Professional Documents
Culture Documents
Tesis doctoral de
aprobada por la
Facultad de Ingeniería de la
Universidad Nacional de San Juan
para el otorgamiento del grado académico de
Tesis de Doctorado
Temas de Ingeniería Civil
La reproducción total o parcial de este libro en forma idéntica o modificada, escrita a máquina o
por el sistema "multigraph", mimeógrafo, impreso, etc., no autorizada por los editores, viola
derechos reservados.
Cualquier utilización debe ser previamente solicitada.
© 2014
Hecho el depósito que marca la ley.
ii
DEDICATORIA
iii
iv
AGRADECIMIENTOS
A Aníbal Altamira, director de la tesis, por su acertada dirección, por sus críticas, comentarios y
sugerencias durante el desarrollo de la investigación
A Tomás Echaveguren, co-director de la tesis, por sus valiosa guía y asesoría incluso desde antes
del inicio de la investigación.
A Marcelo Bustos y Sergio Vargas, jurado de la tesis, por sus valiosos comentarios y
sugerencias, los cuales permitieron tener una visión más crítica del tema.
A los conductores que participaron en la recolección de datos ya que sin ellos esto no hubiese
sido posible. A Susana Ozán por sus sugerencias y ayuda en el desarrollo de modelos
estadísticos y a los alumnos que ayudaron en el procesamiento de datos para determinar la
distancia de visibilidad disponible.
A mi familia, por hacerme partícipe, a la distancia, de todos los buenos momentos y por
minimizar los malos.
A mis amigos de aquí y de allá, con quienes he compartido momentos inolvidables e hicieron en
San Juan una estadía más amena.
A todos las personas e instituciones que de alguna manera participaron en el desarrollo de esta
tesis.
Y por supuesto, a Vera, mi compañera y amiga y con quien espero compartir toda mi vida.
Volim te puno draga.
v
vi
ACELERACIONES Y DESACELERACIONES DE VEHÍCULOS
LIVIANOS EN CAMINOS DE MONTAÑA
RESUMEN
Este trabajo ayuda a generar perfiles de velocidad realistas y más precisos que las
metodologías anteriores. Además ayuda a clarificar la influencia de la geometría del camino
sobre el conductor al elegir su velocidad, desaceleración y aceleración.
vii
viii
ACCELERATIONS AND DECELERATIONS OF LIGTH-
WEIGHT VEHICLES ON MOUNTAIN ROAD
ABSTRACT
The design-consistency analysis of the road is a review of the safety of the geometric
design of roads. A widely used and accepted technique for performing these analyzes are speed
operation profiles, where it is possible to detect speed variations that may increase the risk of
traffic accidents. As a result, several studies developed operating speed models; however, most
of them were based on collected speed spot-data. In these studies, it was assumed that the rate
was constant in the curves and acceleration and deceleration occurred in adjacent tangents and
with a constant rate; so that, based on these assumptions, the speeds-spot data were collected in
the middle of the curve and half of the adjacent tangent or at a fixed distance.
Based on this methodology, the main objective of this study was to develop
acceleration and deceleration models, and calibrate speed models for curves and tangents for
passenger cars on two-lane rural road. For this, Light-weight vehicle's speeds from 14 drivers
were collected, who travelled along three different roads in the San Juan province. The results
show that deceleration and acceleration are not constant. The rate of deceleration was related to
the radius of the curve and the rate of change of curvature for a homogeneous section (CCR),
while the rate of acceleration was related to the radius of the horizontal curve and speed on the
beginning of acceleration. The start and the end points of acceleration and deceleration were also
estimated.
This work helps generate realistic and more accurate speed profiles than previous
methods. It also helps clarify the influence of the geometry of the road on the speed, acceleration
and deceleration of the driver.
ix
x
ÍNDICE DE TABLAS
Pág.
Tabla 2-1 Detalle de los principales estudios relacionados a las aceleraciones ............................11
Tabla 2-2 Características geométricas de los sitios analizados .....................................................12
Tabla 2-3 Dispositivos de recolección de datos usados en los principales estudios .....................13
Tabla 2-4 Longitudes de aceleración y desaceleración en rectas y valores de aceleración y
desaceleración encontrados ...........................................................................................................14
Tabla 2-5 Procedimiento de cálculo de las aceleraciones y desaceleraciones entre los principales
estudios ..........................................................................................................................................15
Tabla 2-6 Tipo de modelo y variables en los modelos de aceleración y desaceleración de los
principales estudios .......................................................................................................................16
Tabla 3-1 Variables explicativas a analizar en esta tesis ............................................................... 20
Tabla 3-2 Matriz factorial para desaceleración en recta de entrada – curva horizontal ................21
Tabla 3-3 Matriz factorial para aceleración en curva horizontal – recta de salida ........................21
Tabla 3-4 Características generales de los caminos de prueba ......................................................23
Tabla 3-5 Características de los conductores del estudio .............................................................. 25
Tabla 3-6 Detalle de los recorridos realizados por los conductores ..............................................26
Tabla 4-1 Recorridos seleccionados para la calibración de modelos ............................................43
Tabla 4-2 Recorridos seleccionados para la validación de modelos .............................................44
Tabla 4-3 Número de sitios analizados para desaceleración en recta de entrada – curva horizontal
.......................................................................................................................................................44
Tabla 4-4 Número de sitios analizados para aceleración en curva horizontal – recta de salida ....45
Tabla 4-5 Número de observaciones recolectadas para desaceleración en recta de entrada – curva
horizontal .......................................................................................................................................45
Tabla 4-6 Número de observaciones recolectadas para aceleraciones en curva horizontal – recta
de salida .........................................................................................................................................46
Tabla 4-7 Coeficiente de correlación entre las puntuaciones de los rasgos de la personalidad de
los conductores (según el ZKPQ-50-cc) y su velocidad y aceleración máxima ...........................49
Tabla 4-8 Coeficiente de correlación entre las puntuaciones de los estilos de conducción de los
conductores (según el MDSI-S) y su velocidad y aceleración máxima ........................................49
Tabla 5-1 Resultado del test-t para la longitud de inicio de la desaceleración antes de la curva
horizontal .......................................................................................................................................55
Tabla 5-2 Inicio de la desaceleración en la recta en función del percentil 85 de la velocidad ......55
Tabla 5-3 Resultado del test-t para las longitudes de fin de la aceleración después de la curva
horizontal .......................................................................................................................................63
Tabla 5-4 Ecuación de predicción de aceleración antes de salir de la curva horizontal en función
de la pendiente longitudinal ...........................................................................................................64
Tabla 5-5 Ecuaciones de predicción de aceleración y desaceleración en base a la distancia de
visibilidad disponible para rectas y curvas ....................................................................................69
Tabla 6-1 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas ....71
Tabla 6-2 Ecuaciones de predicción de desaceleración antes de ingresar a las curvas horizontales
en base a la CCR............................................................................................................................72
Tabla 6-3 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas ....74
Tabla 6-4 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas ....75
Tabla 6-5 Ecuaciones de regresión a validar .................................................................................75
Tabla 6-6 Estadísticos descriptivos para las variables usadas en la calibración y validación de las
ecuaciones de predicción de aceleraciones y desaceleraciones .....................................................76
Tabla 6-7 Errores de predicción y prueba Chi-cuadrado para las ecuaciones de predicción
calibradas .......................................................................................................................................79
Tabla 6-8 Sitios seleccionados para calibrar un modelo para la aceleración antes de salir de la
curva horizontal en función de la velocidad de circulación ..........................................................81
xi
Tabla 6-9 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas ... 81
Tabla 6-10 Errores de predicción y prueba Chi-cuadrado para la ecuación AC-3 original y el
nuevo modelo calibrado ................................................................................................................ 83
Tabla 6-11 Resumen de las ecuaciones de regresión de aceleración y desaceleración calibradas y
validadas y de las longitudes de aceleración y desaceleración ..................................................... 83
Tabla 7-1 Longitud necesaria de la recta para realizar una maniobra completa de aceleración y
desaceleración ............................................................................................................................... 90
Tabla 8-1 Ejemplo de aplicación: alineamiento horizontal y resultados de los perfiles de
aceleración y velocidad................................................................................................................. 95
Tabla 8-2 Ecuaciones de regresión para calcular el perfil de velocidad usando ecuaciones de
velocidad ..................................................................................................................................... 101
Tabla 8-3 Características del tramo de camino con árboles y el tramo de control ..................... 106
Tabla 8-4 Estimación de la reducción de la velocidad de operación en rectas debido a la
presencia de árboles en los costados del camino ........................................................................ 107
Tabla 8-5 Características del tramo de camino con badenes y el tramo de control.................... 108
Tabla 8-6 Estimación de la reducción de la velocidad de operación en rectas debido a la
presencia de una curva vertical convexa con badén de hormigón rígido y con irregularidades en
el pavimento (Recta 1) ................................................................................................................ 109
Tabla 8-7 Estimación de la reducción de la velocidad de operación en rectas debido a la
presencia de una curva vertical convexa con badén de hormigón rígido y con irregularidades en
el pavimento (Recta 2) ................................................................................................................ 111
xii
ÍNDICE DE FIGURAS
Pág.
Figura 1-1 Esquema de metodología de investigación ....................................................................3
Figura 2-1 Modelos de velocidades en curvas para varios países en función del radio de la curva
horizontal .........................................................................................................................................8
Figura 3-1 Mapa de los caminos de prueba en la provincia de San Juan (Argentina) ..................23
Figura 3-2 Equipo de recolección de datos y cámaras del Video VBOX Lite .............................. 24
Figura 4-1 Secciones del camino en donde se calculó la aceleración y desaceleración ................30
Figura 4-2 Gráfica comparativa entre dos métodos para calcular las aceleraciones y
desaceleraciones: desde perfiles individuales o desde el perfil del percentil 85 de la velocidad ..31
Figura 4-3 Ejemplo del diagrama de curvatura heading original y suavizado .............................. 32
Figura 4-4 Radios de curvas horizontales para el camino San Juan - Ullum ................................ 33
Figura 4-5 Radios de curvas horizontales para el camino San Juan - Jáchal ................................ 34
Figura 4-6 Radios de curvas horizontales para el camino Talacasto - Pachaco ............................34
Figura 4-7 Secciones homogéneas (SH) del alineamiento horizontal en el camino San Juan -
Ullum .............................................................................................................................................35
Figura 4-8 Secciones homogéneas (SH) del alineamiento horizontal en el camino San Juan –
Jáchal .............................................................................................................................................36
Figura 4-9 Secciones homogéneas (SH) del alineamiento horizontal en el camino Talacasto –
Pachaco ..........................................................................................................................................36
Figura 4-10 Pendientes longitudinales promedio en el camino San Juan – Ullum .......................37
Figura 4-11 Pendientes longitudinales promedio en el camino San Juan – Jáchal .......................37
Figura 4-12 Pendientes longitudinales promedio en el camino Talacasto – Pachaco ...................38
Figura 4-13 Escena típica para la obtención de la distancia de visibilidad en el equipo...............38
Figura 4-14 Perfiles de distancia de visibilidad disponible para el camino San Juan - Ullum .....39
Figura 4-15 Perfiles de distancia de visibilidad disponible para el camino Ullum – San Juan .....40
Figura 4-16 Perfiles de distancia de visibilidad disponible para el camino San Juan - Jáchal ......40
Figura 4-17 Perfiles de distancia de visibilidad disponible para el camino Jáchal - San Juan ......41
Figura 4-18 Perfiles de distancia de visibilidad disponible para el camino Talacasto - Pachaco .41
Figura 4-19 Perfiles de distancia de visibilidad disponible para el camino Pachaco - Talacasto .42
Figura 4-20 Box plot de la diferencia en la estimación de la visibilidad entre los dos
observadores versus la distancia de visibilidad disponible ...........................................................42
Figura 4-21 Resultados del cuestionario ZKPQ-50-cc aplicado a los conductores ......................47
Figura 4-22 Resultados del cuestionario MDSI-S aplicado a los conductores.............................. 48
Figura 5-1 Velocidad de operación promedio para varias longitudes de recta de entrada (Lr) a la
curva horizontal .............................................................................................................................53
Figura 5-2 Velocidad de operación promedio para cuatro rangos de longitudes de recta de
entrada a la curva horizontal ..........................................................................................................54
Figura 5-3 Aceleración o desaceleración promedio para cuatro rangos de longitudes de recta de
entrada a la curva horizontal..........................................................................................................54
Figura 5-4 Box plot del percentil 85 de la desaceleración versus la pendiente longitudinal ........56
Figura 5-5 Box plot del percentil 85 de la desaceleración versus CCR de tramos homogéneos
horizontales....................................................................................................................................57
Figura 5-6 Percentil 85 de la desaceleración versus la longitud de la curva horizontal ................57
Figura 5-7 Percentil 85 de la desaceleración versus la deflexión de las curvas horizontales........58
Figura 5-8 Box plot del percentil 85 de la desaceleración para cada conductor evaluado ............58
Figura 5-9 Percentil 85 de la desaceleración versus el radio de la curva horizontal .....................59
Figura 5-10 Velocidad de operación promedio en varios sectores de la curva horizontal ............60
Figura 5-11 Promedio de la aceleración y desaceleración en varios sectores de la curva
horizontal .......................................................................................................................................60
Figura 5-12 Box plot de la longitud de la curva versus el radio de la curva horizontal ................61
xiii
Figura 5-13 Velocidad de operación promedio para varios rangos de recta de salida de la curva
horizontal ...................................................................................................................................... 62
Figura 5-14 Aceleración promedio para varios rangos de recta de salida de la curva horizontal 62
Figura 5-15 Box plot del percentil 85 de la aceleración versus la pendiente longitudinal ........... 63
Figura 5-16 Box plot del percentil 85 de la aceleración versus la CCR ....................................... 64
Figura 5-17 Box plot del percentil 85 de la aceleración para cada conductor evaluado .............. 65
Figura 5-18 Percentil 85 de la aceleración versus la longitud de la recta de salida de la curva
horizontal ...................................................................................................................................... 66
Figura 5-19 Percentil 85 de la aceleración versus la longitud de la curva horizontal .................. 66
Figura 5-20 Percentil 85 de la aceleración versus el radio de la curva horizontal ....................... 67
Figura 5-21 Velocidad de operación versus distancia de visibilidad disponible para la maniobra
de aceleración ............................................................................................................................... 68
Figura 5-22 Velocidad de operación versus distancia de visibilidad disponible para la maniobra
de desaceleración .......................................................................................................................... 68
Figura 5-23 Box plot del percentil 85 de la desaceleración / aceleración versus distancia de
visibilidad disponible para la maniobra de aceleración y desaceleración .................................... 69
Figura 6-1 Percentil 85 de la desaceleración versus el radio de la curva horizontal para tres
rangos de CCR y con el modelo general ...................................................................................... 73
Figura 6-2 Box plot entre el radio de la curva horizontal y el percentil 85 de la aceleración ...... 74
Figura 6-3 Desaceleración observada versus desaceleración estimada usando la ecuación DC-1
para CCR≤50º/km ......................................................................................................................... 78
Figura 6-4 Desaceleración observada versus desaceleración estimada usando la ecuación DC-2
para CCR>50º/km ......................................................................................................................... 78
Figura 6-5 Aceleración observada versus aceleración estimada usando la ecuación AC-3 ......... 79
Figura 6-6 Box plot de la diferencia absoluta entre los valores estimados y observados para los
modelos calibrados de aceleración y desaceleración .................................................................... 80
Figura 6-7 Aceleración promedio antes de salir de la curva horizontal versus la velocidad de
inicio de la aceleración ................................................................................................................. 82
Figura 6-8 Aceleración promedio observada versus el aceleración promedio estimada antes de
salir de la curva horizontal ............................................................................................................ 82
Figura 7-1 Perfiles de velocidad recolectados antes y después de una curva con radio de 123,5 m
en el camino San Juan - Ullum ..................................................................................................... 85
Figura 7-2 Perfiles de aceleración calculados antes y después de una curva con radio de 123,5 m
en el camino San Juan - Ullum ..................................................................................................... 86
Figura 7-3 Principales perfiles de aceleración que se pueden obtener con la información obtenida
en este trabajo ............................................................................................................................... 87
Figura 7-4 Representación gráfica del perfil de aceleración constante y perfil de velocidad en
curvas y rectas............................................................................................................................... 87
Figura 7-5 Representación gráfica del perfil de aceleración lineal y perfil de velocidad en curvas
y rectas .......................................................................................................................................... 88
Figura 7-6 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín = Lrecta .... 90
Figura 7-7 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín < Lrecta .... 91
Figura 7-8 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín > Lrecta .... 92
Figura 7-9 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín > Lrecta .... 92
Figura 8-1 Vista en planta del alineamiento del ejemplo ............................................................. 95
Figura 8-2 Perfil de aceleraciones calculado para el ejemplo ...................................................... 96
Figura 8-3 Gráfica comparativa entre los perfiles de velocidad calculado con los modelos de este
trabajo y el obtenido por Fitzpatrick et al., (2000a) para el ejemplo ............................................ 97
Figura 8-4 Gráfica comparativa entre el perfil de velocidad modificada y el perfil de velocidades
obtenido por Fitzpatrick et al. (2000a) para el ejemplo. ............................................................... 98
Figura 8-5 Perfil de aceleraciones modificado para el ejemplo ................................................... 98
xiv
Figura 8-6 Perfil de aceleración calculado con el modelo teórico modificado para el camino San
Juan-Ullum ....................................................................................................................................99
Figura 8-7 Perfil de velocidad calculado con el modelo teórico modificado versus V85 observada
en el camino San Juan-Ullum ......................................................................................................100
Figura 8-8 Perfiles de velocidad calculado con el modelo teórico modificado versus V85
observada en el camino Ullum-San Juan.....................................................................................100
Figura 8-9 Algoritmo para calcular un perfil de velocidades usando las ecuaciones de velocidad
.....................................................................................................................................................102
Figura 8-10 Perfil de aceleraciones usando modelos de velocidad para el camino San Juan-Ullum
.....................................................................................................................................................103
Figura 8-11 Perfil de velocidades usando modelos de velocidad versus V85 observada para el
camino San Juan-Ullum ..............................................................................................................104
Figura 8-12 Acercamiento del tramo de 5-10 km del perfil de velocidades calculado usando
modelos de velocidad para el camino San Juan-Ullum ............................................................... 104
Figura 8-13 Perfil de velocidades usando modelos de velocidad versus V85 observada para el
camino Ullum-San Juan ..............................................................................................................105
Figura 8-14 Velocidad de operación para el tramo con árboles y el tramo de control ................106
Figura 8-15 Esquema planialtimétrico del tramo de camino con badenes y el tramo de control 108
Figura 8-16 Velocidad de operación para la recta 1 y la recta de control ...................................108
Figura 8-17 Velocidad de operación para la recta 2 y el tramo de control ..................................110
xv
xvi
ÍNDICE DE CONTENIDOS
Pág.
DEDICATORIA ........................................................................................................................ iii
AGRADECIMIENTOS .............................................................................................................. v
RESUMEN ............................................................................................................................... vii
ABSTRACT .............................................................................................................................. ix
ÍNDICE DE TABLAS ............................................................................................................... xi
ÍNDICE DE FIGURAS ........................................................................................................... xiii
NOMENCLATURA................................................................................................................ xxi
1. INTRODUCCIÓN ............................................................................................................ 1
1.1 Definición del problema .......................................................................................... 1
1.2 Hipótesis de la tesis ................................................................................................. 2
1.3 Objetivos de la tesis ................................................................................................. 2
1.4 Metodología de investigación .................................................................................. 2
1.5 Alcance del trabajo .................................................................................................. 4
1.6 Aportes de la investigación ...................................................................................... 4
1.7 Estructura de tesis .................................................................................................... 5
xvii
3.2.3 Tamaño muestral ........................................................................................ 22
3.3 Caminos de prueba................................................................................................. 22
3.4 Selección de los conductores ................................................................................. 23
3.5 Trabajo de campo................................................................................................... 24
3.5.1 Equipo de recolección de datos.................................................................. 24
3.5.2 Experimento de campo .............................................................................. 25
3.5.3 Cuestionarios aplicados a los conductores ................................................. 26
3.6 Resumen y conclusiones ........................................................................................ 27
xviii
6.3 Ecuaciones de modelos propuestos ....................................................................... 83
6.4 Resumen y conclusiones ........................................................................................ 84
xix
xx
NOMENCLATURA
Rc: radio de la curva horizontal circular (m)
Lnec: longitud necesaria para realizar una maniobra de aceleración y desaceleración (m)
xxi
xxii
1. INTRODUCCIÓN
En este capítulo se establece el propósito de esta investigación, por lo que se inicia
con la definición del problema, en donde se expone la importancia del tema y el estado del arte.
Posteriormente, se presenta la hipótesis general y los objetivos del estudio. También se muestra
la metodología utilizada y el alcance del trabajo. Y finalmente se resaltan los aportes del estudio
y se detalla la estructura del presente trabajo.
1
costos de operación, tales como el consumo de combustible, emisiones de gases contaminantes,
tiempo de viaje y otros costos vehiculares.
2
información para establecer las variables a muestrear, metodología de recolección y
procesamiento de datos y facilitar el desarrollo de modelos.
Identificación
REVISIÓN DE Recolección y Análisis de de variables Literatura
LA LITERATURA procesamiento los modelos relevantes revisada
Toma de Aplicación
RECOLECCIÓN Metodología datos en de encuestas Base de datos
DE DATOS de medición campo a conductores de campo
Base de datos:
ANÁLISIS DE Variables Variables Base de datos
calibración y
DATOS dependientes independientes procesada
validación
Con el análisis del estado del arte, se pudo definir el plan experimental en donde se
evaluó el diseño del factorial, el diseño del experimento de campo y la selección de los caminos
de prueba y conductores. El objetivo de esta etapa fue elaborar una metodología de medición,
procesamiento y análisis estadístico para los datos de aceleración y desaceleración.
Luego de haber recolectado los datos, la siguiente etapa fue el análisis de los datos,
cuyo objetivo fue de obtener una base de datos adecuada para las próximas etapas. Esta etapa
3
incluyó varias sub-etapas: obtención de las aceleraciones y desaceleraciones, obtención de las
variables independientes y la confección de la base de datos para la calibración y validación de
los modelos.
En base a los resultados de la etapa anterior, se pudo calibrar y validar los modelos
de aceleración y desaceleración. Se calibró los modelos de regresión en base a las variables
detectadas en la etapa anterior. También se validaron estos modelos mediante procedimientos
estadísticos, con la cual se pudo hacer una modificación o confirmación de los modelos
calibrados. El resultado de esta etapa fue la obtención de modelos calibrados y validados.
Finalmente, se aplicó estos modelos a casos de estudio. El objetivo de esta etapa fue
verificar la validez de los modelos calibrados y validados y mostrar la forma de aplicación. Para
la aplicación se desarrolló un modelo teórico, el cual fue comparado con un ejemplo de la
literatura y con perfiles reales. También en esta etapa se analizaron casos especiales.
5
6
2. REVISIÓN DE LA LITERATURA
En este capítulo se realiza una revisión comprensiva de la literatura relacionada a las
aceleraciones y desaceleraciones de vehículos livianos en caminos. El objetivo de esta revisión
es evaluar las investigaciones previas en este tema y usar la información para establecer las
variables a muestrear, metodología de recolección y procesamiento de datos y facilitar el
desarrollo de modelos. Este capítulo consta de dos partes: discusión los factores que influyen
sobre las velocidades y aceleraciones, y, un análisis detallado de los principales estudios de
aceleraciones. Para una mejor comprensión de esta tesis se elaboró una lista de definiciones de
los principales términos, los cuales se pueden ver en el Anexo A.
Existen otras variables como: tipo de vehículo, volumen y tipo de tránsito, sección
transversal, curvas verticales, condición día/noche, estado del pavimento y la condición climática
que también afectan la elección de la velocidad o aceleración/desaceleración. Éstas últimas
variables no se incluyeron en el experimento, debido a que están fuera del objetivo planteado en
esta investigación.
7
120
Velodidad en la curva horizontal (km/h)
100
80
Lamm (1993)
60
Lamm et al. (1995)
Ottesen et al. (1994)
40 SETRA/DLI (1986)
McLean (1978)
20 Choueiri et al. (1995)
McLean et al. (1995)
0
0 100 200 300 400 500 600 700 800 900 1000
Radio de la curva horizontal (m)
Figura 2-1 Modelos de velocidades en curvas para varios países en función del radio de la curva
horizontal
8
Los vehículos de pasajeros son menos afectados por las pendientes longitudinales
que los vehículos pesados debido a su mayor relación potencia - peso, por ejemplo, en
pendientes longitudinales menores al 5–7 % (Koeppel y Bock, 1970; Lamm y Choueiri, 1987a,
1987b; Trapp y Oellers, 1974, Schulze, 1996). Sin embargo, en otros modelos, como el
desarrollado por SETRA (1995), la velocidad de operación de los vehículos de pasajeros fueron
mayormente afectados en rectas mayores a 250 m y con pendientes ascendentes mayores al 3 ó
4%.
9
Por otro lado, Polus et al. (1979) y Bennett (1994) encontraron una influencia parcial
de la distancia de visibilidad sobre la velocidad. Polus et al. (1979) calibraron modelos
exponenciales para predecir la velocidad del percentil 50, 80 y 100 en pendientes en función de
la distancia de visibilidad. Se concluyó que en países motorizados las restricciones de distancias
de visibilidad pueden inducir a pequeñas reducciones en la velocidad adoptada por los
conductores más rápidos, pero poco o casi ningún efecto en las velocidades de los demás
conductores. Por su lado, Bennett (1994) encontró que la distancia de visibilidad de
aproximación afecta, principalmente, a la velocidad en vehículos livianos y que la distancia de
visibilidad en curvas afecta la velocidad de los vehículos pesados comerciales.
2.1.5 El conductor
El conductor elige la velocidad y aceleración/desaceleración en función del vehículo,
camino, entorno y de características propias del conductor, como por ejemplo, la carga mental,
edad, experiencia, género, personalidad y estilo de conducción.
Otras características del conductor que afecta la velocidad y aceleración son: la edad
(Waylen y McKenna, 2002; Fleiter y Watson, 2006; Goldenbeld y Schagen, 2007), la
experiencia (Björklund, 2008), el género (Fleiter y Watson, 2006; Cestac et al., 2011); los rasgos
de la personalidad y los estilos de conducción. Se pueden estimar estos dos últimos mediante el
uso cuestionarios como: ZKPQ-50-cc (Aluja et al., 2006) para los rasgos de la personalidad y el
MDSI-S (Poó et al. (2013) para los estilos de conducción, como se muestra en el Anexo B. El
cuestionario ZKPQ-50-cc mide cinco rasgos de la personalidad del conductor:
Agresión/Hostilidad (Agg-Host), Impulsividad / Búsqueda de Sensaciones (ImpSS), Neurotismo
/ Ansiedad (N-Anx), Sociabilidad (Sy) y Actividad (Act); mientras que, el MDSI-S evalúa seis
10
estilos de conducción: de riesgo y alta velocidad, disociativo, agresivo, paciente y prudente,
ansioso y de reducción de estrés.
En cada uno de los estudios de la Tabla 2-1 se evalúan los sitios de prueba
analizados, el tipo de vehículo utilizado, la metodología de recolección de observaciones, los
modelos desarrollados y los principales resultados obtenidos. Todos los estudios recolectaron las
observaciones en buenas condiciones climáticas. Un mayor detalle acerca de estos estudios se
muestra en el Anexo C.
Casi todas las investigaciones se realizaron durante el día, no obstante, hay dos
investigaciones que registraron observaciones durante la noche. Bennett, (1994) comparó las
observaciones durante el día y durante la noche, mientras que Hu y Donnell (2010) analizaron
las velocidades y aceleraciones en conducción nocturna.
11
La mayoría de estudios se realizaron sobre terrenos planos, pero también existen
trabajos realizados en terrenos ondulados (Bennett, 1994; Perco y Robba, 2005; Figueroa y
Tarko, 2005) y en terrenos semi-montañosos (Figueroa y Tarko, 2005).
No basta con cubrir un amplio rango de características geométricas, sino también que
se debe muestrear un significativo número de sitios y un adecuado número de observaciones por
sitio para que el estudio brinde confiabilidad. El número de sitios de prueba sugiere las
combinaciones de variables independientes analizadas en el camino, mientras que, el número de
observaciones por sitio, debería asegurar resultados estadísticamente confiables. El número de
sitios analizados estuvo entre 6 y 80, y cada sitio tuvo entre 26 y 168 observaciones, sin
embargo, existieron estudios que realizaron perfiles continuos con equipos con GPS (Hu y
Donnell, 2010) o simuladores (Bella, 2008) en donde se registraron más de 700 observaciones de
velocidad por sitio.
12
investigaciones registraron a los vehículos pesados (Akçelik y Biggs, 1987; Bennett, 1994;
Fitzpatrick et al., 2000a; Echaveguren y Basualto).
Los equipos de recolección de datos puntuales son aquellos que permiten obtener
información en un punto específico en el camino (ej. pistolas de radar o de rayo láser), mientras
que los equipos de recolección de datos continuos son aquellos que pueden registrar la velocidad
en tramos continuos del camino, como los dispositivos GPS y simuladores de tránsito. Las
investigaciones que usaron los equipos de recolección puntual asumieron que la velocidad era
constante en las curvas y que la desaceleración/aceleración se producía en las rectas adyacentes a
la curva y con un valor constante. Los equipos utilizados están resumidos en la Tabla 2-3.
