UNIVERSIDAD DEL BIO-BIO
FACULTAD DE INGENIERIA DEPARTAMENTO INGENIERIA CIVIL
“Calibración del Microsimulador AIMSUN para flujo ininterrumpido en la ciudad de Concepción” Proyecto de Título presentado en conformidad a los requisitos para obtener el Título de Ingeniero Civil
RODRIGO GONZALEZ RIVERA Prof. Guía: Patricio Álvarez Mendoza
Concepción, Octubre del 2005
ii DE D EDICATORIA
A m i e s p o s a p o r e l a m o r e i n c o n d i c i o n a l a p o y o , a m i s p a d r e s p o r enseñarme a ser lo que soy, a mis hermanos por el cariño de siempre.
ii DE D EDICATORIA
A m i e s p o s a p o r e l a m o r e i n c o n d i c i o n a l a p o y o , a m i s p a d r e s p o r enseñarme a ser lo que soy, a mis hermanos por el cariño de siempre.
iii
AGRADECIMIENTOS A mi profesor guía, Patricio Álvarez, por la oportunidad y paciencia durante toda la etapa de mi tesis, además mencionar y agradecer al profesor Sergio Vargas por confiar en los inicios de mi proyecto de titulo. Agradecer a mis compañeros, mis profesores y funcionarios del Departamento de Ingeniería Civil, que durante toda mi carrera confiaron y me apoyaron en cada uno de los proyectos tanto a nivel académico como de representante re presentante del alumnado. Quiero agradecer a todos los voluntarios que hicieron posible realizar con gran esfuerzo las mediciones de terreno, terreno, especialmente a mi hermano Gerald por su colaboración en el análisis de los datos y a Sebastián, Franco, José Luis, Luis, Marcos, Cristian, Manuel, Loreto, Corina, Carla, Moisés, Jorge, Patrick, Marcelo y Carlos. Sin ellos no hubiese sido posible realizar con éxito esta etapa fundamental funda mental del desarrollo de la tesis. Agradezco la colaboración involuntaria de Justin Siegel y Luz Maria Velasco, por los consejos y ayudas constantes que me permitieron solucionar diversos problemas durante el transcurso de la investigación. Especiales agradecimientos a Fernando Miguel, por el gran apoyo en el inicio de mi carrera profesional como también por la constante disposición y consejos para terminar mi proyecto de titulo. Finalmente quiero volver a agradecer a mi esposa, mis padres y hermanos, mis suegros por la preocupación, cariño durante toda mi carrera y a toda mi familia que siempre confiaron en mí.
iv
INDICE GENERAL DEDICATORIA .................................................................................................................ii AGRADECIMIENTOS.........................................................................................................iii INDICE GENERAL..............................................................................................................iv INDICE DE TABLAS...........................................................................................................vi INDICE DE FIGURAS ......................................................................................................... ix RESUMEN.............................................................................................................................x CAPITULO 1: INTRODUCCION.........................................................................................1 1.1. Objetivos......................................................................................................................1 1.2. Alcances ...................................................................................................................... 2 1.3. Contenidos...................................................................................................................2 CAPITULO 2: MARCO TEORICO ...................................................................................... 4 2.1. Clasificación de modelos de simulación ..................................................................... 4 2.2. Introducción a modelos de microsimulación...............................................................6 2.3. Revisión de microsimuladores .................................................................................... 7 2.4. Descripción de GETRAM ........................................................................................... 8 2.4.1 Editor de Redes TEDI ........................................................................................... 8 2.4.2. Simulador Microscópico AIMSUN....................................................................10 2.4.3 Resultados entregados por GETRAM.................................................................12 2.4.4. Modelos utilizados por AIMSUN.......................................................................13 2.4.5. Parámetros que incluye GETRAM.....................................................................21 CAPITULO 3: METODOLOGIA DE CALIBRACION UTILIZADA .............................. 29 3.1. Proceso de Calibración..............................................................................................29 3.2. Variables de Interés o de Contraste...........................................................................32 3.2.1 El Flujo y su Composición .................................................................................. 32 3.2.2 Flujo por cada Pista (Uso de Pistas)....................................................................33 3.2.3. Las Velocidades por Pistas.................................................................................33 3.2.3. El Headways por Pista........................................................................................33 3.3 Análisis de Sensibilidad de Parámetros a Calibrar.....................................................34
v 3.3.1 Parámetros Uso de Pistas.....................................................................................34 3.3.2. Parámetros Velocidades por Pista ...................................................................... 37 3.4. Ajuste de Parámetros.................................................................................................40 3.5. Comparación de la Bondad de Ajuste ....................................................................... 46 CAPITULO 4: RECOPILACION DE INFORMACION Y TOMA DE DATOS...............48 4.1. Elección de la Autopista de Estudio..........................................................................48 4.2. Determinación de Características Geométricas y Operacionales de la Autopista Seleccionada. .................................................................................................................... 49 4.3. Determinación de las Características del Parque Vehicular......................................50 4.4. Obtención de Datos de Tráfico..................................................................................52 4.4.1. Medición de Información ................................................................................... 54 CAPITULO 5: RESULTADOS DEL PROCESO DE CALIBRACION.............................62 5.1. Resultados Obtenidos ................................................................................................ 62 5.1.1. Errores con los Parámetros por Defecto.............................................................64 5.1.2. Secuencia de Calibración ................................................................................... 67 5.1.3. Errores con Parámetros Propuestos por Lacalle.................................................69 5.1.4. Resultados Finales de Calibración......................................................................75 5.2. Proceso de Validación ............................................................................................... 89 CAPITULO 6: CONCLUSIONES.......................................................................................92 ANEXOS..............................................................................................................................97 Anexo A: Verificación de Capacidad Vial.......................................................................97 A1.1 Conceptos Generales ........................................................................................... 97 A1.2 Simulación de Capacidad Máxima ...................................................................... 98 A1.3 Cálculo de la Capacidad según HCM-1985.........................................................99
vi
INDICE DE TABLAS Tabla 2.1: Listado de microsimuladores ................................................................................ 7 Tabla 4.1: Parámetros vehiculares utilizados en categoría vehículos livianos.....................51 Tabla 4.2: Parámetros vehiculares utilizados en categoría camiones simples ..................... 51 Tabla 4.3: Parámetros vehiculares utilizados en categoría camiones semiremolques y remolques. .................................................................................................................... 52 Tabla 4.4: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría, en periodo 14:00 a 15:00 hrs. ............................................................................................ 56 Tabla 4.5: Velocidades en Kph del total de los vehículos, separados por pista, en periodo 14:00 a 15:00 hrs. ......................................................................................................... 56 Tabla 4.6: Velocidades en Kph, separados por pistas y categorías, en periodo 14:00 a 15:00 hrs. ................................................................................................................................ 57 Tabla 4.7: Headway en segundos del total de los vehículos, separados por pistas, en periodo 14:00 a 15:00 hrs. ......................................................................................................... 57 Tabla 4.8: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por categoría en periodo entre las 14:00 a 15:00 hrs. ......................................................... 58 Tabla 4.9: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría, en periodo 15:30 a 16:30 hrs. ............................................................................................ 59 Tabla 4.10: Velocidades en Kph del total de los vehículos, separados por pista, en periodo 15:30 a 16:30 hrs. ......................................................................................................... 59 Tabla 4.11: Velocidades en Kph, separados por pistas y categorías, en periodo 15:30 a 16:30 hrs. ...................................................................................................................... 60 Tabla 4.12: Headway en segundos del total de los vehículos, separados por pistas, en periodo 15:30 a 16:30 hrs ............................................................................................. 60 Tabla 4.13: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por categoría en periodo entre las 15:30 a 16:30 hrs. ......................................................... 61 Tabla 5.1: Parámetros por defecto entregados por AIMSUN. (promedio, desviación, mínimo, máximo) ......................................................................................................... 63 Tabla 5.2: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando los valores de los parámetros por defecto. ......................................................................... 64
vii Tabla 5.3: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista usando los valores de los parámetros por defecto ........................................................ 66 Tabla 5.4: Tabla de Errores Promedios en valor absoluto para los Headway por Pista usando los valores de los parámetros por defecto. ....................................................... 67 Tabla 5.5: Tabla de Errores alcanzados en las primeras 7 Iteraciones.................................68 Tabla 5.6: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los vehículos livianos............................................................................................ 70 Tabla 5.7: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los vehículos livianos............................................................................................ 71 Tabla 5.8: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los camiones 2ejes ................................................................................................ 71 Tabla 5.9: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los camiones 2ejes. ............................................................................................... 72 Tabla 5.10: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los camiones +2ejes. ............................................................................................. 72 Tabla 5.11: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los camiones +2ejes .............................................................................................. 73 Tabla 5.12: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando los valores propuestos por Lacalle. .................................................................................... 74 Tabla 5.13: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista usando los valores propuestos por Lacalle. .................................................................. 74 Tabla 5.14: Tabla de Errores Promedios en valor absoluto para los Headway por Pista usando los valores propuestos por Lacalle. .................................................................. 75 Tabla 5.15: Tabla de Errores Promedios en valor absoluto para el Uso de Pista una vez terminado el proceso de calibración.............................................................................76 Tabla 5.16: Errores promedios alcanzados en valor absoluto para el uso de pistas representado como porcentaje. ..................................................................................... 77 Tabla 5.17: Tabla de Errores Promedios en valor absoluto para las velocidades por pistas una vez terminado el proceso de calibración................................................................79 Tabla 5.18: Errores Velocidades por Pista separados por categoría encontrados con parámetros con defecto, Lacalle y finalizada la calibración......................................... 80
viii Tabla 5.19: Errores promedios alcanzados en valor absoluto para los headway por pista una vez terminado el proceso de calibración.......................................................................82 Tabla 5.20: Comparación de Parámetros Calibrados con los Parámetros por defecto y propuestos por Lacalle.................................................................................................. 87
ix
INDICE DE FIGURAS Figura 2.1: Clasificación modelos de simulación según nivel de detalle...............................6 Figura 2.2: Visualización TEDI ............................................................................................. 9 Figura 2.3: Visualización AIMSUN.....................................................................................11 Figura 2.4: Zonas de cambio de pista...................................................................................17 Figura 2.5: Zonas en el modelo cambio de pistas para acceso.............................................19 Figura 2.6: Zonas en el modelo cambio de pistas para salidas.............................................19 Figura 2.7: Esquema de categorías de parámetros. .............................................................. 21 Figura 3.1: Esquema del Proceso de Calibración Utilizado (Lacalle, 2003)........................29 Figura 3.2: Proceso de Ajuste en dos etapas propuesto por Lacalle (2003).........................41 Figura 4.1: Gráfico Flujos Totales de la Avenida J.M. García.............................................53 Figura 4.2: Ubicación de puntos de control y de medición de autopista seleccionada ........ 55 Figura 5.1: Calibración con valores por defecto, situación representativa uso pista 1.........65 Figura 5.2: Evolución del uso de pistas y velocidades por pistas entre parámetros por defecto y parámetros propuestos por Lacalle (2003)....................................................69 Figura 5.3: Gráfico evolución error uso de pistas en valor absoluto durante la calibración.78 Figura 5.4: Gráfico evolución Velocidades por pistas en valor absoluto durante la calibración. ................................................................................................................... 81 Figura 5.5: Gráfico evolución error headways por pistas en valor absoluto durante la calibración. ................................................................................................................... 83 Figura 5.6: Grafico evolución error Función Objetivo Global en valor absoluto durante la calibración. ................................................................................................................... 85 Figura 5.7: Comparación final de errores entre modelos calibrados y no calibrados para cada una de las variables de contraste. ......................................................................... 86 Figura 5.8: Resultados de la Validación con los Parámetros por Defecto, Propuestos por Lacalle y Calibrados.....................................................................................................91 Figura A.1: Verificación de la Capacidad Segmento Básico. .............................................. 91
x
RESUMEN El mundo globalizado y los avances tecnológicos, han permitido en todos los ámbitos de la Ingeniería, desarrollar herramientas que facilitan enormemente la tarea de los Ingenieros y planificadores. Una de ellas son los modelos de microsimulación, los cuales permiten modelar con un gran un nivel de detalle diferentes fenómenos y comportamientos. La obtención de buenos resultados depende fundamentalmente de la calidad de la información entregada al microsimulador y a la utilización de parámetros que representen el comportamiento de los conductores en el lugar de simulación. Para esto se propone la herramienta de Calibración, la que consiste en precisar un conjunto de valores para diversos parámetros del modelo con la finalidad de replicar las condiciones observadas en terreno para ciertas variables de interés. Este estudio, comprende la calibración para flujo ininterrumpido en la ciudad de Concepción usando la metodología propuesta por Mariano Lacalle (2003) para la Av. Kennedy en Santiago de Chile, que consiste en un proceso iterativo que busca replicar las condiciones de flujo existentes con las obtenidas por el microsimulador. El indicador estadístico utilizado corresponde al MAPE (error promedio porcentual absoluto). Los objetivos planteados resumen la búsqueda de valores adecuados para un conjunto de parámetros que influyen en el flujo ininterrumpido. Dentro de las etapas de esta tesis, se destaca la toma de datos de tráfico, el ajuste de los parámetros y el proceso de validación de los parámetros encontrados durante el desarrollo de la calibración. Los resultados logrados llevan a la conclusión de la necesidad de calibrar el microsimulador AIMSUN, ya que los errores por defecto alcanzan un valor de 37,49% versus un 7,67% con los parámetros calibrados. Otra conclusión observada es que los parámetros propuestos por Lacalle (2003) no son replicables para la ciudad de Concepción, en especial los parámetros que afectan a las velocidades por pistas, debido a que presentan un error de un 16,68% versus un 6,9% con los parámetros calibrados.
1
CAPITULO 1: INTRODUCCION El mundo globalizado y los avances tecnológicos, han permitido en todos los ámbitos de la Ingeniería, desarrollar herramientas que facilitan enormemente la tarea de los Ingenieros y planificadores. Una de ellas son los modelos de microsimulación, los cuales permiten modelar con un gran un nivel de detalle diferentes fenómenos y comportamientos de los elementos de simulación. Es por esto que el desarrollo de microsimuladores de transporte ha ido en constante crecimiento, debido a sus innumerables ventajas con respecto a los sistemas tradicionales, entre ellas, el hecho que se puede analizar todo el sistema vial y la simulación puede ser visualizada. Sin embargo, para obtener buenos resultados en el uso de los microsimuladores, es necesario su calibración para el país o ciudad específico, y cuando es posible para el lugar en donde se realiza la microsimulación y haber alcanzado un nivel aceptable de validación para ciertas características de trafico. El proceso de calibración consiste en precisar un conjunto de valores para diversos parámetros del modelo con la finalidad de replicar las condiciones observadas en terreno para ciertas variables de interés.
1.1. Objetivos El Objetivo general de esta tesis es determinar valores adecuados para un conjunto de parámetros de AIMSUN para flujo ininterrumpido para la Ciudad de Concepción usando la metodología propuesta por Lacalle (2003). Lo anterior es relevante considerando que las características socioculturales y del parque vehicular chileno difieren a lo largo de nuestro país y además si consideramos estudios anteriores se puede inferir que los parámetros por defecto no representan en general la realidad chilena. Dentro de los objetivos específicos están:
2
•
Reconocer una autopista compatible con la metodología propuesta para la calibración de los parámetros dentro de la ciudad de Concepción
•
Obtener información de la geometría de la autopista necesaria para la implementación del escenario de simulación (plataforma TEDI)
•
Obtener de forma efectiva los datos de flujo, velocidad y headway necesarios para simular y calibrar los parámetros seleccionados.
•
Simular el comportamiento del tráfico vehicular de la autopista seleccionada.
•
Encontrar valores para los parámetros seleccionados, que simulen de mejor manera las condiciones de transito que presenta actualmente la autopista seleccionada.
1.2. Alcances El estudio de Calibración de AIMSUN para la ciudad de Concepción, se basa en el procedimiento propuesto por Mariano Lacalle (2003), el cual estable la metodología para flujo ininterrumpido. El flujo estudiado corresponde solamente a tráfico privado los cuales se dividen en tres categorías, vehículos livianos, camiones 2 ejes y camiones sobre 2 ejes. El proceso de calibración utilizado solamente aborda aspectos del comportamiento del automovilista, en una autopista de flujo ininterrumpido para la ciudad de Concepción, por lo que se obtendrán valores de estos parámetros para esta ciudad.
1.3. Contenidos La tesis consta de 6 capítulos los cuales comprenden desde la Introducción hasta las conclusiones.
3 El Capítulo I corresponde a la Introducción, en el cual se describen los objetivos generales y específicos. En el Capitulo II se entrega el Marco teórico, el que comprende la clasificación de los modelos de microsimulación y una breve descripción de Getram, mostrando sus características generales y modelos utilizados para el caso de simulaciones para flujo ininterrumpido. El Capítulo III, corresponde a una descripción del proceso de calibración utilizado, en donde se presentan las variables de estudio, proceso de ajuste de parámetros y por último se muestra el indicador de la bondad de ajuste de los parámetros. El Capítulo IV, muestra el proceso de recopilación de información, es decir, muestra la metodología usada para la obtención de los datos de tráfico y entrega los valores obtenidos después del análisis de los datos. El Capítulo V, corresponde a los resultados obtenidos mediante el proceso de calibración, el cual se entregan los valores encontrados para el indicador de ajuste, tanto para los parámetros por defectos como los obtenidos en el proceso de calibración para flujo ininterrumpido de la ciudad de Concepción. Además se presenta el proceso de Validación de los parámetros encontrados. Finalmente, el Capítulo VI corresponde a las conclusiones finales obtenidas en este proyecto de título.
4
CAPITULO 2: MARCO TEORICO A lo largo de estos últimos años la simulación se ha ido convirtiendo en una de las herramientas más poderosas y utilizadas para el diseño y análisis de sistemas gracias a su probada capacidad de reproducir con gran fidelidad la realidad. Las simulaciones nos entregan una serie de ventajas, entre las cuales se puede destacar, tiempos bajísimos en el análisis del sistema, es decir, simular en segundos o minutos el comportamiento de horas, días o meses. También se puede destacar la posibilidad de visualizar detalladamente comportamientos de los automovilistas como también analizar diferentes alternativas o la reacción del sistema ante cambios en la red de estudio. En síntesis una de las mayores virtudes de los modelos de simulación es lograr entregar información detallada frente a los posibles cambios del sistema permitiendo anticipar soluciones correctas a los problemas reales. Por otro lado, en el ámbito de la ingeniería de transporte, es frecuente la alteración de las vías de circulación, lo cual involucra evaluar distintas medidas frente a estos cambios, siendo la opción mas frecuente aplicar y “probar” las consecuencias, siendo generalmente de difícil percepción. Debido a lo expuesto en el párrafo anterior, la utilización de microsimuladores de transporte permite obtener la mejor solución para enfrentar las modificaciones del sistema de transporte, modelando el entorno y obteniendo resultados antes del llevar la solución a la práctica.
2.1. Clasificación de modelos de simulación Existen distintos tipos de clasificaciones, dependiendo de las características de los modelos que son consideradas como relevantes para realizar la clasificación. Se presenta a continuación una breve descripción de ellos, siguiendo el lineamiento planteado por Lieberman y Rathi (1997) y expuesto en la tesis de Velasco (2003).
5 Considerando el tiempo como variable relevante, surge la siguiente clasificación de los modelos de simulación: a) Continuo: describe cómo los elementos de un sistema cambian de estado continuamente en el tiempo como respuesta a estímulos continuos. b) Discreto: realiza los cambios de estado en forma abrupta en ciertos momentos. Hay dos tipos de modelos discretos, que son aplicables según las características que quieren ser representadas; Tiempo y Evento. Otra clasificación posible surge al considerar el nivel de detalle con el que se representa el sistema estudiado y que es específica de transporte (ver Fig. 2.1): a) Macroscópico: describe entidades y sus actividades e interacciones con bajo nivel de detalle. Ejemplos de esto, puede ser el que los flujos son representados como un promedio, considerando densidades y velocidades. Las maniobras de cambio de pista no son consideradas, sino que son incorporados los vehículos a los arcos suponiendo una correcta distribución. b) Mesoscópico: en general representa las entidades con un alto nivel de detalle, pero describe sus interacciones y actividades con un detalle mayor que el anterior, pero menor que el siguiente (pelotones). c) Microscópico: describe tanto las entidades del sistema como sus actividades en forma detallada. Por ejemplo, al realizarse un cambio de pista se analiza la trayectoria propia, la del vehículo anterior, la del vehículo anterior en la pista adyacente y la del que viene a continuación en ella. Estos modelos difieren también en la dificultad asociada a su calibración. Los modelos microscópicos son más difíciles de calibrar que los macroscópicos, debido a que los primeros consideran la interacción entre vehículos en la simulación y las variables observadas de terreno no se relacionan directamente a los parámetros de los modelos considerados (Jayakrishnan et al., 2000).
6 A continuación se representa en forma grafica la clasificación de los modelos de simulación considerando el nivel de detalle. Figura 2.1: Clasificación modelos de simulación según nivel de detalle.
FLUJO PROMEDIO
MACRO
VEHICULO INDIVIDUAL
MESO
MICRO
-
+
2.2. Introducción a modelos de microsimulación Los microsimuladores representan un concepto generado por los considerables aumentos en la tecnología del parque vehicular, lo que ocasiona un constante crecimiento de éste, trayendo consigo innumerables necesidades tanto de infraestructura como también de gestión vial. Un manera de mejorar la gestión de tránsito es aplicando Sistemas de Transporte Inteligente (ITS), los cuales ayudan al funcionamiento del sistema de transporte más eficiente con la capacidad vial actual. Al aplicar estos sistemas los microsimuladores ayudan a cuantificar los beneficios logrados evaluando en forma anterior o en paralelo con la operación real de las medidas analizadas. No todos los modelos son diseñados para resolver todas las aplicaciones posibles existentes, pues poseen distintas propiedades. Además de lo mencionado en el párrafo anterior los microsimuladores se aplican en la evaluación de esquemas a gran escala, gestión en-línea y usos referentes a la investigación y educación. A continuación se hace una breve descripción de los microsimuladores existentes.
