de sucesos individuales. Sin embargo. Medidas de desempeño de tránsito: diferencias entre el HCM y la Simulación Las herramientas de procedimientos y metodologías del HCM toman una aproximación estática para predecir el desempeño del tránsito. las largas colas en una ubicación que interfiere con otra podría transgredir esta presunción. El HCM estima el promedio de densidad. Teoría de la simulación de tránsito 109 . la formulación matemática de todas las relaciones significativas que existen en el sistema es sumamente fácil y a veces resulta imposible desde el punto de vista práctico. hace más fácil la concepción intelectual del modelo aunque alargue mucho los procesos lógicos. En cambio.

3. proporcionando información exacta y dinámica sobre los flujos de tránsito. una vía simple. El primer paso es la identificación del contexto de análisis para la tarea de planificación. configuraciones alternativas de señalización. manejo de incidentes. El modelo es realizado a partir de un sistema consistente en un paquete de herramientas de software de alto rendimiento para la simulación microscópica de tránsito. detectores en rampas (ramp metering). un corredor o una red. buses. coordinación de semáforos. tales como: vías expresas. la relevancia de cada criterio podría diferir. Disponibilidad de analizar varios modos de transporte. tiempos de viaje y congestión. Teoría de la simulación de tránsito 110 . Capítulo 3. construcción de vías nuevas y en general. incluyendo una intersección aislada. Disponibilidad de analizar varias estrategias de gestión de tránsito y aplicaciones. Se necesitan siete criterios adicionales para ayudar a identificar las herramientas de análisis que sean las más apropiadas para un proyecto en particular. Para que los resultados sean los correctos. tales como: carriles de ocupación vehicular simple (SOV). Los criterios incluyen lo siguiente: 1.1. diseño u operación/construcción. arterias. rampas.7. tales como: distancia de rampas. [50] 3. etc. 4. 2. Criterio para la selección de un tipo apropiado de herramienta de análisis de tránsito Esta sección identifica criterios que pueden ser considerados en la selección de una apropiada herramienta de tránsito en función a una situación en particular. cualquier tipo de innovación que aún no se ha puesto en marcha. plazas de peajes. carriles de alta ocupación vehicular (HOV). SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS El simulador de tránsito es una herramienta ampliamente utilizada por ingenieros de tránsito para evaluar posibles modificaciones a las vías de circulación vehicular. trenes. Disponibilidad de analizar un apropiado alcance geográfico o área de estudio. se necesita que las predicciones sean precisas. Los vehículos son modelados individualmente durante toda la duración de su viaje a través de la red. el Sistema permite el modelado de la interfaz entre los conductores y los Sistemas de Transporte Inteligente (ITS). camiones. etc. bicicletas y tráfico peatonal. Además. HOV. Dependiendo del contexto de análisis y de las metas y objetivos del proyecto. Capacidad de modelar varios tipos de facilidades.

animación. y demanda inducida/inevitable. velocidad. entrenamiento. elección de tiempos de salida. planes estratégicos de sistemas inteligentes de transporte – ITS. elección de destino. requerimientos de hardware. regional o planes de transporte locales (p. y mediciones ambientales (emisiones. El primer paso en la selección de una herramienta apropiada para el análisis del tránsito es la identificación del contexto de análisis del proyecto. limitándose según la categoría de la herramienta a una o dos opciones. volúmenes. 6. Costo-beneficio para la realización de la tarea. Finalmente. etc. Los parámetros que influencian el costo-beneficio incluyen el costo de capital de la herramienta. 7. principalmente desde la perspectiva de gestión u operación. etc. Herramienta vs. fatalidades). La Figura Nº 25 resume el criterio que debería ser considerado para seleccionar una categoría de herramienta. incluyendo: rutas de desvío. facilidad de uso. requerimientos de hardware. movilidad (tiempo de viajes.). Disponibilidad de producir directamente y entregar mediciones de desempeño. eficiencia (salidas. Luego. La Figura Nº 25 ilustra un proceso típico de análisis de transporte.  Diseño: Esta fase incluye los proyectos financiados y aprobados que van a conllevar un análisis de alternativas o diseños preliminares para determinar la mejor opción para su Capítulo 3. el criterio 7 debería tenerse en cuenta para seleccionar la categoría final de la herramienta basada en los parámetros externos del contexto técnico del análisis. ruido). Capacidad de estimar respuestas de viajes a las estrategias de gestión de transito. los usuarios deberían hacer un filtro entre los criterios 1 al 6 expuestos anteriormente. 3. productividad (ahorro de costos). Los usuarios deberían comenzar por identificar el contexto de análisis del proyecto. el cual contiene varias fases que incluyen:  Planeamiento: Esta fase incluye un corto o amplio rango de estudios a nivel estatal. vehiculos-km de viajes (VMT)). 2. Teoría de la simulación de tránsito 111 . el nivel de esfuerzo requerido para obtenerla. Los pasos para seleccionar el apropiado tipo de análisis con la herramienta a utilizar son: 1. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 5. planes de gestión de congestión.j. tales como: mediciones de seguridad (choques. requerimientos de datos. vehículos-hr de viaje (VHT)). tales como: costo de la herramienta. etc. planes maestros. consumo de combustible.

july 2004 Capítulo 3. Esta fase también involucra el análisis de las características que la vía necesita para poder operar al nivel de servicio (LOS) deseado. diseño de pavimento. alineamientos horizontales y verticales. FHWA-HRT-04-038. Teoría de la simulación de tránsito 112 . El diseño definitivo del proyecto (p. etc. incluyendo planeamiento. Publication No. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS implementación.  Operación/construcción: Estos proyectos comparten muchas características similares con el diseño. pero son realizados para determinar la mejor aproximación a la optimización o evaluación de los sistemas existentes. Criterio para seleccionar una categoria de herramienta de análisis de tránsito Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer. [50] Figura Nº 25.) no están incluidos en esta categoría. US Department of Transportation.j. La Tabla Nº 13 presenta de manera general la relevancia que tiene cada categoría de herramienta para cada contexto de análisis. diseño y operación/construcción.

Los ITS requieren de modelos adecuados de sistemas de tráfico para el manejo de diferentes estrategias de operación y diseño de sistemas de control de tráfico señalizado. Capítulo 3. Fuente: Traffic Analysis Toolbox Volume I: Traffic Analysis Tools Primer.2. Publication No. Las estrategias de tiempo fijo requieren modelos híbridos detallados con información estadística en días. Introducción Los requerimientos de un servicio eficiente de tráfico son cada vez más exigentes. Las estrategias de reacción de tráfico hacen uso de mediciones en tiempo real. Relevancia las categorías de análisis de tránsito con respecto al contexto analítico Instrumentos de Análisis/Metodologías Contexto Esquema Modelos de Herramientas Optimización Simulación de de demanda de analíticas/determiníst Simulación Simulación icas de tránsito macroscópica microscópica planeamiento viajes mesoscópica (Basados en HCM) Planeamiento ø ø ø Diseño N/A ø Operación/Co nstrución ø Notas: ● Contexto específico. FHWA-HRT-04-038. usando sensores de lazos inductivos y reconocimiento de patrones en cámaras digitales. ○ Metodología o herramienta de análisis particular que no esta dirigida por lo general a un contexto especifico. july 2004 3. considerando Redes Urbanas de Tráfico (Urban Traffic Networks – UTN). ESTADO DEL ARTE EN MODELACIÓN.2. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Tabla Nº 13. ∅ Algunas de las metodologías/herramientas de análisis dirigidos a un contexto específico y algunas no. para regular el flujo vehicular en las ciudades. especialmente dentro y alrededor de las ciudades. N/A Metodología en particular que no es apropiada para el uso en dirección al contexto específico. Teoría de la simulación de tránsito 113 . generalmente dirigido por la metodología o herramienta de análisis correspondiente. ANÁLISIS DE TRÁFICO VEHICULAR Y HERRAMIENTAS 3. lugares y horas determinadas y son utilizados para optimizar las fases y ciclos de las intersecciones semaforizadas. lo que ha dado lugar a la implementación y operación de Sistemas de Transportación Inteligente (Intelligent Transportation Systems – ITS).1. [52] Las estrategias empleadas en tráfico señalizado se dividen en: estrategias de tiempo fijo y estrategias de reacción de tráfico. lo cual requiere de modelos simplificados para control de tipo caja negra y caja gris. US Department of Transportation.

debido a un incremento sostenido en el número de vehículos. comprenden: métodos a ecuaciones diferenciales con un enfoque macroscópico y microscópico.2. Redes Petri Híbridas (Hybrid Petri Nets – HPN). Teoría de la simulación de tránsito 114 . como por ejemplo el estudio de los modelos que relacionan volumen y velocidad (Greenshields. orientados a procesos de eventos discretos (Discret Event Systems – DES) y atributos de tiempo continuo. De igual manera. y. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Los modelos analíticos de la dinámica de tráfico vehicular.2. Modelos Dinámicos de Tráfico Vehicular El objetivo de este capítulo es el de proveer al lector una reseña de los modelos dinámicos más importantes y utilizados para simulación de flujos de tráfico vehicular. al momento en la descripción matemática de estos. 1936). La infraestructura consiste en las vías por donde pueden circular estos vehículos y todos sus elementes operacionales. determinísticas y estocásticas. con sus variables de interés. Las teorías de flujo de tráfico vehicular buscan describir de una manera matemática precisa. 1934) y el comportamiento del tráfico en intersecciones (Greenshields. señalización y otros. sino más bien es una compilación de los resultados más relevantes. el análisis y evaluación de sistemas de tráfico vehicular se realiza con modelos de simulación. y los estudios de Bruce Greenshields. de sección de longitud finita y del tipo modelo Vehículo Siguiente (Car-following) respectivamente. El estudio científico del flujo vehicular tuvo sus inicios en 1930 con la aplicación de la probabilidad para la descripción del tráfico (Adams. se presenta un resumen de herramientas para la medición de variables de interés. Este reporte presenta una compilación en el estado del arte de varias técnicas de modelación. Durante la década de 1950 aparece una gran variedad de desarrollos. que utilizan un enfoque microscópico (Microscopic Traffic Simulation – MITSIM). 1947). Se presentan modelos de tipo macroscópico. de ninguna manera. Este reporte no contiene. las interacciones entre los vehículos. [59] 3. tales Capítulo 3. como por ejemplo semáforos. Dado que los modelos analíticos son muy complejos. sus operadores y la infraestructura. microscópico (con diferentes variantes). [52] Al término de la segunda guerra mundial. orientadas hacia la descripción matemática del tráfico vehicular. una descripción detallada de las diferentes técnicas. generalmente de segundo orden. se produce la necesidad de realizar estudios más profundos en la teoría del flujo de tráfico vehicular. técnica de teoría de colas (M/M/1).