Tabla 2-3 Dispositivos de recolección de datos usados en los principales estudios
Puntuales Continuos
Video cámara
instrumentado*
Pistola radar
Pistola láser
Simulador
Vehículo
Otros**
Autores
GPS
13
Las aceleraciones y desaceleraciones de un vehículo son cambios de velocidad, que
para calcularlas necesitan dos observaciones separadas a cierto tiempo o distancia. En este
contexto, los equipos de recolección continua son más adecuados que los de recolección puntual,
dado que recogen perfiles continuos de velocidad.
14
En la Tabla 2-4 también se muestra la variabilidad de los valores de desaceleración y
aceleración encontrados en los estudios previos, los cuales estuvieron entre 0,01 y 2,26 m/s2 para
la desaceleración, y entre 0 y 1,77 m/s2 para la aceleración.
Estadístico
descriptivo
Perfil de usado en
velocidades perfiles de
velocidad
Autores individuales
Individuales
Percentil 85
Percentil 85
Máximo y
Promedio
Promedio
mínimo
15
2.2.6 Modelos desarrollados de aceleración y desaceleración
Los tipos de modelos desarrollados y las variables independientes utilizadas en los
estudios de aceleraciones y desaceleraciones pueden ser vistos en la Tabla 2-6. Con respecto al
tipo de modelo, la mayoría calibraron modelos constantes o de regresión lineal; aunque algunos
pocos calibraron modelos linealmente decrecientes, polinomiales y basados en la fuerza motriz
(Bennett, 1994).
Tabla 2-6 Tipo de modelo y variables en los modelos de aceleración y desaceleración de los
principales estudios
Aceleración Desaceleración
Tipo de Variables en el Tipo de Variables en el
modelo modelo modelo modelo
Autores
Velocidad
Velocidad
Constante
Constante
Lineal
Lineal
Otros
Otros
Otros
Otros
Lre
Lrs
Rc
Rc
Akçelik & Biggs, 1987 — — x1 x3 — — — — — x1 x3 — — —
Lamm et al., 1988 — x — — — — — — x — — — — —
Bennett, 1994 x — x2 x4 x — x5 x x x2 x4 x — x5
Collins & Krammes, 1996 — x — — — — — — x — — — — —
Fitzpatrick et al., 2000a x x — — x — — x x — — x11 — —
Echaveguren & Basualto, 2003 — x — — — — — — x — — — — —
Figueroa & Tarko, 2005 — x — — — — — — — — — — — —
Bella, 2008 x — — x6 x — — x — — x10 x — —
Pérez et al., 2010 x — — — — — x7 — — — — x — —
8 11
Hu & Donnell, 2010 x — — — x x x x — — x x x12
Dell'Acqua & Russo, 2010 — — — — — — — — — — — — — —
IHSDM, 2012 x x — — x — — x x — — x11 — —
Pérez et al., 2013 x — — — — — x9 — — — — x — —
Rc: Radio de la curva horizontal, La: longitud de la recta de aproximación a la curva, Le: Longitud de la recta de salida
desde la curva
— No aplicable
1
Regresión polinomial por mínimos cuadrados.
2
Enfoque probabilístico: Distribución de aceleración exponencial.
3
Velocidad inicial y velocidad al final de la maniobra.
4
Velocidad de aproximación, velocidad de entrada-curva, velocidad al centro de la curva.
5
Pveh: Percentil del vehículo, valores recomendados en Bennett (1994).
6
Máxima velocidad en la recta de aproximación.
7
CCR, razón de cambio de curvatura
8
Dirección de la curva, diferencia de la longitud de la curva, K promedio, RHR.
9
Parámetro de la clotoide.
10
Máxima velocidad en la recta de salida.
11
Radio de la curva siguiente.
12
Dirección de la curva, longitud de la curva siguiente, diferencia de la longitud de la curva, K promedio, RHR de la
curva siguiente.
16
Generalmente, los modelos constantes usaron los mismos valores tanto para las
aceleraciones como para las desaceleraciones, por ejemplo, 0,8 m/s2 (VSS, 1981), 0,85 m/s2
(Lamm et al., 1988) ó 0,8 m/s2 (TRB, 2011). Mientras que, en los modelos de regresión lineal,
los valores variaron entre -1.19 a 0,85 m/s2.
En base a los objetivos de cada estudio, las variables independientes también fueron
diferentes entre sí. En la desaceleración, la variable más importante fue el radio de la curva
horizontal (por el que se circula y el radio de la curva siguiente) y la velocidad de aproximación.
En tanto que, en la aceleración, las variables más importantes fueron el radio de la curva
horizontal y la velocidad de circulación.
A partir del primer análisis, se encontró que las variables más influyentes en la
elección de la velocidad y aceleración / desaceleración son: el radio de la curva, la longitud de la
recta, la pendiente longitudinal, la distancia de visibilidad y la carga mental asociada a la
conducción en diferentes entornos y geometrías.
17
18
3. DESCRIPCIÓN DE LA INVESTIGACIÓN REALIZADA
El capítulo empieza describiendo la metodología utilizada para la recolección de
datos, para posteriormente detallar el diseño factorial, el cual incluye las variables explicativas a
analizar, las matrices factoriales y el tamaño muestral. También se describen las características
de los caminos de prueba y la selección de los conductores. Finalmente se presenta el plan de
trabajo de campo, en donde se hace un detalle del equipo de recolección de datos, del
experimento de campo y los cuestionarios aplicados a los conductores.
Para el experimento de campo se decidió utilizar un equipo GPS, dado que recolecta
perfiles continuos de velocidad y permite identificar las maniobras de aceleración y
desaceleración de manera más precisa. También se incluyó una cámara de alta resolución para
facilitar el procesamiento de datos y estimación de la distancia de visibilidad disponible.
19
3.2 Diseño factorial
El diseño factorial, como parte del experimento, incluye el análisis de las variables
explicativas del estudio, las matrices factoriales y el tamaño muestral.
Influencia
Rango
Nº Variable esperada en Definición
a analizar
la aceleración
Radio de la ≥ 25 m Es el radio del arco de círculo que une dos
1 Mayor
curva ≤ 1000 m rectas horizontales consecutivas.
La longitud de la recta es la distancia que
Longitud de la ≥ 25 m
2 Menor existe entre dos curvas horizontales
recta ≤ 2000 m
consecutivas.
La razón de cambio de curvatura es la suma
Razón de absoluta de cambios angulares en el
≥ 2 º/km
3 cambio de Mayor alineamiento horizontal dividido en la
≤ 400 º/km
curvatura longitud total de una sección homogénea
del camino.
Distancia de La distancia de visibilidad disponible es la
≥ 80 m
4 visibilidad Menor distancia en que el conductor observa la
≤ 600 m
disponible calzada completa y de manera continua.
Pendiente longitudinal corresponde a la
relación entre las unidades de altura de
Pendientes ≥ -5,4 %
5 Mayor ascenso o descenso por cada unidad de
longitudinales ≤ 5,4 %
recorrido horizontal en una sección
homogénea del camino.
La matriz para desaceleración en recta de entrada – curva horizontal (ver Tabla 3-2)
tiene cuatro factores: Factor A: CCR con 3 niveles (≤ 50 º/km, 50-150 º/km, >150 º/km), Factor
B: Longitud de la recta de entrada a la curva horizontal con tres niveles (25-250, 251-500 y >500
20
m), Factor C: Radio de curva horizontal a la que se llega, con 4 niveles (de ≤100 m, de 100 a 200
m, de 200 a 600 m y de 600 a 1000m), y, Factor D: Pendiente longitudinal con 4 niveles (=0%,
≤2%, 2-5%, >5%). Los mismos niveles se consideraron para la matriz de aceleración.
Tabla 3-2 Matriz factorial para desaceleración en recta de entrada – curva horizontal
CCR (º/km)
2 - 50 50 - 150 > 150
Longitud de la recta de entrada a la curva (m)
25 - 250 251 - 500 > 500 25 - 250 251 - 500 > 500 25 - 250 251 - 500 > 500
Radio de la curva horizontal (m)
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
i
<2%
2–5%
> 5%
La matriz para aceleraciones en curva horizontal – recta de salida (Ver Tabla 3-3)
tiene los mismos factores que la matriz de desaceleración.
Tabla 3-3 Matriz factorial para aceleración en curva horizontal – recta de salida
CCR (º/km)
2 - 50 50-150 > 150
Radio de la curva horizontal (m)
25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000
Longitud de la recta de salida a la curva (m)
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
i
<2%
2–5%
> 5%
Dado que la distancia de visibilidad disponible está afectada por la CCR, la longitud
de la recta y el radio de la curva, no se incluyó en las matrices factoriales, sin embargo, se
analizó de manera independiente.
21
3.2.3 Tamaño muestral
Cada experimento debe tener una muestra representativa de la población que asegure
resultados confiables, es así que el cálculo del tamaño muestral además de asegurar la cantidad
mínima de observaciones, facilita la estimación del tiempo y costo del proceso de recolección de
datos. La probabilidad de que una muestra represente adecuadamente una población depende
tanto del error en la recolección de datos como del tamaño de la muestra, es decir, si se aumenta
la cantidad de observaciones se aumenta la posibilidad de que la muestra sea más representativa
de la población en estudio.
Para este análisis se usó el software estadístico G*Power 3.0.5 (Faul et al., 1992-
2006). En la familia de pruebas se eligió el test F, en donde las hipótesis de prueba se consideran
bajo el supuesto de que la hipótesis nula es verdadera. Estas pruebas se diseñaron para dos
poblaciones de varianzas.
Para ello se asumió un efecto tamaño (f2) de 0,01; una precisión (α) de 0,05; y una
potencia estadística (1-β) de 0,95. Con estos datos y usando un software estadístico se determinó
un tamaño muestral mínimo por matriz de 1302 observaciones, lo que representa, 17
observaciones por cada celda de la Tabla 3-2 y Tabla 3-3.
22
PARQUE NACIONAL
Y RESERVA
DE SAN GUILLERMO
A VILLA UNIÓN
LA RIOJA
ANGUALASTO
PASO DE PARQUE PROVINCIAL
AGUAS NEGRAS ISCHIGUALASTO
HUACO
RODEO
A LA SERENA PISMANTA A LA RIOJA
RÍO BERMEJO REPÚBLICA ARGENTINA
SAN JOSÉ LOS BALDECITOS PROVINCIA DE SAN JUAN
CHILE ARREQUINTIN
BELLA VISTA
DE JÁCHAL
LAS FLORES
JÁCHAL
40
MOGNA
SAN AGUSTÍN A CÓRDOBA
DE VALLE FÉRTIL
VALLE FÉRTIL
ULLUM ANGACO
VILLA NUEVA
TALACASTO
ALBARDÓN
149 TERMAS
CALINGASTA CALINGASTA LA LAJA A LA RIOJA
PACHACO
ULLUM CAUCETE
A CÓRDOBA
TAMBERÍAS SAN MARTÍN
9 DE JULIO
BARREAL 60 MARAYOS
SAN JUAN CAUCETE
PAMPA EL LEONCITO ZONDA VALLECITO
VILLA
PEDERNAL
MEDIA
AGUA
25 DE MAYO
SAN
LUIS
ENCÓN
SARMIENTO
A MENDOZA
A SAN LUIS
A USPALLATA
MENDOZA
Figura 3-1 Mapa de los caminos de prueba en la provincia de San Juan (Argentina)
23
3.5 Trabajo de campo
El objetivo del trabajo de campo fue recolectar velocidades en los tres caminos
seleccionados. En esta sección se detalla el equipo de recolección de datos utilizado, el
experimento de campo y los cuestionarios aplicados a los conductores.
Figura 3-2 Equipo de recolección de datos y cámaras del Video VBOX Lite
24
La velocidad máxima posible es 1600 km/h y la mínima 0,1 km/h. La máxima aceleración
es de 4g.
El dispositivo utiliza tarjetas de memoria USB estándar para el almacenamiento de datos y
de video.
Tiene integrado el filtro de Kalman, que es un algoritmo que provee una solución
recursiva y eficiente del método de mínimos cuadrados, que sirve para sincronizar los
datos y acoplarlos cuando se produce caídas de satélites.
Antes de empezar las mediciones, el Video VBOX Lite se ubicó en el vehículo con
la precaución de no causar al conductor ninguna interferencia durante el viaje. Se colocó la
cámara de alta resolución en el parabrisas frontal del vehículo, orientada hacia la ruta, para luego
conectarse al data logger. La cámara se colocó en el parabrisas del lado del acompañante para no
interferir con el campo de visión del conductor y para que no sea un recordatorio de que está
siendo observado. En el data logger también se conectó la antena GPS, la que se colocó en el
centro del techo del vehículo, sin embargo, puede ser colocada en otro lugar, con la precaución
de ubicarla de cara a los satélites. Una persona se sentó en el asiento del pasajero para manejar el
equipo. Las mediciones se realizaron sobre pavimentos secos, durante las horas del día y en
buenas condiciones climáticas.
El detalle de los recorridos por los caminos de prueba se pueden ver en la Tabla 3-6,
en donde cada x significa un recorrido para determinado conductor y camino. En la Tabla 3-6, se
puede ver que los conductores realizaron 8 recorridos completos (ida y vuelta) en el camino San
Juan - Ullum, 9 recorridos completos y 6 recorridos incompletos en el camino San Juan -
Talacasto, 6 recorridos completos y 2 incompletos en el camino Talacasto - Jáchal y 3 recorridos
completos y 4 incompletos en el camino Talacasto - Pachaco.
25
Tabla 3-6 Detalle de los recorridos realizados por los conductores
San Juan-Jáchal
San Juan-Ullum Talacasto-Pachaco
Conductor San Juan - Talacasto Talacasto - Jáchal
Ida Vuelta Ida Vuelta Ida Vuelta Ida Vuelta
1 x x
2 xx xx xx xx
3 x x
4 x x
5 x x
6 x x
7 x x
8 x xx x xx
9 x x x x
10 xx xx
11 xxxx xxxx xx xx xx xx
12 x x x x
13 x xx x xx
14 xx xx xx xx
x: viaje realizado por determinado conductor y camino
De los datos recolectados por el Video VBOX Lite, los más relevantes para esta
investigación son: velocidad, posición horizontal, altura relativa, heading y los videos geo-
referenciados. La velocidad sirve para calcular la aceleración y desaceleración longitudinal. La
posición horizontal y el heading sirven para estimar la planimetría de los caminos, en tanto que,
la altura relativa sirve para estimar la pendiente longitudinal. Y los videos geo-referenciados
sirven para estimar la distancia de visibilidad disponible.
26
3.6 Resumen y conclusiones
En este capítulo se hizo un detalle de la investigación, en donde se incluyó la
metodología utilizada, el diseño factorial, la selección de los caminos de prueba, la selección de
los conductores y el detalle del plan de trabajo de campo.
27
28
4. ANÁLISIS Y PROCESAMIENTO DE LOS DATOS
En este capítulo se presenta el análisis y procesamiento de los datos de velocidad,
para obtener la aceleración y desaceleración, y de, los datos de posición y altura para obtener la
geometría de los caminos. Para ello, el procesamiento de datos se dividió en dos grupos:
variables dependientes y variables independientes. Las variables dependientes incluyen la
aceleración y desaceleración longitudinal, y las variables independientes corresponden al radio
de la curva horizontal, longitud de la recta horizontal, razón de cambio de curvatura, pendiente
longitudinal y distancia de visibilidad disponible. Posteriormente se muestra la división de la
base de datos en dos grupos: uno para el ajuste y calibración de modelos, y otra para su
validación. Luego se muestra el número de sitios y de observaciones recolectadas para las
matrices factoriales, y se detallan los resultados de las encuestas realizadas a los conductores.
Finalmente, se resume el capítulo y se resaltan las principales conclusiones.
A cada archivo se aplica el filtro de Kalman para generar una nueva base de datos con
menor ruido que los datos originales
Se exportaron datos de velocidad cada 5 m. Se eligió esta distancia debido a que las
velocidades no cambian sustancialmente y se reduce la demanda computacional.
Se eliminó los tramos extremos del registro de velocidad y en las intersecciones, esto se
realizó con el apoyo de las imágenes de video captadas con la cámara, las cuales están
geo-referenciadas. Se eliminaron 500 m en los dos extremos del recorrido, para asegurar
que el conductor esté circulando a su velocidad de operación. También se eliminaron 500
m antes y después de las intersecciones.
Se eliminaron todos los sectores en los cuales el vehículo estuvo en maniobras de
adelantamiento, ya que no son objeto de estudio.
Se eliminaron todos los sectores en los cuales el vehículo estuvo en seguimiento, para lo
cual se adoptó un intervalo de tiempo crítico (critical headway) de 6 s. Este procedimiento
permite asegurar que las velocidades analizadas sean las de operación.
29
LT: Longitud de la recta (m) PT+LT
PC: Inicio de la curva horizontal
PT: Fin de curva horizontal
CC: Centro del arco circular PT+60
1Q: Final del primer cuarto de la curva
3Q: Final del tercer cuarto de la curva PT+40
PT+20
PT
Dirección 3Q
del flujo
CC
PC-LT PC-60 PC-40 PC-20 PC 1Q
(4-1)
Donde
ai,i-1: aceleración o deceleración entre los puntos consecutivos “i” e “i-1” en m/s2,
Para definir cuál de estos enfoques es el más adecuado se calcularon los valores de
aceleración y desaceleración en varios tramos de los caminos utilizando los dos métodos. Por
ejemplo, en la Figura 4-2 se muestra los cálculos con la ecuación (4-1) para la recta de entrada a
la curva Nº 17 del camino San Juan – Jáchal. En esta gráfica se observan ciertas diferencias entre
el perfil del percentil 85 de la aceleración calculado con recorridos individuales (a85) y el perfil
de aceleración obtenido del percentil 85 de la velocidad (a(V85)). Además, se observan cambios
más bruscos en la pendiente del perfil de a(V85), lo que podría estar asociado a que la
distribución de velocidades es muy diferente en dos zonas consecutivas, especialmente al
30
acercarse o salir de las curvas horizontales. En base a estas consideraciones, se decidió utilizar el
primer enfoque dado que genera perfiles de aceleraciones y desaceleraciones más estables que el
segundo. A similares conclusiones llegaron Bella (2008) y Pérez et al. (2010).
0,6
Aceleración o desaceleración (m/s2)
0,4
0,2
0,0
-0,2
a85 a(V85)
-0,4
-0,6
PC-300 PC-200 PC-100 PC PT
Ubicación relativa al inicio de la curva (m)
Figura 4-2 Gráfica comparativa entre dos métodos para calcular las aceleraciones y
desaceleraciones: desde perfiles individuales o desde el perfil del percentil 85 de la velocidad
a) Preparación de datos
Se aplicó el filtro de Kalman para generar una nueva base de datos con menor ruido
que los datos originales. Luego se exportó los datos de posición, distancia y heading cada 5 m.
Dado que la recolección de datos es continua, cuando el heading está fuera del rango
entre 0 a 360º, el software del Video VBOX Lite suma o resta 360º, generando discontinuidades
31
en la curva heading. Por lo que, para tener una curva continua, se debe realizar la operación
inversa a la realizada por el equipo. Con esta operación se obtiene el diagrama de heading para
suavizar.
155
Curva
150
Recta
Original
145 Suavizado
140
0 100 200 300 400 500 600 700 800
Distancia (m)
32
Para identificar si el diagrama muestra una recta o curva, se calculó un margen de
error admisible en base a la desviación estándar de la curva sin suavizar, afectada por el
porcentaje de reducción de desviación estándar al suavizar la curva. Con este margen se
determinó un límite superior (LS) y un límite inferior (LI), los cuales estuvieron entre ±0,10 y
±0,80, sin embargo, los valores con mejores resultados fueron ±0,20 para caminos de baja
curvatura y ±0,60 para los caminos de alta curvatura.
En cada recta, se calculó su longitud entre las observaciones que están dentro de los
límites adoptados. El radio de la curva se obtiene mediante la fórmula general de la
circunferencia con tres puntos: a) punto de fin de la recta de entrada, b) punto medio de la curva,
obtenido del ajuste por mínimos cuadrados y c) punto de inicio de la recta de salida.
Con este procedimiento sólo se pueden identificar y calcular las rectas y curvas
horizontales circulares para los caminos de prueba. La representación del radio de las curvas
horizontales para los tres caminos se muestran en las Figuras 4-4, 4-5 y 4-6. El detalle de la
geometría obtenida se muestra en el Anexo D.
1000
800
Radio de curva horizontal (m)
600
400
200
0
-200
-400
-600
-800
-1000
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 4-4 Radios de curvas horizontales para el camino San Juan - Ullum
33
1000
800
Radio de curva horizontal (m)
600
400
200
0
-200
-400
-600
-800
-1000
0 10 20 30 40 50 60 70 80 90 100 110 120 130
Distancia (km)
Figura 4-5 Radios de curvas horizontales para el camino San Juan - Jáchal
1000
800
Radio de curva horizontal (m)
600
400
200
0
-200
-400
-600
-800
-1000
0 10 20 30 40 50 60 70 80 90
Distancia (km)
∑ | |
(4-2)
∑
Donde:
34
CCR: razón de cambio de curvatura (º/km)
La estimación de la CCR se muestra en las Figuras 4-7, 4-8 y 4-9. En cada figura se
muestra la distancia recorrida y la suma absoluta de cambios angulares. En esas figuras se puede
identificar tramos de curvatura similar mediante la pendiente de la gráfica. Cuando se observa
que esta pendiente es aproximadamente una constante se trata de un tramo con curvatura
homogénea. En consecuencia, la CCR se calcula mediante la estimación de esas pendientes. Un
CCR alto representa elevada curvatura (ej. tramo montañoso), mientras que un CCR bajo
representa una baja curvatura (ej. tramo plano).
1500
CCR=48,8 º/km
1250
∑ Cambios angulares (º)
1000
750
500
250
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (Km)
Figura 4-7 Secciones homogéneas (SH) del alineamiento horizontal en el camino San Juan - Ullum
35
1400
CCR=19,3 º/km
1200
∑ Cambios angulares (º)
1000
CCR=1,7 º/km
CCR=2,7 º/km
800
CCR=35,4 º/km
600
CCR=5,5 º/km
0
0 20 40 60 80 100 120 140
Distancia (km)
Figura 4-8 Secciones homogéneas (SH) del alineamiento horizontal en el camino San Juan – Jáchal
10000
CCR=212,2 º/km
8000
∑ Cambios angulares (º)
CCR=145,3 º/km
CCR=354,8 º/km
6000
CCR=98,8 º/km
Figura 4-9 Secciones homogéneas (SH) del alineamiento horizontal en el camino Talacasto –
Pachaco
En la Figura 4-7 se puede ver que el camino San Juan - Ullum tiene tramos iniciales
con mayor curvatura que los tramos finales. Lo mismo sucede en el camino San Juan - Jáchal, en
la Figura 4-8, sin embargo, se presenta mayor o menor curvatura en ciertos tramos intermedios.
Por otro lado, en el camino Talacasto - Pachaco de la Figura 4-9, se puede ver que el tramo
inicial y un tramo intermedio (SH1 y SH4) tienen menor curvatura que el resto de los tramos.
También que esta ruta tiene el tramo más montañoso (354,8 º/km) de los caminos de prueba.
36
equipo tiene una precisión de ±10 m, se decidió calcular el promedio de la pendiente longitudinal
en tramos ascendentes o descendentes de cada camino en comparación con la pendiente
longitudinal de rectas independientes, como se muestra en las Figuras 4-10, 4-11 y 4-12.
860
-0,1%
840
-2,2 %
Altura (msnm)
820
+0,1 % -0,7 %
+3,6 %
800
0,0 %
780
-1,6 %
760
-2,8 %
+0,6 %
740
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
1150
1100
1050 -2,7 %
Altura (msnm)
1000 -1,0 %
0,7 % +0,5 %
+2,2 % -0,2 %
950
+0,6 % 0,1 %
900
850
800
0 20 40 60 80 100 120 140
Distancia (km)
37
2400
2200
-2,0 %
+3,8 %
2000
Altura (msnm)
1800 -0,9%
+4,1 %
1600 -5,4 %
1400
+2,6 % +2,3 %
1200 +0,4 %
1000
0 20 40 60 80 100
Distancia (km)
38
Se calcula la distancia de visibilidad disponible restando la progresiva relativa de B menos
la progresiva de A.
DVD
800
600
400
200
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 4-14 Perfiles de distancia de visibilidad disponible para el camino San Juan - Ullum
39
1000
Distancia de visibilidad disponible (m)
DVD
800
600
400
200
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 4-15 Perfiles de distancia de visibilidad disponible para el camino Ullum – San Juan
En el camino San Juan - Jáchal (Figura 4-16) se puede ver que la DVD está alrededor
de los 400 m, este valor es mayor al del camino anterior. Similar situación se ve en la otra
dirección (Figura 4-17). Esto está relacionado con que este camino tiene, en general, menores
valores de CCR que el camino San Juan - Ullum. Al tener menores valores de CCR, la curvatura
es menor, por lo que permitirá una mayor visibilidad.
1000
Distancia de visibilidad disponible (m)
DVD
800
600
400
200
0
0 10 20 30 40 50 60 70 80 90 100 110 120
Distancia (km)
Figura 4-16 Perfiles de distancia de visibilidad disponible para el camino San Juan - Jáchal
40
1000
600
400
200
0
0 10 20 30 40 50 60 70 80 90 100 110 120
Distancia (km)
Figura 4-17 Perfiles de distancia de visibilidad disponible para el camino Jáchal - San Juan
Por otro lado en el camino Talacasto - Pachaco (Figura 4-18) se pueden reconocer 4
tramos: 0 a10 km, 10 a 30 km, 30 a 60 km y > 60 km. Los tramos 10 a 30 km y > 60 km tienen
DVD más bajas que los otros tramos. Esos tramos también tienen CCR más altos, tal como se ve
en la Figura 4-9. Similar situación se produce en el sentido Pachaco - Talacasto (Figura 4-19).
1000
Distancia de visibilidad disponible (m)
DVD
800
600
400
200
0
0 10 20 30 40 50 60 70 80 90
Distancia (km)
Figura 4-18 Perfiles de distancia de visibilidad disponible para el camino Talacasto - Pachaco
41
1000
600
400
200
0
0 10 20 30 40 50 60 70 80
Distancia (km)
Figura 4-19 Perfiles de distancia de visibilidad disponible para el camino Pachaco - Talacasto
1200
1000
800
600
400
200
0
50
550
100
150
200
250
300
350
400
450
500
600
650
700
750
800
850
900
Figura 4-20 Box plot de la diferencia en la estimación de la visibilidad entre los dos observadores
versus la distancia de visibilidad disponible
42
Considerando las diferencias encontradas entre los observadores en la metodología
empleada, se sugiere contrastar, en futuros estudios, estos resultados con mediciones de
visibilidad en el campo con otros medios. También, se sugiere un mayor análisis del método,
para determinar si éste es repetible (un observador analiza el mismo video varias veces y obtiene
resultados similares) y reproducible (resultados similares entre observadores).
San Juan-Jáchal
San Juan-Ullum Talacasto-Pachaco
Conductor San Juan - Talacasto Talacasto - Jáchal
Ida Vuelta Ida Vuelta Ida Vuelta Ida Vuelta
1 x x
2 x x x x
3 x x
4 x x
5 x x
6 x x
7 x x
8 x x
9 x x x x
10 x x
11 x x x x x x
12 x x x x
13 x x x x
14 x x x x
43
Tabla 4-2 Recorridos seleccionados para la validación de modelos
San Juan-Jáchal
San Juan-Ullum Talacasto-Pachaco
Conductor San Juan - Talacasto Talacasto - Jáchal
Ida Vuelta Ida Vuelta Ida Vuelta Ida Vuelta
1
2 x x x x
3
4
5
6
7
8 x x x x
9
10 x x
11 xxx xxx x x x x
12
13 x x
14 x x x x
CCR (º/km)
2- 50 50 - 150 > 150
Longitud de la recta de entrada a la curva (m)
25 - 250 251 - 500 > 500 25 - 250 251 - 500 > 500 25 - 250 251 - 500 > 500
Radio de la curva horizontal (m)
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
25 - 200
201-600
i
<2%
6 10 0 5 5 1 8 26 25 30 11 1 5 3 0 2 0 52 6 4 0 0 0 0 0 0
0
2–5%
0 9 12 0 2 10 0 10 9 10 61 14 0 1 0 0 2 2 48 89 6 0 5 0 0 2 0
> 5%
0 2 9 0 2 1 0 0 2 19 37 4 3 9 2 0 0 0 0 0 0 0 0 0 0 0 0
Nótese que hay celdas que no pudieron ser completadas, debido a que algunas
combinaciones de variables no son posibles y a que no fue posible encontrarlas en los tres
caminos de prueba. En la matriz de desaceleración (recta de entrada - curva horizontal) hay 585
sitios de medición con valores entre 1-89 sitios por cada celda. En la matriz de aceleración
(curva horizontal - recta de salida) hay 545 sitios de medición con valores entre 1-89 sitios por
cada celda.
44
Tabla 4-4 Número de sitios analizados para aceleración en curva horizontal – recta de salida
CCR (º/km)
2 - 50 50-150 > 150
Radio de la curva horizontal (m)
25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000
Longitud de la recta de salida a la curva (m)
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
i
<2%
0 1 3 5 8 8 5 26 22 1 0 26 5 2 9 3 0 31 0 0 3 0 0 2 0 0
0
2–5%
0 0 0 12 2 10 12 10 9 10 1 0 61 0 2 14 0 2 48 0 0 89 5 2 6 0 0
> 5%
0 0 0 2 2 0 9 1 2 19 3 0 37 9 0 4 2 0 0 0 0 0 0 0 0 0 0
Con los viajes realizados por los caminos de prueba se calculó el número de
observaciones de cada matriz factorial, como se ve en la Tabla 4-5 y Tabla 4-6.
