Professional Documents
Culture Documents
COCHABAMBA – BOLIVIA
Abril, 2011
Estudio de los factores de tráfico que influyen i
en la capacidad vial con fines de simulación
Dedicatoria
Agradecimientos
¡Muchas Gracias!
Estudio de los factores de tráfico que influyen iii
en la capacidad vial con fines de simulación
FICHA RESUMEN
un buen sistema de transporte ninguna nación o región puede alcanzar el uso óptimo de sus
ciudades es donde se dan los mayores desafíos de movilidad, la invasión desmesurada del
Dentro de las medidas que se toman en distintos países para mitigar el problema del
urbana que forman parte de una solución general, las herramientas con las que se cuenta en
la actualidad para estudiar cualquiera de estos tipos de proyectos viales son principalmente
etapas iníciales y por este motivo se vio conveniente el desarrollo de un modelo de simu-
lación que permita identificar el enfoque con el que se debe encarar un proyecto de
simulación, además, esta práctica permitirá describir los principales elementos que tienen
Índice General
Índice de Ilustraciones.
Ilustración 2-1 Formas de estudiar un sistema, L. Perez ........................................................................... 10
Ilustración 2-2 Densidad o concentración, Garber & Hoel, 2004 ............................................................. 23
Ilustración 2-3 Flujo vs densidad, Garber & Hoel, 2004 ........................................................................... 27
Ilustración 2-4 Velocidad media en el espacio vs. Flujo, Garber & Hoel, 2004 ........................................ 28
Ilustración 2-5 Curvas de velocidad-densidad más comunes. Garber & Hoel, 2004 ................................. 29
Ilustración 2-6 Gráfica de velocidad-densidad, Garber & Hoel, 2004 ...................................................... 30
Ilustración 2-7 Componentes del modelo Car Following. Rothery, 1996 .................................................. 33
Ilustración 2-8 Estacionamiento paralelo a la calle................................................................................... 52
Ilustración 2-9 Estacionamiento a 30º y 45º de la calle ............................................................................. 52
Ilustración 2-10 Estacionamiento a 60º y 90º de la calle ........................................................................... 52
Ilustración 3-1 Abstracción de una zona de estudio ................................................................................... 61
Ilustración 3-2 Ejemplo de abstracción y una estimación de una ruta probable ....................................... 62
Ilustración 3-3 Área de estudio................................................................................................................... 64
Ilustración 3-4 Ejemplos de relaciones entre la velocidad y la aceleración .............................................. 69
Ilustración 3-5 Ejemplo del estudio de la densidad de congestión, calle 16 de Julio y Bolívar ................. 74
Ilustración 3-6 Histograma del espaciamiento entre vehículos en congestión, calle 16 de Julio y
Bolívar ............................................................................................................................... 74
Ilustración 3-7 Relación entre la velocidad y la aceleración para el modelo Racero ................................ 82
Ilustración 3-8 Familia de curvas para la ecuación Racero et Al .............................................................. 85
Ilustración 3-9 Zona de estudio de aceleración, Av. Rubén Darío ............................................................. 87
Ilustración 3-10 Ejemplo ajuste de datos en NCSS2007............................................................................. 88
Ilustración 3-11 Comparación de los resultados del ejemplo de regresión ............................................... 89
Ilustración 3-12 Gráfica de los parámetros de velocidad vs. aceleración para el modelo de
aceleración como función de la velocidad, Av Rubén Darío ............................................. 94
Ilustración 3-13 Ejemplo de aforo en intersecciones, Calles 16 de Julio y Bolívar ................................... 95
Ilustración 3-14 Distribución para un modelo de medias de celda .......................................................... 100
Ilustración 3-15 Valores de volumen vehicular para el intervalo de 7:30 a 12:00, calle 16 de Julio y
Bolívar ............................................................................................................................. 105
Ilustración 3-16 Diagrama de clase y métodos ........................................................................................ 108
Ilustración 3-17 Esquema de programación ............................................................................................ 109
Ilustración 3-18 Ingreso de datos: Dirección de la base de datos ........................................................... 113
Ilustración 3-19 Ingreso de datos: Número de vehículos en el sistema .................................................... 114
Ilustración 3-20 Ingreso de datos: Treaccion ........................................................................................... 114
Ilustración 3-21 Ingreso de datos: Número de vehículos en el sistema .................................................... 114
Ilustración 3-22 Datos de entrada: Tipo de Simulación ........................................................................... 115
Ilustración 3-23 Ingreso de datos: Configuración de los semáforos ........................................................ 115
Ilustración 3-24 Datos de salida: Programa en ejecución ....................................................................... 117
Ilustración 3-25 Resultado de la simulación ............................................................................................ 117
Ilustración 3-26 Resultados de la simulación ........................................................................................... 118
Ilustración 3-27 Resultados de la simulación para distintas condiciones de tiempo de reacción ............ 120
Ilustración 3-28 Intervalo entre vehículos de una fila de vehículos que inician su movimiento .............. 121
Ilustración 4-1 Resultados del proceso de simulación con la configuración actual de los semáforos
con tiempos de reacción promedio de 1,7 segundos ....................................................... 126
Ilustración 4-2 Histogramas de las variables de velocidad de recorrido para a) 1,48 [veh/km], b)
71,33[veh/km] y c) 160,5[veh/km] .................................................................................. 126
Ilustración 4-3 Velocidad vs. densidad, configuración de semáforos 1 ................................................... 129
Ilustración 4-4 Velocidad vs. densidad, configuración de semáforos 2 ................................................... 129
Ilustración 4-5 Velocidad vs. densidad, configuración de semáforos 3 ................................................... 130
Ilustración 4-6 Velocidad vs. densidad, configuración de semáforos 4 ................................................... 130
Ilustración 4-7 Gráfica de flujo Densidad para distintas configuraciones de semáforos ........................ 131
Ilustración 4-8 Velocidad vs. densidad, configuración de semáforos 5 ................................................... 131
Estudio de los factores de tráfico que influyen ix
en la capacidad vial con fines de simulación
Índice de Tablas.
CAPÍTULO 1
INTRODUCCIÓN
dando como una expansión desordenada y confusa según las necesidades del momento,
esto causa distintos tipos de problemas a nivel social y organizacional, además, las ca-
las decisiones tomadas en la administración del tráfico años atrás resultan contraprodu-
centes para las condiciones de tráfico actual, esto es debido a la falta de conocimiento de
Dentro de las medidas que se toman en distintos países para mitigar este
problema están los planes de modernización del transporte y modernización urbana que
del tránsito requiere el diseño y gestión del espacio público así como el fomento
es reducir el costo que implica el uso de la red vial a cada usuario, ejemplos de
Teniendo en cuenta los párrafos anteriores, se puede ver la necesidad de una he-
rramienta que permita determinar los efectos de los distintos elementos relacionados al
flujo vehicular, con el fin de facilitar el diseño de las distintas obras y/o medidas
tomadas por el municipio que permita la mejora de la circulación vehicular actual y que
continúe siendo útil en un futuro a mediano plazo. Es en este punto donde resalta la
tráfico tienden en la mayoría de los casos a abordar el estudio de flujo vehicular con un
los modelos del tipo microscópico. Tanto la modelación analítica como la simulación
toman en cuenta diferentes elementos propios del flujo de tráfico, con distintos niveles
vehicular más conocidos son: Car Following, General Motor, Gipps, modelos de conser-
Estudio de los factores de tráfico que influyen 3
en la capacidad vial con fines de simulación
relacionadas con la profundidad del análisis a realizar, estos tipos son la simulación
macroscópica y la microscópica.
urbanística de obras grandes como son los cinturones de la ciudad, nuevas infraes-
dualmente, por tanto, requiere de una gran cantidad de datos, los modelos que utiliza son
resultados que dan una idea más detallada del funcionamiento del flujo vehicular que la
de los modelos macroscópicos. Estos modelos son muy útiles para analizar estrategias de
control de tráfico, estudio de redes viales y estimar la sensibilidad del sistema ante
1.1 OBJETIVOS
actualidad existen distintos países que tienen ligados sus normativas viales a simula-
ciones, esto facilita la evaluación del impacto de distintos proyectos en la red vial a
mediano y corot plazo. Otro de los usos que en la actualidad se dan a los simuladores es
la gestión de las redes viales, en este tipo de condiciones los simuladores cumplen una
que describe las principales características del fenómeno de tráfico vehicular tomando
como base una serie de observaciones del flujo vehicular de una calle principal del sis-
tema vial urbano de Cochabamba. Dado que los modelos analíticos son muy complejos,
del objetivo de la simulación, (gestión, predicción, estudio, etc.), por tanto, es razonable
estudio de los elementos viales y las gestión del tráfico a través de los semáforos.
Estudio de los factores de tráfico que influyen 5
en la capacidad vial con fines de simulación
Recolectar y estudiar los datos para determinar los parámetros y variables del
Evaluar los resultados generados por el simulador con los datos históricos reco-
lectados.
1.2 JUSTIFICACIÓN
tráfico, bien como parte del bucle de optimización – simulación o bien como base para
ciudades.
Desde hace varias décadas se han ido creando modelos de simulación en distintos
países, pero en nuestra ciudad no se tienen los suficientes datos sobre simuladores de
tráfico aún, y el comportamiento vehicular difiere en gran medida de una zona a otra,
empezando por la educación vial de los usuarios, hasta la geometría de las vías; por lo
cual para acercarnos más a nuestra realidad se debe realizar pruebas de campo y medir
este hecho es debido principalmente a que estos estudios son orientados a la descripción
del flujo en un entorno ideal o al menos controlado, restando así importancia a este pun-
to. Existen algunos proyectos de simulación prácticos donde prima la reproducción del
terísticas de las zonas a fin de orientar el estudio, pero debido a este motivo no son
en nuestra ciudad.
detalle.
Universidad Mayor de San Simón 8
Ingeniería Civil
CAPÍTULO 2
MARCO TEÓRICO
2.1 SIMULACIÓN1
2.1.1 Introducción
mas. Sus orígenes están en la teoría de muestreo estadístico y análisis de sistemas físicos
suposiciones acerca de cómo trabaja el sistema estudiado, estas suposiciones que usual-
métodos matemáticos (tales como algebra, cálculo o teoría de probabilidad) para obtener
una información exacta de las cuestiones de interés; a esto se llama solución analítica.
Sin embargo, la mayoría de los sistemas del mundo real son demasiado complejos y
1
L. Perez, "Introducción a la Simulación."
Estudio de los factores de tráfico que influyen 9
en la capacidad vial con fines de simulación
utiliza el ordenador para experimentar con un modelo numéricamente, de forma que con
los resultados obtenidos se haga una estimación de las características del sistema.
vehículos,…) que actúan e interactúan juntas para lograr un fin común. El conjunto de
entidades que componen el sistema para un estudio puede ser sólo un conjunto de todas
para describir el sistema en un punto particular del tiempo, relativo a los objetivos del
estudio.
para entender las relaciones entre sus componentes o predecir su comportamiento bajo
Universidad Mayor de San Simón 10
Ingeniería Civil
Sistema
Experimentación con un
Experimentación con el sistema
modelo del sistema
Modelo
Modelo físico
matemático
Solución
Simulación
analítica
sistema con las nuevas condiciones y no sea muy costoso, sin embargo, es muy
raro que esto se pueda llevar a cabo debido a los costos experimentales o son
muy destructivos para el sistema, incluso puede ocurrir que el sistema no exista
pero se quiera estudiar posibles alternativas de construcción del mismo. Por estas
miento de los pilotos, etc. Estos son ejemplos de modelos físicos (modelos
icónicos), sin embargo la mayoría de los modelos construidos para estudiar los
ciones cuantitativas y lógicas que pueden ser cambiadas para ver cómo el modelo
solución analítica exacta. Sin embargo hay veces en las que obtener una solución
ejercita el modelo numéricamente por medio de entradas para ver cómo éstas
tema real y realizar experimentos con dicho modelo con el propósito de comprender el
funcionamiento del sistema o de evaluar diferentes estrategias (dentro de los límites im-
puestos por un criterio o conjunto de criterios) para la operación del sistema” (Shannon,
1975), para este último autor, simulación incluye tanto la modelización como el uso del
modelo para estudiar el sistema. Otra posible definición es entender la simulación como
“el proceso de diseñar un modelo matemático o lógico de un sistema real y realizar una
Los modelos deben contener sólo los aspectos esenciales del sistema real que
comportamiento no se deben incluir, ya que lo que harían sería obscurecer las relaciones
De manera muy general se puede decir que las principales características que
Ser una buena aproximación del sistema real, que controle el mayor número
en el modelo).
cual el tiempo no juega ningún papel; ejemplos de simulaciones estáticas son los
Estudio de los factores de tráfico que influyen 13
en la capacidad vial con fines de simulación
modelos Monte Carlo. De otro lado, los modelos dinámicos representan sistemas
deben ser tratadas como tales, es decir como una estimación de las verdaderas
objetivos del estudio. Por ejemplo un modelo del flujo de tráfico en una autovía
continuo.
acerca del sistema, tratan de dar la mejor solución. Los segundos se limitan a
tación, es decir, las salidas no afectan a las entradas. En los segundos las salidas
modelo, cuando la experimentación directa sobre el sistema real es muy costosa o impo-
sible; la otra es la del diseño de un nuevo sistema, así el modelo puede ir modificándose
real bajo ciertos estímulos. Se puede hacer así una evaluación de diferentes estrategias
de acción.
específicas.
problemas. Por un lado, los modelos usados para estudiar sistemas de larga escala de
tiempo suelen ser muy complicados y además necesitan utilizar muchos recursos de
Estudio de los factores de tráfico que influyen 15
en la capacidad vial con fines de simulación
disminuyendo.
Ventajas:
Inconvenientes:
Las suposiciones hechas para describir el sistema puede ser poco realistas.
Las fórmulas matemáticas pueden ser muy complicadas impidiendo llegar a una
solución.
Ventajas:
Pueden ser usados para experimentar con sistemas que todavía no existan, o para
experimentar con sistemas existentes sin que éstos se alteren. (Esto también los
pueden hacer los métodos analíticos siempre y cuando el sistema no sea muy
complejo).
Inconvenientes:
conjunto de ejecuciones.
construirlos y ejecutarlos.
Puede resultar dificultoso establecer la validez del modelo (es decir, la corres-
mismo.
Existen el modelo y los métodos, pero los procedimientos son tediosos, por lo
tiempo.
Para tener una definición exacta del sistema que se desea simular es necesario
hacer un análisis preliminar del mismo, con el fin de determinar la interacción del
sistema con otros sistemas, las restricciones del sistema, las variables que interactúan en
el sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para
Una vez que están definidos con exactitud los resultados que se esperan obtener
del estudio, se procede a definir y construir el modelo con el cual se obtendrán los resul-
tados deseados. En la formulación del modelo es necesario definir todas las variables
que forman parte de él, sus relaciones lógicas y los diagramas de flujo que describan en
2
R. C. Bu, Simulación un enfoque práctico. México DF: Limusa, 1996.
Universidad Mayor de San Simón 18
Ingeniería Civil
conseguir otros, pueda influenciar el desarrollo y formulación del modelo. Por consi-
guiente, es muy importante que se definan con claridad y exactitud los datos que el
tación.
como Fortran, Basic, Aigol, etc., o se utiliza algún paquete como GPSS, Simula,
2.1.6.5 Validación
través de esta etapa es posible detallar deficiencias en la formulación del modelo o en los
datos alimentados al modelo. Las formas más comunes de validar un modelo son:
2.1.6.6 Experimentación
2.1.6.7 Interpretación
En esta etapa del estudio, se interpretan los resultados que arroja la simulación y
en base a esto se toma una decisión. Es obvio que los resultados que se obtienen de un
resultados.
2.1.6.8 Documentación
Dos tipos de documentación son requeridos para hacer un mejor uso del modelo
modelo. La segunda se refiere al manual del usuario, con el cual se facilita la interacción
dores para las distribuciones de probabilidad más comunes como: la distribución normal,
modelo en un leguaje que sea aceptado por la computadora que se va usar. En esta etapa
se tienen dos cursos de acción a seguir si no se tiene nada de software sobre simulación:
3
R. C. Bu, Simulación un enfoque práctico. México DF: Limusa, 1996.
Estudio de los factores de tráfico que influyen 21
en la capacidad vial con fines de simulación
estudiar al sistema en una situación de estado estable. Sin embargo, la mayoría de estos
modelos presentan en su etapa inicial estados transientes los cuales no son típicos del
cursos de acción que existen para resolver este problema. Algunos autores piensan que
estado estable.
entre los elementos (flujo, densidad y velocidad), estas relaciones se utilizan para
estudiar las complejas interrelaciones, que existen entre los elementos de un flujo
vehicular o red vehicular y para estimar el efecto de los cambios en el flujo de tránsito,
Los elementos primarios del flujo del tránsito son flujo, densidad y velocidad, y
Flujo (q), se define el flujo como el número de vehículos que pasa por un punto o
expresa como:
N
q= T ( 2-1)
Donde:
q: Flujo.
N: Número total de vehículos que pasan (vehículos).
T: Periodo determinado (unidad de tiempo).
vehículos que viajan sobre una longitud unitaria de carretera para un instante de tiempo.
4
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Estudio de los factores de tráfico que influyen 23
en la capacidad vial con fines de simulación
distancia d.
N
k= d ( 2-2)
Donde:
k: Densidad.
N: Número total de vehículos que pasan (vehículos).
d: Longitud de un tramo de la vía (kilometros).
tiempo. Puede expresarse en kilómetros por hora, metros por segundo, etc. existen dos
de los vehículos que transitan por un punto, en una carretera durante un intervalo de
tiempo.
de los vehículos que transitan por un punto, de una carretera durante un intervalo de
tiempo. Se obtiene al dividir la distancia total recorrida por dos o más vehículos en un
Universidad Mayor de San Simón 24
Ingeniería Civil
tramo de la carretera, entre el tiempo total requerido por esos vehículos para que reco-
rran esa distancia. Esta es la velocidad que interviene en las relaciones de flujo-densidad.
𝜎2
𝑣̅𝑡 = 𝑣̅𝑠 + 𝑧 ( 2-3)
𝑣̅𝑠
La ecuación 2-4 muestra una relación más directa desarrollada por Garber y
Donde:
𝑞 = 𝑘 ∗ 𝑣̅𝑠 ( 2-5)
Donde:
q = flujo
k = densidad
𝑣̅𝑠 = velocidad media en el espacio
Estudio de los factores de tráfico que influyen 25
en la capacidad vial con fines de simulación
Cada una de las variables de la ecuación 2-5 también depende de otros factores,
incluyen las características del camino, del vehículo y del conductor, así como de
Otras relaciones que existen entre las variables de flujo de tránsito son:
𝒗 ̅
̅𝒔 = 𝒒 ∗ 𝒅 ( 2-6)
Donde:
1
𝑑̅ = 𝑘 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑒𝑛𝑡𝑟𝑒 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠
𝑘 =𝑞∗𝑡 ( 2-7)
Donde:
𝑑̅ = 𝑣̅𝑠 ∗ ℎ̅ ( 2-8)
Donde:
̅ =𝒕∗𝒅
𝒉 ̅ ( 2-9)
tra una serie de ecuaciones que describen el fenómeno de distancia segura, estos son
Universidad Mayor de San Simón 26
Ingeniería Civil
propios de los modelos macroscópicos y por tanto son relaciones en función de una
velocidad constante.
v
Dn v Ln 1 (2-10) Pipes 1953
16.1
v2
Dn v Ln T * v (2-11) Leutzbach 1988
2* * g
Dn v Ln d min v * T v * F (2-12) Jepsen 1998
Donde:
5
J. M. d. C. Granados., "Una teoría de seguimiento entre vehículos," Ph.D., Escuela Superior de
Ingenieros de la Universidad de Sevilla, Sevilla, España, 1
Estudio de los factores de tráfico que influyen 27
en la capacidad vial con fines de simulación
llamiento (𝑘𝑗 ), el flujo debe ser cero por que los vehículos tenderán a alinearse
cual finalmente será cero cuando la densidad sea igual a la densidad de embote-
ilustración 2-3.
Flujo
e
𝑞𝑚á𝑥
b
𝑞𝑏
c
𝑞𝑐
0 𝑘𝑏 𝑘𝑒 𝑘𝑐 𝑘𝑗
Densidad
Ilustración 2-3 Flujo vs densidad, Garber & Hoel, 2004
Donde:
media en el espacio y el flujo. Cuando el flujo es muy bajo, existe poca interacción entre
los vehículos individuales. Por tanto los conductores tienen la libertad de viajar a la
flujo tiende a cero, y se la conoce como la velocidad libre media (𝑣𝑓 ). La magnitud de la
en la reducción del número verdadero de vehículos que transitan por un punto en la vía
velocidad como el flujo se hace cero. En la ilustración 2-4 se muestra la relación genera
Velocidad
𝑣𝑓
Flujo no congestionado
𝑣𝑒
Flujo congestionado
0 𝑞𝑚á𝑥 Flujo
Ilustración 2-4 Velocidad media en el espacio vs. Flujo, Garber & Hoel, 2004
Estudio de los factores de tráfico que influyen 29
en la capacidad vial con fines de simulación
Velocidad
𝑣𝑓 __Greenberg
__Greenshields
0 𝑘𝑗 Densidad
Ilustración 2-5 Curvas de velocidad-densidad más comunes. Garber & Hoel, 2004
un flujo continuo (fluido o gases) considera el tráfico vehicular como un flujo de vehí-
Estas tres variables están relacionadas mediante la ecuación fundamental del flujo
6
A. Sánchez, Ed., Modelación, Simulación y Control de Tráfico Vehicular Quito Ecuador, 2006
Universidad Mayor de San Simón 30
Ingeniería Civil
Postuló que existe una relación lineal decreciente entre la velocidad y la densidad.