Webster (1957). no tiene rampas de entrada ni de salida. r = (x. P = P(r) es la llamada presión de tráfico. consisten del siguiente conjunto de ecuaciones diferenciales parciales. V = (x. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS como Car-following.t). 1950c). La segunda ecuación describe la dinámica de la velocidad V. 1950b. en función de: Capítulo 3. es tan importante ahora como hace 50 años. la teoría de flujo vehicular y su importancia en la vida cotidiana. Algunos de los trabajos más trascendentales durante esta época son los de Reuschel (1950a.t) es la velocidad media. Se asume que el camino considerado. La primera ecuación describe la conservación de vehículos (ningún vehículo es generado o perdido). y es así como en 1959 se realiza el primer simposio internacional en teoría de flujo vehicular.  MODELOS MACROSCÓPICOS DE FLUJO DE TRÁFICO Los modelos de segundo orden considerados. La constante necesidad de obtener una mejor comprensión de los fenómenos del flujo de tráfico vehicular. y τ es el tiempo de relajamiento.t). en General Motors Research Laboratories. Lighthill y Whitman (1955). describiendo la evolución tiempo-espacio de las variables de tráfico macroscópicas: flujo q = q(x. Teoría de la simulación de tránsito 115 .t) y densidad r = r(x. Pipes (1953). Newell (1955). ∂r ∂q Ecuación de conservación vehicular : + =0 (48) ∂t ∂x ∂V 1 ∂P V − V 2 ∂V Dinámica de velocidad : +V + = (49) ∂t ∂x r ∂x t convección anticipación relajamiento En estas ecuaciones. por su tamaño y carga computacional. teoría de ondas de tráfico y teoría de colas para la descripción del flujo vehicular. Edie y Foote (1958) y Chandler et al. (1958). Para finales de la década de 1950 y comienzos de los 60.t)) es la velocidad de equilibrio. Ve = Ve (r(x. que representa la anticipación de los conductores a las condiciones de tráfico más adelante. Wardrop (1952). Con el advenimiento de herramientas computacionales más fuertes.t) denota densidad de tráfico en la posición x y al instante de tiempo t. ha sido posible estudiar fenómenos más complejos. velocidad V = V(x. alcanzó un punto en donde era necesario el organizar un simposio.

Capítulo 3. Teoría de la simulación de tránsito 116 . donde η es el coeficiente de viscosidad usado para suavizar las discontinuidades espaciales (interpretada como anticipación del conductor de alto grado).  Cuando P = rA(r)V2.t) = rVe es la razón de flujo de equilibrio. ∆Α.x + dx] debido a vehículos ingresando con diferente velocidad). es que puedan ser formuladas en términos de la ecuación de conservación. qe(x. con un término fuente y drenaje.t) = rV es la razón de flujo. Expresiones diferentes para el término presión de tráfico P(r) producen diferentes modelos de segundo orden. y  relajamiento (adaptación suave de la velocidad promedio a la velocidad de equilibrio). Unos pocos ejemplos son los siguientes:  Cuando P = -Ve(r) / 2τ. F =  . La forma conservada hace posible usar esquemas estándares numéricos para la simulación de la dinámica de fluidos. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  convección (cambios en la velocidad promedio en una celda muy pequeña [x. S =  e  (51) q  E  ( q − q ) / τ  En la última ecuación. q(x. se obtiene el modelo Kerner & Konhauser.  Escogiendo P = rΘo (1-r / rmax) conduce al modelo de Philips. donde: Ao. ∂r son   ∂r  constantes y rcr la densidad crítica. ∂U ∂F (U ) + =S (50) ∂t ∂x r  q   0  U =  . determinada por A = A0 + ∆A1 + exp cr  .  anticipación (cambios en la velocidad debido a la anticipación de conductores en condiciones de tráfico más adelante). donde Θo es una constante y rmax la densidad de congestión constante. La propiedad deseable de estas ecuaciones. el modelo de Treiber se obtiene. E = r(V2 + P/r) es la energía de tráfico. A(r) es una función dependiente de la −1   r − r  densidad. se obtiene el modelo de Payne original.  Para P = rΘo – ηδV / δx.

los valores propios de la matriz dr Jacobiana J pueden ser determinados como: λmax = V + c y λmin = V − c. De aquí que el modelo constituye un sistema hiperbólico. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS La velocidad de equilibrio Ve(x. Capítulo 3. Adicionalmente. la matriz Jacobiana J se determina así: ∂F  0 1 J= =  (54) ∂U dP dr − V 2 2V   Los valores propios de esta matriz J son usados para determinar las llamadas velocidades de propagación de onda. Haciendo que la velocidad de onda local c = dP . Se puede también transformar la tercera ecuación a una forma quasi-lineal reescribiendo: ∂F ∂F ∂U ∂U = ⋅ =J⋅ (53) ∂x ∂U ∂x ∂x donde. Messmer y Papageorgiou usan la siguiente expresión:  1  r (t ) α  V = V f exp−  e   (52)  α  rcr   En esta expresión Vf es la velocidad libre. Es obvio que la matriz Jacobiana del modelo tiene dos valores propios reales y distintos λmin ≤ λmax. Es conveniente enfatizar en las variables de interés que se utilizan en la modelación del tráfico vehicular.t) en la ecuación (49) es en general determinada como una función de la densidad r. En el modelo de Payne. y α es un factor adimensional. se conoce que corresponde a cada valor propio una familia de ondas de choque. Por ejemplo. el término dP / dr es una constante positiva que ilustra el decrecimiento de la velocidad de equilibrio debido al incremento de la densidad. Esta es una propiedad importante de los modelos de segundo orden. rcr es la densidad crítica. Teoría de la simulación de tránsito 117 .

Un aspecto de interés en los modelos de Car-following. el fenómeno de seguir a un vehículo en un solo carril de la vía (Car-following). 1997). como por ejemplo el hecho de cambiar de carril. Teoría de la simulación de tránsito 118 . entre las que se destacan:  Es simple de analizar comparado con otros aspectos. Esta sección. presenta uno de los tantos aspectos involucrados en el acto de conducir. Es debido a esto. Modelo tipo Car-following Cumming (1963) clasificó las varias actividades involucradas en el acto de conducir. Esta relación es de interés en gran parte porque casi todas las estimaciones de la capacidad de una vía están basadas en la siguiente ecuación: V C = (1000) (55) S Capítulo 3. 58. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Variables de interés En general el tráfico no es uniforme y varía en tiempo y en espacio. 60] Este aspecto es relativamente importante e interesante de analizar por varias razones. y clasificó al conductor como un procesador de información.3. cuando el uno le sigue a un líder que viaja a una velocidad determinada V. Estos parámetros han sido explicados ampliamente en el Capítulo II Título 1 de la presente investigación. 59. 3. El hecho de seguir a otro vehículo es una actividad muy común cuando es difícil el rebasar al vehículo enfrente en vías de múltiples carriles o cuando el tráfico está restringido a caminos de una sola vía. es el espacio promedio S entre dos vehículos.  Ha sido descrito matemáticamente de manera exitosa. que cualquier medición de variables de interés para describir el flujo es en realidad un proceso de muestreo de variables aleatorias. velocidad. [52. estos son en realidad parámetros de distribuciones estadísticas y no números absolutos (Hall. o densidad.2. Tal es el caso que en realidad cuando en tráfico se habla de flujo.  Es un componente importante en el acto de conducir.