Tabla 4-5 Número de observaciones recolectadas para desaceleración en recta de entrada – curva
horizontal
CCR (º/km)
2 - 50 50-150 > 150
Longitud de la recta de entrada a la curva (m)
25 - 250 251-500 > 500 25 - 250 251-500 > 500 25 - 250 251-500 > 500
Radio de la curva horizontal (m)
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
601-1000
25 - 200
25 - 200
25 - 200
25 - 200
25 - 200
25 - 200
25 - 200
25 - 200
25 - 200
201-600
201-600
201-600
201-600
201-600
201-600
201-600
201-600
201-600
i
<2%
0 16 35 0 30 27 4 39 103 42 82 28 3 19 8 0 6 0 120 12 6 0 0 0 0 0 0
2–5%
0 3 24 0 6 3 0 0 3 42 81 12 9 21 3 0 0 0 0 0 0 0 6 0 0 0 0
45
mayores o menores al valor calculado previamente de 17 observaciones por celda, en
consecuencia, estas matrices factoriales son desbalanceadas e incompletas. Por lo tanto, se
sugiere para futuras investigaciones, recolectar más observaciones en las celdas que tuvieron
menos de 17 observaciones, siempre y cuando se trate de celdas que representen condiciones
geométricas viables según las normas de diseño, y sean factibles de encontrar en estudios de
campo.
Tabla 4-6 Número de observaciones recolectadas para aceleraciones en curva horizontal – recta de
salida
CCR (º/km)
2 - 50 50-150 > 150
Radio de la curva horizontal (m)
25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000 25 - 200 200 - 600 600 - 1000
Longitud de la recta de salida a la curva (m)
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
251 - 500
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
25 - 250
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
> 500
i
<2%
0 0 4 14 27 44 37 27 101 39 6 0 80 20 7 28 8 0 120 0 0 12 0 0 6 0 0
2–5%
0 0 0 3 6 0 24 3 3 45 6 0 78 24 0 12 3 0 0 0 0 0 0 0 0 0 0
Es necesario aclarar que los valores de estas tablas representan las observaciones por
cada celda, ya que las observaciones por cada sitio están en función del número de conductores,
es decir, entre 3 y 8 observaciones.
46
conductores tienen puntuaciones medias o bajas y sólo unos pocos tienen puntuaciones altas, lo
que llevaría a pensar que el grupo de conductores analizados en este trabajo no son los
individuos más propensos a circular a velocidades elevadas.
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0 5 10 0 5 10 0 5 10 0 5 10 0 5 10
47
Riesgo y alta Cordial y Reducción de
Agresivo Ansioso Disociativo
velocidad prudente estrés
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0 27 54 0 18 36 0 12 24 0 33 66 0 18 36 0 15 30
Ante la duda de que las encuestas realmente sirvan para caracterizar al conductor, se
realizó un análisis de los cuestionarios ZKPQ-50-cc y MDSI-S relacionándolos con las
velocidades máximas en rectas y curvas, desaceleraciones máximas antes de ingresar a las curvas
y aceleraciones máximas al salir de las curvas horizontales de cada conductor.
Para analizar la relación entre las velocidades y aceleraciones con las puntuaciones
del cuestionario ZKPQ-50-cc se calculó el coeficiente de correlación de Pearson (R) como se
muestra en la Tabla 4-7. No se encontró ninguna relación entre la Impulsividad / búsqueda de
sensaciones y la velocidad máxima en rectas y curvas, desaceleración máxima o aceleración
máxima. La única relación estadísticamente significativa (95% de confiabilidad) encontrada fue
la agresión/hostilidad relacionada positivamente con la aceleración máxima. En base a estos
48
resultados, se podría decir, que la caracterización del conductor en base al cuestionario ZKPQ-
50-cc no es adecuada.
Tabla 4-7 Coeficiente de correlación entre las puntuaciones de los rasgos de la personalidad de los
conductores (según el ZKPQ-50-cc) y su velocidad y aceleración máxima
Rasgos de la personalidad
Magnitud Criterio o condición
ImpSS Agg-Host N-Anx Act Sy
Velocidad máxima en rectas Lr>600 m -0,276 -0,091 -0,494 -0,111 -0,528
200 m ≤ Rc < 400 m 0,054 -0,277 0,069 -0,057 -0,266
Velocidad máxima en curvas 400 m ≤ Rc < 600 m 0,174 -0,304 0,139 0,160 -0,164
horizontales 600 m ≤ Rc < 800 m 0,142 -0274 0,209 0,052 -0,113
800 m ≤ Rc < 1000 m 0,175 -0,272 0,305 0,084 0,009
Deceleración máxima Antes de las curvas 0,127 -0,246 0,068 0,124 0,317
Aceleración máxima Después de las curvas 0,052 0,643* -0,176 -0,170 -0,241
* p<0,05; ImpSS: Impulsividad / Búsqueda de Sensaciones; Agg-Host: Agresión / Hostilidad; N-ANx:
Neurotismo / Ansiedad; Act: Actividad; Sy: Sociabilidad
Para analizar la relación entre las velocidades y aceleraciones con las puntuaciones
del cuestionario MDSI-S se calculó el coeficiente de correlación de Pearson (R) como se muestra
en la Tabla 4-8. Nótese que, en general, los estilos RAV, AGR y ANS están positivamente
correlacionados con la velocidad máxima y la aceleración y desaceleración máximas, mientras
que, los estilos CYP y RES están negativamente correlacionados; lo que es coherente con la
realidad. Los coeficientes de correlación del estilo DIS o disociativo son altos ya que están
influenciado por el valor de 39, lo que favorece la disminución de p; no obstante, el estilo DIS no
debería estar relacionado con la velocidad o aceleración dado que se refiere a la tendencia que
tiene el conductor de distraerse con facilidad mientras ejerce las tareas de conducción y por
consiguiente estar envuelto en errores de manera frecuente.
Tabla 4-8 Coeficiente de correlación entre las puntuaciones de los estilos de conducción de los
conductores (según el MDSI-S) y su velocidad y aceleración máxima
Estilos de conducción
Magnitud Criterio o condición
RAV AGR DIS CYP ANS RES
Velocidad máxima
Lr>600 m 0,484 0,537 0,138 0,023 -0,073 -0,115
en rectas
200 m ≤ Rc < 400 m 0,466 0,080 0,545** -0,266 0,387 -0,079
Velocidad máxima
400 m ≤ Rc < 600 m 0,461 0,273 0,610* -0,444 0,103 -0,137
en curvas
600 m ≤ Rc < 800 m 0,531** 0,218 0,632* -0,351 0,213 -0,132
horizontales
800 m ≤ Rc < 1000 m 0,423 0,114 0,554* -0,317 0,199 -0,081
Deceleración
Antes de las curvas -0,702* -0,269 -0,573** 0,284 -0,220 0,572**
máxima
Aceleración
Después de las curvas 0,603* 0,161 0,233 -0,077 0,082 -0,657*
máxima
* p<0,05; ** p<0,10; RAV: Riesgo y alta velocidad; AGR: Agresivo; DIS: Disociativo; CYP: Cordial y
prudente; ANS: Ansioso, RES: Reducción de estrés
En lo que respecta al estilo RAV, todos los coeficientes de correlación son altos, es
decir, a mayores puntuaciones en el estilo RAV le corresponden mayores velocidades, mayores
aceleraciones y mayores desaceleraciones. El estilo RAV es estadísticamente significativo en las
velocidades en curvas (600 m ≤ Rc < 800 m), en las desaceleraciones y aceleraciones. En base a
49
estos resultados, se podría decir, que el cuestionario MDSI-S es una herramienta aceptable para
caracterizar al conductor en estudios relacionados a la velocidad.
Por otro lado, en base a los caminos de prueba, se pudo obtener el número de sitios y
de observaciones para cada matriz factorial. El número de sitios para cada matriz factorial fue
585 y 545. En base al número de observaciones, se puede decir, que las matrices factoriales están
50
desbalanceadas e incompletas, por lo que en futuras investigaciones, se podría tratar de
completar las matrices y mejorar su balance.
51
52
5. ANÁLISIS DE PATRONES DE COMPORTAMIENTO
En este capítulo se muestra el análisis de patrones de comportamiento de la
aceleración y desaceleración en función de las variables geométricas. Para ello, y de acuerdo con
las matrices factoriales, sólo se consideró desaceleración desde la recta de aproximación hasta la
curva horizontal (recta-curva) y aceleración desde la curva horizontal hasta la recta de salida
(curva-recta), sin embargo, cabe destacar que en las observaciones recolectadas existieron
maniobras de aceleración y desaceleración en ambos casos y en otros elementos del camino.
110
100
90
Lr≤100 m 100<Lr≤200 m
200<Lr≤300 m 300<Lr≤400 m
80
400<Lr≤500 m 500<Lr≤600 m
Lr>600 m
70
PC-500 PC-400 PC-300 PC-200 PC-100 PC PT
Ubicación relativa a la curva horizontal (m)
Figura 5-1 Velocidad de operación promedio para varias longitudes de recta de entrada (Lr) a la
curva horizontal
53
longitudes de recta entre 300 a 600 m. Entonces, se llevó a cabo un test-t para determinar si los
valores medios de las velocidades son estadísticamente distintos (p<0,05) del rango adyacente, y
se conformaron nuevos grupos. El resultado se grafica en la Figura 5-2.
120
Velocidad de operación (km/h)
110
100
Lr≤100 m 90
100<Lr≤200 m
200<Lr≤600 m
80
Lr>600 m
70
PC-500 PC-400 PC-300 PC-200 PC-100 PC PT
Ubicación relativa a la curva horizontal (m)
Figura 5-2 Velocidad de operación promedio para cuatro rangos de longitudes de recta de entrada
a la curva horizontal
0,0
-0,1
-0,2
Lr≤100
100<Lr≤200
-0,3 200<Lr≤600
Lr>600
-0,4
PC-400 PC-300 PC-200 PC-100 PC PT
Ubicación relativa a la curva horizontal (m)
Figura 5-3 Aceleración o desaceleración promedio para cuatro rangos de longitudes de recta de
entrada a la curva horizontal
Cabe aclarar que estos perfiles son el promedio de las desaceleraciones para cada
rango de recta, por lo que los valores son menores a los normalmente usados en la literatura. En
la Figura 5-3, dado que la maniobra de desaceleración empieza cuando hay valores negativos se
54
realizó un análisis para determinar el inicio de la desaceleración, mediante un test-t en cada
sección de las rectas, para verificar si los valores eran estadísticamente diferentes de cero. Según
este análisis, la longitud donde empieza la desaceleración se muestra en la Tabla 5-1.
Tabla 5-1 Resultado del test-t para la longitud de inicio de la desaceleración antes de la curva
horizontal
Longitud de
Rango de
inicio de la Desaceleración Desviación
longitud N de SE
desaceleración media estándar 95% CI T p
de la obs. promedio
antes de la (m/s2) (m/s2)
recta (m)
curva (m)
≤100 70 38 -0,040 0,339 0,055 (-0,151, 0,071) -0,73 0,473
100-200 110 77 -0,032 0,255 0,029 (-0,090, 0,025) -1,11 0,270
200-600 230 72 -0,042 0,200 0,024 (-0,089, 0,045) -1,80 0,076
>600 250 48 -0,102 0,117 0,017 (-0,135, -0,068) -6,06 0,000
Cabe aclarar que en cada rango de longitud de recta se encontraron diversos valores
de longitudes de desaceleración, así: Lre≤100 m entre 10,5 y 68,8 m, 100<Lre≤200 m entre 12,0
y 167,0 m, 200<Lre≤600 m entre 13,0 y 383,9 m y Lre>600 m entre 16,7 y 482,5 m; es decir,
valores entre 10,5 a 482,5 m. Estos resultados no fueron tan distintos de los encontrados en la
literatura: 40 a 462,5 m.
Según este enfoque, un vehículo que circula por una recta entre 200-600 m deberá
iniciar la maniobra de desaceleración a los 230 m, e independientemente de la velocidad que
tenga; sin embargo, de las observaciones, se puede decir que el inicio de la desaceleración de un
vehículo que circula a una velocidad menor a 80 km/h es menor a los 230 m propuesto. En ese
contexto y considerando que la longitud de la recta influye en la variación de la velocidad,
también se estimó el inicio de la desaceleración en función de la velocidad. Para ello se usó la
base de datos graficados en la Figura 5-2, y cuyos resultados pueden ser vistos en la Tabla 5-2.
Tabla 5-2 Inicio de la desaceleración en la recta en función del percentil 85 de la velocidad
Longitud de inicio
V85 al momento
de la desaceleración
de desacelerar (km/h)
antes de la curva (m)
≤85 70
85-95 110
95-105 230
>105 250
55
5.2 Desaceleración representativa
Para analizar la relación de la geometría del camino sobre la desaceleración se
decidió utilizar una desaceleración representativa, ya que es más difícil analizar toda la maniobra
de desaceleración. Este valor está alrededor del inicio de la curva, en donde el perfil de
desaceleración alcanza su valor máximo, tal como se observó en la Figura 5-3.
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
-5,4 -4,0 -2,6 -2,2 -0,4 -0,1 0,0 0,4 2,2 2,6 4,0 5,4
Pendiente longitudinal (%)
Figura 5-4 Box plot del percentil 85 de la desaceleración versus la pendiente longitudinal
En lo que respecta a la CCR, el box plot de los valores de CCR relacionados con el
percentil 85 de la desaceleración se muestran en la Figura 5-5. En esta figura se ve que en los
caminos menos sinuosos se presentan menores desaceleraciones y aumentan conforme aumenta
la sinuosidad, excepto para el CCR=47 y 355 º/km que tienen valores fuera de esa tendencia.
56
1,6
1,2
1,0
0,8
0,6
0,4
0,2
0,0
4 11 25 30 47 72 99 131 134 145 177 355
CCR (º/km)
Figura 5-5 Box plot del percentil 85 de la desaceleración versus CCR de tramos homogéneos
horizontales
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0 100 200 300 400 500 600
Longitud de la curva horizontal (m)
57
1,6
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0 20 40 60 80 100 120 140 160 180
Deflexión (º)
1,6
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Conductor
Figura 5-8 Box plot del percentil 85 de la desaceleración para cada conductor evaluado
Por otro lado, en la Figura 5-8 se puede ver que los conductores 3 y 11 tienen las más
altas desaceleraciones, quienes también tuvieron puntuaciones relativas altas en el estilo de
conducción de riesgo y alta velocidad. Esta relación fue presentada previamente y sólo se aplica
58
para las desaceleraciones máximas, mientras que, para las demás desaceleraciones, la influencia
del conductor es baja.
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0 200 400 600 800 1000
Radio de la curva horizontal (m)
59
longitud de la curva de la siguiente manera: inicio de la curva (PC), ¼ de la longitud de la curva
(1Q), centro de la curva (CC), ¾ de la longitud de la curva (3Q) y fin de curva (PT).
100
90 Rc<100 m
100-200 m
80
200-300 m
70 300-500 m
500-600 m
60
600-1000 m
50
,00 1,00
PC 2,00
1Q 3,00
CC 4,00
3Q 5,00
PT 6,00
Sectores en la curva horizontal
0,3
Promedio de la acel/desaceleración
0,2
0,1 Rc<100 m
100-200 m
(m/s2)
0,0
200-300 m
-0,1 300-500 m
500-600 m
-0,2
600-1000 m
-0,3
,00 PC 1,00 1Q 2,00 CC3,00 3Q4,00 PT5,00
Sectores en la curva horizontal
60
finalidad de analizar su dispersión e influencia sobre el fin de la desaceleración, como se muestra
en la Figura 5-12. En esta figura se puede ver que existe dispersión en las longitudes de curva
para cada rango de radios, lo cual genera un sesgo en la longitud de fin de desaceleración, dado
que en las curvas de diferente longitud, los puntos PC, 1Q, CC, 3Q y PT no coinciden. Por lo
tanto, se puede segmentar la longitud de la curva, para cada rango de radio, con el objetivo de
calcular con mayor precisión el fin de desaceleración para cada segmento; sin embargo, en la
práctica, demasiados valores pueden llegar a complicar la construcción de los perfiles de
desaceleración y sin ganar significativamente precisión en los análisis de consistencia.
600
500
Longitud de la curva (m)
400
300
200
100
0
<100 m 100-200 m 200-300 m 300-500 m 500-600 m 600-1000 m
Radio de la curva (m)
Figura 5-12 Box plot de la longitud de la curva versus el radio de la curva horizontal
61
120
100
(km/h)
90
Lrs≤100 m
100<Lrs≤200 m
80 200<Lrs≤600 m
Lrs>600 m
70
PC-100,0PC PT PT+100 PT+200 PT+300 PT+400
Ubicación relativa a la curva horizontal (m)
Figura 5-13 Velocidad de operación promedio para varios rangos de recta de salida de la curva
horizontal
0,2
Aceleración promedio (m/s2)
0,1
0,0
-0,1 Lrs≤100 m
100<Lrs≤200 m
-0,2 200<Lrs≤600 m
Lrs>600 m
-0,3
PC-100,0 PC PT PT+100 PT+200 PT+300 PT+400
Ubicación relativa a la curva horizontal (m)
Figura 5-14 Aceleración promedio para varios rangos de recta de salida de la curva horizontal
En la segunda columna de la Tabla 5-3 se puede ver el fin de la aceleración para cada
rango de longitud de rectas de salida, sin embargo, hay que considerar que se encontraron
diversos valores de fin de aceleración para esos mismos rangos: Lr≤100 entre 0,4 y 74,4 m,
100<Lr≤200 entre 1,2 y 138,2 m, 200<Lr≤600 entre 2,5 y 496,6 m y Lr>600 entre 3,3 y 722,7 m;
es decir, entre 0,4 a 722,7 m; resultado diferente a los encontrados en la literatura: 60 y 654 m.
Esta diferencia podría deberse a que los otros estudios sólo consideraron rectas en donde el
conductor podía llegar a la velocidad deseada.
62
perdida por la curvatura, mientras que en la maniobra de desaceleración, frena a una mayor
distancia para ajustar de mejor manera su velocidad antes de ingresar a la curva.
Tabla 5-3 Resultado del test-t para las longitudes de fin de la aceleración después de la curva
horizontal
Longitud de
Longitud fin de la Desviación
N de Aceleración SE
de la aceleración estándar 95% CI T P
obs. media (m/s2) promedio
recta después de la (m/s2)
curva (m)
≤100 30 147 0,061 0,693 0,057 (-0,052; 0,174) 1,070 0,287
100-200 30 67 0,048 0,444 0,054 (-0,060; 0,156) 0,890 0,379
200-600 90 64 0,022 0,287 0,036 (-0,049; 0,094) 0,620 0,538
>600 130 43 0,026 0,229 0,035 (-0,044; 0,097) 0,760 0,454
1,2
Percentil 85 de la aceleración (m/s2)
1,0
0,8
0,6
0,4
0,2
0,0
-5,4 -4,1 -2,6 -2,2 -0,4 0,4 0,8 2,6 4,1 5,4
Pendiente longitudinal (%)
Figura 5-15 Box plot del percentil 85 de la aceleración versus la pendiente longitudinal
63
En base a las aceleraciones promedio se calibró una ecuación de regresión. En primer
lugar se hizo un análisis secuencial de la varianza para determinar qué ecuación ofrece el mejor
ajuste. La ecuación que mejor se ajustó a los datos fue la cuadrática (p=0,046; R2 aj=0,42), en
comparación con la lineal (p=0,233; R2 aj=0,07) y la cúbica (p=0,407; R2 aj=0,41). La ecuación
de regresión cuadrática calibrada se muestra en la Tabla 5-4.
Tabla 5-4 Ecuación de predicción de aceleración antes de salir de la curva horizontal en función de
la pendiente longitudinal
Rango Rango
Tamaño RMSE Nº de
de CCR de radios Ecuación de predicción R2 aj
muestral (m/s2) ecuación
(º/km) (m)
4-355 27-990 10 0,42 0,07 (5-1)
Donde:
La ecuación (5-1) no debe usarse más allá de -5,4 y 5,4%, ya que se desconoce cómo
continúa la curva. Dado que la ecuación se calibró con valores promedios, la ecuación genera
una aceleración máxima de 0,38 m/s2 (alrededor de -1%), este valor es muy inferior al máximo
encontrado en las observaciones (+1,20 m/s2).
1,2
Percentil 85 de la aceleración (m/s2)
1,0
0,8
0,6
0,4
0,2
0,0
25 30 47 72 99 131 134 145 177 355
CCR (º/km)
64
También se analizó la relación entre el conductor y la aceleración promedio, para
ello se graficó un box plot de esas dos variables, como se muestra en la Figura 5-17. Los
conductores tienen valores de aceleración muy similares entre ellos. El conductor 3 y 8, que
tienen altos valores de agresión/hostilidad tienen las más altas aceleraciones medias. Por otro
lado, los conductor 13 y 14 tienen valores menores en agresión/hostilidad que los conductores 3
y 8 y presentan las más bajas aceleraciones medias. En un análisis de las características del
conductor, la edad, experiencia y género no parece influir sobre la aceleración media.
1,6
Percentil 85 de la aceleración (m/s2)
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Conductor
Figura 5-17 Box plot del percentil 85 de la aceleración para cada conductor evaluado
65
1,4
1,0
0,8
0,6
0,4
0,2
0,0
0 500 1000 1500 2000
Longitud de la recta de salida desde las curvas horizontales (m)
1,4
Percentil 85 de la aceleración (m/s2)
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0 100 200 300 400 500 600
Longitu de la curva horizontal (m)
66
1,4
1,0
0,8
0,6
0,4
0,2
0,0
0 200 400 600 800 1000
Radio de la curva horiozntal (m)
Se hicieron dos tipos de gráficos con las velocidades y con las aceleraciones y
desaceleraciones. En primer lugar, se graficó la velocidad de cada punto versus la DVD, tal
como se muestra en la Figura 5-21 y Figura 5-22. En estas gráficas, se puede ver que a partir de
400 m de DVD la velocidad es menos afectada. Con este análisis se esperaba encontrar si DVD
condiciona la aceleración o desaceleración, sin embargo, esas maniobras parecen ser indiferentes
a las distancia de visibilidad, dado que por ejemplo, en una distancia de visibilidad disponible de
200 m se pueden presentar aceleraciones o desaceleraciones.
67
160
120
100
80
Acelera
60
40
20
0
0 100 200 300 400 500 600 700 800 900 1000
Distancia de visibilidad disponible (m)
Figura 5-21 Velocidad de operación versus distancia de visibilidad disponible para la maniobra de
aceleración
160
Velocidad de operación (km/h)
140
120
100
80
Desacelera
60
40
20
0
0 100 200 300 400 500 600 700 800 900 1000
Distancia de visibilidad disponible (m)
Figura 5-22 Velocidad de operación versus distancia de visibilidad disponible para la maniobra de
desaceleración
68
igual o mayor a 400 m, es probable que el conductor ya alcanzó la velocidad deseada y no
necesite acelerar o tenga una menor aceleración.
0,5
0,0
-0,5
-1,0
-1,5
100 200 300 400 500 600 700 800
Distancia de visibilidad disponible (m)
Figura 5-23 Box plot del percentil 85 de la desaceleración / aceleración versus distancia de
visibilidad disponible para la maniobra de aceleración y desaceleración
Rango de Tamaño
Tipo de RMSE Nº de
distancia de de la Ecuaciones de predicción R2 aj
ecuación (m/s2) ecuación
visibilidad (m) muestra
Donde:
Del resultado del análisis, se puede decir que la DVD es influyente sobre la
aceleración y desaceleración, sin embargo, existió mucha dispersión en ambas maniobras. Por
otro lado, no se usarán las ecuaciones calibradas como modelos definitivos, considerando las
diferencias encontradas en el procedimiento de estimación de la DVD.
70
6. CALIBRACIÓN Y VALIDACIÓN DE MODELOS DE ACELERACIÓN
En este capítulo se discute la calibración y validación de los modelos de aceleración
y desaceleración. Los modelos de este capítulo se calibraron mediante los análisis de regresión y
usando hojas electrónicas (Microsoft Office Excel, 2007) y MINITAB 14.2 (Minitab, 2005).
Mayor detalle de los análisis de regresión se puede ver en el Anexo E. En la primera parte, en
base a las variables geométricas más influyentes, se calibran los modelos de regresión para
desaceleración y aceleración representativa. Posteriormente, se analiza la validez de estos
modelos mediante el análisis de los errores de predicción. Y finalmente, se presenta el resumen y
las principales conclusiones del capítulo.
Rango
Rango de Tamaño RMSE Nº de
de CCR Ecuación de predicción R2 aj
radios (m) muestral (m/s2) ecuación
(º/km)
71
Donde:
Dado que la CCR también influye sobre la desaceleración se realizó un análisis para
incluirla en el modelo. No fue posible incluirla en el modelo directamente debido a la falacia
ecológica; por lo que se decidió segmentar la base de datos en diferentes grupos de acuerdo a los
valores CCR de las matrices factoriales, de tal manera que puedan ser analizados por separado.
Los umbrales definitivos de CCR se eligieron asegurándose que los resultados entre ecuaciones
de regresión consecutivas no sean los mismos. En cada umbral se eliminaron los puntos atípicos
mayores a ±1,5 del rango intercuartílico. En base a esos análisis se calibraron dos modelos: para
CCR≤50 º/km y para CCR>50 º/km. Los resultados se muestran en la Tabla 6-2.
Tabla 6-2 Ecuaciones de predicción de desaceleración antes de ingresar a las curvas horizontales en
base a la CCR
Rango
Rango de Tamaño RMSE Nº de
de CCR Ecuaciones de predicción R2 aj
radios (m) muestral (m/s2) ecuación
(º/km)
Donde
Estos modelos tienen un mejor ajuste que el modelo general ya que el R2 ajustado es
mayor que la ecuación (6-1) y tiene mayor coeficiente de determinación en cada grupo de CCR,
con lo que se mejora la capacidad de predicción. Todos los modelos calibrados se grafican en la
Figura 6-1, en donde se puede observar que los modelos tienden a cero cuando el radio de la
curva aumenta, esto se debe a que las curvas de radios grandes son más cómodas para circular,
por lo que la desaceleración puede llegar a ser nula. Por el contrario, también se observa que a
medida que el radio de la curva disminuye, la desaceleración aumenta.
72
1,0
0,6
Ecuación general
CCR≤50 º/km
0,4 CCR>50 º/km
0,2
0,0
0 200 400 600 800 1000
Radio de la curva horizontal (m)
Figura 6-1 Percentil 85 de la desaceleración versus el radio de la curva horizontal para tres rangos
de CCR y con el modelo general
La desaceleración máxima observada fue -1,45 m/s2, este valor está entre los valores
encontrados por la literatura: -1,44 m/s2 (Fitzpatrick et al., 2000a), -1,16 m/s2 (Dell'Acqua y
Russo, 2010), -1,25 m/s2 (IHSDM, 2012), -1,34 m/s2 (Hu y Donnell, 2010), -2,5 m/s2 (Bennett,
1994) y -1,70 m/s2 (Pérez et al., 2013).
73
Tabla 6-3 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas
Donde:
1,4
Percentil 85 de la aceleración (m/s2)
1,2
1,0
0,8
0,6
0,4
0,2
0,0
Figura 6-2 Box plot entre el radio de la curva horizontal y el percentil 85 de la aceleración
74
Tabla 6-4 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas
Donde:
El valor de aceleración máxima fue de 1,20 m/s2, el cual está dentro de los valores
encontrados por la literatura: 1,77 m/s2 (Fitzpatrick et al., 2000a), 1,31 m/s2 (Hu y Donnell,
2010), 0,97 m/s2 (Dell'Acqua y Russo, 2010) y 0,54 m/s2 (IHSDM, 2012).
Tamaño
RMSE
Código Condiciones del alineamiento Ecuaciones de predicción de la R2
(m/s2)
muestra
Desaceleración antes de ingresar a
DC-1 47 0,56 0,07
la curva para un CCR≤50 º/km
Desaceleración antes de ingresar a
DC-2 103 0,56 0,14
la curva para un CCR>50 º/km
Aceleración antes de salir de la
AC-3 11 0,98 0,02
curva √
d85 = percentil 85 de la desaceleración promedio antes de ingresar a la curva, m/s2
a85med = aceleración media antes de salir de la curva horizontal, m/s2
CCR: razón de cambio de curvatura (º/km)
Rc: radio de la curva horizontal, m
RMSE: raíz cuadrada del error cuadrático medio
R2: coeficiente de determinación
75
ecuación de predicción, cálculo de los errores: MSE, MAE y MAPE, cálculo de la prueba de
Chi-cuadrado y los box plot de los errores absolutos entre los valores estimados y observados.
Cálculo de errores del pronóstico: el error del pronóstico es la diferencia que hay
entre el valor observado y el valor estimado. Los principales estadísticos para determinar ese
error son: el error cuadrático medio (MSE), error absoluto de la media (MAE) y el error absoluto
porcentual de la media (MAPE). Estos estadísticos se calcularon entre las observaciones
76
registradas en los sitios de validación y los valores estimados, para esas mismas observaciones,
usando las ecuaciones de predicción calibradas. Estos errores se calculan con las siguientes
ecuaciones:
∑( ) (6-6)
∑| | (6-7)
∑| | (6-8)
77
6.2.3 Gráficas y cálculos de la validación
-0,2
-0,1
0,0
0,0 -0,1 -0,2 -0,3 -0,4 -0,5
Figura 6-3 Desaceleración observada versus desaceleración estimada usando la ecuación DC-1 para
CCR≤50º/km
-1,0
curvas CCR>50º/km (m/s2)
-0,8
-0,6
-0,4
-0,2
0,0
0,0 -0,2 -0,4 -0,6 -0,8 -1,0 -1,2
Figura 6-4 Desaceleración observada versus desaceleración estimada usando la ecuación DC-2 para
CCR>50º/km
78
Aceleración (AC-3)
1,0
0,4
0,2
0,0
0,0 0,2 0,4 0,6 0,8 1,0
Aceleración promedio observada al salir de las
curvas horizontales (m/s2)
Figura 6-5 Aceleración observada versus aceleración estimada usando la ecuación AC-3
De las figuras mostradas, se puede decir que las gráficas con la ecuación DC-2
muestra una estimación aceptable frente a los valores observados. Las gráficas con la ecuación
de aceleración AC-3 al parecer no es adecuada para representar la aceleración, ya que se observa
mucha dispersión y la tendencia de las observaciones no son alrededor de la recta de referencia.