7
2.3. Revisión de microsimuladores Existe actualmente un gran número de microsimuladores. Algunos de ellos son de carácter comercial mientras otros son utilizados sólo académicamente. Se presenta en la tabla 2.1 un listado con modelos de microsimulación reportados por Smartest (1999). En ella la categorización tiene relación con el tipo de condiciones de tráfico que son capaces de representar. Tabla 2.1: Listado de microsimuladores
Urbano
Autopista
Combinado
CASIMIR
AUTOBAHN AIMSUN2
ANATOLL
DRACULA
FREEVU
CORSIM
PHAROS
HUTSIM
FRESIM
FLEXSYT II
SHIVA
MICSTRAN
MIXIC
INTEGRATION SIMDAC
NEMIS
SISTM
MELROSE
NETSIM
MICROSIM
PADSIM
MITSIM
SIGSIM
PARAMICS
SIMNET
PLANSIM-T
SITRA-B+
TRANSIMS
SITRAS
VISSIM
Otros
THOREAU Fuente: Smartest D3, 1999
Los modelos de microsimulación más utilizados en Chile según Velasco (2003) son: Paramics, Corsim, Aimsun 2 (Getram), éste último es el más utilizado tanto a nivel privado como en forma académica, siendo el software de microsimulación utilizado para este estudio. Hay que señalar, que en ámbito académico existen solamente tres Universidades del país las cuales poseen las licencias del software GETRAM, la Universidad de Chile, Pontificia Universidad Católica de Chile y la Universidad del Bío –Bío.
8
2.4. Descripción de GETRAM GETRAM (Generic Environment for Traffic Analysis and Modeling) es un entorno de simulación que comprende un editor gráfico de redes de tráfico (TEDI), un simulador microscópico de tráfico (AIMSUN), una base de datos de redes de tráfico, un módulo para el almacenamiento de resultados y un API (Interfaz para la Programación de Aplicaciones) para programar las interfaces entre el simulador y cualquier aplicación del usuario, como por ejemplo su propio sistema de control. En la simulación que se realiza, tras generar la topología de la red con sus características mediante el uso de TEDI, AIMSUN considera el comportamiento de cada vehículo con sus características individuales y todos los elementos de la red representada afecta al comportamiento de los vehículos: pendientes, semáforos, señales, paradas de autobuses, etc. Esto crea una simulación virtual de la realidad usando animación que permite realizar un completo análisis y percibir el tráfico del entorno modelado de una forma fácil y rápida. Las impresiones resultantes, pueden ser confirmadas por una serie de informes numéricos y gráficos que proporciona el propio, además de incluir en los resultados particulares de este estudio aquellos que se han estimado más representativos. 2.4.1 Editor de Redes TEDI
TEDI es un editor gráfico de redes de tráfico. Su función principal es la de la construcción de modelos de tráfico con los que alimentar el simulador AISMUN2 (Fig. 2.2). Para facilitar esta tarea el editor acepta de fondo de imagen una descripción gráfica del área del modelo procedente de Autocad o GIS, que se usa como patrón para la construcción de calles e intersecciones. Además de los algoritmos implementados, el usuario puede definir funciones de coste o modelos de elección de ruta mediante el editor de funciones. Sus principales características son:
9 Soporta tanto redes urbanas como interurbanas, con los diferentes niveles de detalle requeridos. •
La geometría de los arcos componentes de la red se especifica a nivel microscópico pero el editor puede hacer uso de determinadas características y facilidades que se brindan en el nivel macroscópico.
•
Se pueden utilizar distintos tipos de control de tráfico: semáforos (fijos, variables o actuados), intersecciones prioritarias (ceda el paso o pare), “ramp metering” o peajes.
•
Se modela el transporte público, definiendo líneas (rutas y paradas), horarios (frecuencia de partida u horario fijo) y tiempo de detenciones.
•
La construcción de complejas intersecciones incluyendo la definición de giros, señales y controles de semáforos se convierte en una sencilla tarea realizable con las ventanas de diálogo de fácil uso. Figura 2.2: Visualización TEDI
10 2.4.2. Simulador Microscópico AIMSUN
AIMSUN (Advanced Interactive Microscopic Simulator for Urban and Non-Urban Networks, o Simulador Microscópico Avanzado e Interactivo para Redes Urbanas e Interurbanas) es una herramienta software capaz de reproducir las condiciones reales de tráfico de cualquier red vial (Fig. 2.3). Como lo expuesto en secciones anteriores se usa principalmente para evaluar nuevos sistemas de control y estrategias de gestión de tráfico, pero también ha sido utilizado para la predicción del estado del tráfico como componente de sistemas de guiado de vehículos y otras aplicaciones en tiempo real. Sus principales características son: •
Modelación del tráfico
•
AIMSUN realiza una aproximación microscópica al problema, como ya se ha expuesto. Esto significa que el comportamiento de cada vehículo es continuamente modelado durante el período de simulación, mediante diferentes técnicas.
•
La simulación puede realizarse bien basándose en flujos de tráfico, proporciones de giro y un conjunto de datos dados, o bien en matrices de viajes origen / destino basadas en una zonificación previamente establecida. En el primer caso, el usuario puede definir distintas formas de generación de vehículos, con distribución constante, uniforme, normal, exponencial o cualquiera definida por él. En el segundo de los casos, los vehículos son asignados a rutas específicas desde su origen a su destino.
•
Las rutas más cortas pueden ser calculadas de acuerdo a funciones de costo que están en el simulador por defecto, o pueden ser definidas por el usuario.
•
El comportamiento de los vehículos responde a funciones de varios parámetros que permiten modelar diferentes tipos de vehículos: automóviles, buses, camiones simples, camiones pesados, etc. Los vehículos pueden agruparse en clases y pistas reservadas para determinados tipos de vehículos pueden ser considerados, por ejemplo: pistas segregadas buses y automóviles.
11 •
Varios modelos de elección de ruta están disponibles: fijo, binomial, logit multinomial o cualquier otro definido por el usuario.
•
En relación con los elementos de control de tráfico pueden ser modelados: semáforos, cedas al paso, etc. Los planes de control de semáforos están basados en la duración de las fases, son muy flexibles tanto en su definición como en su control.
•
El usuario puede definir incidentes, antes o durante la simulación. Una lista de ellos pueden ser almacenados para ser utilizadas en simulaciones posteriores.
•
Señalización de mensaje variable y la influencia de sus mensajes en los conductores también puede ser simulada.
•
Las maniobras vehiculares son modeladas en detalle utilizando modelos de seguimiento vehicular, de cambio de pista y de aceptación de gap. Los dos primeros están basados en los modelos de Gipps los cuales serán explicados en la sección 2.4.4. Figura 2.3: Visualización AIMSUN
12
2.4.3 Resultados entregados por GETRAM
El software brinda un conjunto de salidas numéricas y gráficas tras la ejecución de la simulación. En general posee diversas aplicaciones para la entrega de la información, entre ellas podemos destacar •
Flujos por sección
•
Flujos por pista
•
Velocidades
•
Velocidades máximas
•
Tiempo de viaje
•
Paradas
•
Colas máximas
•
Colas medias
•
Flujo / capacidad
•
Densidad por pistas
Todos los parámetros arriba relacionados, y los que se han omitido pero el software facilita, admiten al menos una clasificación diversa en diferentes sentidos: •
Por su ámbito: o
Para una determinada sección
o
Para un conjunto de secciones
o
Para el sistema general
13 •
Por su espacio temporal: o
Para el período completo de simulación
o
Para intervalos de medición definidos.
2.4.4. Modelos utilizados por AIMSUN
La información de los vehículos que circulan por la red modelada es actualizada de acuerdo a ciertos modelos que rigen el movimiento de ellos. Estos modelos son presentados a continuación. a) Modelo de seguimiento vehicular
Se basa en el modelo de Gipps (1981, 1986), con algunas modificaciones, que determina el comportamiento de un vehículo dependiendo de su entorno. Está compuesto principalmente por dos componentes, aceleración y desaceleración. El primer componente representa la intención de un vehículo de alcanzar cierta velocidad deseada, mientras el segundo reproduce las limitaciones impuestas por el vehículo precedente al tratar de conducir a la velocidad deseada. La velocidad máxima a la que un vehículo (n) puede acelerar durante un período de tiempo (t, t+T) es:
⎛
V a (n, t + T ) = V (n, t ) + 2.5a(n)T ⎜⎜1 −
⎝
V (n, t ) ⎞
donde: V(n,t): velocidad del vehículo n en el momento t. V*(n): velocidad deseada por el vehículo n. a(n): máxima aceleración del vehículo n.
V (n, t )
⎟⎟ 0.025 + * * V (n) ⎠ V (n)
(2.1)
14 T : tiempo de reacción o intervalo de simulación.
La máxima velocidad que el mismo vehículo (n) puede alcanzar durante el mismo intervalo de tiempo (t, t+T), de acuerdo a sus propias características y a las limitaciones impuestas por la presencia de un vehículo antecesor es: ⎡ V ( n − 1, t )2 ⎤ Vb ( n, t + T ) = d (n)T + d (n ) T − d (n ) ⎢ 2{ x (n − 1, t ) − s (n − 1) − x (n , t )} − V (n , t )T ⎥ d ( n − 1) ⎦ ⎣ 2
2
(2.2) donde: d(n): (<0) es la máxima desaceleración deseada por el vehículo n. x(n,t): es la posición del vehículo n en el momento t. x(n – 1,t) : es la posición del vehículo precedente (n-1) en el momento t. s(n -1): es la longitud efectiva del vehículo (n-1). d'(n – 1): es una estimación de la desaceleración deseada del vehículo (n-1).
La velocidad definitiva del vehículo n durante el intervalo (t, t+T) es el mínimo entre las dos velocidades definidas previamente. Por lo tanto, la posición del vehículo n es actualizada considerando esta velocidad en la ecuación de movimiento: X ( n, t + T ) = X ( n, t ) + V ( n, t + T )T
(2.3)
Como se mencionó anteriormente, AIMSUN utiliza los modelos de Gipps con algunas modificaciones, las cuales se enumeran y se explican a continuación: la forma en que se calcula V*(n) en el modelo de Gipps, la influencia de los vehículos en pistas adyacentes y la influencia en la pendiente i) La forma en que se calcula V*(n) en el modelo de Gipps Un vehículo que circula libremente alcanza su V*(n) velocidad máxima deseada tomando en cuenta tres parámetros:
15
Velocidad máxima deseada por n: Vmax(n). Este es un parámetro del vehículo.
Acatamiento de la velocidad: θ(n), que es el grado de acatamiento al límite de velocidad, el modelador puede agregarle una distribución de probabilidades con el fin de capturar el nivel de agresividad de los conductores.
Limite de velocidad de la sección: Slimit(s), este es un parámetro de la sección.
El límite de velocidad para un vehículo n el la sección s, slimit(n,s), esta dada por:
slim it ( n, s) = S lim it ( s) *θ (n)
(2.4)
Por lo tanto, la velocidad máxima deseada por el vehículo n en la sección s esta dada por:
V max ( n, s) = Min[S lim it (n, s), V max (n)]
(2.5)
Este ultimo valor es el mismo que en modelo de Gipps aparece denotado como V*(n). ii) La influencia de los vehículos en pistas adyacentes AIMSUN toma en consideración el efecto que tienen cierto número de vehículos (Nvehicles) manejando a menor velocidad por la pista de la derecha. El modelo calcula la
velocidad media de los Nvehicles que manejan aguas abajo por la pista de la derecha (MeanSpeedVehiclesDown), considerando sólo a los vehículos que están a una cierta
distancia máxima (MaximumDistance) y considerando por separado el caso de accesos y el de pistas en general. Para el caso que la pista derecha sea un acceso, la velocidad máxima del vehículo puede ser igual al valor del parámetro MeanSpeedVehiclesDown más el valor del parámetro MaximunSpeedDifferenceOnRamp (otro parámetro local del modelo). Para el resto de las
pistas de acceso la velocidad máxima del vehículo puede ser igual al valor del parámetro MeanSpeedVehiclesDown más MaximunSpeedDifference (otro parámetro local del
modelo). Este procedimiento asegura que la diferencia de velocidades entre pistas adyacentes siempre será menor que MaximunSpeedDifferenceOnRamp en el caso de accesos y a MaximunSpeedDifference en el resto de los casos.
16 iii) La influencia en la pendiente La pendiente de una sección influye en el comportamiento vehicular por medio de un aumento o reducción de la aceleración o de las capacidades de frenado, por tanto la aceleración del vehículo que es un parámetro local está dada por:
⎧
pendiente * 9.81
⎩
100
accel = Max ⎨veh acc −
⎫ ⎭
, veh acc * 0.1⎬
(2.6)
Esta formulación permite que la aceleración de un vehículo nunca pueda ser negativa, es mas, nunca será menor que un 10% de su aceleración bajo pendientes de ninguna magnitud. b) Modelo de Cambio de Pista
Este modelo puede ser considerado como un desarrollo del modelo de cambio de pista de Gipps. Se modela el comportamiento como un proceso de decisión, donde se analiza, la necesidad del cambio (en el caso de un giro), el deseo del cambio para mejorar las condiciones de manejo (ir a una pista más rápida) y la posibilidad de efectuar dicho cambio que está relacionado con las condiciones de las vías adyacentes en ese punto de la red. El modelo emula el comportamiento de los automovilistas de la siguiente forma: En cada intervalo de tiempo cada automovilista se pregunta si es necesario cambiar de pista, ya sea para tomar una mayor velocidad (tomar pista rápida), un cambio a la pista lenta o por la proximidad de un giro en su trayecto para lo cual toma en cuenta la distancia para el giro y las condiciones del tráfico en términos de velocidad y cola. Si es necesario realizar este cambio de pista se debe contestar dos preguntas más. ¿Es deseable el cambio?, esto con respecto a las condiciones de tráfico que tendrá en la otra pista en términos de velocidad o tamaño de la cola y ¿Es posible cambiar pista?, acá se verifica si existe el gap suficiente para realizar la maniobra. Para hacer esto se toma en cuenta el frenado que le imponen tanto el próximo vehículo aguas abajo y aguas arriba de la pista a la cual se quiere cambiar. Si estos dos valores son aceptables entonces es posible el cambio.
17 Para representar el comportamiento del conductor al momento de cambiarse de pista se han definido tres zonas en una sección, cada una de las cuales corresponde a distintas motivaciones para el cambio de pistas (Fig. 2.4).
Zona 1: los cambios dependen de las condiciones de tráfico presentes.
Zona 2: la mayor cantidad de cambios de pistas se producen en esta zona. Se busca estar en la pista desde la cual se puede efectuar el movimiento deseado en la intersección. Se busca el gap necesario y se realiza el cambio, sin afectar el comportamiento de las pistas adyacentes.
Zona 3: los vehículos son forzados a ingresar a la pista desde la cual es posible ejecutar el viraje. Para lograr esto, su velocidad es reducida, incluso llegando a detenerse completamente. Incluso los vehículos de las pistas adyacentes alteran su comportamiento permitiendo que los vehículos que desean realizar el cambio encuentren el gap necesario. Figura 2.4: Zonas de cambio de pista
Fuente: Manual Aimsun, 2004
Las 3 zonas anteriormente mencionadas están definidas por dos parámetros, Distance Zone 1 y Distance Zone 2, los cuales están definidos en segundos y son convertidos en distancia mediante la siguiente fórmula:
⎡ S limit ( s) ⎤ ⎥ V n s ( , ) ⎣ max ⎦
Dm = Dt * S limit ( s) ⎢
donde:
(2.7)
18 Dm: es la distancia en metros Dt : es la distancia en segundos Slimit(s): es el límite de velocidad de la sección s Vmax(n,s): es ka velocidad máxima deseada por el vehículo n en la sección s.
c) Modelo de Cambio de Pista para accesos
Un modelo especial de cambio de pista es utilizado para el caso de los accesos (on ramps). En este caso se aplica otro modelo de cambio de pista para el auto que trata de emerger. Un parámetro adicional es considerado, el Time Distance on Ramp que es la distancia, en segundos, desde el final de la pista a la cual la pista lateral es considerada una pista de acceso. Cuando los vehículos que se encuentran en un acceso y están más lejos del fin de la pista que la distancia definida por el Time Distance on Ramp, éstos se comportan como en la Zona 1, cuando están más cerca tratan de emerger. La idea de este parámetro es caracterizar desde qué punto la pista auxiliar es considerada una “on ramp” en vez de una pista lenta o pista lateral. Este submodelo también toma en cuenta otros aspectos, entre ellos, si el vehículo que trata de emerger es el primero en la pista, si está frenando o incluso si ha llegado al final de la pista y está detenido esperando, en este caso un parámetro que cobra relevancia es el Maximun Give Way Time, el cual determina cuanto tardará en que el vehículo detenido se
ponga impaciente. Pasado este tiempo el vehículo considerará que está en la Zona 3, por tanto se cambiará de pista incluso si esto perjudica a los otros conductores. Otra particularidad del modelo de “on ramps” es que para los vehículos que están en la Zona 3 y se acercan a un “on ramp”, éstos chequearán si es que hay vehículos tratando de emerger, si esto sucede tratarán de cambiarse hacia la pista de la izquierda (aplicando Zona 1) (Fig.2.5).
19 Figura 2.5: Zonas en el modelo cambio de pistas para acceso
Fuente: Manual Aimsun, 2004 d) Modelo de Cambio de Pista para salidas
Este modelo se aplica en el caso de salidas de autopistas. En este caso se aplica el modelo de cambio de pista estándar. Un vehículo que debe tomar la próxima salida intentará cambiarse a la pista de la derecha una vez ingresando a la Zona 2 y una vez que esté alineado con la pista de salida hará el cambio de pista hacia la derecha. En el caso de grave congestión la salida puede congestionarse por completo tapando la pista de salida en su totalidad, en este caso el vehículo que debe tomar la salida se detendrá completamente esperando por el gap necesario para realizar el cambio de pista (ver Fig. 2.6). Figura 2.6: Zonas en el modelo cambio de pistas para salidas.
Fuente: Manual Aimsun, 2004 e) Modelo “Look Ahead” (vista hacia delante)
Cuando las condiciones de tráfico están muy congestionadas puede pasar que los vehículos no puedan alcanzar la pista que les permita efectuar un giro y por ende lo pierden. Cambiando ciertos parámetros como la distancia de las Zona 1 y 2, las aceleraciones de los vehículos, el paso de simulación, etc. o también usando polisecciones en vez de secciones,
20 cuando es posible, se puede minimizar el número de giros perdidos; pero esto no es suficiente. Para mejorar esto, el submodelo “Look Ahead” tiene por objetivo informar a los automovilistas de los dos próximos giros en sus rutas con el fin que puedan tomar decisiones de cambio de pista con un criterio más amplio y no sólo tomando en cuenta el próximo giro. El “Look Ahead Model” se puede resumir en 4 puntos:
En todo momento cada vehículo conoce sus próximos 2 giros, por tanto la decisión de cambio de pista está influenciada por 2 giros consecutivos.
Las Zonas 2 y 3 del modelo de cambio de pista se extienden más allá que los límites de la sección, afectando la sección aguas arriba.
Cuando se hace un giro se toma en cuenta la pista de destino basado en la información del próximo giro.
Se le introdujo una mayor variabilidad a la definición de las zonas, con lo cual se obtiene una mejor distribución de las maniobras de cambio de pista.
f) Modelo de Adelantamiento
Esta maniobra se desarrolla principalmente en la zona 1, siendo algunas veces llevada a cabo en la zona 2. Dos parámetros son los que definen la caracterización de las maniobras de adelantamiento.
Percent Overtake: es el porcentaje de la velocidad deseada de un vehículo bajo el cual el vehículo decide adelantar. Esto es, si el vehículo precedente conduce más lento que el porcentaje de adelantamiento de la velocidad deseada del vehículo que le sigue, entonces el que le sigue trata de adelantarlo.
Percent Recover: es el porcentaje de la velocidad deseada de un vehículo sobre la cual el vehículo decide volver a la pista lenta. Esto es, si el vehículo precedente conduce más rápido que el porcentaje de recuperación de la velocidad deseada del vehículo que le sigue, entonces el que le sigue trata de volver la pista lenta.
21 Se recomienda que los valores del porcentaje de recuperación sea mayor que los de porcentaje de adelantamiento, para evitar que algunas maniobras de adelantamiento sean abortadas. Valores muy pequeños tampoco son recomendables. 2.4.5. Parámetros que incluye GETRAM
Tal como exponen diversos estudios y como lo representan los manuales de Getram, los parámetros son agrupados en tres categorías, dependiendo del nivel de detalle en el cual están definidos (Fig. 2.7), éstos son:
Atributos de los vehículos
Locales
Globales
A continuación se representa en forma esquemática los distintos grupos de parámetros. Figura 2.7: Esquema de categorías de parámetros.