5. L.5 ] −1 y la velocidad con la cual pequeños cambios en el tráfico se propagan a través del sistema (Rothery. En general el modelo presentado anteriormente trata de incorporar factores como la longitud de los vehículos. los factores humanos de la percepción del conductor. el estudio publicado en el primer Highway Capacity Manual (1950) el cual incluye 23 estudios de observaciones realizados entre 1924 y 1941. Algunos estudios basados en mediciones en vías.  β es el tiempo de reacción T. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS donde: C es la capacidad de un carril de la vía (vehículos/hora). el flujo máximo [ β + 2(α / γ ) 0. Se destaca. han encontrado relaciones empíricas entre la velocidad la distancia promedio. Capítulo 3. Este modelo es en general aplicable en los casos en que el flujo vehicular circula en un solo carril y en general mantiene la velocidad constante o con variaciones muy pequeñas alrededor de esta. En muchas ocasiones a la constante γ se la ha estimado utilizando la siguiente expresión: γ = 0. β y γ toman diferentes valores y tienen la siguiente interpretación física:  α es el largo del vehículo. sus tiempos de ejecución y la física involucrada en la dinámica de los vehículos. Se ha demostrado que en estos modelos se encuentran estimaciones teóricas de la velocidad con un flujo máximo de vehículos (α/γ)0. describe el flujo en estado estable. es decir. Teoría de la simulación de tránsito 119 . especialmente en carreteras. la toma de decisiones. Las relaciones que fueron obtenidas pueden ser representadas a través de la siguiente ecuación: S = α + βv + γV2 (56) donde: las constantes α.5 (a −f 1 − at−1 ) (57) donde: af y at son las máximas desaceleraciones promedio del vehículo que sigue y del líder (Harris. 1964). por ejemplo. S es la distancia promedio entre los guarda-choques posteriores de los dos vehículos (m).  γ el recíproco del doble de la desaceleración promedio del vehículo que sigue al líder. 1968). V es velocidad (km/h).

El hecho de conducir un vehículo en un solo carril puede ser categorizada en los siguientes aspectos:  Percepción: El conductor adquiere información relevante del movimiento del vehículo que circula enfrente. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Los elementos dinámicos en las interacciones en el flujo vehicular fueron introducidos por Reuschel (1950) y Pipes (1953).  Control: El conductor realiza las acciones de control de acuerdo a su procesamiento de información y a su conocimiento de la dinámica del vehículo. no está claro como el conductor realiza todas estas funciones. Al momento. Capítulo 3. siendo este el más difícil de describir adecuadamente. aceleración o desaceleración y sus derivadas de orden superior (“jerk”). La mayoría de estos trabajos tenían una orientación microscópica en la descripción del flujo. Es de aquí de donde se establece que el modelo de Car-following es un nexo entre el comportamiento individual entre vehículos y el de una cola y sus propiedades de flujo y estabilidad. y la distancia entre los vehículos. sin embargo aparece el problema de que en general el conductor tiene varias funciones de transferencia dependiendo de las circunstancias. y a través de esta se lograba una aproximación hacia el comportamiento de todo el flujo vehicular. Teoría de la simulación de tránsito 120 . a los cuales les siguieron los de Kometani y Sasaki (1958) y una serie de publicaciones realizadas por Herman y sus colaboradores que comenzaron en 1958.  Desarrollo del modelo El modelo de Car-following asume que existe una correlación entre los vehículos en un rango de distancia en la cual puede existir una interacción entre ellos. Muchas de las preguntas más importantes yacen en el factor humano. Generalmente esta información es la velocidad.  Toma de decisiones: El conductor interpreta la información colectada y la transforma en un conjunto de acciones que debe tomar basándose adicionalmente en su vehículo y su experiencia como conductor. Normalmente el modelo de Car- following tiene una validez entre los 0 y 250 metros de distancia entre el líder y el que le sigue (Rothery. 1997). En muchos casos se ha tratado de representar al conductor como una función de transferencia.

lo más recomendable como se dijo anteriormente es representar al conductor como: Respuesta = λ Estimulo Dadas las condiciones del vehículo. Dentro de los más recientes constan en los que al conductor se lo representa a través de agentes inteligentes. La forma en que se representa al conductor ha sido motivo de muchos estudios. en intervalos de tiempo cortos. Teoría de la simulación de tránsito 121 .  Evitar colisiones Estas dos condiciones se pueden lograr si el conductor mantiene una pequeña velocidad promedio relativa. Urel. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS En general. Capítulo 3. Un diagrama equivalente del modelo se presenta en la Figura Nº 26. y el estimulo su percepción de la velocidad relativa entre los dos vehículos. para fines de simulación. la respuesta del conductor será su comando en la aceleración del vehículo. y T es el tiempo de respuesta del conductor. se ha llegado al consenso de que en el modelo de Car-following el conductor trata de:  Mantenerse a una distancia prudente del vehículo enfrente. Es decir: t + δt 1 2 U rel (t )dt δt t −∫δt U l − U f = U rel = (58) 2 En general al conductor se lo representa de la manera más sencilla posible. en los cuales se trata de incluir el factor humano. de tal manera que un modelo muy simple y muy utilizado de Car-following se reduce a: [ &x&(1 + T ) = λ x&l (t ) − x& f (t ) ] (59) donde: x son las distancias relativas a un punto de referencia tanto del vehículo líder y del que le sigue. Desde un punto de vista práctico. una ganancia que relaciona su respuesta cuando recibe un estímulo.

Simulación y Control de Tráfico Vehicular – MSCTV. es críticamente amortiguado  Si C > π/2.  Análisis de Estabilidad Estabilidad Local Este análisis consiste en determinar las posiciones de los polos del sistema. Universidad San francisco de Quito. entonces el movimiento es oscilatorio y amortiguado. entre los que se destacan el de estabilidad. La estabilidad de un sistema puede ser analizada desde varios puntos de vista Rothery (1997). Análisis de Tráfico Vehicular y Herramientas. Tomando t = τT. Diagrama de bloques. es importante el llevar a cabo algunos análisis.  Si C = π/2.1. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Figura Nº 26. Fuente: Modelación. Capítulo 3. del modelo de Car-following (Rothery. entonces el movimiento es oscilatorio e inestable. Teoría de la simulación de tránsito 122 . presenta el análisis de la estabilidad asimptótica y local del modelo. realizando un análisis en el dominio de Laplace. entonces el movimiento es amortiguado. Junio 2006 Como en todo modelo dinámico de un sistema. el modelo se simplifica a: [ &x&(τ +1) = C x&l (τ ) − x& f (τ ) ] (60) donde: C = λT. 1997). Reporte No.  Si e-1 < C < π/2. Alberto Sánchez. Tomando la transformada de Laplace y observando la localización de los polos se puede concluir lo siguiente:  Si C < e-1. Estado del Arte en Modelación. Director: Dr.

estos modelos describen el proceso que sigue un auto al seguir otro.2.” basados en esta regla se puede determinar la distancia de progreso total Dn del vehículo n que tiene una velocidad v con respecto al vehiculo n-1:  v  Dn (v ) = L ∗ 1 +  (62)  16. se puede llegar a concluir que en general una buena aproximación para el valor de λ es (eT)-1.1. El conjunto de ecuaciones que describen a este sistema son: &x&n +1 (t + T ) = λ [x& n (t ) − x& n +1 (t )] n = 0. Estabilidad Asintótica En el caso anterior se analizó únicamente el comportamiento de un vehículo con relación al movimiento del líder. Existen tres tipos de modelos de Car–following (Dextre J.. basado en una simple regla de conducir (regla de Pipes) “Una distancia segura para seguir a otro vehiculo es permitirse una distancia mínima entre su carro y el carro que le precede …. En este caso. y de los parámetros λ y T. sin considerar al primer vehículo.N (61) Cualquier solución depende específicamente del comportamiento del primer vehículo en la línea de carros.2.3.  Modelos de distancia segura Describe la relación de un solo vehiculo y su predecesor.. para proveer de una mayor generalidad. se analiza la estabilidad de una línea de carros.. y Carrasco L). SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS De este análisis.1  n Capítulo 3. es posible determinar que cualquier perturbación que produzca en la línea de carros se propaga a través de ésta con una velocidad de λ-1.. Teoría de la simulación de tránsito 123 . 3. Realizando un análisis en frecuencia de este sistema.4. Variantes del modelo siga al líder Durante la década de los sesenta se desarrollaron variantes de modelos que describen la relación de un vehículo con su predecesor.

Capítulo 3..  Tiempo de decisión. La mínima distancia se incrementa linealmente con la velocidad. estos son:  Tiempo de percepción. Además se debe considerar que la máxima desaceleración está en función de la fricción de la superficie de la carretera µ y la aceleración debido a la gravedad g. La distancia mínima es la que se tiene entre dos vehículos parados cuando hay congestión. Para el siguiente modelo se adiciona el parámetro T. es el tiempo requerido para aplicar los frenos. Este modelo considera que el conductor asume que la distancia de frenado es lo suficientemente larga.). el cual considera los siguientes tiempos que están presentes en el comportamiento del conductor. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Ln es la longitud del vehiculo n. para permitirle frenar y parar sin causar un choque con el vehículo que lo antecede.6 a 1. para conductores novatos se puede seguir la regla de que están a 2 segundos detrás del vehículo que los antecede. Bovy P. es el tiempo que se necesita para tomar la decisión de desacelerar. Teoría de la simulación de tránsito 124 . En estudios realizados se ha determinado que el tiempo que se necesita para remediar una situación inesperada esta de 0. este modelo se comparó con medidas de campo y se concluyó que: los mínimos progresos son ligeramente menos en bajas y altas velocidades que el observado en datos empíricos. v2 Dn (v ) = Ln + T ∗ v + (63) 2u ∗ g Otro modelo que se obtiene si se incluye una distancia mínina dmin entre los vehículos que es un valor constante y un factor de riesgo de la velocidad F (Jepsen 1998). el cual no fue considerado en el modelo anterior. Las modificaciones de este modelo las realizó Leutzbach (1988). Dn (v ) = ( L + d min ) + v(T + v ∗ F ) (64) n Cuando los conductores son experimentados tienen un conocimiento de su tiempo de reacción. conocido como tiempo de reacción. El factor de riesgo se extrae de observar a los conductores que siempre están pendientes de evitar colisiones.5 segundos (Hoogendoorn S.  Tiempo de frenado. es el tiempo en el que el conductor reconoce que hay un obstáculo.