Las gráficas dan una información visual del ajuste de las ecuaciones a los datos de
validación, sin embargo, los errores ofrecen una valoración cuantitativa más clara de ese ajuste y
la prueba Chi-cuadrado da un valor de decisión de aceptarse o rechazarse esa ecuación. La Tabla
6-7 muestra estos estadísticos para cada ecuación de predicción, el valor Chi-cuadrado calculado
y el valor critico Chi-cuadrado con un nivel de significancia de 0,05 que representa un 95% de
probabilidad de que la hipótesis nula sea verdadera. La hipótesis nula en este análisis de Chi-
cuadrado es que no exista diferencias significativas entre los valores observados y los estimados,
frente a la hipótesis alternativa que dice que si existe diferencias significativas entre los valores
observados y los estimados.
Tabla 6-7 Errores de predicción y prueba Chi-cuadrado para las ecuaciones de predicción
calibradas
79
Un buen ajuste de las ecuaciones de predicción está relacionado con bajos valores de
estos errores. Los errores más altos encontrados en las aceleraciones y desaceleración los tienen
las ecuaciones DC-2 y AC-3. Los errores de la ecuación AC-3 se deben a que se calibró con
pocos sitios de medición y a que los datos de validación no están dentro del rango de los datos de
la calibración. Sin embargo, en base a la prueba Chi-cuadrado, se puede ver que ninguna de las
ecuaciones excede el valor crítico, lo que significa que no hay diferencias significativas entre los
valores estimados con las ecuaciones y los valores observados en la validación; por lo que, se
puede concluir que estas ecuaciones son válidas.
Con el fin de observar la diferencia absoluta entre los valores observados y los
valores estimados para cada ecuación se graficó el box plot de la Figura 6-6, mediante el
programa estadístico MINITAB 14.2 (Minitab, 2005). Esta figura muestra que la distribución de
los errores absolutos es simétrica, y que los errores más grandes se encuentran en las ecuaciones
DC-2 y AC-3, con presencia de puntos atípicos mayores a 0,3 m/s2.
0,6
0,5
Diferencia absoluta (m/s2)
0,4
0,3
0,2
0,1
0,0
Figura 6-6 Box plot de la diferencia absoluta entre los valores estimados y observados para los
modelos calibrados de aceleración y desaceleración
80
Tabla 6-8 Sitios seleccionados para calibrar un modelo para la aceleración antes de salir de la curva
horizontal en función de la velocidad de circulación
En base a los datos de la Tabla 6-8 se realizó un análisis de regresión para encontrar
la relación entre la velocidad de inicio de la aceleración y la aceleración promedio. Se eliminaron
los datos mayores a 100 km/h, considerando que tienen pocas observaciones. Como resultado se
obtuvo la ecuación (6-10) que tiene un R2=0,86 y un RMSE=0,05 m/s2. En esta ecuación tanto el
intercepto como la velocidad fueron estadísticamente significativos (p<0,05).
Tabla 6-9 Ecuaciones general de predicción de desaceleración antes de ingresar a las curvas
Rango de
Tamaño RMSE Nº de
velocidades Ecuación de predicción R2 aj
muestral (m/s2) ecuación
(km/h)
Donde:
81
circula a una velocidad de 122,8 km/h el modelo genera un valor alrededor de cero. Los valores
observados y la ecuación re-calibrada (6-10) se muestra en la Figura 6-7.
0,8
Aceleración promedio (m/s2)
Nuevo modelo
0,6
Valores observados
0,4
0,2
0,0
40 60 80 100 120
Velocidad de operación de inicio de la aceleración (km/h)
Figura 6-7 Aceleración promedio antes de salir de la curva horizontal versus la velocidad de inicio
de la aceleración
0,4
0,2
0,0
0,0 0,2 0,4 0,6
Aceleración promedio observada (m/s2)
Figura 6-8 Aceleración promedio observada versus la aceleración promedio estimada antes de salir
de la curva horizontal
82
Por otro lado, en la Tabla 6-10, los errores del nuevo modelo son levemente menores
a la anterior. Dado que no se obtuvieron mejoras en los errores con la nueva ecuación, se
mantuvo la ecuación original considerando tuvo un mayor R2 y un menor valor de RMSE.
Tabla 6-10 Errores de predicción y prueba Chi-cuadrado para la ecuación AC-3 original y el nuevo
modelo calibrado
AC-3 AC-3
Parámetros
(orig.) (mod.)
Sitios 11 16
MSE (m/s2)2 0,03 0,03
MAE (m/s2) 0,14 0,15
MAPE (%) 37,9 88,7
χ2 calculado 0,76 2,28
χ25% crítico 19,68 26,30
Tamaño
RMSE Rangos de
Condiciones del alineamiento Ecuaciones de predicción de la R2
(m/s2) aplicación
muestra
Lre≤100 m ó
38 - -
V85≤100 km/h
Inicio de la desaceleración en
100<Lre≤200 m ó
la recta de entrada (longitud 77 - -
85<V85≤95 km/h
antes del PC)
200<Lre≤600 m ó
(ANÁLISIS DE PATRONES 72 - -
95<V85≤105 km/h
DE COMPORTAMIENTO)
Lre>600 m ó
48 - -
V85>105 km/h
Desaceleración antes de
ingresar a la curva para un 47 0,56 0,07 287<Rc<990 m
CCR≤50 º/km
Desaceleración antes de
ingresar a la curva para un 103 0,56 0,14 39<Rc<883 m
CCR>50 º/km
248 - - Rc≤300 m
Fin de la desaceleración e
inicio de la aceleración dentro
de la curva 203 - - 300<Rc≤600 m
(ANÁLISIS DE PATRONES
DE COMPORTAMIENTO)
134 - - Rc>600 m
83
Tabla 6-11 (cont.) Resumen de las ecuaciones de regresión de aceleración y desaceleración
calibradas y validadas y de las longitudes de aceleración y desaceleración
Tamaño
RMSE Rangos de
Condiciones del alineamiento Ecuaciones de predicción de la R2
(m/s2) aplicación
muestra
Aceleración antes de salir de la
11 0,98 0,02 25<Rc<1000 m
curva √
147 - - Lrs≤100 m
Fin de la aceleración al salir de
la curva horizontal 67 - - 100<Lrs≤200 m
(ANÁLISIS DE PATRONES 64 - - 200<Lrs≤600 m
DE COMPORTAMIENTO)
43 - - Lrs>600 m
CCR: razón de cambio de curvatura (º/km)
Rc: radio de la curva horizontal, m
Lid: Longitud de inicio de la desaceleración en la recta de entrada hasta el PC de la curva horizontal, m
Lre: Longitud de la recta de entrada a la curva horizontal, m
d85 = percentil 85 de la desaceleración antes de ingresar a la curva, m/s2
Lfd: longitud de fin de desaceleración en la curva horizontal desde el PC de la curva horizontal, m
Lia: longitud de inicio de la aceleración en la curva horizontal desde el PC de la curva horizontal, m
a85med = aceleración media antes de salir de la curva horizontal, m/s2
Lfa: longitud de fin de aceleración en la recta de salida desde el PT de la curva horizontal, m
Lrs: Longitud de la recta de salida de la curva horizontal, m
RMSE: raíz cuadrada del error cuadrático medio
R2: coeficiente de determinación
84
7. MODELO TEÓRICO PARA CONSTRUIR EL PERFIL DE VELOCIDAD
En este capítulo se propone un modelo teórico para estimar el perfil de velocidades
de operación a partir del perfil de aceleración y desaceleración, el cual se obtiene con las
ecuaciones calibradas y validadas previamente y los valores encontrados de inicio/fin de
aceleración/desaceleración, los cuales se mostraron en la Tabla 6-11.
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
Figura 7-1 Perfiles de velocidad recolectados antes y después de una curva con radio de 123,5 m en
el camino San Juan - Ullum
Los perfiles de aceleración del ejemplo de la Figura 7-1 se muestra en la Figura 7-2.
En esta figura se observa que las maniobras de desaceleración y aceleración no son constantes,
por lo que, el perfil de velocidades no podría ser lineal, tal y como las investigaciones previas lo
85
señalaron, sino que debería ser un perfil de velocidad curvado en los extremos de cada maniobra
(como se ve en la Figura 7-1), lo que podría aproximarse a un perfil en "S".
En la Figura 7-2, también se observa que los perfiles de aceleración tienen valores
máximos antes y después de la curva horizontal, que en esta investigación fueron llamados
"representativos". Las velocidades más bajas en la curva de la Figura 7-1 se obtienen cuando el
perfil de aceleraciones en la curva llega a cero. Otros ejemplos de perfiles de velocidad y
aceleración para curvas con distinto radio se muestran en el Anexo G.
0,8
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-1,2
-1,6
-2,0
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
Figura 7-2 Perfiles de aceleración calculados antes y después de una curva con radio de 123,5 m en
el camino San Juan - Ullum
86
1,1 RECTA - INGRESO CURVA RECTA - SALIDA
0,9
Aceleración
Aceleración
0,7 representativa
0,5 Inicio de la
aceleración
0,3 Fin de
0,1 aceleración
-0,1 Inicio de la
Desaceleración
desaceleración PC PT
-0,3
Fin de la Perfil lineal
-0,5
desaceleración Perfil constante
-0,7 Desaceleración
representativa PC: inicio de la curva horizontal
-0,9 PT: fin de la curva horizontal
0 50 100 150 200 250 300 350 400
Figura 7-3 Principales perfiles de aceleración que se pueden obtener con la información obtenida en
este trabajo
Aceleración
0,7 representativa
0,5 Inicio de la
aceleración
0,3 Fin de
PC PT
0,1 aceleración
-0,1 Inicio de la
Desaceleración
desaceleración
-0,3
Fin de la Aceleración
-0,5
desaceleración Velocidad
-0,7 Desaceleración
representativa PC: inicio de la curva horizontal
-0,9 PT: fin de la curva horizontal
0 50 100 150 200 250 300 350 400
Figura 7-4 Representación gráfica del perfil de aceleración constante y perfil de velocidad en
curvas y rectas
87
más preciso, dado que se observó un comportamiento similar en las observaciones registradas,
como es el caso de la Figura 7-2. El perfil de velocidades que se puede obtener con el perfil de
aceleraciones lineal también se muestra en la Figura 7-5, el cual es similar al mostrado en la
Figura 7-1 y es más suavizado que el de la Figura 7-4. En la Figura 7-1 se muestra la
correspondencia entre el perfil de aceleraciones y el de velocidades.
3
RECTA - INGRESO CURVA RECTA - SALIDA
2,5 Máx Máx
Velocidad
Punto de
inflexión
2
Mín
1,5
Aceleración
1
Aceleración
representativa
Inicio de la
0,5 aceleración
Fin de
PC PT aceleración
0
Desaceleración
Inicio de la
desaceleración Fin de la Aceleración
-0,5 desaceleración
Velocidad
Desaceleración
-1 representativa PC: inicio de la curva horizontal
PT: fin de la curva horizontal
0 50 100 150 200 250 300 350 400
Figura 7-5 Representación gráfica del perfil de aceleración lineal y perfil de velocidad en curvas y
rectas
Una función que tiene una mayor suavización en el perfil de velocidad es seno
cuadrado. Esta función además permite genera una mayor precisión en el perfil de variación de
aceleración (o jerk), sin embargo, en este caso no puede ser utilizado dado que la función seno
cuadrado tiene la rama ascendente simétrica a la rama descendente, y como se ha visto en este
trabajo la aceleración/desaceleración no es simétrica. En consecuencia, el perfil de aceleraciones
lineal es el más adecuado para los datos que se disponen, ya que permite una suavización del
perfil de velocidades aceptable y no tiene las limitaciones de la función seno cuadrado.
88
También es poco realista que cada elemento del camino sea tratado de forma independiente, de
tal manera, que un elemento puede tener la misma velocidad estimada sin importar la ubicación
relativa en el recorrido del camino.
Otros elementos necesarios para la descripción del modelo teórico son: selección
de la velocidad en rectas, aplicación de los modelos de aceleración y desaceleración, uso de las
distancias de aceleración y desaceleración y construcción del perfil de velocidades.
89
Tabla 7-1 Longitud necesaria de la recta para realizar una maniobra completa de aceleración y
desaceleración
Long. de Long. de
Long.
Lrecta (m) acel. desde desacel. desde
necesaria (m)
PT (m) PC (m)
≤100 0 70 0+70=70
100-200 50 110 50+110=160
200-600 110 230 110+230=340
>600 110 250 110+250=360
Lacel-r Ldes-r
0,6
0,4
0,2
-1E-15
Desaceleración
Figura 7-6 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín = Lrecta
90
Caso 2: Lnec < Lrecta
Se produce cuando la longitud necesaria para que exista aceleración y desaceleración
es menor que la longitud de la recta. En este caso se puede alcanzar y mantener la velocidad
deseada durante la diferencia Lrecta-Lnec para luego desacelerar antes de ingresar a la curva,
como se ve en la Figura 7-7.
1,2 CASO 2: Lnec < Lrecta
Lnec = Lacel-r + Ldes-r
1
Lrecta
0,8
Aceleración
Lacel-r Ldes-r
0,6
0,4
0,2
-1E-15
Desaceleración
Figura 7-7 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín < Lrecta
En este caso, para realizar un perfil continuo, se puede utilizar cuatro enfoques: a)
distribuir la longitud que falta en igual proporción a las dos maniobras, b) distribuir la longitud
que falta en diferentes proporciones a las dos maniobras, c) distribuir la longitud que falta sólo
para la aceleración o d) distribuir la longitud que falta para la desaceleración. En el ejemplo, para
el primer enfoque: Lacel-r = 110-140/2 = 40 m y Ldes-r = 230-140/2 = 160 m, para el segundo
enfoque: Lacel-r = 110-(110/340)*140 = 65 m y Ldes-r = 230-(230/340)*140 = 135 m, para el
tercer enfoque: Lacel-r = 110-140= -30 m y Ldes-r = 230 m y para el cuarto enfoque: Lacel-r =
110 m y Ldes-r = 230-140= 90 m. Dado que la longitud de aceleración y desaceleración no son
simétricas y que algunos resultados son inconsistentes, se adopta el segundo enfoque ya que la
diferencia se reparte de manera proporcional.
91
1,2 CASO 3: Lnec > Lrecta
Lnec = Lacel-r + Ldes-r
1
Aceleración Lrecta
0,8
Ldes-r
0,6 Lacel-r
0,4
0,2
Desaceleración
-1E-15
PCn PTn PCn+1 PTn+1
-0,2
PC: inicio de la curva horizontal n
-0,4 PTn: fin de la curva horizontal n
-0,6 PCn+1: inicio de la curva horizontal n+1
PTn+1: fin de la curva horizontal n+1
0 50 100 150 200 250 300
Figura 7-8 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín > Lrecta
1
Aceleración
0,8 Ldes-r
0,6 Lrecta
0,4
0,2
Desaceleración
-1E-15
PCn PTn PCn+1 PTn+1
-0,2
Figura 7-9 Perfil de aceleraciones en la recta de dos curvas próximas, donde Lmín > Lrecta
92
aceleración a la desaceleración en la recta, por lo que, se asume en estos casos que sólo existe
maniobras de desaceleración. Nótese que esto es válido para Lrecta ≤ 70 m, lo que significa que
las curvas horizontales están muy cercanas entre sí y no representan mayores cambios en las
velocidades de las curvas consecutivas.
Luego de terminar con el análisis de todos los elementos del camino, se debe tener
perfiles de aceleración y desaceleración en cada curva horizontal. Con esos perfiles se calcula las
velocidades mediante el uso de la ecuación cinemática que relaciona la velocidad final, la
velocidad inicial, la aceleración o desaceleración y la distancia. Para el inicio del perfil de
velocidades se usará la velocidad ambiental. Esta velocidad también se usará cuando la longitud
de la recta lo permita.
93
desaceleración y construcción del perfil de velocidades. Para construir el perfil de velocidades es
necesario cumplir con 13 pasos básicos y el uso de la ecuación cinemática que relaciona la
velocidad final con la velocidad inicial, la aceleración y la distancia entre ellas.
94
8. CASOS DE APLICACIÓN
En este capítulo se muestra algunos casos de aplicación. En primer lugar se contrasta
los resultados del modelo teórico con un ejemplo significativo del estado del arte.
Posteriormente, se realiza la comparación del perfil de velocidad de operación real y el obtenido
con el modelo teórico en uno de los caminos muestreados. Luego, ante la falta de ajuste del perfil
real y teórico en las curvas horizontales, se incluyeron las ecuaciones de velocidades en curvas
como velocidad limitante en las curvas. La calibración y validación de estas ecuaciones se
muestran en el Anexo F. Finalmente, se muestran dos casos particulares que influyen sobre la
velocidad de operación.
8.1 Caso 1: Comparación con un perfil de velocidad del estado del arte
El siguiente ejemplo ilustra los resultados de usar el modelo teórico en comparación
con un ejemplo tomado de la investigación realizada por Fitzpatrick et al., (2000a), cuyas
características se muestran en Tabla 8-1 y la planimetría se muestra en la Figura 8-1. Sólo se
consideró la planimetría del ejemplo debido a que los modelos calibrados en el presente estudio
no contienen ningún elemento vertical. Considerando la planimetría, se asumió que la sección de
camino del ejemplo está en un tramo homogéneo de CCR≤50º/km.
Tabla 8-1 Ejemplo de aplicación: alineamiento horizontal y resultados de los perfiles de aceleración
y velocidad
Rc = 400 m
2,5
1,5
Rc = 250 m
0,5
Rc = 275 m
0
0 5 10 15
95
En la Tabla 8-1 también se muestran los cálculos del perfil de aceleración y
velocidad para cada punto singular. El inicio de la desaceleración para las tres rectas en función
de sus longitudes está ubicado a una distancia de: 600 m, 1470 m y 2650 m. El fin de la
desaceleración e inicio de la aceleración se ubica a: 975 m, 1850 m y 3040 m. El fin de la
aceleración se encuentra a: 1190 m, 2230 m y 3310 m. Se calculó la desaceleración con la
ecuación de CCR≤50º/km y los resultados fueron: -0,49 m/s2, -0,31 m/s2 y -0,45 m/s2. La
aceleración fue de 0,31 m/s2, 0,27 m/s2 y 0,30 m/s2. En todas las rectas estuvieron dentro del
caso 2, donde la longitud necesaria para acelerar y desacelerar fue mayor o igual a la longitud de
la recta. Con estos valores se graficó el perfil lineal de aceleraciones, el cual se muestra en la
Figura 8-2.
0,4
0,3
0,2
Aceleración (m/s2)
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
0 1000 2000 3000 4000
Distancia (m)
(8-1)
Donde:
96
Para poder relacionarse con el ejemplo, se asumió que los 100 km/h es la velocidad
ambiental. La Figura 8-2 muestra que la rama ascendente de la aceleración no termina en curva y
es bruscamente cortado cuando el perfil haya alcanzado la velocidad deseada, a diferencia de la
rama descendente en donde la desaceleración es gradual. El perfil de velocidades calculado y el
perfil de Fitzpatrick et al. (2000a) se muestra Figura 8-3. Nótese que único valor limitante para
este perfil es la velocidad ambiental.
105
Fitzpatrick et al., 2000a Velocidad calculada
100
95
Velocidad (km/h)
90
85
80
0 1000 2000 3000 4000
Distancia (m)
Figura 8-3 Gráfica comparativa entre los perfiles de velocidad calculado con los modelos de este
trabajo y el obtenido por Fitzpatrick et al., (2000a) para el ejemplo
La Figura 8-3 muestra que el perfil de velocidades calculado con el modelo teórico
no vuelve a alcanzar la velocidad de 100 km/h como lo hace el perfil de velocidades de
Fitzpatrick et al. (2000a), esto puede deberse a cuatro situaciones: a) la aceleración
representativa es demasiado baja, b) la longitud de aceleración en la recta es demasiado corta y
no permite aumentar su velocidad, c) las dos anteriores, o, d) que es necesario considerar la
velocidad en las curvas para corregir el perfil de velocidad, dado que esta investigación sólo
consideró desaceleración antes de la curva.
97
105
Fitzpatrick et al., 2000a Velocidad calculada
100
Velocidad (km/h)
95
90
85
0 1000 2000 3000 4000
Distancia (m)
Figura 8-4 Gráfica comparativa entre el perfil de velocidad modificada y el perfil de velocidades
obtenido por Fitzpatrick et al. (2000a) para el ejemplo.
0,6
Aceleración (m/s2)
0,4
0,2
0,0
-0,2
-0,4
-0,6
0 1000 2000 3000 4000
Distancia (m)
En base a estos análisis, se puede decir que, la aceleración no debería ser considerada
de la misma manera que la desaceleración, dado que, para el conductor, la desaceleración
significa restricción de su velocidad, mientras que, la aceleración representa libertad para elegir
una velocidad.
98
8.2 Caso 2: Perfil de velocidad de operación real y teórico
Para evaluar la aplicación del modelo teórico modificado, se calculó el perfil de
aceleraciones y de velocidades en el camino San Juan–Ullum en las dos direcciones. Se eligió
este camino considerando que tiene la mayor cantidad de recorridos que los otros dos caminos de
la muestra. El perfil de aceleraciones San Juan - Ullum se muestra en la Figura 8-6, el cual se
limitó a una aceleración máxima de 1,2 m/s2 y desaceleración máxima de 1,45 m/s2. Se calculó la
aceleración de 20 en 20 m hasta la longitud final del tramo.
1,5
1,0
Aceleración (m/s2)
0,5
0,0
-0,5
-1,0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-6 Perfil de aceleración calculado con el modelo teórico modificado para el camino San
Juan-Ullum
Para encontrar el perfil de velocidades con la ecuación (8-1) es necesario contar con
una velocidad de inicio, la misma que se calculó con la ecuación de velocidad ambiental (VA-1).
El modelo teórico modificado muestra cierta sensibilidad a la velocidad inicial, de tal manera
que, cuando se coloca una velocidad inicial muy alta o muy baja, al perfil de velocidades teórico
le toma más tiempo alcanzar el perfil real.
99
120
100
Velocidad (km/h)
80
60
40
Vestimada V85 (San Juan - Ullum)
20
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-7 Perfil de velocidad calculado con el modelo teórico modificado versus V85 observada en
el camino San Juan-Ullum
100
Velocidad (km/h)
80
60
40
Vestimada V85 (Ullum - San Juan)
20
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-8 Perfiles de velocidad calculado con el modelo teórico modificado versus V85 observada
en el camino Ullum-San Juan
En la Figura 8-7 y Figura 8-8 se puede ver que existen errores entre el perfil de
velocidad calculada con el modelo teórico modificado y el perfil de velocidades real. Esta
diferencia entre perfiles pueden deberse a que se calculó la aceleración con los recorridos
individuales y no corresponde a la aceleración obtenida desde el percentil 85 de la velocidad, por
lo que podría pensarse en un factor de corrección de la aceleración y desaceleración antes de
usarlo en la construcción del perfil de velocidades o usar un percentil de aceleración mayor. Esto
podría ser parte de algún estudio posterior.
100
Los tramos de ida y vuelta tienen tramos en común en donde se presentan errores
grandes. En estos tramos existen elementos que no se consideraron en esta investigación como la
presencia de árboles y de badenes desde el kilómetro 10 en el sentido San Juan - Ullum y desde
el kilómetro 8 en el sentido Ullum - San Juan. Eliminando esa información, se tiene un RMSE de
6,9 km/h para San Juan - Ullum y RMSE de 7,8 km/h para Ullum - San Juan.
Volviendo a los perfiles de la Figura 8-7 y Figura 8-8, en general, los errores más
grandes se encuentran en las curvas horizontales, por lo que, un perfil que incluya a las
ecuaciones de velocidad en curvas puede mejorar el ajuste del perfil de velocidades.
Para explicar este nuevo procedimiento, en primer lugar se resumen las ecuaciones
de regresión que se usó en la construcción del perfil de velocidad (ver Tabla 8-2) y luego se
muestra el algoritmo de aplicación de esas ecuaciones (Ver Figura 8-9). En estas ecuaciones de
la Tabla 8-2 se modifica, con respecto al modelo teórico, el fin de desaceleración e inicio de la
aceleración a la mitad de la curva horizontal y el fin de la aceleración está en función de que se
alcance la velocidad ambiental o se inicie una maniobra de desaceleración.
Tabla 8-2 Ecuaciones de regresión para calcular el perfil de velocidad usando ecuaciones de
velocidad
Nro. Tamaño
Condiciones del alineamiento Ecuaciones de predicción R2 RMSE
Ec. muestral
Velocidad en el centro de la
2 123 0,50 9,23
curva para un CCR≤50
Velocidad en el centro de la
3 151 0,46 7,63
curva para un 50<CCR≤150 √
Velocidad en el centro de la
4 202 0,61 7,03
curva para un CCR>150 √
34 n/d n/d
Inicio de la desaceleración en 73 n/d n/d
5 la recta de entrada (longitud
65 n/d n/d
antes del PC)
38 n/d n/d
101
Tabla 8-2 (cont.) Ecuaciones de regresión para calcular el perfil de velocidad usando ecuaciones de
velocidad
Nro. Tamaño
Condiciones del alineamiento Ecuaciones de predicción R2 RMSE
Ec. muestral
Desaceleración antes de
6 ingresar a la curva para un 47 0,56 0,07
CCR≤50
Desaceleración antes de
7 ingresar a la curva para un 103 0,56 0,14
CCR>50
Fin de la desaceleración e
8 inicio de la aceleración dentro n/d n/d n/d
de la curva
Aceleración antes de salir de la
9 11 0,98 0,02
curva √
Fin de la aceleración al salir de
10 n/d n/d n/d
la curva horizontal
V85 = Ec.1
Tipo de
entidad
Recta Curva
d = Ec. 6 ó 7
Ld = Ec. 5
VPC2 = V852 + 2d (Ld)
Lr ≤ Ld si si
Ld = Lr VPT = n/d
no VCC = Ec. 2, 3 ó 4
no
VPT = n/d ó si V85 = VPT
a = Ec.9
a =n/d
si
Vi ≥ V85
no
V85 = Vi
Figura 8-9 Algoritmo para calcular un perfil de velocidades usando las ecuaciones de
velocidad
102
Para usar el algoritmo es necesario calcular el radio de la curva, inicio de la curva
(PC), fin de la curva (PT), razón de cambio de curvatura de un tramo homogéneo (CCR),
longitud de la curva (Lc) y longitud de la recta (Lr). En este algoritmo, si el valor no está
disponible (n/d) significa el inicio del alineamiento, el cual puede empezar con una recta o curva
horizontal.
Con este nuevo procedimiento se calculó las aceleraciones y velocidades del camino
San Juan – Ullum. El nuevo perfil de aceleraciones para ese camino se muestra en Figura 8-10.
Nótese que el perfil está entre -1,45 a 1,2 m/s2, que son los valores máximos encontrados en esta
investigación.
1,5
1,0
Aceleración (m/s2)
0,5
0,0
-0,5
-1,0
-1,5
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-10 Perfil de aceleraciones usando modelos de velocidad para el camino San Juan-Ullum
También se calculó un nuevo perfil de velocidades para el camino San Juan - Ullum,
el cual se muestra en la Figura 8-11. Los errores de predicción están entre -10 a 44 km/h. Un
acercamiento a un tramo del camino entre 5-10 km en la Figura 8-12 muestra las pequeñas
diferencias entre el perfil calculado y el observado, y lo más importante, es que las subidas y
bajadas de los perfiles son muy similares.
103
140
120
100
Velocidad (km/h)
80
60
40
Vestimada V85 (San Juan - Ullum)
20
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-11 Perfil de velocidades usando modelos de velocidad versus V85 observada para el camino
San Juan-Ullum
100
95
Velocidad (km/h)
90
85
80
Vestimada V85 (San Juan - Ullum)
75
70
5 6 7 8 9 10
Distancia (km)
Figura 8-12 Acercamiento del tramo de 5-10 km del perfil de velocidades calculado usando modelos
de velocidad para el camino San Juan-Ullum
104
140
120
100
Velocidad (km/h)
80
60
40
Vestimada V85 (Ullum - San Juan)
20
0
0 2 4 6 8 10 12 14 16 18 20
Distancia (km)
Figura 8-13 Perfil de velocidades usando modelos de velocidad versus V85 observada para el camino
Ullum-San Juan
Los errores en los perfiles están asociados al porcentaje de varianza que explica cada
modelo, sin embargo, hay ciertas características que afectan a esos errores como la presencia de
árboles y badenes. Eliminando esas observaciones, se tiene un RMSE de 6,7 km/h para San Juan
- Ullum y RMSE de 5,1 km/h para Ullum - San Juan; por lo tanto, este último procedimiento es
más preciso dado que genera menores valores de RMSE comparado con el procedimiento
anterior (Caso 2).
105
Tabla 8-3 Características del tramo de camino con árboles y el tramo de control
100 100
V85 (km/h)
V85 (km/h)
90 90
80 80
V85 control V85 control
70 V85 árboles 70 V85 árboles
60 60
0 200 400 600 0 200 400 600
Distancia (m) Distancia (m)
Figura 8-14 Velocidad de operación para el tramo con árboles y el tramo de control
106
Tabla 8-4 Estimación de la reducción de la velocidad de operación en rectas debido a la presencia
de árboles en los costados del camino
Para analizar la influencia de los badenes, se analizó las rectas por separado, dado
que difieren en geometría y en los elementos adyacentes. En ambos casos, se analizó el perfil de
velocidades de operación para las rectas en ambos sentidos de circulación y se las comparó con
la recta de control.