Velocidad
𝑣𝑓
0 𝑘𝑗 Densidad
disminuyendo la velocidad.
Hecho que puede ser confirmado intuitivamente, cuando pensamos que un grupo
de vehículos que viaja a mayor velocidad, viaja más disperso, los vehículos conservan
mayor distancia entre ellos y cuando la velocidad de estos vehículos disminuye, los
Estudio de los factores de tráfico que influyen 31
en la capacidad vial con fines de simulación
vehículos se van juntando más, porque el avance es más lento. Por lo tanto a mayor
𝑣
𝑣 = 𝑣𝑓 − (𝑘𝑖 ) ∗ 𝑘 (2-13) Greenshields
𝑗
Donde:
𝑘
𝑣 = 𝑣𝑚𝑎𝑥 ∗ 𝑙𝑛 ( 𝑘𝑗) ( 2-14) Greenberg
Donde:
tamiento del flujo libre. Es más usado para modelar autopistas y avenidas ó carreteras
urbanas, donde se presenta más éste fenómeno. Tiene mucha aceptación en condiciones
𝑘
−( )
𝑘𝑗
𝑣 = 𝑣𝑖 ∗ 𝑒 (2-15) Underwood
𝑘
−( )
𝑘𝑗
𝑞 = 𝑣𝑖 ∗ 𝑘 ∗ 𝑒 (2-16) Underwood
Donde:
viduales, así como sus velocidades, los modelos más conocidos con este enfoque son los
siguientes:
flujo de tráfico. Es decir, estimar la respuesta del vehículo con respecto al comporta-
La ilustración 2-7 muestra un grupo de autos con distancias entre ellos d1, d2
d3… dn, sus ubicaciones x1, x2, x3,… xn. En el modelo Car Following son utilizadas
La ecuación básica de los modelos Car-Following para una línea de tráfico está
actuar, ya que dependiendo del grado de sensibilidad o advertencia del conductor en ese
vehículo en frente, la velocidad relativa entre los dos carros o la aceleración relativa, esta
celulares describen el sistema de tráfico como una malla de células de igual tamaño. Un
célula.
sitios (una configuración o estado) donde cada sitio o celda contiene un valor numérico,
y los valores de los sitios evolucionan en pasos de tiempo discretos según reglas
determinísticas.
El tamaño de las células es escogido de tal forma que un vehículo con velocidad
igual a uno se puede mover a la próxima célula durante un paso de tiempo discreto. El
vehículo puede asumir una velocidad que va de un rango de valores discretos de cero
Regla 2.- Frenado por la interacción con otros vehículos. v = min(v,b). Esto
Regla 3.- Frenado aleatorio. Con probabilidad p, v = max(v − 1,0). Es decir, con
recorren una distancia relativamente pequeña (25, 50, 70, 100 metros).
7
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Universidad Mayor de San Simón 36
Ingeniería Civil
de la velocidad identificadas por tal estudio serán válidas solamente para el tráfico y las
uso menos frecuente, pero importante, puede ser el del estudio de la relación de la velo-
distancia corta, o sea las velocidades instantáneas. De ahí que los datos no deberán
usarse como sustituto de los estudios de tiempos de recorrido, los cuales normalmente
una muestra de vehículos usando una sección de carretera en la cual se conduce el estu-
dio, pero estos datos se utilizan para determinar las características de la velocidad de la
población entera de los vehículos que viajan en el sitio del estudio. Por lo tanto es nece-
son determinadas generalmente del análisis de los datos. Algunas de ellas se pueden
gráfica de los datos. Así, los datos se deben presentar en una forma conveniente para el
un conductor de habilidad media con razonable atención puede recorrer el camino con
entera seguridad, es decir, es aquella velocidad máxima segura que puede mantenerse en
será más elevada que para carreteras de montaña, donde las velocidades directrices son
menores.
Universidad Mayor de San Simón 38
Ingeniería Civil
Las ubicaciones de los sitios para los estudios de velocidad dependen del uso
anticipado de los resultados. Es importante obtener datos sin sesgo, esto quiere decir que
La hora del día para realizar el estudio de velocidad depende del propósito del
dado que el estudio sea cuando el tránsito este fluyendo libremente durante las horas no
pico. La duración del estudio deberá ser tal que registre el número mínimo requeridos
de al menos 30 vehículos. Para este caso se usan procedimientos estadísticos para deter-
minar el tamaño mínimo de la muestra que en si depende del nivel de precisión deseado.
Los métodos para realizar los estudios de velocidad en el sitio pueden ser:
emplearse para obtener las velocidades instantáneas de los vehículos en una ubicación
Estudio de los factores de tráfico que influyen 39
en la capacidad vial con fines de simulación
1. Detectores de camino
espirales inductoras.
3. Detectores electrónicos
para llegar de un punto a otro en una ruta dada. Al conducir tal estudio, se puede recoger
datos obtenidos del Estudio de tiempo de recorrido y demoras dan una buena indicación
del nivel de servicio en la sección del estudio. Estos datos también ayudan al ingeniero
de tráfico a identificar las localizaciones del problema, que pueden requerir la atención
tráfico.
Determinación de los tiempos del recorrido en las vías para el uso en modelos de
asignación de viaje.
La compilación de los datos del tiempo del recorrido se pueden utilizar en estu-
con el tiempo.
Estudio de los factores de tráfico que influyen 41
en la capacidad vial con fines de simulación
vehículos y/o peatones que pasan por un punto en una instalación de una carretera
durante un periodo específico de tiempo. Este periodo varía desde 15 minutos hasta un
año, dependiendo del uso anticipado de datos. Los datos recolectados también pueden
ficación de los vehículos y edad de los peatones. Los estudios de volumen de tránsito se
recolectados todos los días del año. Los TPDA se usan en varios análisis de
peaje.
millones de kilómetros-vehículo.
8
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Universidad Mayor de San Simón 42
Ingeniería Civil
recolectados, en un mayor de días que 1, pero menor que un año, se usan para:
a) La planificación de actividades.
Volumen de hora pico (VHP) Es el número máximo de vehículos que pasan por
tránsito.
carril.
máquina.
de una sección del camino. Es el producto del volumen de tránsito (es decir, el
volumen promedio por día de la semana o TDP) por la longitud de kilómetros del
mano de obra y por tanto, es caro, 2) está sujeto a limitaciones de los factores
de vehículos dentro de un área, tal como el distrito central de negocios de una ciudad,
acordonado con un circuito cerrado imaginario del área para la cual se requieren los
datos; el área al interior de este circuito se define como el área acordonada. La infor-
grandes trazando líneas imaginarias, las que se conocen como líneas de pantalla. En
algunos casos se usan como líneas de pantalla las barreras naturales y las artificiales,
tales como ríos, vías del ferrocarril, etcétera. Los aforos vehiculares se realizan en cada
punto en el cual un camino cruce la línea de pantalla. Las líneas de pantalla se diseñan o
se escogen de modo que no sean cruzadas más de una vez por la misma calle. La reco-
lección de datos en las estaciones de las líneas de pantalla a intervalos regulares, facilita
zan en ubicaciones tales como estaciones de metro, los puntos a la mitad de cuadra y los
cruces de calles para peatones. Estos conteos se llevan a cabo cuando se va hacer la eva-
luación de las instalaciones existentes o de las propuestas para los peatones (pasos pea-
de tránsito, como las TDPA, es necesario obtener datos continuamente. Sin embargo, no
es factible recolectar datos continuos en todos los caminos debido al costo involucrado.
considerando toda el área, se realizan diferentes tipos de conteos periódicos, con dura-
ciones que varían desde 15 minutos hasta aforos continuos; los datos obtenidos se usan
para determinar valores que estiman las características anuales de tránsito. Los conteos
cobertura.
contadores mecánicos o electrónicos. Las estaciones en las cuales se realizan los conteos
teras del área de estudio. Cada clasificación debe consistir de enlaces de carretera con
define a un enlace de carretera como una sección homogénea que tiene las mismas ca-
racterísticas de tránsito en cada punto, tales como los TDAP y las variaciones de volu-
men de tránsito diarias, semanales y estacionales. Los sistemas de clasificación para las
programa de aforo vehicular para toda el área puedan tomarse muestras representativas
de volumen de tránsito para cada tipo de carretera o calle. Los datos obtenidos se
tránsito, y con base en estas estimar factores de expansión. Los factores de expansión se
usan para determinar valores promedio durante todo el año a partir de conteos cortos.
horas, se realizan por lo menos en tres días de la semana (martes, miércoles y jueves), a
veces en sábado y domingo para obtener información sobre los volúmenes de fines de
semana. En general, se ubica cuando menos una estación principal de conteo de control
en cada calle principal. Los datos recolectados dan información relacionada con las va-
riaciones horarias, mensuales y estacionales de las características del tránsito. Los con-
Universidad Mayor de San Simón 48
Ingeniería Civil
teos de control menores se realizan durante cinco días de la semana, un mes si y un mes
Control de cobertura.- estos conteos se emplean para estimar los TDP, con base
estudio se divide en zonas que tienen características de tránsito similares. En cada zona
se ubica por lo menos una estación de conteo de cobertura. Se realiza una vez cada
semana. Los datos indican cambios en las características del tránsito para toda el área.
volumen de tránsito varía de hora en hora, de día a día y cada mes. No obstante, la ob-
ciertas características que muestra que aún cuando el volumen de tránsito en la sección
cuenta estas características del volumen de tránsito cuando se planean aforos vehicu-
lares, de modo que los volúmenes recolectados para un instante o lugar específico
puedan relacionarse con los volúmenes recolectados para otros instantes y lugares. Tam-
bién con base en estas características se estima la exactitud de los aforos vehiculares.
porque no son representativos del tránsito anual promedio. Esta variación de tránsito
Estudio de los factores de tráfico que influyen 49
en la capacidad vial con fines de simulación
2.5.1 Descripción
postes que transmiten un mensaje visual a los conductores de vehículos. En vías de dos
sentidos, las señales están colocadas a la derecha del sentido de avance de los vehículos
y de cara al conductor para ser visibles claramente, sin distraer su atención. En vías de
un solo sentido y con más de un carril, las señales están colocadas a la derecha e izqui-
erda del pavimento y su significado es aplicable a los vehículos que circulan por dichos
carriles.
9
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Universidad Mayor de San Simón 50
Ingeniería Civil
2.5.2 Semáforos
Los semáforos son señales luminosas que controlan la circulación del tráfico y el
paso de peatones que cruzan las calzadas. Los semáforos se encuentran principalmente
2.6 ESTACIONAMIENTOS10
10
Ronal C. Gómez J., “Texto del alumno Ingeniería de Tráfico”, Cochabamba Bolivia 2004.
Estudio de los factores de tráfico que influyen 51
en la capacidad vial con fines de simulación
tos, considerando que de las 24 horas del día un vehículo particular estará estacionado
aproximadamente de 21 a 23 horas.
espacios del estacionamiento. En áreas de alta densidad, donde los espacios son muy
costosos, el espacio proporcionado para los automóviles tiene que ser dividido gene-
ralmente entre los espacios asignados para su movimiento y los espacios asignados para
el estacionamiento.
en la calle, desde la ubicación paralela o formando ángulo con ella (todas las medidas
2.50
6.10 ~
3.50
5.00 ~ 3.50 ~
30°
4.25 45°
5.00
3.50
3.50
5.00
5.50 90°
60°
3.50
3.50
3.50
3.50
Los ángulos de 60º y 90º interfieren el tráfico vecino al incorporarse o salir del
paralelo a la calle, pero en cambio presenta puntos de conflicto con el tráfico vecino.
Estudio de los factores de tráfico que influyen 53
en la capacidad vial con fines de simulación
2.7 CONGESTIONAMIENTO11
tiene por objetivo evitar y resulta difícil calcular, mensurar su impacto a causa de su
elemento localizado en ciertas vías en la red vial, sus principales características son:
Saturación vehicular.
Pérdida económica.
11
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Universidad Mayor de San Simón 54
Ingeniería Civil
tiempo de retardo.
Se dice que el tiempo total de recorrido es el tiempo que nos lleva desde el
se toma el tiempo que tarda cada vehículo en recorrer la longitud total. Con otro
cronometro se miden los tiempos de retardo cada vez que hace alto, por cual-
forma parte de la corriente de tráfico pero no se mide a sí mismo, sino que hace
el recorrido varias veces y cada vez escoge al vehículo o los vehículos más
En todos estos casos es indispensable medir la longitud exacta de esa ruta, lo cual
puede hacerse con el odómetro del vehículo, con cinta métrica o bien en un plano a
escala. Es necesario que el número de observaciones que se hagan para cualquiera de los
tres métodos, sea el más amplio posible, que nos permite sacar un promedio para cono-
Finalmente, obtendremos los tiempos de retardo con cierto tramo, los tiempos
Con estos datos podemos conocer comparativamente, cuales son las calles de la
ciudad que están en condiciones más críticas. También podemos comparar las calles de
una ciudad con otra, conociendo alguna calle que trabaja en condiciones ideales y
estableciendo la comparación con las otras que hemos medido, para saber en qué grado
de congestionamiento se encuentra.
En la mayoría de los casos esta última es tan baja que causa serios trastornos y
estaría adecuada para vehículos tirados por animales pero no para vehículos modernos.
Esas velocidades promedio de crucero en las ciudades están entre los 10 a 20 kilómetros
Universidad Mayor de San Simón 56
Ingeniería Civil
combustible y una pérdida de tiempo muy grande, que se traduce en pérdida económica.
2.7.2 Demoras
Las demoras pueden ocurrir por causa de los dispositivos para el control del
tráfico o bien por el control ejercido por un policía de tránsito y los ocasionados por la
misma corriente de tráfico. En el primer caso todos los tipos de semáforos, así como las
En el segundo caso, hay interferencias con otros vehículos, o bien con peatones, que
puedan resultar en demoras en el viaje normal de un vehículo; por ejemplo, por vehículo
saliendo de un estacionamiento, por vehículos dando vuelta, por vehículos que se de-
Los valores mínimos para la relación de movimiento normal han sido dados en
se sigue es el de determinar la calidad del servicio que presta cierto tramo o componente
completa.
tiempo que razonablemente puede esperarse que pasen por un tramo de una carretera, en
un sentido o en dos sentidos, bajo las condiciones imperantes del camino y del tráfico.
Por lo general la unidad de tiempo será una hora y al referirse a la capacidad, deben
manifestarse las condiciones del camino y del tráfico a las cuales corresponde esa
capacidad.
tante sobre el desempeño general operativo del total de la vía. Una mejora en el nivel de
peño operativo general de la vía. Los factores que afectan el nivel de servicio en las
12
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Universidad Mayor de San Simón 58
Ingeniería Civil
una vía principal y el nivel de servicio en las intersecciones, es que en el primer caso
solamente se usan los flujos de travesía, mientras que en el segundo se usan los flujos de
intersección. Otros que afectan de manera similar en los tramos de vía como: ancho de
en la autopista, pero el factor de conversión varía mucho en las calles comunes. También
13
N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson Learning,
2004.
Estudio de los factores de tráfico que influyen 59
en la capacidad vial con fines de simulación
CAPÍTULO 3
La ciudad de Cochabamba está compuesta por una red vial heredada la cual no se
encuentra al nivel de los requerimientos actuales provocando de esta manera los conges-
tionamientos que tanto aquejan a la ciudad, estas congestiones son efecto de las interac-
ciones entre vehículos, las interacciones entre vías y las interacciones que existen entre
vehículos y vías, por lo que se debe estudiar estas relaciones de forma separada y como
conjunto.
(vehículos y vías). Una afirmación simple la cual se tomó como punto de partida, es: los
vehículos tienen un origen y un destino, para llegar desde su origen a su destino estos
trazan una ruta y por último tienen un desplazamiento relacionado con la ruta selec-
cionada. Por tanto, lo más lógico sería realizar una simulación del origen y destino de
cada uno de los viajes, luego relacionarlos a través de las rutas que los vehículos
seguirían y completar el proyecto con el estudio del flujo en las distintas rutas. Otra
alternativa que los autores de este texto consideraron más adecuada es la de realizar el
Universidad Mayor de San Simón 60
Ingeniería Civil
estudio inverso, comenzar con el estudio de flujo en las vías, desde este punto inferir
sobre las rutas y posteriormente sobre el origen y el destino de los viajes, es evidente que
la última solución de estas dos opciones pasa por dividir la ciudad en zonas de
dimensiones menores que simplifican los elementos que intervienen. Una vez definida
las áreas se realiza un estudio de los elementos pendientes, en el caso particular de este
como se las realizan son muy diversas, cada una en función de los requerimientos y
posibilidades de cada proyecto, por lo tanto, no existe una metodología definida para
esta actividad. En la presente tesis la simplificación del área de estudio está orientada a
obtener un elemento que permite una inferencia sobre la ruta de cada vehículo y que
facilite una inferencia sobre el origen y destino de cada viaje, por tanto, se tomó en
Áreas lo bastante pequeñas como para no ser una zona considerada de origen o
Esto permite que el conjunto total de zonas puedan ser relacionas unas con otras
con el fin de determinar los probables viajes que se realizan en el interior del área de
cuidad, en ella se muestran el flujo de vehículos hacia el interior con flechas de color
rojo, el flujo de salida del área de estudio con flechas de color verde y las flechas de
color amarillo representan los posibles cambios de flujo al interior de la zona de estudio
como producto de los giros en los cruces. En la parte derecha de la gráfica se representa
la zona completa con un bloque de color azul donde se mantiene la misma referencia de
flujos descrita anteriormente, en esta gráfica se muestra los distintos flujos hacia la zona
Calle 2
Calle 3
Calle 4
Calle A
Calle B
Calle C
Calle D
Este tipo de abstracción sugiere que el volumen vehicular que entra en una zona es
distribuida en sus puntos de salida respondiendo a una regla de probabilidad simple, esto
permite que el conjunto de zonas que forman el área de estudio pueda dar una idea de las
distintas rutas, y en un nivel más avanzado del estudio incluso una descripción del
origen y el destino de los distintos viajes dentro del total de la estructura. Este enfoque
en la modelación soluciona algunos de los problemas comunes con los que se encuentran
ruta probable.
Como resultado de esta simplificación solo queda pendiente el análisis del movi-
miento de los vehículos al interior de una zona, que a criterio de los investigadores es el
punto principal, debido a que si no se puede controlar este movimiento entonces resulta
gestión vial que se encuentran en el interior de la zona de estudio. Dentro de los elemen-
tos estructurales que se consideran en este documento están las vías y sus principales
en las tablas 3-2 y 3-3 presentan una diferencia claramente reconocible de sus valores a
estudio.
Del proceso de selección del área de estudio se obtuvo el siguiente sistema: las
Heroínas, avenida Aroma, calle Oquendo y la calle San Martín. Dentro del área selec-
cionada existen 18 intersecciones todas semaforizadas, con una longitud de vías total de
5,23 kilómetros. La forma del sistema es la que se muestra en la Ilustración 3-3, donde
Universidad Mayor de San Simón 64
Ingeniería Civil
se muestran los semáforos y las secciones de las vías que fueron simuladas, el resumen
En esta sección se describe todas las variables consideradas y sus relaciones ló-
para un único vehículo y puede estar ocupada o no, desde esta perspectiva las
guarda cada celda con sus celdas vecinas son los elementos que dan el aspecto de
cual el operador habiendo hecho una decisión para reaccionar esta en un estado
irreversible y que la respuesta debe continuar en un apropiado tiempo, el cual es
consistente con la tarea.” [1]
(la distancia que existe entre las defensas traseras en una fila de vehículos esta-
cionados), esta distancia incluye el tamaño del vehículo y la separación que cada
automóvil mantiene con respecto a otro a fin de evitar una colisión. No se realiza
ninguna distinción entre los vehículos de transporte público y privado aunque los
tiempo es considerado el mínimo para esperar una reacción ante cualquier estí-
mulo y cada respuesta está relacionada con los estímulos previos en un intervalo
zonas urbanas.
que relaciona la aceleración con la velocidad de forma lineal, por tanto, las varia-
bles de entrada en la simulación de cada celda son las relacionadas con las carac-
deseada) y las características del estado actual en la que se encuentra cada vehí-
máxima velocidad de maneras más complejas, desde los modelos lineales hasta
Régimen de aceleración a flujo libre.- Los modelos que describen este compor-
los vehículos a cualquier modelo que proporcione una gráfica similar a la mos-
como una de las primeras soluciones para la descripción del flujo vehicular y sus
encuentra las variantes del modelo Car Following de un carril, estos modelos
asumen que existe una correlación entre vehículos en un rango de 0 a 100 metros
y que los conductores que están detrás de otro conductor son elementos de
desarrollo de simuladores.
que dos vehículos no pueden estar ocupando el mismo lugar al mismo tiempo,
de las celdas compensará esta carencia de espacio de las celdas que presentan
Estudio de los factores de tráfico que influyen 71
en la capacidad vial con fines de simulación
colisión. Por otra parte la mayoría de los criterios desarrollados con respecto a la
distancia segura son función de una velocidad que ambos vehículos procuran de
los dos vehículos consecutivos y están en constante cambio; los dos casos posi-
bles que el modelo propone son: el vehículo anterior se desplaza con mayor velo-
aproxima al vehículo anterior, esto provocará que los vehículos entren en una
zona de inestabilidad local que será respondida mediante una acción de deten-
datos proporcionada a los conductores para mantener una velocidad alta evitando
las colisiones.
transporte público con los usuarios, esta relación está en función del tiempo de
los carriles que son usados como parqueo como zonas permanentemente ocu-
Como efecto de los parqueos del transporte privado es que se redujo el número
tiene por objeto el establecer la relación entre el flujo de tráfico y la velocidad, gran
máxima.
propuesto.
vehicular está próximo a cero y es la máxima densidad que puede presentarse en las
entre la avenida heroínas y la calle Bolívar, las unidades de observación son los vehí-
con flujo igual a cero, tal como se muestra en las ilustración 3-5. Los resultados de estas
38.75 m
8 vehículos
13.3
6.7
0.0
4.5 5.0 5.5 6.0 6.5 7.0 7.5
Tamaño [m/veh.]
que ocupa un vehículo como una constante, ya sea al realizar una modelación o al
realizar simulaciones del flujo vehicular y más aún cuando se toma en cuenta las condi-
como 5.15 metros (17 pies), para el caso de Gran Bretaña y las recomendaciones de
Dörfler (1965) que propone un valor de 5,6 metros para el espaciamiento en congestión.
ciamiento de congestión constante de 5,5 metros como se obtuvo del proceso descrito
anteriormente.