la diferencia de estos está en la manera como se representa la Sensibilidad. utiliza un valor constante de sensibilidad.74 Fuente: Modelación. Primer modelo: Desarrollado en 1958 por Chandler. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Modelos de estimulo-respuesta (Car-following) Estos modelos de Car-following se basan en el principio: Respuesta = función (Sensibilidad. los valores que puede tomar la sensibilidad fueron determinados experimentalmente. Estado del Arte en Modelación.17 Promedio 1.00 0. Valores de sensibilidad y Tiempo de reacción Valor medido Tiempo de reacción T (seg) Sensibilidad γ (seg – 1) Mínimo 1. Alberto Sánchez. Vn(t) = velocidad del vehículo siguiente. Estimulo) Para este tipo de modelo la Respuesta está representada por la aceleración o desaceleración del vehículo siguiente. Simulación y Control de Tráfico Vehicular – MSCTV. γ = Sensibilidad. Director: Dr. Junio 2006 Capítulo 3. la diferencia de velocidades entre el vehículo predecesor y el vehículo siguiente representa el Estímulo (Dextre J. Reporte No. Tabla Nº 14. Universidad San francisco de Quito. Herman y Montroll.20 0.1.55 0. por lo tanto la ecuación que representa este modelo es: a n (t + T ) = γ [Vn −1 (t ) − Vn (t )] (65) donde: an(t+T) = aceleración del vehiculo siguiente en el instante t + T Vn-1(t) = velocidad del vehiculo precedente. Teoría de la simulación de tránsito 125 . Existen 5 modelos basados en este principio. y Carrasco L.37 Máximo 2. éstos se pueden observar en la Tabla Nº 14.). Análisis de Tráfico Vehicular y Herramientas.

40 0. Carrasco L. Reporte No. Tabla Nº 15. el conductor del vehículo siguiente estará mas sensitivo a la velocidad del vehículo precedente Capítulo 3. a n (t + T ) = γ i [Vn −1 (t ) − Vn (t )] i =1ó 2 (66) Tercer modelo: En este modelo se considera la sensibilidad en función de la distancia que separa al vehículo precedente y el siguiente. los cuales dependen de la distancia de separación entre los vehículos. Simulación y Control de Tráfico Vehicular – MSCTV.17 Túnel Holland 1. para reflejar el incremento de la sensibilidad conforme la distancia disminuye. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Segundo Modelo: Para este modelo se considera dos valores diferentes de sensibilidad.1. Estado del Arte en Modelación.. Sensibilidad y Tiempo de Reacción (Dextre J. Esto quiere decir que los conductores son más sensitivos cuando la distancia de separación de los vehículos es pequeña. Director: Dr. Alberto Sánchez. γ1 para cuando la distancia es corta y γ2 cuando la distancia es larga y la relación entre estos valores es γ1 > γ2 . Teoría de la simulación de tránsito 126 . Universidad San francisco de Quito.74 Fuente: Modelación. Análisis de Tráfico Vehicular y Herramientas.) Ubicación del experimento Tiempo de reacción T (seg) Sensibilidad γ (seg – 1) General Motors 1. γ0 a n (t + T ) = [Vn−1 (t ) − Vn (t )] (67) X n −1 (t ) − X n (t ) donde: γo = valor constante [distancia/por unidad tiempo] En la Tabla Nº 15 se puede observar los valores de λ0 obtenidos experimentalmente al igual que los tiempos de reacción.20 0.50 0.37 Túnel Lincoln 1. Junio 2006 Cuarto Modelo: Si se que considera la velocidad del tráfico aumenta.

Quinto Modelo: Este modelo representa el comportamiento del flujo de tráfico asumiendo que todos los conductores tienen el mismo comportamiento y que todos los vehículos tienen las mismas características. el conductor siguiente no esta influenciado por la diferencia de velocidades. m [Vn (t + T )] m an (t + T ) = [Vn−1 (t ) − Vn (t )] (69) [X n−1 (t ) − X n (t )]l  Modelos con enfoque a la psicología Para este modelo se hace uso de la psicología perceptual para mostrar que los conductores son sujetos a ciertos límites en sus percepciones de los estímulos a los que ellos responden. Los modelos con enfoque psicológico han servido de base para los nuevos modelos de microscópicos de simulación. cl . en estos modelos se Capítulo 3. Teoría de la simulación de tránsito 127 . m deberán ser estimados. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS γ [Vn (t + T )] a n (t + T ) = [Vn−1 (t ) − Vn (t )] (68) X n −1 (t ) − X n (t ) donde: γ = valor no dimensional Vn (t + T) = velocidad del vehículo siguiente en el instante t + T. Los parámetros l. debido a que el movimiento relativo es demasiado pequeño. algunas combinaciones de velocidades relativas y distancia de progreso no generan una respuesta en el conductor del vehículo siguiente.  Modelos microscópicos de simulación En la actualidad la velocidad de procesamiento de las computadoras se ha incrementado.  En pequeños espacios. lo cual ha provocado un desarrollo de modelos microscópicos de simulación. Las reglas conductuales en las que se basan estos modelos son:  En espacios grandes.

3. 59. Cambio de carril La modelación del cambio de carril esta basado en el proceso del hueco o brecha aceptada (gap-acceptance).). SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS describe la conducta de los conductores mediante reglas if – then.j.j. posición. Debe moverse a otro carril(es) para salir de la vía expresa hacia la rampa de salida. Un vehículo debe ejecutar un cambio de carril bajo ciertas condiciones: a. viajar a una velocidad deseada). la canalización del carril debe acomodar el vehículo en cuestión. La lógica del cambio de carril determina cuál de los carriles adyacentes (su hubiera mas de uno disponibles) es el mejor candidato.2. FOSIM y el Wiedenmann (Hoogendoorn S. ocurre cuando se requiere que el vehiculó salga del carril actual.5. Típicamente. El empalme desde una rampa hacia una vía expresa en un ejemplo de cambio de carril obligatorio.. Teoría de la simulación de tránsito 128 . Un cambio de carril discrecional. Si un conductor esta impedido en el carril actual por el lento movimiento del vehículo de en frente. El cambio de carril se realiza con la disponibilidad de brechas en el carril candidato y la aceptación de estas brechas por el vehículo en cuestión. En una red vial de superficie. Bovy P. El carril esta bloqueado por incidentes y otros eventos 2. los cambios de carril discrecional pueden ocurrir debido a varios factores de impedancia percibidos por el conductor. como también las características de los vehículos. El carril actual se esta acabando (lane drop) b. Para ser candidato. 56. El carril actual no permitirá el desplazamiento de su tipo de vehículo (p. incluyendo: a. b. libre de obstáculos y que no esté próximo a terminarse. [52. Operaciones de transporte publico d. carril HOV) d. 55. Movimientos de volteo desde los carriles compartidos Capítulo 3. 60] Un vehículo puede cambiar de carril si la brecha disponible en el carril objetivo es más grande que el hueco crítico (critical gap). Tráfico de camiones pesados c. Longitud de colas en la línea de parada. velocidad y aceleración que son calculados para cada vehiculo en cada ínstate de tiempo. se modelan tres tipos cambios de carril: 1. éste podría considerar el cambio de carriles para mejorar su posición. ocurre cuando un vehículo cambia de carriles para mejorar su posición (p. Algunos de estos modelos de microsimulación son el AIMSUN. c. Un cambio de carril obligatorio.

Adicionalmente. Por otra parte. El vehículo A acepta el hueco si el tiempo de headway entre él y el vehículo B es mayor que algún valor crítico g(A. La lógica del modelo de cambio de carril y los parámetros tiene implicaciones importantes para el desempeño del tráfico. Además.  El cambio de carril tiene lugar sobre un periodo de tiempo finito. el conductor que esta cambiando de carril puede ajustar su posición con respecto al nuevo líder por desaceleración. Los conductores mas agresivos podrían aceptar valores de riesgo mayores (p. Estas consideraciones están típicamente combinadas en una medición de riesgo. Cambio de carril anticipadamente. especialmente para empalmes en vías expresas y áreas de entrecruzamientos. Teoría de la simulación de tránsito 129 . con la llegada del flujo aguas abajo como resultado del conflicto o el entrecruzamiento. Interferencia peatonal con los vehículos que voltean f. El vehiculo A aceptará un headway critico más corto si viaja mas despacio que B. ocurre cuando un vehículo puede cambiar de carriles antes de la baja de velocidades en su carril actual. huecos cortos y mayor aceleración/índices de desaceleración) para cambios de carril. el valor de tiempo critico del headway no es constante. Durante este periodo de tiempo. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS e. Considere un vehículo A que desea atravesar un hueco entre los vehículos B y C (B actualmente es líder de C).B) y el tiempo de headway entre él y el vehículo C es mayor que algún valor crítico g(A. Por ejemplo. pero depende de las siguientes consideraciones:  Los tiempos de headways críticos dependen de la velocidad vehicular. La lógica de cambio de carril esta reconoce que el conductor podría acelerar o desacelerar para crear brechas aceptables para cambiar carriles. Sin embargo. Capítulo 3.j.C). porque el vehículo ocupa ambos carriles (el original y el carril objetivo) durante este intervalo de tiempo.  El nuevo seguidor podría cooperar con el conductor que esta cambiando de carriles por desaceleración para incrementar el tamaño del hueco o brecha. un vehiculo que confluye alcanzando el final del carril de aceleración podría aceptar valores de riesgo mucho mayores (cambios de carril forzado). el tiempo asumido para la terminación de las maniobras de cambio de carril afecta el desempeño del tráfico. solo es permitido un cambio de carril por intervalo de simulación. el valor del riesgo podría incrementarse aun mas dependiendo del tipo de cambio de carril y de la situación. Actividades de parqueo 3.