Fuente: Velasco, L.M. (2003)
22 2.4.5.1. Atributos de los vehículos
Estos parámetros están definidos al nivel del tipo de vehículo, como por ejemplo: Automóvil, bus, taxi, camión, etc., y tienen influencia en toda la red. Se puede definir tanto la media de los atributos como su desviación, y sus valores mínimo y máximo. Las características particulares de cada tipo de vehículo son tomadas de una distribución Normal Truncada. Los parámetros de este grupo son los siguientes: 1. Name: (Nombre) nombre del tipo de vehículo. 2. Length: (Largo) corresponde a la longitud, en metros, para el tipo específico de vehículo. Este parámetro se utiliza tanto para fines gráficos como de modelación. Influye en la modelación vehicular ya que en los modelos de comportamiento vehicular es tomado en cuenta. 3. Width: (Ancho) corresponde al ancho, en metros, para el tipo específico de vehículo. Este valor sólo se utiliza con propósitos gráficos, y no influye en la modelación. 4. Maximum Desired Speed: (Máxima velocidad deseada) corresponde a la máxima velocidad, en km/hr, a la cual el tipo de vehículo desearía viajar en cualquier punto de la red. 5. Maximum Acceleration: (Máxima aceleración) corresponde a la máxima aceleración, en m/s2, que puede alcanzar el tipo de vehículo. Este parámetro es consecuencia del tipo de vehículo junto con el comportamiento del conductor. Debido a esto, su cota máxima depende de las especificaciones técnicas del parque automotriz. Esta aceleración es utilizada en el modelo de seguimiento vehicular de Gipps. 6. Normal Deceleration: (Desaceleración normal) corresponde a la máxima desaceleración, en m/s2, que puede alcanzar el tipo de vehículo. Es análoga al parámetro anterior, pero en caso de disminuciones de velocidad. Esta desaceleración es utilizada en el modelo de seguimiento vehicular de Gipps.
23 7. Maximum Deceletarion: (Máxima desaceleración) corresponde a la máxima desaceleración, en m/s2, bajo circunstancias especiales, como casos de emergencia. 8. Speed Acceptance: (Aceptación de velocidad) representa la obediencia que posee el tipo de vehículos a los límites de velocidad establecidos. 0 ≤ θ ≤ 1 significa que la máxima velocidad deseada será menor que el límite de velocidad. Su valor es θ ≥ 0. 9. Minimum Distance Between Vehicles: (Distancia mínima entre vehículos) es la distancia que guarda un vehículo con el precedente al estar detenidos. Este valor también es considerado para ubicar el primer vehículo detenido respecto a la línea de detención. 10. Maximum Give Way Time: (Máximo tiempo de cesión de paso) cuando un vehículo está esperando para cruzar o incorporarse en una intersección prioritaria, al sobrepasar este tiempo de espera es más agresivo y reduce los márgenes de aceptación. También es utilizado este parámetro en el modelo de cambio de pista. 11. Guided Vehicles: (Vehículos guiados) es el porcentaje de vehículos que son guiados a través de la red. Esto se da al trabajar con matrices O/D y elección dinámica de rutas, indicando cuántos vehículos son los que siguen a otros en las elecciones de ellas. 12. Guidance Acceptance: (Aceptación de ser guiados) es la probabilidad de que un vehículo siga una recomendación. 0 ≤ λ ≤ 1 entrega el nivel de aceptación de las indicaciones para ser guiado. 13. Cruising Tolerance: es utilizado en los modelos de consumo de combustible y de emisión de contaminantes. Los vehículos que circulan con una aceleración o desaceleración, en m/s2, menor que este coeficiente son considerados circulando a velocidad constante. 14. Fuel Consumption Parameters: (Consumo de combustible) son seis parámetros que dicen relación con las tasas de consumo de combustible y que son utilizados en el modelo del mismo nombre:
24 a. tasa de consumo de combustible para vehículo que circula a velocidad constante, en ml/s. b. tasa de consumo de combustible para vehículo que acelera, en ml/s. c. tasa de consumo de combustible, en litros cada 100 km, para vehículo viaja a velocidad constante de 90 km/hr. d. tasa de consumo de combustible, en litros cada 100 km, para vehículo viaja a velocidad constante de 120 km/hr. e. velocidad a la cual la tasa de consumo de combustible, en ml/s, está en su mínimo para un vehículo que viaja a velocidad constante. f. tasa de consumo de combustible para vehículo que desacelera, en ml/s. 15. Polution Emisión Parameters: (Emisión de contaminantes) para cada tipo de vehículo, un grupo de contaminantes puede ser definido, y para cada uno se requieren los siguientes parámetros que son utilizados en el modelo de consumo de combustible: a. tasa de emisión para vehículo que acelera, en g/s. b. tasa de emisión para vehículo que desacelera, en g/s. c. tasa de emisión para vehículo que circula a velocidad constante, en g/s. 2.4.5.2. Locales
Este grupo de parámetros afectan el comportamiento de todos los automovilistas en un punto específico de la red modelada. Esto permite representar comportamientos que tienen un ámbito local mientras los conductores se encuentran atravesando la sección correspondiente, pero cambian a medida que el vehículo se cambia de ella y que sólo se observan en determinadas situaciones. Los parámetros de este grupo son: 1. Section Speed Limit: (Límite de velocidad de la sección) velocidad máxima permitida, en km/hr, para los vehículos que viajan a través de una sección.
25 Dependiendo de las características del conductor, ellos siguen o no esta recomendación. 2. Maximum Speed Limit per Lane: (Límite de velocidad por pista) velocidad máxima permitida, en Km/hr, para los vehículos que viajan a través de una pista en particular. 3. Turning Speed: (Velocidad de viraje) máxima velocidad, en km/hr, a la cual viaja un vehículo al realizar un viraje. Este valor es calculado automáticamente por el modelo dependiendo de la geometría de la intersección, pero también puede ser modificado manualmente. 4. Visibility Distance at Junctions: (Distancia de visibilidad en intersecciones) al acercarse un vehículo a una intersección donde debe ceder el paso, se aplica el modelo de aceptación de gaps al ser la distancia al fin de la sección menor que este valor (m). 5. Yellow Box Speed: (Velocidad de Yellow Box) un vehículo evita ingresar al cruce sin bloqueos (“yellow box”) si el vehículo precedente circula a una velocidad menor que la indicada por medio de este parámetro, en km/hr. 6. Distance Zone 1: (Distancia zona 1) distancia desde el final de la Zona 1 al punto donde finaliza la sección en la cual está el vehículo. Esta distancia está definida como el tiempo que es necesario para recorrer cierta distancia. Esta conversión es posible considerando el límite de velocidad de la sección y la velocidad a la cual desean circular los vehículos por ella. Se utiliza tiempo para que la distancia sea variable, dependiendo del vehículo ya que cada uno puede poseer distinta velocidad deseada. Se utiliza este parámetro en el modelo de cambio de pista. 7. Distance Zone 2: (Distancia zona 2) distancia, en seg, desde el final de la Zona 2 al punto donde finaliza la sección en la cual está el vehículo. Su transformación en distancia es igual al caso anterior y se utiliza en el mismo modelo.
26 8. Time Distance On-Ramps: (Distancia de rampas de acceso) es la distancia, en seg, para las pistas laterales que se consideran rampas de acceso. Su transformación en distancia es igual al caso anterior. Es utilizado para el modelo especial de cambio de pista aplicado a las entradas tipo rampas. El cambio entre tiempo y distancia se realiza considerando los mismos aspectos antes mencionados. 9. Section Slope: (Pendiente de la sección) la pendiente de una sección influye en las tasas de aceleración y desaceleración que experimentan los vehículos que circulan por ella. Los valores son entregados como porcentajes o por medio de cotas, siendo datos de terreno. 2.4.5.3. Globales
Estos parámetros se relacionan con los modelos de comportamiento vehicular a través de toda la red. Estos parámetros no están definidos ni en forma local ni en forma específica para cada tipo de vehículo. Son utilizados para todos los vehículos, en toda la red y durante toda la simulación. 1. Parámetros Generales: a. Driver Reaction Time: (Tiempo de reacción del conductor) corresponde al tiempo que toma al conductor reaccionar frente a cambios en la velocidad del vehículo precedente. Se utiliza en el modelo de seguimiento vehicular. También corresponde a los intervalos de simulación, lo que hace que al haber cambios (disminuciones en su valor) se reaccione en forma más inmediata a fenómenos presentes en la red. b. Reaction Time at Stop: (Tiempo de reacción en detención) corresponde al tiempo que le toma a un vehículo detenido reaccionar frente a la aceleración del vehículo anterior o al cambio de luz a verde. Este tiempo se usa sólo para los vehículos detenidos, mientras que el anterior está definido para los que están en movimiento. Este parámetro tiene gran influencia en la descarga de colas.
27 c. Queuing Up Speed: (Velocidad entrando a la cola) los vehículos que se mueven bajo este valor, en m/s, se consideran como detenidos. Afecta la recolección de datos para detenciones y colas. d. Queue Leaving Speed: (Velocidad dejando la cola) los vehículos que estaban en cola y superan esta velocidad, en m/s, se considera que están en movimiento. Afecta la recolección de datos para detenciones y colas. Estos últimos dos parámetros también afectan el comportamiento vehicular, ya que como parte del modelo de cambio de pista, los vehículos esperan que se presente el gap aceptable para realizar el cambio, y no les gusta esperar detenidos más que cierto tiempo. La condición de detención viene dada por estos parámetros. 2. De seguimiento vehicular: a. Number of Vehicles: (Número de vehículos) es el número máximo de vehículos a considerar en el modelo de seguimiento vehicular, que es utilizado para modelar la influencia de las pistas adyacentes en el modelo. b. Maximum Distance: (Máxima distancia) es la máxima distancia hacia delante, en m, considerada en el modelo de seguimiento vehicular. c. Maximum Speed Difference: (Máxima diferencia de velocidad) es la máxima diferencia de velocidad, en km/hr, entre una pista y la adyacente en el modelo de seguimiento vehicular. d. Maximum Speed Difference On-Ramps: (Máxima diferencia de velocidad en rampa de acceso) es la máxima diferencia de velocidad, en km/hr, entre la pista principal y la de acceso en rampa en el modelo de seguimiento vehicular. 3. De Cambio de Pista: a. Percent Overtake: (Porcentaje de adelantamiento) representa el porcentaje de la velocidad desde el cual un vehículo decide adelantar. Debe ser mayor
28 que cero y menor o igual a uno. Se utiliza para modelar la decisión de adelantamiento. b. Percent Recover: (Porcentaje de recuperación) representa el porcentaje de la velocidad desde el cual un vehículo decide volver a la pista lenta después de haber adelantado. Debe ser mayor que cero y menor o igual a uno. Seutiliza para modelar la decisión de adelantamiento. c. On-Ramp Model: (Modelo de rampa de acceso) el usuario puede seleccionar cuál de las dos versiones disponibles de modelo para rampas de acceso desea utilizar. 4. Otros Parámetros Globales: Además de todos los parámetros globales mencionados anteriormente, existen dos parámetros adicionales que pueden ser utilizados en el editor de GETRAM. Ellos no son parámetros sujetos a calibración, ya que no representan opciones que se puedan tomar. Más bien muestran la aplicabilidad que posee GETRAM al incluir mayor variedad de casos. Éstos son: a. Road Side of Vehicle movement: (Lado del camino o movimiento vehicular) dice relación con el lado de la calle que el conductor de un vehículo utiliza para conducir. Este parámetro es considerado en el modelo de cambio de pista. b. Distinguish Destination Lanes in Turnings: (Distinción de pistas de destino en virajes) determina la capacidad para que el usuario defina las pistas de destino de un movimiento. Si está fijado en la alternativa NO, entonces todas las pistas son consideradas en el destino del movimiento.
29
CAPITULO 3: METODOLOGIA DE CALIBRACION UTILIZADA En este capitulo se presentara en detalle, la metodología utilizada para el proceso de calibración para flujo ininterrumpido de la AV. Alonso de Ribera y J.M. García en la Ciudad de Concepción y se muestra la elección de los parámetros a calibrar. Para este estudio, el proceso de calibración será el propuesto por Mariano Lacalle (2003), quien en su tesis de magíster de la Pontificia Universidad Católica de Chile desarrolla en detalle y además realiza la calibración de la Av. Kennedy para la ciudad de Santiago.
3.1. Proceso de Calibración La figura 3.1 muestra esquemáticamente el proceso de calibración utilizado. Figura 3.1: Esquema del Proceso de Calibración Utilizado (Lacalle, 2003). Toma de Datos
Definición de Objetivos del Proyecto
Variables de Interés o de contraste
Anális is de Sensibilidad
Ajust e de Pa rámetro s
CALIBRACION Simulación
Comparación
Modelo Calibrado
Fuente: Lacalle (2003)
30 Debido a la naturaleza del proyecto en estudio, y considerando como base las mismas características del modelo propuesto por Lacalle, ya sea en términos de condiciones de tránsito, como también en las variables y parámetros de evaluación, se trabajaron para el desarrollo de la calibración de la ciudad de Concepción solamente las etapas Toma de Datos, Ajuste de Parámetros, Simulación y Comparación. Las etapas Variables de contraste y Análisis de Sensibilidad corresponden a las realizadas por Lacalle en su calibración de Av. Kennedy para la ciudad de Santiago, las cuales se presentan en los capítulos posteriores. A continuación se presentan una breve descripción descrita por Lacalle (2003) para cada una de las etapas. Definición de los Objetivos del Proyecto: Esta es la primera etapa del Proceso de Calibración ya que predetermina en forma importante todo el proceso. Es fundamental para el proceso de Toma de Datos, ya que dependiendo de los objetivos del proyecto se ve el nivel de detalle y variables a considerar. También los Objetivos del proyecto pueden influir de manera importante en las variables a considerar en el Proceso de Calibración, aunque en general las variables consideradas serán casi siempre las mismas para la mayoría de los proyectos de similares características. Toma de Datos: este proceso consiste en la obtención de todos los datos necesarios para calibrar el modelo. Las principales interrogantes que se deben resolver son, primero las variables a medir, el nivel de agregación necesaria, y por último, es importante determinar donde y cuanto medir, todo lo cual está predeterminado por los objetivos del proyecto. También hay que notar que la etapa de Toma de Datos puede influenciar la elección de las variables a considerar en la calibración, ya que al tomar datos se pueden manifestar ciertos fenómenos conductuales de los automovilistas y sus impactos en ciertas variables o también se puede dar el caso que se detecte en terreno que una variable considerada como importante no tenga importancia real, un ejemplo de esto es si se considera importante la variable colas en los accesos, pero en terreno no se observa este fenómeno. Variables de Interés o Contraste: Las variables de interés o contraste para calibrar el comportamiento de los automovilistas son aquellas que capturan de forma importante la
31 conducta o comportamiento del automovilista. En una medida importante estas variables están determinadas por los objetivos del proyecto, pero también pueden se determinadas por el proceso de Toma de Datos. Análisis de Sensibilidad de los Parámetros: La etapa de Análisis de Sensibilidad de los Parámetros es la etapa en la cual se simulan diferentes escenarios ficticios con el fin de detectar el grupo de parámetros que altera de manera más significativa los resultados obtenidos. La idea de esto es encontrar el grupo de los parámetros a calibrar, ya que es muy complejo calibrar el modelo ajustando todos y cada uno de sus parámetros. También en esta etapa se determina el efecto particular provocado por el ajuste de cada parámetro; es decir, qué resultados provoca el mover cada parámetro en las variables de interés. Ajuste de Parámetros: Esta etapa es fundamental en el Proceso de Calibración y es en la cual se modifica el valor de los parámetros seleccionados con anterioridad con el fin de ajustar de mejor manera las variables de interés simuladas con las observadas en terreno. Es importante en esta etapa establecer algunos criterios en lo que se refiere al ajuste mismo. En primer lugar se establece qué parámetros son ajustables y cuáles no (estos deben ser obtenidos de estudios anteriores o literatura especializada). También es importante establecer criterios en cuanto a cotas superiores e inferiores para cada parámetro. La idea de esto es ajustar el parámetro sólo entre ciertos límites con el fin de obtener un modelo causal y no uno estadístico (o también llamado de ajuste). Por último, se debe establecer un procedimiento lógico (secuencia de cambios) que ordene el ajuste de parámetros con el fin de hacerlo un proceso con pasos establecidos, así los resultados obtenidos serán menos dependientes de la persona que ejecute este procedimiento. Comparación de la Bondad del Ajuste: Esta etapa es de vital importancia, ya que determina el grado de precisión que tendrá el Proceso de Calibración. Las principales interrogantes que se deben resolver en esta etapa son, en primer lugar, cómo comparar los datos simulados con los medidos en terreno, es decir, qué método estadístico ocupar para comprobar la bondad del ajuste. Se puede utilizar un simple índice de error o distancia o un análisis más complejo como el índice de correlación entre los datos u otro de análisis de series de tiempo. También hay que determinar la agregación temporal con la que se quiere comparar, es decir, cada cuánto tiempo se compara (cada 1 min, cada 5 min, etc.). Por
32 último, en esta etapa se debe establecer el criterio de parada o aceptación, es decir, cuál es la precisión que se le exigirá a la calibración ya que exigir un ajuste perfecto es impracticable. Las etapas Análisis de Sensibilidad de los Parámetros, Ajuste de Parámetros y Comparación de la Bondad del Ajuste conforman en conjunto denominado como la gran etapa de Calibración. Las otras etapas se realizan una sola vez y sólo tienen como función el preparar de buena forma la etapa de Calibración dentro del Proceso de Calibración.
3.2. Variables de Interés o de Contraste Las variables de interés (o de contraste) son aquellas que describen el comportamiento del automovilista y sirven en el Proceso de Calibración para calificar el comportamiento del modelo. El modelo se comportará bien si replica de buena forma estas variables y mal si no lo hace. A continuación se mostrarán las variables de contraste para el proceso de calibración. El estudio tiene como objetivo encontrar un nuevo grupo de parámetros para situaciones de flujo ininterrumpido para la ciudad de Concepción, en forma análoga a la investigación realizada por Mariano Lacalle para la ciudad de Santiago, por lo tanto, la elección de las variables de contraste se basó tomando en cuenta las condiciones establecidas en el estudio mencionado anteriormente. 3.2.1 El Flujo y su Composición
Esta variable es sin duda alguna un dato mínimo para realizar una simulación de la autopista y sólo se pueden hacer ciertas consideraciones sobre que tan preciso y desagregado se hará la composición de éste, en lo que se refiere al número de diferentes tipos de vehículos a considerar.
33 3.2.2 Flujo por cada Pista (Uso de Pistas)
Esta es otra variable importante a la hora de caracterizar el flujo circulante en una autopista, ya que sin duda alguna cada pista tiene sus propias características operacionales que la diferencian del resto de las pistas, por lo tanto es importante saber que porcentaje del flujo se ve afectado por estas características en particular. 3.2.3. Las Velocidades por Pistas
La velocidad por pista es otra variable que presenta gran interés para caracterizar el comportamiento del automovilista, ya que nos ayuda a detectar cuellos de botella o zonas de colas. Esto es posible ya que como se sabe la velocidad (v), el flujo (q) y la densidad (k) están relacionadas como lo muestra la siguiente formula: q=k*v
(3.1)
Por lo tanto, al tener dos variables se puede encontrar la tercera, y como es mucho más fácil medir el flujo y la velocidad que la densidad, se optó por medir estas dos variables. Además es claro que el comportamiento por pista es completamente diferente en lo que se refiere a la velocidad. 3.2.3. El Headways por Pista
La última variable a considerar en el análisis de una autopista es el Headways por pista. Este nos dice mucho con respecto a como manejan los automovilistas ya que está correlacionado con el nivel de agresividad o nivel de riesgo que incurren los automovilistas al manejar. Headways menores implican conductores más agresivos, ya que, headways menores conllevan un mayor peligro en caso de colisión. También el headway de la pista 1 influencia de manera fundamental la dificultad que experimentan los vehículos que quieren entrar a la autopista por los accesos de ésta. Por ende, es crucial simular de buena manera el headway por esta pista para representar de manera realista las maniobras de ingreso a la
34 autopista. El headway promedio entre los vehículos que transitan por una determinada pista está sin duda correlacionado con el flujo de ésta, ya que a mayores flujos se tendrán como consecuencia menores Headways, por lo cual, una buena caracterización del flujo por cada pista tendrá un efecto importante en la buena caracterización de los headways por pista.
3.3 Análisis de Sensibilidad de Parámetros a Calibrar En Análisis de sensibilidad ocupado para el estudio en desarrollo, se basó en la investigación realizada por Lacalle (2003), el cual definió los parámetros influyentes para cada variable de contraste, es decir, uso de pistas y velocidades por pistas. A continuación se hará un resumen de lo expuesto en la tesis de magíster, mostrando inicialmente la influencia de los parámetros relevantes para la variable uso de pistas y luego se presentaran los influyentes a las velocidades por pistas. 3.3.1 Parámetros Uso de Pistas
Como lo descrito en los capítulos anteriores el uso de pistas se basa en el modelo de Gipps, el cual responde a tres preguntas básicas, ¿Es necesario el cambio de pista? ¿Es deseable un cambio de pista? y por último ¿Es posible este cambio?, al ver estas tres preguntas lo primero que se nota es el proceso de cambio de pista en AIMSUN se gatilla por dos motivos principales; en primer lugar para poder efectuar un viraje y en segundo lugar para ajustar la velocidad, es decir, tomar una pista diferente tanto para ir más rápido o más lento.Esto también provoca que en diferentes pistas se observen diferentes velocidades de circulación. Además para hacer el modelo de cambio de pista un poco más real AIMSUN define tres Zonas en las cuales se pueden observar comportamientos diferentes con respecto al cambio de pista. Los parámetros que influencian con mayor fuerza el uso de pista y que son susceptibles a calibrarse son Maximum Speed Limit per Lane, Distance Zone 1, Distance Zone 2, % Overtake y % Recover. A continuación se presentará el analisis realizado por Lacalle para cada una de estos parámetros, en una pequeña red con 3 pistas de ancho con un flujo promedio de 3500 veh/hr y un acceso con un flujo promedio de 550 veh/hr.