3.4.2 Velocidad
Uno de los parámetros de gran interés para el estudio de los modelos de flujo vehicu-
lar es la velocidad. Los estudios de velocidad en sitio se realizan para estimar la distribu-
ción de la velocidad de los vehículos para una condición de flujo y en un lugar especí-
El estudio de las velocidades de los vehículos de motor puede ser tratados en dos
Los estudios de velocidad de punto tienen por objeto medir la distribución de las
velocidades promedio. Se realizaron dos estudios de velocidad de punto, uno con el fin
velocidad deseada, este último estudio sirve como dato para la simulación.
método de organizar los datos y a la presentación de los resultados, estos estudios del
ellas se determinan en secciones relativamente larga. Se realizó una medición del tiempo
Las condiciones para las cuales se recolectaron los datos para la presente tesis
son: La máxima velocidad en zonas urbanas con densidades bajas, la velocidad máxima
en las vías próximas a la zona de estudio y el estudio del tiempo de recorrido dentro de
El lugar seleccionado para el estudio de máxima velocidad fue la parte sur del
ningún vehículo delante de ellos u otro obstáculo como peatones, señales de tránsito,
El resumen de los resultados de este estudio se encuentran en las tablas 3-6 y 3-7
y los resultados de las pruebas estadísticas para el promedio, las pruebas de las varianzas
normal y servirá como referencia para confirmar los resultados de otros estudios que
una vía próxima a la zona de estudio, esta zona tiene una composición de tráfico similar
Los resultados de este estudio son resumidos en la tabla 3-8 y 3-9 y los resultados
de las pruebas estadísticas para el promedio, las varianzas y las pruebas de normalidad
se encuentran en los anexos. Los resultados obtenidos fueron utilizados como base de
Tabla 3-8 Sumario de aforo velocidad en zonas urbanas con densidades bajas,
aforo 16 de julio y Pacciri
Número de Promedio Promedio Desviación Error Mínimo Máximo Rango
observaciones [m/s] [km/hr] estándar estándar [m/s] [m/s] [m/s]
233 8,194 29,500 1,046 6,85E-02 5,553 11,051 5,496
Fuente: Elaboración propia.
Tabla 3-9 Percentiles para velocidad en zonas urbanas con densidades bajas, aforo
16 de julio y Pacciri
Percentil Valor Nivel de
95% LCL 95% UCL
(%) (m/s) confianza
99 10,491
95 10,109 9,697 10,191 95,141
90 9,594 9,344 9,742 95,180
85 9,300 9,071 9,547 95,651
80 9,074 8,906 9,300 95,106
75 8,907 8,741 9,087 95,113
70 8,752 8,595 8,928 95,450
65 8,618 8,414 8,804 95,353
60 8,438 8,299 8,668 95,525
55 8,343 8,149 8,497 95,174
50 8,203 8,035 8,383 95,086
45 8,063 7,877 8,221 95,174
40 7,908 7,821 8,109 95,525
35 7,841 7,576 7,950 95,313
30 7,708 7,378 7,847 95,450
25 7,416 7,255 7,723 95,113
20 7,266 7,061 7,442 95,106
15 7,062 6,843 7,255 95,597
10 6,826 6,575 7,049 95,180
5 6,443 6,241 6,659 95,141
1 5,773
Fuente: Elaboración propia.
realizó en las secciones de vía más representativas de las calles que conforman el mode-
velocidad de recorrido está definida como el cociente que resulta de dividir la distancia
recorrida por un vehículo entre el tiempo total que se empleó en recorrer la distancia del
Universidad Mayor de San Simón 80
Ingeniería Civil
tramo estudiado, en este tiempo están incluidos todos los tiempos en que el vehículo se
haya detenido por cualquier motivo o haya variado su velocidad. En este caso, zona
urbana, la velocidad está altamente influida por los semáforos, los peatones y otras
condiciones propias del sistema, estos efectos serán descritos con más detalle en el
capítulo 6. Los resultados de estas mediciones son mostrados en la tabla 3-10, de esta
tabla se puede destacar el amplio rango que tienen las velocidades de recorrido en
longitud total del sistema es mostrado en la tabla 3-11, donde se puede ver que la
Tabla 3-11 Estudio del tiempo de recorrido de la calles 16 de julio desde la av.
Heroínas hasta la calle Uruguay
Número de Promedio Desviación Error Mínimo Máximo Rango
observaciones [m/s] [km/hr] estándar estándar [m/s] [m/s] [m/s]
27 0,994 3,578 0,156 3,00E-02 0,768 1,384 0,616
Fuente: Elaboración propia.
3.4.3 Aceleración
los conductores, de estos últimos los que se destacan son el vehículo que precede y las
señales de tránsito. Es debido a las características ya antes descritas que se suele dividir
los modelos de aceleración en dos grupos principales, los modelos que se encuentran en
función del vehículo que lo precede y los modelos que no están condicionados por el
Los modelos de aceleración con flujo libre describen el movimiento de los vehí-
culos cuando estos se encuentran acelerando y no se ven influidos por ningún vehículo u
otro elemento que incida en su comportamiento y solo se produce en las secciones de vía
rectas y uniformes.
Para la descripción del modelo de aceleración a flujo libre existen varias op-
ciones, dos de las que se destacan son: los modelos que consideran una aceleración
Universidad Mayor de San Simón 82
Ingeniería Civil
constante y los modelos que consideran la aceleración como una función de la velo-
cidad. Los modelos que relacionan la aceleración con la velocidad proporcionan resul-
vehículo que se encuentra con aceleración uniforme hasta obtener una velocidad inicial,
𝑎 = 𝑎𝑚á𝑥
𝛾
1−𝑒 (𝑣𝑖 −𝑣)
𝑎 = 𝑎𝑚á𝑥 ∗ ( )
1−𝑒 𝑣𝑖
(3-1) Modelo Racero de aceleración
Donde:
𝑎𝑚á𝑥 Máxima aceleración del vehículo.
𝑣𝑖 Velocidad deseada o máxima velocidad.
Factor que representa las características del conductor.
a Aceleración.
v Velocidad.
aceleració n
amax
0
vinicial velocidad vdeseada
Ilustración 3-7 Relación entre la velocidad y la aceleración para el modelo Racero
Estudio de los factores de tráfico que influyen 83
en la capacidad vial con fines de simulación
Se puede notar que la inferencia de sus parámetros resulta difícil y aún más si se
tiene en cuenta que se busca la ecuación de la posición en función del tiempo como base
estos modelos.
considera una aceleración uniforme de los vehículos, este tipo de modelado conlleva
varias limitaciones dentro de las que se destacan el no considerar una velocidad máxima
y no tomar en cuenta el factor humano, pero debido a su carácter simple es fácil inferir
Donde:
a :Aceleración.
t :Tiempo.
x :Desplazamiento desde el origen con tiempo inicial igual a cero.
parten de la suposición de que entre mayor sea la velocidad menor será la tasa de acele-
ración hasta que se alcance la máxima velocidad con una aceleración igual a cero, tal
como sugiere la ecuación 3-3 y la ecuación de la posición en función del tiempo 3-4.
Universidad Mayor de San Simón 84
Ingeniería Civil
𝒂
𝒂 = 𝒂𝒎á𝒙 − 𝒗𝒎á𝒙 ∗ 𝒗 (3-3)
𝒎á𝒙
𝑎 ∗𝑡
𝑣𝑚á𝑥 2 (− 𝑚á𝑥 ) 𝑣𝑚á𝑥 2
𝑥 = 𝑣𝑚á𝑥 ∗ 𝑡 + ∗𝑒 𝑣𝑚á𝑥
− (3-4)
𝑎𝑚á𝑥 𝑎𝑚á𝑥
Donde:
vmáx :Velocidad máxima deseada.
amáx :Aceleración máxima.
t :Tiempo.
x :Desplazamiento desde el origen con tiempo inicial igual a cero.
curva está en función del parámetro , este parámetro es el efecto de las características
que cada conductor tiene, su efecto es mostrado en la gráfica 3-8 para valores de desde
0,1 hasta 1,5 con una aceleración máxima de 2 [m/s^2] y una velocidad máxima de 17
[m/s], se puede notar que los valores de próximos a 0,15 (dentro del rango de valores
0.1
0 .2
0.3
0 .4
que se llegó al uso de las ecuaciones 3-5 y 3-6, que describen el desplazamiento de los
vehículos en función del tiempo hasta llegar a la velocidad inicial y después de superar
Donde:
𝑐1 = 𝑣𝑚á𝑥
(𝑣𝑚á𝑥 − 𝑣𝑖 )2 (
𝑣𝑖
)
𝑐2 = ∗ 𝑒 𝑣𝑚á𝑥 −𝑣𝑖
𝑎
𝑎
𝑐3 = (− )
𝑣𝑚á𝑥 − 𝑣𝑖
𝑣𝑖 1 𝑣𝑖 2 𝑣𝑚á𝑥 2
𝑐4 = 𝑣𝑚á𝑥 ∗ − 2 ∗ −
𝑎 𝑎 𝑎
Universidad Mayor de San Simón 86
Ingeniería Civil
Para el proceso de recolección de datos las unidades de observación son los vehí-
culos que reúnan las siguientes condiciones: estar en reposo y que se dispongan a acele-
rar en una vía recta sin señales de tránsito en el tramo de análisis, que no estén condi-
cionados por otro vehículo u obstáculo en su recorrido y por último que el ancho de la
vía en el tramo de análisis supere los 3,6 metros de ancho, a fin, de evitar cualquier efec-
Los datos recolectados fueron los intervalos de tiempo que toma recorrer a un
tración 3-9 y la tabla 3-12, estos datos fueron utilizados durante la regresión en el pro-
grama NCSS2007[8] para obtener los valor del parámetros de aceleración, necesarios
en esta sección de vía se usó como elemento de control, una distribución normal de esta
proceso de inferencia.
Estudio de los factores de tráfico que influyen 87
en la capacidad vial con fines de simulación
0m
5m
10 m
.15 m
.20 m
30 m
Tabla 3-12 Ejemplo de las observaciones de la posición en funcion del timepo, Av.
Rubén Darío
Tiempo posición Tiempo posición
[s] [m] [s] [m]
0 0 9.7 45
2 5 10.4 50
3.4 10 11 55
4.6 15 12 65
5.7 20 13.1 75
6.7 25 14.2 85
7.5 30 15.3 95
8.2 35 16.3 105
8.9 40 17.3 115
Fuente: Elaboración propia.
El resultado del proceso de regresión aplicado a la tabla 3-12 devuelto por el pro-
recorrido en [s] y Y la distancia recorrida por el vehículo en [m] desde que comenzó a
acelerar.
105.0 90.0
Posición [m]
Posición [m]
70.0 60.0
35.0 30.0
0.0 0.0
0.0 3.0 6.0 9.0 12.0 0.0 3.0 6.0 9.0 12.0
cidad inicial, en esta tabla el modelo mixto propuesto tiene dos posibles valores, estos
son los mejores resultados de los varios resultados que se obtuvieron del proceso de
regresión.
los otros dos modelos y es evidente en la gráfica 3-11 que este error proviene de los
tiene un menor error que el de los otros dos modelos y es muy eficiente después de los
Con los resultados anteriores se demostró que los resultados que proporcionan el
modelo de aceleración como función de la velocidad del segundo modelo probado son
los más adecuados, por tanto, es necesario realizar un análisis de sus parámetros para
fue la distribución de la variable velocidad máxima, esta variable mostró una distribu-
ción normal para los modelos probados, confirmando de esta manera la validez de cada
La principal prueba que se realizó a los resultados del segundo modelo propuesto
velocidad a la que el conductor desea llegar, para realizar esto se dividió la unidades de
observación en nueve grupos, que van desde conductores con bajas aceleraciones hasta
conductores con altas aceleraciones y las variables de respuesta para estos nueve
tratamientos son las velocidades, el resultado del análisis de varianzas realizado tuvo una
prueba bajo la hipótesis nula (la velocidad deseada está relacionada con la aceleración),
por tanto, los resultados no muestran evidencias de una relación directa entre la
Estudio de los factores de tráfico que influyen 91
en la capacidad vial con fines de simulación
3-14, en este análisis se excluyeron los aforos que tuvieron valores extremos de máxima
velocidad.
Tabla 3-14 Resumen estadístico del análisis de las varianzas para la hipótesis: La
velocidad deseada de los vehículos están en función de la aceleración*
Intervalos de aceleración [m/s^2]
de 0,685 de 1,798 de 2,119 de 2,315 de 2,488 de 2,722 de 3,004 de 3,171 de 3,638 a
a 1,765 a 2,110 a 2,293 a 2,487 a 2,714 a 2,988 a 3,161 a 3,607 4,881
12,12 9,47 13,35 12,54 10,20 10,60 11,27 9,05 10,59
9,85 8,47 9,65 9,05 9,24 11,66 11,56 11,21 11,03
10,10 6,94 7,49 11,84 15,53 12,13 11,98 12,22 10,97
10,72 10,79 12,39 10,95 13,30 8,29 11,19 11,16 10,03
8,99 9,42 10,70 11,85 10,99 8,51 11,64 9,58 11,21
10,37 9,34 8,51 8,92 11,21 12,67 11,24 10,97 11,48
9,67 8,32 9,81 12,97 8,67 12,21 8,70 11,54 9,01
12,11 7,68 9,83 12,30 11,76 8,57 14,03 11,61 14,12
Velocidad [m/s]
de aceleración como función de la velocidad son los mostrados en las tablas 3-15 a 3-18
Tabla 3-17 Tabla de percentiles del parámetro máxima velocidad para el modelo de
aceleración como función de la velocidad
Valor Nivel de
Percentil 95% LCL 95% UCL
[m/s] confianza
99 15,613
95 13,326 12,954 14,120 95,775
90 12,674 12,214 13,303 96,203
85 12,177 11,908 12,674 95,924
80 11,967 11,662 12,222 95,461
75 11,712 11,416 11,990 95,660
70 11,459 11,193 11,764 95,301
65 11,229 10,944 11,563 95,270
60 10,990 10,704 11,369 95,497
55 10,787 10,463 11,132 95,189
50 10,594 10,221 10,882 95,015
45 10,348 10,057 10,641 95,189
40 10,119 9,846 10,400 95,434
35 9,951 9,711 10,202 95,270
30 9,810 9,541 10,023 95,155
25 9,648 9,292 9,837 95,660
20 9,369 8,921 9,675 95,461
15 8,962 8,672 9,370 95,924
10 8,672 8,324 8,921 95,543
5 8,309 7,493 8,514 95,775
1 6,939
Fuente: Elaboración propia.
Estudio de los factores de tráfico que influyen 93
en la capacidad vial con fines de simulación
ilustración 3-12, esta gráfica describe los datos de la máxima velocidad deseada en el eje
notoria la baja correlación entre estas variables, por tanto, los resultados de la
14.0
10.0
6.0
0.0 1.7 3.3 5.0
Aceleración [m/s^2]
Ilustración 3-12 Gráfica de los parámetros de velocidad vs. aceleración para el
modelo de aceleración como función de la velocidad, Av Rubén Darío
ilustración 3-13, donde se observa en el eje de las abscisas la hora del día en la que se
Los aforos realizados en las distintas intersecciones tuvieron una duración de 2.5
10 horas.
10 10.05 10.1 10.15 10.2 10.25 10.3 10.35 10.4 10.45 10.5
Hora
estructura con la que presentó los resultados son los mostrados en la tabla 3-19, en esta
tabla los valores de los aforos están agrupados cada 15 minutos, los valores de estos
muestran el porcentaje de los giros del transporte privado y la proporción de giros del
Universidad Mayor de San Simón 96
Ingeniería Civil
total del flujo que circula en la intersección; y los volúmenes de flujo de la calle son
mostrados en la sección 5.
1 2
Los resultados obtenidos de los aforos son estudiados en función del tiempo en la
siguiente sección, donde se comprobó que no existe una relación directa entre la hora del
día o el día de la semana con el flujo en el interior de la zona en estudio, esto permite
utilizar estos datos para delimitar el sistema simulado en este documento, calibrar los
Hipótesis de investigación.-
sugieren un valor constante de este volumen a lo largo de un periodo amplio del día e
Estudio de los factores de tráfico que influyen 97
en la capacidad vial con fines de simulación
incluso se puede suponer que es fenómeno es constante durante varios días de la semana,
de lunes a viernes.
El diseño del tratamiento desarrollado por los investigadores para evaluar la hi-
pótesis tomó en cuenta por una parte el efecto del día de la semana sobre el volumen y
por otra parte el efecto de la hora sobre el volumen de tráfico. Para determinar el efecto
del día de la semana sobre el volumen de tráfico se evaluaron los resultados del volumen
horario para una hora determinada común en todos los tratamientos, y para determinar el
del día sobre el flujo, las unidades de observación fueron los volúmenes vehiculares
observación para cada tratamiento y el horario seleccionado fue de 9:30 a 12:00, los vo-
lúmenes para cada tratamiento se muestran en la tabla 3-20, para el segundo experi-
mento, el efecto del horario sobre el flujo vehicular, también fueron los volúmenes vehi-
culares medidos cada 15 minutos, pero el horario del aforo seleccionado fue de 7:30 a
18:00 para dos días similares (día jueves y viernes) y los volúmenes para cada trata-
El modelo estadístico para los estudios comparativos propuesto supone que exis-
menes) y esta variable tiene una media µ y una varianza σ2, también se supone que estas
Universidad Mayor de San Simón 100
Ingeniería Civil
tra en la ilustración 3-14, cada población tiene una distribución normal en la variable de
respuesta y cada una tiene una media (µ) diferente pero con una varianza igual.
tuvieran flujos diferentes, esta consideración es llama modelo completo, también este
cuando los efectos de los tratamientos son iguales, en cambio el modelo completo repre-
senta la condición de la hipótesis alterna, los efectos de los tratamientos no son iguales,
rianzas para determinar el efecto de los tratamientos sobre las muestras observadas. La
CME es una medida de cuánto se ajusta el modelo completo a los datos observados, y la
CMT) es una medida de la superioridad del modelo completo sobre el modelo reducido,
parte esencial del conocido criterio de la prueba F[10], el desarrollo de este análisis se
Tabla 3-23 Resumen estadístico del análisis de las varianzas para la hipótesis: Los
volúmenes vehiculares son constantes a lo largo de la semana
Volumen vehicular [vehículos / 15 minutos]
Aforo Lunes Lunes 2 Martes Miércoles Jueves Viernes Viernes 2
1 139 139 135 135 137 146 157
2 114 128 109 141 124 138 123
3 117 138 147 146 138 150 125
4 132 132 110 132 122 117 151
5 125 135 120 133 142 120 140
6 124 150 148 146 131 146 112
7 138 129 137 127 138 131 133
8 117 114 124 132 124 122 144
µ 125,75 133,125 128,75 136,5 132 133,75 135,625
Suma de cuadrados del error experimental 6657,250
Cuadrado medio del error CME 135,862
Promedio para el método reducido 132,214
Suma de cuadrado total 7353,428
Suma de cuadrados de los tratamientos 696,178
Cuadrado medio del tratamiento CMT 116,029
Proporción de las varianzas de los dos métodos 0,854
F0,05,6,49 2,290
Como resultado no se encontró razones para considerar que el volumen del trá-
fico esté relacionado con el día de la semana, es decir, la composición del tráfico puede
en los horarios de 9:00 a 12:00 y de 14:00 a 18:00, fue hecho para determinar la relación
Tabla 3-24 Resumen estadístico del análisis de las varianzas para la hipótesis: Los
volúmenes vehiculares son constantes entre las 9:00 a 12:00 y entre 14:00 a 18:00
horas del día
Volumen vehicular [vehículos / hora]
Aforo
9:00 10:00 11:00 14:00 15:00 16:00 17:00
1 532 552 552 496 556 496 544
2 580 600 524 528 512 608 484
3 612 488 496 536 612 564 508
4 612 468 488 508 516 476 556
5 548 568 584 636 536 448 544
6 584 480 564 640 476 504 604
7 496 524 520 532 500 536 532
8 552 584 524 500 496 516 528
µ 564,5 533 531,5 547 525,5 518,5 537,5
Suma de cuadrados del error experimental 99718,000
Cuadrado medio del error CME 2035,061
Promedio para el método reducido 536,785
Suma de cuadrado total 110733,430
Suma de cuadrados de los tratamientos 11015,429
Cuadrado medio del tratamiento CMT 1835,904
Proporción de las varianzas de los dos métodos 0,902
F0,05,6,49 2,290
cular es diferente entre las 9:00 a 12:00 y entre 14:00 a 18:00 horas del día, por tanto es
periodo de tiempo.