107
Tabla 8-5 Características del tramo de camino con badenes y el tramo de control
Planimetría
4,5
Recta 1
4 Rc = 420 m
Rc = 123 m Rc = 655 m A
3,5 SAN JUAN
A
2,5 ULLUM Altimetría
2
1,5
Badén 1
Badén 2
0,5 (Hormigón)
(Hormigón)
0
0 2 4 6 8 10 12 14 16 18 20
Figura 8-15 Esquema planialtimétrico del tramo de camino con badenes y el tramo de control
V85 (km/h)
90 Badén 1
90
Badén 1
80 80
V85 control V85 control
70 V85 Recta 1 70 V85 Recta 1
60 60
0 500 1000 1500 2000 0 500 1000 1500 2000
Distancia (m) Distancia (m)
108
En la Figura 8-16a se puede ver que el perfil de velocidad de la recta 1 es menor que
el perfil de la recta de control, excepto en la última porción. Esto se debe, a que en esta última
porción existen 1300 metros más de recta en los que los conductores pueden recuperar su
velocidad y alcanzar la velocidad deseada. Por otro lado, en el otro sentido de circulación (Figura
8-16b) se puede ver el efecto contrario, los conductores ya alcanzaron la velocidad deseada y a
partir de ahí reducen la velocidad antes de ingresar al badén. La estimación de esta reducción de
velocidad se muestra en la Tabla 8-6.
109
Recta 2 versus Recta de control
Se limitaron las rectas entre 110 m desde el PF de la curva anterior y hasta 250 antes
de la curva anterior de la recta de control, por lo que se analizó aproximadamente 1260 m de
longitud. Nótese que esos valores, se calcularon anteriormente y representan las distancias de
aceleración y desaceleración en rectas. Los perfiles de velocidad de operación de la recta 2 y la
recta de control (en ambos sentidos) se muestran en la Figura 8-17. La longitud de badén es de
aproximadamente 250 m.
110 110
100 A 100 A
ULLUM SAN JUAN
V85 (km/h)
V85 (km/h)
90 90
80 Badén 2 80 Badén 2
V85 control V85 control
70 V85 Recta 2 70 V85 Recta 2
60 60
0 500 1000 1500 2000 0 500 1000 1500 2000
Distancia (m) Distancia (m)
En la Figura 8-17a, la velocidad se reduce antes y dentro del badén, para luego
aumentar, sin embargo, la presencia de una curva vertical convexa hace que la velocidad se
reduzca, debido a la falta de visibilidad. Una vez que se tiene una mejor visibilidad la velocidad
comienza nuevamente a aumentar. En la Figura 8-17b, sólo se reduce la velocidad antes de llegar
al badén, para luego aumentar la velocidad.
110
Tabla 8-7 Estimación de la reducción de la velocidad de operación en rectas debido a la presencia
de una curva vertical convexa con badén de hormigón rígido y con irregularidades en el pavimento
(Recta 2)
Dado que la presencia una curva vertical convexa, pavimento de hormigón rígido,
irregularidades en el pavimento y longitud del badén son cuatro variables independientes, es
difícil, decir cuánta velocidad se reduce por efecto de cada variable.
111
En el contraste del modelo teórico con un ejemplo de la literatura se detectó un error
a la salida de la curva, lo que llevó a eliminarse el concepto de longitud de aceleración en las
rectas del modelo teórico y cambiarse por que la aceleración termine cuando alcance la
velocidad ambiental o inicie una maniobra de desaceleración. Entonces, se aplicó este modelo
teórico modificado a uno de los caminos del trabajo: San Juan – Ullum (ida y vuelta), en donde
se detectaron que errores más grandes estaban en las curvas, por lo que, se incluyeron ecuaciones
de velocidad en curvas para tener un mejor ajuste al perfil real.
112
9. CONCLUSIONES Y RECOMENDACIONES
9.1 Conclusiones
La investigación tuvo por objetivo desarrollar modelos de aceleración y
desaceleración para vehículos livianos en caminos en terreno ondulado y montañoso, utilizando
el radio de la curva horizontal, la distancia de visibilidad disponible, la pendiente longitudinal, la
razón de cambio de curvatura y la longitud de la recta como variables explicativas. Se
recomienda que se realice una calibración local previa a la utilización de estos modelos y que no
sean utilizados más allá de los rangos establecidos.
Este trabajo ayuda a generar perfiles de velocidad más precisos y más realistas que
las metodologías anteriores, lo que permite que los análisis de la consistencia del diseño sean
más precisos, y con esto, ayudar a los diseñadores o revisores a tomar mejores decisiones para
reducir el riesgo de accidentes de tránsito debido a la geometría del camino. Además, ayuda a
clarificar la influencia de la geometría del camino sobre el conductor al elegir su velocidad,
desaceleración y aceleración.
113
Las encuestas sirvieron para estimar rasgos de la personalidad y el estilo de conducción de
los participantes. El uso de estas encuestas ayudan a caracterizar al conductor cuando las
muestras son pequeñas, además, permite un análisis más crítico, dado que se incluye
información relacionada al conductor.
En la práctica, la encuesta MDSI-S puede servir para estimar el estilo de conducción de
los conductores de la población y desarrollar medidas preventivas personalizadas
En estudios con equipos GPS, el uso de la cámara de video debe ser indispensable durante
recolección de datos, ya que facilitan la identificación y eliminación de observaciones que
no son parte del objeto de estudio, lo que favorece a un análisis de los datos más
adecuado.
El análisis de los modelos desarrollados mostró que ciertos supuestos adoptados en la
literatura no son correctos, tales como, velocidad constante en la curva horizontal, la
distancia de desaceleración o aceleración constante y la aceleración o desaceleración
también constante en toda la maniobra; por lo tanto, se puede decir que los resultados
permiten un mayor entendimiento de las maniobras de aceleración y desaceleración, sin
embargo, dada la complejidad del tema, aún quedan varios elementos por resolver.
Las maniobras de desaceleración y aceleración no deben ser analizadas de manera similar
ya que tienen diferente funcionamiento. Se desacelera debido a la presencia de un
elemento que restringe la velocidad y se acelera con la idea de alcanzar su velocidad
deseada, por este motivo, existe mayor dispersión en las maniobras de aceleración.
Los perfiles de velocidad deberían tratar de resolver todo el tramo de camino y no cada
elemento de manera independiente, dado que no es realista y su uso afecta los análisis de
consistencia del diseño de carreteras.
Las ecuaciones de aceleración tuvieron altos errores de predicción, por lo que, sería
necesario la inclusión de otras variables independientes, o limitar el experimento a
individuos con características más desfavorables como conductores agresivos o
susceptibles a circular a altas velocidades.
El cálculo del perfil de velocidad usando el modelo teórico propuesto tuvo un menor
ajuste que el perfil de velocidad ajustado con las ecuaciones de velocidad en curvas, por lo
que para su uso posterior se necesita una mayor validación. Esto puede deberse a que el
percentil elegido para la aceleración y desaceleración no es el adecuado o deba aplicarse
un factor de corrección antes de utilizarse en la construcción del perfil de velocidad.
En tramos rectos, la presencia de árboles a los dos lados del camino reduce la velocidad de
operación en aproximadamente 11,60 km/h; mientras que, la presencia de badenes reduce
la velocidad entre 4,3 y 17,9 km/h. En los modelos actuales, estas características están
parcialmente incluidas, por lo que, aún es necesario investigaciones para mejorar la
precisión de los perfiles de velocidad.
Las velocidades en las curvas estuvieron relacionadas con el radio de la curva horizontal y
la CCR, mientras que las velocidades en rectas estuvieron relacionadas con la CCR. La
114
distancia de visibilidad disponible también influye sobre la elección de la velocidad en las
curvas y en las rectas.
115
116
10. REFERENCIAS BIBLIOGRÁFICAS
AASHTO. (2010a). A policy on geometric design of higway and street. Washington D.C.:
American Association of State Highway and Transportation Officials.
AASHTO. (2010b). Highway Safety Manual (Primera ed.). Washington D.C.: American
Association of State Highway Transportation Officials.
Abaynayaka, S. W., Howe, J. D., Jacobs, G. D., & Morosiuk, G. (1974). A study of factors
affecting vehicle speeds on rural roads in Kenya. Transport and Road Research Laboratory .
ACARA. (2011). Asociación de Consesionarios de Automotores de la República Argentina.
Recuperado el 17 de Julio de 2012, de http://www.acara.org.ar/
Ahmed, K. I. (1999). Modeling drivers’ acceleration and lane changing behavior. Tesis de
Doctorado en Ciencias de Sistemas de Transportación (pág. 189). Massachusetts: Department of
Civil and Environmental Engineering, Massachusetts Institute of Technology.
Akçelic, R., & Besley, M. (2001). Microsimulation and analytical methods for modeling urban
traffic. Conference on Advance Modeling Techniques and Quality of Service in Highway
Capacity Analysis. Truckee, California.
Akcelik y asociados. (2002). aaSIDRA User Guide. Melbourne: Akcelik and Associates Pty Ltd.
Akçelik, R., & Biggs, D. C. (1987). Acceleration profile models for vehicles in road traffic.
Australian Road Research Board - Transportation Science 21(1) , 36-54.
Akçelik, R., Besley, M., & Ltd., A. &. (2002). Acceleration and deceleration models. 23rd
Conference of Australian Institutes of Transport Research (CAITR 2001), Revisado: 11 de julio
del 2002. Melbourne: Monash University.
Akçelik, R., Besly, M., & Ltd., A. &. (2002). Acceleration and deceleration models. 23rd
Conference of Australian Institutes of Transport Research (CAITR 2001), Revisado: 11 de julio
del 2002. Melbourne: Monash University.
Akçelik, R., Biggs, D. C., & Lay, M. G. (1983). Modelling acceleration profiles. Australian
Road Research Board .
Al-Kassar, B., Hoffmann, G., & Zmeck, D. (1981). The influence of road sectional features in
the momentary speed of free moving passenger cars. Research Road Construction and Road
Traffic Technique (ForschungStrassenbau und Strassenverkehrs-technik). 179. Bonn, Alemania:
Minister of Transportation.
Allport, G. W. (1937). Personality: A psychological interpretation. New York: Henry Holt and
Company.
Al-Omari, B., & Darter, M. (1995). Effect of pavement deterioration types on iri and
rehabilitation. Transportation Research Board , 57-65.
Altamira, A., García, Y., & Echaveguren, T. (2012). Influencia de la visibilidad disponible en la
velocidad de operación de los vehículos. III Congreso Ibero-Americano de Seguridad Vial.
Bogotá.
Altamira, A., García, Y., Echaveguren, T., & Marcet, J. (2014). Acceleration and deceleration
patterns on horizontal curves and their tangents on two-lane rural roads. 93rd Annual Meeting of
Transportation Research Board , 15 pp.
117
Aluja, A., García, O., & García, L. F. (2003). Psychometric properties of the Zuckerman–
Kuhlman personality questionnaire (ZKPQ-III-R): a study of a shortened form. Personality and
Individual Differences , 34, 1083–1097.
Aluja, A., Rossier, J., Garcia, F., Angleitner, A., Kuhlman, M., & Zuckerman., M. (2006). A
cross cultural shortened form of the ZKPQ (ZKPQ-50-cc) adapted to English, French, German,
and Spanish languages. Personality and individual differences , 41, 619-628.
Andueza, P. (2000). Mathematical Models of vehicular Speed on Mountain Roads.
Transportation Research Record Nº 1701 , 104-110.
ANSV. (s.f.). Dirección Nacional de Observatorio Vial. Recuperado el 08 de Marzo de 2013, de
sitio Web Agencia Nacional de Seguridad Vial: http://observatoriovial.seguridadvial.gov.ar/
ANSV. (2011). Dirección Nacional de Observatorio Vial. Recuperado el 08 de Marzo de 2013,
de sitio Web Agencia Nacional de Seguridad Vial: http://observatoriovial.seguridadvial.gov.ar/
Associates, A. &. (2002). aaSIDRA User Guide. Melbourne: Akcelik and Associates Pty Ltd.
ATS. (1990). Acceleration/deceleration profiles at urban intersections. Melbourne: Report to
Transit N.Z. Australian Traffic Surveys.
Austroads. (1997). Rural Road Design: Guide to the Geometric Design of Rural Roads. Sydney.
Barnes, J., & Edgar, J. (1984). Vehicle speeds on rural roads. Proc. 1984 IPENZ Conference
10(1), (págs. 104-34). Auckland.
Baumann, N. (1984). Relationship between traffic accidents and traffic conditions on two-lane
rural roads. German Road Congress. Cologne: German Road and Transportation Research
Association.
Bella, F. (2008). Assumptions of operating speed-profile models on deceleration and
acceleration in the driving simulator. 87th Annual Meeting Transportation Research Board .
Belz, N. P., & Aultman-Hall, L. (2011). Analyzing the effect of driver age on operating speed
and acceleration noise using on-board second-by-second driving data. Transportation Research
Board , 184-191.
Bennett, C. R. (1994). A speed prediction model for rural two-lane highways. Tesis de
Doctorado de Filosofía en Ingeniería (pág. 456). Auckland: University of Auckland.
Bennett, C. R. (1996). The New HDM-4 Model. 18th ARRB Transport Research Conference and
Transit New Zealand Symposium, Part 4 (Asset Management), pág. 58. Christchurch, Nueva
Zelanda.
Bennett, C. R. (1989). The New Zealand vehicle operating costs Model. Wellington: RRU
Bulletin 82 - Transit New Zealand.
Bennett, C. R. (1985). Vehicle speeds on rural highways in New Zealand. Roading Directorate
Working Paper RRS-007. Wellington: Roading Directorate, Ministry of Works and
Development.
Bester, C. J. (1981). Fuel consumption of highway traffic. Tesis de Doctorado en Filosofía.
Pretoria: University of Pretoria.
Biggs, D. C. (1988). ARFCOM - Models for estimating light to heavy vehicle fuel consumption.
Australian Road Research Board , ARR152.
118
Biggs, D. C. (1987). Estimating fuel consumption of light to heavy vehicles. Australian Road
Research Board , AIR 454-1 .
Björklund, G. M. (2008). Driver irritation and aggressive behaviour. Accident Analysis and
Prevention , 40, 1069–1077.
Board, T. R. (2000). Highway Capacity Manual. Washington D.C.
Brilon, W., & Ponzlet, M. (1996). Variability of speed-flow relationships on German autobahns.
Transportation Research Board , 91-98.
Brodin, A., & Carlsson, A. (1986). The VTI Traffic Simulation Model. VTI Meddelande 321A.
Linköping: Swedish Road and Traffic Research Institute.
Bunce, J. A., & Tressider, J. O. (1967). The characteristics of rural roads in Jamaica a they
affect traffic speeds and vehicle operating costs. Londres: Institution of Civil Engineers.
Cestac, J., Paran, F., & Delhomme, P. (2011). Young drivers’ sensation seeking, subjective
norms, and perceived behavioral control and their roles in predicting speeding intention: How
risk-taking motivations evolve with gender and driving experience. Safety Science , 49, 424-432.
Choueiri, E. M. (1987). Statistical analysis of operating speeds and accident rates on two-lane
rural highways. Conferencia parcial como uno de los requisitos para el grado de doctor en
Filosofía. Postdam, New York: Clarkson University.
Clarke, D., Ward, P., & Truman, W. (2002). In-depth accident causation study of young drivers.
Berkshire: Transport Research Laboratory - TRL Report TRL542.
Collins, J., Fitzpatrick, K., Bauer, K. M., & Harwood, D. W. (1999). Speed variability on rural
two-lane highways. Transportation Research Board , 60-69.
Collins, K. M., & Krammes, R. A. (1996). Preliminary validation of a speed- profile model for
design consistency evaluation. Transportation Research Board , 11-21.
Cooper, D. R., Jordan, P. G., & Young, J. C. (1980). The effect on traffic speeds of resurfacing a
road. Crowthorne: Transport and Road Research Laboratory.
Crisma, B., Marchionna, A., Perco, P., Robba, A., & Roberti, R. (2005). Operating speed
prediction model for two-lane rural roads. 3er. International Symposium on Highway Geometric
Desing (pág. 22). Chicago: Transportation Research Board.
CRRI. (1982). Road user cost study in India. Nueva Delhi: Central Road Research Institute.
De Waard, D., Jessurun, M., Steyvers, F. J., Raggatt, P. T., & Brookhuis, K. A. (1995). Effect of
road layout and road environment on driving performance, drivers’ physiology and road
appreciation. Ergonomics , 38, 1395-1407.
Delhomme, P., Chaurand, N., & Paran, F. (2012). Personality predictors of speeding in young
drivers: Anger vs. sensation seeking. Transportation Research Part F , 15, 654–666.
Dell'Acqua, G., & Russo, F. (2010). Speed factors on low-volume roads for horizontal curves
ans tangentes. The baltic journal of road and bridge engineering , 5(2), 89-97.
Department of Transport. (1993). Road layout and geometry - highway link design. Londres:
Departmental Standard TD9/81 y TD 9/93 - Highway Link Desing. Geometric Alignment
Standars.
119
Dewan, S., & Smith, R. (2002). Estimating International Roughness Index from pavement
distresses to calculate vehicle operating costs for the San Francisco Bay area. Transportation
Research Board , 65-72.
Dilling, J. (1973). Driving behavior of motor vehicles at curved roadway sections. Research
Road Construction and Road Traffic Technique (Forschung Strassenbauund Strassenverkehrs-
technik). 151. Bonn, Alemania: Minister of Transportation.
DNV. (2010). Actualización de las Normas de Diseño Geométrico de Carreteras (aprobadas
pero no vigentes). Buenos Aires.
DNV. (2004). Sistema de Información de Accidentes de Tránsito, Año 2004. Buenos Aires:
Dirección Nacional de Vialidad, División de Seguridad Vial.
DNV. (2008). Sistema de Información de Accidentes de Tránsito, Año 2008. San Juan,
Argentina: No publicado, Distrito Nacional de Vialidad - Distrito Nº 9.
DNV. (2009). Sistema de Información de Accidentes de Tránsito, Año 2009. San Juan,
Argentina: No publicado, Distrito Nacional de Vialidad - Distrito Nº 9.
Donnell, E. T., Gemar, M. D., & Cruzado, I. (2006). Operational effects of wide edge lines
applied to horizontal curves on two-lane rural highways in Pennsylvania. Reporte Nº PTI 2007-
04. Pennsylvania: Pennsylvania Transportation Institute, University Park, PA.
Donnell, E. T., Hines, S., Mahoney, K. M., Porter, R. J., & McGee, H. (2009). Speed concepts:
informational guide. Washington D.C.: FHWA-SA-10-001.
Durth, W., Biedermann, B., & Vieth, B. (1983). Influences of the increase of speeds and
accelerations of motor vehicles on the design speed. Research Road Construction and Road
Traffic Technique (Forschung Strassenbauund Strassenverkehrs-technik). 385. Bonn, Alemania:
Minister of Transportation.
Easa, S. M., & Mehmood, A. (2007). Establishing horizontal alignment to maximize design
consistency. Toronto: Ryerson University.
Eberhard, O. (1997). Development of an operating speed background for roadway sections with
grades ≥ 6 percent, as well as analysis and evaluation of selected road sections, based on three
safety criteria. Tesis de Maestría. Karlsruhe: Institute for Highway and Railroad Engineering,
University of Karlsruhe (TH).
Echaveguren, T., & Basualto, J. (2003). El Análisis de aceleraciones en la consistencia de
elementos simples de alineamientos horizontales. XI Congreso Chileno de Ingeniería de
Transporte (págs. 391-402). Santiago: Universidad de Concepción.
Echaveguren, T., & Sáez, J. (2001). Indicadores de consistencia en el diseño geométrico de
carreteras. X Congreso chileno de ingeniería de transportes, (págs. 315-327). Concepción.
Echaveguren, T., Altamira, A., Vargas-Tejeda, S., & Riveros, M. (2009). Criterios para el
análisis de consistencia del diseño geométrico: velocidad, fricción, visibilidad y criterios
agregados. XV Congreso Argentino de Vialidad y Tránsito. Mar del Planta.
Echaveguren, T., García, Y., & Altamira, A. (2012). Reconstrucción de curvatura de trazados en
base a lecturas de heading obtenidas con GPS. XVI Congreso Argentino de Vialidad y Tránsito.
Córdoba.
EICAM. (2007). Aplicabilidad del sistema EICG05 a la evaluación de la consistencia y la
coordinación planialtimétrica del diseño geométrico de caminos rurales. San Juan, Argentina:
Escuela de Ingeniería de Caminos de Montaña, Universidad Nacional de San Juan.
120
EICAM. (Periodo 2008 – 2009 – 2010). Determinación regional de la velocidad de operación en
caminos rurales. San Juan, Argentina: Escuela en Ingeniería de Caminos de Montaña (EICAM).
El Senado y Cámara de Diputados de la Nación Argentina reunidos en Congreso. (1995). Ley de
tránsito, Ley Nº 24449. Buenos Aires: Sancionada: Diciembre 23 de 1994. Promulgada
Parcialmente: Febrero 6 de 1995.
Elvik, R., Høye, A., Vaa, T., & Sørensen, M. (2009). The Handbook of Road Safety Measures.
Bingley: Emerald.
Emmerson, J. (1970). A Note on Speed-Road Curvature Relationships. Traffic Engineering and
Control , 369.
Engström, I., Gregersen, N., Hernetkoski, K., Keskinen, E., & Nyberg, A. (2003). Young novice
drivers, driver education and training: Literature review. Linköping: Swedish National Road
and Transport Research Institute - VTI rapport 491A.
Familar, R., Greaves, S., Ellison, & Adrian. (2011). Analysing speeding behaviour: a multilevel
modelling approach. Transportation Research Board .
Faul, F. (1992-2006). G*Power Versión 3.0.5. Kiel, Alemania: Universidad de Kiel.
Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical
power analysis program for the social, behavioral, and biomedical sciences. Behavior Research
Methods , 39, 175-191.
Figueroa, A., & Tarko, A. (2005). Free-flow speed changes in the vicinity of horizontal curves.
3rd International Symposium on Highway Geometric Design. 133, págs. 1-19. Chicago, Illinois:
Transportation Research Board.
Figueroa, A., & Tarko, A. (2007). Speed changes in the vicinity of horizontal curves on two-lane
rural roads. Journal of Transportation Engineering , 133, 215-222.
Fitzpatrick, K., & Collins, J. (2000). Speed-profile model for two-lane rural highways.
Transportation Research Board , 1737, 42-49.
Fitzpatrick, K., Anderson, I. B., Bauer, K. M., Collins, J. M., Elefteriadou, L., Green, P., y otros.
(2000b). Evaluation of design consistency methods for two-lane rural highways, executive
summary. Washington D. C.: FHWA-RD-99-173.
Fitzpatrick, K., Elefteriadou, L., Harwood, D. W., Collins, J. M., McFadden, J., Anderson, I. B.,
y otros. (2000a). Speed Prediction for Two-Lane Rural Highways. Washington D. C.: Office of
Safety Research and Development.
Fitzpatrick, K., Wooldridge, M. D., Tsimhoni, O., Collins, J. M., Green, P., Bauer, K. M., y
otros. (1999). Alternative design consistency rating methods for two-lanes rural highways.
Texas: Texas Transportation Institute. FHWA-RD-99-172.
Fleiter, J., & Watson, B. (2006). The speed paradox: the misalignment between driver attitudes
and speeding behaviour. Journal of the Australasian College of Road Safety , 17(2), 23-30.
Ford, W. G. (1977). Prediction of vehicle speeds on roads in the Lake District. Transport and
Road Research Laboratory .
Fry, J. C., Woolley, J. E., & Taylor, M. A. (2002). A microsimulation model of truck speeds on
grades. Canadian Society of Civil Engineering , 2909-2918.
121
Fuller, R. (2000). The task-capability interface model of the driving process. Recherche
Transport Sécurité , 66, 47-59.
Fuller, R. (2005). Towards a general theory of driver behaviour. Accident Analysis and
Prevention , 37, 461–472.
García, J. (1993). Estudio del comportamiento de caminos no pavimentados de la zona central de
Chile. Tesis de maestría. Santiago: Universidad de Chile.
Glantz, S. A., & Slinker, B. K. (1990). Primer of Applied Regression and Analysis of Variance.
New York, NY, USA: McGraw-Hill Companies Inc.
Goldenbeld, C., & Schagen, I. v. (2007). The credibility of speed limits on 80 km/h rural roads:
The effects of road and person(ality) characteristics. Accident Analysis and Prevention , 39,
1121–1130.
Greaves, S. P., & Ellison, A. B. (2011). Personality, risk aversion and speeding: An empirical
investigation. Accident Analysis and Prevention , 43, 1828–1836.
Gulian, E., Matthews, G., Glendon, A. I., Davies, D. R., & Debney, L. M. (1989). Dimensions of
driver stress. Ergonomics , 32, 585–602.
Guzmán, J. (1996). Comparison of day and night vehicular speeds on horizontal curves on rural
two-lane highways. Transportation Research Board , 52.
Haque, M. M., Chin, H. C., & and Chye, L. B. (2010). Effects of impulsive sensation seeking,
aggression and risk-taking behavior on the vulnerability of motorcyclists. Asian Transport
Studies , 1(2), 165-180.
Herd, D. R., Agent, K. R., & Rizenbergs, R. L. (1980). Traffic accidents: day versus night.
Transportation Research Board , 25-29.
Hide, H., Abaynayaka, S. W., Sayer, I., & Wyatt, R. T. (1975). The Kenya road transport cost
study: Research on vehicle operating costs. Transport and Road Research Laboratory , 105.
Horberry, T., Anderson, J., Regan, M. A., Triggs, T. J., & Brown, J. (2006). Driver distraction:
The effects of concurrent in-vehicle tasks, road environment complexity and age on driving
performance. Transportation Research Part F: Traffic Psychology and Behaviour , 77-87.
Hu, W., & Donnell, E. T. (2010). Models of acceleration and deceleration rates on a complex
two-lane rural highway: results from a nighttime driving experiment. Transportation Research
Part F: Traffic Psychology and Behaviour , 397-408.
Ibrahim, A. T., & Hall, F. L. (1994). Effect of adverse weather conditions on speed flow-
occupancy relationships. Transportation Research Board , 184-191.
IHSDM. (2012). Interactive Highway Safety Design Model Software, version 7.01.0.
Washington D.C.: FHWA.
Irizarry, N., & Krammes, R. (1998). Linear regression models for estimating operating speeds of
passenger vehicles on rural two-lane highways. X Congreso Panamericano de Transporte, (págs.
651-658). Santander.
ISOHDM, I. S. (2000). HDM-4 Highway Development & Managementl. Birmingham: The
World Road Association (PIARC).
Italian Standard Design. (2001). Functional and Geometric Design Standards for Road Design.
Rome, Italy: Ministry of Infrastructure and Transport.
122
Jackson, R. K. (1986). Log truck performance on curves and favorable grades. Tesis de maestría.
Oregon: Oregon State University.
Jarvis, J. R. (1987). Acceleration lane design. Australian Road Research Board .
Jessen, D. R., Schurr, K. S., McCoy, P. T., Pesti, G., & Huff, R. R. (2001). Operating speed
prediction on crest vertical curves of rural two-lane highways in Nebraska. Transportation
Research Record: Journal of Transportation Research Board , 1751, 67-75.
Jonah, B. A. (1997). Sensation seeking and risky driving: A review and synthesis of the
literature. Accident Analysis y Prevention , 29, 651–665.
Karan, M. A., Haas, R., & Kher, R. (1976). Effects of pavement roughness on vehicle speeds.
Transportation Research Board , 122-127.
Koeppel, G., & Bock, H. (1970). Curvature change rate, consistency and driving speed.
Alemania.
Koeppel, G., & Bock, H. (1979). Operating speed as a function of curvature change rate.
Research Road Construction and Road Traffic Technique (ForschungStrassenbau und
Strassenverkehrs-technik). 269. Bonn, Alemania: Minister of Transportation.
Krammes, R. A., Brackett, R. Q., Shafer, M. A., Ottesen, J. L., Anderson, I. B., Fink, K. L., y
otros. (1995). Horizontal alignment design consistency for rural two-lane highways. Texas:
FHWA-RD-94-034. Texas Transportation Institute.
Krammes, R. A., Brakett, R. Q., Shaffer, M. A., Ottesen, J. L., Anderson, I. B., Fink, K. L., y
otros. (1995). Horizontal alignment design consistency for two-lane highways. Washington D.
C.: U.S. Department of Transportation, FHWA.
Krebs, H. G., & Kloeckner, J. H. (1977). Investigations of the effect of highway and traffic
condicitons outside built-up areas on accident rates. Research Road Construction and Road
Traffic Technique (ForschungStrassenbau und Strassenverkehrs-technik) (págs. 1-63). Bonn,
Alemania: Minister of Transportation.
Kyte, M., Khabib, Z., Shannon, P., & Kitchener, F. (2007). Effect of weather on free-flow speed.
Transportation Research Board , 60-68.
Lajunen, T., Parker, D., & Summala, H. (1999). Does traffic congestion increase driver
aggression? Transportation Research Part F , 2, 225-236.
Lamm, R. (1973). Driving dynamics and road characteristics – a contribution for highway design
with special consideration of operating speeds. Tesis para nombramiento como profesor de la
Universidad. Publications of the Institute for Highways and Railroad Engineering. Karlsruhe:
University of Karlsruhe (TH).