35 i) Maximum Speed Limits per Lane: Como se dijo antes este parámetro permite poner límites de velocidades máximas diferentes por pistas, lo cual para algunas personas no es adecuado utilizar ya que en realidad no existe dicha diferencia en las velocidades por pistas. Se optó por utilizar este parámetro debido a la imposibilidad del microsimulador AIMSUN de modelar con exactitud el uso de pistas observado. El microsimulador sobreestima el número de vehículos que viajan por la pista 1 para flujos bajos y medianos ya que la lógica del microsimulador es que por lo general un auto utilizará siempre la pista 1 y se cambiará de pista sólo si desea utilizar una pista más rápida o realizar un viraje. Eso sí, hay que estar conciente que este parámetro no puede ser utilizado a la ligera y debe aplicarse con criterio y cautela. Para observar la influencia de este parámetro se realizaron diferentes pruebas en la red descrita con anterioridad en la cual se movió sólo el parámetro de las velocidades por pistas con el fin de capturar su efecto. Los resultados obtenidos fueron los siguientes: “A menores límites de velocidad por la pista uno la “penalización” aumenta y por ende es menor el flujo que circula por esa pista, en cambio si en vez de penalizar la pista 1 se aumenta su velocidad máxima, es decir, se “estimula” su uso el flujo circulante por esta pista aumenta” (Lacalle, 2003)
Otra consecuencia que tiene el movimiento de este parámetro, es por supuesto, el cambio en las velocidades de circulación por las pistas ya que los autos modelados para calcular su velocidad toman en consideración el límite de velocidad permitido, por tanto al “penalizar” su uso mediante este parámetro, también estamos “penalizando” a la vez las velocidades de circulación por la pista 1. ii) Distance Zone 1 y Distance Zone 2: Estos dos parámetros determinan el largo que tienen las Zonas 1, 2 y 3 las cuales como se explicó en los capítulos anteriores determinan el comportamiento que tiene el vehículo en lo que respecta al cambio de pista, y por consecuencia influencia fuertemente el uso de éstas.
36 En las pruebas realizadas se encontró gran dificultad para aislar los efectos y así poder determinar el efecto en particular que tiene el valor de cada parámetro ya que como se manifestó antes el efecto de este parámetro depende no sólo del valor de este y el valor de otros parámetros, sino que también de la geometría de la red a considerar. Claramente se observa que el cambio en el valor de estos parámetros altera sustancialmente el uso de pista. Eso sí, se pueden explorar las propiedades de cada Zona lo cual puede ayudar a comprender el comportamiento del modelo de cambio de pista. En la Zona 1 (que es la más alejada de la intersección o al final de la sección) se realizan cambios de pista sólo motivados por el hecho de mejorar su movimiento con respecto a la velocidad deseada y no se toma en cuenta la proximidad de un viraje, en esta zona también hay influencia de los parámetros % Overtake y % Recover que influencian las maniobras de adelantamiento. En la Zona 2, que es una zona intermedia si se toma en cuenta las posibilidades de virajes pero éstos se realiza sólo si no se molesta a los vehículos de las pistas adyacentes; en esta zona los vehículos también se ven afectados por los parámetros % Overtake y % Recover al igual que en la zona anterior. Por último la Zona 3 (que es la última zona) los cambios de pista están gobernados mayoritariamente por la presencia de virajes y el cambio de pista se realiza aún cuando se moleste a los autos en pistas adyacentes, en esta zona los parámetros % Overtake y % Recover no tienen influencia alguna. Considerando estas guías se puede hacer los cambios necesarios para influenciar el uso de pista, haciendo más sencillo realizar un método de “ensayo y error” en la red en estudio para determinar inequívocamente el efecto que se quiere producir. iii) % Overtake y % Recover: Estos dos parámetros como se explicó anteriormente determinan las maniobras de adelantamiento y cambio a la pista lenta y por lo tanto tienen una ingerencia directa en el uso de pista que se observa de la simulación. También ya se comentó que estos parámetros tienen influencia sólo en las Zonas 2 y 3 del modelo de cambio de pista, perdiendo su efecto en la Zona 3.
37 Para detectar el efecto de estos dos parámetros se hicieron varias pruebas en la misma red que en los casos anteriores. Los resultados obtenidos fueron los siguientes: “A medida que los valores de los parámetros suben la proporción de flujo por la pista 1 decrece, en cambio la proporción del uso de la pista 3 aumenta.” (Lacalle, 2003)
Esto es consecuente con lo que uno podría esperar ya que valores más altos de % Overtake implican que los automovilistas son más impacientes y adelantan ante menores diferencias entre la velocidad deseada por el vehículo y la velocidad de circulación del vehículo líder, por lo tanto se esperaría es peraría que con esto es to la pista 1 tengan un flujo menor y la pista 3 un flujo mayor. También a mayores valores del parámetros % Recover se esperaría un menor uso de la pista 1 ya que mayores valores para este parámetro implica que los conductores seguidores volverán a la pista lenta menos veces, por lo tanto es lógica la reducción del flujo por esa pista. 3.3.2. Parámetros Velocidades por Pista
Las velocidades en un modelo de microsimulación están definidas por el modelo de seguimiento vehicular, que en caso de AIMSUN está basado en el modelo de Gipps pero con algunas modificaciones con el fin de hacerlo más aplicable a un modelo de microsimulación. Como se vio en la sección de revision de los sub modelos de AIMSUN la velocidad de un vehículo esta determinada por tres factores básicos, en primer lugar la velocidad máxima deseada por el vehículo, la aceleración de este y las restricciones que le impongan el resto de los vehículos. Además el modelo de seguimiento vehicular de AIMSUN ha incorporado el parámetro Speed Acceptance que determina el grado de aceptación del límite máximo de velocidad de la vía y la pendiente de la misma como factores que influencian la velocidad del vehículo. Tomando en cuenta lo anterior se optó por considerar los siguientes parámetros como susceptibles de calibrar: el Maximum Desired Speed y Speed Acceptance. Ambos parámetros como co mo se mencionó men cionó anteriormente no están definidos por un solo valor, sino que por un conjunto con junto de valores derivados de una función Normal Nor mal Truncada que se define por su valor promedio, desviación, valor mínimo y valor máximo y por último se consideró el
38 parámetro Reaction Time, este es sin duda alguna uno de los parámetros más importantes del modelo ya que determina que tan hábiles o cada cuanto tiempo reaccionan los vehículos en la simulación, lo cual sin duda alguna cambia drásticamente los resultados obtenidos en la simulación. Con respecto a la aceleración y desaceleración del vehículo que también son dos parámetros importantes en la determinación de la velocidad de un vehículo se optó por utilizar los parámetros asignados por Lacalle que corresponden a los encontrados por Rojas D.A (2003). A continuación se mostrará el análisis detallado de cada parámetro. i) Maximum Desire Speed: Este parámetro determina la velocidad a la cual iría un vehículo en condiciones de flujo libre; por lo tanto es función de la observación de las velocidades del flujo circulante en la red a modelar en condiciones de flujo libre. En estricto rigor las velocidades que uno observa a flujo libre son consecuencia de la interacción de este parámetro en conjunto con el parámetro Speed Acceptance. Por lo tanto, el efecto en las velocidades a flujo libre es una combinación de ambos. Debido a la complejidad y a la importancia de ambos parámetros se decidió dec idió calibrar ambos y tomar la observación de las velocidades a flujo libre sólo como una guía o punto de partida para el proceso de ajuste. Este parámetro es propio de cada tipo de vehículo lo cual nos permite representar vehículos con características diferentes. Por ejemplo los camiones deberían tener un Maximum Desired Speed menor que el de un vehículo normal lo cual es completamente lógico. El análisis de sensibilidad realizado para este parámetro fue realizado en una red con sólo un tipo de vehículo (auto) y con las características geométricas y de flujo reportadas en la sección anterior. Los resultados obtenidos fueron los siguientes “A mayores valores se obtienen mayores velocidades de circulación”(Lacalle, 2003)
Hay que decir que se dejó el parámetro Speed Acceptance fijo en un valor alto de manera que no influyera. El cambio en este parámetro altera también el uso de pistas aunque en
39 menor medida que los parámetros estudiados en la sección pasada, sin embargo este efecto aunque menor debe ser considerado a la hora de calibrar este parámetro. A continuación se hará el análisis del parámetro Speed Acceptance. ii) Speed Acceptance: Este parámetro está formulado para representar el grado de acatamiento a las normas de límite de velocidad máximo por parte de los automovilistas. Se define en forma individual para cada ca da tipo de vehículo mediante una distribución Normal Truncada. Por lo general este parámetro restringe la velocidad máxima a la que un vehículo puede circular en condiciones de flujo libre y en conjunto con el parámetro de Maximum Desired Speed determinan la velocidad efectiva en condiciones de flujo libre, la buena definición de ambos es crucial para la buena calibración del modelo. Para detectar la influencia de este parámetro se realizaron diferentes pruebas y los resultados fueron bastante lógicos y concordantes con la teoría. Los resultados obtenidos fueron los siguientes : “A medida que se sube el valor del parámetro se obtienen velocidades mayores” (Lacalle, 2003)
Al igual que el parámetro anterior se verificó un pequeño cambio en los usos de pista observados lo cual también es lógico ya que como se sabe los vehículos eligen la pista en que transitan por sobre todo según la velocidad deseada que ellos tienen. Por lo tanto, al cambiar este parámetro que cambia la distribución de velocidades, tiene como consecuencia directa influir en el uso de pistas. Se puede observar que el cambio provocado por este parámetro no es tan importante como el provocado por los parámetros revisados en la sección anterior pero al igual que con el Maximum Desired Speed se debe tener en cuenta este efecto a la hora de calibrar el modelo, ya que, mover este parámetro puede cambiar el ajuste obtenido con el resto de los parámetros. iii) Reaction Time:
40 Este parámetro es sin duda alguna uno de los parámetros más influyentes del modelo de microsimulación ya que determina algo fundamental y es cada cuanto tiempo los vehículos reciben y realizan acciones (reaccionar a cambios de velocidad del vehículo líder por ejemplo), es decir, dice que tan hábiles o atentos son los automovilistas modelados. Es claro que este parámetro aunque represente algo físico como la reacción de automovilista es muy difícil o poco practicable, determinar su valor mediante mediciones en terreno por lo cual para determinar su valor es útil el proceso de calibración. Los resultados del análisis de sensibilidad fueron los siguientes: “A valores pequeños del parámetro se tienen mayores velocidades de circulación debido a que los vehículos son más hábiles y pueden alcanzar con mayor facilidad su velocidad máxima deseada” (Lacalle, 2003)
También es interesante notar que la pista 1 es la que presenta una mayor variación entre su velocidad mínima y máxima con diferentes valores del parámetro analizado. Esto se debe a que la pista 1 se ve afectada por el flujo entrante del acceso por lo tanto al tener una mayor habilidad son los vehículos de esta pista los más beneficiados ya que son los más exigidos. Con respecto al uso de pista se puede ver que la influencia que tiene el parámetro es bastante menor ya que ante cambios drásticos sólo se observan modificaciones tenues en el uso de pista, pero igual se debe tener este efecto en consideración a la hora de calibrar este parámetro.
3.4. Ajuste de Parámetros En esta sección se mostrará la conceptualización de la etapa de Ajuste propuesta por Lacalle (2003) explicando cada uno de sus pasos. En primer lugar se puede decir que la etapa de Ajuste es un proceso iterativo que fue dividido en dos etapas. En una primera etapa se calibran los parámetros que afectan los cambios de pista con el fin de ajustar de la mejor forma posible el uso de cada pista. Luego en la segunda etapa se hacen ajustes a los parámetros que influencian el modelo de seguimiento vehicular con el objetivo de modificar las velocidades de circulación por pista. Como se comentó anteriormente el
41 cambio en los parámetros que influencian las velocidades por pista pueden cambiar en algún grado el uso de éstas, por lo tanto debe realizarse el proceso de Ajuste completo de manera iterativa hasta alcanzar un grado de similitud adecuado entre lo simulado y lo observado (en las dos variables). El proceso de ajuste se muestra en la figura 3.2: Figura 3.2: Proceso de Ajuste en dos etapas propuesto por Lacalle (2003). Definición de Parámetros Calibrables para Uso de Pistas
Speed Limit per Lane Distance Zone 1 Distance Zone 2 % Overtake %Recover
Ajuste de Parámetros Uso de Pistas
ERROR USO DE PISTAS
Definición de Parámetros Calibrables para Velocidades
Error UsoPista =
4
4
f pista _ Obser _ i ,t − f pista _ Sim _ i ,t
i=
t =
f pista _ Obser _ i ,t
∑∑ 1 1
*α i
Maximum Desired Speed Speed Acceptance Reaction Time
Ajuste de Parámetros Velocidades por pistas
ERROR VELOCIDADES POR PISTAS
FUNCION OBJETIVO
TERMINO
Fuente: Lacalle (2003)
Error VelPista =
4
4
Vel pista _ Obser _ i ,t −Vel pista _ Sim _ i ,t
i=
t =
Vel pista _ Obser _ i ,t
∑∑ 1 1
* α i
Error Total = θ 1 Error UsoPistas + θ 2 Error VelPista + θ 3 Error Headway
42 A continuación se verá con más detalle las dos etapas del proceso de Ajuste ya mencionadas. a) Etapa 1: Ajuste de Parámetros para Modificar el Uso de Pista:
Como se vio en la sección de Análisis de Sensibilidad de Parámetros los parámetros seleccionados para cambiar el uso de pista son Maximum Speed Limit per Lane, Distance Zone 1, Distance Zone 2, % Overtake y % Recover. Es importante precisar porque esta es la etapa 1 y no la 2. El orden corresponde a una razón muy sencilla y es que la influencia que tiene el uso de pista en las velocidades por pista es mucho mayor que la que tiene las velocidades por pistas en el uso de pistas, es decir, el flujo que circula en una pista determina en forma importante las velocidades promedios en esa pista, por lo tanto es fundamental tener el flujo adecuado en cada pista para luego influenciar las velocidades de esa pista. Si se hiciera de modo inverso al ajustar primero las velocidades por pistas y luego el uso de estas, este último cambio alteraría de forma completa el primero por lo que tendría que hacerse nuevamente la etapa de velocidades por pista. El movimiento de los parámetros que afectan el uso de pista siguió una lógica. En primer lugar se modificó el Maximum Speed Limit per Lane en toda la autopista con el fin de poner una “penalidad” a la pista 1 ya que, se detectó que el modelo privilegiaba de sobremanera el uso de esta pista por lo que una forma de representar de mejor forma el uso de pistas observado es “penalizando” la pista 1 con una menor velocidad máxima permitida. Así se decidió poner una “penalidad” del mismo monto en cada una de las secciones y no una penalidad diferente para cada sección aún cuando este proceso puede obtener un mejor ajuste por la mayor flexibilidad. Esta decisión corresponde, ya que, un modelo con el valor de este parámetro diferente en cada sección no es lo que se llama un modelo causal sino que más bien uno de ajuste por lo tanto su capacidad predictiva sería menor. Para determinar el valor exacto de esta “penalidad” se analiza de la etapa de Análisis de Sensibilidad de los Parámetros una serie de simulaciones hechas para analizar el efecto que provocaba en el uso de pista los cambios en este parámetro. El valor excato de la “penalidad” aplicada en la simulación también tiene implícito un juicio por parte del modelador ya que como era de esperarse, varios valores son apropiados para el propósito buscado, por lo tanto es de vital importancia el buen juicio del modelador para esta tarea.
43 Luego de haber fijado el valor de la “penalidad” en la pista 1 se mueve en conjunto los parámetros locales Distance Zone 1 y Distance Zone 2, los cuales determinan el largo de las Zonas 1, 2 y 3. El proceso de ajuste de estos parámetros como se comento extensamente en la sección anterior no puede guiarse 100% del Análisis de Sensibilidad de los Parámetros realizado con anterioridad ya que como se explicó, el largo de las zonas depende no sólo del valor de estos parámetros sino que también de la geometría particular de la red, por lo, tanto el resultado en los cambios de estos parámetros puede cambiar de lugar en lugar. Debido a estas complicaciones se recomienda realizar el cambio de estos parámetros de la siguiente forma: 1. Chequear que la construcción de la red se haya hecho mediante el uso de polisecciones, y si no es así crear las polisecciones correspondientes. 2. Elegir la primera estación de monitoreo aguas arriba. Una estación de monitoreo es el conjunto de espiras (una por pista) que se ubican en un lugar particular de la red. Las estaciones de monitoreo deben estar ubicadas en el mismo lugar en donde se realizaron las mediciones para recolectar los datos necesarios para calibrar. 3. Los cambios se deben realizar en todas las secciones anteriores a la estación elegida y posteriores a la estación ya revisada. 4. Los primeros cambios deben hacerse tomando en cuenta la información recolectada de la etapa de Análisis de Sensibilidad de los Parámetros. Si estos no producen los efectos esperados se debe hacer nuevos cambios en el lugar hasta entender el comportamiento del uso de pista ante los cambios de los parámetros en esa estación. 5. Pasar a la siguiente estación sólo cuando no se pueda mejorar el ajuste obtenido con ninguna combinación de valores para estos parámetros o cuando se ha obtenido un ajuste razonable en esa estación. 6. El proceso termina una vez recorrida todas las estaciones. Luego de finalizar el ajuste de los parámetros Distance Zone 1 y Distance Zone 2 se procede a mover en conjunto los parámetros %Overtake y %Recover. Como recordamos,
44 estos parámetros son globales por lo que su ajuste es mucho más sencillo y rápido que el ajuste de los parámetros anteriores ya que estos son locales. El Análisis de Sensibilidad realizado a estos parámetros nos entregó buena información con respecto al efecto que tienen ellos. Por lo tanto depende del efecto que se quiera obtener con el ajuste de estos parámetros, la decisión de si bajar o subir el valor que viene por defecto. Hay que recordar que si se quiere estimular las maniobras de adelantamiento y disminuir las maniobres de retorno a la pista lenta y por tanto aumentar el flujo en las pista 3 y disminuir el de la pista 1, se debe aumentar el valor de ambos parámetros. Si se busca lo contrario lógicamente se debe disminuir el valor de ambos parámetros. Una vez terminado el ajuste de estos dos parámetros se termina la primera iteración del proceso de ajuste. Como se aprecia en la Figura 3.2 es altamente posible que esta etapa se repita más veces, lo cual dependerá del error una terminada la etapa 2 que se verá a continuación. b) Etapa 2: Ajuste de Parámetros para Modificar las Velocidades por Pista:
En la segunda etapa de este proceso se busca ajustar las diferentes velocidades por pista encontradas en cada una de las diferentes estaciones de monitoreo. Para ajustar las diferentes velocidades, los parámetros seleccionados son, Maximum Desired Speed, Speed Acceptace y el Reation Time los dos primeros son definidos mediante una distribución Normal Truncada y el último sólo por un valor. El procedimiento establecido para ajustar los parámetros es el siguiente, en primer lugar se ajusta el valor de los parámetros Maximum Desired Speed y Speed Acceptace. Estos parámetros determinan la velocidad a la cual el vehículo viajaría en condiciones de flujo libre o de poca congestión, ya que la velocidad de un vehículo en estas condiciones está dada por el mínimo entre su velocidad máxima deseada y la aceptación del límite de velocidad que tiene éste. Un hecho que le agrega dificultad al ajuste de estos parámetros es la relación que tienen estos con el parámetro Maximum Speed Limit per Lane, porque si la red presenta diferentes velocidades máximas entre pistas, ya sea para penalizar o estimular el uso de una pista, la
45 definición del parámetro Speed Acceptace tiene diferentes interpretaciones. Este parámetro define a que porcentaje del límite máximo de velocidad un vehículo puede circular, por ende, un mismo vehículo presentaría una máxima velocidad permitida diferente dependiendo de la pista en la que transite. Para ajustar el valor de estos parámetros es necesario, o mas bien recomendable, tener una buena estimación de la distribución de velocidades a flujos pequeños en la autopista en estudio, con esta distribución uno puede tener un muy buen punto de partida para el ajuste de los parámetros y así poner la distribución de los parámetros de manera que sea concordante con lo visto en terreno. Este valor sólo representa una buena aproximación inicial debido a que lo que uno observa en terreno en el modelo es consecuencia no sólo de estos parámetros, por lo que estos valores iniciales necesitarán pequeños ajustes con el fin de replicar de mejor forma lo observado. Con respecto a los ajustes nuevamente el Análisis de Sensibilidad a estos parámetros entrega información valiosa, ya que permite determinar, que lo que uno podría pensar en la teoría se daba también en la práctica, es decir, si es que se notaba que las velocidades de circulación eran muy bajas aumentando el valor de los parámetros se podía remediar esta situación. Además se pueden hacer ajustes un poco más detallados, porque si por ejemplo, se detecta que las velocidades mínimas simuladas están muy bajas pero el resto esta bien se puede solucionar esta situación no cambiando el valor promedio del parámetro, sino, que su valor mínimo y desviación. En resumen el ajuste de estos parámetros se ve facilitado debido a su intuitiva representación y significado. Una vez terminado el ajuste de los dos parámetros analizados anteriormente se procede a ajustar el último parámetro de este proceso y quizás uno de los más importantes debido a su relevancia en la simulación. Este parámetro es el Reaction Time que como se expuso anteriormente determina el tiempo que le toma a un vehículo reaccionar ante los cambios de velocidad del vehículo líder. Aún cuando este parámetro tiene una interpretación física clara no es fácil su determinación mediante mediciones en terreno, de manera que para encontrar el valor que mejor ajuste a las condiciones existentes, se opta por encontrar su valor mediante la calibración. Debido a
46 la gran importancia de este parámetro y a la facilidad de su ajuste se recomienda utilizar la siguiente metodología para este propósito. 1. Seleccione el parámetro y determine su valor mínimo (Li) y su valor máximo (Ui) tomando en cuenta un rango aceptable considerando por ejemplo otros estudios o apreciación propia. 2. Especifique el tamaño del incremento (δi) asociado al parámetro en esta iteración i. 3. Dada la cota superior Ui y la cota inferior Li para el parámetro en esta iteración ejecute el modelo usando la siguiente secuencia de valores para el parámetro: Li + δi, Li + 2δi,.…….., Ui.
