Академический Документы
Профессиональный Документы
Культура Документы
TRNSITO
4. Teora de flujo de trnsito
CONTENIDO
4.1. FUNDAMENTOS DE INGENIERIA DE TRANSITO.
4.1.1 PARMETROS QUE DEFINEN EL TRNSITO.
4.1.1.1 VOLUMEN.
4.1.1.2 DENSIDAD.
4.1.1.3 VELOCIDAD.
DEMORA
4.1.1.4 RELACION ENTRE VOLUMEN, DENSIDAD Y VELOCIDAD.
CONTENIDO
4.2 MODELOS DE TRNSITO VIAL
4.2.1. NATURALEZA E INTERS DEL TEMA
4.2.1.1 Modelos de trnsito.
4.2.1.2 Colas mviles
VARIACIONES:
Diurnas: Por perodos de concentracin del trnsito llamadas horas pico.
Semanales: Los das de condiciones normales son el martes, mircoles y jueves.
Anuales: Cambia segn sea la estacin, perodo de vacaciones, trabajo, estudio, etc.
Por sentido: Se define con claridad en el centro de la ciudad.
Horas pico, Hora valle, Dentro de la hora: Variacin expresada por:
FHP (Factor Hora Pico) =Volumen horario/4*V15(+ cargado)
Si FHP=1 No hay variacin en la hora
Si FHP<1 Hay variacin en la hora pico
V. FUNDAMENTOS DE INGENIERIA DE
TRANSITO.
4.1.1.2 DENSIDAD.
Es el nmero de vehculos dentro de la unidad de distancia y que puede cuantificar en toda la
va, en la calzada o por carril. (veh/km).
4.1.1.3 VELOCIDAD.
TIEMPO:
Recorrido: El utilizado para recorrer cualquier parte de una va sin importar el origen y el destino.
(Travel Time).
Viaje: El que se tarda en recorrer de un O a un D.
Marcha: El utilizado en recorrer una distancia entre O y D pero en la marcha efectiva del vehculo
(sin incluir paradas).
VELOCIDAD MEDIA:
De recorrido: Promedio de las velocidades de muchos vehculos que recorren cualquier tramo de
la va.
De marcha: De varios vehculos se obtiene el promedio de las velocidades al recorrer un tramo de
O a D pero solo en la marcha efectiva, sin incluir paradas.
Libre: Es aquella obtenida considerando los vehculos que circulan sin ningn impedimento por
parte del trnsito.
Vi
Temporal: Es aquella calculada as:
n: Nmero de datos
n
Espacial: Se calcula as
X
t
Donde X: Espacio
ti: Tiempos
1
1
V
i
V. FUNDAMENTOS DE INGENIERIA DE
TRANSITO.
VARIACIONES:
Por Conductor: Segn el tipo (normal, agresivo, pasivo).
Por vehculo: Las caractersticas mecnicas influyen en la velocidad, el ms
pesado domina la operacin de los dems vehculos por su efecto en el
trnsito.
Por va: Sus caractersticas geomtricas influyen en la operacin de los
vehculos.
Por entorno: El anlisis de la velocidad debe considerar las condiciones
tpicas.
Por hora del da: Las velocidades de los vehculos en la hora pico es
diferente que en las horas valle por la presin sicolgica, la premura del
tiempo, etc.
Por interaccin vehicular: Cuando aumenta el nmero de vehculos en un
tramo de va, la velocidad se reduce.
Por regulacin: La velocidad del vehculo est influida por la regulacin del
trnsito segn sea por semforos, seales, etc.
Por estado del tiempo: El clima afecta la velocidad de acuerdo a si hay
nieve, lluvia, viento, sol.
Restringido inicialmente
Ha reducido su velocidad al acercarse a otro que va a menor
velocidad que la que quiere ir su conductor pero an circula a mayor
velocidad que el vehculo precedente.
Segn O.K.Norman brecha menor que 9 s.
Detenido
Cuando un vehculo tiene que detenerse sin desearlo sus
ocupantes (En vas de circulacin continua es por interaccin
vehicular)
Pelotones y colas
Conjunto de vehculos que se siguen los unos a los otros y
que avanzan juntos por un carril de va.
Ver estados en la corriente vehicular
TIPOS DE BRECHAS
FUENTE: RADELAT (2003)
Principios de ingeniera de trnsito.
ITE. Washington D.C.
u = u f 1
k
j
u: velocidad media
uf: velocidad a flujo libre
k: densidad
kf: densidad esttica
Esta modelacin no es precisa pero da una idea general
del fenmeno.
k
v = v f 1
ke
k2
q = v f k
ke
vf
v f v 4
q
k
e
v=
2
2
f
4.2.1.1Modelos de trnsito.