En general un sistema de colas consiste de uno o varios servidores que prestan un servicio a uno o varios usuarios. la cola el servicio y la salida. Interesa cual es el intervalo de tiempo entre las llegadas de dos usuarios consecutivos. Alberto Sánchez. Su descripción se muestra a través de la Figura Nº 27. de la forma: Pn (t ) = e −λt (λt )n (70) n! Capítulo 3. estas llegadas serán de forma aleatoria. En la mayoría de los sistemas de colas. por lo que debe quedar en espera formando la cola. y esta probabilidad sigue una probabilidad de Poisson. El proceso de llegadas lo regula una fuente reguladora de usuarios y. Junio 2006 Los elementos más importantes de un sistema de colas son: la llegada. Sea Pn (t ) la probabilidad de que en un tiempo t. el número de usuarios que acceden al sistema sea n. Simulación y Control de Tráfico Vehicular – MSCTV. el servidor está libre. Si. Si el tiempo de servicio es mayor que el intervalo entre llegadas. que la duración de intervalo entre llegadas tiene una distribución exponencial. Aplicación al Tráfico Vehicular de Modelos de Colas  Modelos de colas Los modelos de sistemas de colas responden a un enfoque estocástico de los sistemas de tráfico en general.6. cuando accede al sistema. cuando un usuario llega al sistema. Estado del Arte en Modelación. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 3. que describe procesos Markovianos (procesos estocásticos que dependen sólo del sistema anterior). según sea el proceso de llegadas. Teoría de la simulación de tránsito 130 . se le da servicio. Estructura de un sistema de colas Fuente: Modelación.1. Figura Nº 27.2. Análisis de Tráfico Vehicular y Herramientas. Reporte No. que acceden al sistema. en general. encuentra que el servidor está ocupado. Director: Dr. los usuarios pueden llegar individualmente o en grupos. Se demuestra bajo esta circunstancia. el proceso de llegadas sigue una distribución de Poisson. Además. el siguiente usuario. Universidad San francisco de Quito.

SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Entonces. que son del tipo: Capítulo 3. Los modelos de los sistemas de colas utilizan la notación de Kendall. que significa: Proceso de llegadas/Proceso de servicio/Número de servidores/ máximo número de usuarios simultáneos admitidos/disciplina de la cola. y d si la disciplina de la cola es del tipo FIFO (primero en llegar primero en salir). de que el intervalo entre llegadas sea ≤ T.. Teoría de la simulación de tránsito 131 . la probabilidad de que el tiempo entre llegadas sea ≥ T (que es igual a la probabilidad de que no haya ninguna llegada en un intervalo de duración T) es: P (t ≥ T ) = P0 (t ) = e − λT (71) Por lo tanto la probabilidad. y T = intervalo entre llegadas. Por ejemplo. Número de servidores: 1 Se omiten: m si se considera que la capacidad de usuarios simultáneos admitidos al sistema es infinita. es: P(t ≤ T ) = 1 − e − λT (72) Que es una ley de distribución exponencial. Tipo de distribución del tiempo de servicio: proceso Markoviano. bajo estas condiciones.  Variables asociadas a un sistema de colas Es importante considerar las variables asociadas a un sistema de colas. el bien conocido modelo M/M/1. el valor medio de intervalo entre llegadas será: E [T ] = 1 (73) λ donde: λ = tasa de llegadas por unidad de tiempo. de la forma: A/B/C/m/d. significa: Tipo de distribución del tiempo entre llegadas: Proceso Markoviano de tipo Poisson-exponencial.

Estado del Arte en Modelación. según se aprecia en la Figura Nº 28. µ = tasa del proceso de muerte. Junio 2006 donde: λ = tasa del proceso de nacimiento.1. entonces: λ ρ= = tasa de llegadas por unidad de servicio (74) µ Capítulo 3. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Asociadas al usuario (enfoque micro) o Tiempo de espera o Tiempo de duración del servicio o Instante de salida  Asociadas al sistema al instante t (enfoque macro) o Número de usuarios del sistema o Número de usuarios en cola (longitud de cola) o Número de usuarios en servicio. El estudio de la cola se fundamenta en procesos de nacimiento (llegadas) y muerte (servicio) puros. Se forma la cola cuando el tiempo que se tarda a la salida es mayor que el intervalo entre llegadas o el servicio no está disponible. Alberto Sánchez. Figura Nº 28. se determina la tasa por la cual la probabilidad “fluye” al estado E(k). Análisis de Tráfico Vehicular y Herramientas. Diagrama de transición de estado Fuente: Modelación. Teoría de la simulación de tránsito 132 . Simulación y Control de Tráfico Vehicular – MSCTV. Universidad San francisco de Quito. Director: Dr. Utilizando un diagrama de transición de estados para el proceso arribo – salida. Reporte No.

1975): dPk (t ) = −(λk + uk )Pk (t ) + λk −1Pk −1 (t ) + uk +1Pk +1 (t ) → k ≥ 1 (75) dt dP0 (t ) = −λ0 P0 (t ) + u1P1 (t ) → k = 0 (76) dt Estas ecuaciones representan un modelo híbrido de un sistema DES. considerando tan solo un nodo.. es la función de Bessel m = 0 (k + m )!m! Como se puede apreciar. Su solución está dada por: [ ] Pk = e − (λ + u )t ρ (k − i ) / 2 I k −i (at ) + ρ (k −i −1) / 2 I k + i +1 (at ) + (1 − ρ )ρ k ∑ j − k + i + 2 ρ − j / 2 I j (at ) ∞ (77) donde: a = 2µρ1/2..2. con una llegada. (78) t →∞ ui +1 i =0 donde: 1 λk p0 = . SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Modelo M/M/1 Aplicando continuidad se tiene las ecuaciones que describen la dinámica que describen la dinámica del sistema M/M/1 con un proceso Poisson (Kleinrock L. p k +1 = pk ∞ k −1 λi u k +1 1 + ∑∏ k =1 i = 0 u1+ i Capítulo 3. la solución aunque muy compleja se la puede obtener analíticamente. Teoría de la simulación de tránsito 133 .. k = 0.1. por lo que se puede manejar un modelo simplificado con la solución en equilibrio.. I k (x ) = ∑ ( ∞ x / 2) k + 2m → k ≥ −1 .. considerando el diagrama de transición de estados y de tiempo continuo. una cola y un servicio (una intersección unidireccional). dada por: k −1 λi pk = lim pk (t ) → pk = p0 ∏ .

. Alberto Sánchez.Wq = tiempo medio del usuario en la cola ρ /u donde: pk = (1 − ρ )ρ k . Reporte No. Junio 2006 Capítulo 3. et al).1. Análisis de Tráfico Vehicular y Herramientas. Simulación y Control de Tráfico Vehicular – MSCTV. σ N2 = ρ /(1 − ρ ) 2 . W = 1− ρ  Modelación de colas con varias intersecciones Una variante para la modelación de flujo vehicular. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Se consideran medidas de eficacia en estado estacionario (usuarios y tiempo): . Diagrama de intersecciones Fuente: Modelación. Universidad San francisco de Quito. N = ρ /(1 − ρ ) . se representa en la Figura Nº 29. Universidad San francisco de Quito. representa un modelo de Erlang.N = número de usuarios en el sistema. número medio es E[Nq] . que descompone en una cadena de servicios conectados en serie.Tq = tiempo de un usuario en la cola . que es un modelo de tramos. Modelo de flujo vehicular Fuente: Modelación. Teoría de la simulación de tránsito 134 .Nq = número de usuarios en cola. Estado del Arte en Modelación.1. Junio 2006 El esquema de la Figura Nº 30. Reporte No. Simulación y Control de Tráfico Vehicular – MSCTV. número medio es E[N] . Estado del Arte en Modelación. que representaría una serie de intersecciones. Figura Nº 29. Análisis de Tráfico Vehicular y Herramientas. Director: Dr. Director: Dr. que se puede representar por el esquema de la Figura Nº 30 (González J. Figura Nº 30. Alberto Sánchez.

Existen otros modelos de un servidor que requieren de una asumpción menos estricta. Los eventos que se consideran son los que ocurren en los cruces. Las salidas de una intersección se miden con el tiempo de paso de cada coche por esta intersección. como es el modelo M/G/1. en donde G representa una distribución general. dando lugar a modelos de cola mas generales. Se consideran distintos tipos de colas. consisten de múltiples identidades independientes que proveen servicio (facilidades computacionales. En esta investigación. es la siguiente: A cada cruce se le asigna un estado. hay sistemas en la que la distribución exponencial no es realística. Una forma simple de analizar el comportamiento del sistema de tráfico de la Figura Nº 29. Teoría de la simulación de tránsito 135 . los autos que se encuentran en el camino al cruce se identifican por medio de un estado intermedio. en estado estacionario. con una distribución exponencial. Finalmente se cuentan los autos que salen del cruce y que pasan a formar parte del estado intermedio de la siguiente intersección. se mencionan sistemas de colas abiertos del tipo Feed – Forward Queueing Networks (FFQNs). intersecciones semaforizadas). (para Poisson exponencial). sin embargo. y aun mas general todavía del tipo G/G/1. se consideran para este estado los autos que se encuentran en la calle que conecta al cruce y que aun no han llegado a él. se asume un tiempo instantáneo del paso del estado intermedio a la entrada al cruce y la llegada de los autos es simulada por medio de una distribución de Poisson y un contador de salidas al final de la serie de cruces. para la aplicación que se realice en este proyecto. desde 1. autos que llegan al cruce menos los autos que dejan el cruce. en Capítulo 3. para poder controlar los semáforos que operan en los cruces. Los vehículos en este tipo de sistema viajan de una estación de colas a otra estación de colas. que consisten de un número interconectado de estaciones de cola. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS En la práctica. es decir.  Redes de colas En la práctica muchos sistemas. El algoritmo desarrollado determina que eventos ocurren en el lapso de la simulación. según la literatura. constituyendo lo que se conoce como redes de colas (Queueing Networks QNs). en la que se cumple: E[N] = var(N) = 1/u. Las estaciones de colas individuales o nodos pueden ser independientes de otros. M. que indica la cantidad de autos en cola. entre ellos de tráfico vehicular. …. los procesos de tráfico son de tipo Makroviano.