4. Seleccione el valor del parámetro que dio un mejor ajuste. 5. Actualice Ui y Li reduciendo la distancia entre ambos en torno al valor que dio el mejor ajuste y reduzca el valor de δi con el fin de hacer más precisa la búsqueda. 6. El proceso termina una vez alcanzado un valor predeterminado del incremento δi La idea de este proceso es elegir en primera instancia un rango amplio de valores aceptables para el parámetro y un valor del incremento grande y a medida que avanza el proceso hay que reducir tanto las cotas como el valor del incremento, con el fin de hacer cada vez más preciso el ajuste. Una vez concluido el ajuste del Reaction Time se da por concluida la segunda etapa. Vale la pena recordar que esta etapa se puede volver a repetir ya que el proceso de Ajuste es iterativo.
3.5. Comparación de la Bondad de Ajuste Existen un diverso grupo de indicadores estadísticos que permiten determinar la bondad de ajuste de los datos simulados, como por ejemplo, el error cuadrático medio (RMSE), Coeficiente de Theil`s (U), coeficiente de correlación y el error porcentual absoluto
47 (MAPE), entre otros. Este último indicador corresponde al utilizado por Lacalle (2003) y en muchos estudios de simulaciones en el área de tráfico.
MAPE =
1 n
n
simi − obsi
i=
obsi
∑1
(3.2)
La decisión de utilizar el indicador MAPE está dada por su fácil utilización y su lectura intuitiva para la mayoría de las personas, lo cual es de vital importancia en caso de ocupar el procedimiento propuesto no sólo en el ámbito académico. Con respecto a las desventajas es que no tiene un criterio implícito de cuando un modelo es aceptable o no, por lo que el criterio debe ser establecido por el modelador. Otra desventaja es que el indicador no entrega la naturaleza del error que se está incurriendo ya que sólo señala el tamaño de éste. Para solucionar este punto, se debe generar una tabla en cada punto de control cada 15 minutos y colorear las magnitudes de los errores de manera de dar una apreciación visual y rápida de los errores alcanzados. Con respecto al criterio de parada utilizado con este indicador, se debe hacer un juicio por parte del modelador ya que no existen criterios universales respecto a la aceptabilidad del error de un modelo “aceptable”. El error “aceptable” es sin duda dependiente del proyecto en particular que se simula y del grado de importancia de cada una de las variables de interés. Para este estudio, al igual que en la tesis de Lacalle, se consideraron dos criterios de parada. En primer lugar se consideró como error aceptable un error por debajo del 10% entre lo simulado y lo observado en las variables Uso de Pistas y Velocidades por Pistas (no se consideran los Headways por Pista ya que esta variable es más bien una variable de validación ya que no se encontró ningún parámetro que influenciara directamente esta variable, sino que esta se ve afecta indirectamente por el Uso de Pista). Un segundo criterio de parada (criterio alternativo o complementario) es detener el ajuste de los parámetros cuando ya no se detecten avances en el error, es decir, que el error simulado no se pueda reducir ante los cambios de los parámetros.
48
CAPITULO 4: RECOPILACION DE INFORMACION Y TOMA DE DATOS Existe una gran gama de procedimientos, los cuales nos pueden aportar las informaciones requeridas, en la búsqueda de soluciones a los problemas planteados, como es el caso de la calibración del modelo de microsimulación AIMSUN para la autopista ininterrumpida en la ciudad de Concepción. En este capítulo se muestran, las etapas preliminares del proceso de calibración, que corresponde a la toma de datos y recolección de información necesaria para replicar las condiciones geométricas y de tránsito, de la autopista seleccionada para el estudio. En relación a las etapas mencionadas en el párrafo anterior, se enumeran a continuación cada una de ellas. a) Elección de autopista de estudio b) Determinación de características geométricas y operacionales de la autopista seleccionada. c) Determinación de las características del parque vehicular. d) Obtención de datos de tráfico.
4.1. Elección de la Autopista de Estudio Como se expuesto en capítulos anteriores, la metodología de calibración usada, corresponde a la propuesta por Lacalle (2003), para flujo ininterrumpido, por lo tanto, queda de manifiesto la exigencia básica para la elección de la autopista. Basándose en esta premisa, se optó por la elección de la autopista Alonso de Ribera y J. M. García, entre
49 pasarela de acceso a Universidad Católica de la Santísima Concepción y paso sobre nivel de intersección Camilo Henríquez / J.M. García. Otra de las variables de elección, es que cuenta con un alto estándar de servicio a lo largo de toda su extensión. Además cuenta con las condiciones de seguridad mínimas para la recolección de datos. Para la microsimulación y calibración mediante el uso del paquete GETRAM se decidió utilizar el tramo de Av. Alonso de Ribera y J. M. García, que corre de Poniente a Oriente, este tramo cuenta con un total de 3 salidas y 3 accesos.
4.2.
Determinación
de
Características
Geométricas
y
Operacionales de la Autopista Seleccionada. Para lograr simular las condiciones de tránsito, es necesario contar con información detallada de las características geométricas de la autopista en estudio, como por ejemplo, el número de pistas, su ancho, inclinación, tipos de intersecciones, velocidades máximas, giros permitidos, etc. Como lo explicado en capítulos anteriores, GETRAM posee un editor grafico, TEDI, que permite utilizar diversas opciones para el ingreso de las características físicas de la autopista, entre las cuales destacan el uso de imágenes digitales en formato JPG, BMP, TIF, GIF y principalmente en formato DXF, las cuales mediante la opción Background, permiten usarla de fondo la dibujar la red a simular lo más real posible. Hay que destacar la importancia de la información de las características geométricas, ya que va directamente relacionada con los resultados de la microsimulación. Para el caso de esta investigación se contó con un archivo DFX con la configuración física de toda la Av. Alonso de Rivera y J. M. García, proporcionado por la Dirección de Vialidad, del Ministerio de Obras Públicas de la Octava Región.
50 Además de esta información, se realizaron numerosas visitas a terreno con el fin de corregir errores en el plano y de incluir información que no se tenía, como largo de las pistas de accesos y salidas, velocidades máximas, etc. Otra de las características geométricas corresponde a las pendientes de la autopista. Para la obtención de esta información se procedió a realizar un levantamiento topográfico de toda la avenida en estudio, determinado así el perfil longitudinal de ésta.
4.3. Determinación de las Características del Parque Vehicular Otro de los parámetros importantes del proceso de simulación, corresponde a la caracterización del parque vehicular presente en la autopista en estudio, entre las cuales se tienen las características dimensionales de los vehículos, aceleraciones y desaceleraciones. Para esta investigación, se consideraron valores encontrados por otros estudios relacionados con este tema y valores incorporados por defecto en GETRAM. Para el desarrollo de la tesis, se clasificó el parque vehicular presente en la autopista de estudio, en tres categorías: i. Vehículos livianos: Automóviles y camionetas hasta 1500 Kg. ii. Camiones simples: Unidad simple para transporte de carga iii. Camiones Semiremolques y remolques: Unidad compuesta para transporte de carga. Para el caso de los vehículos livianos, se optó por los datos encontrados por Luz María Velasco (2003), quien gracias a la base de datos de las revisiones técnicas pudo obtener las marcas más utilizadas en Santiago y luego revisando los catálogos de los modelos determinó las características dimensionales de esta categoría (Tabla 4.1).
Para las
aceleraciones de esta categoría se optaron por ocupar las propuestas por Rojas D. A. (2003), las cuales fueron utilizadas en la calibración de Lacalle (2003). Con respecto a las desaceleraciones, (al igual que en tesis de Lacalle) se decidió dejar el valor que trae el
51 simulador por defecto, ya que, como lo expuesto en la calibración de Lacalle, no existen trabajos que entreguen valores totalmente extrapolables al modelo de microsimulación, fundamentalmente debido al tratamiento que le da éste a la desaceleración (desaceleración normal y desaceleración en condiciones de emergencia) Tabla 4.1: Parámetros vehiculares utilizados en categoría vehículos livianos Parámetro
Media
Desviación
Mínimo
Máximo
Longitud (m)
4.32
0.30
3.73
4.98
Ancho (m)
2.00
0.00
2.00
2.00
Máx. Aceleración (m/s2)
2.72
0.34
2.13
3.61
Normal deceleración (m/s2)
4.00
0.00
4.00
4.00
Máx. Deceleración (m/s2)
8.00
0.00
8.00
8.00
Para las categorías de camiones simples y camiones semiremolques, los antecedentes encontrados no permitieron disponer de valores realmente confiables para el estudio en cuestión.
Consultado a especialistas en el software de simulación, las apreciaciones
convergían a utilizar las características por defecto, las cuales con la poca información encontrada no presentaban mayores diferencias. En las tablas 4.2 y 4.3 se presentan las características de ambas categorías: Tabla 4.2: Parámetros vehiculares utilizados en categoría camiones simples Parámetro
Media
Desviación
Mínimo
Máximo
Longitud (m)
7.50
2.00
6.00
10.00
Ancho (m)
2.300
0.50
1.90
3.00
Máx. Aceleración (m/s2)
1.00
0.50
0.60
1.80
Normal deceleración (m/s2)
3.50
1.00
2.50
4.80
Máx. Deceleración (m/s2)
7.00
1.00
5.50
8.00
52 Tabla 4.3: Parámetros vehiculares utilizados en categoría camiones semiremolques y remolques.
Parámetro
Media
Desviación
Mínimo
Máximo
Longitud (m)
15.00
2.00
8.00
20.00
Ancho (m)
2.300
0.50
1.90
3.00
Máx. Aceleración (m/s2)
0.50
0.80
0.40
1.80
Normal deceleración (m/s2)
2.00
2.00
1.50
4.80
Máx. Deceleración (m/s2)
5.00
2.00
4.50
8.00
4.4. Obtención de Datos de Tráfico Para la obtención de datos de tráfico se disponen de varios métodos utilizados por distintos investigadores y literaturas especializadas, entre los cuales podemos utilizar conteo manual, video grabaciones, sistemas de adquisición de datos, GPS, etc. Cada uno de estos métodos posee un mayor y menor grado de precisión, sin embargo el método más apropiado es aquel que con los recursos disponibles permita tener el mínimo error posible. Debido a la gran cantidad de información necesaria, se optó por una combinación de métodos, los cuales se separan en conteo manual y video grabaciones. En primer lugar se definió el día en que se tomarían los datos de tráfico. Para esto se solicitó información a la Secretaría de transportes (SECTRA), la cual poseía información de tráfico de la avenida en estudio entre los días 18 y 24 de Noviembre de 2003. Con estos datos se pudo comprobar que el comportamiento de la Av. Alonso de Ribera y J.M. García es totalmente estable durante la semana y definir el sentido Poniente – Oriente como el sentido con mayor flujo entrante a la autopista. El gráfico de la Fig. 4.1 muestra el flujo de vehículos totales de la semana.
53 Figura 4.1: Gráfico Flujos Totales de la Avenida J.M. García
Como se aprecia claramente en la figura 4.1, el comportamiento del flujo durante los días hábiles es muy similar. Además se puede apreciar una pequeña variación el día viernes, la cual puede ser referida a la condición de proximidad del fin de semana. Se aprecia claramente un menor flujo el día Domingo. Otra de las conclusiones más relevantes es la definición de la hora punta. Según la figura se aprecia claramente una la mayor punta en la tarde, entre las 17:45 y 19:45. Una vez revisado estos antecedentes se definió como fecha de toma de datos el día miércoles 29 de Septiembre de 2004. Lamentablemente debido a las condiciones de iluminación y seguridad, la toma de datos no se pudo realizar en el periodo punta, por lo que los datos de calibración se tomaron entre las 14:00 y 15:00 hrs., definiendo este horario como punta medio día. Los valores de validación se tomaron desde las 15:30 a las 16:30 hrs.
54 4.4.1. Medición de Información
Para el estudio se consideraron 4 puntos de control, ubicado a la altura de la Universidad Católica de la Santísima Concepción, en la curva frente a la fábrica de Plásticos Coronel, en el paso bajo nivel de intersección con calle Lientur y el último en paso sobre nivel de calle Camilo Henríquez. La denominación de estos puntos es PC1, PC2, PC3 y PC4 respectivamente. La ubicación de estos puntos fue estratégicamente tomando en cuenta factores como equidistancia, posibilidades de instalar cámara de filmación en altura, seguridad en la toma de datos y buen ángulo de filmación. Para cada uno de estos puntos de control, se efectuaron las mediciones mediante video grabaciones. Los datos necesarios para la calibración en estos puntos de medición son: Velocidad por pistas, Flujos por pistas y Headway por pistas, las cuales una vez grabada la información en formato Digital se procesó, obteniendo las variables requeridas. Es importante señalar que este tipo de medición permite verificar y revisar posteriormente todas las dudas en forma exhaustiva en caso de encontrar alguna diferencia. Importante también para esta medición fue el que todas las cámaras tuvieran sus relojes sincronizados, de tal forma de poder realizar la agregación temporal que se considerara adecuada de los datos. Además de los puntos de medición antes mencionados, se midió en forma manual el flujo entrante a la autopista y en cada uno de los accesos a esta. En la autopista en estudio se necesitaron 6 personas las cuales en forma manual se realizó el conteo separando los vehículos en las clasificaciones antes descritas. Hay que hacer mención, que existe a la altura de la intersección con el paso bajo nivel ferroviario, un acceso hacia el sector cerro La Pólvora, el cual no posee características geométricas de un acceso regular, es decir, pistas de aceleración y desaceleración. Se decidió verificar la incidencia de este acceso irregular, el cual arrojó valores menores al 1.5% del flujo total circulante en la avenida, por lo cual se optó por no considerar la influencia de este acceso para el estudio. La figura 4.2 muestra los puntos de mediciones y las descripciones utilizadas para cada uno de ellos.
55
Figura 4.2: Ubicación de puntos de control y de medición de autopista seleccionada
Fuente: Direccion de Vialidad, Octava Región, Elaboración Propia
Para el procesamiento de datos, se confeccionaron planillas Excel que permiten conocer los flujos, velocidades y headway por categoría y por pista. En las tablas 4.4 a 4.8 se muestran los valores obtenidos para cada uno de los puntos de control (PC) y los puntos de medición (PM).
56 Tabla 4.4: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría, en periodo 14:00 a 15:00 hrs.
FLUJOS POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES
TOTAL veh/hr
PERIODO 14:00 a 15:00 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
VL
C2E
C+2E
PC 1 - FRENTE UNIVERSIDAD CATÓLICA STMA. CONCEPCIÓN 1
99
84
94
89
20
19
14
12
19
15
20
14
366
65
68
2
103
105
94
100
6
14
8
10
5
8
4
9
402
38
26
PC 2 - CURVA FRENTE PLÁSTICOS CORONEL 1
98
95
96
96
19
20
23
23
2
85
81
79
78
6
13
8
5
20 6
17
15
19
385
85
71
5
10
6
323
32
27
PC 3 - INTERSECCIÓN CALLE LIENTUR 1
58
55
57
57
2
79
75
77
77
12
16
14
14
20
7
14
14
227
56
55
8
7
8
8
5
9
7
7
308
31
28
PC 4 - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 1
49
46
54
51
15
20
15
15
13
11
13
15
200
65
52
2
72
70
73
73
13
15
12
9
15
9
10
7
288
49
41
Tabla 4.5: Velocidades en Kph del total de los vehículos, separados por pista, en periodo 14:00 a 15:00 hrs.
VELOCIDADES POR PISTA (GLOBAL) 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
PC1
62.22
73.29
67.43
75.62
64.02
68.91
63.99
69.27
PC2
73.93
80.11
71.95
80.33
69.04
79.86
71.32
82.29
PC3
74.90
84.31
77.10
87.10
75.82
85.55
75.82
85.55
PC4
68.26
76.20
74.06
77.60
71.19
79.38
71.40
77.32
57 Tabla 4.6: Velocidades en Kph, separados por pistas y categorías, en periodo 14:00 a 15:00 hrs.
VELOCIDADES POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES
PERIODO 14:00 a 15:00 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
PC 1 - FRENTE UNIVERSIDAD CATÓLICA STMA. CONCEPCIÓN 1
63.19
70.3
65.77
65.49
65.35
59.47
62.53
59.59
54.05
60.4
58.63
60.75
2
74.17
76.02
69.02
69.97
70.5
74.2
67.67
64.9
60
71.25
69
66.33
PC 2 - CURVA FRENTE PLÁSTICOS CORONEL 1
77.13
74.68
69.98
73.13
61.32
67.21
65.1
67.64
70.42
62.55
69.36
66.66
2
80.7
81.9
80.23
83.15
73.83
74.24
74.69
78.68
77.5
69.92
79.54
74.52
PC 3 - INTERSECCIÓN CALLE LIENTUR 1
77.36
78.52
77.98
77.98
66.34
74.49
67.77
67.77
73.75
74.15
74.89
74.89
2
84.82
88.38
86.29
86.29
79.49
86.96
81.02
81.02
84.69
75.61
81.29
82.29
PC 4 - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 1
70.62
75.56
73.31
73.76
61.64
72.56
66.79
69.09
66.06
69.84
67.08
66.44
2
77.16
79.8
80.54
79.73
72.59
75.65
76.21
58.21
74.47
64.68
75.34
73.95
Tabla 4.7: Headway en segundos del total de los vehículos, separados por pistas, en periodo 14:00 a 15:00 hrs.
PC1
HEADWAY POR PISTA (GLOBAL) 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
6.56
8.60
7.65
7.36
9.66
8.25
8.39
7.42
PC2
6.77
10.00
6.93
9.24
6.89
9.67
6.35
10.15
PC3
10.47
10.25
9.68
7.91
11.01
11.33
11.01
11.33
13.07
9.30
12.58
9.93
11.94
9.41
11.60
10.34
PC4
58 Tabla 4.8: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por categoría en periodo entre las 14:00 a 15:00 hrs.
FLUJOS POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES TOTAL veh/hr
PERIODO 14:00 a 15:00 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
VL
C2E
C+2E
ENTRADA ALONSO DE RIBERA - PM 1 1
56
57
44
59
14
12
9
12
18
16
22
16
216
47
72
2
116
117
111
109
9
16
9
8
6
7
2
7
453
42
22
0
99
14
0
0
200
7
2
2
140
21
6
4
173
30
15
1
127
39
11
174
12
1
ENTRADA DESDE AV. PAICAVI - PM 2 30
15
33
21
3
5
4
2
0
0
0
SALIDA - ACCESO POBLACIÓN STA. SABINA 46
47
48
59
5
2
0
0
0
2
0
ENTRADA DESDE POBL. STA. SABINA - PM 3 27
34
35
44
4
2
9
6
2
1
1
SALIDA - INTERSECCIÓN CALLE LIENTUR 46
46
41
40
5
10
9
6
1
6
4
ENTRADADESDE CALLE LIENTUR - PM 4 30
30
32
35
10
15
8
6
3
5
2
SALIDA - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 46
44
39
45
2
3
3
4
0
1
0
0
Las tablas 4.4 a 4.8 corresponden a los datos obtenidos en el primer periodo de medición, entre las 14:00 y 15:00 hrs. Para la obtención de los datos del segundo periodo, entre las 15:30 y 16:30 hrs., surgieron lamentablemente inconvenientes en el punto de control 1 y 3. El primer problema se produjo por la falta de iluminación y visibilidad en la postura de la filmadora. El segundo conflicto se generó por motivos de fuerza mayor, los cuales por los riesgos presentes en el lugar, en lo que refiere a la seguridad, se tuvo que abandonar el puesto de medición. Por lo tanto, para el proceso de verificación de la calibración, solamente se usaron los puntos de control 2 y 3, obteniendo los valores que se muestran en las tablas 4.9 a 4.13:
59 Tabla 4.9: Flujos Av. Alonso de Ribera en Puntos de Control separados por categoría, en periodo 15:30 a 16:30 hrs.
FLUJOS POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES TOTAL veh/hr
PERIODO 15:30 a 16:30 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
VL
C2E
C+2E
PC 2 - CURVA FRENTE PLÁSTICOS CORONEL 1
111
101
99
92
15
22
21
15
20
19
17
28
403
73
84
2
88
85
73
63
8
5
10
4
10
10
10
11
309
27
41
PC 4 - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 1
57
40
45
43
9
14
12
5
17
16
9
15
185
40
57
2
70
83
75
55
12
8
12
12
10
13
8
22
283
44
53
Tabla 4.10: Velocidades en Kph del total de los vehículos, separados por pista, en periodo 15:30 a 16:30 hrs.
VELOCIDADES POR PISTA (GLOBAL) 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
PC2
78.33
84.11
73.85
82.14
69.81
80.48
69.60
79.71
PC4
74.75
79.25
73.11
77.37
73.57
76.94
72.38
75.75
60 Tabla 4.11: Velocidades en Kph, separados por pistas y categorías, en periodo 15:30 a 16:30 hrs.
VELOCIDADES POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES
PERIODO 15:30 a 16:30 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
PC 2 - CURVA FRENTE PLÁSTICOS CORONEL 1
79.97
75.24
72.09
70.53
73.52
68.80
66.02
63.74
72.92
73.28
62.48
69.97
2
85.05
82.87
80.83
79.60
81.24
76.00
79.78
83.26
77.82
79.70
78.67
78.86
PC 4 - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 1
76.98
76.32
74.96
74.60
68.45
69.48
70.23
66.40
70.61
68.55
71.07
67.99
2
81.39
79.86
79.06
77.94
73.58
70.52
67.79
74.49
71.14
67.25
70.69
70.96
Tabla 4.12: Headway en segundos del total de los vehículos, separados por pistas, en periodo 15:30 a 16:30 hrs.
HEADWAY POR PISTA (GLOBAL) 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
PC2
6.11
8.45
5.93
8.89
6.70
9.92
6.39
12.70
PC4
10.70
9.78
12.37
8.50
13.32
9.44
14.38
10.25
61 Tabla 4.13: Flujos Av. Alonso de Ribera, en puntos de medición (PM), separados por categoría en periodo entre las 15:30 a 16:30 hrs.