referencia antes estudiado, las tres horas incrementadas son de 8:00 a 9:00, de 7:00 a
8:00 y de 12:00 a 13:00, los análisis de varianzas realizados a estas tres nuevas
condiciones de estudio son mostrados en las tablas 3-25, 3-26 y 3-27. Los resultados de
las pruebas muestran que el flujo en las horas 8:00 a 9:00 y 12:00 a 13:00 no son
similares al del periodo de estudio y que el flujo de 7:00 a 8:00 puede parecer similar al
del periodo de estudio, sin embargo, este periodo de tiempo no es similar al periodo de
Tabla 3-25 Resumen estadístico del análisis de las varianzas para la hipótesis: Los
volúmenes vehiculares son constantes entre las 9:00 a 13:00 y entre 14:00 a 18:00
horas del día
Volumen vehicular [vehículos / hora]
aforo 9:00 10:00 11:00 12:00 14:00 15:00 16:00 17:00
1 532 552 552 412 496 556 496 544
2 580 600 524 532 528 512 608 484
3 612 488 496 476 536 612 564 508
4 612 468 488 416 508 516 476 556
5 548 568 584 468 636 536 448 544
6 584 480 564 532 640 476 504 604
7 496 524 520 488 532 500 536 532
8 552 584 524 480 500 496 516 528
µ 564,5 533 531,5 475,5 547 525,5 518,5 537,5
Suma de cuadrados del error experimental 113908,000
Cuadrado medio del error CME 2034,071
Promedio para el método reducido 529,125
Suma de cuadrado total 151215,000
Suma de cuadrados de los tratamientos 37307,000
Cuadrado medio del tratamiento CMT 5329,571
Proporción de las varianzas de los dos métodos 2,620
F0,05,7,56 2,265
Tabla 3-26 Resumen estadístico del análisis de las varianzas para la hipótesis: Los
volúmenes vehiculares son constantes entre las 8:00 a 12:00 y entre 14:00 a 18:00
horas del día
Volumen vehicular [vehículos / hora]
Aforo 8:00 9:00 10:00 11:00 14:00 15:00 16:00 17:00
1 728 532 552 552 496 556 496 544
2 812 580 600 524 528 512 608 484
3 808 612 488 496 536 612 564 508
4 680 612 468 488 508 516 476 556
5 672 548 568 584 636 536 448 544
6 584 584 480 564 640 476 504 604
7 660 496 524 520 532 500 536 532
8 604 552 584 524 500 496 516 528
µ 693,5 564,5 533 531,5 547 525,5 518,5 537,5
Suma de cuadrados del error experimental 149828,000
Cuadrado medio del error CME 2675,500
Promedio para el método reducido 556,375
Suma de cuadrado total 332759,000
Suma de cuadrados de los tratamientos 182931,000
Cuadrado medio del tratamiento CMT 26133,000
Proporción de las varianzas de los dos métodos 9,767
F0,05,7,56 2,265
Universidad Mayor de San Simón 104
Ingeniería Civil
Tabla 3-27 Resumen estadístico del análisis de las varianzas para la hipótesis: Los
volúmenes vehiculares son constantes entre las 7:00 a 8:00, 9:00 a 12:00 y entre
14:00 a 18:00 horas del día
Volumen vehicular [vehículos / hora]
Aforo 7:00 9:00 10:00 11:00 14:00 15:00 16:00 17:00
1 400 532 552 552 496 556 496 544
2 420 580 600 524 528 512 608 484
3 456 612 488 496 536 612 564 508
4 480 612 468 488 508 516 476 556
5 544 548 568 584 636 536 448 544
6 600 584 480 564 640 476 504 604
7 576 496 524 520 532 500 536 532
8 808 552 584 524 500 496 516 528
µ 535,5 564,5 533 531,5 547 525,5 518,5 537,5
Suma de cuadrados del error experimental 220948,000
Cuadrado medio del error CME 3945,500
Promedio para el método reducido 536,625
Suma de cuadrado total 231975,000
Suma de cuadrados de los tratamientos 11027,000
Cuadrado medio del tratamiento CMT 1575,285
Proporción de las varianzas de los dos métodos 0,399
F0,05,7,56 2,265
18:00 horas.
estudiado.
850
800
750
Volúmen vehicular [vehículos/hora]
700
650
600
550
500
450
400
7.5 8 8.5 9 9.5 10 10.5 11 11.5 12
Hora
restantes intersecciones de las calles del sistema seleccionado, este estudio se lo realizó a
ción a estímulos se considera el tiempo de reacción como el tiempo que transcurre desde
que el estímulo es accesible para el conductor hasta que este toma acción para responder
tiempo promedio desde que el primer estímulo, el movimiento del primer vehículo de
una fila, es perceptible para el conductor que lo prosigue hasta que el n-esimo vehículo
de la fila responda al movimiento del vehículo que lo precede, de esta forma en una fila
debido a estas consideraciones el valor calculado es un valor más práctico que teórico, la
Bolívar, donde el resultado obtenido del estudio del tiempo de reacción en esta inter-
sección es de 1,72 segundos como promedio, los datos son mostrados en la tabla 3-29 y
la tabla 3-30.
puede observar las distintas variables. Los algoritmos usados consideran el movimiento,
la detención y el control de salida del sistema de cada uno de los vehículos siguiendo el
anexos.
Variables.-
Variable Descripción
velocidades1[i] Velocidad del vehículo en la celda i en tiempo t-1.
velocidades2[i] Velocidad del vehículo en la celda i en el tiempo t.
número_de_celdas Número de secciones en las que se dividió la vía (calle16 de julio).
velocidades_maxima[i] Máxima velocidad del vehículo en la celda i.
aceleraciones[i] Máxima aceleración del vehículo en la celda i.
Dt Intervalo de tiempo de la simulación.
posiciones[i] Avance al interior de la celda i en metros
aleatorio Número aleatorio seccionado entre 0 y 1 distribuido uniforme.
posiciones_aleatorias[] Conjunto de posiciones elegidas aleatoriamente.
Treaccion Valor auxiliar que permite ajustar el tiempo de reacción durante la
calibración.
ocupados[i] Estado de la celda i, 1 equipado a una celda ocupada con un vehículo y 0 a
una celda vacía.
tamaño_de_celda El tamaño de una celda en metros
auxiliar1 Variable auxiliar
auxiliar2 Variable auxiliar
Universidad Mayor de San Simón 110
Ingeniería Civil
Este algoritmo asigna las posiciones de los vehículos en el interior del sistema de
forma aleatoria y además las condiciones de cada uno de los vehículos (máxima velo-
Esta sección de código describe las condiciones de borde del sistema, la última
Algoritmo 3:Movimiento.-
for (int x = número_de_celdas - 1; x >= 0; x--)
{
if ((ocupados[x] == 1) && (ocupados[x + 1] == 0))
{
if (Treaccion[x] < 1)
{
velocidades_maxima[x]-velocidades1[x]
velocidades2[x]=velocidades_maxima[x]- aceleraciones[x]*dt ;
Exp( )
velocidades_maxima[x]
velocidades2[x]-velocidades1[x]
posiciones[x]=velocidadeszmaxima[x]*dt-velocidadeszmaxima[x]* +posiciones[x];
aceleraciones[x]
velocidades1[x] = velocidades2[x];
if (posiciones[x] > tamaño_de_celdas)
{
posiciones[x + 1] = posiciones[x] - tamaño_de_celdas;
velocidades1[x + 1] = velocidades2[x];
aceleraciones[x + 1] = aceleraciones[x];
velocidades_maxima[x + 1] = velocidades_maxima[x];
velocidades_maxima[x] = 0;
ocupados[x + 1] = 1;
posiciones[x] = 0;
velocidades1[x] = 0;
velocidades2[x] = 0;
ocupados[x] = 0;
}
}
else
{
Treaccion[x] = Treaccion[x] - 1;
}
}
}
Algoritmo 4: Detención.-
if ((ocupados[x] == 1) && (ocupados[x + 1] == 1))
{
if (Treaccion[x + 1] < 1)
{
velocidades1[x] = 0;
}
else
{
Treaccion[x] = tiempo_de_reaccion;
velocidades1[x] = 0;
Universidad Mayor de San Simón 112
Ingeniería Civil
}
}
Donde :
[0] son designados para la calle Bolívar.
[1] son designados para la calle Sucre.
[2] son designados para la calle Jordán.
[3] son designados para la calle Calama.
[4] son designados para la calle Ladislao Cabrera.
[5] son designados para la calle Uruguay.
Estudio de los factores de tráfico que influyen 113
en la capacidad vial con fines de simulación
Este algoritmo asigna las condiciones iníciales de cada uno de los semáforos y la
El programa esta trabajado en una plataforma del tipo consola y los datos de en-
Este valor es un valor de calibración, es usado como un estimador del efecto del
uso de la vía, el tiempo de reacción de los usuarios y la anticipación de los datos para los
usuarios.
En esta sección se ingresa la duración de las fases del semáforo en rojo y ama-
rillo en segundos, si los ciclos de los semáforos son iguales es necesario ingresar el in-
Universidad Mayor de San Simón 116
Ingeniería Civil
tervalo de tiempo en segundos desde que el semáforo inicio su fase roja hasta que el
Los resultados del proceso de simulación son los tiempos de recorrido, estos
coordinación y la relación de estos con los vehículos se muestran el flujo de los vehícu-
los en el interior del sistema como el movimiento de los caracteres “*”. Mostrados en la
ilustración 3-23.
otras variables modificadas son mostrados en el capítulo 4 y los resultados son discu-
tidos en el capítulo 6.
Estudio de los factores de tráfico que influyen 117
en la capacidad vial con fines de simulación
3.6.1 Validación
En esta etapa se tomó en cuenta los criterios formulados por Greenshields para la
Los valores de la velocidad van desde cero hasta un máximo conocido como ve-
Los valores de densidad están comprendidos entre cero (flujo libre) y un máximo
gráfica existen dos tipos de curvas, las curvas (CC), con control de salida, y las curvas
(SC), sin control de salida. Las curvas con control de salida proporcionan resultados que
delo que cumple con cinco de las seis propiedades propuestas por Greenshields, este
nuevo modelo no toma en cuenta ningún tipo de control para la salida de los vehículos
del sistema, esto genera que a densidades elevadas, incluso la de saturación, los
vehículos puedan moverse. Las gráficas de flujo muestran que el modelo sin control de
salida reproduce los resultados del sistema real, la explicación para este fenómeno no se
encuentra dentro del sistema seleccionado para el estudio y además es posible que las
observaciones sean producto de algún fenómeno ajeno al sistema, por tanto, el proceso
marca descrito en la sección anterior recorre el total de la distancia del sistema para
Dentro de las variables que permiten el ajuste del sistema se encuentra el valor de
Treacción, que es un valor que permite calibrar los resultados de la simulación con resul-
20
18
16
VELOCIDAD [KM/HR.]
14
12
10
0
0 20 40 60 80 100 120 140 160 180
DENSIDAD [VEH/KM]
Donde:
SC: sin control de salida (como se aplica en el algoritmo 2).
CC: con control de salida (como se aplica en el algoritmo 2).
0, 2, 3.5: Es el valor de Treaccion en segundos.
= 0 y sin control de salida reproducen las observaciones a priori hechas por los autores.
proceso de simulación son los que reproducen las características del intervalo de salida
Estudio de los factores de tráfico que influyen 121
en la capacidad vial con fines de simulación
segundos, que está dentro de los valores esperados. Los resultados de este proceso de
3.1
Intervalo entre vehículos [seg.]
2.9
2.8
2.7
2.6
2.5
0 5 10 15
Número de vehículos en la fila
Ilustración 3-28 Intervalo entre vehículos de una fila de vehículos que inician su
movimiento
los resultados obtenidos para la simulación del flujo de un vehículo en el sistema con los
modelo esta desarrollado para simular el movimiento de un vehículo dentro del sistema
con las condiciones mencionadas en los puntos anteriores, un ejemplo del movimiento
dis. auxiliar
T recorrido
T. reacción
Semáforo
semáforo
aleatorio
aleatorio
T inicial
V. máx.
A. máx.
T total
Calle
Bolívar 54,6 Verde 0,3182 7,64 0,2429 1,45 76,7 18,1 Rojo 1,5 47,9
Sucre 86 Rojo 0,0359 6,25 0,6609 1,85 72,9 21,4 Verde 1,5 21,4
Jordán 115 Verde 0,5156 8,19 0,4979 1,65 84,2 13,5 Verde 1,5 13,5
Calama 139 Verde 0,2859 7,64 0,9243 2,25 89 14,2 Rojo 1,5 44,2
L. 25,6 Verde 0,0603 6,53 0,2014 1,35 67,8 21,8 Rojo 1,5 39,9
Cabrera
Uruguay 3,01 Rojo 0,5848 8,47 0,7671 1,95 91,4 19,5 Verde 1,5 19,5
tiempo total de recorrido 186
Fuente: Elaboración propia
Donde:
𝑣𝑚á𝑥 2 𝑎 ∗𝑡
(− 𝑚á𝑥 )
𝑣
𝑣𝑚á𝑥 2
𝑥 = 𝑣𝑚á𝑥 ∗ 𝑡 + ∗𝑒 𝑚á𝑥 −
𝑎𝑚á𝑥 𝑎𝑚á𝑥
( 3-7) Movimiento con aceleración en función de la velocidad.
Donde:
los autores el resultado que devuelve el modelo propuesto puede ser una buena fuente de
3.6.2 Calibración
Del proceso de validación y la comparación de los datos históricos con los resul-
tados de la modelación, sugieren los siguientes valores de para las variables usadas en la
modelación:
Estos valores proporcionan datos del intervalo de salida de los vehículos de una
culos de 1,78 segundos que está próximo a los 1,72 segundos obtenidos durante la reco-
lección de datos.
Estudio de los factores de tráfico que influyen 125
en la capacidad vial con fines de simulación
CAPÍTULO 4
RESULTADOS DE LA SIMULACIÓN
del vehículo que realiza todo el recorrido con la densidad inicial del sistema, en la
gráfica 4-1 se muestran los resultados para el caso del sistema actual con los valores de
calibración calculados en campo. En la gráfica se puede notar que las dos curvas, la
curva (SC) que hace referencia a un comportamiento sin control a la salida del sistema y
la curva (CC) con control de salida del sistema siguiendo una regla de probabilidad para
[veh/km], 71,33 [veh/km] y 160,5[veh/km], en los tres casos los tiempos de reacción
promedio son de 1,7 segundos (ver título calibración) y con la configuración actual de
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
Número de observaciones
80.0 96.0
60.0 72.0
40.0 48.0
20.0 24.0
0.0 0.0
12.0 15.2 18.4 21.6 24.8 28.0 3.5 4.3 5.1 5.9 6.7 7.5
Velocidad promedio [km/hr] Velocidad promedio [km/hr]
a) b)
120.0
Número de observaciones
96.0
72.0
48.0
24.0
0.0
0.2 0.2 0.2 0.3 0.3 0.3
Velocidad promedio [km/hr]
c)
Ilustración 4-2 Histogramas de las variables de velocidad de recorrido para a) 1,48
[veh/km], b) 71,33[veh/km] y c) 160,5[veh/km]
Estudio de los factores de tráfico que influyen 127
en la capacidad vial con fines de simulación
Los estudios realizados a través del simulador mostraron que para densidades
es tan evidente en las curvas (SC) donde el efecto de los semáforos es notorio hasta la
densidad de saturación, esta última curva es la que describe el caso más favorable que se
sensibilidad de las variables que intervienen en la simulación, los rangos de estas varia-
bles y sus efectos sobre el sistema. En el caso propuesto para este documento se consi-
guración de los semáforos. Para determinar el efecto que ejercen las distintas variables
valores dentro de un rango amplio, los resultados de estas modelaciones son mostrados
El efecto que tiene la configuración de los semáforos es mostrado a través las curvas
de velocidad densidad, gráficas 4-3 a 4-13, que describen las siguientes condiciones:
en verde).
Universidad Mayor de San Simón 128
Ingeniería Civil
2. Semáforos coordinados para una ola verde con una velocidad de diseño de 7,5
m/s, con ciclos de 62 segundos con la mitad de la duración del ciclo con luz roja
(ola verde).
luz verde y duración del ciclo igual a la relación entre el flujo en la calle
estudiada (16 de julio) y el flujo total que cruza por la intersección (propuesta).
Estudio de los factores de tráfico que influyen 129
en la capacidad vial con fines de simulación
30
25
Velocidad [Km/Hr]
20
15
CC
SC
10
0
0 50 100 150
Densidad [Veh/Km]
30
25
Velocidad [Km/Hr]
20
15
CC
SC
10
0
0 50 100 150
Densidad [Veh/Km]
30
25
Velocidad [Km/Hr]
20
15
CC
SC
10
0
0 50 100 150
Densidad [Veh/Km]
30
25
Velocidad [Km/Hr]
20
15
CC
SC
10
0
0 50 100 150
Densidad [Veh/Km]
1400
1200
0
0 50 100 150
Densidad [Veh/Km]
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
800
700
600
Flujo-con control-Ciclo 36
500
flujo [Veh/Hr]
Flujo-sin control-Ciclo 36
Flujo-con control-Ciclo 44
400
Flujo-sin control-Ciclo 44
0
0 50 100 150
Densidad [Veh/Km]
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
800
700
600
flujo [Veh/Hr]
500
Flujo-con control-Propuesta
400
Flujo-sin control-Propuesta
100
0
0 50 100 150
Densidad [Veh/Km]
a una función lineal que depende de dos parámetros, máxima velocidad y máxima ace-
zona de estudio, sin embargo, los resultados de estas zonas fueron obtenidas en condi-
ciones favorables para la circulación vehicular, esto implica que es posible que los valo-
res reales sean menores y en ningún caso mayores a los obtenidos en las mediciones.
15% de modo separado y como conjunto, dando los resultados mostrados en las gráficas
4-14 a 4-17, que muestran la relación de velocidad densidad y flujo densidad para las
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
700
Flujo-con control-Control
600
Flujo-sin control-Control
500
flujo [Veh/Hr]
Sin duda, este parámetro es el más importante de los estudiados, gran parte del
obtenido para este parámetro en campo es de 1,73 segundos, sin embargo, en otros
estudios este valor es considerado con rangos de valores tan reducidos como 0,5 según-
dos hasta un máximo de 1,5 segundos. Los valores de tiempo de reacción considerados
para este proyecto toman en cuenta las demoras propias del sistema, esto eleva su rango
desde un mínimo de un segundo hasta valores de 3 segundos que fue el máximo valor
observado. Resulta razonable tomar como rango el intervalo de 1,5 segundos y 2,5
segundos, que dadas las características de los datos recolectados englobaría al 90% de
los datos observados en para el sistema. Dadas las limitaciones del simulador solo se
tiempos de reacción; 1,7 segundos y 2,2 segundos ambos con la configuración actual de
Los resultados del proceso de simulación son mostrados en las gráficas 4-18 a 4-
20 en las que se describe la relación entre la velocidad y la densidad para los tiempos de
densidad de las corridas para poder distinguir de mejor manera los resultados del efecto
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
Ilustración 4-18 Gráfica de velocidad densidad con tiempos de reacción de 1,9 seg.
20
15
Velocidad [Km/Hr]
10
CC
SC
0
0 50 100 150
Densidad [Veh/Km]
Ilustración 4-19 Gráfica de velocidad densidad con tiempos de reacción de 2,4 seg.
Estudio de los factores de tráfico que influyen 139
en la capacidad vial con fines de simulación
800
700
Flujo-con control-Tiempo
600 de reaccion 1.7 seg
500
Flujo [ve/hr]
Flujo-sin control-Tiempo
de reaccion 1.7 seg
400
Flujo-con control-Tiempo
300 de reaccion 2.2seg
100
0
0 50 100 150
Densidad [Veh/Km]
Ilustración 4-20 Gráfica flujo vs densidad para distintos tiempos de reacción
Universidad Mayor de San Simón 140
Ingeniería Civil
CAPÍTULO 5
APLICABILIDAD
5.1 INTRODUCCIÓN
plos darán una idea del alcance del uso de los simuladores de tráfico vial en proyectos de
gestión vial, el primer ejemplo está relacionado con el uso de la simulación como com-
mento con el fin de determinar la demora debido a la congestión, esta demora está rela-
cionada con la reducción del tiempo efectivo de luz verde, y por tanto, es de suma im-
El otro caso de aplicación presentado en este capítulo está relacionado con el cál-
culo del costo de uso del sistema, calle 16 de julio, en este caso se describe el costo del
uso de la vía y la estimación de los beneficios de realizar un proyecto de gestión vial que
nivel de servicio que prestan las intersecciones, un incremento del nivel de servicio de
de las demoras en las intersecciones y van desde un buen nivel de servicio con clasifica-
ción “A” hasta los niveles de servicio pésimos con una clasificación “F”, un detalle más
Capacity Manual, 2000” (H.C.M.) en esta sección se realizará un estudio del nivel de
El H.C.M. realiza la estimación del nivel de servicio a partir del la relación del
flujo de saturación, el flujo máximo en el periodo de estudio y las duraciones de las fases
del semáforo.
El flujo de saturación es el flujo máximo que se puede obtener con las condi-
sección. Las variables que se consideran para el cálculo son: El flujo de saturación ideal,
influencia de los peatones, además, considera un factor de ajuste por la utilización del
𝒔 = (𝒔𝟎 )(𝑵)(𝒇𝒘 )(𝒇𝑯𝑽 )(𝒇𝒈 )(𝒇𝒑 )(𝒇𝒂 )(𝒇𝒃𝒃 )(𝒇𝑳𝒖 )(𝒇𝑹𝑻 )(𝒇𝑳𝑻 )(𝒇𝑳𝒑𝒃 )(𝒇𝑹𝒑𝒃 )
(5-1) H.C.M.
