metodología para calcular parámetros de tránsito a partir de
TRANSCRIPT
1
2
Metodología para calcular parámetros de tránsito a partir de
información recogida por medio de nuevas tecnologías (drones), y
su comprobación en la función flujo demora Akcelik.
Síntesis Actualmente los modelos de transporte que se realizan para contextos de flujo interrumpido se
hacen con suposiciones de tráfico ininterrumpido (casos urbanos por ejemplo), en parte por la
dificultad de calcular parámetros de tránsito para flujo interrumpido. De igual manera las formas de
medir y recolectar información son muy tradicionales, requieren de mucho personal, y son muy
propensas a errores debido a la metodología aplicada. Con base en esto se realizó una metodología
que a partir de la recolección de videos por medio de drones, y el procesamiento semi automático
con el uso de software especializado de esta información, se pudiese hacer una primera
aproximación a los parámetros de tránsito necesarios en la macromodelación, una vez calculados
estos se comprobaron los resultados en la función flujo demora Akcelik, puesto que esta tiene en
cuenta las demoras generadas por el flujo interrumpido.
Palabras clave Tránsito, Intersección, Capacidad de la vía, saturación, Velocidad de servicio, velocidad a flujo
libre, densidad vehicular, video procesamiento, Akcelik, Bogotá
Autor Maximiliano Andrés Bernal Giraldo
Ingeniero Civil.
Asesor de tesis Juan Pablo Bocarejo Suescún
Ingeniero Civil, Ph.D.
3
Contenido
Síntesis 2
Palabras clave 2
Autor 2
Asesor de tesis 2
Tabla de Ilustraciones 5
Definición de problemática: 6
Objetivos 6
Principal 6
Secundarios 6
Preguntas de Investigación 7
Marco Teórico 7
Las Funciones Flujo Demora 7
Tipos de Funciones 9
Funciones Cónicas 9
La Función BPR 10
La propuesta del profesor Akcelik para la función flujo demora 11
Comparación de las funciones. 14
Tecnologías para recoger información. 14
Aplicaciones móviles 14
Dispositivos incorporados y Datos GPS 15
Análisis de Videos 15
Metodología para la ubicación del punto para tomar la información en Bogotá 16
Tipología de vías, perfil Geométrico 16
Densidad semafórica 18
Presencia de transporte público 19
Corredor seleccionado, Av. José celestino Mutis-Calle 63. 20
La herramienta 21
Identificación de la intersección 22
Determinación del periodo de toma de información 22
Plan semafórico 24
Metodología propuesta 24
4
Recolección de información primaria 24
Procesamiento de la información recolectada 24
Cálculos de parámetros de tráfico 25
Tabla de equivalencias 26
Densidad 26
Calculo de capacidad – Flujos de saturación 28
Calculo de velocidad 33
Calibración de la función flujo demora del profesor Akcelik con los parámetros calculados 34
Discusión de resultados y recomendaciones para próximas investigaciones 35
Bibliografía 37
5
Tabla de Ilustraciones Ilustración 1, Esquema general modelo tradicional fuente: (Ortúzar & Willumsen, 2011) 7
Ilustración 2, Representación de la forma funcional de la relación flujo demora, fuente: (Ortúzar &
Willumsen, 2011) 8
Ilustración 3, grafico de sensibilidad función flujo-demora cónica, fuente: (PTV Ag, 2013) 9
Ilustración 4,grafico de sensibilidad función flujo-demora BPR, fuente: (PTV Ag, 2013) 10
Ilustración 5, representación del efecto de las demoras en la velocidad de recorrido de un
trayecto, fuente: (Akcelik, 2003) 11
Ilustración 6, velocidad, tiempo de viaje y demoras como función del flujo vehicular, fuente:
(Akcelik, 2003). 11
Ilustración 7, Imagen software de interpretación del video. 15
Ilustración 8, factores para hallar el punto de toma de información 16
Ilustración 9, Perfil vial tipo V-2 17
Ilustración 10, Perfil vial tipo V-3 17
Ilustración 11, Mapa de tipología de la red vial primaria de Bogotá 18
Ilustración 12, Mapa densidad semafórica para los corredores tipo V-2 19
Ilustración 13, Mapa número de rutas para los corredores tipo V-2 20
Ilustración 14, Calle 63 con Av. Carrera 24 20
Ilustración 15, Calle 63 con Av. Carrera 102 21
Ilustración 16, Histograma día típico, HMD 9:15am-10:15am 22
Ilustración 17, Histograma día típico sábado, HMD: 9:45am - 10:45am 23
Ilustración 18, Histograma día típico miércoles, HMD: 7:15am - 8:15am 23
Ilustración 19, Histograma día típico sábado, HMD: 9:45am - 10:45am 23
Ilustración 20, Grafica esperada Velocidad Vs. Densidad 25
Ilustración 21, Grafica esperada de Flujo Vs. Densidad 26
Ilustración 22, análisis de sensibilidad de la distancia base 27
Ilustración 23, ilustración acceso 3 a la intersección, elaboración propia 27
Ilustración 24, dinámica flujos de saturación 28
Ilustración 25, gráfica densidad vs. flujo mov 4 29
Ilustración 26, grafica densidad vs. flujo mov 3 29
Ilustración 27, gráfica capacidad mov 3 general 30
Ilustración 28 gráfica capacidad mov 4 general 31
Ilustración 29, teoría del profesor Akcelik para flujo interrumpido 33
Ilustración 30, Velocidad vs. Densidad 33
6
Definición de problemática:
Actualmente, para la toma de decisiones macro en el transporte se usan modelos que intentan
representar la realidad y en los cuales se busca evaluar los impactos de una medida propuesta. Dada
su naturaleza, simplifican la realidad para poder representarla. Tienen supuestos y ecuaciones que
intentan aproximarse lo mejor posible sin extenderse demasiado en detalles para no exigir mayor
capacidad de cómputo o por incapacidad de medir los valores de los factores de las ecuaciones en
campo. Hay un delicado balance entre el detalle del modelo y la capacidad de obtener los inputs
requeridos.
Dentro de los parámetros que tienen macro-modelos se encuentran las ecuaciones flujo demora.
Estas funciones, aplicadas en el último paso dentro del modelo tradicional de 4 pasos, asignación,
calculan el tiempo que le toma a un vehículo moverse a través de un link de la red. Como inputs,
comúnmente varias de estas fórmulas tienen variables como la capacidad de las vías y velocidad de
circulación cuando solo un vehículo quiere usarla (velocidad a flujo libre). Sin embargo dentro de un
contexto en el que no se están evaluando autopistas, sino vías urbanas en las cuales existen muchos
otros factores que afectan la capacidad y velocidad de flujo libre, estas ecuaciones pierden la
capacidad de representar la realidad haciendo que todo el modelo en si pierda validez y no sea una
herramienta útil para la toma de decisiones.
Dada esta situación se propone una nueva metodología que aprovechando las nuevas herramientas
que se encuentran disponibles, se usen para recoger información de tránsito que permita calcular
los parámetros de transito necesarios para usarlos en la función flujo demora propuesta por el
profesor Rahmi Akcelik, la cual expone una solución realista y coherente al problema de intentar
modelar calles urbanas.