FLUJOS POR CATEGORÍAS VEHÍCULOS LIVIANOS
CAMIONES 2 EJES
CAMIONES +2EJES
TOTAL veh/hr
PERIODO 15:30 a 16:30 PISTA 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60 0 - 15 15 - 30 30 - 45 45 - 60
VL
C2E
C+2E
ENTRADAALONSO DE RIBERA - PM 1 1
70
54
43
54
12
14
19
10
24
23
24
24
221
55
95
2
123
124
102
101
10
10
14
8
6
7
5
14
450
42
32
2
78
2
6
1
180
7
8
0
143
8
0
3
142
9
15
1
136
33
2
238
40
2
ENTRADA DESDE AV. PAICAVI - PM 2 19
17
17
25
1
1
0
0
2
2
0
SALIDA - ACCESO POBLACIÓN STA. SABINA 57
51
19
53
2
1
3
1
2
3
2
ENTRADA DESDE POBL. STA. SABINA - PM 3 44
42
29
28
2
3
1
2
0
0
0
SALIDA - INTERSECCIÓN CALLE LIENTUR 42
27
47
26
0
1
8
0
3
0
9
ENTRADA DESDE CALLE LIENTUR - PM 4 25
33
43
35
7
12
6
8
1
0
0
SALIDA - INTERSECCIÓN AV. CAMILO HENRÍQUEZ 55
69
48
66
9
16
5
10
1
0
1
0
62
CAPITULO 5: RESULTADOS DEL PROCESO DE CALIBRACION Como lo descrito en los capítulos anteriores el proceso de calibración utilizado en este estudio, corresponde al propuesto por Mariano Lacalle (2003), el cual describe en detalle la metodología de calibración del microsimulador AIMSUN para flujo ininterrumpido. Al igual que en lo presentado por Lacalle (2003), se comparó el modelo no calibrado con el calibrado, es decir, utilizando los valores por defecto que incorpora el programa, determinando claramente la importancia en la calibración para proyectos de microsimulación. Además, al poseer parámetros calibrados recientemente para la ciudad de Santiago, se puede comparar resultados desde la perspectiva de los valores por defecto, valores calibrados por Lacalle para Santiago y finalmente valores calibrados para la ciudad de Concepción. En este capítulo, se mostrará además, los resultados obtenidos en la etapa de Validación que se refiere a la verificación de la bondad de ajuste producida con los nuevos parámetros encontrados en el proceso de calibración en una situación diferente a la que se ocupo para calibrar, es decir, se simula una situación diferente con diferente demanda y se compara con observado en la realidad.
5.1. Resultados Obtenidos Los datos utilizados para la obtención de los resultados que se muestran a continuación se pueden revisar en los capítulos anteriores. Para el comienzo de este estudio, se simuló la Av. Alonso de Ribera utilizando los valores por defecto los cuales se presentan en la tabla 5.1:
63 Tabla 5.1: Parámetros por defecto entregados por AIMSUN. (promedio, desviación, mínimo, máximo)
Valor por defecto Parámetro
Unidad Vehículos livianos
Speed limit Pista 1 Speed limit Pista 2 Zone 1 Zone 2 % Overtake % Recover Reaction Time Spedd Acceptance Max. Desired Speed Maximun acceration Vehicle Length
Camiones 2 Ejes
KPH
70 ; 90
KPH
70 ; 90
seg
15
seg
5
Camiones + 2 Ejes
0.9 0.95 seg
0.75 (1 ; 0 ; 1 ; 1)
(1 ; 0 ; 1 ; 1)
(1.15 ; 0.3 ; 0.8 ; 1.4)
KPH
(100 ; 20 ; 80 ; 150)
(80 ; 10 ; 70 ; 90)
(70 ; 40 ; 50 ; 110)
m/s2
(2.8 ; 0 ; 2.8 ; 2.8)
(1 ; 0.5 ; 0.6 ; 1.8)
(0.5 ; 0.8 ; 0.4 ; 1.8)
m
(4 ; 0 ; 4 ; 4)
(7.5 ; 2 ; 6 ; 10)
(15 ; 2 ; 6 ; 20)
El error por defecto que posee el programa depende sin duda de las condiciones de simulación y de las variables de contraste que se consideren que representan la realidad (como lo describe Lacalle). Además, AIMSUN está concebido para la realidad Europea, lo cual es diferente a la nuestra, por lo mismo, la importancia de la calibración es altamente necesaria para estudios locales. A continuación se muestran las tablas que describen el error alcanzado con los valores por defecto, separadas por cada punto de control en intervalos de 15 minutos para las variables de simulación. Además se muestran el error alcanzado en la variable velocidad para cada una de las categorías de vehículos presentes en la Avenida Alonso de Ribera Al igual que en la tesis de Lacalle, para facilitar la detección de los mayores errores se pintó de diferentes colores el fondo de la celda dependiendo del valor del error. Así, si una celda presenta un error promedio en valor absoluto menor al 10% tendrá un color de fondo blanco que indicaría que presenta un error aceptable; si el error está entre un 10% y un 20% el color de la celda será amarillo lo cual manifiesta que el error es considerado moderado; si la celda presenta un error mayor al 20% pero menor que el 50% se considera que tiene un error importante y para caracterizar esto se pintó la celda de color naranja, por último si la
64 celda presenta un error mayor al 50% se considera que tiene un error grande y para alertar esta situación se coloreó el fondo de la celda de color rojo. 5.1.1. Errores con los Parámetros por Defecto
A continuación se muestran las tablas de errores para las variables uso de pistas, velocidades por pistas y headway pos pistas encontradas con los parámetros por defecto. La tabla 5.2 muestra que el error de la variable uso de pistas es bastante importante utilizando los valores por defecto. Por otro lado, haciendo un análisis mas exhaustivo se encontró que el error producido el las pistas es 48,89% para la pista 1 y -45,37% para la pista 2 (valores presentes en la tabla sin valores absolutos). Esto significa que encontramos un exceso de flujo simulado en la pista 1 y un déficit en la pista 2. Tabla 5.2: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando los valores de los parámetros por defecto.
0 - 15
ERROR USO DE PISTAS 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
28.26%
22.81%
31.36%
29.92%
38.28%
29.25%
18.26%
36.13%
29.28%
PC2
27.01%
46.39%
33.33%
29.29%
27.61%
40.21%
21.01%
39.33%
33.02%
PC3
35.56%
50.00%
79.49%
38.46%
54.12%
44.57%
50.59%
55.43%
51.03%
PC4
74.03%
75.00%
102.60%
58.51%
82.93%
63.16%
77.78%
67.42%
75.18%
ERROR USO DE PISTAS
47.13%
La situación descrita, también se produjo en la calibración de Lacalle, lo que claramente se define que el microsimulador tiende a simular mucho flujo por la pista 1 (pista lenta), cosa que no ocurre en la realidad. En la tabla 5.2 se aprecia también que el error producido en el PC4 es notoriamente mayor que en el resto de los puntos de control, una explicación a esto, puede ser que ésta es el último punto de control, el cual recibe todos los flujos entrantes de los accesos, lo que hace aumentar el flujo de la autopista y además alterar en mayor grado el uso de la pista 1. Otra alteración que puede producir el excesivo flujo simulado en la
65 pista 1, es que si consideramos un posible alto flujo entrante por los accesos, puede condicionar colas en los accesos, cuestión que no ocurre en la realidad. En la figura 5.1 se muestra gráficamente la situación de flujo excesivo en la pista 1. Figura 5.1: Calibración con valores por defecto, situación representativa uso pista 1
La tabla 5.3 muestra los errores producidos por la variable velocidades por pista. En ella se muestran claramente que el error es mucho menor que el considerado para el uso de pistas, llega a un valor de 11.64% que prácticamente esta en el rango aceptable. Uno de los mayores errores se produce en PC1, ubicado frente a Universidad Católica de la Santísima Concepción. Esto se debe sin duda a que aguas abajo del punto de control, se encuentra el paso bajo nivel de Av. Paicaví, el cual posee una curva peligrosa reduciendo al mínimo el ancho de las bermas, lo que hace que los conductores reduzcan la velocidad de circulación.
66 Tabla 5.3: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista usando los valores de los parámetros por defecto
ERROR VELOCIDADES POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
26.64%
15.18%
19.53%
9.46%
26.08%
24.05%
31.57%
22.10%
21.83%
PC2
12.67%
6.72%
12.98%
4.84%
22.88%
10.49%
18.17%
2.81%
11.44%
PC3
12.00%
5.36%
7.81%
0.15%
12.05%
3.37%
10.50%
2.02%
6.66%
PC4
0.08%
7.81%
7.02%
9.64%
3.11%
12.56%
4.00%
8.78%
6.62%
ERROR VELOCIDADES POR PISTAS 11.64% Más adelante, se podrá ver los errores alcanzados por los valores de la calibración de Lacalle, los cuales entregan un % de error mayor al que se encuentra con los parámetros por defecto. La tabla 5.4 muestra los errores de los headway obtenidos al utilizar los parámetros por defecto. Analizando estos valores se puede ver que el error de esta variable es el mayor de todos alcanzando un valor de 61,03%. Hay que considerar que el error en el headway está bastante correlacionado con el uso de pista, porque un mal uso de pista también redunda en una mala modelación de los Headways por pistas, también expuesto en la tesis de Lacalle, no se tiene en el proceso de Ajuste una etapa concentrada en los Headways por pista, ya que esta variable es ocupada como una variable de validación. Otro punto interesante de ver, es el error producido en la pista 1, el que llega a un -34,79% y el error de la pista 2 a un 87.27% (sin valores absolutos), cuestión que comparando los resultados obtenidos con el uso de pista, en relación al excedente de flujo para la pista 1, muestra una lógica en los resultados, es decir, a flujos considerablemente mayores para la pista 1, se deben apreciar headway mucho menores. Por el contrario, para flujos menores en la pista 2 se deben obtener valores de headway mayores al obtenido en la realidad.
67 Tabla 5.4: Tabla de Errores Promedios en valor absoluto para los Headway por Pista usando los valores de los parámetros por defecto.
ERROR HEADWAY POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
23.78%
14.25%
24.85%
32.81%
47.50%
44.72%
22.77%
58.47%
33.64%
PC2
25.58%
66.59%
27.03%
34.26%
23.39%
50.74%
15.55%
64.40%
38.44%
PC3
33.15%
84.26%
33.29%
98.86%
39.50%
46.75%
36.23%
89.58%
57.70%
PC4
53.03%
235.65%
54.83%
133.37%
50.15%
150.23%
45.95%
191.42% 114.33%
ERROR HEADWAY POR PISTAS 61.03% 5.1.2. Secuencia de Calibración
Para la obtención de los valores finales de calibración, inicialmente se comenzó con encontrar los errores alcanzados por los parámetros por defecto, errores mencionados anteriormente. Una vez terminada esta fase de estudio, se procedió a determinar los errores alcanzados con los parámetros encontrados por Lacalle (2003). De modo de hacer la calibración lo más provechosa posible, se procedió a determinar una serie de errores con diferentes combinaciones de parámetros encontrados por Lacalle, es decir, se comenzó modificando los parámetros que involucran los atributos vehiculares como por ejemplo las características dimensionales y aceleraciones de los vehículos de la red. En segundo lugar se modificaron el resto de los parámetros de Lacalle. Finalmente se modificó los parámetros Zone 1 y Zone 2, cuyos valores se alcanzaron tras una sucesiva serie de iteraciones en busca de un mejor ajuste de la variable uso de pistas. Después de alcanzado el mejor ajuste para estos parámetros se comenzó con la modificación de los parámetros siguiendo el procedimiento establecido por Lacalle. En la tabla 5.5 se presentan en forma agregada los resultados obtenidos para las primeras 7 iteraciones.
68 Tabla 5.5: Tabla de Errores alcanzados en las primeras 7 Iteraciones.
# SIMULACION
ERROR GLOBAL
0 1 2 3 4 5 6 7
37.49% 35.13% 17.25% 15.63% 12.59% 11.75% 11.04% 10.82%
ERROR ERROR ERROR VELOCIDADES HEADWAY POR USO DE PISTAS POR PISTAS PISTAS 47.13% 44.18% 16.36% 13.45% 9.33% 7.69% 6.78% 6.32%
11.64% 12.06% 18.12% 18.31% 16.80% 17.19% 16.62% 16.68%
61.03% 55.15% 17.75% 15.86% 12.57% 11.38% 10.87% 10.71%
Simulación 0: Corresponde a los errores obtenidos con los parámetros por defecto, los cuales fueron analizados anteriormente Simulación 1: Corresponde a los errores obtenidos modificando los atributos de los vehículos, es decir; Vehicle length, Maximun aceration. Como se aprecia en la tabla, existe una pequeña variación para las tres variables de control, en detalle, existe una disminución del error para el uso de pistas y un mínimo incremento de la variable velocidades por pistas. Simulación 2: Corresponde a los errores obtenidos con los parámetros encontrados por Lacalle (sin modificar los parámetros Zone 1 y Zone 2). Acá se aprecia una considerable mejoría en el error global, desde un 35,13% a un 17,25%. Sin embargo se produce un aumento de la variable velocidad por pistas desde un 12,06% a un 18,12%, variación que se debe a la modificación de los parámetros Speed Acceptance y Maximum Desired Speed. Esta modificación será explicada más extensamente en los capítulos posteriores. La variable uso de pistas tiene una notable mejoría de 44,18% a 16,36%, sin embargo esta variable aun falta modificar parámetros que afectan a su comportamiento, como son Zone 1 y Zone 2, para lograr el objetivo. Simulación 3 a 7: Corresponde a los errores obtenidos tras las modificaciones sucesivas de los parámetros Zone 1 y Zone2. Estos parámetros como lo explicado anteriormente tienen una influencia local, es decir, dependen de las condiciones de la red, por ejemplo, ancho de pistas, tipo de intersecciones, configuración de las pistas de accesos y salidas, etc., por lo que el trato para estos debe ser analizado para cada punto de control en forma particular.
69 Si se considera los resultados obtenidos en la séptima iteración como los errores alcanzados por los parámetros de Lacalle, debido al ajuste local de los parámetros Zone 1 y Zone 2 y al uso de todos los demás parámetros propuestos por él, se puede concluir que los parámetros propuestos para la Ciudad de Santiago no son extrapolables a la Ciudad de Concepción, lo cual indica la necesidad de calibrar estos parámetros para un estudio a nivel regional. Por otro lado, los errores alcanzados para las variables de contraste nos hacen tener una diferencia en los análisis para el uso de pistas y las velocidades por pistas. La figura 5.2 muestra gráficamente las variaciones producidas para las variables de contraste Uso de Pistas y Velocidades por pistas durante las primeras 7 iteraciones. Figura 5.2: Evolución del uso de pistas y velocidades por pistas entre parámetros por defecto y parámetros propuestos por Lacalle (2003).
CURVAS DE ERRORES VARIABLES DE CONTRASTES VELOCIDAD Y USO DE PISTAS 50% 45% 40% 35%
R 30% O R 25% R E 20% % 15% 10% 5% 0% 0
1
2
3
4
5
6
7
# SIMULACION
ERROR USODE PISTAS
ERROR VELOCIDADES POR PISTAS
5.1.3. Errores con Parámetros Propuestos por Lacalle
Los resultados obtenidos para la variable uso de pistas tiene una variación de un error de 47,13% al utilizar los parámetros por defecto a un error de un 6,32% al utilizar los
70 parámetros propuestos por Lacalle. Con estos datos se clarifica que mantener los parámetros propuestos por Lacalle que influencian el uso de pistas para flujo ininterrumpido en la ciudad de Concepción es completamente válido. En resumen tenemos que los parámetros Speed Limit per lane, % Overtake, % Recover son aceptables para un estudio local. Por otro lado, el error alcanzado para la variable velocidad por pistas muestra un incremento al compararlos con los parámetros por defectos, es decir, de un 11,64% a un 16,68%. Por lo tanto, los parámetros que influencian la velocidad por pista como son Maximum Desired Speed, Speed Acceptance y Reaction Time deben ser revisados para los
estudios locales. Analizando con mayor detalle este fenómeno, a continuación se presentan las tablas 5.6 a 5.11 que muestran los errores en la velocidad por pista, obtenidas con los parámetros por defecto y los parámetros de Lacalle, para cada una de las categorías presentes en el estudio. Tabla 5.6: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los vehículos livianos.
0 - 15
VEHICULOS LIVIANOS 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
28.66%
16.95%
18.71%
14.68%
25.29%
28.68%
30.45%
25.58%
23.63%
PC2
12.40%
7.74%
13.74%
3.50%
25.52%
10.93%
19.23%
4.37%
12.18%
PC3
14.42%
5.06%
10.80%
0.25%
13.34%
3.60%
13.14%
2.38%
7.87%
PC4
1.36%
9.41%
7.66%
12.41%
4.75%
13.46%
5.12%
12.27%
8.31%
ERROR VEHICULOS LIVIANOS
13.00%
71 Tabla 5.7: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los vehículos livianos.
0 - 15
VEHICULOS LIVIANOS 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
39.24%
25.51%
24.57%
21.01%
32.53%
33.02%
35.07%
30.31%
30.16%
PC2
14.92%
28.99%
16.99%
23.17%
27.02%
30.73%
22.03%
24.28%
23.52%
PC3
16.14%
17.88%
14.60%
12.04%
17.60%
17.18%
16.61%
17.18%
16.15%
PC4
3.78%
6.71%
12.65%
1.98%
7.49%
3.69%
7.80%
3.63%
5.97%
ERROR VEHICULOS LIVIANOS
18.95%
Tabla 5.8: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los camiones 2ejes.
0 - 15
CAMIONES 2EJES 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
9.32%
13.15%
22.78%
2.95%
10.82%
19.44%
28.11%
18.44%
15.63%
PC2
27.06%
14.00%
13.21%
5.13%
23.12%
9.85%
13.82%
0.52%
13.34%
PC3
23.09%
5.01%
6.17%
11.54%
19.58%
1.00%
12.10%
8.80%
10.91%
PC4
13.09%
5.01%
4.11%
9.59%
2.34%
10.07%
0.24%
19.05%
7.94%
ERROR CAMIONES SIMPLES
11.95%
72 Tabla 5.9: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los camiones 2ejes.
0 - 15
CAMIONES 2EJES 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
11.78%
13.57%
22.53%
7.35%
16.79%
12.49%
22.64%
19.49%
15.83%
PC2
17.18%
9.72%
6.14%
8.39%
11.82%
5.94%
9.26%
0.64%
8.64%
PC3
10.83%
0.29%
2.15%
12.16%
8.60%
3.31%
9.77%
2.23%
6.17%
PC4
10.71%
3.52%
24.21%
9.14%
17.60%
7.98%
20.37%
17.97%
13.94%
ERROR CAMIONES SIMPLES
11.14%
Tabla 5.10: Errores obtenidos con los parámetros por defecto en las velocidades por pistas para los camiones +2ejes.
0 - 15
CAMIONES +2EJES 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
22.05%
22.05%
10.15%
7.13%
26.65%
5.13%
21.04%
10.65%
15.6%
PC2
3.32%
1.29%
4.29%
21.72%
4.59%
7.73%
3.68%
0.46%
5.9%
PC3
7.59%
8.08%
9.22%
12.01%
3.00%
9.24%
12.39%
0.29%
7.7%
PC4
6.96%
0.37%
11.06%
10.60%
2.14%
8.38%
9.61%
0.71%
6.2%
ERROR CAMIONES +2EJES
8.86%
73 Tabla 5.11: Errores obtenidos con los parámetros de Lacalle en las velocidades por pistas para los camiones +2ejes
0 - 15
CAMIONES +2EJES 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
23.42%
34.27%
14.70%
5.64%
15.21%
8.80%
18.55%
15.03%
16.95%
PC2
5.47%
5.88%
5.35%
19.60%
5.16%
0.77%
6.66%
2.05%
6.37%
PC3
8.17%
7.09%
12.43%
8.64%
9.89%
5.63%
8.74%
10.33%
8.87%
PC4
10.94%
7.19%
19.19%
8.16%
13.23%
7.22%
16.26%
6.25%
11.05%
ERROR CAMIONES +2EJES
10.81%
Los resultados anteriores muestran que el mayor incremento en el error producido entre los parámetros por defecto y los propuestos por Lacalle es la categoría de vehículos livianos que va de un 13,00% a un 18,95%, es decir un incremento de un 45,76%. En la categoría de camiones simples (2 ejes) se aprecia una disminución del 6.8% y para los camiones + 2 ejes un incremento de un 22%. Esta situación nos permite definir “a priori” la necesidad de la disminución de alguno de los parámetros que influencian la velocidad por pista, ya que si se revisan las tablas sin los valores absolutos, muestran para la categoría de vehículos livianos un aumento en la velocidad de simulación en comparación con la observada en terreno de aproximadamente un 16% del total de puntos de control y pistas. Cabe señalar que la categoría de vehículos livianos representa un 76% del flujo circulante en la Av. Alonso de Ribera, por lo que la incidencia en la velocidad por pistas en el total de los vehículos es bastante alta, lo cual la hace tener una mayor dedicación en el ajuste de los parámetros que afectan a esta categoría. A continuación se presentan las tablas 5.12 a 5.14 de errores para las variables de contraste, separadas por intervalo y punto de control.
74 Tabla 5.12: Tabla de Errores Promedios en valor absoluto para el Uso de Pista usando los valores propuestos por Lacalle.