Donde:
Para el cálculo del nivel de servicio se consideró los datos de flujo vehicular re-
N = 1, en ambas vías.
𝐖−𝟏𝟐
𝒇𝒘 = 𝟏 + (5-2) H.C.M
𝟑𝟎
Donde:
para parqueo con un ancho de 2,4 [m], esto significa un carril de circulación en la
calle 16 de Julio de 3,6 [m] (~12 [pies]) y en la calle Uruguay un ancho de carril
𝟏𝟎𝟎
𝒇𝑯𝑽 = 𝟏𝟎𝟎+%𝑯𝑽(𝑬 (5-3) H.C.M
𝑻 −𝟏)
Donde:
flujo del transporte público. Para la calle 16 de Julio se consideró que el 10% del
%𝑮
𝒇𝒈 = 𝟏 − 𝟐𝟎𝟎 (5-4) H.C.M
Donde:
mínima.
𝟏𝟖∗𝑵𝒎
𝑵−𝟎.𝟏−
𝟑𝟔𝟎𝟎
𝒇𝒑 = (5-5) H.C.M
𝑵
Donde:
circulan en la intersección.
Donde:
NB = Número de autobuses que paran por hora, este valor es estimado de los
Uruguay 0[veh/hr].
Factor de ajuste por la utilización del carril, este criterio no se aplica al caso, solo
fLu = 1
Donde:
PRT = Porcentaje de vehículos que giran sobre cada una de las calles de la inter-
Julio es 0.
factor no está influenciado por un carril en el sentido contrario, por tanto se eva-
luará como si fuera el factor de ajuste por vueltas a la derecha, con un valor de
PRT= PLT=10,3 %.
𝑪
𝑽𝒑𝒆𝒅𝒈 = 𝑽𝒑𝒆𝒅 (𝒈 ) (5-9) H.C.M.
𝒑
𝑽𝒑𝒆𝒅𝒈
𝑶𝑪𝑪𝒓 = 𝑶𝑪𝑪𝒑𝒆𝒅𝒈 = (5-10) H.C.M.
𝟐𝟎𝟎𝟎
Donde:
Los cálculos de las demoras son divididos en 3 grupos principales, las demoras
𝒗
𝑿= (5-13) H.C.M.
𝒄
𝒈
𝒄 = 𝒔 ∗ ( 𝑪) (5-14) H.C.M.
Donde:
d1= Demora uniforme en segundos.
𝑔 = Duración de la fase del semáforo en verde en segundos.
C = Duración del ciclo en segundos.
c = Capacidad de flujo en el carril de análisis.
X = Razón entre el flujo real o proyectado y la capacidad en el carril de
análisis.
Demoras por incrementos. La demora por incrementos considera que las llegadas
no son uniformes sino aleatorias y, que algunos ciclos tendrán sobre flujo (demoras
aleatorias), así como demoras causadas por periodos sostenidos de sobresaturación [7].
𝟖𝒌∗𝑰∗𝑿
𝒅𝟐 = 𝟗𝟎𝟎 ∗ 𝑻[(𝑿 − 𝟏) + √(𝑿 − 𝟏)𝟐 + (5-15) H.C.M.
𝑪∗𝑻
Donde:
d2 = Demora por incrementos [seg/veh].
T = Periodo de análisis en horas.
k = Factor de demora por incrementos que depende de las órdenes del
contador.
C = Duración del ciclo en segundos.
Estudio de los factores de tráfico que influyen 147
en la capacidad vial con fines de simulación
Donde:
Qb= Demanda no satisfecha en el periodo Ti (veh).
ti = Duración de la demanda en T (hr).
ui = Parámetro de demora.
Para el cálculo de la demora total el H.C.M. propone el uso de la ecuación 5-21.
𝒅 = 𝒅𝟏 ∗ 𝑷𝑭 + 𝒅𝟐 + 𝒅𝟑 (5-17) H.C.M.
Donde
El cálculo del nivel de servicio es resumido en las tablas 5-3 y 5-4. Como se pue-
de notar el nivel de servicio de las vías son D en ambos casos, esta condiciones son rela-
tivamente buenas, pero se debe recordar que las condiciones de flujo en esta intersección
dad de la intersección, y por tanto, en las demoras calculadas a través del método pro-
estimado para las condiciones de una intersección con un nivel de servicio F, tal como
total, estos datos tienen un amplio rango de varianza y no es muy recomendable determi-
nar la demora con este amplio rango de variabilidad, siendo más adecuado por esta razón
el uso de los datos de la tabla 3-11 por tener un rango mucho menor, siendo así valores
más representativos.
de recorrido en condiciones ideales obtenido a través del simulador para el flujo de 417
ilustración 4-7, dando como resultado una demora de 604,21 [s] en la calle 16 de julio
desde la avenida Heroínas hasta la calle Uruguay. Si se supone que el recorrido es uni-
forme a lo largo del área estudiada el tiempo utilizado para cruzar la intersección es pro-
la calle 16 de Julio y Uruguay es de 116,4 [s], con este valor de la demora total se puede
estimar un valor de g (tiempo efectivo de verde) para las condiciones antes mencionadas
que genere una demora de 116,4 [s]. Como resultado de esta estimación se encontró que
Estudio de los factores de tráfico que influyen 149
en la capacidad vial con fines de simulación
ver en la tabla 5-6, esto significa, que en el cálculo del tiempo efectivo de la fase verde
suma de las otras demoras es producto de las interacciones de la vías y los vehículos, por
De la ilustración 4-7 se puede obtener las densidades para las condiciones con
flujo igual a 417 [veh/hr] para las curvas “Flujo-sin control-Semáforos verde” y “Flujo-
sin control-control”, con estas densidades se puede determinar la velocidad en cada una
de las condiciones de las ilustraciones 4-3 y 4-1, con estos valores se puede calcular la
suma de la demora uniforme y la demora por incremento, para facilitar este cálculo se
usan las tablas 5-5 y 5-6 que sintetizan el flujo y la velocidad de recorrido de las curvas
antes descritas. No se debe olvidar que estas condiciones son próximas al flujo de
de 15,77 [s] para la suma de las demoras uniformes y por incremento, este valor
comparado con los resultados de la tabla 5-3 en las que se calcula el nivel de servicio
recorrido es estimado con las curvas de flujo con los semáforos con las condiciones
Universidad Mayor de San Simón 150
Ingeniería Civil
se encuentra completamente influido por los demás vehículos, este hecho puede ser la
propuesta en H.C.M.
Por otra parte, el valor de flujo de saturación obtenido a través del H.C.M. es de
1363 [veh/hr], mientras que el flujo máximo observado en la ilustración flujo densidad
radas en la concepción del simulador, aunque, los parámetros de: número de carriles, el
cadas por los autobuses son considerados en la simulación existen otros parámetros que
parqueo, giro a la derecha (de manera explícita), giros a la izquierda (de manera explí-
cita) y la influencia de los peatones. Por tanto, es posible admitir que los simuladores de
tráfico urbano con un nivel microscópico son una buena forma de estimación de flujo de
saturación en intersecciones.
Estudio de los factores de tráfico que influyen 151
en la capacidad vial con fines de simulación
Tabla 5-3 Nivel de servicio calculado con el método del H.C.M. 2000 sin corregir la duración de la
demora en luz verde, Calle 16 de Julio y Uruguay
Estudio de los factores de tráfico que influyen 153
en la capacidad vial con fines de simulación
Tabla 5-4 Nivel de servicio calculado con el método del H.C.M. 2000 sin corregir la duración de la
demora en luz verde, Calle Uruguay y 16 de Julio
Universidad Mayor de San Simón 154
Ingeniería Civil
Tabla 5-5 Nivel de servicio calculado con el método del H.C.M. 2000 corrigiendo el valor de la
demora en la luz verde, Calle 16 de Julio y Uruguay
Estudio de los factores de tráfico que influyen 155
en la capacidad vial con fines de simulación
razones de este interés son diferentes, mientras una parte de las modelaciones se orientan
vehicular.
La mayoría de los modelos que tienen objetivos “prácticos” son modelos macros-
cópicos, estos modelos son de menos complejidad en su desarrollo comparando con los
ción son pocos. Por otra parte, los modelos que tiene un objetivo más “teórico” en su
Existen muchos proyectos en el campo del estudio del flujo con fines prácticos,
desde las técnicas de modelación, que resultan muy complicadas en muchos casos, hasta
modelación del flujo vehicular, sin embargo, los modelos más divulgados son los mode-
los derivados de la experiencia del proyecto TRANSYT, estos modelos son usados en
con algún impacto en el sistema vial. Este y otros modelos macroscópicos más desarro-
de grafos.
Universidad Mayor de San Simón 156
Ingeniería Civil
microscópico, esto quiere decir, que se recolectan una gran cantidad de datos en campo,
lógicas y matemáticas que enlacen estos datos con el objeto de describir en un campo
teórico el flujo. Entre los modelos microscópicos más famosos tenemos los modelos de
tiene como metas la comprensión de las variables que intervienen en el flujo vehicular y
la optimización de las redes viales, sin embargo, estos objetivos aunque son comple-
mentarios es necesario determinar los alcances de cada una de estas metas individual-
mente , así por ejemplo, el desarrollo de modelos de simulación microscópica con fines
de optimización es posible, pero el costo de esta actividad es muy elevado tanto compu-
parte, la simulación macroscópica requiere muy pocos datos en comparación con los
modelos microscópicos, pero esta condición conlleva la limitación del alcance del pro-
yecto ya que los datos recolectados para un modelo macroscópico no son lo suficiente-
mente detallados como para permitir el desarrollo de nuevos modelos con estos datos,
Estudio de los factores de tráfico que influyen 157
en la capacidad vial con fines de simulación
de detalle microscópico con el objetivo de comprender las relaciones que guardan distin-
tas variables con el flujo vehicular, sin embargo, se realiza el estudio de la factibilidad
bios en el sistema vial, aunque este beneficio sea pequeño, el tamaño del sistema simu-
sección donde se evalúa el costo de circulación en las condiciones actuales para el reco-
la emisión de CO2. El costo de combustible y el tiempo laboral perdido son costos direc-
tos sobre la calidad de vida de cada usuario, por otra parte, la emisión de CO2 tiene un
Tiempo laboral perdido. El ingreso per cápita estimado en el año 2009 para la
este rendimiento puede aproximarse a los 0,155 [Bs/min/veh] por consumo de gasolina.
este gas por un vehículo tiene relación con el consumo de combustible y se estima que
los motores de gasolina emiten 2,3 kg de CO2 por cada litro de gasolina quemado.
Por tanto, el costo laboral promedio de uso del sistema es 0.0456 [Bs/min/per],
considerando un promedio de 4,21 personas por cada vehículo (ver tablas 6-120 y 6-121
notar que la velocidad de recorrido es variable en un amplio rango, sin embargo, el com-
portamiento general del tiempo de recorrido en el total del sistema estudiado tiene un
rango de varianza baja, y este estudio del tiempo de recorrido mostró un valor promedio
Estudio de los factores de tráfico que influyen 159
en la capacidad vial con fines de simulación
de 11,58 minutos, con este valor es posible estimar el costo de uso en el sistema estu-
diado.
tramo estudiado según las ilustraciones 5-1 a 5-4. La ilustración 5-1 muestra la relación
del simulador, esta nueva curva de velocidad es adaptada para mostrar el tiempo de reco-
rrido en la ilustración 5-2. Las ilustraciones 5-3 y 5-4 son las gráficas de costo de com-
800
700
600
Flujo [veh/hr]
500
400
300
200
100
0
0 50 100 150 200
Densidad [veh/km]
16
14
Tiempo de recorrido [min]
12
10
0
0 50 100 150 200
Densidad [veh/km]
.
1400
1200
1000
Costo [Bs/hr]
800
600
400
200
0
0 50 100 150 200
Densidad [veh/km]
300
250
Emisión [kg/hr]
200
150
100
50
0
0 50 100 150 200
Densidad [veh/km]
.
Ilustración 5-4 Curva de emisión de CO2 en función de la densidad
El costo laboral estimado del uso del sistema en las condiciones actuales es de
1104 [Bs/hr] y de 891 [Bs/hr] por consumo de combustible, que significa una emisión de
De estas gráficas se puede pensar que por cada minuto de viaje ahorrado en el
calles 16 de Julio y Uruguay (672,85 [m]) el costo social ahorrado es 100 [Bs/hr] y una
genera elevados costos computaciones y requiere de muchos datos que tiene que ser re-
modelo desarrollado puede ser implementado en fases y el estudio de las áreas pueden
ser realizadas de manera individual, una a la vez, tal como se propuso en la definición
del sistema, sin embargo, en la siguiente sección se presenta una alternativa que probó
mulador macroscópico, dentro de las opciones más recomendables tenemos los modelos
ciones.
Sistema.- El sistema a ser modelado debe ser la región con los flujos más eleva-
minuto) y en las distintas áreas que forman esta región los viajes generados no
ellas.
las fluctuaciones de velocidad son elevadas, sin embargo, la variación del flujo
de estudio tan grandes como la proyectada para una optimización como la plan-
donde, los círculos de color negro representan las intersecciones de las vías y
las vías están representadas a través de las flechas de color gris. Cada intersec-
ción del capítulo 3 la tasa de salida de los vehículos de las intersecciones está
Universidad Mayor de San Simón 164
Ingeniería Civil
próximo a 2,8 segundos, con estos datos se puede simular el flujo a través de las
vías.
Las relaciones que tienen las distintas vías pueden ser simuladas por medio de
Flujo promedio.
Proporción de giros.
Estudio de los factores de tráfico que influyen 165
en la capacidad vial con fines de simulación
Proporción de giros.
simulación propuestos
Planificación
Estudio de la Recolección de
implementacion datos
Desarrollo de
Implementación
software
Optimización Validación
En este esquema se puede ver que el ciclo comienza con la planificación, después
realiza la validación, si en esta etapa no se puede obtener una aproximación a los datos
de los datos históricos y un sistema que permita probar nuevas configuraciones de mane-
mendable realizar una evaluación del paso 1, planificación, y repetir todo el ciclo nueva-
mente procurando mantener los datos recolectados hasta obtener un simulador adecua-
Una vez terminada la optimización del sistema en el simulador se comienza con la apli-
Estudio de los factores de tráfico que influyen 167
en la capacidad vial con fines de simulación
cación en el sistema real, por lo general los cambios grandes en una red vial conlleva a
microscópico desarrollado son mostrados en las tablas 5-6 y 5-7. La duración de las
actividades del modelo macroscópico son estimas para un proyecto con un área próximo
proyecto académico.
estudia los elementos más representativos de las intersecciones que tengan una marcada
influencia en el modelado, para esta actividad se toma en cuenta una visita a cada inter-
sección para la identificación de estas variables, además, esta visita dará una idea de las
condiciones de flujo que permitirá realizar una validación del simulador por parte del
usuario final, muy útil para las etapas de calibración y validación. El cálculo del precio
Subtotal 5,0
Herramientas y equipo
Otros % 6 5,0 0,3
Subtotal 0,3
Total 5,3
Fuente: Elaboración propia.
se considera un aforo de 4 horas por día, en este periodo es posible tener un flujo
elevado (próximo al flujo pico) o en algunas zonas un flujo representativo para un perio-
Subtotal 60,0
Herramientas y equipo
Otros % 6 60,0 3,6
Subtotal 3,6
Total 63,6
Fuente: Elaboración propia.
Universidad Mayor de San Simón 170
Ingeniería Civil
periodo corto, esto es debido a que el modelo debe ser simple, modelos más compli-
Subtotal 3600,0
Herramientas y equipo
Otros % 6 3600,0 216,0
Subtotal 216,0
Total 3816,0
Fuente: Elaboración propia.
del modelo y del simulador. La estimación del costo de esta actividad es mostrada en la
tabla 5-6.
Estudio de los factores de tráfico que influyen 171
en la capacidad vial con fines de simulación
Subtotal 1600,0
Herramientas y equipo
Otros % 6 1600,0 96,0
Subtotal 96,0
Total 1696,0
Fuente: Elaboración propia.
rizada del sistema real considerada en la simulación, estos ajustes son solo en las confi-
Subtotal 320,0
Herramientas y equipo
Otros % 6 320,0 19,2
Subtotal 19,2
Total 339,2
Fuente: Elaboración propia.
Universidad Mayor de San Simón 172
Ingeniería Civil
lada, además de una evaluación de las áreas aledañas al estudio, estas observaciones se
Subtotal 4,8
Total 84,8
Fuente: Elaboración propia.
riables en las intersecciones intermedias son estimadas por interpolación, esto no resulta
seleccionas, se pretende estimar el impacto del nuevo modelo con un tercio de los aforos
Total 18746,1
Fuente: Elaboración propia.
una etapa donde se debe tener en cuenta no solo el objetivo de un proyecto, sino, la
mismo fin. Este estudio minucioso no debe ser tomado a la ligera y requiere tiempo su
ción de los valores de aceleración, máxima velocidad y tamaño promedio de los vehí-
culos, estos datos son suficientes para desarrollar el modelo de simulación planteada
para este proyecto, además, se realizó un estudio de las variables más comunes durante
Universidad Mayor de San Simón 174
Ingeniería Civil
la definición del área de estudio con el objetivo de entender las condiciones en las que se
está simulando, y finalmente se recolectaron datos del flujo vehicular a fin de facilitar
mostrada en la tabla 5-10. Este aforo a diferencia del aforo realizado en un simulador
la variable flujo en función del tiempo, además, los datos de la proporción de giro, tipo
Subtotal 120
Herramientas y equipo
Otros % 6 120 7,2
Subtotal 7,2
Total 127,2
Fuente: Elaboración propia.
está relacionado con el tipo de proyecto, en este caso, un modelo microscópico de simu-
lación, aunque, son distintos los modelos macroscópicos y los modelos microscópicos el
el modelo macroscópico.
Estudio de los factores de tráfico que influyen 175
en la capacidad vial con fines de simulación
macroscópico.
en un sistema real, esta modificación cambia las condiciones consideradas para la simu-
lación, esta nueva condición es propicia para estimar el nivel de confianza del modelo de
simulación planteado, además, es posible que en esta etapa se pueda estudiar efectos de
de la forma que sugiere la tabla 5-11. En esta tabla se puede ver el incremento cuantioso
una reducción del tiempo de recorrido en 1 minuto para el tramo estudiado. Esta con-
dición no parece ser algo imposible, además, se debe tener en mente el beneficio aca-
Universidad Mayor de San Simón 176
Ingeniería Civil
démico obtenido de la observación de la vías y su estudio. Por otra parte, los beneficios
CAPÍTULO 6
CONCLUSIONES
6.1.1 Proyecto
Previo a las conclusiones sobre los resultados del proyecto es necesario discutir
los resultados de las curvas flujo densidad sin control de salida del sistema, a simple
vista el éxito de la investigación resulta evidente, los valores obtenidos del proceso de
más de un 85% sin necesidad de realizar correcciones significativas en los valores de ca-
libración de los datos de entrada, sin embargo, estos resultados pueden ser engañosos, no
documento, “fenómeno A”, incrementa la densidad dentro del sistema sin disminuir el
flujo que circula en el interior de este. Mientras no exista una definición propia de este
Universidad Mayor de San Simón 178
Ingeniería Civil
como exitoso.
describir las condiciones de borde del sistema, resulta lógico razonar que
admitir que estas relaciones sean el origen de este fenómeno, sin embar-
go, esta suposición solo puede ser admitida como una mera posibilidad.
sistema con respecto a otro, en particular las relaciones que tengan una influencia
sobre la densidad.
adecuados los resultados del proceso de simulación de las curvas denominas (SC) si y
teórico, queda claro que las condiciones de borde en el proceso de la simulación desarro-
llada en este documento no están definidas de acuerdo a una condición teórica probada.
el estudio cada uno de estos puntos permitió estimar el alcance y las limitaciones de las
prácticos.
Limitaciones: Los resultados devueltos por los simuladores son solo aproxima-
ciones, esto implica que los resultados de los simuladores sean valorados por
personal capacitado.
2. Una observación detallada del sistema que se está simulando puede conducir a
sistema a través del análisis de los distintos elementos que lo conforman, y que
realizadas.
teórico, etc.
ción del sistema, a detectar las variables más importantes que interactúan en el
Debido a que cada simulación considera parte de las variables que interviene en
estas modificaciones.
ser usada para anticipar cuellos de botella o algún otro problema que pueda
desarrollo de los simuladores, las relaciones básicas entre las variables nuevas y
las existentes tienen que ser validas para el objetivo del simulador, por ejemplo,
Estudio de los factores de tráfico que influyen 183
en la capacidad vial con fines de simulación
esta aproximación es útil a un fin práctico, sin embargo, con fines académicos
resulta contraproducente.
los expertos en el tema, convirtiéndola en una herramienta para ayudar a obtener solu-
ciones y solo es tan útil como la habilidad del usuario lo permita. En ningún momento se
debe pretender usar la simulación como una forma para buscar una solución cerrada.
Como conclusión final, la simulación del flujo vehicular dentro del distrito 10 de
es recomendable desarrollar los criterios con los que se deberá modelar el fenómeno A y
otros autores en campos afines, los valores obtenidos del estudio de la aceleración, máxi-
culos resultan adecuados para realizar más estudios de simulación en proyectos poste-
riores.