Lamm, R., & Choueiri, E. M. (1987b). A design procedure to determine critical dissimilarities in
horizontal alignment and enhance traffic safety by appropriate low cost and high-cost projects.
Transportation Research Board , 46.
Lamm, R., & Choueiri, E. M. (1987a). Recommendations for evaluating horizontal design
consistency based in investigations in the State of New York. Transportation Research Board ,
68-78.
Lamm, R., & Schlichter, H. G. (1971). Driving behavior under different weather and daylight
conditions. Road and Constructions (Strassen und Tiefbau) , 873-877.
123
Lamm, R., Beck, A., Ruscher, T., & Mailaender, T. (2007). How to make two-lane rural roads
safer (Primera ed.). Boston: WIT Press.
Lamm, R., Choueiri, E. M., & Hayward, J. C. (1988). Tangent as an independent design element.
Transportation Research Board .
Lamm, R., Choueiri, E. M., & Mailaender, T. (1989). Are there difference in operating speeds on
dry pavements as compared with wet? Proceeding of the Forty-Third annual Ohio
Transportation Engineering Conference (págs. 120-135). Columnus, Ohio: Department of Civil
Engineering, Ohio State University.
Lamm, R., Choueiri, E. M., & Mailaender, T. (1990). Comparison of operating speed on dry and
wet pavements of two-lane rural highways. Transportation Research Board , 1280, 199-207.
Lamm, R., Choueiri, E. M., Psarianos, B., & Soilemezoglou, G. (1995). A practical safety
approach to highway geometric design. International Case Studies: Germany, Greece, Lebanon,
and the United States. International Symposium on Highway Geometric Design Practices, (págs.
9:1-14). Boston, Massachusetts.
Lamm, R., Hayward, J. C., & Cargin, J. G. (1986). Comparison of different procedures for
evaluating speed consistency. Transportation Research Board , 10-20.
Lamm, R., Psarianos, B., & Mailaender, T. (1999). Highway design and traffic safety
engineering handbook (Primera ed.). New York: McGraw – Hill.
Lamm, R., Taubmann, A., & Zoellmer, J. (1985). Comprehensive study on the term ‘critica
water’ film thickness. Research Road Construction and Road Traffic Technique
(ForschungStrassenbau und Strassenverkehrs-technik). 436. Bonn, Alemania: Minister of
Transportation.
Langford, C., & Glendon, I. (2002). Effects of neuroticism, extraversion, circadian type and age
on reported driver stress. Work & Stres , 16(4), 316–334.
Lay, M. G. (1987). Acceleration-time relationships. Australian Road Research Board .
Ledesma, R., Poó, F., & Peltzer, R. (2007). Búsqueda impulsiva de sensaciones y
comportamiento de riesgo en la conducción. Avaliação Psicológica , 6(2), 117-125.
Lee, K. C., Blanchard, G. W., & Rosser, M. S. (1983). Driving patterns of private vehicles in
New Zealand. Auckland: University of Auckland.
Leisch, J. E., & Leisch, J. P. (1977). New concepts in design-speed application. Transportation
Research Board , 4-14.
Leong, H. J. (1968). The distribution and trend of free speeds on two-lane two-way rural
highways in New South Wales. Australian Road Research Board , 4, 791-814.
Leutzbach, W., & Papavasiliou, B. (1985). Perceiving conditions and safe behavior in road
traffic. Karlsruhe: Federal Highway Research Institute (BASt).
Lonczak, H. S., Neighbors, C., & Donovan, D. M. (2007). Predicting risky and angry driving as
a function of gender. Accident Analysis and Prevention , 39, 536-545.
Los, T. J. (1974). Relationship between free speed and sight distance on two way roads. B. E.
Tesis. Queensland: Department of Civil Engineering, University of Queensland.
Mahoney, K. M., Porter, R. J., & Himes, S. C. (2007). Speed: How can we get what we want?
3rd. Urban Street Symposium. Seatle, Washington.
124
McLean, J. R. (1991). Adapting the HDM-III Vehicle speed prediction models for Australian
rural highways. Nunawading: Australian Road Research Board - Working Document TE 91/014.
McLean, J. R. (1974). Driver behaviour on curves - A Review. Proc. ARRB Conference 7(5)
(págs. 129-147). Nunawading: Australian Road Research Board.
McLean, J. R. (1981). Driver speed behaviour and rural road alignment design. Traffic
Engineering & Control , 22, 208-11.
McLean, J. R. (1978). Speeds on curves: regression analysis. Nunawading: Australian Road
Research Board.
McLean, J. R. (1989). Two-lane highway traffic operations: theory and practice. Melbourne:
Gordon and Breach Science Publishers.
Memon, R. A., Khaskheli, G. B., & Qureshi, A. S. (2008). Operating speed models for two-lane
roads in Pakistan. Canadian Journal of Civil Engineering , 443-453.
Messer, C. J. (1980). Methodology for evaluating geometric design consistency. Facility Design
and Operational Effects. Transportation Research Board , 7-14.
Microsoft Corporation. (2007). Microsoft Office Excel.
Miller, G., & Taubman-Ben-Ari, O. (2009). Driving styles among young novice drivers: The
contribution of parental driving styles and personal characteristics. Accident Analysis and
Prevention , 42, 558 – 570.
Minitab. (2005). MINITAB 14.20. State College, PA. Minitab, Inc.
Misaghi, P., & Hassan, Y. (2005). Modeling operating speed and speed differential on two-lane
rural roads. Journal of Transportation Engineering , 131, 408-417.
Mitrović, D., Čolović, P., & Smederevac, S. (2009). Evaluation of Zuckerman-Kuhlman
personality questionnaire-50-cc in serbian culture. PRIM ENJENA PSIHOLOGIJA , 2 (3), 217-
230.
Montgomery, D. C., & A., P. E. (1992). Introduction to Linear Regression Analysis. Second
edition. New York, NY, USA: A Wiley-Interscience Publication. Wiley Series in Probability and
Mathematical Statistics: Applied Probability and Statistics Section.
Morales, H. (2006). Ingeniería Vial I. Santo Domingo: Editora Búho.
Morosiuk, G., & Abaynayaka, S. W. (1982). Vehicle operating costs in the caribbean: an
experimental study of vehicle performance. Transport and Road Research Laboratory .
MOT. (1993). Land Transport Division. Wellington: Correspondence with author.
NAASRA. (1980). Interim guide to the geometric design of rural roads. Sydney: National
Association of Australian State Road Authorities.
Nie, B., & Hassan, Y. (2007). Modeling driver speed behavior on horizontal curves of different
road classification. 86th Annual Meeting of the Transportation Research Board , 21-25.
NITRR. (1983). Evaluation of road user costs: technical manual for RODES 2. Pretoria: NITRR
Manual P11, CSIR.
Nunes, L., & Sánchez, J. M. (Diciembre de 2008). Dirección General de Tráfico. Recuperado el
28 de Septiembre de 2012, de Web Dirección General de Tráfico: http://www.dgt.es/
125
OMS. (2009). Informe sobre la situación mundial de la seguridad vial: es hora de pasar a la
acción. Ginebra: Organización Mundial de la Salud.
OPS. (2009). Informe sobre el Estado de la Seguridad Vial de las Américas. Washington D.C.:
Organización Panamericada de la Salud.
Organisation for Economic Co-operation and Development. (2006). Young drivers: The road to
safety. París: OECD Publications.
Ottesen, J. L., & Krammes, R. A. (2000). Speed profile model for a design consistency
evaluation procedure in the United States. Transportation Research Board , 1701, 76-85.
Özkan, T., & Lajunen, T. (2006). What causes the differences in driving between young men and
women? The effects of gender roles and sex on young drivers’ driving behaviour and self
assessment of skills. Transportation Research Part F , 9, 269-277.
Paleti, R., Eluru, N., & Bhat, C. R. (2010). Examining the influence of aggressive driving
behavior on driver injury severity in traffic crashes. Accident Analysis and Prevention , 42,
1839–1854.
Park, P. Y., Miranda, L. F., & Saccomanno, F. F. (2008). Estimation of speed differentials on
rural highways using hierarchical linear regression models. Canadian Journal of Civil
Engineering , 624-637.
Park, P. Y., Miranda, L. F., & Saccomanno, F. F. (2010). Estimation of Speed Differentials on
Rural Highways using Multilevel Models. Transportation Research Board , 24.
Park, Y. J., & Saccomanno, F. F. (2006). Evaluating speed consistency between successive
elements of a two-lane rural highway. Transportation Research Part A: Policy and Practice ,
375-385.
Perco, P. (2008). Influence of the general character of the horizontal alignment on the operating
speed of two-lane rural roads. 87th Annual Meeting of Transportation Research Board , 16-23.
Perco, P., & Robba, A. (2005). Evaluation of the deceleration rate for the operating speed-profile
model. 3rd International SIIV Congress: People, Land, Environment and Transport
Infrastructures - Reliability and Development. Bari: Società Italiana Infrastrutture Viarie.
Pérez, A. M., Camacho, F. J., & García, A. (2011). La velocidad de operación en el análisis de
la consistencia de carreteras para la mejora de la seguridad vial. Madrid: Plataforma
Tecnológica Española de Carreteras (PTC).
Pérez, A. M., Camacho, F., & García, A. (2013). Study of tangent-to-curve transition on two-
lane rural roads based on conti-nuous speed profiles . Journal of Transportation Engineering .
Pérez, A., García, A., Camacho, F., & D'Attoma, P. (2010). Use of gps data to model operating
speed and deceleration on two-lane rural roads. Transportation Research Board , 11-20.
Pignataro, L. J. (1973). Traffic Engineering - Theory and Practice. New Jersey: Prentice-Hall
Publishing Co.
Piras, C., & Pinna, F. (2007). Relationship between sight distance and operating speed on
horizontal curves. 4th Internationa SIIV Congress. Palermo.
Poe, C. M., & Mason, J. M. (2000). Analyzing influence of geometric design on operating
speeds along low-speed urban streets: mixed model approach. Transportation Research Board ,
18-25.
126
Polaino-Lorente, A., Canbayes, J., & Del Pozo, A. (2003). Fundamentos de la psicología de la
personalidad. Madrid: Rialp S.A.
Polus, A., Borovsky, S., & Livneh, M. (1979). Limited sight distance effect on speed. American
Society of Civil Engineers , 5, 549-560.
Polus, A., Craus, J., & Grinberg, I. (1981). Downgrade speed characteristics of heavy vehicles.
American Society of Civil Engineers , 143-152.
Polus, A., Fitzpatrick, K., & D., F. (2007). Predicting operating speeds on tangent sections of
two-lane rural highways. Transportation Research Board , 1737, 50-57.
Poó, F., Ledesma, R., & Montes, S. (2008). Rasgos de personalidad y agresión en conductores.
Avaliação Psicológica , 7(3), 269-280.
Poó, F., Taubman-Ben-Arib, O., Ledesma, R., & Díaz-Lázaroc, C. (2013). Reliability and
Validity of a Spanish-Language Version of the Multidimensional Driving Style. Transportation
Research Part F: Traffic Psychology , 17, 75–87.
Post, T., Alexander, G., & Lunenfeld, H. (1979). A user’s guide to positive guidance in highway
control. 23, págs. 452-455. Washington D.C.: Federal Highway Administration.
Quadstone. (2002). Quadstone. Recuperado el 20 de Junio de 2012, de http://www.paramics-
online.com
Quaium, R. B. (2010). A comparison of vehicle speed at day and night at rural horizontal curves.
Tesis de requerimiento parcial para el grado de Master en Ciencias (pág. 127). Texas: Texas
A&M University.
RAE. (2001). Real Academia Española. Recuperado el 1 de Octubre de 2012, de Web de Real
Academia Española - Vigésima segunda edición): http://www.rae.es/rae.html
Rämä, P. (2007). Effects of weather-controlled variable speed limits and warning signs on
driving behaviour. Transportation Research Board , 77-88.
Riemersma, J. B. (1988). Perceptual factors in driving perception of characteristics of horizontal
curves. Proc. 14 ARRB Conference 14(4) (págs. 121-125). Nunawading: Australian Road
Research Board.
Rosenblitt, J. C., Soler, H., Johnson, S. E., & Quadagno, D. M. (2001). Sensation Seeking and
Hormones in Menand Women: Exploring the Link. Hormones and Behavior , 40, 396–402.
Rossier, J., Aluja, A., Garcia, F., Angleitner, A., De Pascalis, V., Wang, W., y otros. (2007). The
cross-cultural generalizability of Zuckerman’s alternative five-factor model of personality.
Journal of Personality Assessment , 89(2), 188-196.
SafetyNet. (2009). Novice Drivers. Recuperado el 03 de Octubre de 2012, de
http://ec.europa.eu/transport/road_safety/specialist/knowledge/pdf/novice_drivers.pdf
Samuels, S. E., & Jarvis, J. R. (1978). Acceleration and deceleration of modern vehicles.
Washington D. C.: Transportation Research Board.
Schiller, H. (1971). The creation and design of the road network as regional planning task, part
II: The evaluation of the road condition by characteristical traffic speeds. Research Road
Construction and Road Traffic Technique (Forschung Strassenbauund Strassenverkehrs-
technik). 116. Bonn, Alemania: Minister of Transportation.
127
Schmidt-Daffy, M. (2012). Velocity versus safety: Impact of goal conflict and task difficulty on
drivers’ behaviour, feelings of anxiety, and electrodermal responses. Transportation Research
Part F , 15, 319–332.
Schulze, C. (1996). Comparison, analysis and evaluation of the speed behavior on auxiliary lanes
of upgrade sections, based on international design procedures an s well as on speed
measurements. Tesis de maestría, Institute for highway and Railroad Engineering. Karlsruhe:
University of Karlsruhe (TH).
SETRA. (1995). Highway Design Guide - Technical Recommendations for the General Design
and Geometry of Road - Technical Guide August 1994 (Translation August 1995). Bagneux,
Cedex, Francia: SETRA, le Service des Etudes techniques des routes et Autoroutes (French
Administration for the Technical Studies of Roads and Motorways).
Silva, L. (2004). Análise Psicométrica do Inventario Multidimensional do Estilo de Dirigir
(MDSI Multidimensional Driving Style Inventory). Dissertação aprensentada à Facu dade de
Filosofia. Ciencias e Letras de Ribeirao Preto.
Simpson, D., & Kerman, J. A. (1982). The research and development background "Highway link
design". Traffic Engineering & Control , 414-421.
Slavik, M. M. (1979). Development of optimum geometric standards for South African roads:
status of the project a year before target date. Pretoria: National Institute for Transport and Road
Research.
Smart, D., Vassallo, S., Sanson, A., Cockfield, A., Harris, A., W., H., y otros. (2005). In the
driver’s seat understanding young adults’ driving behaviour. Melbourne: Australian Institute of
Family Studies.
St. John, A. D., & Kobett, D. R. (1978). Grade effects on traffic flow stability and capacity.
Washington D. C.: Transportation Research Board.
Steierwald, G., & Buck, M. (1992). Speed behaviour on two-lane rural roads with regard to
design, operational and traffic related conditions. Research Road Construction and Traffic
Tecnique (Forschung Strassenbau und Strassenverkehrstechnik). 621. Bonn, Alemania: Minister
of Transportation.
Steyer, R., Sossoumihen, A., & Weise, G. (2000). Traffic safety on two – lane roads. News
concepts and findings. Transportation Research Board , 299-312.
Stohner, W. R. (1956). Speeds of passenger cars on wet and dry pavements. Highway Research
Board , 79-84.
Sullivan, E. C. (1977). Vehicle operating cost model - User's guide. California: Institute of
Transportation Studies, University of California.
Tan, H. K. (1989). Calibration of NETSIM to New Zealand. Tesis de maestría. Auckland:
Department of Civil Engineering, University of Auckland.
Taragin, A. (1954). Driver behaviour on horizontal curves. Highway Research Board , 33, 446-
66.
Tarris, J. P., Poe, C. M., Mason, J. M., & Goulias, K. G. (1996). Predicting operating speeds on
low-speed urban streets: regression and panel analysis approaches. Transportation Research
Record 1523 , 46-54.
128
Tarris, J. P., Poe, C. M., Mason, J. M., & Goulias, K. G. (1996). Predicting operating speeds on
low-speed urban streets: regression and panel analysis approaches. Transportation Research
Board , 46-54.
Taubman-Ben-Ari, O., Mikulincer, M., & Gillath, O. (2004). The multidimensional driving style
inventory-scale construct and validation. Accident Analysis and Prevention , 36, 323-332.
Taylor, M. A., & Young, W. (1988). Traffic Analysis: New technology and new solutions.
Melbourne: Hargreen Publishing Co.
Thoma, J. (1994). Speed behaviour and risks for different road conditions, weekdays and
daytimes. Technical Journal for Traffic Safety (Zeitschrift Fuer Verkehrssicherheit) , 1, 7-11.
Tom, J. J., & Elcock, E. L. (1988). Truck speeds along downgrades in California. Washington
D.C.: Federal Highways Administration.
Transportation Research Board Special Report 214. (1987). Designing Safer Roads. Practices
for Resufacing, Restoraiton and Rehabilitation. Washington D.C.: Transportation Research
Board.
Trapp, K. H. (1974). Investigations about the traffic flow on rutal roads. Research Road
Construction and Road Traffic Technique (Forschung Strassenbauund Strassenverkehrs-
technik). 113. Bonn, Alemania: Minister of Transportation.
Trapp, K. H., & Kraus, D. (1983). Measurement and examination of the influence: longitudinal
grade classes, curvature change rate, passing possibility and lane width in the design procedure
(RAS-Q). Research Road Construction and Road Traffic Technique (Forschung Strassenbauund
Strassenverkehrs-technik. Bonn, Alemania: Minister of Transportation.
Trapp, K., & Oellers, F. W. (1974). Road characteristics and driving behavior on two-lane rural
roads. Research Road Construction and Road Traffic Technique (Forschung Strassenbauund
Strassenverkehrs-technik). 179. Bonn, Alemania: Minister of Transportation.
TRB. (2011). Modeling Operating Speed Synthesis Report. Washington, D.C.: Tranportation
Research Board of the National Academies.
Underwood, G., Chapman, P., Wright, S., & Crundall, D. (1999). Anger while driving.
Transportation Research Part F , 2, 55-68.
VSS. (1981). Highway Design, Fundamentals, Speed as a Design Element - Swiss Norm SN 640
080 a. Zurich: Swiss Association of Road Specialist.
VSS. (1991). Highway Design, Fundamentals, Speed as a Design Element - Swiss Norm SN 640
080 a/b. Zuerich: Swiss Association of Road Specialist.
VSS. (1981). Speed as a Design Element of the horizontal alignment. Zurich: Swiss Association
of Road Specialists (Vereinigung Schweizerrischer Strassenfachleute VSS), Swiss Norm SN 640
080 a/b,.
Walpole, R. E., & Myers, R. H. (1978). Probability and statistics for engineers and scientists.
New York: Macmillan Publishing Co.
Wang, J., Karen, K. D., Li, H., & Hunter, M. (2006). Operating speed model for low-speed urban
tangent streets based on in-vehicle global positioning system data. Transportation Research
Board , 24-33.
Watanatada, T., Dhareshwar, A., & Rezende-Lima, P. R. (1987). Vehicle speeds and operating
cost: Model for road planning and management. Baltimore: Johns Hopkins Press.
129
Waylen, A., & McKenna, F. (2002). Cradle Attitudes – Grave Consequences. The development
of gender differences in risky attitudes and behaviour in road use. Basingstoke: AA Foundation
for Road Safety.
Yagar, M. R., & Van Aerde, R. (1983). Geometric and environmental effects on speeds of 2-lane
highways. Transportation Research Part A: General , 17A, 315-325.
Yagar, S. (1984). Predicting speeds for rural 2-lane highways. Transportation Research Part A:
General , 61-70.
Yang, L., & Hassan, Y. (2008). Driver speed and acceleration behavior on canadian roads. 87th
Annual Meeting of the Transportation Research Board. Washington, DC.
Zegeer, C. V., Steward, F. W., Council, F. M., & Reinfurt, D. W. (1987). Cost-effective
geometric improvements for safety upgrading of horizontal curves. Washington D. C.: Federal
Highway Administration - FHWA-RD-90-021.
Zuckerman, M. (1994). Behavioral expressions and biosocial bases of sensation seeking . New
York: Cambridge University Press.
Zuckerman, M. (2002). Zuckerman-Kuhlman Personality Questionnaire (ZKPQ): an alternative
five-factor model. En B. Raad, & P. M., Big Five Assessment (págs. 377-396). Seattle: Hogrefe
& Huber.
Zuckerman, M., & Kuhlman, D. M. (2000). Personality and risk-taking: Common biosocial
factors. Journal of Personality , 68(6), 999–1029.
Zuckerman, M., Kuhlman, D. M., Joireman, J., Teta, P., & Kraft, M. (1993). A comparison of
three structural models for personality: The Big Three, the Big Five, and the Alternative Five.
Journal of Personality and Social Psychology , 65, 757–768.
Zuckerman, M., Kuhlman, D. M., Thornquist, M., & Kiers, H. (. (1991). Five (or three) robust
questionnaire scales factors of personality without culture. Personality and Individual
Differences , 12, 929–941.
130
11. ANEXOS
ANEXO A. TERMINOLOGÍA
En este anexo se definen los principales términos que se usan en todo este informe:
Velocidad deseada: es la velocidad que los vehículos podrían alcanzar sin interferencia del
tránsito o de la geometría del camino. Es la velocidad que desean alcanzar los conductores
en ausencia de todo tipo de restricciones, geométricas u operacionales.
Velocidad de diseño: es la velocidad utilizada en el diseño del camino para determinar
parámetros geométricos mínimos, aceptables y máximos.
Velocidad de operación: es la velocidad observada durante condiciones de flujo libre.
Generalmente se usa el percentil 85 de la distribución de velocidades observadas en un
determinado punto del camino, que es considerado como el valor estadístico más relevante
desde el punto de la seguridad vial y sólo puede ser superada por el 15% de los vehículos
circulando en esas condiciones.
Aceleración: es la magnitud que indica el cambio de velocidad del vehículo por unidad de
tiempo, en el sentido de circulación. El término aceleración se usará para aceleración
como para desaceleración, excepto cuando la desaceleración sea mencionada.
Vehículo de pasajeros (livianos): son todos los vehículos destinados al transporte de
pasajeros, incluyendo automóviles, camionetas, utilitarios, furgonetas (DNV, 2010).
Vehículos pesados: Cualquier vehículo con más de cuatro ruedas sobre el pavimento en la
operación normal, incluye camiones, vehículos recreacionales y ómnibus (DNV, 2010).
Carga mental: es una proporción de la capacidad mental que es requerida para realizar una
tarea, la que es determinada por la interacción entre la capacidad del conductor y la tarea
misma (Brookhuis y de Waard, 2001 citado en Fuller, 2005)
Circulación en flujo libre: un vehículo viaja en flujo libre cuando no es afectado por otro
precedente en su mismo sentido de circulación y puede alcanzar su velocidad deseada.
Esta circulación es delimitada con el intervalo de tiempo crítico, que para vehículos
livianos, está entre 4,5 a 6 s.
Intervalo de tiempo: es la diferencia en segundos entre dos vehículos sucesivos en el
mismo sentido de circulación y medidos en el mismo punto de referencia del vehículo.
Circulación en seguimiento: cuando la velocidad de un vehículo es impedida por otro
precedente (líder) en su mismo sentido de circulación, se encuentra en seguimiento.
Razón de cambio de curvatura (CCR): es la relación que existe entre la deflexión de la
curva y la longitud total de ella.
Razón de la velocidad: es la relación que existe entre la velocidad de la sección anterior
del camino y la sección del camino en estudio.
El cero jerk representa la aceleración cero en un tiempo t, es decir da/dt = 0 ó cuando la
aceleración es constante.
131
Terreno a nivel o llano: cualquier combinación de pendientes y alineamiento horizontal y
vertical que permite a los vehículos pesados mantener aproximadamente la misma
velocidad que los automóviles. Generalmente se incluyen cortas pendientes de no más de
2 %. Según convención práctica: cuando la suma de los valores absolutos de subidas y
bajadas del eje en un kilómetro es de 0 a 50 m (DNV, 2010).
Terreno montañoso: cualquier combinación de alineamientos horizontal y vertical que
causa a los vehículos pesados operar a velocidades de arrastre durante distancias
significativas o a intervalos frecuentes. Según convención práctica: cuando la suma de los
valores absolutos de subidas y bajadas del eje en un kilómetro es de 125 a 150 m (DNV,
2010).
Terreno montañoso: Íd. más de 150 m (DNV, 2010).
Terreno ondulado: Cualquier combinación de alineamientos horizontal y vertical que a los
vehículos pesados le causan reducir sustancialmente su velocidad por debajo de la de los
automóviles, pero que no causan velocidades de arrastre de los vehículos pesados durante
un lapso significativo. Según convención práctica: cuando la suma de los valores
absolutos de subidas y bajadas del eje en un kilómetro es de 50 a 125 m (DNV, 2010).
132
ANEXO B. ENCUESTAS A LOS CONDUCTORES
La personalidad y estilo de conducción del conductor puede afectar las maniobras de
aceleración y desaceleración. Una forma de estimar estas características del conductor es a través
de cuestionarios o encuestas. Por ello, en este anexo se detalla el concepto, el origen y la
validación de esos cuestionarios.
Rasgos de la personalidad
El estudio de la personalidad es una tarea compleja y de mucha aleatoriedad, por ello
las investigaciones se centraron en los rasgos de personalidad, que para Allport (citado en
Polaino-Lorente et al., 2003, pág. 197) son disposiciones estables del individuo, es decir, es el
modo habitual de responder. Los rasgos de la personalidad son un conjunto único de
características distintivas que todos poseemos y nos hace diferente del resto. Aunque muchas
personas puedan tener rasgos de personalidad similares, cada persona combina estos rasgos de
manera diferente para crear un conjunto único que conforman la personalidad individual.
Durante muchos años se ha tratado de obtener una estructura confiable y robusta que
explique adecuadamente estos rasgos de personalidad. Uno de los avances más significativos en
este campo es el modelo alternativo de los cinco factores de personalidad de Zuckerman
(Zuckerman et al., 1993): Agresión/Hostilidad, Impulsividad / Búsqueda de Sensaciones,
Neurotismo / Ansiedad, Sociabilidad y Actividad y son evaluados mediante el cuestionario de la
personalidad Zuckerman-Kuhlman (ZQPQ) de 99 ítems (Zuckerman y Kuhlman, 2000). El
modelo no contiene factores como: Cultura, Inteligencia o Apertura debido a que la decisión
deliberada no incluyen indicadores para estas dimensiones (Zuckerman et al., 1991).
La versión original del ZQPQ ha sido adaptada a varios países e idiomas tales como
China, Alemania, Italia, Japón y España (Aluja et al., 2006). La estructura de los factores y las
propiedades psicométricas fueron generalmente similares a los encontrados en la versión original
en inglés (Aluja et al., 2006; Rossier et al., 2007).
Aluja et al. (2006) desarrollaron una versión más corta (ZKPQ-50-cc) con una
estructura robusta y propiedades psicométricas aceptables para cuatro idiomas y países: inglés
(Estados Unidos), francés (Suiza), alemán (Alemania) y español (España), obteniendo resultados
similares al modelo original. También se aplicó esta versión más corta (50 ítems) con éxito en
Serbia (Mitrović et al., 2009) y en Argentina (Poó et al., 2008; Poó et al., 2013). Las
características de las muestras se resumen en la Tabla 11-1.
133
Tabla 11-1 Características de las muestras a las cuales se aplicó el cuestionario ZKPQ-50-cc
Edad
% %
País Año Lenguaje N Desviación
femenino masculino Media
estándar
Alemania 2006 alemán 517 77,37 22,63 26,94 4,31
España 2006 español 962 63,51 36,49 21,39 2,97
Suiza 2006 francés 764 61,52 38,48 21,68 3,05
Estados Unidos 2006 inglés 2378 61,94 38,06 - -
Argentina 2008 español 245 48,00 52,00 35,00 13,40
Serbia 2009 serbio 1155 55,75 44,25 32,11 -
Argentina 2012 español 258 48,90 51,10 35,20 13,30
“ -“ datos no estaban disponibles.
Cuestionario ZKPQ-50-cc
Los cinco factores o dimensiones del modelo alternativo de Zuckerman pueden ser
evaluados mediante el cuestionario ZKPQ-50-cc (Zuckerman-Kuhlman Personality
Questionnaire Cross Cultural 50-item) que se desarrolló usando varias técnicas multivariadas
(Aluja et al., 2006). Contiene 50 ítems (10 por cada escala) que valoran los cinco factores del
individuo evaluado.
134
DATOS GENERALES
Años de experiencia en la conducción: …………….. Edad: ……….. Sexo: …………….