0 - 15
ERROR USO DE PISTAS 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
4.35%
0.00%
11.02%
18.11%
3.91%
10.38%
20.00%
15.97%
10.47%
PC2
0.73%
0.00%
0.76%
2.02%
5.22%
3.09%
2.17%
4.49%
2.31%
PC3
10.00%
3.26%
14.10%
6.59%
5.88%
8.70%
7.06%
0.00%
6.95%
PC4
2.60%
9.00%
2.60%
2.13%
14.63%
2.11%
1.23%
10.11%
5.55%
ERROR USO DE PISTAS
6.32%
Tabla 5.13: Tabla de Errores Promedios en valor absoluto para las Velocidades por Pista usando los valores propuestos por Lacalle.
ERROR VELOCIDADES POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
34.69%
24.12%
22.48%
18.85%
30.47%
29.02%
31.91%
29.42%
27.62%
PC2
12.81%
25.03%
13.41%
22.12%
20.46%
27.12%
17.69%
22.98%
20.20%
PC3
12.36%
13.31%
7.13%
9.08%
12.81%
13.76%
10.98%
14.73%
11.77%
PC4
6.63%
3.79%
17.33%
0.01%
10.28%
1.90%
12.60%
4.36%
7.11%
ERROR VELOCIDADES POR PISTAS 16.68%
75 Tabla 5.14: Tabla de Errores Promedios en valor absoluto para los Headway por Pista usando los valores propuestos por Lacalle.
ERROR HEADWAY POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
5.03%
8.76%
11.39%
17.18%
30.83%
14.66%
23.49%
20.33%
16.46%
PC2
5.64%
10.10%
0.36%
4.07%
7.72%
6.43%
5.25%
9.08%
6.08%
PC3
1.43%
5.43%
5.02%
17.75%
10.52%
20.88%
9.97%
13.64%
10.58%
PC4
14.09%
6.17%
13.96%
3.45%
19.49%
3.22%
5.44%
11.89%
9.71%
ERROR HEADWAY POR PISTAS 10.71% 5.1.4. Resultados Finales de Calibración
El proceso iterativo para la calibración propuesto por Lacalle arrojó un total de 18 Iteraciones desde valores por defecto hasta el término de la calibración. El análisis de los resultados (al igual que en la tesis de Lacalle) será subdividido en 4 partes, es decir, análisis de la variable usos de pistas, luego la variable velocidades por Pistas para después enfocar el análisis en los headways por pistas, y por último se verán los resultados desde una perspectiva más global, analizando el comportamiento de la función objetivo global que captura la influencia de las tres variables anteriores. a) Uso de Pistas
Como se explicó anteriormente, los resultados obtenidos con los parámetros por defecto indicaban un exceso de flujo por la pista 1 y una falta en la pista 2. La misma situación se presentó en el estudio de calibración para la ciudad de Santiago, lo que indica una condición general del microsimulador. Los resultados obtenidos con los parámetros propuestos por Lacalle (2003) para la variable uso de pistas, tienen un ajuste más que aceptable. Entonces, se puede inferir que no se necesitan modificar los parámetros para lograr un mejor ajuste de la variable uso de pistas, por lo cual, como lo indica en el procedimiento propuesto por Lacalle, se procede al paso
76 de la fase 2, que es el ajuste de los parámetros que afectan a la velocidad por pistas. No obstante, la avenida en estudio posee una dificultad para la modelación, que corresponde a lo indicado en la tabla 2.3, que dice relación al paso bajo nivel por calle Paicaví. Esta característica geométrica de la avenida, obliga a los conductores reducir la velocidad, ya que se enfrentan a una curva peligrosa y a una disminución del ancho de las bermas. Debido a esta razón se redujo las velocidades de entrada modificando el parámetro Speed Limit per lane, el cual introdujo variaciones en el uso de pistas en el punto de control 1 que es el más próximo a la entrada de la autopista. Una vez ajustado los parámetros y reevaluando los parámetros Distance Zone 1 y Distance Zone 2, el error alcanzado se muestra en la tabla 5.15. Tabla 5.15: Tabla de Errores Promedios en valor absoluto para el Uso de Pista una vez terminado el proceso de calibración. 0 - 15
ERROR USO DE PISTAS 15 - 30 30 - 45 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
P1
P2
PC1
8.70%
14.91%
7.63%
5.51%
6.25%
0.94%
10.43%
13.45%
8.48%
PC2
10.22%
3.09%
1.52%
11.11%
6.72%
7.22%
0.72%
3.37%
5.50%
PC3
4.44%
3.26%
14.10%
13.19%
12.94%
2.17%
2.35%
0.00%
6.56%
PC4
0.00%
10.00%
14.29%
14.89%
6.10%
2.11%
2.47%
11.24%
7.64%
ERROR USO DE PISTAS
7.04%
Hay que señalar, que aún teniendo un buen ajuste con los parámetros de Lacalle, se introdujeron modificaciones a los parámetros de modo de verificar el buen ajuste. Los resultados comprobaron que los parámetros propuestos por Lacalle están con un nivel aceptable para esta calibración. La tabla 5.15 se debe comparar con la tabla 5.2 que refiere a los errores con los parámetros por defecto y la tabla 5.12 que refiere a los errores con los parámetros propuestos por Lacalle para la variable uso de pistas.
77 En primer lugar se aprecia una considerable reducción del error desde un 47,13% a un 7,04% entre parámetros por defecto y calibrados, lo que da un muy buen ajuste. Revisando los errores sin valores absolutos se puede concluir que el error alcanzado tiene un pequeño excedente en ambas pistas, situación contraria a lo logrado con los parámetros por defecto, que mostraban un alto excedente el la pista 1 y un alto flujo faltante en la pista 2. Hay que señalar que esta situación se pudo constatar incorporando detectores de flujo al comienzo y en los accesos de la red simulada. Los resultados obtenidos encontraron que el simulador entrega flujos con diferencias de hasta un 3% en los ingresados en “Result Container”, lo que produce un pequeño exceso de flujo simulado, lo que trae como resultado errores mayores considerando el uso de pistas como volumen por pistas. De modo de aclarar el párrafo anterior, la tabla 5.16 muestra los errores alcanzados considerando el uso de pistas como porcentaje de uso. Como ejemplo se tiene lo siguiente: El punto de control #4, en el segundo cuarto se tiene un flujo observado en la pista 1 de 77 veh/hr., en pista 2 de 94 veh/hr., lo que da un porcentaje de 45,02% y 55,98% de uso respectivamente. El flujo simulado en la pista 1 fue de 88 veh/hr., en la pista 2 de 108 veh/hr, lo que da un porcentaje de 44,90% y 55,1% de uso respectivamente. Si se analiza estos resultados se ve que el error por porcentaje de uso de pistas es prácticamente nulo. Si se hace este análisis para todos los puntos de control, se encuentra un error en porcentaje de uso de pistas de un 4,59%. Tabla 5.16: Errores promedios alcanzados en valor absoluto para el uso de pistas representado como porcentaje. ERROR USO DE PISTAS (en %) 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
10.47%
12.68%
6.76%
6.28%
2.50%
3.02%
12.36%
11.94%
8.25%
PC2
2.75%
3.89%
5.21%
6.94%
5.80%
8.01%
1.59%
2.47%
4.58%
PC3
3.92%
3.83%
0.43%
0.37%
5.21%
4.82%
1.21%
1.12%
2.61%
PC4
5.99%
4.61%
0.29%
0.24%
2.06%
1.78%
4.29%
3.90%
2.89%
ERROR USO DE PISTAS
4.59%
78 Figura 5.3: Gráfico evolución error uso de pistas en valor absoluto durante la calibración. EVOLUCION DEL ERROR USO DE PISTAS EN VALOR ABSOLUTO 50% 45% . 40%
35% 30% O I D E 25% M O R P 20% R O R 15% R E %10% 5% 0% 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# SIMULACION
ERROR USO DE PISTAS
El gráfico de la figura 5.3 representa la evolución del error uso de pistas producido durante la calibración, el eje de las abscisa representa el número de la “simulación”, el valor 0 corresponde a la simulación con los parámetros por defecto. b) Velocidades por Pistas.
El error obtenido para la variable velocidades por pista, tiene un comportamiento diferente al error uso de pistas. En primer lugar el error alcanzado con los parámetros por defecto alcanzó un 11,64% que representa un valor moderado – aceptable lo que permite conocer “a priori” el buen ajuste que producen los parámetros que influencian la velocidad por pista que son Speed Acceptance, Maximum Desired Speed y el Reaction Time. En segundo lugar, el error alcanzado con los parámetros propuestos por Lacalle fue de un 16,68% lo que
79 claramente deja de manifiesto que los parámetros más acordes a la ciudad de Concepción son aquellos valores mas ajustados a los valores por defecto. Análogamente al análisis realizado con la variable uso de pistas, a continuación la tabla 5.17 muestra los errores en valor absoluto, separadas por punto de control e intervalo de tiempo. Tabla 5.17: Tabla de Errores Promedios en valor absoluto para las velocidades por pistas una vez terminado el proceso de calibración. ERROR VELOCIDADES POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
1.16%
4.75%
9.72%
3.92%
4.81%
13.01%
3.64%
12.19%
6.65%
PC2
3.42%
8.26%
0.43%
10.27%
5.69%
13.50%
2.35%
3.77%
5.96%
PC3
3.44%
0.41%
0.95%
1.99%
2.47%
1.95%
1.18%
0.15%
1.57%
PC4
15.49%
6.52%
22.18%
9.17%
20.06%
6.86%
21.12%
5.87%
13.41%
ERROR VELOCIDADES POR PISTAS 6.90% Comparando la tabla anterior con la tabla 5.3 que muestra el error con los parámetros por defecto, se puede ver claramente una mejora notable en el ajuste de las velocidades en cada punto de control, excepto en el punto de control 4, diferencia se explica en el párrafo siguiente. Si se compara para cada uno de los puntos de control se encuentran los siguientes resultados; PC1 disminución del error en un 15,18%; PC2 disminución del error en un 5,48%; PC3 disminución del error en 5,09%; PC4 aumento del error en 6,78%. El mejor ajuste se produjo en el punto de control ubicado frente a la Universidad Católica de la Santísima Concepción; esta mejora está enmarcada por lo indicado en la sección 5.1.1 en donde se muestran los errores por defecto. Este punto de control es el que arroja mayor error con los parámetros por defecto, producto de la reducción de velocidad “no definida” debido a la curva peligrosa y reducción de ancho de pista aguas abajo. La dificultad de modelación obligó a disminuir el parámetro Speed Limit per Lane, para simular la condición de reducción de velocidad, cuestión que resolvió en gran medida el error
80 obtenido en la etapa de análisis con los parámetros por defecto. La reducción se hizo considerando una máxima velocidad permitida de 70 KPH en el ingreso de los vehículos a la avenida de estudio. Por otro lado, los puntos de control PC2 y PC3 mejoran satisfactoriamente los porcentajes de error alcanzados. Sin embargo, el punto de control ubicado sobre el paso sobre nivel de Av. Camilo Henríquez, aumenta el error. Esta situación es sin duda aclarada, ya que, aguas abajo del punto de control, está ubicada la rotonda Bonilla (aprox. 200 m) y además existe una pendiente que hace que el conductor, que se entiende conocedor de la avenida, frente a este punto reduciendo la velocidad. No obstante, a pesar del incremento del error para este punto de control, existe una mejora global de un 11,64% a un 6,9%, el cual se privilegió para toma de decisión, más que este punto en particular. Por otro lado, si se compara para cada una de las categorías presentes, es decir, vehículos livianos, camiones simples 2 ejes y camiones + 2 ejes, en relación a las diferencias de error obtenidas, se encuentran los resultados de la tabla 5.18: Tabla 5.18: Errores Velocidades por Pista separados por categoría encontrados con parámetros con defecto, Lacalle y finalizada la calibración.
Categoría Vehículo
Error Parámetros
Error Parámetros
Error Parámetros
por Defecto
Lacalle
Calibrados
Vehículos Livianos
13,00%
18,95%
8,4%
Camiones Simples
11,95%
11,14%
7,9%
Camiones + 2 ejes
8,86%
10,81%
9,2%
11,64%
16,68%
6,9%
Totales
La figura 5.4, al igual que en la variable uso de pistas, muestra la evolución del error en valor absoluto de la variable en análisis. Como se aprecia, en la primera iteración muestra un leve aumento producto de los cambios en los parámetros relacionados con las características dimensionales y de aceleración de los vehículos livianos. Luego modificando a los parámetros propuestos por Lacalle, el cual modifica los parámetros
81 Speed Acceptance, Maximum Desired Speed, Reaction Time, entre otros, el error
velocidades por pista alcanza si máximo valor encontrado. Si se compara los parámetros por defecto y los propuestos por Lacalle (2003), existe una disminución de la aceptación de la velocidad, un aumento en la máxima velocidad deseada por los conductores y un menor tiempo de reacción. Esta situación permite establecer que los valores para las siguientes iteraciones deben estar más cercanos a los parámetros por defecto. Figura 5.4: Gráfico evolución Velocidades por pistas en valor absoluto durante la calibración. EVOLUCION DEL ERROR VELOCIDAD POR PISTAS EN VALOR ABSOLUTO 30%
. 25%
20% O I D E 15% M O R P R O10% R R E % 5%
0% 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# SIMULACION
ERROR VELOCIDADES
c) Headways por Pistas
La última variable a analizar son los Headways por Pistas. Esta variable no está desarrollada en forma explícita en ninguna de las etapas de calibración, el comportamiento de esta variable, ayuda a validar la calibración realizada.
82 El error con los parámetros por defecto, alcanzaron el valor más alto entre las variables de contraste, llegando a un 61,03%. Una vez terminada la calibración el error logrado corresponde a un 10,43%, lo cual es totalmente aceptable. Cabe señalar que el error logrado con los parámetros de Lacalle fue de un 10,71%. (Ver tabla 5.19) Tabla 5.19: Errores promedios alcanzados en valor absoluto para los headway por pista una vez terminado el proceso de calibración. ERROR HEADWAY POR PISTAS 0 - 15 15 - 30 30 - 45 P1 P2 P1 P2 P1 P2
45 - 60 P1 P2
ERROR PROM.
PC1
8.54%
21.55%
8.51%
1.95%
22.03%
2.79%
15.38%
17.10%
12.23%
PC2
14.21%
13.80%
1.08%
13.60%
9.32%
1.32%
0.52%
5.83%
7.46%
PC3
4.30%
14.51%
3.99%
9.29%
14.69%
15.41%
7.61%
15.23%
10.63%
PC4
16.00%
8.86%
18.81%
15.53%
12.87%
1.25%
5.70%
12.27%
11.41%
ERROR HEADWAY POR PISTAS 10.43% Al comparar la tabla 5.19 con la tabla 5.4 se puede ver una reducción considerable en cada uno de los puntos de control, en especial el punto ubicado en el paso sobre nivel de Av. Camilo Henríquez, el cual reduce desde un 114,33% a un 11,41%. La situación anterior se debe al exceso de flujo simulado en la pista 1, en donde los headways se reducen considerablemente. La situación contraria se aprecia en la pista 2 el cual el flujo simulado alcanza niveles bajísimos teniendo un headways promedio de 27,02 segundos, siendo el observado 9,76 segundos. La Figura 5.5 muestra la evolución del error en esta variable a lo largo del Proceso de Calibración. Al igual que lo que sucedió con el Uso de Pistas, los headways por Pistas van disminuyendo el valor de su error promedio de manera constante y sólo en pocas ocasiones se producen pequeños ascensos del valor, lo cual muestra la efectividad y estabilidad en el proceso de calibración.
83 Figura 5.5: Gráfico evolución error headways por pistas en valor absoluto durante la calibración. EVOLUCION DEL ERROR HEADWAY POR PISTAS EN VALOR ABSOLUTO 65% 60%
. 55% 50% 45% 40%
O I D 35% E M O30% R P 25% R O20% R R E 15% % 10% 5% 0% 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# SIMULACION ERROR HEADWAY
d) Función Objetivo Global.
Al igual que en la tesis de Lacalle, se evaluó el proceso de calibración desde una perspectiva más global, el cual une las tres variables analizadas anteriormente. La función objetivo propuesta en la metodología de Lacalle, corresponde a un a combinación lineal del error uso de pistas, de las velocidades por pista y de los headways por pistas, todos ellos multiplicados por un parámetro θ que determina el peso o importancia de cada variable. La función objetivo es la siguiente: Error Total = θ 1Error Uso Pistas + θ 2Error Velocidades + θ 3Error Headways
(5.1)
84 Los valores de θ 1 , θ 2 , θ 3 son 0.45, 0.35, 0.2 respectivamente. Estos valores fueron elegidos basándose en el juicio de las personas encargadas en la investigación de Lacalle (2003). De modo de aclarar la determinación de estos valores, se consideró que la variable uso de pista es la más importante ya que el flujo que viaja por cada pista determina de manera importante el comportamiento general de la autopista. Sobre todo es crítico el volumen de la pista 1, ya que permite o dificulta el ingreso de otros vehículos a la autopista, y por esto se le asignó un peso de 0,45. La variable velocidades por pista también se consideró de importancia ya que al igual que la variable anterior permite o dificulta la entrada de vehículos. Si la velocidad de circulación es más lenta por la pista 1 se tiene más facilidad para ingresar a la autopista, pero claramente tiene una influencia menor que la del flujo por pista, debido a esto se optó por considerar el peso de esta variable igual a 0,35. Por último se determinó que la variable menos importante relativamente hablando son los headways por pista y por esto se les asignó un peso igual a 0,20. Como se puede ver de la Figura 5.6, la cual muestra la evolución del error alcanzado para la función global durante el proceso de presenta un buen comportamiento al mirarlo desde una perspectiva más global juntando los errores de las diferentes variables en un solo indicador. Esto es notable, si se compara los valores alcanzados con los parámetros por defecto, ya que con estos parámetros el error global llegaba a un 37,49% en comparación con el error global encontrado luego del Proceso de Calibración que sólo llega a un 7,67%.
85 Figura 5.6: Grafico evolución error Función Objetivo Global en valor absoluto durante la calibración. EVOLUCION DEL ERROR FUNCION OBJETIVO EN VALOR ABSOLUTO 40%
35% . 30%
25% O I D E 20% M O R P 15% R O R R 10% E % 5%
0% 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# SIMULACION ERROR GLOBAL
Para finalizar el análisis y a modo de resumen, al igual que en la tesis de Lacalle, la Figura 5.7 muestra un resumen de los errores obtenidos en forma agregada para cada una de las variables.
86 Figura 5.7: Comparación final de errores entre modelos calibrados y no calibrados para cada una de las variables de contraste. COMPARACION DE ERRORES MODELOS CALIBRADOS V/S NO CALIBRADO
61.03% 60%
. 50%
40%
O I D E M30% O R P R O20% R R E %10%
47.13%
37.49%
16.68% 11.64%
10.82% 7.67%
6.32% 7.04%
6.90%
10.71% 10.43%
0%
ERROR GLOBAL
ERROR USO DE
ERROR
PISTAS
VELOCIDADES
DEFECTO
LACALLE
ERROR HEADWAYS
CALIBRADOS
5.1.4.1. Parámetros Encontrados Terminada la Calibración
En la tabla 5.20 se muestran los parámetros finales obtenidos después de la calibración y la comparación entre los parámetros por defecto y parámetros propuestos por Lacalle para la ciudad de Santiago.
87
Valor por defecto Parámetro
Vehículos livianos
Camiones 2 Ejes
Camiones + 2 Ejes
Valor Lacalle (Santiago) (1)
Valor Calibrado (Concepción) ehículos livianos
Camiones 2 Ejes
Camiones + 2 Ejes
Speed limit Pista 1
70 ; 90
65
55 en zona de 70 KPH; 75 en Zona de 80 KPH
Speed limit Pista 2
70 ; 90
80
70 ; 90
Zone 1
15
LOCAL
LOCAL
Zone 2
5
LOCAL
LOCAL
% Overtake
0.9
0.99
0.99
% Recover
0.95
1
1
Reaction Time
0.75
0.65
0.85
Spedd Acceptance
(1 ; 0 ; 1 ; 1)
(1 ; 0 ; 1 ; 1)
Max. Desired Speed (100 ; 20 ; 80 ; 150) (80 ; 10 ; 70 ; 90) Maximun acceration
(2.8 ; 0 ; 2.8 ; 2.8)
Vehicle Length
(4 ; 0 ; 4 ; 4)
(1.15 ; 0.3 ; 0.8 ; 1.4)
(1.3 ; 0.2 ; 1 ; 1.6)
(1.1 ; 0.2 ; 0.85 ; 1.5)
(70 ; 40 ; 50 ; 110)
(115 ; 20 ; 95 ; 150)
(100 ; 20 ; 85 ; 150)
(1 ; 0.5 ; 0.6 ; 1.8) (0.5 ; 0.8 ; 0.4 ; 1.8) (7.5 ; 2 ; 6 ; 10)
(15 ; 2 ; 6 ; 20)
(2.72 ; 0.34 ; 2.13 ; 3.61) (2.72 ; 0.34 ; 2.13 ; 3.61) (4.32 ; 0.3 ; 3.73 ; 4.98)
(4.32 ; 0.3 ; 3.73 ; 4.98)
(1.1 ; 0.2 ; 0.8 ; 1.4) (1.1 ; 0.2 ; 0.8 ; 1.4) (80 ; 10 ; 70 ; 90)
(70 ; 40 ; 50 ; 110)
(1 ; 0.5 ; 0.6 ; 1.8)
(0.5 ; 0.8 ; 0.4 ; 1.8)
(7.5 ; 2 ; 6 ; 10)
(15 ; 2 ; 6 ; 20)
Tabla 5.20: Comparación de Parámetros Calibrados con los Parámetros por defecto y propuestos por Lacalle.