Universidad Mayor de San Simón 184
Ingeniería Civil
como una constante si se cumplen con los criterios propuestos en la sección 3.1 para la
efecto de esta variación sobre la modelación, el realizar más estudios de esta velocidad a
Los resultados obtenidos del estudio de aceleración mostraron que esta variable
El efecto del tiempo de reacción resultó ser el elemento con mayor dificultad para
metro engloba varios elementos, muchos de los cuales son ajenos a las características o
muchos de los elementos que requieren ser analizados, pero esta simplificación resulta
A fin de concretar los efectos propiamente dichos del tiempo de reacción y los
rrió a los estudios realizados por otros autores que consideraron los rangos de estos
valores desde 0,2 segundos hasta valores muy conservadores como 1,5 segundos. La
explicación para los valores altos obtenidos en este documento radica en el costo que
tienen los usuarios sobre el sistema, en consecuencia este costo deben ser analizado de
manera independiente teniendo en cuenta el origen del efecto y no solo el efecto como
tal. El efecto del tiempo de reacción radica en el conductor, pero el efecto de usuario
radica en las características de la zona, en este caso particular una zona comercial.
Si tomamos como base otros estudios, los tiempos de reacción para las condi-
ciones del entorno simulado oscilan en un rango de 0,2 segundos hasta un máximo de
0,5 segundos, dando como resultado que el efecto del uso del sistema por parte de los
usuarios tiene un rango desde 1,2 hasta 1,5 segundos para la zona estudiada, en otros
Universidad Mayor de San Simón 186
Ingeniería Civil
zonas este valor puede tener valores mucho menores o mucho mayores, pero el tiempo
grandes diferencia en los valores del flujo que devuelve el simulador, por tanto, se puede
suponer que favorecer el tiempo de respuesta que un conductor tiene ante ciertos
Quedo comprobado que el simulador solo puede ser usado como herramienta para
propósitos prácticos, desde esta perspectiva se realizaron varias simulaciones con el fin
de determinar los elementos que se deben tener en cuenta para realizar mejoras en el
sistema actual, los resultados de esta práctica son relacionados con la configuración de
semáforos actual y los posibles beneficios que se pueden obtener de distintas configu-
raciones.
por hora, las configuraciones de semáforos que presentarían un valor mayor al de este
estudiada.
Estudio de los factores de tráfico que influyen 187
en la capacidad vial con fines de simulación
los resultados de las distintas modificaciones propuestas son mostrados en las gráficas
4-7, donde a los distintos modelos propuestos tienen la misma duración de ciclo y la pro-
configuración de “semáforos todo el tiempo en verde”. Como se puede ver los modelos
coordinado simple y coordinado doble son muy similares y la configuración de ola verde
reproduce valores menores a los anteriores modelos, demostrando que una adecuada
coordinación de los semáforos es necesaria a fin de obtener mejores resultados del flujo
vehicular, sin embargo, el criterio con el que se debe enfocar este problema no está
sistema.
la duración del ciclo del semáforo, pero su efecto no es muy relevante como sugiere la
gráfica 4-11, las interacciones entre la duración del ciclo y el flujo a densidades altas
muestra que con una mayor duración del ciclo el flujo incrementa, pero el efecto de
incrementar la duración del ciclo del semáforo presentaría a nivel prácticos más proble-
relación entre la duración del semáforo en rojo y duración del ciclo, este resultó ser el
Universidad Mayor de San Simón 188
Ingeniería Civil
elemento de gestión con mayor influencia sobre el sistema, el caso más favorable es un
condición donde todo el tiempo los semáforos estén en verde, esta configuración tiene
un flujo de 1300 vehículos por hora, siendo el máximo valor posible, las configuraciones
con proporción de duración del ciclo en rojo con respecto a todo el ciclo de 0,5
los semáforos actual y la configuración propuesta tiene una relación próxima a 0,46 y
0,4 respectivamente dando como resultado un volumen de 700 vehículos, todos estos
6.4 RECOMENDACIONES
desarrollar el modelo desde las zonas con bajas densidades hacia las zonas con
altas densidades.
simulación.
varianza del flujo en periodos cortos de tiempo (~2 min) y procurar mitigar esta
varianza con el fin de tener un sistema de flujo estable para densidades altas o
bajas.
BIBLIOGRAFÍA
[1-16]
[1] R. W. Rothery and R. Herman, "Non-linear follow-the-leader models of traffic flow," Operations
Research, vol. 9, pp. 545-567, 1961.
[2] J. M. d. C. Granados., "Una teoría de seguimiento entre vehículos," Ph.D., Escuela Superior de
Ingenieros de la Universidad de Sevilla, Universidad de Sevilla, Sevilla, España, 1994.
[3] R. C. Bu, Simulación un enfoque práctico. Mexico DF: Limusa, 1996.
[4] K. Nagel and M. Schreckenberg, "A cellular automaton model for freeway traffic," Journal de
phisique I, vol. 2, pp. 2221-2229, 1992.
[5] M. Corporation, "Microsoft Visual Studio 2008," 9.0.21022.8. ed. USA: Microsoft Corporation,
2008.
[6] S. J. Escalera, Manual de Tesis de Grado para Ciencias y Tecnología, 3 ª ed. Cochabamba
Bolivia: UBB, 1992.
[7] N. Garber and L. Hoel, Ingeniería de tránsito y carreteras, 2ª ed. vol. 1. Virginia: Thomson
Learning, 2004.
[8] J. Hintze, "NCSS and GESS," 07.1.19 ed. Kaysville, Utha, USA: NCSS, 2007.
[9] R. O. Kuehl, Diseño de experimentos. Arizona , USA: Thomson Learning, 2001.
[10] J. R. Moreno, et al., "análisis de aceleración para un simulador microscópico de tráfico urbano,"
in Congreso de Ingeniería de Organización vol. 4, I. C. d. I. d. Organización, Ed., ed. Sevilla,
España: Dpto. de Organización y Gestión de Empresas. Escuela Superior de Ingenieros.
Universidad de Sevilla, 2001, pp. 327-329.
[11] L. Perez, "Introducción a la Simulación."
[12] A. Sánchez, Ed., Modelación, Simulación y Control de Tráfico Vehicular – MSCTV (CEREPS -
PIC – 075. Quito Ecuador: FUNDACYT, 2006, p.^pp. Pages.
[13] L. A. Villaroel, MAPIC Matriz de Planificación en Investigación Científica, Primera ed.
Cochabamba, Bolivia: Latinas Editores, 2005.
[14] M. Zamith, et al., "A probabilistic cellular automata model for highway traffic simulation,"
Procedia Computer Science, vol. 1, pp. 337-345, 2010.
[15] S. F. Hafstein, et al., "A High-Resolution Cellular Automata Traffic Simulation Model with
Application in a Freeway Traffic Information System," Computer-Aided Civil and Infrastructure
Engineering, vol. 19, pp. 338-350, 2004.
[16] S. Wolrfam. (1983, Cellular Automata and Complexity: Collected Papers. Available:
http://www.stephenwolfram.com/publications/articles/ca/83-statistical/2/text.html
Universidad Mayor de San Simón 192
Ingeniería Civil
ANEXOS
Tabla 7-109 Aforo de la calle Antezana y L. Cabrera, 17 de Junio del 2009. 290
Tabla 7-110 Aforo de la calle Antezana y Calama, 18 de Junio del 2009. 291
Tabla 7-111 Aforo de la calle Antezana y Jordán, 16 de Junio del 2009. 292
Tabla 7-112 Aforo de la calle Antezana y Sucre, 16 de Junio del 2009. 293
Tabla 7-113 Aforo de la calle Antezana y Bolivar, 15 de Junio del 2009. 294
Tabla 7-114 Aforo de la calle Lanza y Bolivar, 19 de Junio del 2009. 295
Tabla 7-115 Aforo de la calle Lanza y Sucre, 22 de Junio del 2009. 296
Tabla 7-116 Aforo de la calle Lanza y Jordán, 25 de Junio del 2009. 296
Tabla 7-117 Aforo de la calle Lanza y Calama, 25 de Junio del 2009. 298
Tabla 7-118 Aforo de la calle Lanza y L. Cabrera, 30 de Junio del 2009. 299
Tabla 7-119 Aforo de la calle Lanza y Uruguay, 1 de Julio. 300
Tabla 7-120 Aforo de la calle Bolivar y 16 de Julio, 21 de Mayo del 2009. 301
Tabla 7-121 Aforo de la calle Bolivar y Antezana, 15 de Junio del 2009. 302
Tabla 7-122 Aforo de la calle Bolivar y Lanza, 19 de Junio del 2009. 303
Tabla 7-123 Aforo de la calle Sucre y Lanza, 22 de Junio del 2009. 304
Tabla 7-124 Aforo de la calle Sucre y Antezana, 16 de Junio del 2009. 305
Tabla 7-125 Aforo de la calle Sucre y 16 de Julio, 02 de Junio del 2009. 306
Tabla 7-126 Aforo de la calle Jordán y 16 de Julio, 05 de Junio del 2009. 307
Tabla 7-127 Aforo de la calle Jordán y Antezana, 16 de Junio del 2009. 308
Tabla 7-128 Aforo de la calle Jordán y Lanza, 25 de Junio del 2009. 309
Tabla 7-129 Aforo de la calle Calama y Lanza, 25 de Junio del 2009. 310
Tabla 7-130 Aforo de la calle Calama y Antezana, 18 de Junio del 2009. 311
Tabla 7-131 Aforo de la calle Calama y 16 de Julio, 05 de Junio del 2009. 312
Tabla 7-132 Aforo de la calle L. Cabrera y 16 de Julio, 08 de Junio del 2009. 313
Tabla 7-133 Aforo de la calle L. Cabrera y Antezana, 17 de Junio del 2009. 314
Tabla 7-134 Aforo de la calle L. Cabrera y Lanza, 30 de Junio del 2009. 315
Tabla 7-135 Aforo de la calle Uruguay y Lanza, 01 de Julio del 2009. 316
Tabla 7-136 Aforo de la calle Uruguay y Antezana, 18 de Julio del 2009. 317
Tabla 7-137 Aforo de la calle Uruguay y 16 de Julio, 08 de Junio del 2009. 318
Tabla 7-138 Estudio para determinar la independencia de giros con relación al giro en al nodo
anterior, calle 16 de Julio. 319
Tabla 7-139 Estudio del tiempo de recorrido, calles 16 de Julio desde la av. Heroínas hasta la calle
Uruguay. 321
Tabla 7-140 Resumen estadistico del estudio de velocidad de recorrido, Calle 16 de Julio desde la
avenida Heroínas hasta la calle Uruguay. 321
Tabla 7-141 Estudio de pasajeros por vehículo del transporte público, Calle 16 de Julio y Bolívar. 323
Tabla 7-142 Estudio de pasajeros por vehículo del transporte público, Calle 16 de Julio y Bolívar. 324
Tabla 7-143 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de Julio y Bolívar. 325
Tabla 7-144 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de Julio y Bolívar. 326
Tabla 7-145 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de Julio y Bolívar. 327
Tabla 7-146 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de Julio y Bolívar. 328
Tabla 7-147 Resumen del estudio de pasajeros por vehículo del transporte público, calle 16 de Julio
y Bolívar 329
Tabla 7-148 Resumen del estudio de pasajeros por vehículo del transporte privado, calle 16 de Julio
y Bolívar. 330
Tabla 7-149 Modelo de simulación secundario. 348
Tabla 7-150 Resumen estadístico de la variable tiempo de recorrido para el simulador secundario. 351
Tabla 7-151 Pruebas de normalidad para la variable tiempo de recorrido del simulador secundario. 351
Universidad Mayor de San Simón 196
Ingeniería Civil
Anexo A:
Estudio de máxima
velocidad
Circuito Bolivia.
Tabla 7-6 Promedio y varianza para la máxima velocidad, estudio circuito Bolivia
Promedio Desviación
Parámetro Mediana Moda Varianza
m/s estándar
Valor 17,18963 17,06489 ----- 6,204337 2,490851
Error Std. 0,1303771 ----- 0,4318053 0,1225816
95% LCL 16,93324 16,82481 ----- 5,393133 2,322312
95% UCL 17,44602 17,40683 ----- 7,214431 2,685969
Valor de T 131,8455 ----- ----- -----
Tamaño ----- ----- ----- ----- -----
12.0
% de Observaciones
8.0
4.0
0.0
10.5 13.5 16.5 19.5 22.5 25.5
Velocidad [m/s]
Ilustración 0-1 Histograma, estudio circuito Bolivia
26.0
20.7
Velocidad
15.3
10.0
-3.0 -1.0 1.0 3.0
Distribución Normal
Anexo B:
Estudio de la máxima
velocidad en zonas
urbanas
Calle 16 de Julio y Pacciri.
Tabla 7-13 Promedio y varianza para la velocidad en zonas urbanas con densidades
bajas, estudio 16 de Julio y Pacciri
Parámetro Promedio Mediana Moda Varianza Desviación
estándar
Valor 8,194453 8,202663 ----- 1,094521 1,046193
Error Std. 6,85E-02 ----- 9,20E-02 6,22E-02
95% LCL 8,059416 8,034839 ----- 0,9197649 0,9590437
95% UCL 8,329491 8,383478 ----- 1,324574 1,150901
Valor de T 119,56 ----- ----- -----
Tamaño 233 23 ----- -----
Tabla 7-14 Percentiles para la velocidad en zonas urbanas con densidades bajas,
estudio 16 de Julio y Pacciri
Percentil Valor 95% LCL 95% UCL Nivel de
confianza
99 10,49117
95 10,10921 9,69697 10,19083 95,14098
90 9,59449 9,34381 9,74171 95,17992
85 9,29995 9,07077 9,54667 95,65115
80 9,07399 8,90551 9,30010 95,10588
75 8,90667 8,74111 9,08687 95,11278
70 8,75206 8,59475 8,92802 95,45029
65 8,61806 8,41413 8,80367 95,35342
60 8,43816 8,29939 8,66768 95,52503
55 8,34256 8,14929 8,49722 95,17410
50 8,20266 8,03483 8,38347 95,08614
45 8,06263 7,87662 8,22093 95,17410
40 7,90848 7,82052 8,10912 95,52503
35 7,84148 7,57634 7,95015 95,31277
30 7,70823 7,37818 7,84689 95,45029
25 7,41634 7,25533 7,72334 95,11278
20 7,26646 7,06085 7,44159 95,10588
15 7,06213 6,84286 7,25533 95,59689
10 6,82554 6,57495 7,04906 95,17992
5 6,44333 6,24123 6,65897 95,14098
1 5,77348
Estudio de los factores de tráfico que influyen 209
en la capacidad vial con fines de simulación
20.0
% de Observaciones
13.3
6.7
0.0
5.5 6.5 7.5 8.5 9.5 10.5 11.5
Velocidad [m/s]
Ilustración 7-3 Histograma de velocidad en zonas urbanas con densidades bajas,
estudio 16 de Julio y Pacciri
12.0
9.7
Velocidad
7.3
5.0
-3.0 -1.0 1.0 3.0
Distribución Normal
Ilustración 7-4 Gráfica de distribución normal de velocidad en zonas urbanas con
densidades bajas, estudio 16 de Julio y Pacciri
Estudio de los factores de tráfico que influyen 211
en la capacidad vial con fines de simulación
Anexo C:
Estudio de espaciamiento
promedio
Calle 16 de Julio y Bolívar.
Tabla 7-20 Resumen del promedio y varianza del espaciamiento promedio de los
vehiculos en congestión en zonas urbanas, calle 16 de Julio y Bolivar
Desviación
Parámetro Promedio Mediana Moda Varianza
estándar
Valor 5,5047 5,428571 5,428571 0,1643654 0,405420
Std Error 1,42E-02 1,020E-02 1,78E-02
95% LCL 5,4768 5,394605 0,1494541 0,386593
95% UCL 5,5320 5,457143 0,1816372 0,426189
Valor de T 386,4368
Nivel de
0
probabilidad
Tamaño 810 24
Tabla 7-21 Percentiles del estudio del espaciamiento de los vehículos en congestión
en zonas urbanas, calle 16 de Julio y Bolivar
Tamaño
Percentil
promedio
99 6,6067
95 6,3603
90 6,0539
85 5,8843
80 5,8080
75 5,7257
70 5,6869
65 5,5657
60 5,5022
55 5,4866
50 5,4285
45 5,3866
40 5,3264
35 5,2681
30 5,2342
25 5,2072
20 5,1885
15 5,1365
10 5,0806
5 4,9667
1 4,9249
Universidad Mayor de San Simón 216
Ingeniería Civil
20.0
% de Observaciones
13.3
6.7
0.0
4.5 5.0 5.5 6.0 6.5 7.0 7.5
Tamaño [m/veh.]
Tabla 7-22 Parámetro estadísticos del estudio del espaciamiento de los vehículos en
congestión en zonas urbanas, calle 16 de Julio y Bolivar
Fisher's Fisher's Coeficiente Coeficiente
Parámetros Skewness Curtosis
g1 g2 de variación de dispersión
Valor 1,043012 4,106174 1,044948 1,120477 7,36E-02 5,69E-02
Error
9,15E-02 0,349405 2,17E-03
estándar
Tabla 7-23 Pruebas de normalidad del estudio del espaciamiento de los vehículos en
congestión en zonas urbanas, calle 16 de Julio y Bolivar
Nombre de la Nivel de 10% de 5% de valor
valor del test Decisión
prueba probabilidad valor crítico crítico
Shapiro-Wilk W No se aplica No se aplica No se aplica No se aplica No se aplica
Anderson-
No se aplica No se aplica No se aplica No se aplica No se aplica
Darling
Martinez-
No se aplica No se aplica No se aplica No se aplica No se aplica
Iglewicz
Kolmogorov- Rechazar
0,11801 0,030 0,032
Smirnov normalidad
D'Agostino Rechazar
10,22759 0 1,645 1,960
Skewness normalidad
D'Agostino Rechazar
4,45810 0,000008 1,645 1,960
Kurtosis normalidad
D'Agostino Rechazar
124,47810 0 4,605 5,991
Omnibus normalidad
Estudio de los factores de tráfico que influyen 217
en la capacidad vial con fines de simulación
7.5
Separción [m/veh]
6.5
5.5
4.5
-4.0 -1.3 1.3 4.0
Distribución Normal
Ilustración 7-6 Gráfica de normalidad del estudio de espaciamiento de los vehículos
en congestión en zonas urbanas, calle 16 de Julio y Bolivar
Universidad Mayor de San Simón 218
Ingeniería Civil
Anexo D:
Estudio de la aceleración
y la máxima velocidad
Avenida Rubén Darío.