Número de accidentes de tránsito en el que estuvo involucrado hace 6 meses atrás: …………
Número de infracciones de tránsito cometidas hace 6 meses atrás: …………
A continuación se presentan una serie de situaciones y comportamientos que se producen en el tránsito. En cada uno de
ellos valore el grado en que se manifiestan en su caso en una escala del 1 = Nada a 6 = Mucho
GRADO
Nº Enunciados
1 2 3 4 5 6
1 Dejar pasar en las esquinas
2 Discutir o pelear con otros conductores
3 Disfrutar la potencia o ruido del motor
4 Disfrutar del paisaje durante el manejo
5 Disfrutar sensación de pasar cambios rápidos
6 En la ciudad: manejar un poco más rápido
7 Enojo por conducción lenta en carril rápido
8 Escuchar música mientras manejo
9 Olvidar donde deje el coche estacionado
10 Por seguir el tránsito, cruzar en rojo
11 Equivocarme de destino
12 Sentir que el auto pide más velocidad
13 Por ir distraido, tener que frenar bruscamente
14 Pegarme a otros vehículos
15 Tocar bocina o hacer luces en señal de enojo
16 Pasar un semáforo que justo cambió a luz roja
17 Disfrutar la sensación de manejar al límite
18 Mientras manejo, trato de relajarme
19 Sentirme frustrado o incapaz al conducir
20 Al conducir, pensar en otra cosa
21 Insultar a otros conductores
22 En verde, espero con paciencia a que arranque
23 No advertir que un peatón estaba cruzando
24 En intersección sin preferencia, espero
25 Cuando trata de pasarme, manejo mas rápido
26 Dar vueltas innecesarias para llegar a un lugar
27 Me gusta tomar riesgos
28 Mejor prevenir que curar
29 Meditar mientras conduce
30 Arrancar en el semáforo en tercera
31 Sentirme nervioso mientras conduzco
32 Ponerme impaciente en las horas pico
33 Sentirme estresado mientas conduzco
34 Querer encender el limpiaparabrisas y, en su lugar, encender las luces
35 Olvidar que llevo las luces altas
36 Planear mal la ruta
37 Planeo un viaje largo con antelación
38 Casi chocar por no estimar bien el espacio
39 Conducir pendiente de las maniobras de otros
40 Intentar conducir con precaución
41 Disfrutar la conducción peligrosa
COM PRUEBE UNA VEZ M ÁS QUE HA CONTESTADO A TODAS LAS PREGUNTAS. M UCHAS GRACIAS POR SU COLABORACIÓN
135
Estilos de conducción
La ventaja del cuestionario ZKPQ-50-cc es que no incluye preguntas relacionadas a
la conducción ya que son aplicables a un ámbito más general, lo que también puede constituir
una desventaja al no representar adecuadamente el comportamiento del conductor en el camino.
Es así que en Israel, Taubman-Ben-Ari et al. (2004) desarrollaron el Inventario Multidimensional
de los Estilos de Conducción (MDSI, por sus siglas en inglés) que trata de representar los estilos
de conducción de una persona al identificar patrones de comportamiento en el camino. Existen
varios modelos similares tales como: Driving Behavior Inventory (DBI; Gulian et al., 1989),
Driving Style Questionnaire (DSQ), The Attitudes to Driving Violations (ADVS), Driver
Behavior Questionnaire (DBQ) y Driving Vengeance Questionnaire (DVQ) citados en Taubman-
Ben-Ari et al. (2004, pág. 324). Se diseñó el MDSI mediante la adaptación de ítems del DBI,
DSQ, DBQ y otros ítems originales del estudio, demostrando validez, confiabilidad y reducción
de la deseabilidad social. El MDSI ha sido adaptado al portugués para su aplicación a los
conductores en Brasil (Silva, 2004) y al español para su aplicación a conductores de Argentina
(Poó et al., 2013).
Poó et al. (2013) hizo la adaptación del MSDI al contexto cultural argentino en
donde se incluyeron varios ítems que ofrecen mejores características de validez y aplicabilidad al
idioma español (MSDI-S). El MSDI-S de 40 ítems aunque difiere levemente del estudio original,
tiene resultados consistentes y proveen una evidencia preliminar de la validez del MDSI en la
población argentina.
136
Cuestionario MDSI-S
Se validó el MDSI-S en base a 642 conductores de la ciudad la Mar del Plata
(Argentina) en un rango entre 18 a 78 años de edad mediante la técnica del autoreporte. El
MDSI-S presenta 6 estilos de conducción comparado con los 8 del modelo original y se
incluyeron 17 ítems asociados al contexto argentino.
137
A continuación se presentan una serie de frases pensadas para describir características de uno
mismo. Léalas y decida si es adecuada o no en su caso. Si está de acuerdo con el contenido de la
frase responda VERDADERO (V) y si no está de acuerdo (es decir, en su caso es lo contrario, o
no le define bien la frase) responda FALSO (F), marcando con una cruz la casilla correspondiente
en el margen derecho de la página.
Nº Enunciados Respuestas
1 No me gusta perder el tiempo sentándome simplemente y relajándome. V F
2 Cuando me irrito digo “palabrotas”. V F
3 Es natural para mí soltar palabrotas cuando estoy enfadado. V F
4 No me importa salir solo/a; de hecho normalmente lo prefiero a salir con un grupo amplio. V F
5 Llevo una vida más ocupada que la mayoría de la gente. V F
6 A menudo hago cosas de forma impulsiva. V F
7 Casi nunca siento ganas de abofetear a alguien. V F
8 Paso tanto tiempo como puedo con mis amigos. V F
9 Mi cuerpo se siente a menudo rígido sin razón aparente. V F
10 Frecuentemente me siento desconcertado. V F
11 Si alguien me ofende, intento simplemente no pensar en ello. V F
12 Me gusta estar haciendo cosas en todo momento. V F
13 Me gustaría emprender un viaje no programado, sin rutas fijas ni horarios. V F
Tiendo a ser hipersensible y me siento fácilmente herido por los comentarios y acciones de los
14 V F
demás (aunque éstos sean sin mala intención).
15 No necesito tener un montón de conocidos. V F
16 Puedo disfrutar simplemente recostándome y permaneciendo sin hacer nada. V F
Disfruto introduciéndome en situaciones nuevas, en las que no se puede predecir qué cosas van
17 V F
a ocurrir.
18 Me siento asustado con facilidad. V F
19 Si alguien me molesta, no dudo en decírselo. V F
20 Generalmente me siento incómodo en grandes fiestas. V F
21 No siento la necesidad de estar haciendo cosas todo el tiempo. V F
22 Algunas veces me siento lleno de pánico. V F
23 En las fiestas disfruto interactuando con muchas personas, sean conocidas o no. V F
24 Algunas veces me gusta hacer cosas que dan un poco de miedo. V F
25 En mis días libres prefiero practicar deportes que simplemente descansar sin hacer nada. V F
26 Lo intentaré todo al menos una vez. V F
27 A menudo me siento inseguro de mí mismo. V F
28 No me importaría estar socialmente aislado en algún lugar durante algún periodo de tiempo. V F
29 Me gusta agotarme en trabajo o ejercicios duros. V F
Me gustaría llevar una vida activa en la que pudiese viajar un montón y en la que hubiese mucho
30 V F
cambio o excitación.
31 A menudo me preocupo de cosas que la otra gente considera que no son importantes. V F
Cuando otra gente no está de acuerdo conmigo, no puedo evitar entrar en una discusión con
32 V F
ellos.
Generalmente me gusta estar solo, de forma que pueda hacer las cosas que quiero sin
33 V F
distracciones sociales.
34 Algunas veces hago cosas alocadas simplemente por bromear. V F
35 Tengo un temperamento muy fuerte. V F
36 Me gusta estar activo desde el momento en que me levanto por la mañana. V F
37 No puedo evitar ser un poco rudo con la gente que no me gusta. V F
38 Soy una persona muy sociable. V F
39 Prefiero los amigos que son imprevisibles. V F
40 Me apetece llorar y a menudo sin motivo. V F
41 Me gusta mantenerme ocupado/a todo el tiempo. V F
138
A continuación se presentan una serie de frases pensadas para describir características de uno
mismo. Léalas y decida si es adecuada o no en su caso. Si está de acuerdo con el contenido de la
frase responda VERDADERO (V) y si no está de acuerdo (es decir, en su caso es lo contrario, o
no le define bien la frase) responda FALSO (F), marcando con una cruz la casilla correspondiente
en el margen derecho de la página.
Nº Enunciados Respuestas
A menudo me siento tan ilusionado/a con cosas nuevas y excitantes que no pienso en las
42 V F
posibles complicaciones.
43 No dejo que me irriten las cosas triviales. V F
44 Tengo siempre paciencia con los otros, aunque sean irritantes. V F
45 Normalmente prefiero hacer las cosas solo. V F
46 A menudo me siento incómodo e inquieto sin que exista una razón real. V F
47 Probablemente paso más tiempo charlando con mis amigos del que debería. V F
48 Cuando hago cosas las hago con un montón de energía. V F
49 Me gustan las fiestas divertidas y desinhibidas. V F
50 Cuando la gente me grita, respondo gritando. V F
51 Normalmente, no me paso la luz roja. V F
52 A menudo respeto al peatón. V F
53 Mejor conduzco mirando la carretera que a las señales de tránsito. V F
COMPRUEBE UNA VEZ MÁS QUE HA CONTESTADO A TODAS LAS PREGUNTAS. MUCHAS GRACIAS POR SU COLABORACIÓN
139
140
ANEXO C. DETALLE DE LOS PRINCIPALES ESTUDIOS EN ACELERACIONES
En este anexo se muestra el detalle de los principales estudios previos realizados
sobre las aceleraciones y desaceleraciones. En cada estudio se analiza la metodología de
recolección y procesamiento de datos, los modelos desarrollados y los principales resultados
encontrados.
am
Aceleración, a
vf
Velocidad, v
vi = 0
0 tm
Tiempo, t tt
Figura 11-1 Perfil tipo de aceleración y velocidad cuando acelera a partir de una velocidad inicial
cero.
141
(excepto el modelo sinusoidal de tres términos) y la aceleración cero en el inicio y la final de la
aceleración. El jerk es la tasa de cambio de aceleración en función del tiempo o fuerza de inercia.
El cero “jerk” representa la aceleración cero en un tiempo t, es decir da/dt = 0 o cuando la
aceleración se vuelva constante.
El modelo ARRB (Australian Road Research Board, actual ARRB Group) consiste
en una serie de ecuaciones que predicen el tiempo y las distancias de aceleración/desaceleración.
Hay dos valores requeridos para aplicar el modelo: el tiempo para acelerar y el parámetro de
forma ρa/d, en donde uno de estos valores se conocen (o se asumen). La aceleración o
desaceleración se calcula mediante la siguiente expresión general:
( ) ( ) (11-1)
(11-3)
( ) (11-4)
(11-5)
( )( )
( )
(11-6)
(11-7)
(11-8)
142
(11-9)
Donde:
tiempo de aceleración, obtenido de tablas por tipo de vehículo o por cálculos en segundos,
y,
Liviano Pesado
35
Tiempo de aceleración (seg)
30
25
20
15
10
5
0
0 20 40 60 80 100
Velocidad final en maniobra de aceleración (km/h)
Figura 11-2 Tiempo de aceleración en vehículos livianos y pesados que aceleran desde 20 km/h
hasta 100 km/h.
143
Liviano Pesado
1,8
Tasa de aceleración (m/s2)
1,6
1,4
1,2
1,0
0,8
0,6
0 20 40 60 80 100
Velocidad final en maniobra de aceleración (km/h)
Figura 11-3 Aceleración promedio en vehículos livianos y pesados que aceleran desde 20 km/h hasta
100 km/h.
Liviano Pesado
500
Distancia de aceleración (m)
400
300
200
100
0
0 20 40 60 80 100
Velocidad final en aceleración (km/h)
Figura 11-4 Distancia de aceleración en vehículos livianos y pesados que aceleran desde 20 km/h
hasta 100 km/h
En el ejemplo, el vehículo pesado para llegar a la velocidad de 100 km/h tiene una
menor aceleración que el vehículo liviano por lo que le toma un mayor tiempo y distancia de
aceleración.
144
el desempeño incluyendo retrasos, longitud de la cola y paradas de vehículos o peatones, así
como el consumo de combustible, emisiones contaminantes y costos operativos
Distancia de aceleración
( )
(11-10)
Donde:
distancia de aceleración en m,
tiempo de aceleración en s, y,
(11-11)
Sujeto a
[ ( )] ( ) (11-12)
[ ( )] ( ) (11-13)
( ) ( ) (11-14)
Sujeto a
Donde:
0,400,
0,700, y,
(11-15)
Distancia de desaceleración
( )
(11-16)
Donde:
distancia de desaceleración en m,
145
velocidad final en desaceleración en km/h,
tiempo de desaceleración en s, y,
(11-17)
Sujeto a
[ ( )] ( ) (11-18)
[ ( )] ( ) (11-19)
( ) ( ) (11-20)
Sujeto a
Donde:
0,400,
0,700, y,
(11-21)
Tiempo y aceleración
( )
(11-22)
Donde
Donde:
[ ( ) ] (11-23)
[ ( ) ( ) ( ) ] (11-24)
Donde:
146
factor de ajuste para aceleración de vehículos pesados,
(11-25)
Donde:
Tiempo y desaceleración
( )
(11-26)
Donde
Donde:
[ ( ) ] (11-27)
[ ( ) ] (11-28)
Donde:
Se debe tomar en cuenta que las ecuaciones (11-22) y (11-26) deben ser divididas
para 3,60 para realizar operaciones en el mismo sistema de unidades. Los valores por defecto de
los parámetros del modelo de aceleración o desaceleración se resumen en la Tabla 11-2.
147
Tabla 11-2 Valores por defecto de los parámetros de calibración para los modelos de distancia y
tiempo de aceleración y desaceleración usado en el aaSIDRA 2
Distancia de aceleración
ρ1 ρ2 ρ3 ρ7
LV 0,467 0,00200 0,0100 0,80
HV 0,500 0,00082 0,0040 0,80
Distancia de desaceleración
ρ1 ρ2 ρ3 ρ7
LV 0,473 0,00155 0,0070 0,80
HV 0,500 0,00050 0,0020 0,80
Aceleración
fa ρ1 ρ2 ρ3 ρ4 ρ5 ρ6 Pmáx M PWR
LV 1,8 2,08 0,127 0,0050
HV 2,2 0,90 0,002 0,0010 0,15 0,42 0,126 130 11000 11,8
Desaceleración
fd ρ1 ρ2 ρ3 ρ4 ρ5 ρ6 Pmáx M PWR
LV 1,8 1,71 0,238 0,0030
HV 2,5 1,63 0 0,0050 0,00182 0,00622 0,0666 130 11000 11,8
LV = vehículos livianos y HV = vehículos pesados
Pesados Livianos
0 5 10 15 20 25
0,0
Tasa de desaceleración (m/s2)
-1,0
-2,0
-3,0
-4,0
Tiempo desde que se empezó la maniobra (seg)
Figura 11-5 Desaceleración para vehículos livianos y pesados que van de 100 a 0 km/h en función
del tiempo total de desaceleración según el modelo de Akçelik y Biggs, 1987
148
Pesados Livianos
120
100
Velocidad (km/h)
80
60
40
20
0
0 5 10 15 20 25 30 35 40
Tiempo desde que se empezó la maniobra (seg)
Figura 11-6 Perfil de velocidad para vehículos livianos y pesados que van de 100 a 0 km/h en
función del tiempo total de desaceleración según el modelo de Akçelik y Biggs, 1987
Instalaciones específicas del tránsito (rotondas, intersecciones con y sin semáforo, pasos
libres, cruces peatonales)
Diferentes tipos de vehículos
Diferentes niveles de demanda del tránsito (baja, media y alta), y
Diferentes tipos de caminos (urbanas, rurales, centro de la ciudad, suburbanas)
Los sitios de los caminos tuvieron pendientes longitudinales menores 1,5%, buena
visibilidad, sin presencia de intersecciones o lugares que puedan influir el flujo libre y con ancho
de calzada entre 10 y 11 pies (3,05 – 3,35 m).
(11-29)
Donde:
150
Tomando la derivada de la ecuación (1-35) con respecto al tiempo dado, se obtiene el
siguiente modelo de predicción de la aceleración:
(11-30)
Donde:
La Tabla 1-5 muestra los coeficientes de regresión para los dos modelos anteriores
para cada clase de vehículos. La ecuación (11-30) predice que en cuanto mayor sea la velocidad
de aproximación mayor será la desaceleración, ubicando la máxima desaceleración en el extremo
del perfil de velocidades; lo que en realidad no sucede (ver Akçelik y Biggs, 1987).
Tabla 11-3 Coeficientes del modelo de regresión para la desaceleración, en Bennett (1994)
( )( ) (11-31)
Donde:
radio de la curva en m,
( ) (11-32)
Donde:
( )( ) (11-33)
Donde:
( )( ) (11-34)
152
Mitad de la curva – fin de la curva
Las velocidades de salida son menores a las velocidades de entrada, lo cual indica
que los conductores a la salida de la curva aceleran menos que cuando desaceleran a la entrada
de la curva.
( ) (11-35)
Y para desaceleración:
( ) (11-36)
( ) ( ) ( ) (11-37)
Pendientes ascendentes
Pendientes descendentes
La velocidad inicial del vehículo puede ser mayor o menor que la velocidad limitante
en pendientes descendentes, creando dos regímenes: positivo y negativo (aceleración y
desaceleración).
153
aceleración y desaceleración medias para cada clase de vehículo, como se muestra en la Tabla
11-4.
Tabla 11-4 Aceleración medias en pendientes, en Bennett (1994)
Figura 11-7 Disposición esquemática de los puntos del muestreo en Collins y Krammes (1996)
154
No se confirmó el supuesto de que la desaceleración ocurre sólo en la recta de
aproximación y que la velocidad es constante a lo largo de la curva, dado que se observó que la
desaceleración continúa después de entrar a la curva.
Los resultados indican que el valor supuesto de 0,85 m/s2 es razonable para
desaceleración cuando se aproximan a una curva que requiere reducción de velocidad pero puede
sobrestimar la aceleración cuando se sale de una curva.
Figura 11-8 Esquema para la recolección de datos con la pistola de radar (Fitzpatrick et al., 2000a)
155
Tabla 11-5 Aceleraciones y desaceleraciones, en Fitzpatrick et al. (2000a)
156
Figura 11-9 Esquema de mediciones de velocidad en el modelo de las cuatro zonas, Echaveguren y
Basualto (2003)
La Tabla 11-6 muestra diferencia entre los resultados obtenidos en este estudio,
Fitzpatrick y la FHWA.
Tabla 11-6 Comparación entre los valores de aceleración y desaceleración (m/s2) con otros estudios,
modificada de Echaveguren y Basualto (2003).
157
Estudio de Perco y Robba (2005)
Perco y Robba (2005) realizaron un estudio preliminar para establecer la aceleración
y desaceleración y las velocidades de aproximación y salida de las curvas. Se recolectaron las
velocidades con pistolas de láser en 10 sitios compuestos de una curva y recta precedente en seis
caminos al noreste de Italia. Las curvas no tuvieron espirales de transición. El entorno general
del camino fue terreno plano u ondulado. El ancho de carril estuvo entre 3,25 y 3,75 m. La
pendiente longitudinal no excedió los ± 3,0 %. La mayoría de los sitios tuvieron curvas entre 15
m y 515 m de radio. El intervalo de tiempo que se adoptó entre vehículos fue de 5 segundos. Se
registraron mínimo 100 datos de velocidades de vehículos de pasajeros en cada sitio de
observación. Se midió durante el día y en pavimento seco. El tránsito no excedió los 420
vehículos durante las mediciones. Se registró el promedio de la velocidad de aproximación entre
100 y 200 m antes del inicio de la curva (PC) o donde se mantuvo una velocidad constante.
Los resultados muestran que los vehículos pueden alcanzar valores de desaceleración
más altas que el promedio de los valores de desaceleración observados, especialmente antes de
las curvas con radio pequeño. No se calibraron modelos de predicción de aceleraciones /
desaceleraciones, debido a ser resultados preliminares.
158
Los conductores mantienen una velocidad deseada en rectas de aproximación basada en
las características de la recta;
Los conductores aplican una desaceleración constante antes de ingresar a las curvas y se
mantiene hasta algún punto dentro de la curva;
Los conductores mantienen su velocidad deseada dentro de la curva, basada en las
características de la curva; y,
Los conductores aplican una aceleración constante antes de dejar la curva y la mantienen
hasta conseguir la velocidad deseada en algún punto de la recta de salida.
[ ( ) ] (11-38)
Donde:
distancia desde el sitio hasta el punto de inicio de la curva, toma un valor positivo fuera de
la curva y un valor negativo dentro de la curva en pies.
[ ( ) ] (11-39)
Donde:
distancia desde el sitio hasta el punto final de la curva, toma un valor positivo fuera de la
curva y un valor negativo dentro de la curva en pies.
159
(11-40)
Donde:
porcentaje de camiones, %,
igual a 1 si hay una intersección 350 pies antes o después del punto de interés, caso
contrario igual a 0,
igual a 1 si los segmentos del camino tiene 10 o más accesos residenciales por milla, caso
contrario igual a 0,
(11-41)
Donde:
peralte en porcentaje.
160
se familiarizaba con el vehículo durante 20-30 minutos. Los conductores presentaron diferente
comportamiento en las diferentes clases de carreteras. Se clasificaron los conductores en
agresivo, común y defensivo en base a la velocidad recolectada.
161
Estudio de Pérez et al. (2010)
Pérez et al. (2010) realizaron una investigación mediante el uso de dispositivos de
seguimiento GPS (GPS tracking devices) que registran datos continuos, principalmente, de
velocidad, de aceleración y de posición. Se calibraron tres modelos para curvas horizontales
utilizando el radio de la curva y la razón de cambio de curvatura (CCR). Se evaluó la variación
de velocidad en la secuencia recta – curva analizando la longitud de desaceleración y calibrando
dos modelos de desaceleración.
La investigación se realizó entre los meses de febrero y julio del 2008, entre las
08h30 hasta las 14h00, en días laborables y en un clima seco. Se seleccionaron 4 tramos de
camino con pendientes longitudinales no mayores al 4,0%. Los sitios de medición tuvieron un
ancho de carril entre 3,10 y 4,00 m y un ancho de banquina entre 0,00 y 1,00 m. Los radios de
curvatura fueron entre 80 m y 930 m, la longitud de la curva entre 55 m y 205 m, el ángulo de
deflexión entre 4,5º y 38,7º y una longitud de la recta entre 90 a 2590 m.
Pérez et al. (2010) sostienen que la mayor limitación de todos los modelos existentes
es que no tomaron datos en los puntos de inflexión de la aceleración y desaceleración, lo que no
ha permitido precisar la distancia de aceleración o desaceleración. Los dispositivos GPS pueden
solucionar esta deficiencia.
Los dispositivos GPS pueden afectar las tareas de conducción, por lo que para
garantizar la calidad de los resultados se recolectaron velocidades de operación una semana antes
de la recolección de datos con GPS. Se determinó que las muestras no eran significativamente
diferentes al 95% de confiabilidad.
162
El modelo de desaceleración intenta completar el modelo del perfil de velocidades
para reflejar de manera más precisa el comportamiento del conductor en la secuencia recta –
curva y generalmente, se utiliza la siguiente ecuación:
() ( ) (11-42)
Donde:
d = desaceleración en m/s2,
() ( ) (11-43)
Donde:
(11-44)
(11-45)
163
de diseño analizadas fueron: dirección de la curva, radio de la curva, longitud de la curva vertical
y el índice de la curva vertical.
En las curvas izquierdas, los conductores desaceleran con un valor más bajo que cuando
circulan por una derecha.
Los conductores desaceleran con un valor más bajo cuando se aproximan a curvas
horizontales con radios más grandes.
Si el radio de la curva central horizontal es más grande que el radio de la curva “aguas
arriba”, el conductor desacelera con un valor más bajo. Y si el radio de la curva central
horizontal es más pequeño, el conductor desacelera con un valor más alto.
Un incremento en la longitud de la curva, incrementa la desaceleración de los conductores
cuando se aproximan a curvas horizontales.
Si la curva horizontal es corta, los niveles de aceleración son altos.
Cuando la longitud de la curva se incrementa hasta 987 m los efectos de la desaceleración
cuando se aproxima a una curva es cero. Cuando la longitud de la curva excede de ese
valor, la desaceleración aumenta cuando se aproxima a una curva y lleva a menores
aceleraciones cuando sale de ella.
Cuando los conductores circulan en una curva horizontal corta, no cuentan con grandes
distancias para acelerar o desacelerar. Cuando la longitud de la curva horizontal
incrementa, los conductores cuentan con distancias más grandes para incrementar su
velocidad cuando sale de una curva horizontal.
Los conductores aceleran con valores más bajos cuando el radio de la curva horizontal
incrementa.
El incremento en la longitud de la recta de salida lleva a aceleraciones más bajas.
Un incremento en la longitud de la curva horizontal lleva a aceleraciones más altas.
Si las curvas horizontales centrales son más grandes que las curvas horizontales “aguas
abajo”, los conductores aceleran a un nivel más bajo. Y si las curvas horizontales son más
pequeñas, los conductores aceleran a valores más altas.
Se deberían evitar las grandes diferencias entre longitudes de curvas sucesivas, debido a
que podría llevar a cambios significativos en la aceleración y desaceleración cuando se
aproxima o se sale de las curvas horizontales.
Los pequeños radios de curvas horizontales pueden llevar a altos valores de aceleraciones
cuando los conductores salen de curvas horizontales y altos valores de desaceleraciones
cuando el conductor se aproxima a ellas.
164
Se debería evitar las grandes diferencias entre radios de curvas horizontales sucesivas,
porque podrían llevar a valores de aceleración más altas cuando los conductores se
aproximan a las curvas horizontales.
Las aceleraciones y desaceleraciones relacionadas con el promedio de la razón de
curvatura vertical es estadísticamente significativa, pero el coeficiente de regresión es de
magnitud despreciable.
Los valores medios para desaceleración y aceleración en este estudio estuvieron en el
rango de -1,34 a +1,31 m/s2.
Este estudio consideró diferentes escenarios de la geometría del camino sobre una
alineamiento completo, pero se sugiere investigar los valores de aceleraciones y desaceleraciones
para curvas en el mismo sentido y en rectas de aproximación mayores a 397 m.
165
Tabla 11-7 Aceleraciones y desaceleraciones, en IHSDM (2012)
(11-46)
(11-47)
Donde:
R = Radio de la curva en m, y,
166
A = parámetro de la curva de transición en m.
Además se encontró que las curvas con radios menores a 200 m la mínima velocidad
se mantiene sólo en una sección reducida. En los perfiles con radios mayores a 200 m, las
velocidades son más altas y las transiciones de velocidad son más suavizadas y la velocidad más
baja es mantenida durante una longitud de curva más grande.
167
168
ANEXO D. GEOMETRÍA DE LOS CAMINOS
En este anexo se muestra, mediante tablas, la geometría obtenida con el método
heading para cada uno de los caminos de prueba (Tablas 11-8 a la 11-10). En esas tablas también
se incluye la razón de cambio de curvatura (CCR) y la pendiente longitudinal promedio.
169
San Juan – Jáchal
Tabla 11-9 Geometría del camino San Juan - Jáchal
170
Tabla 11-9 (cont.) Geometría del camino San Juan - Jáchal
Talacasto – Pachaco
Tabla 11-10 Geometría del camino Talacasto - Pachaco
171
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
172
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
173
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
174
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
175
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
176
Tabla 11-10 (cont.) Geometría del camino Talacasto - Pachaco
177
178
ANEXO E. RESULTADOS DE LA CALIBRACIÓN DE MODELOS
En este anexo se muestra se muestra los resultados del análisis de regresión de los
modelos de aceleración y desaceleración calibrados y las gráficas de sus residuales.
Desaceleración
Modelo general
Tabla 11-11 Parámetros estimados para la ecuación general de desaceleraciones
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99,9
99 0,50
90 0,25
Residual
Percent
50 0,00
10 -0,25
1
-0,50
0,1
-0,50 -0,25 0,00 0,25 0,50 -0,8 -0,6 -0,4 -0,2
Residual Fitted Value
36 0,25
Frequency
Residual
24 0,00
-0,25
12
-0,50
0
-0,4 -0,2 0,0 0,2 0,4 1 20 40 60 80 100 120 140 160
Residual Observation Order
179
Modelo de desaceleración para CCR ≤50 º/km
Tabla 11-12 Parámetros estimados para la ecuación de desaceleraciones para CCR ≤50 º/km
Parámetro Número
Variable SE coef. T p-valor R2
estimado de sitios
1/Rc -122,8 6,26 -19,47 0,000 47 0,57
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
0,1
90
Residual
Percent
0,0
50
-0,1
10
1 -0,2
-0,2 -0,1 0,0 0,1 0,2 -0,4 -0,3 -0,2 -0,1
Residual Fitted Value
6
Residual
0,0
4
-0,1
2
0 -0,2
-0,15 -0,10 -0,05 0,00 0,05 0,10 1 5 10 15 20 25 30 35 40 45
Residual Observation Order
Figura 11-11 Gráficas de los residuos del modelo de desaceleración para CCR≤50º/km
180
Modelo de desaceleración para CCR >50 º/km
Tabla 11-13 Parámetros estimados para la ecuación de desaceleraciones para CCR>50 º/km
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99,9 0,4
99
0,2
90
Residual
Percent
0,0
50
-0,2
10
1 -0,4
0,1
-0,50 -0,25 0,00 0,25 0,50 -1,0 -0,8 -0,6 -0,4 -0,2
Residual Fitted Value
0,2
15
Frequency
Residual
0,0
10
-0,2
5
-0,4
0
-0,45 -0,30 -0,15 0,00 0,15 0,30 1 10 20 30 40 50 60 70 80 90 100
Residual Observation Order
Figura 11-12 Gráfica de los residuales del modelo de desaceleraciones para CCR>50 º/km
181
Aceleración
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
0,04
90
Residual
Percent
0,02
50
0,00
10
-0,02
1
-0,050 -0,025 0,000 0,025 0,050 0,2 0,4 0,6 0,8
Residual Fitted Value
2
Residual
0,02
0,00
1
-0,02
0
-0,02 0,00 0,02 0,04 1 2 3 4 5 6 7 8 9 10 11
Residual Observation Order
Figura 11-13 Gráficas de los residuos del modelo de aceleración con el radio de la curva horizontal
182
Modelo de aceleración con la velocidad de inicio de la aceleración
Tabla 11-15 Parámetros estimados para la ecuación de aceleración en función de la velocidad de
inicio de la aceleración
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99 0,10
90
0,05
Residual
Percent
50
0,00
10
-0,05
1
-0,10 -0,05 0,00 0,05 0,10 0,2 0,3 0,4 0,5
Residual Fitted Value
3,6 0,05
Frequency
Residual
2,4 0,00
1,2
-0,05
0,0
-0,06 -0,04 -0,02 0,00 0,02 0,04 0,06 0,08 1 2 3 4 5 6 7 8 9 10 11
Residual Observation Order
Figura 11-14 Gráficos de residuales del modelo de aceleración con la velocidad de inicio de la
aceleración
183
184
ANEXO F. CALIBRACIÓN DE MODELOS DE VELOCIDAD
En este anexo se detalla la calibración y validación de modelos de velocidad en
rectas y curvas horizontales. Se analiza la influencia de variables geométricas tales como la
pendiente, razón de cambio de curvatura de un tramo homogéneo (CCR), radio de la curva
horizontal, longitud de la curva horizontal y la distancia de visibilidad disponible sobre la
velocidad y se calibran modelos con las variables estadísticamente más significativas. Se
calibraron los modelos mediante análisis de regresión y usando hojas electrónicas (Microsoft
Office Excel, 2007) y MINITAB 14.2 (Minitab, 2005).