(1) La calibración realizada por Lacalle (2003) utilizó solamente vehículos livianos. (2) Parámetros determinados por Distribución Normal Truncada corresponden a (promedio, desviación, mínimo, máximo)
88 Los valores de los parámetros encontrados mediante el Proceso de Calibración en general no difieren de manera importante con los parámetros por defecto. Sin embargo, los resultados obtenidos con el grupo de parámetros calibrados, mejoran sustancialmente el comportamiento simulado de los automovilistas de Concepción. De la tabla 5.20, se puede aclarar que los valores de los parámetros Distance Zone 1 y Distance Zone 2 toman valores diferentes a lo largo de la autopista simulada. En primer lugar, analizando los parámetros que influencian el uso de pistas se encuentra que la reducción de velocidad para la pista 1, que al igual que en la calibración de Santiago, fue necesario penalizarla para simular una mejora en el uso de pista observado. Los valores encontrados para los parámetros Distance Zone 1 y Distance Zone 2, corresponden a valores totalmente diferentes a los entregados por defecto, ya que el modelo por defecto
88 Los valores de los parámetros encontrados mediante el Proceso de Calibración en general no difieren de manera importante con los parámetros por defecto. Sin embargo, los resultados obtenidos con el grupo de parámetros calibrados, mejoran sustancialmente el comportamiento simulado de los automovilistas de Concepción. De la tabla 5.20, se puede aclarar que los valores de los parámetros Distance Zone 1 y Distance Zone 2 toman valores diferentes a lo largo de la autopista simulada. En primer lugar, analizando los parámetros que influencian el uso de pistas se encuentra que la reducción de velocidad para la pista 1, que al igual que en la calibración de Santiago, fue necesario penalizarla para simular una mejora en el uso de pista observado. Los valores encontrados para los parámetros Distance Zone 1 y Distance Zone 2, corresponden a valores totalmente diferentes a los entregados por defecto, ya que el modelo por defecto entrega valores iguales en cada una de las secciones para ambos parámetros. Los parámetros %Overtake y %Recover mantienen los valores propuestos por Lacalle y son bastantes más altos que los por defecto, lo cual se debe a que valores más altos de estos parámetros determinan un menor uso de la pista 1 y uno mayor en la pista 2. En segundo lugar, analizando los parámetros que influencian la velocidad por pistas, se ve que los parámetros Maximum Desired Speed y Speed Acceptance son mayores que los por defecto pero menores que los propuestos por Lacalle. Estos resultados llevan a la conclusión para el caso de Speed Acceptance, el conductor de Concepción tiene una mejor aceptación de los límites de velocidad que el conductor de Santiago, además un porcentaje de los conductores circula a menos velocidad que la permitida, situación contraria a lo ocurrido en la ciudad de Santiago. Para el caso Maximum Desired Speed , se observa un menor valor que para la ciudad de Santiago y muy próximos a los valores por defecto. Esto se debe principalmente a las características de una autopista y al manejo más conservador que los automovilistas locales. Otro parámetro que influencia las velocidades por pistas es el parámetro Reaction Time. Este es sin duda alguna uno de los más influyentes, ya que determina de forma importante los resultados obtenidos. El valor de 0,85 encontrado es muy superior al encontrado por Lacalle y mayor que el valor por defecto. Este valor indicaría que el conductor de la ciudad de Concepción tiene un comportamiento menos ágil
89 (menos atento) que el conductor de Santiago y que el valor por defecto. Esto se debe principalmente al menor flujo circulante en la avenida de estudio que en comparación al estudio realizado para la ciudad de Santiago y a la presencia de camiones en la avenida de estudio. Además se puede comparar que este parámetro para condiciones de flujo interrumpido llega a valores cercanos a 1. A modo de comentario, existes investigaciones internacionales que muestran un parámetro Reaction Time de 0,512, como es el caso de Minnesota, EE.UU. (Hourdakis, 2003) Los parámetros Vehicle Length y Maximum Acceleration fueron encontrados en la literatura según lo descrito en los capítulos anteriores, son lógicamente superiores a los entregados por defecto ya que presentan una distribución y no sólo un valor lo cual hace que la modelación sea mucho más realista.
5.2. Proceso de Validación Una simple definición del Proceso de Validación es corroborar los parámetros calibrados en una previa etapa, cambiando las condiciones de entrada o geométricas de un modelo de similares características. Las formas de validación que se utilizan en los distintos procesos de calibración y validación tienen 3 enfoques principales: i. Utilización de los mismos indicadores, pero otro período de modelación ii. Utilización de los mismos indicadores en una red diferente iii. Utilización de otros indicadores en la misma red y período Para el caso de este estudio, se decidió realizar la validación utilizando el mismo indicador, pero otro periodo de modelación. Esto debido a la dificultad de encontrar otra red que cumpliera los requisitos de flujo ininterrumpido y a la dificultad de toma y procesamiento de datos. Otras definiciones del proceso de Validación la establece Law, A y Kelton, W. (1991) y es responder a la pregunta si el proceso de calibración lleva a una representación válida del
90 sistema, o simplemente es representativa de los datos de entrada utilizados, con esto se puede ver claramente la importancia del proceso de validación, ya que permite afirmar los que los parámetros encontrados son extrapolables para la ciudad de Concepción para flujo ininterrunpido. Como se mencionó en los párrafos anteriores este proceso de realizó con datos encontrados para el mismo día de mediciones entre las 15:30 y 16:30 hrs. En el capítulo IV se muestran los valores obtenidos para las distintas variables de contraste en los puntos de control observados. Cabe señalar que durante la toma de datos solamente se pudo recoger la información de los puntos PC2 ubicado frente a Plásticos Coronel y PC4 en la intersección de Camilo Henríquez, debido a problemas durante la medición explicados anteriormente. Los resultados de la validación realizada se pueden observar en la Figura 5.8, la cual muestra los errores de cada una de las variables consideradas representativas del flujo en la autopista y también el resultado obtenido para la función global para la simulación con los parámetros por defecto, parámetros propuestos por Lacalle y parámetros encontrados con la calibración de la autopista Alonso de Ribera y J.M. García. Los resultados de la figura 5.8 muestran el buen ajuste logrado con los parámetros calibrados. Si hacemos se compara con los parámetros por defecto encontramos una reducción considerable para las variables de estudio, no obstante, la variable velocidades por pista es la que presenta una menor variación. Esto se debe a que los puntos de control analizados (PC2 y PC4) son los que tienen el mejor ajuste en la etapa de parámetros por defecto (esto se puede ver en la etapa de calibración), aun así modificando los parámetros a los calibrados existe una mejora en esta variable. Por otro lado, si se compara con los parámetros propuestos por Lacalle, existe un error mayor que con los parámetros calibrados, lo cual permite establecer el exitoso proceso de calibración para la Ciudad de Concepción.
91
Figura 5.8: Resultados de la Validación con los Parámetros por Defecto, Propuestos por Lacalle y Calibrados. COMPARACION DE ERRORES MODELOS CALIBRADOS V/S NO CALIBRADOS (ETAPA VALIDACION) 90%
87.41% . 80% 70% 60%
O I D 50% E M O40% R P R 30% O R R 20% E % 10%
52.64% 45.07%
13.66%
13.10%
8.11%
8.71%
12.74% 11.15% 9.96%
12.45% 7.84%
0%
ERROR GLOBAL
ERROR USO DE
ERROR
PISTAS
VELOCIDADES
DEFECTO
LACALLE
ERROR HEADWAY
CALIBRADOS
Como resumen se puede decir que se ha demostrado que los valores de los parámetros encontrados mediante el Proceso de Calibración son válidos y establecen una representación válida del sistema y además permiten su uso para futuras simulaciones de la realidad de las autopistas en la ciudad de Concepción y tal ves de las demás regiones del país.
92
CAPITULO 6: CONCLUSIONES Las principales conclusiones son las siguientes: a) El proceso de Calibración propuesto por Lacalle, demostró ser eficiente en términos del error alcanzado, además de fácil comprensión y rápidos resultados, ya que se necesitaron solamente 18 iteraciones para lograr el objetivo. b) Los valores encontrados para los parámetros más influyentes para el caso de flujo ininterrumpido son buenos, debido al que el error obtenido alcanza valores menores al 10%, lo que indica un rango aceptable dentro de la metodología de calibración propuesta por Lacalle, alcanzando un valor comparable con otros estudios. Por lo tanto, estos parámetros representan las condiciones de simulación microscópica para la Ciudad de Concepción. c) Se confirma lo indicado en otros estudios (Lacalle, 2003; Velasco, 2004) que los valores de los parámetros por defecto de GETRAM no se ajustan a la realidad chilena, y producen errores que pueden conducir a la mala elección de alternativas de diseños viales. d) Los valores propuestos por Lacalle, no son aplicables para situaciones de flujo ininterrumpido para la Ciudad de Concepción, en especial los parámetros que influyen en las velocidades por pista, como son “Reaction Time”, “Maximum Desired Speed” y “Speed Acceptance”, debido a que presentan un error de 16,68%
en comparación al error con los parámetros calibrados de un 6,9%, además presentan un error sobre un 10% para el error global. e) Las metodologías escogidas para la toma y análisis de los datos fueron las adecuadas, ya que de una manera sencilla se lograron buenos resultados. No obstante, esta etapa es fundamental para el exitoso desarrollo del proceso de calibración, lo que involucra mucha preocupación y dedicación.
93 f) El sistema de video grabaciones fue un recurso muy útil, ya que permitió corroborar algunas mediciones hechas manualmente y revisar una y otra vez dudas que se presentaron en la etapa de análisis de los datos. g) La verificación de Capacidad de la vía, demostró entregar valores comparables con el Manual de Capacidad de Carreteras, encontrando un valor promedio de 1.900 veh/hr/pista, valor representativo para el tipo de autopista. h) Tal como lo exponen diferentes autores, no es necesario calibrar todos los parámetros de un modelo, sino sólo los más influyentes en la simulación, de lo que se abstrae que algunos parámetros son irrelevantes, y el costo que tiene su calibración es injustificado. i) El valor del parámetro “Reaction Time”, “Maximum Desired Speed” y “Speed Acceptance”, difieren de los valores encontrados por Lacalle (2003), debido a que
los conductores de regiones tiene un comportamiento más conservador y menos ágil (menos atento, reaccionan más lento frente a los cambios de velocidad del vehículo anterior) que el conductor de Santiago.
94
BIBLIOGRAFIA AYESA S.A. 2003. Proyecto de Remodelación del Enlace entre la M-30, Estudio de tráfico. [en línea]. Madrid, España. < www.madridcamina.org/grupostrabajo/m-30/ proyectos/la%20paloma/la%20paloma-estudio%20trafico.pdf> AYUNTAMIENTO DE MADRID. 2003. Plan Especial Recoletos – Prado. Microsimulación
del
área
de
estudio.
[en
línea].
Madrid,
España.
BARCELÓ, J. Aimsun Microscopic Traffic Simulation: A Tool for the analysis and assessment of ITS systems [en linea]. This paper will appear in Journal of Intelligent and Robotic Systems, Theory and Applications. . CAL Y MAYOR, R. y CARDENAS, J. 1994. Ingeniaría de Transito, Fundamentos y Aplicaciones. 7a ed. México, Alfaomega. 511p ESPINOSA C., 2004. Calibración de parámetros de Transporte Público en tráfico mixto para modelos micro: Getram en Santiago, Tesis de Magíster en Ciencias de la Ingeniería. Santiago, Pontificia Universidad Católica de Chile, Escuela de Ingeniería. 106p. GIPPS, P. 1981. A Behavioural Car-Following Model For A Computer Simulation, Transp. Res. Vol. 15B, pp. 105-111 GIPPS, P. 1986. A Model for Structure of Lane Changing Decisions, Transp. Res. Vol. 20B, pp. 403-414 HOURDAKIS, J., MICHALOPOULOS, P., KOTTOMMANNIL, J. A practical procedure for calibrating microscopic traffic simulation models [en línea]. Submitted for presentation
95 and
publication
Transport
Research
Board
2003
Annual
Meeting.
JAYAKRISHNAN R., JUN-SEOK OH, ABD-EL KADER SAHRAOUI. 2000. Calibration and Path Dynamics Issues in Microscopic Simulation for Advanced Traffic Management Information Systems. [En línea]. Institute of Transportation Studies. University of California. Irving. USA. < www.its.uci.edu/its/publications/pape www.its.uci.edu/its/publications/papers/WP-00-22.pdf> rs/WP-00-22.pdf> LACALLE M., 2003. Calibración del Microsimulador Aimsun para flujo ininterrumpido en la ciudad de Santiago. Tesis de Magíster en Ciencias de la Ingeniería. Santiago, Pontificia Universidad Católica de Chile, Escuela de Ingeniería. 130p. LAW, A. AND KELTON W. 1991. Simulation Modeling & Analysis, Second Edition, Mc Graw Hill. LIEBERMAN E. Y RATHI A. K. 1997. Traffic Simulation. Chapter 10: “Traffic Flow Theory: A state-of-the-art report” TRB, de Gartner, et al. ROJAS D., 2003. Determinación experimental de ciclos de conducción” Memoria para optar al Título de Ingeniero Civil Mecánico. Universidad de Chile, Santiago, Chile. SIEGEL, J. 2003. Modelos de Microsimulación, Parte I. [Apunte de clases]. Curso Modelos de Tráfico Avanzado, Pontificia Universidad Católica de Chile. 9 de Septiembre 2003. 25 diapositivas. SIEGEL, J. 2003. Modelos de Microsimulación, Parte II. [Apunte de clases]. Curso Modelos de Tráfico Avanzado, Pontificia Universidad Católica de Chile. 11 de Septiembre de 2003. 26 diapositivas. TRAFFIC ENGINEERING. 1998. Por William R. McShane “et al”. 2da ed. New Jersey. 714p.
96 TRANSPORTATION RESEARCH BOARD. 1985. Highway Capacity Manual. Special Report 209. National Research Council. Washington D.C. TSS Transport Simulation Systems. 2004. AIMSUN Version 4.2 User’s Manual, February 2004. 285p. TSS Transport Simulation Systems. 2004 TEDI Version 4.2 User’s Manual, February 2004. 154p. UNIVERSITY OF LEEDS, INSTITUTE FOR TRANSPORTATION STUDIES. 1999. Smartest
Project
Deliverable
3,
SMARTEST
Project
[en
línea].
. UNIVERSITY OF LEEDS, INSTITUTE FOR TRANSPORTATION STUDIES. 1999. Smartest
Project
Deliverable
9,
SMARTEST
Project
[en
linea].
. VARGAS, S. 2001. Ingeniería Vial I. [apunte de clases]. Universidad del Bio Bio, Concepción, Chile. VELASCO L.M., 2004. Calibración de parámetros básicos vehiculares para flujo interrumpido en modelos de simulación microscópica: Getram en Santiago. Tesis de Magíster en Ciencias de la Ingeniería. Santiago, Pontificia Universidad Católica de Chile, Escuela de Ingeniería. 154p.
97
ANEXOS Anexo A: Verificación de Capacidad Vial. El proceso de ajuste y la validación de los valores de los parámetros obtenidos para flujo ininterrumpido en la ciudad de Concepción, permiten concluir que estos conllevan a una representación valida del sistema en estudio y no solo de los datos utilizados en el Proceso de Calibración. De modo de complementar los resultados obtenidos durante el proceso de calibración y validación, se incluyó la verificación de la Capacidad de la vía como segmento básico de autopista. Se debe señalar que los cálculos corresponden a una verificación simple de la capacidad. No se considera la verificación de Capacidad en ramales ni en áreas de trenzado.
A1.1 Conceptos Generales La definición de Capacidad más empleada en la actualidad, y que aparece en el “Manual de Capacidad para Carreteras HCM-2000”, (Transportation Research Board, 2000, p. 5-2) es como sigue: “Capacidad es el máximo número de Peatones o vehículos que de manera razonable se pueda esperar pasen por un punto o tramo uniforme de una pista o calzada durante un período de tiempo dado, en condiciones imperantes o prevalecientes de vía, tránsito y control”. La capacidad se puede referir no solamente a vehículos, sino también a peatones, bien sean peatones, pasajeros o conductores. No es un valor instantáneo e inesperado, sino algo así como el volumen máximo promedio esperado durante un período de tiempo que es generalmente de 15 minutos. Tampoco es el volumen máximo posible en condiciones dadas, sino el que corresponde a las condiciones imperantes que suelen ser las normales.
98
A1.2 Simulación de Capacidad Máxima Para obtener la capacidad entregada por el simulador, se realizó una serie de iteraciones, aumentado gradualmente el flujo de entrada en las proporciones encontradas en el periodo de medición, para cada una de las categorías presentes en la Avenida Alonso de Ribera (Vehículos livianos, Camiones 2 Ejes, Camiones más de 2 Ejes). Los resultados se muestran en la Figura A.1. Figura A.1: Verificación de la Capacidad Segmento básico. CAPACIDAD SEGMENTO BASICO 4500 .
4000 3500 ] r h / h 3000 e v [
O2500 D A L U2000 M I S L 1500 A T O T 1000 O J U L 500 F
0 0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
FLUJO ENTRADA TOTAL [veh/hr] MAX VHE PISTA 1
MAX VHE PISTA 2
MAX VHE TOTAL
De la figura A.1, se puede obtener que la capacidad máxima simulada por AIMSUN para flujo ininterrumpido, considerando la avenida como segmento básico de autopista es de 3.800 veh/hr en ambas pistas, 1.956 veh/hr/pista para la pista número 2 y 1.844 veh/hr/pista para la pista número 1. Si consideramos el análisis por pista, se puede decir que la
99 capacidad de la vía obtenida mediante la microsimulación y utilizando los valores de los parámetros encontrados es de 1.900 veh/hr/pista (promedio ambas pistas).
A1.3 Cálculo de la Capacidad según HCM-1985 Los segmentos básicos de las autopistas, son secciones de dos o más pistas por sentido con control total de accesos, que no son afectados ni por los movimientos de convergencia o divergencia en rampas de acceso cercanas ni por los movimientos de trenzado. Existen un conjunto de condiciones ideales, las cuales permiten obtener la capacidad ideal de la vía de estudio. Cualquier condición prevaleciente (real) que difiera de la ideal, ocasionará cambios en la capacidad y los niveles de servicio. Las condiciones ideales son: •
Pistas de anchura mínima de 3,6 m.
•
Distancias Laterales libres de obstáculos de 1,8 m como mínimo desde el borde exterior de la pista.
•
Circulación compuesto solamente por vehículos livianos.
•
El conductor característico es el de un día laborable.
Si las condiciones prevalecientes difieren de las ideales se observa una reducción de la capacidad real de la vía. Los factores que afectan a las condiciones ideales son: Ancho de pista y obstáculos laterales:
Si el ancho de pista es menor a 3.6 m, los
conductores se ven forzados a viajar guardando entre ellos una distancia lateral inferior a la deseada. Los conductores tienden a compensar esta situación manteniendo mayores espaciamientos entre los vehículos de la misma pista. La misma situación ocurre cuando se presentan obstáculos cercanos al borde de la calzada. Velocidad de Proyecto Reducida: Si
las condiciones de velocidad de proyecto son menores
a 112 Km/hr, hacen que los trazados sean más restrictivos, lo cual el conductor requiere una mayor atención.
100 Camiones, Autobuses y Vehículos recreativos: La presencia de otros vehículos diferentes a
los vehículos livianos afecta al flujo de dos maneras: ocupan más espacio en la pista y presentan características de operación (aceleración, desaceleración, etc.) generalmente inferiores a la de los vehículos livianos. Características de la Población de los conductores: Cualquier
tipo de conductor que no
viaje habitualmente en días laborales, no presentan las mismas características, es decir, operan con mucha menor eficiencia. La Capacidad, bajo condiciones prevalecientes, representa el flujo de servicio máximo a nivel E, el cual se define cuando la velocidad de todos los vehículos se ve reducida a un valor bajo, bastante uniforme y la libertad de maniobra para circular es extremadamente difícil es decir, la circulación es normalmente inestable. Cuando se produce ésta condición la relación v/c es igual a 1. Por lo tanto la capacidad del segmento de la autopista se calcula como:
c = FS s = c j (v / c ) E ( N )( f A )( f VP )( f C )
(A.1)
donde: c j: Capacidad por pista en condiciones ideales. 2000 veh/hr/pista para velocidades de
proyecto de 97 Km/hr y 112 Km/hr. (v/c) E : Máxima relación volumen/capacidad asociada al nivel de servicio E =1 N: Número de pistas. f A: Factor de ajuste por efecto de restricciones en el ancho de pista y distancia de obstáculos
laterales. (Tabla 3-2 HCM-1985) f vp: Factor de ajuste por presencia de vehículos pesados. f c: Factor de ajuste por tipo de conductores. (Tabla 3-10 HCM-1985)
El factor de ajuste de vehículos pesados se define como:
101 f VP =
1 1 + P C ( E C − 1) + P R ( E R − 1)
(A.2)
donde: P c: Porcentaje de Camiones y Buses P r: Porcentaje de Vehículos recreacionales E c: Automóviles equivalentes a un camión (Tablas 3-3, 3-4, 3-5 y 3-6 HCM-1985) E R: Automóviles equivalentes un vehículo recreativo (Tablas 3-3 y 3-7)
De las formulas anteriores y las tablas indicadas podemos calcular los factores de ajuste y determinar la capacidad bajo condiciones prevalecientes según el HCM-1985. Los datos entregados en el Capítulo 4 sección 4.4.1, muestran la existencia de un 21,5% del total del flujo para la categoría camiones 2 ejes y camiones más de 2 ejes, entonces EC=0.215. Además se establece que no existen vehículos recreacionales presentes en la Avenida Alonso de Ribera por lo tanto el valor ER =0. f A = 0.99 f VP =
1 = 0.903 1 + 0.215(1.5 − 1) f C = 1.00
Introduciendo los factores en la formula (A.1) se tiene: c = FS s = 2000(1)(2)(0.99)(0.903)(1) = 3.576 veh / hr
Por lo tanto, se puede obtener que la Capacidad de la vía corresponde a 1.788 veh/hr/pista según el Highway Capacity Manual (1985).