Objetivos
Principal Proponer una metodología que permita calcular parámetros de tránsito a partir de
información recogida por medio de nuevas tecnologías, usados para la macro-modelación en funciones flujo demora.
Secundarios Identificar el potencial de nuevas tecnologías que puedan ser aplicadas para la recolección
y procesamiento de información de tránsito.
Proponer parámetros generales de tránsito para la macro-modelación en Bogotá.
Evaluar los parámetros hallados usando la función flujo demora del profesor Akcelik
Dar recomendaciones sobre el uso de nuevas herramientas para recoger información en campo.
Evaluar tipos de funciones flujo demora que se pueden aplicar al tráfico Urbano
7
Preguntas de Investigación ¿Es posible obtener información de tránsito con nuevas tecnologías igual o más confiable
que la tomada de forma tradicional?
¿Cuáles son los beneficios de usar esta nueva tecnología respecto al modo tradicional?
¿Cómo se debe tomar la información con las nuevas tecnologías para que esta tenga el
mayor potencial de análisis?
¿Los parámetros de tránsito calculados con esta nueva información pueden ser usados en
la función flujo demora del profesor Akcelik?
Marco Teórico
Las Funciones Flujo Demora En la modelación de transporte, la metodología para predecir el comportamiento de los flujos es el
modelo tradicional de 4 pasos; generación-atracción, distribución, partición modal, y asignación.
Este modelo predice la magnitud de los viajes generados, los orígenes y destinos de estos viajes, los
modos de transporte utilizados y las rutas seleccionadas. (Ortúzar & Willumsen, 2011), los
resultados del último paso de modelación, asignación, son los inputs para calcular variables que
caracterizan las evaluaciones de los proyectos y escenarios por los cuales se decidió modelar la
propuesta; tales como volúmenes, velocidades, relaciones volumen/capacidad, niveles de servicio
entre otras.
Ilustración 1, Esquema general modelo tradicional fuente: (Ortúzar & Willumsen, 2011)
8
Inicialmente el concepto de funciones flujo demora se desarrolló para túneles, autopistas y caminos
de tractores. Esta relación flujo demora comúnmente se ve como la Ilustración 2, en general se
espera que entre mayor sea el volumen de vehículos que quieran pasar por el link, el tiempo de
recorrido de los mismos aumente debido a la congestión. Para calcular este nuevo tiempo de
recorrido se plantea una función en la que se afecta el tiempo a flujo libre por un factor que tiene
en cuenta los factores de congestión, comúnmente incorpora la variable volumen servido/
capacidad de la vía.
Ilustración 2, Representación de la forma funcional de la relación flujo demora, fuente: (Ortúzar & Willumsen, 2011)
Este ha sido uno de los temas de estudio donde se han dado muchas investigaciones debido a la
incidencia en los resultados finales de cualquier modelación, se han planteado varias funciones
formuladas por distintos autores, todos intentan encontrar la mejor forma de relacionar el efecto
que tiene la congestión sobre el tiempo de recorrido de todos los usuarios del sistema. Las
características deseables de cualquier función flujo demora son (Ortúzar & Willumsen, 2011):
Realista, los tiempos de viaje modelados deben ser suficientemente ajustados a la realidad.
La función debe ser estrictamente creciente y monotonica; un flujo creciente no debe
reducir el tiempo de viaje.
La función debe ser continua y derivable, esto último debido a que la primera derivada
representa el costo marginal para los usuarios de la vía.
La función debe permitir la existencia de una región de sobrecarga, la función no debe
generar tiempos infinitos incluso cuando la relación volumen capacidad es mayor a uno,
esta situación se representa con líneas punteadas en Ilustración 2.
Por último la función debe ser fácil de transferir de un contexto a otro, el uso de parámetros
de ingeniería como velocidad de flujo libre, capacidad, número de entradas y salidas por
kilómetro son deseables.
Existe el problema de que por la naturaleza de donde se concibió el concepto de las funciones
flujo demora, túneles, autopistas y caminos de tractor, solo se considera la relación
flujo/capacidad en un estado estable como parámetro determinante para calcular el tiempo de
recorrido en un link, esto en contextos urbanos pierde validez porque existen más factores que
inciden en el tiempo de recorrido sobre un link de la red, por ejemplo los semáforos.
9
Tipos de Funciones Se observaron diferentes tipos de funciones, detallando cuál era su forma matemática y los
parámetros a calibrar, buscando una que fuese realista y se pudiese ajustar al contexto de Bogotá.
Funciones Cónicas Desarrolladas por Spiess en 1989, tienen la siguiente estructura:
𝑡 = 𝑡0 [2 + √𝛼2 (1 −𝑉
𝐶)
2
+ 𝛽2 − ∝ (1 −𝑉
𝐶) − 𝛽]
Donde α y β son los parámetros a calibrar, siendo α cualquier número mayor a 1 y β depende de α
𝛽 =2 ∝ − 1
2 ∝ −2
Donde α > 1
V es el volumen de vehículos que está pasando por el link.
C es la capacidad Máxima de la vista.
A continuación la gráfica de la función cónica cuando α tiene valores de 1.1, 3, 5, y 8.
Ilustración 3, grafico de sensibilidad función flujo-demora cónica, fuente: (PTV Ag, 2013)
Como se puede observar la función cumple las condiciones deseables de una función flujo demora,
sin embargo dado que uno de sus términos está en función de otro, dificulta conseguir un buen
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
0,00 0,50 1,00 1,50
Tim
e [
x*t
0]
Saturation Grade [q/qmax]
Volume delay function
10
ajuste respecto a los datos medidos en campo, estudios sobre la malla vial Bogotana (Márquez,
García, & Guarín, 2015) muestran un ajuste menor respecto a otras funciones.
La Función BPR La Función BRP fue formulada por la oficina de caminos públicos (Bureau of Public Roads) hoy
llamada la Administración Federal de Autopistas (Federal Highway Administration) en 1964 de
Estados Unidos, dada su simplicidad es la más usada, su estructura es:
𝑡 = 𝑡0 [1 + 𝛼 (𝑉
𝐶)
𝛽
]
Donde los parámetros a calibrar son α y β
Aunque no se tiene una especificación por parte de la FHA sobre que representan estos términos,
se generaliza que su valor está dado por las condiciones de la vía tales como diseño geométrico,
estado de la capa de rodadura, si tiene o no bermas y demás características propias de una
autopista, Los valores tradicionales usados al usar esta función son α = 0.15 y β = 4 (Márquez, García,
& Guarín, 2015).
Ilustración 4,grafico de sensibilidad función flujo-demora BPR, fuente: (PTV Ag, 2013)
En la ilustración anterior se grafica el comportamiento de la función BPR dejando el factor α = 1 y β
variándolo entre 2 y 5, como se puede observar a medida que se aumenta este valor, la asíntota del
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
0,00 0,50 1,00 1,50
Tim
e [
x*t
0]
Saturation Grade [q/qmax]
Volume delay function
11
eje vertical se acerca más al eje Y, en términos prácticos se está diciendo que la vía representada
tiene una capacidad práctica muy cercana a la teórica, por lo cual cuando la relación volumen
capacidad está cercana a 1 la magnitud del tiempo se incrementa rápidamente.