𝒅𝒗 𝒗
= 𝒂𝒎á𝒙 − 𝒂𝒎á𝒙 ∗ 𝒗 (7-2)
𝒅𝒕 𝒎á𝒙
𝟏
𝒗 𝒅𝒗 = 𝒅𝒕 (7-3)
𝒂𝒎á𝒙 −𝒂𝒎á𝒙 ∗
𝒗𝒎á𝒙
𝒂
− 𝒎á𝒙 ∗𝒕
𝒗 = 𝒗𝒎á𝒙 − 𝒆 𝒗𝒎á𝒙
∗ 𝒆𝒄𝟏 (7-4)
Condiciones de borde:
𝑣=0 𝑡=0
𝒂
− 𝒎á𝒙 ∗𝟎
𝟎 = 𝒗𝒎á𝒙 − 𝒆 𝒗𝒎á𝒙
∗ 𝒆𝒄𝟏 (7-5)
𝒆𝒄𝟏 = 𝒗𝒎á𝒙 (7-6)
𝒂
− 𝒎á𝒙 ∗𝒕
𝒗 = 𝒗𝒎á𝒙 − 𝒗𝒎á𝒙 ∗ 𝒆 𝒗𝒎á𝒙
(7-7)
𝒂
− 𝒎á𝒙 ∗𝒕
𝒅𝒙 = (𝒗𝒎á𝒙 − 𝒗𝒎á𝒙 ∗ 𝒆 𝒗𝒎á𝒙
) 𝒅𝒕 (7-8)
𝒂
𝒗𝒎á𝒙 𝟐 − 𝒎á𝒙 ∗𝒕
𝒙 = 𝒗𝒎á𝒙 ∗ 𝒕 + ∗𝒆 𝒗𝒎á𝒙
+ 𝒄𝟐 (7-9)
𝒂𝒎á𝒙
Condiciones de borde:
𝑥=0 𝑡=0
𝒂
𝒗𝒎á𝒙 𝟐 − 𝒎á𝒙 ∗𝟎
𝟎 = 𝒗𝒎á𝒙 ∗ 𝟎 − ∗𝒆 𝒗𝒎á𝒙
+ 𝒄𝟐 (7-10)
𝒂𝒎á𝒙
𝒗𝒎á𝒙 𝟐
𝒄𝟐 = (7-11)
𝒂𝒎á𝒙
𝒂
𝒗𝒎á𝒙 𝟐 − 𝒎á𝒙 ∗𝒕 𝒗𝒎á𝒙 𝟐
𝒙 = 𝒗𝒎á𝒙 ∗ 𝒕 + ∗𝒆 𝒗𝒎á𝒙
+ (7-12)
𝒂𝒎á𝒙 𝒂𝒎á𝒙
Donde:
𝑥 Posición
𝑣 Velocidad
𝑣𝑚á𝑥 Máxima velocidad
𝑎𝑚á𝑥 Máxima aceleración
Estudio de los factores de tráfico que influyen 233
en la capacidad vial con fines de simulación
𝒅𝒗 𝒗−𝒗𝒊
= 𝒂𝒎á𝒙 − 𝒂𝒎á𝒙 ∗ 𝒗 (7-14)
𝒅𝒕 𝒎á𝒙 −𝒗𝒊
𝟏
𝒗−𝒗𝒊 𝒅𝒗 = 𝒅𝒕 (7-15)
𝒂𝒎á𝒙 −𝒂𝒎á𝒙 ∗
𝒗𝒎á𝒙 −𝒗𝒊
𝒂𝒎á𝒙
− ∗𝒕
𝒗 = 𝒗𝒎á𝒙 − 𝒆 𝒗𝒎á𝒙 −𝒗𝒊
∗ 𝒆𝒄𝟏 (7-16)
Condiciones de borde:
𝑣 = 𝑣𝑖 𝑡 = 𝑡𝑖
𝒂𝒎á𝒙
− ∗𝒕
𝒗𝒎á𝒙 −𝒗𝒊 𝒊
𝒗𝒊 = 𝒗𝒎á𝒙 − 𝒆 ∗ 𝒆𝒄𝟏 (7-17)
𝒂𝒎á𝒙
∗𝒕𝒊
𝒆𝒄𝟏 = (𝒗𝒎á𝒙 − 𝒗𝒊 ) ∗ 𝒆𝒗𝒎á𝒙 −𝒗𝒊 (7-18)
𝒂𝒎á𝒙 𝒂𝒎á𝒙
∗𝒕 − ∗𝒕
𝒗𝒎á𝒙 −𝒗𝒊 𝒊
𝒗 = 𝒗𝒎á𝒙 − (𝒗𝒎á𝒙 − 𝒗𝒊 ) ∗ 𝒆 ∗𝒆 𝒗𝒎á𝒙 −𝒗𝒊
(7-19)
𝒂𝒎á𝒙 𝒂𝒎á𝒙
∗𝒕 − ∗𝒕
𝒗𝒎á𝒙 −𝒗𝒊 𝒊
𝒅𝒙 = (𝒗𝒎á𝒙 − (𝒗𝒎á𝒙 − 𝒗𝒊 ) ∗ 𝒆 ∗𝒆 𝒗𝒎á𝒙 −𝒗𝒊
) 𝒅𝒕 (7-20)
𝒂𝒎á𝒙 𝒂𝒎á𝒙
(𝒗𝒎á𝒙 −𝒗𝒊 )𝟐 ∗𝒕𝒊 − ∗𝒕
𝒙 = 𝒗𝒎á𝒙 ∗ 𝒕 + ∗ 𝒆𝒗𝒎á𝒙−𝒗𝒊 ∗𝒆 𝒗𝒎á𝒙 −𝒗𝒊
+ 𝒄𝟐 (7-21)
𝒂𝒎á𝒙
Condiciones de borde:
𝑥 = 𝑥𝑖 𝑡 = 𝑡𝑖
Universidad Mayor de San Simón 234
Ingeniería Civil
𝒂𝒎á𝒙 𝒂𝒎á𝒙
(𝒗𝒎á𝒙 −𝒗𝒊 )𝟐 ∗𝒕
𝒗𝒎á𝒙 −𝒗𝒊 𝒊
− ∗𝒕
𝒗𝒎á𝒙 −𝒗𝒊 𝒊
𝒙𝒊 = 𝒗𝒎á𝒙 ∗ 𝒕𝒊 + ∗𝒆 ∗𝒆 + 𝒄𝟐 (7-22)
𝒂𝒎á𝒙
𝒂𝒎á𝒙
𝒙𝒊 = 𝒕𝒊 𝟐 (7-23)
𝟐
𝒗𝒊
𝒕𝒊 = 𝒂 (7-24)
𝒎á𝒙
𝒗𝒊 𝒗𝟐 𝒗𝒎𝒂𝒙 𝟐
𝒄𝟐 = 𝒗𝒎𝒂𝒙 ∗ 𝒂 − 𝟏𝟐 ∗ 𝒂 𝒊 − (7-25)
𝒎á𝒙 𝒎á𝒙 𝒂𝒎á𝒙
𝒗𝒊 𝒂𝒎á𝒙
(𝒗𝒎á𝒙 −𝒗𝒊 )𝟐 − ∗𝒕 𝒗𝒊 𝒗𝟐 𝒗𝒎𝒂𝒙 𝟐
𝒙 = 𝒗𝒎á𝒙 ∗ 𝒕 + ∗ 𝒆𝒗𝒎á𝒙−𝒗𝒊 ∗ 𝒆 𝒗𝒎á𝒙 −𝒗𝒊
+ 𝒗𝒎𝒂𝒙 ∗ 𝒂 − 𝟏𝟐 ∗ 𝒂 𝒊 −
𝒂𝒎á𝒙 𝒎á𝒙 𝒎á𝒙 𝒂𝒎á𝒙
(7-26)
Donde:
𝑥 Posición
𝑣 Velocidad
𝑣𝑖 Velocidad en el instante que le vehículo deja de acelerar
uniformemente.
𝑡𝑖 Instante que le vehículo deja de acelerar uniformemente.
𝑥𝑖 Posición en el instante que le vehículo deja de acelerar
uniformemente.
𝑣𝑚á𝑥 Máxima velocidad
𝑎𝑚á𝑥 Máxima aceleración
18.0
14.0
Velocidad [m/s]
10.0
6.0
-3.0 -1.0 1.0 3.0
Distribución Normal
14.0
% de Observaciones
9.3
4.7
0.0
6.0 8.0 10.0 12.0 14.0 16.0 18.0
Velocidad [m/s]
Ilustración 7-8 Histograma de la varible máxima velocidad deseada obtenida de la
regresión del estudio en la avenida Rubén Dario
18.0
Aceleración [m/s^2]
14.0
10.0
6.0
-3.0 -1.0 1.0 3.0
Distribución Normal
14.0
% de Observaciones
9.3
4.7
0.0
0.0 0.8 1.7 2.5 3.3 4.2 5.0
Aceleración [m/s^2]
Anexo E:
Aforo de Flujo vehicular
Calles: 16 de Julio, Antezana, Lanza, Bolívar,
Sucre, Jordán, Calama, Ladislao Cabrera,
Uruguay.
Tabla
Estudio de los factores de tráfico que influyen 297
en la capacidad vial con fines de simulación
Tabla 7-138 Estudio para determinar la independencia de giros con relación al giro
en al nodo anterior, calle 16 de Julio
Calle: Bolivar Calle: Sucre Calle: Jordan Calle: Calama Calle: L. Cabrera Calle: Uruguay
Aforo Matrícula Gira? Aforo Matrícula Gira? Aforo Matrícula Gira? Aforo Matrícula Gira? Aforo Matrícula Gira? Aforo Matrícula Gira?
1 487-*** Si 1 766-*** Si 1 2057-*** No 1 516-*** No 1 514-*** Si 1 1870-*** Si
2 1683-*** No 2 2382-*** No 2 1047-*** No 2 862-*** No 2 865-*** No 2 1615-*** Si
3 754-*** No 3 1403-*** Si 3 1875-*** No 3 889-*** Si 3 2071-*** Si 3 1007-*** No
4 2223-*** Si 4 1773-*** No 4 2059-*** No 4 550-*** No 4 2394-*** Si 4 501-*** Si
5 2101-*** Si 5 2070-*** No 5 2268-*** Si 5 1544-*** No 5 2234-*** No 5 1431-*** Si
6 1220-*** Si 6 805-*** Si 6 822-*** Si 6 1097-*** No 6 2264-*** No 6 770-*** No
7 2193-*** No 7 414-*** No 7 493-*** No 7 646-*** Si 7 1421-*** No 7 555-*** No
8 1263-*** No 8 954-*** No 8 1087-*** No 8 2127-*** Si 8 1808-*** No 8 1023-*** No
9 1592-*** No 9 821-*** No 9 1143-*** No 9 1822-*** No 9 1475-*** No 9 1890-*** Si
10 1413-*** Si 10 893-*** No 10 2380-*** Si 10 1603-*** No 10 1989-*** No 10 513-*** No
11 2180-*** Si 11 2353-*** No 11 723-*** Si 11 2239-*** No 11 916-*** Si 11 1911-*** Si
12 1313-*** No 12 1081-*** No 12 1527-*** No 12 2351-*** No 12 471-*** No 12 1999-*** Si
13 2174-*** Si 13 1472-*** Si 13 1392-*** No 13 2102-*** Si 13 477-*** Si 13 1222-*** No
14 1871-*** No 14 1631-*** No 14 796-*** No 14 1411-*** No 14 924-*** Si 14 658-*** No
15 2359-*** No 15 401-*** No 15 828-*** No 15 804-*** Si 15 2273-*** No 15 1892-*** Si
16 1054-*** No 16 1641-*** No 16 1311-*** No 16 665-*** Si 16 1840-*** Si 16 1689-*** Si
17 2006-*** No 17 2132-*** No 17 1222-*** Si 17 647-*** Si 17 603-*** No 17 1479-*** Si
18 1799-*** No 18 2359-*** No 18 1803-*** No 18 1201-*** Si 18 405-*** No 18 1629-*** No
19 2171-*** Si 19 1495-*** No 19 1811-*** Si 19 1482-*** No 19 874-*** No 19 1459-*** No
20 1639-*** No 20 2351-*** No 20 1383-*** No 20 1266-*** No 20 1128-*** No 20 514-*** Si
21 1594-*** No 21 1997-*** No 21 2321-*** Si 21 1597-*** No 21 1287-*** No 21 1010-*** Si
22 1718-*** Si 22 1162-*** No 22 1341-*** Si 22 1697-*** Si 22 1432-*** No 22 1783-*** No
23 2249-*** No 23 1055-*** No 23 2065-*** No 23 2079-*** No 23 656-*** Si 23 2139-*** No
24 1529-*** Si 24 521-*** No 24 1681-*** No 24 923-*** No 24 1592-*** No 24 441-*** No
25 1871-*** Si 25 1947-*** No 25 1158-*** No 25 409-*** Si 25 1659-*** No 25 2301-*** No
26 1802-*** Si 26 2121-*** No 26 633-*** No 26 1214-*** No 26 1382-*** No 26 1806-*** No
27 755-*** No 27 1051-*** Si 27 1330-*** No 27 2102-*** No 27 2207-*** No 27 457-*** Si
28 1747-*** No 28 776-*** No 28 854-*** No 28 661-*** No 28 1690-*** No 28 555-*** Si
29 2310-*** No 29 1525-*** No 29 897-*** No 29 1815-*** No 29 731-*** No 29 1965-*** No
30 599-*** No 30 1334-*** No 30 2205-*** Si 30 2135-*** No 30 1229-*** No 30 1511-*** No
31 1221-*** Si 31 1369-*** Si 31 2332-*** Si 31 1139-*** No 31 2089-*** Si 31 1907-*** No
32 1919-*** No 32 1986-*** Si 32 1020-*** Si 32 1320-*** No 32 1641-*** No 32 2393-*** No
33 423-*** Si 33 1356-*** No 33 1303-*** Si 33 1686-*** Si 33 985-*** Si 33 1730-*** No
34 1959-*** No 34 2231-*** No 34 1705-*** No 34 1911-*** No 34 1384-*** Si 34 2211-*** Si
35 1062-*** No 35 854-*** Si 35 434-*** No 35 1273-*** No 35 708-*** No
36 1465-*** No 36 476-*** No 36 733-*** Si 36 2256-*** No 36 853-*** No
37 1753-*** No 37 1315-*** No 37 2185-*** No 37 1914-*** Si 37 1253-*** No
38 2094-*** No 38 2096-*** No 38 709-*** No 38 1278-*** No 38 623-*** Si
39 744-*** No 39 1237-*** No 39 2031-*** Si 39 2188-*** No 39 984-*** No
40 869-*** Si 40 489-*** No 40 1438-*** No 40 2298-*** No 40 908-*** No
41 862-*** No 41 542-*** No 41 1191-*** No 41 642-*** No 41 408-*** Si
42 1026-*** No 42 2236-*** No 42 1625-*** No 42 1077-*** No
43 1400-*** No 43 2208-*** No 43 1087-*** Si 43 1071-*** Si
44 1028-*** Si 44 898-*** Si 44 414-*** Si 44 1970-*** Si
45 2045-*** Si 45 2029-*** Si 45 1197-*** No 45 1085-*** No
46 647-*** Si 46 728-*** No 46 2022-*** No 46 784-*** No
47 955-*** No 47 427-*** No 47 410-*** Si 47 1563-*** Si
48 1605-*** No 48 1375-*** No 48 1778-*** No 48 2076-*** Si
49 1833-*** No 49 1696-*** No 49 1569-*** Si 49 2211-*** Si
50 1995-*** No 50 1090-*** No 50 921-*** No 50 1637-*** Si
51 2094-*** No 51 2218-*** No 51 1044-*** No 51 2245-*** No
52 967-*** No 52 1226-*** Si 52 439-*** No 52 2029-*** No
53 1811-*** Si 53 2308-*** No 53 1324-*** No 53 2249-*** No
54 2254-*** No 54 1930-*** No 54 2053-*** No
55 1950-*** Si 55 1015-*** No 55 1680-*** Si
56 1428-*** No 56 2035-*** Si 56 729-*** No
57 2004-*** No 57 1373-*** Si 57 1714-*** Si
58 1834-*** No 58 523-*** No 58 783-*** Si
59 2373-*** Si 59 1497-*** Si 59 1239-*** Si
60 1230-*** No 60 2015-*** Si
61 403-*** No 61 402-*** Si
62 2335-*** No
63 1651-*** No
64 1965-*** Si
65 968-*** Si
Prueba rápida de independencia de variables aleatorias
Porcentaje de giros 36.59% Porcentaje de giros 23.73% Porcentaje de giros 32.08% Porcentaje de giros 31.15% Porcentaje de giros 32.35% Porcentaje de giros 47.69%
Nivel de confianza 95% Nivel de confianza 95% Nivel de confianza 95% Nivel de confianza 95% Nivel de confianza 95% Nivel de confianza 95%
Mínimo 0.2359 Mínimo 0.14694 Mínimo 0.21092 Mínimo 0.20937 Mínimo 0.19131 Mínimo 0.36022
Máximo 0.5188 Máximo 0.35975 Máximo 0.45482 Máximo 0.43592 Máximo 0.49157 Máximo 0.59621
Porcentaje esperado: 40.22% Porcentaje esperado: 25.11% Porcentaje esperado: 33.95% Porcentaje esperado: 36.38% Porcentaje esperado: 34.05% Porcentaje esperado: 24.26%
Independientes SI Independientes SI Independientes SI Independientes SI Independientes SI Independientes NO
Universidad Mayor de San Simón 320
Ingeniería Civil
Anexo G:
Estudio del tiempo de
recorrido
Calle 16 de Julio.
Estudio de los factores de tráfico que influyen 321
en la capacidad vial con fines de simulación
Tabla 7-139 Estudio del tiempo de recorrido, calles 16 de Julio desde la av.
Heroínas hasta la calle Uruguay
Tiempo de
Entrada Salida
Estudio recorrido [min.]
Hora Min. Seg. Hora Min. Seg.
1 9 34 56,9 9 46 17,4 11,3
2 9 35 4,3 9 46 56,6 11,8
3 9 39 28,4 9 51 43,4 12,2
4 9 40 59,3 9 52 50,3 11,8
5 9 47 48,6 10 2 6,5 14,3
6 9 56 19,3 10 6 36,0 10,2
7 9 56 31,1 10 6 44,7 10,2
8 10 0 55,1 10 10 57,7 10,0
9 10 3 56,3 10 14 18,2 10,3
10 10 6 16,8 10 17 20,4 11,0
11 10 9 18,3 10 20 13,8 10,9
12 10 10 51,8 10 22 19,7 11,4
13 10 13 55,5 10 24 49,1 10,8
14 10 18 0,1 10 30 14,3 12,2
15 10 21 40,6 10 32 10,4 10,5
16 10 27 0,3 10 40 32,1 13,5
17 10 28 39,9 10 43 20,2 14,6
18 10 30 53,5 10 44 48,4 13,9
19 10 35 33,7 10 48 37,2 13,0
20 10 36 57,0 10 50 16,7 13,3
21 10 37 3,6 10 51 2,7 13,9
22 10 40 58,5 10 52 45,4 11,7
23 10 42 27,0 10 54 59,4 12,5
24 10 49 54, 10 59 47,8 9,8
25 10 52 23,0 11 0 33,5 8,1
26 10 54 48,4 11 3 6,9 8,3
27 10 56 7,7 11 6 12,6 10,0
Anexo F:
Estudio de pasajeros por
vehículo
Calle 16 de Julio y Bolívar.