185
La mayoría de modelos de velocidad fueron estadísticos y se basaron en análisis de
regresión lineal. Investigadores como Leisch y Leisch (1977), Lamm y Choueiri (1987a), Lamm
et al. (1988), Krammes et al. (1995), Collins y Krammes (1996), Eberhard (1997), Fitzpatrick et
al. (2000a), entre otros, usaron estos modelos. También se ha usado los modelos de regresión
lineal multinivel por Tarris et al. (1996), Poe and Mason (2000), Park and Saccomanno (2006),
Wang et al. (2006). Los modelos de regresión lineal pueden ser combinados con otros para
considerar la influencia de otras variables, como es el caso de Fitzpatrick et al. (2000a) e IHSDM
(2012) que utilizan el modelo de simulación microscópica TWOPAS para determinar la
influencia de la pendiente en las velocidades de los vehículos.
Velocidad en rectas
La velocidad en rectas ha sido relacionada a la velocidad deseada del conductor. Esta
velocidad es aquella que los conductores eligen para viajar en condiciones de flujo libre cuando
no están restringidos por características del alineamiento (McLean, 1981). En la práctica, es el
máximo percentil 85 de la velocidad que pueden alcanzar y mantener en rectas largas (Perco,
2008).
120
100
80
60
40
20
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Longitud de la recta horizontal (m)
Figura 11-15 Percentil 85 de la velocidad observada en la mitad de las rectas versus longitud de la
recta horizontal
Para calcular la velocidad deseada se seleccionaron las rectas con longitudes mayores
o iguales a 600 m y con pendiente longitudinal baja (i< ±0,5%). Treinta y cuatro (34) rectas
cumplieron con esos requisitos. Se promediaron las velocidades de cada recorrido individual.
Con esas velocidades, en cada recta, se obtuvo el percentil 85 de las velocidades individuales.
Finalmente se promediaron las velocidades obtenidas en cada recta. Este valor fue de 128,7
km/h, que representa la velocidad deseada del grupo de conductores analizado. Este valor es
superior al obtenido en otros estudios: 97,9 km/h (Fitzpatrick et al., 2000a), 100 km/h (Lamm et
al., 1999) Cabe mencionar que estos estudios se realizaron en Estados Unidos y Alemania, en
donde el comportamiento del conductor puede ser diferente a los conductores analizados. Este
valor de 128,7 km/h es superior al límite de velocidad para motocicletas, automóviles y
camionetas, que según la Ley de Tránsito vigente 24449 de Argentina (1995) es de 110 km/h.
187
Para el análisis de la CCR y la pendiente longitudinal, se seleccionaron 14 sitios, los
cuales por representatividad tuvieron más de 10 observaciones, como se muestra en la Tabla
11-17. Se trató de generar un modelo para la velocidad ambiental que incluya la CCR y la
pendiente longitudinal, sin embargo, la pendiente no fue estadísticamente significativa
(p=0,387). Aunque la pendiente no tenga significancia estadística en el modelo se puede apreciar
que existen diferencias en la velocidad (promedio como máxima) para un mismo CCR y en
pendientes opuestas.
Tabla 11-17 Sitios seleccionados para analizar la relación entre la velocidad ambiental y la CCR y
la pendiente longitudinal
188
140
120
80
60
40
20
0
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Pendiente en tramos homogéneos verticales (%)
Figura 11-16 Velocidad deseada en la mitad de las rectas versus pendiente longitudinal
Tabla 11-18 Promedio del percentil 85 de la velocidad en la mitad de las rectas para varios valores
de pendientes longitudinales
Nº de V85prom V85prom
Pendiente (%)
obs. (km/h) (km/h)*
pendiente <-4 87 92,7 95,3
-4 ≤ pendiente <0 255 92,2 97,4
0 < pendiente ≤+4 279 89,2 98,9
pendiente >+4 48 84,0 91,9
* Fitzpatrick et al. (2000a)
189
Tabla 11-19 Sitios seleccionados para analizar la relación entre la velocidad ambiental y la
pendiente longitudinal
Por otro lado, para analizar la influencia de CCR sobre la velocidad ambiental se
seleccionó 13 sitios con CCR entre 4-355º/km y con por lo menos 10 observaciones (Ver Tabla
11-20). Era esperable ver en la Tabla 11-20 que para CCR más bajos (menor curvatura) la
velocidad es más alta que para CCR más altos, en donde las restricciones geométricas son
mayores.
Tabla 11-20 Sitios seleccionados para calibrar un modelo de velocidad ambiental en función de la
CCR
190
En los análisis de regresión se relacionó la velocidad ambiental con la CCR. Se
determinaron varias ecuaciones, sin embargo la ecuación (11-48) de la fue la Tabla 11-21 que
tuvo el mejor ajuste, un razonable intercepto y una forma práctica y simple. Tiene un R 2 de 0,83
y un RMSE de 8,6 km/h. Los valores t de student para cada parámetro se encuentran entre
paréntesis. También se incluye el R2 ajustado (R2 aj). Los parámetros de la ecuación calibrada
son estadísticamente significativos con un valor p menor a 0,05:
Tabla 11-21 Ecuación de predicción de velocidad ambiental
Rango
Tamaño RMSE Nº de
de CCR Ecuación de predicción R2 aj
muestral (km/h) ecuación
(º/km)
Donde:
Usando la ecuación (11-48) para el valor más bajo de CCR se obtiene una velocidad
deseada de 130,1 km/h, valor que difiere en 1,4 km/h del valor obtenido para rectas mayores a
600 m (128,7 km/h). También fue posible relacionar la velocidad máxima del percentil 85 con la
CCR, como se muestra en la Tabla 11-22, sin embargo, la diferencia de velocidad para un CCR
más bajo fue de 11,1 km/h, por lo que no era conveniente utilizar esta ecuación. La ecuación
(11-49) tuvo un R2 de 0,67 y un RMSE de 9,8 km/h y los parámetros de la ecuación fueron
estadísticamente significativos (p<0,05).
Tabla 11-22 Ecuación de predicción de velocidad ambiental máxima
Rango
Tamaño RMSE Nº de
de CCR Ecuación de predicción R2 aj
muestral (km/h) ecuación
(º/km)
Donde:
191
140
120
Velocidad ambiental (km/h)
100
80
60
40
20
0
0 50 100 150 200 250 300 350 400
CCR (º/km)
Figura 11-17 Velocidad ambiental con la ecuación (11-48) y los valores de velocidad observados
versus CCR del tramo del camino
Del análisis realizado, se puede decir que es estadísticamente más influyente la CCR
sobre la velocidad ambiental de vehículos livianos que la pendiente longitudinal, calculado según
el procedimiento descrito anteriormente. Sin embargo, podría obtenerse una relación
estadísticamente más significativa entre la pendiente longitudinal y la velocidad deseada al
calcularse la pendiente para una recta individual y no para un tramo homogéneo.
Rango Rango
Tamaño RMSE Nº de
de CCR de radios Ecuación de predicción R2 aj
muestral (km/h) ecuación
(º/km) (m)
Donde:
Vc85: percentil 85 de la velocidad en el centro de la curva horizontal, km/h.
En la Figura 11-18 se graficó las velocidades estimadas con la ecuación (11-50) y las
observadas en el centro de la curva horizontal, para analizar el ajuste del modelo a los datos. La
ecuación no se ajusta a los datos observados en las velocidades altas, es decir, la ecuación
predice hasta aproximadamente los 110 km/h, mientras que los valores los valores observados
siguen aumentando hasta alrededor de los 120 km/h.
140
Velocidad estimada en el centro de la curva
120
100
horizontal (km/h)
80
60
40
20
0
0 20 40 60 80 100 120 140
Velocidad observada en el centro de la curva
horizontal (km/h)
Figura 11-18 Velocidad estimada versus velocidad observada en las curvas horizontales con la
ecuación (11-50)
193
Ante esta limitación del modelo, se analizó la influencia de la curvatura horizontal en
tramos homogéneos, dado que las altas velocidades observadas pertenecen a curvas con radios
grandes, y estas curvas generalmente están relacionadas a CCR bajas. Para iniciar este análisis,
se segmentó la base de datos de 495 observaciones en grupos diferentes de acuerdo a sus valores
CCR para realizar una evaluación por separado. Se probaron varios números de grupos y
diferentes umbrales de CCR, de tal manera que se asegure los resultados entre ecuaciones de
regresión consecutivas no sean los mismos. En cada umbral se eliminaron los puntos atípicos.
Luego del análisis de regresión, las ecuaciones resultantes se muestra en la Tabla 11-24.
Tabla 11-24 Ecuaciones de predicción de velocidad en curvas en base a la CCR
Rango de Tamaño
Rango de Ecuaciones de RMSE Nº de
radios de de la R2 aj
CCR (º/km) predicción (km/h) ecuación
la muestra (m) muestra
Donde:
Se podría decir que los rangos de CCR cubren todas las variaciones de curvatura:
caminos planos (CCR ≤50 º/km), caminos poco sinuosos (50<CCR≤150 º/km) y caminos
sinuosos (CCR>150 º/km). Nótese que el valor de R2 es más alto en CCR>150 º/km, esto es
debido al hecho de que caminos planos la elección de la velocidad es más libre que en caminos
sinuosos donde la velocidad está más restringida por la presencia de curvas y rectas cortas. Estos
modelos reducen levemente el RMSE de la ecuación (11-50) en cada grupo de CCR, con lo que
se mejora la capacidad de predicción del modelo, como se aprecia en la Figura 11-19.
194
140
100
horizontal (km/h)
80
60
40
20
0
0 20 40 60 80 100 120 140
Velocidad observada en el centro de la curva
horizontal (km/h)
Figura 11-19 Velocidad estimada versus velocidad observada en curvas horizontales con las
ecuaciones de la Tabla 11-24
195
140
80
CCR≤50 º/km
60
50<CCR<150 º/km
40 CCR>150 º/km
Ecuación general
20
0
0 200 400 600 800 1000
Radio de la curva horizontal (m)
140
120
de la recta (km/h)
100
80
60
40
20
0
0 100 200 300 400 500 600 700 800 900 1000
Distancia de visibilidad disponible en la mitad de la recta (m)
Figura 11-21 Distancia de visibilidad disponible versus la velocidad de operación en la mitad de las
rectas horizontales
196
140
Figura 11-22 Distancia de visibilidad disponible versus la velocidad de operación en la mitad de las
curvas horizontales
Si se comparan la Figura 11-21 y la Figura 11-22, se podría decir que son muy
similares, por lo que se podría concluir que la distancia de visibilidad tiene un efecto similar
sobre la velocidad en la mitad de las rectas y en la mitad de las curvas horizontales. Se hizo un
análisis de regresión relacionando la velocidad en la mitad de las rectas y curvas horizontales en
función de la distancia de visibilidad disponible. Se encontró que la visibilidad fue
estadísticamente significativa al 95% de confiabilidad y se calibró la ecuación lineal que se
muestra en la Tabla 11-25.
Tabla 11-25 Ecuación de predicción de velocidad en rectas y curvas en función de la distancia de
visibilidad disponible
Rango Rango
Tamaño RMSE Nº de
de CCR de radios Ecuación de predicción R2 aj
muestral (km/h) ecuación
(º/km) (m)
Dado que la velocidad es más afectada en las curvas que en las rectas, se realizó un
análisis de regresión, incluyendo el radio de la curva (Rc). Se analizó la influencia de la Rc,
1/Rc, Rc0,5, 1/Rc0,5 y la distancia de visibilidad disponible en el centro de la curva (dvis-c) sobre
197
velocidad en el centro de las curvas horizontales. Se encontró que las variables estadísticamente
más significativas fueron Rc0,5 y la dvis-c al 95% de confiabilidad, con lo que se calibró la
ecuación que se muestra en la Tabla 11-26.
Tabla 11-26 Ecuación de predicción de velocidad en curvas en función de la distancia de visibilidad
disponible
Rango Rango
Tamaño RMSE Nº de
de CCR de radios Ecuación de predicción R2 aj
muestral (km/h) ecuación
(º/km) (m)
Donde:
120
100
horizontal (km/h)
80
60
40
20
0
0 20 40 60 80 100 120 140
Velocidad observada en el centro de la curva
horizontal (km/h)
Figura 11-23 Velocidad estimada versus velocidad observada en curvas horizontales con la
ecuación (11-55)
Tamaño RMSE
Código Condiciones del alineamiento Ecuaciones de predicción R2
muestral (km/h)
199
Validación de ecuaciones
De cada base de datos se calcularon los valores mínimos, máximos, promedio y
desviación estándar de las variables que intervienen en cada ecuación de predicción y el número
de sitios observados. Estos estadísticos pueden ser vistos en la Tabla 11-28.
Tabla 11-28 Estadísticos descriptivos para las variables usadas en la calibración y validación de las
ecuaciones de predicción de velocidad
Calibración Validación
Parámetros
VA-1 VC-2 VC-3 VC-4 VA-1 VC-2 VC-3 VC-4
Sitios 12 123 151 202 13 137 223 193
* 215 60 27 * 123 60 39
Radio (m), rango
* 990 883 971 * 995 883 971
Radio (m), media * 653 406 255 * 653 374 263
Radio (m), desv. est. * 212 223 200 * 207 207 204
67 64 55 41 75 62 49 42
V85 (km/h), rango
128 132 101 96 127 130 116 111
V85 (km/h), media 97 108 83 72 99 111 86 76
V85 (km/h), desv. est. 20 13 10 11 18 13 10 11
CCR (º/km), rango 4-355 * * * 4-355 * * *
CCR (º/km), media 96 * * * 96 * * *
CCR (º/km), desv. est. 97 * * * 97 * * *
200
Gráficas y cálculos de la validación
Velocidad ambiental (VA-1)
140
100
80
60
40
20
0
0 20 40 60 80 100 120 140
Velocidad ambiental observada en rectas (km/h)
Figura 11-24 Velocidad ambiental observada versus velocidad ambiental estimada usando la
ecuación VA-1
120
100
80
60
40
20
0
0 20 40 60 80 100 120 140
Velocidad de operación media observada en el
centro de curva (km/h) para CCR≤50º/km
Figura 11-25 Velocidad observada versus velocidad estimada en curvas horizontales usando la
ecuación VC-2 para CCR≤50º/km
201
Velocidad en el centro de las curvas para 50<CCR≤150º/km (VC-3)
120
80
60
40
20
0
0 20 40 60 80 100 120
Velocidad de operación media observada en el
centro de curva (km/h) para 50<CCR≤150º/km
Figura 11-26 Velocidad observada versus velocidad estimada en curvas horizontales usando la
ecuación VC-3 para 50<CCR≤150º/km
100
80
60
40
20
0
0 20 40 60 80 100 120
Velocidad de operación media observada en el
centro de curva (km/h) para CCR>150º/km
Figura 11-27 Velocidad observada versus velocidad estimada en curvas horizontales usando la
ecuación VC-4 para CCR>150º/km
202
De las figuras mostradas, se puede decir que la gráfica con las ecuación VA-1
muestra una buena estimación frente a los valores observados, mientras que, la última porción de
la gráfica con las ecuaciones de velocidad en VC-2, VC-3 y VC-4 está levemente inclinadas de
la recta de referencia.
La Tabla 11-29 muestra estos estadísticos para cada ecuación de predicción, el valor
Chi-cuadrado calculado y el valor critico Chi-cuadrado con un nivel de significancia de 0,05 que
representa un 95% de probabilidad de que la hipótesis nula sea verdadera
Tabla 11-29 Errores de predicción y prueba Chi-cuadrado para las ecuaciones de predicción
calibradas
La ecuación VC-2 tiene los errores más altos encontrados de la Tabla 11-29. En la
prueba Chi-cuadrado, se puede ver que ninguna de las ecuaciones excede el valor crítico, lo que
significa que no hay diferencias significativas entre los valores estimados con las ecuaciones y
los valores observados en la validación, sin embargo, VC-1, VC-3 y VC-4 están muy cerca de
ese valor límite, especialmente la VC-4.
En los box plot se graficó la diferencia absoluta entre los valores observados y los
valores estimados para cada ecuación. Se realizaron los gráficos en el programa estadístico
MINITAB 14.2 (Minitab, 2005), tal como se ve en la Figura 11-28. Esta figura muestra que la
ecuación VC-2 es la que tiene los errores absolutos más altos, ésta ya se identificó previamente,
también que las ecuaciones VC-3 y VC-4 son las que mejor ajuste tienen, aunque se ven puntos
atípicos mayores a 20 km/h. También existen dos puntos atípicos entre 30-40 km/h en la
ecuación VC-2. Cabe aclarar que el error máximo que podría aceptarse es 10 km/h ya que es el
umbral de un diseño consistente bueno.
203
40
30
Diferencia absoluta (km/h)
20
10
Figura 11-28 Box plot de la diferencia absoluta entre los valores estimados y observados para los
modelos calibrados de velocidad
Resumen y conclusiones
Este anexo mostró la calibración y validación de modelos de velocidad en recta y
curvas horizontales. En las rectas se consideró el percentil 85 de la velocidad de las rectas en
estudio. En ese escenario, se determinó que la velocidad deseada en rectas mayores a 600 m y
planas (i< ±0,5%) era de 128,7 km/h, este valor fue mayor a los encontrados en ciertos estudios
anteriores. Dado que este tipo de rectas se encuentran frecuentemente en caminos poco sinuosos,
se calibró una ecuación de velocidad ambiental considerando la curvatura del camino, mediante
la razón de cambio de curvatura (CCR). También se analizó la influencia de la pendiente sobre
las velocidades en rectas, pero no se encontraron relaciones significativas. En las curvas
horizontales, se modeló el percentil 85 de la velocidad en la mitad de la curva. Se calibró una
ecuación para todas las observaciones, sin embargo, los resultados presentaron errores en la
estimación, por lo que se calibraron tres ecuaciones considerando la curvatura del camino:
CCR≤50 º/km, 50<CCR≤150º/km y CCR>150º/km. Con estas tres ecuaciones se redujeron los
errores en la estimación, lo que contribuye a precisar las estimaciones de la consistencia del
diseño.
204
calibración de modelos. El análisis de los errores consistió en 4 pasos: gráficos entre valores
observados y estimados para cada ecuación de predicción, cálculo de errores: MSE, MAE y
MAPE, cálculo de la prueba de Chi-cuadrado y los box plot de los errores absolutos entre los
valores estimados y observados. Todas las ecuaciones pasaron la prueba Chi-cuadrado y los
errores de predicción fueron aceptables, por lo que, las ecuaciones calibradas se consideran como
definitivas.
205
206
ANEXO G. EJEMPLOS DE PERFILES DE VELOCIDAD Y ACELERACIÓN
En este anexo se muestran algunos perfiles de velocidad y aceleración en algunas
curvas analizadas con el fin de mostrar que, en general, los perfiles de velocidad siguen una
tendencia en "S" y los perfiles de aceleración siguen una tendencia lineal, como soporte del
modelo teórico presentado en el capítulo 7. Cada ejemplo contiene la longitud de la recta de
entrada (Lre), radio de la curva (Rc), longitud de la recta de salida (Lrs), pendiente longitudinal
promedio (i), razón de cambio de curvatura (CCR) y camino al cual pertenece.
Ejemplo 1: Lre = 420,6 m; Rc = 215,2 m; Lrs = 1950,2 m; i = 0,81 %; CCR = 48,8 º/km;
Ullum - San Juan
100
80
Velocidad (km/h)
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,4
0,2
Aceleración (m/s2)
0,0
-0,2
-0,4
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
207
Ejemplo 2: Lre = 80,5 m; Rc = 287 m; Lrs = 191,0 m; i = 2,7 %; CCR = 47,3 º/km; Jáchal -
San Juan
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
1,2
0,8
0,4
Aceleraciones (m/s2)
0,0
-0,4
-0,8
-1,2
-1,6
-2,0
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
208
Ejemplo 3: Lre = 581,5 m; Rc = 413,7 m; Lrs = 434,0 m; i = 0,63 %; CCR = 35,4 º/km; San
Juan - Jáchal
140
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,8
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
209
Ejemplo 4: Lre = 1312,3 m; Rc = 528,4 m; Lrs = 1702,6 m; i = -3,1 %; CCR = 29,6 º/km;
San Juan - Jáchal
140
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,8
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
210
Ejemplo 4: Lre = 4408,4 m; Rc = 642,8 m; Lrs = 345,1 m; i = 2,7 %; CCR = 12,1 º/km; San
Juan - Jáchal
140
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
211
Ejemplo 5: Lre = 598,6 m; Rc = 700 m; Lrs = 191,0 m; i = 2,7 %; CCR = 47,3 º/km; San
Juan - Jáchal
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,8
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-1,2
-1,6
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
212
Ejemplo 6: Lre = 907,2 m; Rc = 828,2 m; Lrs = 244,6 m; i = 4,1 %; CCR = 98,8 º/km;
Talacasto - Pachaco
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,8
0,4
Aceleración (m/s2)
0,0
-0,4
-0,8
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
213
Ejemplo 7: Lre = 1702,6 m; Rc = 954,8 m; Lrs = 1255,7 m; i = 0,6%; CCR = 29,6 º/km; San
Juan - Jáchal
140
120
100
Velocidad (km/h)
80
60
40
20
0
-300 -200 -100 PC CC0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
0,2
Aceleración (m/s2)
0,0
-0,2
-0,4
-300 -200 -100 PC CC 0 PT 100 200 300
Distancia relativa a la curva horizontal (m)
214
ANEXO H. EJEMPLO DE CÁLCULO DEL PERFIL DE VELOCIDADES
En este anexo se muestra un ejemplo de cálculo del perfil de velocidades a partir del
perfil de aceleraciones en una configuración recta - curva circular - recta. Considérese que esa
configuración está en una carretera montañosa (CRR=43°/km) y que la pendiente longitudinal
promedio está entre ± 5,4 %. El radio de la curva circular es de 230 m y su longitud es de 250 m.
La recta de entrada a la curva circular es de 520 m y la recta de salida es de 355 m. En base a las
ecuaciones de la Tabla 6-11, se calculan los 5 puntos del perfil de aceleraciones, los cuales se
muestran en la Figura 11-45. Para una recta de entrada de 520 m, la aceleración empieza a 230 m
antes del PC. Para radios de curva circular menores a 300 m, la desaceleración termina en la
mitad de la curva. En la recta de salida, la aceleración termina a 90 m después del PT. La
desaceleración y aceleración representativas se calculan de la siguiente manera:
→ →
→ →
√ √
215
Para el uso de las expresiones de la Tabla 11-30 se debe definir el intervalo de
distancia en donde se desea obtener las aceleraciones y desaceleraciones En este ejemplo se
eligió un intervalo de 20 m. Entonces, el primer valor de desaceleración debe calcularse en la
progresiva 290+20 m = 310, ya que en la progresiva 290 la velocidad empieza a disminuir. El
valor de desaceleración en ese punto es:
( ) →
√ ( ) →
104,5
100 96,8
90 PC PT
92,1
80
0 200 290 400 520 600645 770
800 860 Prog
1000(m)
PC: inicio de la curva horizontal
PT: fin de la curva horizontal
216
ANEXO I. ACTIVIDADES RELACIONADAS A LA TESIS
A continuación se detallan las publicaciones realizadas durante el desarrollo de la
tesis, algunas relacionadas al tema de tesis y otras relacionadas a los accidentes de tránsito y al
comportamiento del conductor. Las capacitaciones, apariciones en medios y pasantías realizadas
también se detallan.
Eventos locales
García, Y., (2013). Modelos predictivos de velocidad de operación en carreteras
rurales en función de la edad, la experiencia y el género del conductor. 2do. Encuentro de
Jóvenes Investigadores de San Juan. San Juan, Argentina. ISBN: 978-950-605-763-3.
García, Y., & Altamira, A. (2014). Influencia de la edad, experiencia y género del
conductor en la velocidad de operación de vehículos livianos. II Seminario de Ingeniería Civil
2014. San Juan, Argentina.
Eventos nacionales
Echaveguren, T., García, Y., & Altamira, A. (2012). Reconstrucción de curvatura de
trazados en base a lecturas de heading obtenidas con GPS. XVI Congreso Argentino de Vialidad
y Tránsito. Córdoba, Argentina. ISBN: 978-987-28682-0-8.
Ozán, S., García, Y., & Altamira, A. (2014). Modelos Lineales de Desaceleración de
vehículos livianos en carreteras de la provincia de San Juan. XVIII EMCI (Encuentro Nacional
sobre la enseñanza de la Matemática en carreras de Ingeniería) y X Internacional. Mar del Plata,
Argentina. ISBN: 978-987-544-565-9.
Eventos internacionales
Altamira, A., García, Y., & Echaveguren, T. (2012). Influencia de la visibilidad
disponible en la velocidad de operación de los vehículos. III Congreso Ibero-Americano de
Seguridad Vial. Bogotá, Colombia.
Altamira, A., García, Y., Echaveguren, T., & Marcet, J. (2014). Acceleration and
deceleration patterns on horizontal curves and their tangents on two-lane rural roads. Presentado
en 93rd Annual Meeting of Transportation Research Board , 15 pp.
217
Altamira, A., García, Y., Marcet, J., & Echaveguren, T. (2014). Metodología para el
desarrollo de modelos de velocidad y aceleraciones. Presentado en IV Congreso Ibero-
Americano de Seguridad Vial. Cancún, México.
Eventos locales
García, Y. (2012). Hacia un modelo teórico del comportamiento del conductor. 1er.
Encuentro de Investigadores Jóvenes de San Juan – 2da. Jornada de Becarios de la Universidad
Nacional de San Juan. San Juan, Argentina. ISBN: 978-950-605-737-4.
García, Y., & Altamira, A. (2014). Calibración del modelo de accidentes del Manual
de Seguridad Vial de los EEUU en las rutas nacionales de San Juan. II Seminario de Ingeniería
Civil 2014. San Juan, Argentina.
Eventos nacionales
Altamira, A., & García, Y. (2012). Calibración del módulo de accidentes del
Highway Safety Manual (HSM). XVI Congreso Argentino de Vialidad y Tránsito. Córdoba,
Argentina. ISBN: 978-987-28682-0-8.
Eventos internacionales
Altamira, A., & García, Y. (2012). Calibración del módulo de accidentes del
Interactive Highway Safety Design Model (IHSDM) - Caso de aplicación a San Juan Argentina.
III Congreso Ibero-Americano de Seguridad Vial. Bogotá, Colombia.
Artículos en proceso
Altamira, A., García, Y., Echaveguren, T., & Marcet, J. (2015). Acceleration and
deceleration models on horizontal curves on two-lane rural roads. Resumen aceptado. 5th
International Symposium on Highway Geometric Design. Vancouver, Canadá.
Otros
Uso del IHSDM. Charla de posgrado en Escuela de Ingeniería de Caminos de
Montaña. San Juan, 26 de abril del 2012.
218
Apariciones en medios
"Dicen que las rutas de la zona rural son inseguras". Medio: Diario de Cuyo. Fecha:
6 de noviembre del 2013. En http://www.diariodecuyo.com.ar/. Rescatado el 11/04/2014
Programa INGENIERÍA & DESARROLLO. Radio LA RED San Juan 89,3 Mhz. 14
de junio del 2014.
Pasantías
Universidad de Concepción. Departamento de Ingeniería Civil. Lugar: Concepción,
Chile. Fecha: mayo del 2012. Tema: Reconstrucción de curvatura.
219
220
ACERCA DEL AUTOR
Yasmany García Ramírez se graduó de Ingeniero Civil en la Universidad Técnica
Particular de Loja, Ecuador en el 2006. En el 2009 cursó el programa de posgrado
en la Escuela de Ingeniería de Caminos de Montaña y obtuvo el título de
Especialista en Ingeniería de Caminos de Montaña en la Universidad Nacional de
San Juan, Argentina.
En el 2011 consiguió una beca para realizar su doctorado en Ingeniería Civil en la
Universidad Nacional de San Juan, lo que dio origen a este trabajo. Su doctorado
fue realizado bajo el marco de dos proyectos de investigación: PICTO UNSJ 09
Nº 0014: Modelación de la velocidad en caminos de montaña y CICITCA I – 946:
Modelación de perfiles de aceleración / desaceleración en caminos rurales de dos
trochas.
Ha participado en varios eventos académicos con preparación y/o exposición de
trabajos en diversos países: Argentina, Colombia, Ecuador, México y Estados
Unidos de América. Él ha sido autor o co-autor de más de 10 artículos en el área
del transporte.
Su experiencia profesional ha estado relacionada con el diseño, inspección y
mantenimiento de obras viales y en la construcción de obras civiles, en empresas
privadas y estatales.