La propuesta del profesor Akcelik para la función flujo demora la Ilustración 6 representa el concepto de la
corrección hecha cuando la relación
volumen capacidad (V/Q) es mayor a uno, es
decir cuando la vía está sobre saturada, esta
corrección permite tener una mejor
aproximación a el efecto de diversos
factores como trancones, semáforos,
rotondas y otras situaciones que tienen un
efecto sobre el tráfico.
La Ilustración 5 representa como se está entendiendo conceptualmente el problema de tener
factores que afecten la velocidad de recorrido de un tramo (L) y que haga que recorrer este tramo
(L) no se haga a la velocidad de flujo libre 𝑉𝑓 sino a una velocidad 𝑉𝑢 afectada por los factores
mencionados y que en la Ilustración 5 se nombran “demora del tráfico” (traffic delay).
La siguiente es la función general de Akcelik, esta función representa las regiones A y C de la
Ilustración 6, está basada en teoría de colas, y permite una suave transición entre un estado de
demoras en colas estables sin saturar y un estado de demora de colas determinístico saturado,
además permite una estimación de la velocidad de viaje para ambas condiciones.
En el caso de flujo sin interrupciones:
V = 𝑉𝑢 ; donde 𝑉𝑢 es la velocidad de viaje en sin interrupciones dado en (km/h)
𝑑𝑡 = 𝑑𝑡𝑢; Donde 𝑑𝑡𝑢 es la demora del trafico dado en (seg/km), esto es dado porque si bien
la relación volumen capacidad de la vía puede que no sea mayor a uno, si existe un efecto
en la circulación del tráfico.
Ilustración 6, velocidad, tiempo de viaje y demoras como función del flujo vehicular, fuente: (Akcelik, 2003).
Ilustración 5, representación del efecto de las demoras en la velocidad de recorrido de un trayecto, fuente: (Akcelik, 2003)
12
En el caso de flujo con interrupciones:
𝑉𝑓 = 𝑉0 ; Donde 𝑉0 es la velocidad media espacial de la vía, que tiene en cuenta las demoras
ocasionadas por el tráfico
La fórmula en su forma más general es:
Ecuación 1, Ecuación general de Akcelik
𝑉 = 𝑉𝐹
1 + 0,25𝑉𝑓 ∗ 𝑇𝑓 ∗ [𝑍 + (𝑍2 + 8𝑘𝑑(𝑋 − 𝑋0)
(𝑄 ∗ 𝑇𝑓)+
16𝑘𝑑 ∗ 𝑁𝑖(𝑋 − 𝑋0)
(𝑄 ∗ 𝑇𝑓)2
)
0,5
]
Donde:
V = la velocidad puntual de un vehículo dado un grado de saturación X (km/h)
𝑉𝑓 = velocidad de flujo libre cuando no hay saturación, X =0 (km/h)
𝑇𝑓 = duración del periodo de análisis (h)
𝐾𝑑 = parámetro de demora, o 1 - 𝑘𝑑 = parámetro de servicio.
X = grado de saturación
X’ = grado de saturación ajustado teniendo en cuenta el efecto de la cola inicial
𝑋0= grado de saturación debajo del cual el retraso generado por el tráfico es 0
Z = parámetro calculado como:
𝑍 =𝑋−1+2𝑁𝑖
𝑄∗𝑇𝐹 ; 𝑁𝑖 es la demanda inicial de la cola observada en el momento de comienzo del periodo
De análisis.
El parámetro de demora 𝐾𝑑 es una constante y está relacionada con otros parámetros:
𝑘𝑑 =2𝑄((𝑉𝐹−𝑉𝑛)−1)
2
𝑉𝐹2∗𝑇𝐹(1−𝑋0)
; 𝑉𝑛 es la velocidad cuando la vía está a capacidad, por definición es la mitad de
La velocidad de flujo libre.
Asumiendo que no existe cola inicial 𝑁𝑖 , simplificando z= x – 1 y asumiendo un grado de saturación
𝑋0= 0
Se obtiene:
Ecuación 2, Ecuación de Akcelik para flujo interrumpido
𝑡𝑐𝑢𝑟 = 𝑡𝑓 + 900 ∗ 𝑇𝑓 {𝑧 + [𝑧2 + 8𝑘𝑑 ∗ 𝑥
𝑄 ∗ 𝑇𝑓]
0,5
}
13
𝑡𝑓 = 𝑡0 ; Donde 𝑡0 es el tiempo de recorrido libre, 𝑡0 = 𝑡𝐹 + 𝑑𝑚 ; donde 𝑑𝑚 es la mínima
demora por unidad de distancia en condiciones de cero flujos.
o Cuando el camino tiene intersecciones señalizadas semafóricamente:
𝑑𝑚 = 0,5𝑟 ∗ (1 − 𝑢); Donde r es el tiempo efectivo de rojo, u es el tiempo de radio de
verde, u = 𝑔
𝑐, Donde g es el tiempo efectivo de verde y c es el tiempo total de ciclo
o Cuando hay intersecciones con rotondas o intersecciones señalizadas:
𝑑𝑚 = 3600
𝑄+𝑑𝑖𝑔 ; donde dig es la demora por la geometría de la intersección
Sin embargo, luego de revisar en el programa de modelación Visum, se encontró que existían dos
ecuaciones posibles, Akcelik que describe un flujo interrumpido y Akcelik 2 que es para un flujo
ininterrumpido.
Ecuación 3, Ecuación de Akcelik para flujo ininterrumpido
𝑡𝑐𝑢𝑟 = 3600 ∗ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 ∗ [1
𝑉𝑓+
𝑎
4∗ ((𝑠𝑎𝑡 − 1) + √(𝑠𝑎𝑡 − 1)2 +
8 ∗ 𝒃 ∗ 𝑠𝑎𝑡
𝑑 ∗ 𝑎 ∗ 𝑞𝑚𝑎𝑥)]
a = duración en horas
b= parámetro de familia
d =1/número de carriles
qmax= capacidad máxima del link.
Esta forma corresponde a la forma de la ecuación encontrada tras simplificaciones anteriormente
mencionadas, hay que destacar que el parámetro b es el que contiene la información relacionada
con las demoras del flujo debido a los efectos de las intersecciones.
Al comparar entre las dos formas de la función, siendo z = sat – 1 y demás simplificaciones, se
encuentra que 𝑏 = 𝑘𝑑
𝑘𝑑 =2𝑄((𝑉𝐹 − 𝑉𝑛) − 1)
2
𝑉𝐹2 ∗ 𝑇𝐹(1 − 𝑋0)
𝑉𝑛= es la velocidad cuando la vía está a capacidad, por definición es la mitad de la velocidad de flujo
libre.