0). en las cuales se tiene una tasa λ λ de llegadas y µ de servicios. j). esto es ρ = ∠1 . resulta en una llegada en la cola (i + 1). Adicionalmente cualquier salida de la cola i (i = 1. de acuerdo con lo analizado anteriormente. j) y estado (i. (1998). SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS los cuales. Teoría de la simulación de tránsito 136 . estado (i. M-1).2. ni llegadas hacia QN entre cualquiera de dos colas. Junio 2006 Para el caso de tener series de colas M/M/1. u Figura Nº 31. Estado del Arte en Modelación. Se puede mostrar un diagrama de transición de estados. Conexión en serie de M colas Fuente: Modelación. Puede demostrarse que: pi .1. las colas pueden ser ordenadas de tal forma que los vehículos fluyen de la cola i hacia la j (i < j).7. en estado estable. estado (0. Se considera el caso simple de FFQNs constituidas por M/M/1. En la segunda fase del proyecto se evaluará si se conviene continuar en este sistema de redes de colas. Herramientas de simulación de tránsito Dentro de las herramientas de simulación de tránsito más populares tenemos: Capítulo 3. la tasa de llegada en cualquier cola i es λ. Universidad San francisco de Quito. Director: Dr. j = (1 − ρ l )ρl x(1 − ρ 2 )ρ 2j i (80) Más información puede encontrarse en Haverkort R. operando en estado estable. …. la probabilidad de tener i vehículos en la cola está dado por: pi = Pr {N = i} = (1 − ρ )ρ i . 0). 3. Alberto Sánchez. Simulación y Control de Tráfico Vehicular – MSCTV. Estas redes de colas son cíclicas. i ∈ N (79) Puesto que no hay salidas desde QN. lo que da lugar a cuatro tipos de estados diferentes: estado (0. Análisis de Tráfico Vehicular y Herramientas. Reporte No.

es una colección de herramientas computacionales. Su fortaleza de actuación esta en la capacidad de simular condiciones de tránsito en un nivel de detalle muy completo. que produzcan un sistema con el mínimo de demoras y paradas. Al igual que CORSIM. TRAFED Un Nuevo editor gráfico que utiliza CORSIM para verificar los datos de entrada. tanto en condiciones simples como complejas. Originalmente. Durante su proceso de optimización. TSHELL La estructura básica de TSIS. TSIS es un paquete completo de software para la simulación y análisis de sistemas viales semaforizados. TSIS ha evolucionado dentro de un sofisticado juego de herramientas para los profesionales del transporte.  TRANSYT 7F [80] TRANSYT 7F es un modelo mesoscópico-determinístico para análisis y optimización en vías arteriales y redes de tránsito. así como modelos de tránsito basados en demoras. En otras palabras. sistemas viales de flujo ininterrumpido o las combinaciones de éstas. TSIS es también uno de las herramientas de simulación más comprensibles y mayor documentadas. Teoría de la simulación de tránsito 137 . TRANSYT 7F genera perfiles de flujos de vehículos segundo a segundo en todos los enlaces de la red. analiza estos perfiles para determinar MOEs (Measurement Of Effectiveness). TSIS consiste en los siguientes componentes de software: CORSIM Un simulador microscópico de tránsito. Se ha incrementado el conocimiento de la teoría del flujo de tránsito. mediante mejoras continuas en las operaciones de tránsito como resultado de la verificación y validación de los diseños propuestos. TRANSYT 7F ha sido desarrollado y verificado por varia décadas y ha ganado la aceptación por la comunidad de usuarios como un modelo sólido. que son utilizadas por los Ingenieros de Tránsito y los investigadores. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  TSIS-CORSIM [81] Traffic Software Integrated System desarrollado por la Federal Highway Administration – FHWA de los Estados Unidos a través de tres décadas. TRAFVU Un procesador de animaciones. es un diseño primario para seleccionar tiempos de ciclos semafóricos. MOEs incluye principalmente el análisis de Capítulo 3. fue desarrollada como una simple estructura alrededor del CORSIM. TRANSYT 7F utiliza una combinación exhaustivo de métodos de optimización. Luego.

el programa requiere que el usuario aplique varios pasos manuales (optimización de tiempo de ciclo. Synchro utiliza una metodología de búsqueda exhaustiva para optimizar tiempos de ciclo semafórico. consumo de combustible y emisiones de contaminantes. Synchro optimiza los offsets utilizando un proceso de múltiples escenarios. El segundo modelo incorporado recientemente ha corregido con las limitaciones del primer modelo. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS promedios de velocidad. Sin embargo. Además. esto requiere de mayor tiempo de trabajo. Consecuentemente. seguido de los desfases “offsets” y la partición “split” de la fase optimizada) en ese orden específico. Este modelo no cuenta exactamente la composición de la cola vehicular. El programa optimiza la duración de los ciclos analizando todos estos en un rango definido. Este modelo toma en consideración la formación y la disipación de la cola del flujo vehicular en el espacio. el programa confía en el principio de “divide y vencerás”. Para reducir el número de escenarios de cada sistema coordinado. Usuarios en todo el mundo han validado ampliamente este modelo. optimizando los tiempos de ciclo una vez por cada enlace. El modelo de tránsito basado en enlaces de Synchro es similar al de TRANSYT 7F. Capítulo 3. Hasta hace poco. esta deficiencia fue eliminada a través de la incorporación de un algoritmo de optimización conocido como GA-based. toma en cuenta las interacciones con el flujo de tránsito en enlaces adyacentes. este modelo esta mejor diseñado para el análisis y optimización de vías congestionadas y sobresaturadas. Teoría de la simulación de tránsito 138 . Conceptualmente. a través de un análisis paso a paso de todos los enlaces del sistema. TRANSYT 7F tiene dos modelos de tránsito basados en demoras. aplicando penalidades para estas mediciones. trabaja bien bajo condiciones de tránsito sobresaturado.  Synchro [79] Synchro es un programa basado en demoras para el análisis y optimización de planes de semaforización para redes viales. TRANSYT 7F modela semáforos actuados que se autorregulan con relación al volumen de tráfico (actuated) y pre-establecidos (pre-timed). y tiene la capacidad de modelar medios y dobles ciclos semafóricos. longitudes de cola y flujos de saturación en bahías de volteo. porque la trata como pelotón que llega a la línea de parada. Su función objetivo también permite minimizar las paradas y el tamaño de las colas de tráfico. Para optimizar semáforos en una vía principal. El primer modelo (modelo original) realiza la optimización de manera inteligente. la principal deficiencia de TRANSYT 7F ha sido su incapacidad de optimizar secuencias de fase semafórica. A partir de la versión 9 de TRANSYT 7F lanzada el año 2002.

Para coordinar dos semáforos cercanos se debe utilizar un “factor de coordinación”.NGSIM 3. Synchro genera tiempos de ciclo óptimos para cada semáforo. PASSER V puede desarrollar tiempos de ciclo semafórico que maximicen la progresión del tráfico o minimicen las demoras en el sistema. Aunque el programa se enfoca en la coordinación de dos o más semáforos en una vía principal. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS A diferencia de TRANSYT 7F. Después de 40 años de desarrollo y aplicación herramientas de simulación de tráfico. Introducción La Administración Federal de Vías (FHWA) esta liderando a la comunidad de transporte de los Estados Unidos. En este ambiente cambiante. Además. LA SIGUIENTE GENERACIÓN EN PROGRAMAS DE SIMULACIÓN MICROSCÓPICA DE TRÁNSITO . Teoría de la simulación de tránsito 139 . el modelo de tránsito Synchro no considera la dispersión del pelotón de tráfico. existe un pequeño pero viable mercado en paquetes de simulación de tráfico. El programa posee una interfase gráfica que se integra con la mejor tecnología de optimización disponible en la actualidad. Sin embargo. Capítulo 3. el tiempo de viaje y los volúmenes de tráfico.3. A diferencia también de otros programas. para el análisis de tiempos de ciclo semafóricos en intercambios tipo diamante (dos semáforos paralelos). muchos usuarios de las herramientas de simulación de tráfico no están seguros de la validez de los modelos o de los resultados entregados. desde la era que se enfocaba principalmente en un sistema de construcción. transporte público.1. análisis de alternativas viales. calculado a partir del ingreso de los datos de la distancia del enlace. mejoras en la operación de sistemas de transporte inteligente (ITS).  PASSER V [70] PASSER V-03 es la última versión de la serie de programas PASSER desarrollados por el Texas Transportation Institute – TTI. 3. Su simulación de tránsito puede analizar condiciones de tráfico no saturadas y sobresaturadas a lo largo de una vía semaforizada. desarrollo y evaluación de sistemas de control y estrategias. los modelos de simulación de tránsito ofrecen un alto potencial conducente a la investigación. permanecen las brechas en la funcionalidad de las herramientas de simulación de tráfico que requieren nuevos algoritmos de desarrollo. a una era enfocada crecientemente en un sistema de operación y desempeño. también provee características básicas para el análisis de semáforos en intersecciones aisladas. obteniendo un promedio de los cinco escenarios se plantea por cada interacción.3.