Se han hecho descripciones matemticas del
trnsito vial en casi todo tipo pero solo se
han logrado relaciones con ajuste a la
realidad aceptable en rampas, estaciones de
peaje y estacionamientos. La principal
investigacin terica ha sido hacia las
carreteras de dos carriles. El anlisis terico
puede enfocarse as:
4.2.1.1Modelos de trnsito.
1) Anlisis emprico: Relacin causa efecto que los datos muestran.
2) Anlisis terico-matemtico
a) Con estructura determinstica: Relacin causa-efecto sobre
parmetros medios que no aceptan variaciones en las variables y su
bondad depende del ajuste de resultados con la realidad.
b) Con estructura estocstica: Acepta fluctuacin de las variables. La
teora de colas se ha empleado ayudados de hiptesis simplificadas
tpicas como la distribucin de llegadas Poisson y la distribucin
determinstica o exponencial de los tiempos de servicio.
e i! ; i = 1,2,...
p(i ) =
0, para otros valores
p(i)= probabilidad de que i vehculos lleguen
a una seccin transversal fija de la carretera
en un periodo de tiempo fijo t.
q = nmero medio de llegadas (tasa de
llegadas) en el periodo de tiempo t.
t = duracin del periodo unitario.
VER EJEMPLO
2 = varianza = mpq
mp
1
= (1 p ) 1
= 2 =
mpq
k (1 p )
p
k (1 p )
2 = var ianza =
p2
= p <1
= esperanza =
(u )2
2 2
= esperanza de la distribucin ( = v )
= Desviacin estndar(s = desviacin muestral = )
1.
Si la velocidad tiene un histograma
simtrico, la distribucin Normal es un buen
modelo.
f t (u ) =
( )
f t (u ) =
( 1)
ut = ue = ( 1)
t =
e = ( 1)
1 u umin
valor de la traslacin
u a 1 (1 u )
f (u ) =
, 0 < u <1
(a, b )
(a )(b )
(a, b ) =
(a + b )
b 1
C1 < u < C2
C = (C2 C1 )
1
a
, Expresin de momento alrededor de C1
a+b
bC1 + aC2
, Media
a+b
( )
C1 2
1
2 = 2
C1
ab
C C1
= 2
, Varianza
a
+
b
a
+
b
+
1
4.2.2.4 El intervalo
Se tratan modelos que solo describen la forma de la variable
intervalo pues el mecanismo de prediccin de intervalos se
estudiar en el captulo de Modelos de trnsito probabilsticos.
1. A un proceso de conteo Poisson le corresponde uno de intervalos
intersucesos de tipo exponencial, entonces, las funciones de distribucin
y densidad sern:
F (t ) = 1 e
f (t ) = e
qt
qt
,t 0
t
T
t
T
p(h t ) = e , T =
4.2.2.4 El intervalo
4.2.2.4 El intervalo
2. La distribucin anterior tiene el inconveniente de dar una
probabilidad no nula a intervalos muy pequeos. Sin embargo,
cuando los vehculos circulan por un solo carril, no pueden
producirse intervalos muy pequeos debido a que cada
vehculo tiene una cierta longitud. Para evitar este
inconveniente se ha modelado distribuciones exponenciales
negativas trasladadas del tipo siguiente:
F (t ) = 1 e
t
t
1 t
f (t ) =
e
t
La funcin de distribucin se representa en la figura 2.8.
4.2.2.4 El intervalo
4.2.2.4 El intervalo
3. Cuando hay grupos de vehculos circulando en cola encabezados
por uno ms lento al que los dems no pueden adelantar. La
aleatoriedad se pierde ajustndose mejor las distribuciones mixtas
(A. Schuhl, 1955).
t d
t
Pr {h t } = a 1 e t2 d + (1 a )1 e t1
a = % de vehculos rpidos
d = intervalo mnimo de un vehculo
t1 = intervalo medio de los vehculos libres
t 2 = intervalo medio de los vehculos no libres
En la Figura 2.9 se representa esta distribucin.
Esta distribucin supone dos tipos de poblaciones de vehculos: una que
viaja a flujo libre y otros restringidos por los lentos. Es de difcil utilizacin
al requerir la estimacin de tantos parmetros.
4.2.2.4 El intervalo
4.2.2.4 El intervalo
4. Dawson (R. F. Dawson y L. A. Chimini, 1968; R.
F. Dawson, 1969) propuso un modelo ms completo
que el anterior en donde uno de los factores es
modelado a travs de una distribucin Erlang.