𝑉𝐹 = velocidad de flujo libre cuando no hay saturación, X =0 (km/h)
𝑇𝑓 = duración del periodo de análisis (h)
𝑋0= grado de saturación debajo del cual el retraso generado por el tráfico es 0
14
Comparación de las funciones. Como se explicado, existen varias funciones. Sin embargo al explorar en la literatura se encuentran
casos de estudio que han intentado trabajar con las funciones que tienen una expresión más simple,
el caso de las funciones cónicas y BPR, sin embargo estas funciones fueron propuestas para
contextos diferentes a los que se las está usando, la modelación urbana, por lo cual es de interés
dejar de lado la simplicidad matemática y entrar en la parte analítica donde se conoce que el tiempo
de recorrido de una vía no está dado solamente por la congestión, parámetros como semáforos,
rotondas, diseño geométrico entre otros tiene incidencia en este nuevo tiempo de recorrido.
Es de admirar que la función del profesor Akcelik no haya sido generalizada para la modelación en
contextos urbanos, tal vez debido a que los paramentos que tiene como inputs pueden variar en
cada tramo de la red. Sin embargo se escogió trabajar con esta función porque es la más completa
en cuanto en términos de ingeniería de transporte se refiere.
Tecnologías para recoger información. En la minería de datos, debido a la disponibilidad de acceder a nuevas tecnologías se puede usar
nuevas y mejores metodologías para recoger la información en campo, dependiendo la necesidad
pueda que una sea mejor que la otra, en general todas buscan facilitar la toma de información y
reducir los costos, además evitar el factor humano como fuente de error, a continuación se hace
una breve descripción de que trata cada una, sus ventajas y desventajas.
Aplicaciones móviles básicamente consiste en considerar que debido al uso masificado de teléfonos celulares o smart
phones, que además de la posibilidad de conectarse a sensores externos, pueden usar nueve
sensores integrados incluidos diferentes transmisores (red de operadores, WiFi, Bluetooth), FM y
recibidores GPS, acelerómetros, cámara, compas digital y micrófono (Brovelli, Minghini, & Zamboni,
2015), podemos recoger información muy precisa de los comportamientos de movimiento de las
personas, información de la ruta que tomaron. Adicionalmente el usuario puede suministrar
información en tiempo real de condiciones de la vía., choques o cualquier particularidad.
Ventajas
Esta tecnología permite recoger información masiva y certera, puesto que el celular es un
artículo personal que viaja con las personas, dando gran precisión.
No es costoso recogerla, al no requerir personal su obtención implica mínimas inversiones
en campañas de campo, más no en el diseño de la aplicación
Desventajas
Existen preocupaciones de hasta donde esta información es pública, hay personas y
organizaciones que argumentan que se están violando aspectos de privacidad.
Si bien es información que ya se encuentra recogida, está en manos de los operadores
quienes por seguridad jurídica no la hacen accesible
Requiere una participación activa de las personas, por la regla de participación observada
por Nielsen en 2006, en un sistema abierto de contribución 90% de los usuarios consume
información, 9% contribuye ocasionalmente, y solo el 1% contribuye constantemente.
15
Dispositivos incorporados y Datos GPS
Esta tecnología está muy relacionada con la anterior, consiste en equipar ya no a la persona sino al
vehículo con un dispositivo que guarda la información enviada por los sensores instalados,
comúnmente esto es cuando se requieren hacer estudios más precisos, por lo cual los sensores
instalados son más sensibles y tienen menos margen de error, además las mediciones se hacen
sobre vehículos o condiciones planeadas, los datos recogidos se almacenan en el dispositivo
instalado y posteriormente descargados.
Ventajas
Esta tecnología provee información precisa
Los dispositivos se consiguen con relativa facilidad, si se va a focalizar en una sola variable
se pueden reducir costos comprando el sensor necesario para medir solo esa variable.
Desventajas
Requiere inversiones medianas para la compra de los dispositivos
La información se almacena en el dispositivo, ante cualquier eventualidad la información
se abra perdido
Al ser información tomada programadamente puede tener algún sesgo.
Análisis de Videos Consiste en la instalación de cámaras sobre algunos puntos de gran importancia para la red, al
comienzo se pensó como un circuito cerrado de cámaras en las cuales se esperaba que una
persona interpretara lo que estaba pasando, Actualmente los sistemas de manejo del trafico
utilizan los videos digitales para procesar automáticamente la escena de interés y extraer la
información de interés para el tráfico. Un video procesador consiste en una o más cámaras y un
computador basado en un microprocesador que digitaliza y analiza las imágenes, un software que
interpreta las imágenes y las convierte en información del tráfico.
Ilustración 7, Imagen software de interpretación del video.
16
Ventajas
La información recogida evita el factor humano y en caso de que existan dudas sobre su
análisis o interpretación esta guardada para su verificación.
La información recogida es típica, no tiene sesgos de comportamiento planificado en la
toma de campo.
Existen variedad de dispositivos y técnicas para la recolección de datos.
Ya existen software especializados en procesar la información recogida de esta manera.
Desventajas
Se requieren inversiones en los dispositivos de recolección y análisis de la información.
Metodología para la ubicación del punto para tomar la información
en Bogotá Para la definición del punto de toma de
información se trató de encontrar un
corredor que representará las
características del tráfico en Bogotá de
acuerdo con los parámetros que influyen
más en el tránsito.
A partir de un análisis geográfico de las
anteriores características se encontró la
intersección para la toma de información.
Todos los análisis presentados fueron
hechos a partir de información
suministrada por la SDM (Secretaría
distrital de Movilidad de Bogotá).
Tipología de vías, perfil Geométrico A partir de la tipología de vías que tiene la secretaría de planeación para la red vial primaria de
Bogotá se determinó cual era el perfil predominante, siendo este las tipologías V-2 y V-3 que
comprenden un 67% del total, estas tipologías de vías tienen tres carriles por sentido y lo que las
diferencia es que tienen un separador entre ellas más angosto.
Tabla 1, % de perfiles viales para la red primaria de Bogotá
Tipología Longitud(m) %
PAR 16479 3%
V-0 40132 7%
V-1 93593 15%
V-2 218543 36%
V-3 192345 31%
V-3E 32442 5%
(en blanco) 19922 3%
Total general(m) 613455 100%
Total general(Km) 613
Punto toma de información
Presencia de
transporte público
Tipología de vías.
Densidad semafórica
Ilustración 8, factores para hallar el punto de toma de información
17
Ilustración 9, Perfil vial tipo V-2
Ilustración 10, Perfil vial tipo V-3
En promedio las vías tipo V-2 tienen una longitud de 7.28 km y las tipo V-3 de 2.66 km, dado que lo
que se busca es tener un corredor tipo, o que se encuentre en el promedio se realizó un rango para
obtener las posibles vías en donde se debería realizar el vuelo. A continuación una tabla con el
nombre de los corredores tipo V-2 y su longitud.
18
Densidad semafórica Debido a que las condiciones de tráfico en flujo interrumpido están definidas en contextos urbanos
por los semáforos, se calculó para la tipología dominante, V-2, la densidad semafórica puesto que
se quería que los parámetros calculados no fuesen afectados por factores como los vehículos
remanentes.
En promedio para esta tipología de vía se tiene un espaciamiento de 1km entre semáforos, dados
los volúmenes y los tiempos de ciclo se espera que no se presenten efectos diferentes a los
contemplados que no permitan hacer un buen análisis.