Los productos terminados NGSIM incluyen:  Conjunto de datos del mundo real con sus correspondientes descripciones. revisados y validados usando el conjunto de validación de datos. la FHWA esta actuando como facilitador del mercado.  Los algoritmos de simulación de núcleo. Los esfuerzos en la utilización de las herramientas se facilitan a través de la combinación de investigación externa. estimados. En el compromiso con el programa.2. Objetivo de NGSIM El objetivo de NGSIM es el desarrollo de un núcleo de algoritmo de comportamiento abierto como soporte de la simulación microscópica de tránsito.3. La comunidad de simulación de tránsito también podrá usar esta información como fuente para ayudar en la verificación y calibración de los modelos existentes. Por consiguiente. entrenamiento. congestión y otras características del entorno. trazos.  Documentación de los algoritmos de núcleo (incluyendo teoría y lógica) y documentación de validación de conjunto de datos. serán desarrollados. vehículos y sistemas viales. Este algoritmo describe la interacción de viajeros multimodales. Capítulo 3. guía y soporte técnico. Los esfuerzos en el desarrollo se enfocan en la creación de nuevas herramientas y el mejoramiento de la base analíticas de las existentes. codificados. el Programa de Herramientas de Análisis de Tráfico de la FHWA ha identificado las metas para llevar a cabo una mayor aceptación en el uso de herramientas de análisis de tráfico y asegurar la confianza en la precisión de los resultados generados con su utilización. El programa Next Generation Simulation (NGSIM) [68] es una parte de esta actividad de desarrollo. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS En respuesta a estas necesidades. Los productos NGSIM se encontraran abiertos a la distribución y de libre disponibilidad a la comunidad del transporte. estimulando el mercado comercial de modelación por la promoción de un ambiente de cooperación publica y privada. 3. que gestiona los recursos públicos y los destina al programa. con base en un conjunto de documentación y datos válidos. Teoría de la simulación de tránsito 140 . el programa enfrenta un balance entre desarrollar nuevas herramientas y mejorar las existentes. además de la influencia presentada de parte de los dispositivos de control de tránsito. los cuales servirán para estimar y validar los algoritmos de núcleo.

la validación y verificación de alto nivel (high-level validation and verification plan) y el plan de algoritmo (algorithm plan). Los conceptos descritos en este texto han sido revisados en una recolección de prototipo de datos y desarrollo/validación de algoritmos (prototype data collection and algorithm development/validation). 3. Los miembros de este grupo han demostrado experiencia en el área de la modelación de tránsito.4.3.  Modeladores de tránsito. agencias de transporte locales y consultores. se formaron tres equipos de soporte técnico (stakeholders):  Usuarios de los modelos. Este grupo comprende representantes de estado.  Desarrolladores de software.ngsim. la infraestructura del proyecto NGSIM fue montada incluyendo el plan de formatos de datos (data formats plan) y la página web NGSIM. En paralelo.fhwa. realizan conferencias a distancia bimensuales y mantienen comunicación más frecuente por e-mail o por la página web del NGSIM (www.3. [68] Capítulo 3. Diseño del programa NGSIM El diseño general del programa NGSIM se muestra en la Figura Nº 32. el sistema NGSIM fue diseñado en alto nivel. enfocados en la selección.dot. Luego. El resultado de esta evaluación ha sido presentado en dos informes: Core Algorithm Categories and Prioritization y Core Algorithm Assessment. Los grupos se reúnen en persona una vez por año. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 3. desarrollo y validación de los algoritmos de núcleo. Los miembros de este grupo son desarrolladores y distribuidores de software de simulación de tránsito. enfocados en las necesidades y requerimientos de los usuarios finales de las herramientas de simulación. Cada equipo técnico esta compuesto por aproximadamente 15 miembros. Teoría de la simulación de tránsito 141 . Primero el equipo NGSIM y los grupos de trabajo (stakeholders) realizan una evaluación detallada de la demanda y la oferta de software de microsimulación de tránsito.gov). Soporte técnico Para ayudar en el desarrollo de estos productos. El resultado de este diseño fue presentado en el plan de datos de alto nivel (high level data plan).3. ayudan a asegurar que los productos desarrollados tengan la máxima probabilidad de éxito.

Teoría de la simulación de tránsito 142 . FHWA.5. La Figura Nº 33 muestra estas categorías junto con ejemplos de factores de influencia. 2004 3. DOT USA. Identificación y priorización de las categorías de algoritmos de núcleo Esta tarea se enfoca en identificar las categorías del algoritmo de núcleo de comportamiento del viajero en la simulación de tránsito. El proceso consistió primero en identificar una taxonomía de las categorías de algoritmos de núcleo y sus factores de influencia. y priorizando estas categorías en términos de las áreas de investigación requeridas para mejorar la calidad y el desempeño de las herramientas de simulación. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Figura Nº 32.3. Capítulo 3. Diseño del sistema NGSIM de alto nivel Fuente: NGSIM.

FHWA. para el taller de trabajo realizado en marzo del 2003. se produjo una lista con un ranking de escenario con las mismas escalas utilizadas por los stakeholders. Ejemplos de estas tácticas de manejo incluyen selección de carriles con anticipación en vías expresas y arteriales. Capítulo 3. DOT USA. Los algoritmos de tácticas de manejo del conductor pueden tener un gran impacto en direccional las brechas existentes en los modelos de simulación. Esta lista de ranking/priorización fue utilizada para el desarrollo de los subsecuentes planes de alto nivel para el desarrollo de algoritmos. Después de taller. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS Figura Nº 33. 2004 En paralelo. se solicitaron los aportes de los stakeholders vía la construcción de un “escenario” de análisis de tránsito. Categorías de algoritmos de núcleo y factores de influencia Fuente: NGSIM. recolección de datos y validación. y manejo “cooperativo” y “no cooperativo”. Teoría de la simulación de tránsito 143 . Las conclusiones y recomendaciones del NGSIM se pueden resumir en tres grandes áreas:  Desarrollo de algoritmos de simulación que representan un comportamiento táctico del conductor: Este primer avance del programa NGSIM esta basado en el concepto que las tácticas de maniobras de manejo son críticas para representar con precisión el desempeño del tránsito.

seguimiento vehicular (car following) y desalojo de la cola (queue discharge). Teoría de la simulación de tránsito 144 . incorporando efectos de anticipación el la aproximación tradicional de vista en corta distancia. Capítulo 3. representan áreas de oportunidad para investigación adicional. incidentes. La mejora de los algoritmos considerará un amplio rango de factores de influencia tales como: condiciones de tráfico sobresaturado. Asimismo. se realizó una revisión “del estado de la práctica”. inclemencias de clima. El programa NGSIM se concentrará en el desarrollo o la mejora de los algoritmos existentes para modificación de ruta de los conductores como respuesta a información al viajero tales como: señales de mensajería variable y sistemas de vehículos a bordo. 3. El comportamiento de manejo cooperativo (como la cortesía de ceder el paso). sensibilidad y extensibilidad de los factores de influencia. y validación.3. analizado y evaluado modelos de comportamiento en microsimulación para realizar una visión histórica comprensiva del “estado del arte”. La principal deficiencia de los modelos existentes es la falta de aplicabilidad a ciertas condiciones de tránsito. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Mejorar la simulación del comportamiento operacional de manejo para incluir nuevos factores de influencia: Este segundo avance del proyecto NGSIM se enfoca en mejorar la simulación operacional del comportamiento de manejo del conductor tales como el “hueco crítico” (gap acceptance). Investigaciones recientes están consiguiendo mejoras importantes en los sistemas de microsimulación en el cambio de carril y en el comportamiento para la selección del carril. examinando cómo y dónde se implementaron factores de influencia en la mayoría de los sistemas de simulación utilizados.6. estimación y calibración. El Informe de Evaluación de Algoritmos provee una revisión de la investigación del modelo de comportamiento para cada una de las área de los algoritmos de núcleo y entrega amplia documentación. el efectos de las zonas de trabajo.  Mejorar la simulación de comportamientos de cambios de ruta basados en la respuesta a información al viajero: La respuesta a información al viajero ha sido identificado como un “hueco clave” en los modelos de simulación. presencia de camiones o presencia de peatones. Evaluación de los modelos de simulación existentes y algoritmos El equipo NGSIM ha categorizado. complejidad computacional. La conclusión general de esta evaluación confirma que el comportamiento táctico de manejo representa una gran necesidad de investigación. tanto en vías expresas como arteriales.