5. Las distribuciones exponencial negativa y
trasladada son particularizaciones de la familia de
distribucin de Erlang, particularizacin de la
Gamma, en las que el parmetro k, de la Gamma,
toma valores enteros.
4.2.2.4 El intervalo
kt
p(t ) =
T
k 1
kt
k
e T , Funcin de densidad
T(k )
1
Intensidad media
T2
= Varianza de los intervalos observados
=
k
2
k 1
kt
T
kt e
p(h t ) =
, Funcin de distribucin
i!
i =0 T
4.2.2.4 El intervalo
6. Alternativamente puede usarse una Gamma
generalizada () en donde k Reales pero su
calculo requiere un computador. Si k=1, entonces
los datos corresponden a la distribucin negativa
exponencial (Llegada de vehculos en rgimen de
libertad). Al crecer k parece incrementarse el grado
de no-aleatoriedad. Si k = , entonces, uniformidad
absoluta, es decir, intervalo vehicular determinstico
constante.
7. Finalmente Dawson involucr el factor tipo
Erlang y una traslacin para tener en cuneta el
intervalo mnimo definiendo el modelo Hiper-Erlang:
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
OBJETIVOS:
Analizar mediante la aplicacin de la Distribucin de
Poisson el comportamiento del flujo vehicular en un va
rural o de trnsito medio o bajo.
Verificar de acuerdo a los resultados obtenidos si el
comportamiento vehicular se ajusta a la distribucin de
Poisson.
Realizar las diferentes pruebas estadsticas para adquirir
destreza en su manejo e interpretacin de sus resultados.
Obtener conclusiones sobre el ajuste del modelo con los
datos observados.
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
DESCRIPCIN DEL PROCEDIMIENTO
Seleccionar una seccin transversal de una carretera de
dos carrilles (un sentido) o de una multicarril (dos o mas
carriles en un solo sentido) con trnsito bajo (menor a
200 vehculo/h) para observar el volumen de vehculos.
Seleccionar un periodo de tiempo unitario (t) de 30 o 60
segundos de acuerdo al volumen estimado de manera
que en cada uno se puedan tener registros de llegadas
de vehculos.
Registrar el nmero de vehculos que cruzan la seccin
transversal escogida en cada uno de los periodos
unitarios durante una hora.
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
Determinar el volumen horario del estudio y
convertirlo en trminos de m.
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
F(observada)
27
14
12
18
16
16
8 o ms
120
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
Obtener la probabilidad segn Poisson, p(x) y la
Frecuencia terica, F(x) correspondiente.
q
t
qt
e
3600
p(x ) =
x!
F (x ) = N * p(x )
qt
3600
349
30
2.908
X F(observada)
p(x)
0
1
2
3
4
5
6
7
8
N
27
14
12
18
16
16
9
5
3
120
F(x)
p(0)
0.055 F(0)
6.55
p(1)
0.159 F(1)
19.04
p(2)
0.231 F(2)
27.69
p(3)
0.224 F(3)
26.85
p(4)
0.163 F(4)
19.52
p(5)
0.095 F(5)
11.35
p(6)
0.046 F(6)
5.50
p(7)
0.019 F(7)
2.29
1.21
1.000
120.00
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
Determinar la funcin X2 (Chi cuadrado).
[
F (Observada ) F ( x )]
=
F (x )
Chi cuadrado
x2(x)
x2(0)
63.88
x2(1)
1.34
x2(2)
8.89
x2(3)
2.92
x2(4)
0.63
x2(5)
1.90
x2(6)
2.22
x2(7)
3.22
x2(>=8)
2.67
Suma
87.67
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
Efectuar la prueba de bondad de ajuste (X2)
X2 ,
Donde:
= Confianza.
= Grados de libertad = Nmero de respuestas posibles
1 Nmero de parmetros
Para el ejemplo: = 9 1 1 =7; = 95%; X2 95,7 =
14.067
Segn los resultados del ejemplo, como el valor de la
prueba (87.67) es mayor que el encontrado en la Tabla
de Chi Cuadrado (14.067), se puede concluir que la
distribucin de los datos observados no se ajusta a la
Distribucin de Poisson.
PRCTICA DE LA DISTRIBUCIN
PROBABILSTICA DEL FLUJO VEHICULAR TIPO
POISSON
Dibujar un histograma que permita comparar las
frecuencias observadas y las tericas.
COMPARACIN DE FRECUENCIAS OBSERVADAS Y
TEORICAS (DISTRIBUCIN DE POISSON)
Frecuencia
30
20
F(observada)
10
F(x)
F(observada) 27
F(x)
14
12
18
16
16