Tabla 2, longitud de los corredores tipo V-2
Ilustración 11, Mapa de tipología de la red vial primaria de Bogotá
19
Tabla 3, tabla densidad semafórica para tipología V-2NOMBRE densidad semaforica longitud (Km)
AVENIDA A COTA 0,00 0,01497404862
AVENIDA JIMENEZ DE QUESADA 0,22 1,76592284042
AVENIDA COLON 0,28 2,21798402866
AVENIDA CHILE 0,29 9,27364093176
AVENIDA CIUDAD DE LIMA 0,29 2,92032125179
AVENIDA DE LOS COMUNEROS 0,34 4,43657752128
AVENIDA PABLO VI 0,36 7,26654205333
AVENIDA JORGE URIBE BOTERO 0,37 1,49967184939
AVENIDA CARACAS 0,38 25,70456742040
AVENIDA FERNANDO MAZUERA 0,40 7,67021939407
AVENIDA PEDRO LEON TRABUCHY 0,49 1,95783727887
AVENIDA DE LOS CERROS 0,50 0,99417632910
AVENIDA RODRIGO LARA BONILLA 0,50 3,01953985765
AVENIDA JORGE GAITAN CORTES 0,51 7,15862930559
AVENIDA ALFREDO D BATEMAN 0,51 5,62487099660
AVENIDA PRIMERO DE MAYO 0,52 17,08573557580
AVENIDA CIUDAD DE CALI 0,60 15,05581128280
AVENIDA CALLEJAS 0,72 2,88855299093
AVENIDA DEL CONGRESO EUCARISTICO 0,73 13,19201078430
AVENIDA SAN JOSE 0,76 1,52602681103
AVENIDA JORGE ELIECER GAITAN 0,83 4,17365061234
AVENIDA CIUDAD DE VILLAVICENCIO 0,96 18,30527679740
AVENIDA ALBERTO LLERAS CAMARGO 1,05 16,84115557150
AVENIDA BOSA 1,06 4,22196335202
AVENIDA LAUREANO GOMEZ 1,15 8,08291999220
AVENIDA JOSE CELESTINO MUTIS 1,20 6,01894804644
TRANSVERSAL DE SUBA 1,61 1,61165574974
AVENIDA TRANSVERSAL DE SUBA 1,62 6,46591201179
AUTOPISTA AL LLANO 2,04 10,18092557560
AVENIDA LA SIRENA 4,83 4,83159494216
AVENIDA LA ESMERALDA 5,87 5,87149988707
Presencia de transporte público Por último se realizó un análisis del número de rutas
que cargaban cada corredor, esto debido a el comportamiento que tiene el transporte público
respecto el resto de los vehículos, lo cual genera impactos negativos en la circulación, por lo cual
se consideró.
Para la tipología de vías V-2 hay en promedio 149 rutas de transporte público, SITP, que las
atraviesan. A continuación un mapa y una tabla que muestran en detalle los datos analizados.
Ilustración 12, Mapa densidad semafórica para los corredores tipo V-2
20
Tabla 4, número de rutas del SITP para los corredores tipo V-2NOMBRE # de rutas del SITP
AVENIDA A COTA 0
AVENIDA DE LOS CERROS 7
AVENIDA SAN JOSE 16
AVENIDA JORGE URIBE BOTERO 19
TRANSVERSAL DE SUBA 36
AVENIDA COLON 38
AUTOPISTA AL LLANO 50
AVENIDA PEDRO LEON TRABUCHY 51
AVENIDA JIMENEZ DE QUESADA 63
AVENIDA JORGE ELIECER GAITAN 87
AVENIDA RODRIGO LARA BONILLA 93
AVENIDA LA SIRENA 98
AVENIDA CIUDAD DE LIMA 104
AVENIDA ALBERTO LLERAS CAMARGO 105
AVENIDA CALLEJAS 105
AVENIDA DE LOS COMUNEROS 106
AVENIDA TRANSVERSAL DE SUBA 116
AVENIDA FERNANDO MAZUERA 118
AVENIDA LAUREANO GOMEZ 124
AVENIDA BOSA 131
AVENIDA LA ESMERALDA 139
AVENIDA ALFREDO D BATEMAN 160
AVENIDA PABLO VI 208
AVENIDA JORGE GAITAN CORTES 228
AVENIDA JOSE CELESTINO MUTIS 230
AVENIDA CARACAS 307
AVENIDA CIUDAD DE CALI 361
AVENIDA CHILE 368
AVENIDA DEL CONGRESO EUCARISTICO 370
AVENIDA CIUDAD DE VILLAVICENCIO 375
AVENIDA PRIMERO DE MAYO 412
Promedio 149
Corredor seleccionado, Av. José celestino Mutis-Calle 63.
Ilustración 14, Calle 63 con Av. Carrera 24
Ilustración 13, Mapa número de rutas para los corredores tipo V-2
21
Ilustración 15, Calle 63 con Av. Carrera 102
Una vez elegido el corredor, se propusieron sus principales intersecciones para la toma de
información, de las dos se escogió la Calle 63 con Carrera 24 debido a su ubicación y
representatividad de la dinámica bogotana, además la segunda intersección se encontraba en el
radio de seguridad del aeropuerto El Dorado.
La herramienta Para la toma de información, se usó un cuadrocoptero DJI phantom visión +, este drone cuenta con
una independencia de vuelo de 15 minutos, gracias a sus sistemas a bordo es de muy fácil
maniobrabilidad, es pequeño y su cámara es capaz de grabar videos en HD 1920-1080 y fotos geo
referenciadas cada segundo, por experimentos pasados para tener buena visibilidad del tráfico es
recomendable una altura de vuelo de entre 50m y 100m.
Además posee la función FPV (First Person View) la cual permite ver en vivo lo que se está filmado
en ese momento, por lo cual se puede tener precisión sobre la información recogida y hacer
correcciones inmediatamente en caso de ser necesario.
22
Identificación de la intersección Una vez escogida la intersección se procedió a hacer visitas de campo para su descripción general.
Determinación del periodo de toma de información Dado que no se tenía un aforo sobre la intersección seleccionada se observaron las intersecciones
adyacentes, determinando que la hora pico para los movimientos 1 y 2 es de 9:15 a 10:15 y para los
movimientos 3 y 4 era de 7:15 a 8: 15, por lo cual se determinó que el periodo para la toma de los
videos era de 7am a 12 am, cubriendo todas las condiciones de tráfico.
Aforo Carrera 24 con calle 66 y calle 68
Ilustración 16, Histograma día típico, HMD 9:15am-10:15am
23
Ilustración 17, Histograma día típico sábado, HMD: 9:45am - 10:45am
Aforo Carrera 13 con calle 63
Ilustración 18, Histograma día típico miércoles, HMD: 7:15am - 8:15am
Ilustración 19, Histograma día típico sábado, HMD: 9:45am - 10:45am
24
Plan semafórico por último se tomó el
plan semafórico de la
intersección para
calcular los tiempos de
ciclo, de rojo y de verde
efectivo, estos fueron
comprobados con los
videos tomados en los
cuales se contabilizó que
estos tiempos
correspondieran a los del
plan entregado
Metodología propuesta
Recolección de información primaria En esta primera etapa se hacen los análisis iniciales de la información obtenida antes de los vuelos,
con esta información se puede realizar una planeación más específica para saber cómo debería ser
la toma de información para maximizar su potencial, por ejemplo si se está buscando analizar los
periodos críticos hacer la toma de información más precisa.