En general. El comportamiento estratégico de los viajeros (principalmente la modificación de ruta) representa un área de investigación activa. la aceleración (car following model) es la más estudiada de todas las categorías de modelos de comportamiento y continua siendo objetivo de investigación. la cual. Teoría de la simulación de tránsito 145 . SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS A nivel operacional. para que los efectos (como la reducción de velocidad en una sección vial cerca de un incidente) emerjan directamente y sin la configuración del usuario. El programa NGSIM trabajará juntos con las Capítulo 3. los modelos modernos la describen con razonable precisión bajo una simple condición “ideal”. Futuras investigaciones deben incorporar directamente las influencias dentro del comportamiento operacional. este enfoque es razonable para representar el estado de la información al viajero en el futuro. Fuera de esta condición ideal (como pueden ser zonas de trabajo. La mayoría de aproximaciones a la modificación de ruta generalmente asumen que un viajero tiene acceso a información perfecta sobre las condiciones de tráfico existentes y esto permite a los viajeros adaptar su ruta anticipadamente. Sin embargo.7. Existen oportunidades significativas para NGSIM de incorporar influencias adicionales más directamente dentro de los modelos operacionales. la evaluación indica que muchos factores son representados débilmente en los sistemas – típicamente por aproximaciones y no directamente en el comportamiento de los viajeros en si mismos. no se entiende bien cómo llevar a cabo el modelo base.3. Plan de recolección de datos de alto nivel La recomendación principal en este plan es para NGSIM de recolectar y consolidar data original mediante procesos y tecnologías emergentes. condiciones de clima severo e incidentes). La evaluación concluye con un estudio de las formas en las cuales los factores de influencia son representados por la clave de los modelos de comportamiento (aceleración. así se deben incorporar adecuadamente esos elementos de información confiable. Muchos modelos se han realizado para describir la situación estandarizada de seguimiento de dos vehículos. 3. cambio de carril y elección de ruta) en los sistemas de simulación existentes. Aunque. la mayoría de los sistemas de simulación implementan modelos altamente simplificados de este importante comportamiento. se necesita realizar trabajos adicionales para modelar detalles más finos de la información (dónde y cómo es entregada) y la respuesta a la misma (incluyendo elecciones no óptimas).

Los instrumentos en los vehículos se pueden utilizar en NGSIM para complementar la data recolectada usando otros métodos. Los esfuerzos en recolección de datos de trayectoria vehicular usan video de tráfico y software de reconocimiento avanzado de objetos para seguir automáticamente la ubicación precisa del vehículo (con una precisión de un pie o menos). Los esfuerzos de recolección de datos de instrumentación vehicular. las cuales requieren alguna transcripción manual para asegurar los índices apropiados de captura vehicular. Luego de la amplia investigación en lo concerniente a data de tráfico para uso potencial en el desarrollo de modelos de microsimulación. Este tipo de datos puede proveer una idea adicional del comportamiento del conductor. este plan hace las siguientes recomendaciones tácticas:  Primero. debido a que hacerlo a gran escala es sumamente caro. Esta recomendación equilibra los diversos requerimientos del proyecto y de los stakeholders con una evaluación cuidadosa y realista de los esfuerzos de obtener data existente y de las tecnologías disponibles para el uso del NGSIM. A pesar de estas inquietudes. Usando este esquema. y. El equipo NGSIM revisó los conjuntos de datos de tráfico en términos de nivel de detalle (como aproximar el conjunto de datos a la realidad) y cobertura (cuan diversa y distante de la realidad es la captura de datos). pero generalmente están limitados en cobertura y podrían tener algún sesgo debido al conductor. mejoras y validación. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS empresas proveedoras de software de simulación. Capítulo 3. de cada vehiculo en una base de sub-segundos. tanto datos de trayectoria vehicular como datos de un detector de área amplia para investigación de algoritmos operacionales y tácticos. instrumentación vehicular y esfuerzos en recolección de datos agregados. el vehículo o las limitaciones de tecnología. Teoría de la simulación de tránsito 146 . típicamente se han realizado en menor escala usando un número de vehículos seleccionado. han resuelto el proceso básico y el cambio de tecnología. Los esfuerzos actuales han logrado relativa alta efectividad en la detección. por consiguiente. los esfuerzos de recolección de datos de trayectoria en curso. para recolectar data suplementaria a la ya existente. los estudios y evaluaciones fueron dirigidos a la trayectoria vehicular. el programa de recolección de datos en vías expresas debe incluir. ofrecen el mayor potencial de recolección de datos a los participantes del NGSIM.

tanto datos de trayectoria vehicular como datos de un detector de área amplia para investigación de algoritmos operacionales y tácticos.  La verificación de la implementación asegura que el software utilizado para codificar la precisión del algoritmo representa el comportamiento del modelo en su implementación y que trabaja efectivamente en conjunto con sus algoritmos del entorno. Para verificar la implementación.3. Al final del proceso. tanto datos de trayectoria vehicular como datos de un detector de área amplia para investigación de algoritmos estratégicos. la data actual. la teoría y la data empírica. el programa de recolección debe incluir. un algoritmo es sujeto a un juego completo de unidades de testeo y revisión de código por un verificador independiente. Para conseguir la validación completa de un algoritmo. 3. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS  Segundo. el cual compara el comportamiento del conductor emergente que produce el algoritmo vs. el algoritmo se somete a una revisión de un experto. y  Finalmente. Teoría de la simulación de tránsito 147 . El plan presenta definiciones. Capítulo 3. Se asegura que un algoritmo esta completo y claramente especificado. se debe desarrollar un plan de verificación y validación de bajo nivel para direccional las tres fases principales:  La validación conceptual examina la solidez de un algoritmo individual. Los requerimientos de impresión aseguran que el proceso de verificación y validación se encuentran completamente documentados y disponibles. describe interacciones de algoritmos y varios pasos del proceso de verificación y validación. Verificación de alto nivel y validación del plan El plan de verificación y validación de alto nivel describe el proceso para la validación y verificación de algoritmos desarrollados bajo el programa NGSIM. que los componentes del modelo sean cuantitativamente revisados contra datos empíricos y que los expertos estén de acuerdo con la estructura del modelo para que sea conceptualmente sólido. el programa de recolección de datos en vías arteriales debe incluir.  La validación operacional cuantitativa mide el desempeño de un algoritmo dentro de un sistema de simulación en contra de la data empírica.8. y provee un ejemplo de cómo se debe realizar. La planificación es el primer paso del proceso. Contabiliza el efecto de un algoritmo de núcleo con respecto a los algoritmos del entorno y los resultados estadísticos que se derivan del comportamiento de la simulación vs.

y  Formatos de intercambio de datos NGSIM. «después de» y latín datum. se realiza una revisión de los formatos de datos existentes. minimizando las cuestiones innecesarias en la investigación. llamado recurso. El desarrollo del plan de formato de datos esta basado en los formatos existentes que son relevantes para el NGSIM y aumentado para llenar los vacíos. que permite la construcción de una base de datos para validación de datos NGSIM. especificaciones lista de valores validados para información en general sobre el conjunto de datos y su disponibilidad) y metadata “procesada” (que resulta de la conversión de los datos recolectados a archivos de datos).  Diccionario de datos NGSIM. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS 3. 1 Metadatos (del griego µετα. Esta plan evita intencionalmente la sobre especificación de formatos de datos.9. en una biblioteca se usan fichas que especifican autores. es el modelo de datos usado conjuntamente con el diccionario de datos. casas editoriales y lugares para buscar libros. son datos que describen otros datos. los metadatos ayudan a ubicar datos. literalmente «sobre datos». «lo que se da». específicos para modelos de simulación de transito y para aplicaciones de transporte en general. Capítulo 3. «dato»). 3. Teoría de la simulación de tránsito 148 . Los formatos de datos de NGSIM se direccionan sobre:  NGSIM metadata1. El concepto de metadatos es análogo al uso de índices para localizar objetos en vez de datos. títulos. documentación y requerimientos de transferencia de datos que serán recolectados y utilizados para la estimación. el cual define cómo debería ser transferida la data de usuario a usuario o de la base de datos al usuario. Prototipo de recolección de datos y validación El objetivo del esfuerzo de desarrollo de un prototipo de recolección de datos es la evaluación de la viabilidad de los sistemas de colección de datos de trayectoria vehicular emergentes y la provisión de datos para el proceso de validación del prototipo.  Modelo de datos NGSIM.3. meta. En general. es una definición individual de elementos de datos requeridos por NGSIM. Plan de formato de datos El plan de formato de datos fue desarrollado para definir la estructura. Wikipedia. Así.3. Para lograr esto. un grupo de metadatos se refiere a un grupo de datos.10. calibración y validación del comportamiento del algoritmo de núcleo. Por ejemplo. que incluye los estándares de datos desarrollados para ITS. la cual incluye tanto metadata ”tradicional” (definiciones.

Para el prototipo de estudio.5 millas de longitud (7. Capítulo 3. Teoría de la simulación de tránsito 149 . Una parte del área de estudio se muestra en la Figura Nº 34. incluyendo 4 carriles para flujo mixto.2 km. DOT USA. la Interestatal 80 del norte de California. uno de alta ocupación vehicular HOV y un carril auxiliar. tanto el video de trayectoria vehicular y el detector de datos fueron recolectados de dos horas y media en periodo de máxima demanda. Esta vía tiene aproximadamente 4. El sistema detecta automáticamente el paso de aproximadamente el 75% de los vehículos. SIMULACIÓN MICROSCÓPICA DE TRÁNSITO PARA COORDINACIÓN DE SEMÁFOROS EN PROGRESIÓN EN VIAS URBANAS El área de estudio es una sección vial muy transitada. FHWA. Cuando los vehículos no son detectados automáticamente. 2004 El estudio utilizó un sistema de detección de paso vehicular desarrollado por la Universidad de California en Berkeley para procesamiento de datos de video. y cuenta con 6 carriles. Prototipo de recolección de datos y área de estudio Fuente: NGSIM. Figura Nº 34. El sistema también permite al analista corregir falsos-negativos (vehículos que no fueron detectados) y falsos-positivos (vehículos que fueron erróneamente detectados). aproximadamente). se pueden contar manualmente revisando los videos.