Tabla 7-141 Estudio de pasajeros por vehículo del transporte público, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
1 13 42 16 83 11
2 7 43 15 84 11
3 12 44 8 85 2
4 3 45 1 86 7
5 4 46 3 87 6
6 6 47 1 88 6
7 8 48 10 89 9
8 7 49 7 90 2
9 10 50 7 91 2
10 5 51 3 92 3
11 8 52 5 93 9
12 7 53 5 94 9
13 8 54 7 95 3
14 5 55 4 96 7
15 2 56 8 97 13
16 17 57 3 98 7
17 2 58 9 99 6
18 1 59 6 100 6
19 7 60 10 101 3
20 7 61 10 102 4
21 5 62 8 103 2
22 4 63 1 104 8
23 10 64 8 105 5
24 12 65 4 106 3
25 8 66 2 107 5
26 2 67 5 108 7
27 4 68 12 109 9
28 6 69 5 110 11
29 3 70 5 111 5
30 5 71 3 112 5
31 2 72 4 113 8
32 10 73 8 114 7
33 5 74 8 115 7
34 2 75 4 116 7
35 9 76 6 117 2
36 5 77 7 118 8
37 7 78 6 119 13
38 5 79 8 120 5
39 2 80 7 121 3
40 2 81 4 122 8
41 4 82 4 123 5
Universidad Mayor de San Simón 324
Ingeniería Civil
Tabla 7-142 Estudio de pasajeros por vehículo del transporte público, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
124 9 165 6 206 16
125 6 166 4 207 4
126 16 167 3 208 6
127 6 168 7 209 5
128 18 169 3 210 3
129 7 170 4 211 6
130 6 171 5 212 7
131 4 172 2 213 2
132 4 173 6 214 11
133 5 174 3 215 9
134 8 175 8 216 2
135 5 176 4 217 10
136 14 177 3 218 3
137 7 178 6 219 7
138 11 179 9 220 6
139 1 180 4 221 4
140 4 181 3 222 4
141 2 182 7 223 5
142 2 183 8 224 2
143 18 184 15 225 4
144 2 185 1 226 5
145 7 186 11 227 3
146 4 187 14 228 2
147 5 188 6 229 2
148 8 189 6 230 4
149 12 190 6 231 6
150 18 191 2 232 4
151 3 192 3 233 12
152 10 193 1 234 6
153 9 194 1 235 4
154 8 195 4 236 3
155 5 196 7 237 15
156 9 197 3 238 6
157 11 198 7 239 6
158 3 199 3 240 4
159 2 200 2 241 9
160 9 201 11
161 10 202 7
162 5 203 8
163 7 204 7
164 10 205 9
Estudio de los factores de tráfico que influyen 325
en la capacidad vial con fines de simulación
Tabla 7-143 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
1 2 46 1 91 1
2 1 47 1 92 1
3 3 48 2 93 3
4 4 49 1 94 3
5 1 50 1 95 2
6 2 51 1 96 1
7 2 52 1 97 1
8 1 53 1 98 1
9 2 54 1 99 2
10 1 55 1 100 2
11 2 56 1 101 2
12 2 57 2 102 1
13 1 58 3 103 4
14 2 59 2 104 3
15 2 60 2 105 1
16 1 61 1 106 1
17 1 62 1 107 3
18 1 63 1 108 2
19 1 64 2 109 3
20 1 65 2 110 2
21 3 66 2 111 2
22 1 67 3 112 1
23 3 68 1 113 2
24 3 69 1 114 2
25 2 70 2 115 2
26 2 71 1 116 1
27 2 72 3 117 1
28 2 73 3 118 1
29 2 74 3 119 1
30 1 75 2 120 2
31 2 76 1 121 2
32 2 77 1 122 2
33 1 78 1 123 1
34 2 79 2 124 2
35 1 80 1 125 1
36 1 81 3 126 2
37 1 82 1 127 3
38 2 83 1 128 2
39 1 84 4 129 1
40 3 85 1 130 2
41 1 86 3 131 3
42 1 87 3 132 1
43 2 88 2 133 1
44 1 89 2 134 1
45 2 90 2 135 1
Universidad Mayor de San Simón 326
Ingeniería Civil
Tabla 7-144 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
136 2 181 3 226 2
137 1 182 1 227 2
138 3 183 1 228 1
139 1 184 2 229 2
140 1 185 2 230 1
141 2 186 2 231 2
142 2 187 1 232 2
143 1 188 2 233 2
144 4 189 2 234 1
145 2 190 2 235 1
146 1 191 1 236 1
147 1 192 1 237 2
148 2 193 2 238 1
149 2 194 3 239 2
150 1 195 3 240 1
151 2 196 3 241 1
152 2 197 3 242 2
153 2 198 2 243 1
154 1 199 2 244 2
155 1 200 2 245 2
156 1 201 3 246 2
157 1 202 2 247 2
158 1 203 1 248 1
159 1 204 3 249 2
160 2 205 2 250 1
161 3 206 2 251 2
162 2 207 1 252 1
163 2 208 1 253 2
164 2 209 1 254 1
165 2 210 1 255 1
166 2 211 1 256 2
167 1 212 4 257 1
168 1 213 2 258 1
169 2 214 2 259 3
170 1 215 3 260 3
171 1 216 1 261 1
172 1 217 1 262 1
173 1 218 2 263 1
174 3 219 1 264 3
175 2 220 3 265 3
176 3 221 3 266 2
177 2 222 1 267 3
178 1 223 5 268 2
179 3 224 2 269 3
180 2 225 1 270 1
Estudio de los factores de tráfico que influyen 327
en la capacidad vial con fines de simulación
Tabla 7-145 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
271 1 316 3 361 1
272 2 317 1 362 1
273 3 318 1 363 2
274 2 319 2 364 2
275 1 320 2 365 2
276 3 321 2 366 2
277 1 322 2 367 1
278 2 323 2 368 2
279 2 324 2 369 2
280 2 325 2 370 2
281 2 326 1 371 3
282 1 327 1 372 2
283 1 328 5 373 2
284 2 329 3 374 2
285 1 330 1 375 1
286 1 331 3 376 2
287 3 332 1 377 1
288 3 333 1 378 2
289 2 334 1 379 2
290 1 335 1 380 2
291 1 336 2 381 1
292 2 337 2 382 1
293 2 338 2 383 1
294 1 339 2 384 1
295 1 340 1 385 1
296 2 341 3 386 2
297 1 342 1 387 1
298 2 343 1 388 2
299 2 344 1 389 1
300 3 345 3 390 2
301 1 346 5 391 4
302 2 347 3 392 2
303 2 348 1 393 1
304 1 349 2 394 2
305 1 350 2 395 1
306 2 351 2 396 2
307 1 352 1 397 1
308 1 353 1 398 3
309 1 354 1 399 2
310 2 355 2 400 2
311 3 356 1 401 2
312 1 357 1 402 2
313 2 358 3 403 2
314 2 359 2 404 1
315 1 360 2 405 3
Universidad Mayor de San Simón 328
Ingeniería Civil
Tabla 7-146 Estudio de pasajeros por vehículo del transporte privado, Calle 16 de
Julio y Bolívar
Estudio Número de Estudio Número de Estudio Número de
usuarios usuarios usuarios
406 2 451 1 496 2
407 2 452 2 497 3
408 1 453 2 498 1
409 2 454 3 499 2
410 1 455 3 500 2
411 2 456 2 501 2
412 4 457 2 502 2
413 2 458 4 503 1
414 2 459 1 504 3
415 2 460 1 505 1
416 1 461 3 506 1
417 1 462 2 507 2
418 4 463 2 508 3
419 2 464 1 509 2
420 2 465 1 510 2
421 2 466 2 511 2
422 1 467 1 512 1
423 2 468 2 513 3
424 1 469 2 514 1
425 2 470 1 515 2
426 1 471 3 516 2
427 2 472 2 517 3
428 2 473 1 518 2
429 3 474 3 519 1
430 1 475 2 520 4
431 2 476 2 521 1
432 2 477 1 522 1
433 1 478 2 523 1
434 1 479 1 524 2
435 3 480 2 525 1
436 2 481 1 526 3
437 3 482 1 527 1
438 4 483 2 528 3
439 2 484 2 529 3
440 3 485 1 530 2
441 1 486 2 531 1
442 2 487 1 532 2
443 2 488 1 533 3
444 2 489 1 534 1
445 1 490 1 535 2
446 2 491 1 536 1
447 2 492 2 537 1
448 1 493 2 538 2
449 1 494 1 539 1
450 2 495 1 540 3
Estudio de los factores de tráfico que influyen 329
en la capacidad vial con fines de simulación
Tabla 7-147 Resumen del estudio de pasajeros por vehículo del transporte público,
calle 16 de Julio y Bolívar
Desviación Error
Observaciones Promedio Mínimo Máximo Rango
estándar estándar
241 6.278008 3.591874 0.2313729 1 18 17
35
30
Número de observaciones
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Pasajeros por vehículo
Ilustración 0-11 Histograma de pasajeros por vehículo del transporte público, calle
16 de Julio y Bolívar
Universidad Mayor de San Simón 330
Ingeniería Civil
Tabla 7-148 Resumen del estudio de pasajeros por vehículo del transporte privado,
calle 16 de Julio y Bolívar
Desviación Error
Observaciones Promedio Mínimo Máximo Rango
estándar estándar
544 1.777574 0.8006517 3.43E-02 1 5 4
250
200
Número de observaciones
150
100
50
0
1 2 3 4
Pasajeros por vehículo
Ilustración 0-12 Histograma de pasajeros por vehículo del transporte privado, calle
16 de Julio y Bolívar
Estudio de los factores de tráfico que influyen 331
en la capacidad vial con fines de simulación
Anexo G:
Programación
Códigos en C#
Anexo G: Programación
Universidad Mayor de San Simón 332
Ingeniería Civil
Clase Program
using System;
namespace Simulador1
{
class Program
{
// sucre
if (Julio.ocupados[38] == 1)
{
if (semestudio.estadosemestudios[1] == "rojo")
{
if (Julio.velocidades_maxima[38] != 0)
{
vel_max_aux[1] = Julio.velocidades_maxima[38];
}
Julio.velocidades_maxima[38] = 0;
Julio.velocidades1[38] = 0;
Julio.Treaccion[38] = tiempo_de_reaccion_en_semáforos;
}
else
{
if (Julio.velocidades_maxima[38] == 0)
{
Julio.velocidades_maxima[38] = vel_max_aux[1];
}
}
}
// jordan
if (Julio.ocupados[58] == 1)
{
if (semestudio.estadosemestudios[2] == "rojo")
{
if (Julio.velocidades_maxima[58] != 0)
{
vel_max_aux[2] = Julio.velocidades_maxima[58];
}
Julio.velocidades_maxima[58] = 0;
Julio.velocidades1[58] = 0;
Julio.Treaccion[58] = tiempo_de_reaccion_en_semáforos;
}
else
{
if (Julio.velocidades_maxima[58] == 0)
{
Julio.velocidades_maxima[58] = vel_max_aux[2];
}
}
}
// calama
if (Julio.ocupados[77] == 1)
{
if (semestudio.estadosemestudios[3] == "rojo")
{
if (Julio.velocidades_maxima[77] != 0)
{
vel_max_aux[3] = Julio.velocidades_maxima[77];
}
Julio.velocidades_maxima[77] = 0;
Estudio de los factores de tráfico que influyen 335
en la capacidad vial con fines de simulación
Julio.velocidades1[77] = 0;
Julio.Treaccion[77] = tiempo_de_reaccion_en_semáforos;
}
else
{
if (Julio.velocidades_maxima[77] == 0)
{
Julio.velocidades_maxima[77] = vel_max_aux[3];
}
}
}
// l cabrera
if (Julio.ocupados[98] == 1)
{
if (semestudio.estadosemestudios[4] == "rojo")
{
if (Julio.velocidades_maxima[98] != 0)
{
vel_max_aux[4] = Julio.velocidades_maxima[98];
}
Julio.velocidades_maxima[98] = 0;
Julio.velocidades1[98] = 0;
Julio.Treaccion[98] = tiempo_de_reaccion_en_semáforos;
}
else
{
if (Julio.velocidades_maxima[98] == 0)
{
Julio.velocidades_maxima[98] = vel_max_aux[4];
}
}
}
// uruguay
if (Julio.ocupados[121] == 1)
{
if (semestudio.estadosemestudios[5] == "rojo")
{
if (Julio.velocidades_maxima[121] != 0)
{
vel_max_aux[5] = Julio.velocidades_maxima[121];
}
Julio.velocidades_maxima[121] = 0;
Julio.velocidades1[121] = 0;
Julio.Treaccion[121] = tiempo_de_reaccion_en_semáforos;
}
else
{
if (Julio.velocidades_maxima[121] == 0)
{
Julio.velocidades_maxima[121] = vel_max_aux[5];
}
}
Universidad Mayor de San Simón 336
Ingeniería Civil
}
#endregion
semestudio.dibujarsemáforos();
if (aleatorio.NextDouble() < (Convert.ToDouble(autos_en_sistema) /
Convert.ToDouble(Julio.número_de_celdas)))
{
Julio.ocupados[Julio.número_de_celdas] = 1;
}
else
{
Julio.ocupados[Julio.número_de_celdas] = 0;
}
// Simula ∆t (0,5 seg.) de movimiento de todos los vehículos en el interior del modelo.
Julio.Mover();
semestudio.actualizarsemáforo();
Console.Beep(37, 500);
// En esta sección se controla que exista cuando menos un vehículo para continuar con el
bucle en caso contrario termina el bucle entendiendose que no existe ningún vehículo en el sistema.
if (Julio.Autos_en_el_sistema() == 0)
{
hay_autos = false;
}
}
#region Guardar los datos de la corrida en la base de datos
/// En esta sección se guarda los datos principales de la simulación (tiempo de recorrido en
segundos, velocidad máxima del vehículo y aceleracion máxima del vehículo simulado).
dato.guardar_datos("Corrida", "[tiempo],[velocidad],[aceleracion]", (contador / 2).ToString() +
", " + velocidad + ", " + aceleracion);
Console.SetCursorPosition(23, 28);
Console.Write(contador / 2);
#endregion
Console.Clear();
}
Console.Beep(3000, 2000);
}
}
}
Clase Datos
using System;
using System.Data;
using System.Data.OleDb;
namespace Simulador1
{
class Datos
{
private OleDbConnection conexion;
private OleDbDataAdapter adaptador;
private DataTable tabla_de_datos;
//genera la conexión entre la base de datos y el programa principal
Estudio de los factores de tráfico que influyen 337
en la capacidad vial con fines de simulación
}
catch
{
Console.WriteLine("error al guardar en la base de datos");
Console.ReadKey(true);
}
}
// Mostrar el tamaño de la base de datos
public int tamaño_de_los_datos(string tabla)
{
tabla_de_datos = new DataTable();
adaptador = new OleDbDataAdapter("SELECT * FROM " + tabla + " ORDER BY ID",
conexion);
adaptador.Fill(tabla_de_datos);
return tabla_de_datos.Rows.Count;
}
public void cerrar()
{
conexion.Close();
adaptador.Dispose();
tabla_de_datos.Dispose();
}
}
}
Clase Semáforos
using System;
namespace Simulador1
{
class Semáforos
{
#region varibles
public Random aleatorio = new Random();
public double[] tiemposemestudios = new double[6];
public string[] estadosemestudios = new string[6];
public double[] semarojo = new double[6] { 30, 35, 27, 40, 21, 16 };
public double[] semaama = new double[6] { 3, 3, 3, 3, 3, 3 };
public double[] sematotal = new double[6] { 62, 62, 62, 62, 62, 62 };
public double[] sematotal = new double[6] { 71, 71, 71, 71, 43, 39 };
public double[] diferenciarojos = new double[5] { -16,5, 7,5, 11,0, 0,0, 0,0 };
public double dt = 0,5;
#endregion
public Semáforos()
{
tiemposemestudios[0] = (Convert.ToInt16(aleatorio.NextDouble() * 2 * sematotal[0])) / 2;
tiemposemestudios[1] = tiemposemestudios[0] + diferenciarojos[0];
tiemposemestudios[2] = tiemposemestudios[1] + diferenciarojos[1];
tiemposemestudios[3] = tiemposemestudios[2] + diferenciarojos[2];
tiemposemestudios[4] = (Convert.ToInt16(aleatorio.NextDouble() * 2 * sematotal[4])) / 2;
tiemposemestudios[5] = (Convert.ToInt16(aleatorio.NextDouble() * 2 * sematotal[5])) / 2;
Estudio de los factores de tráfico que influyen 339
en la capacidad vial con fines de simulación
Console.Write("·");
}
Console.SetCursorPosition(40, 14);
if (estadosemestudios[1] == "rojo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(60, 14);
if (estadosemestudios[2] == "rojo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(79, 14);
if (estadosemestudios[3] == "rojo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(100, 14);
if (estadosemestudios[4] == "rojo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(123, 14);
if (estadosemestudios[5] == "rojo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
//amarillo
Console.ForegroundColor = ConsoleColor.Yellow;
Console.SetCursorPosition(19, 15);
if (estadosemestudios[0] == "amarillo")
{
Estudio de los factores de tráfico que influyen 341
en la capacidad vial con fines de simulación
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(40, 15);
if (estadosemestudios[1] == "amarillo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(60, 15);
if (estadosemestudios[2] == "amarillo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(79, 15);
if (estadosemestudios[3] == "amarillo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(100, 15);
if (estadosemestudios[4] == "amarillo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(123, 15);
if (estadosemestudios[5] == "amarillo")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
// verde
Universidad Mayor de San Simón 342
Ingeniería Civil
Console.ForegroundColor = ConsoleColor.Green;
Console.SetCursorPosition(19, 16);
if (estadosemestudios[0] == "verde")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(40, 16);
if (estadosemestudios[1] == "verde")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(60, 16);
if (estadosemestudios[2] == "verde")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(79, 16);
if (estadosemestudios[3] == "verde")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(100, 16);
if (estadosemestudios[4] == "verde")
{
Console.Write("*");
}
else
{
Console.Write("·");
}
Console.SetCursorPosition(123, 16);
if (estadosemestudios[5] == "verde")
{
Console.Write("*");
}
else
Estudio de los factores de tráfico que influyen 343
en la capacidad vial con fines de simulación
{
Console.Write("·");
}
}
}
}
Clase Calles
using System;
namespace Simulador1
{
class Calles
{
#region variables
public int número_de_celdas;
public int tiempo_de_reaccion;
public double tamaño_de_celdas;
public double[] velocidades1;
public double[] velocidades2;
public double[] aceleraciones;
public double[] velocidades_maxima;
public double[] posiciones;
public double[] ocupados;
public int[] Treaccion;
public double dt = 0,5;
private int auxiliar1 = 0;
private int auxiliar2 = 0;
private int[] auxiliar_posiciones;
private Random aleatorio = new Random();
public int[] posiciones_aleatorias;
#endregion
public Calles (int n_c, double t_c, double t_r)
{
número_de_celdas = n_c;
tamaño_de_celdas = t_c;
tiempo_de_reaccion = Convert.ToInt16(t_r/dt);
velocidades1 = new double[n_c+1];
velocidades2 = new double[n_c+1];
aceleraciones = new double[n_c+1];
velocidades_maxima = new double[n_c+1];
posiciones = new double[n_c+1];
ocupados = new double[n_c+1];
Treaccion = new int[n_c+1];
}
public void Mover()
{
for (int x = número_de_celdas - 1; x >= 0; x--)
{
if ((ocupados[x] == 1) && (ocupados[x + 1] == 0))
Universidad Mayor de San Simón 344
Ingeniería Civil
{
if (Treaccion[x] < 1)
{
velocidades2[x] = velocidades_maxima[x] - (velocidades_maxima[x] - velocidades1[x]) /
(Math.Exp(aceleraciones[x] * dt / velocidades_maxima[x]));
posiciones[x] = velocidades_maxima[x] * dt - velocidades_maxima[x] * (velocidades2[x] -
velocidades1[x]) / aceleraciones[x] + posiciones[x];
velocidades1[x] = velocidades2[x];
if (posiciones[x] > tamaño_de_celdas)
{
try
{
posiciones[x + 1] = posiciones[x] - tamaño_de_celdas;
velocidades1[x + 1] = velocidades2[x];
aceleraciones[x + 1] = aceleraciones[x];
velocidades_maxima[x + 1] = velocidades_maxima[x];
velocidades_maxima[x] = 0;
ocupados[x + 1] = 1;
posiciones[x] = 0;
velocidades1[x] = 0;
velocidades2[x] = 0;
ocupados[x] = 0;
Console.ForegroundColor = ConsoleColor.Blue;
Console.SetCursorPosition(x, 18);
Console.Write(" *");
}
catch
{
Console.WriteLine("Error: Faltan celdas para llenar");
}
}
}
else
{
Treaccion[x] = Treaccion[x] - 1;
}
}
else
{
if ((ocupados[x] == 1) && (ocupados[x + 1] == 1))
{
if (Treaccion[x + 1] < 1)
{
velocidades1[x] = 0;
}
else
{
Treaccion[x] = tiempo_de_reaccion;
velocidades1[x] = 0;
}
}
}
Estudio de los factores de tráfico que influyen 345
en la capacidad vial con fines de simulación
}
}
public void asignar_posición(int celda, double velocidad, double aceleración, double velomax,
double posicion)
{
velocidades1[celda] = velocidad;
aceleraciones[celda] = aceleración;
velocidades_maxima[celda] = velomax;
posiciones[celda] = posicion;
ocupados[celda] = 1;
}
public int Autos_en_el_sistema()
{
int autos = 0;
for (int x = 0; x <= número_de_celdas - 1; x++)
{
if (ocupados[x] == 1)
{
autos = autos + 1;
}
}
return autos;
}
public void dibujar_calles()
{
Console.SetCursorPosition(0, 0);
Console.ForegroundColor = ConsoleColor.Gray;
Console.WriteLine("");
Console.WriteLine("SIMULADOR DE TRÁFICO VEHICULAR");
Console.WriteLine("");
Console.WriteLine("+--------------------------------------------------***DATOS DE ENTRADA**-----
-----------------------------------------------+");
Console.WriteLine("|
|");
Console.WriteLine("| Número de vehículos:
|");
Console.WriteLine("| Máxima aceleración :
|");
Console.WriteLine("| Máxima velocidad :
|");
Console.WriteLine("| Posición inicial :
|");
Console.WriteLine("| Velocidad inicial :
|");
Console.WriteLine("|
|");
Console.WriteLine("+--------------------------------------------------------------------------------------------
-------------------------------+");
Console.WriteLine("");
Console.WriteLine("");
Universidad Mayor de San Simón 346
Ingeniería Civil
Console.WriteLine("| | || || || || || |
|");
Console.WriteLine("| | || || || || || |
|");
Console.WriteLine("| | || || || || || |
|");
Console.WriteLine("· ·---------------· ·------------------· ·-----------------· ·----------------· ·--------------
----· ·--------------------· ·");
Console.WriteLine("");
Console.WriteLine("· ·---------------· ·------------------· ·-----------------· ·----------------· ·--------------
----· ·--------------------· ·");
Console.WriteLine("|H| |B| |S| |J| |C| |C|
|U|");
Console.WriteLine("|E| |O| |U| |O| |A| |A|
|R|");
Console.WriteLine("|R| |L| |C| |R| |L| |B|
|U|");
Console.WriteLine("|O| |I| |R| |D| |A| |R|
|G|");
Console.WriteLine("|I| |V| |E| |A| |M| |E|
|U|");
Console.WriteLine("");
Console.WriteLine("+--------------------------------------------------***DATOS DE SALIDA***-------
---------------------------------------------+");
Console.WriteLine("|
|");
Console.WriteLine("| Tiempo de recorrido:
|");
Console.WriteLine("|
|");
Console.WriteLine("+--------------------------------------------------------------------------------------------
-------------------------------+");
}
public void seleccionar_n_posiciones_aleatoriamente(int n)
{
auxiliar_posiciones = new int[número_de_celdas];
posiciones_aleatorias = new int[n];
for (int x = 0; x <= número_de_celdas - 1; x++)
{
auxiliar_posiciones[x] = x + 1;
}
for (int x = 1; x <= n; x++)
{
auxiliar1 = Convert.ToInt16((número_de_celdas - x) * aleatorio.NextDouble() + 0,5);
auxiliar2 = auxiliar_posiciones[número_de_celdas - x];
auxiliar_posiciones[número_de_celdas - x] = auxiliar_posiciones[auxiliar1];
auxiliar_posiciones[auxiliar1] = auxiliar2;
}
for (int x = 0; x < n; x++)
{
posiciones_aleatorias[x] = auxiliar_posiciones[número_de_celdas - 1 - x];
}
Estudio de los factores de tráfico que influyen 347
en la capacidad vial con fines de simulación
}
}
}
Universidad Mayor de San Simón 348
Ingeniería Civil
Donde:
(1) =ALEATORIO()*SUMA(B$2:D$2)
(2) =SI(RESIDUO(A10,SUMA(B$2:D$2))<B$2,"Rojo",SI(RESIDUO(A10,SUMA(B$2:C$2))<C$2+B$2,"Verde","Amarillo"))
(3) =ALEATORIO()
(4) =BUSCAR(C10,'Datos de velocidad'!H:H,'Datos de velocidad'!F:F)/3.6
(5) =ALEATORIO()
(6) =BUSCAR(E10,'Datos de aceleracion'!L:L,'Datos de aceleracion'!J:J)
(7) =-(D10^2/F10)+D10*F$2+(D10^2/F10)*EXP(-(F10*F$2/D10))
(8) =(E$2-G10)/D10+F$2
(9) =SI(RESIDUO(A10+H10,SUMA(B$2:D$2))<B$2,"Rojo",SI(RESIDUO(A10+H10,SUMA(B$2:D$2))<C$2+B$2,"Verde","Amarillo"))
(10) =1.5
(11) =SI(I10="Rojo",B$2-RESIDUO(H10+A10,SUMA(B$2:D$2))+J10+H10,H10)
(12) =A10+K10-16,5
(13) =SI(RESIDUO(L10;SUMA(B$3:D$3))<B$3;"Rojo";SI(RESIDUO(L10;SUMA(B$3:C$3))<C$3+B$3;"Verde";"Amarillo"))
(14) =ALEATORIO()
(15) =BUSCAR(N10;'Datos de velocidad'!H:H;'Datos de velocidad'!F:F)/3,6
(16) =ALEATORIO()
Estudio de los factores de tráfico que influyen 349
en la capacidad vial con fines de simulación
Histograma
12.0
8.0
Porcentaje
4.0
0.0
80.0 120.0 160.0 200.0
Tiempos de recorrido [seg]
Ilustración 7-13 Histograma de la varible tiempo de recorrido de simulador
secundario