Procesamiento de la información recolectada Una vez con los videos tomados esta es la parte en la que a través de nuevas tecnologías se procesa
semi-automáticamente la información, en este caso los aforos por tipo de vehículo se hicieron con
SDM OK SDM OK Campo OK SDM OK
no si
Altura de vuelo
Cálculo de la distancia base
tiempo de vuelo
bases teoricas
Perfiles viales
Metodología
Recolección de información
primaria
Calculo de parámetros de tránsito
discusión de resultados y
recomendaciones para próximas
investigaciones
Calculo de los parámetros de tráfico
Planes semaforicosVolumenes
vehiculares
Vuelos con el drone
en la intersección
Aforos
Vehiculares por
ciclo por carril
calculo de volumenes
vehiculares equivalentes
por ciclo por carril
Medición tiempo de
recorrido de la distancia base
Procesamiento la información
recolectada
Calibración de la función flujo demora
del profesor Akcelik con los
parámetros calculados
Vehículos equivalentes en cada carril cuando el ultimo
veh en cola empieza a recorrer la distancia base
Calculo de velocidad media espacial del último veh. en colaCalculo de densidades (vehiculos equivalentes por
Kilometro) general y por carril
Vehículos en cada carril cuando el ultimo veh en cola empieza
a recorrer la distancia base
Conclusiones y observaciones
cambiar la distancia base
discusión de parámetros de tráfico
hallados
recomendaciones para toma de
información con esta nueva
herramienta
Calculo del tiempo estimado de recorrido de la distancia Base con
los parametros hallados usando la función flujo demora del
profesor Akcelik
Función flujo-demora
Comparación con los valores medidos
con la información recogida en
campo
diferencias porcentuales
diferencias exactas
¿los valores calculados son
lógicos?
Relacionar la Velocidad media espacial y la densidad Relacionar el fujo vehicular y la densidad
25
el software STA, Smart traffic Analizer, pero la velocidad media espacial del último vehículo en cola
no se calculó con este software, esto debido a que esta velocidad se basa en la del último vehículo
que es el que representa como sería el flujo si los vehículos no fueran detenidos por el semáforo, es
software calculaba la velocidad de todos los vehículos y presentaba algunas fallas, por lo cual hacia
que los efectos de aceleraciones y desaceleraciones no pudiesen ser descartados..
El último parámetro calculado es la densidad, esta es con referencia a una distancia base, después
de un análisis de sensibilidad se determinó que la distancia base debería ser, o almenos estar
aproximada a la longitud media de la cola en el acceso a la intersección.
Cálculos de parámetros de tráfico Se procede a Calcular la Velocidad de flujo con bajos volúmenes, la velocidad de servicio de la
intersección, y la capacidad por ciclo de la intersección. Para esto se grafican estos parámetros
contra la densidad calculada anteriormente, se busca una buena aproximación con una regresión
polinómica de segundo de segundo orden puesto que esta da el mejor ajuste y es fácil derivarla para
hallar sus máximos y mínimos
Ilustración 20, Grafica esperada Velocidad Vs. Densidad
26
Ilustración 21, Grafica esperada de Flujo Vs. Densidad
Como se observa con estos máximos y mínimos se hallaran los parámetros buscados de tránsito
que se usaran para Calcular los tiempos de recorrido con la función flujo demora Akcelik.
Tabla de equivalencias Tabla 5, equivalencias de vehículos, fuente: monitoreo, seguimiento y planeación del tránsito y transporte de Bogotá D.C.
Tipo de vehículo Factor de equivalencia
Automóvil 1
Motos 0,5
Buses 2
Camiones 2
Densidad La densidad se expresa como el número de vehículos que hay en una distancia dada. Para hallar este
valor se dividió el número de vehículos que se encontraban dentro de la distancia base cuando el
último vehículo en cola iniciaba a recorrer la distancia base [vehículos equivalentes], sobre una
distancia de referencia (Distancia Base) [km].
Se escogió esta manera de calcular la densidad puesto que se quería analizar el comportamiento de
los conductores cuando se encuentran en la condición más parecida a flujo ininterrumpido en la
cual no existen interferencias por los semáforos y los comportamientos corresponden a condiciones
del tráfico. Por ejemplo el espaciamiento entre vehículos es diferente mientras están parados que
cuando se encuentran en movimiento.
27
Para encontrar cual debería ser la distancia base apropiada se realizó un análisis de sensibilidad en
el que se tomaron tres distancias base, de 20m, 40m y 50m. En el análisis lo que se grafico es como
a medida que cambia la distancia base la velocidad media espacial de este último vehículo se
comportaba, se encontró entonces que con distancias muy cortas esta velocidad se subestima y con
distancias muy largas la velocidad se sobreestima, esto debido a que la velocidad para este ejercicio
se calculó como la división entre la distancia base y el tiempo que tardaba este vehículo en
recorrerla.
Se encontró entonces que la mejor distancia base debe ser la longitud promedio de la cola, que para
esta medición fue de 41,13 m, por lo cual la densidad y la distancia base la velocidad se calcularon
con los valores medidos con una distancia base de 40 m
Ilustración 22, análisis de sensibilidad de la distancia base
Ilustración 23, ilustración acceso 3 a la intersección, elaboración propia
0
5
10
15
20
25
75 125 175 225 275 325 375 425
Vel
oci
dad
med
ia e
spac
ial [
Km
/h]
Densidad [Vehiculos equivalentes por kilometro]
Promedio de Velocidad (20m)[Km/h] Promedio de Velocidad 40m [Km/h]
Promedio de Velocidad 50m [Km/h]
28
Como se observa con una distancia base de 40 m se tiene una velocidad estable en casi todos los
puntos, con una distancia menor se tienen valores menores y con valores mayores por condiciones
de tráfico a densidades mayores la velocidad aumenta.
Calculo de capacidad – Flujos de saturación Dado que se está trabajando en una intersección semaforizada se trabajó el termino de flujos de
saturación como base teórica para calcular la capacidad de los accesos a la intersección, este se
define como: “Es la tasa máxima de flujo vehicular que puede atravesar la intersección desde un
acceso, bajo condiciones prevalecientes de tránsito en la vía cuando se dispone de 100% del tiempo
efectivo de luz verde [veh/h]” (Akcelik, 2003)
Ilustración 24, dinámica flujos de saturación
La forma tradicional de calcular los flujos de saturación es ir en la hora de máxima demanda y
encontrar el cuarto de hora más cargado, este entonces será el flujo de saturación que multiplicado
por el número de ciclos semafóricos en la hora dará la capacidad de la vía por hora, sin embargo
dado que existen varias tipologías de vehículos primero se pasan los flujos a vehículos equivalentes,
es decir, la capacidad de la vía se expresa en vehículos equivalentes por hora.
Para calcular la capacidad de los accesos en lugar de observar solo el cuarto de hora más cargado
de la hora más cargada se hicieron vuelos con varias condiciones de tráfico para tener varios puntos,
lo que se buscaba era tener una curva como la esperada, realizar una regresión y calcular su máximo,
esta sería la capacidad del movimiento a la intersección
29
Ilustración 25, gráfica densidad vs. flujo mov 4
Ilustración 26, grafica densidad vs. flujo mov 3
Como se observa si bien se identifica una tendencia, los ajustes no son buenos, esto se debe a que
para una misma densidad existen varios flujos equivalentes, Al preguntarse por qué ocurre esto,
primero se hizo evidente la necesidad de aclarar que si bien existe una capacidad por ciclo
dependiendo su distribución modal, debido a que no sabemos esta distribución con certeza, se
realizó la conversión a vehículos equivalentes para lograr dar un estimativo, esto siguiendo la
definición cuando indica que es el cálculo en condiciones prevalecientes.
Se planteó entonces la hipótesis que estos flujos equivalentes superiores a la capacidad calculada
se debían a la distribución modal en esos ciclos y los flujos reales, esto se corroboró en la base de
y = -0,0003x2 + 0,1939x + 20,402R² = 0,208
0
10
20
30
40
50
60
70
0 50 100 150 200 250 300 350 400
Flu
jo[v
eheq
uiv
alen
tes
x ci
clo
]
Densidad [veh equivalentes x Km]
Flujo Vs Den mov 4
y = -0,0004x2 + 0,1968x + 20,578R² = 0,2267
0
10
20
30
40
50
60
70
0 50 100 150 200 250 300 350 400
Flu
jo[v
eheq
uiv
alen
tes
x ci
clo
]
Densidad [veh equivalentes x Km]
Flujo Vs Den mov 3
30
datos para el movimiento 4. Para el 92% de los ciclos de tiempo de verde que se midieron los flujos
están por debajo de la capacidad estimada, la distribución promedio fue de 66% autos, 27% motos,
3% Camiones, 4% buses. El 8% restante donde el flujo equivalente da mayor a la capacidad, la
distribución fue de 59% Autos, 34% motos, 3% camiones, 4% Buses. En promedio para el 8%
superior, pasaron 90 vehículos reales por ciclo, la suma de autos, buses, camiones y motos. Para el
92% restante pasaron 77.
A continuación las gráficas donde se calcula la capacidad por movimiento y por carril, lo que se hizo
fue calcular 3 cuervas, una con los valores máximos, una con el promedio y otra con el mínimo, dado
que se buscaba hallar la capacidad para las condiciones prevalecientes se halló la capacidad en
vehículos equivalentes con la regresión polinómica de segundo orden a partir de los valores
promedio y se transformaron en vehículos reales usando la distribución modal calculada a partir de
todas las medidas
Tabla 6, parámetros de transito generales movimiento 3
densidad máxima 316,5
Q x ciclo [Veh equivalentes] 50,59
# ciclos x hora 30
Q x hora [Veh equivalentes] 1517,69
Autos 1184
Buses 53
Camiones 23
Motos 364
Total 1624
Tabla 7, distribución modal mov 3
Distribucion modal General
Autos 78%
Buses 7%
Camiones 3%
Motos 12%
Ilustración 27, gráfica capacidad mov 3 general
31
Como se observa los carriles que tienen alguna afectación al tráfico, por ejemplo para este
movimiento los carriles 1 y 3 tienen una capacidad reducida debido al efecto del paradero de buses
en el carril 1 y al giro a la izquierda en la siguiente intersección.
Ilustración 28 gráfica capacidad mov 4 general
32
Tabla 8, parámetros de transito generales movimiento 4
densidad máxima 306,83
Q x ciclo [Veh equivalentes] 82,54
# ciclos x hora 30
Q x hora [Veh equivalentes] 2476,26
Autos 1582
Buses 58
Camiones 32
Motos 1430
Total 3101
Tabla 9, distribución modal mov 4
Distribucion modal General
Autos 64%
Buses 5%
Camiones 3%
Motos 29%
Por último se escogió este movimiento como el referente para tomar los parámetros de Transito
puesto que es el que representa mejor la intersección dadas sus características, es decir la
interferencia en los carriles y los valores hallados.
33
Calculo de velocidad
Ilustración 29, teoría del profesor Akcelik para flujo interrumpido
Conceptualmente, lo que se está planteando, es que cuando la relación volumen capacidad (q/Q)
es mayor a uno, hay un comportamiento diferente al planteado teóricamente, en la ilustración 27,
la región C, en donde existe una capacidad mayor a la planteada, capacidad real.
Esta velocidad que se gráfica es la velocidad medía espacial definida como:
“La velocidad media espacial o velocidad media-espacio, es la media aritmética de las velocidades
de los vehículos que en un instante dado ocupan un tramo de una vía. Se obtiene, pues, como la
media de las velocidades instantáneas de todos los vehículos que circulan por ese tramo de
la vía en ese instante, por lo que para obtenerla hay que medir estas velocidades
instantáneas.”(Ortúzar, J., & Willumsen, L. (2011). Modelling Transport. Wiley.)
Dado que se está analizando la intersección para presentar valores típicos, se presenta la gráfica del
movimiento que mejor representa la intersección, en este caso el movimiento 4, que presenta un
comportamiento con un ajuste muy bajo pero parecido al comportamiento esperado.
Ilustración 30, Velocidad vs. Densidad
34
Hay que tener en mente que lo que se intentó hacer es relacionar la velocidad de circulación con la
densidad de los vehículos y que debido a dificultades para obtener la velocidad puntual de todos los
vehículos que entran a la intersección por movimiento lo que se decidió fue tomar un vehículo que
representara la velocidad de flujo que llevarían todos los vehículos a su paso por la intersección si
para este movimiento se le diese todo el tiempo de ciclo verde.
Observando los videos se llegó a la conclusión que una vez despejados los primeros vehículos todos
los que pasaban por el movimiento circulaban a una velocidad constante, es decir tenían aceleración
0, y que la velocidad de los vehículos dependía entonces de la densidad. Si bien es una suposición
fuerte, como se comprobó con el procesamiento para cada densidad existía un headway o
distanciamiento promedio entre vehículos en tiempo directamente relacionado con la densidad,
por ejemplo para las densidades más altas el espaciamiento promedio era de 1 segundo, a medida
que disminuía la densidad este espaciamiento se hacía más grande.
Dado que para una densidad existían varias mediciones este valor de velocidad se calculó como el
promedio de la velocidad media espacial del último vehículo en cola para
En conclusión si existe un supuesto fuerte respecto a la velocidad media espacial, sin embargo
después de revisar los videos y con las limitantes de procesamiento fue la mejor aproximación que
se pensó, queda para el futuro apoyarse en nuevos software para el procesamiento de la velocidad
buscando ajustar mejor la curva a lo planteado teóricamente por el profesor Akcelik.
Calibración de la función flujo demora del profesor Akcelik con los
parámetros calculados Con los valores hallados se procede a calcular el tiempo de recorrido de la distancia base y se compara con el medido en campo y procesado a través de los videos. Ecuación 4, Ecuación de Akcelik para flujo interrumpido
Como se observa, no hay una tendencia muy clara respecto al tiempo de recorrido en función de la
saturación, esto debido a que el tiempo de recorrido depende de la velocidad y al hacer las
regresiones se encontró una relación muy baja entre la velocidad y la densidad.
Sin embargo, los valores de recorrido calculados con la función del profesor Akcelik se comportan
de manera creciente, y se encuentra dentro de los valores medidos, por lo que se pueden considerar
una buena aproximación a la realidad
35
Ilustración 31, Grafica de comparación entre valores hallados con la función flujo demora y los medidos en los videos
Discusión de resultados y recomendaciones para próximas
investigaciones
Conclusiones • Las funciones flujo demora se basan en estudios de una vía no interrumpida de un carril.
Como se observó, el comportamiento en la realidad de flujos interrumpidos es diferente.(
Akcelik & Associates, 2003).
• Hay que hacer una revisión de las equivalencias de vehículos puesto que se espera que
sirvan para normalizar los valores al hacer análisis, sin embargo durante el estudio se
evidenció que generan problemas para analizar datos.
• La capacidad de una vía no está determinada solo por sus condiciones físicas, sino también
por la composición vehicular del flujo que está pasando sobre ella.
• La capacidad hallada en vehículos equivalentes para los movimientos es un valor hallado
con condiciones de tráfico prevalecientes.
• Es posible recolectar información con herramientas no tradicionales que permiten hacer
mejores análisis, es aconsejable estimular su uso.
• Con la información recogida no solo es posible hacer estudios sobre el tránsito, existe
potencial para usar la información en seguridad vial, diseño de intersecciones, evaluación
de comportamientos de conductores, etc.
• Para el cálculo de las velocidades se deja la puerta abierta a que se puedan usar nuevas
herramientas para completar el análisis y buscar un mejor ajuste.
0
5
10
15
20
25
30
0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1
Tiem
po
de
reco
rrid
o [
s]
Saturación (q/Q)
t acke t cur
36
Discusión de resultados Los datos de capacidades de los movimientos hallados se compararon con los datos medidos en
campo, se considera que los valores hallados corresponden a la capacidad con las condiciones de
tráfico prevaleciente, dado que la capacidad de una vía no depende solo de sus condiciones físicas
sino del flujo que lo está atravesando
Para el cálculo de la velocidad media espacial existe la limitante de poder calcularla para todos los
vehículos, hay una falencia en cuanto a la capacidad de procesar la información, un siguiente paso
puede ser recalcular estas velocidades buscando un mejor ajuste y así mejores valores para modelar.
Con las Nuevas herramientas es posible tener mejores datos, el reto ahora está en desarrollar
complementos y metodologías que permitan procesar y analizar esta nueva información para que
su uso contribuya a la optimización de procesos, esta tesis fue un primer esfuerzo donde se buscaba
dar un primer pasó en pro de modernizar antiguas técnicas para tomar información, el fin último
era demostrar que existen campos nuevos de investigación a partir de la tecnología y que se pueden
utilizar.
Recomendaciones para tomar la información con drones • Es recomendable que el punto de despegue y el aterrizaje sea en el mismo (Salvo, Caruso,
& Scordo, 2014)
• El número de videos dependerá del tiempo de ciclo y la capacidad de vuelo del drone, se
debe buscar que con los videos tomados almenos se puedan tener 30 ciclos grabados en la
intersección, # de vuelos = tiempo de ciclo[s]*30/capacidad de vuelo del drone[s]
• La altura recomendada dependerá de la información que se desee tomar, sin embargo por
cuestiones de análisis esta debería ser la misma.
• De igual manera dado que se busca realizar un análisis ordenado y sistemático, el ángulo
de la cámara deberá ser el mismo.
• Como las condiciones de tránsito varían temporalmente, es necesario realizar varias tomas
durante rangos de tiempo en que se presenten todas las condiciones. El número de tomas
dependerá de la intersección, pero se espera que sean mayores a 30 para observar una
tendencia.
• Es recomendable tomar los videos en la máxima calidad de la cámara para lograr mejores
visualizaciones y análisis pero sin comprometer la capacidad de almacenamiento.
• Se deben seguir las regulaciones y disposiciones de los entes reguladores a fin de evitar
inconvenientes y/o multas.
37
Bibliografía Akcelik, R. (2003). Speed-Flow Models for Uninterrupted Traffic Facilities. Greythorn Victoria:
Akcelik & Associates Pty Ltd.
Bas, E., Tekalp, M., & Salman, S. (s.f.). Automatic Vehicle counting from video for traffic flow
analysis. Estambul: College of Engineering Koc.
Bethke, K.-H., Baumgartner, S., Gabele, M., Hounam, D., Kemptner, E., Klement, D., . . . Erxleben,
R. (2006). Air- and spaceborne monitoring of road traffic using SAR moving target
indication-Project TRAMRAD. Photogrammetry & Remote Sensing, 243-259.
Brovelli, M. A., Minghini, M., & Zamboni, G. (2015). Public participation in GIS via applications.
Como, Italia: Politecnico de Milano.
C.K., T., & D., G.-B. (2006). Extracting dynamic spatial data from airbone imaging sensors to
support traffic flow estimation. Columbus: Photogrammetry & remote sensing.
Coifman, B., McCord, M., R.G., M., M., I., & Y, J. (2006). Traffic flow data extracted from imagery
collected using a micro unmaned aerial vehicle. Applications of advanced technology in
transportation, 298-303.
Enock, T. M., & Ren, M. (2014). Calibration and evaluation of link congestion functions: Applying
Intrinsic Sensitivity of Link Speed as a Practical Consideration to Heterogeneous Facility
Types within Urban Network. Miami: The florida State University.
Hyodong, O., Seungkeun , K., Hyo-Sang , S., Antonios, t., & White, B. (2013). Behaviour recognition
of ground vehicle using airborne monitoring of unmanned aerial vehicles. International
Journal of Systems Science, 37-41.
Joo, S., Oh, C., Jeong, E., & Lee, G. (2014). Categorizing bicycling enviroments using GPS-
basedpublic bicycle speed data. Asan: department of Transportation and Logistic
Engineering, Hanyang University, Ansan, Republic of Korea.
Ko, K., Oh , J.-S., & Dong, L. (2007). Leassons Learned: Applications of small UAV for Urban highway
traffic monitoring. Reno, Nevada: Aerospace Sciences meeting and exhibit.
Márquez, L., García, D., & Guarín, L. (2015). Funciones Volumen-demora BPR y cónica en vías
multicarriles de Bogotá. Revista de Ingeniería Universidad de los Andes, 30-39.
McCord, M., Misbalani, R., Coifman, B., Ji, Y., & Iswalt, M. (2006). Determining Origin-Destination
flows across a Two-intersection Network from Non-overlaping Uav and Ground based
Imagery. Applications of advanced technology in transportation.
Ortúzar, J., & Willumsen, L. (2011). Modelling Transport. Wiley.
PTV Ag. (2013). Ptv Visum 13 Fundamentals. Karlsruhe: Ptv Ag.
38
R McCord, M., Yang , Y., Jiang, Z., Coifman, B., & Goel, P. (1955). Estimating Annual Average Daily
traffic from Satellite Imagery and Air Photos. Transport Research.
Salvo, G., Caruso, L., & Scordo, A. (2014). Urban traffic analysis through an UAV. Procedia social
and behavioral Sciences, 1083-1091.