UNIVERSIDAD DE PIURA

FACULTAD DE INGENIERÍA
PROGRAMA ACADÉMICO DE INGENIERÍA CIVIL

METODO DEL OBSERVADOR MOVIL

CURSO : Caminos y Transportes (CAT)

PROFESOR : Jorge Timana

INTEGRANTES : Chumacero Dominguez, Sergio

Cordova Gomez, Eleyser
Sernaque Romero, Thais
Torres Barrios, Jenny

CICLO : VII

Piura, 11 de septiembre de 2017

1
Contenido
Antecedentes ................................................................................................................................ 3
Introducción .................................................................................................................................. 6
Objetivos ....................................................................................................................................... 6
Marco teórico ................................................................................................................................ 7
Tránsito vehicular ...................................................................................................................... 7
Congestión vehicular ................................................................................................................. 7
Conceptos fundamentales ........................................................................................................ 7
Modelos de Tráfico Vehicular ................................................................................................... 8
Capacidad y niveles de servicio ............................................................................................... 10
Ondas de choque .................................................................................................................... 10
Medición de variables de tránsito........................................................................................... 10
Área de estudio ........................................................................................................................... 11
Metodología ................................................................................................................................ 15
Análisis......................................................................................................................................... 16
Construcción del modelo lineal .............................................................................................. 16
Descripción de la composición del flujo vehicular .................................................................. 24
Descripción de características de velocidad operativa ........................................................... 24
Influencia de intersecciones, con o sin semáforos, en la congestión ..................................... 24
Nivel de servicio de los datos obtenidos ................................................................................. 26
Conclusiones ............................................................................................................................... 27
Recomendaciones ....................................................................................................................... 27
Anexos ......................................................................................................................................... 29

2
Antecedentes
 La superficie de las pistas estaban deterioradas antes del Fenómeno de El Niño
Costero del 2017 y después de este aumentaron su mal estado. Esto hace que los
vehículos tengan mayor dificultad en su desplazamiento.

Figura 1, Estado de las pistas en Piura después del FEN Costero

 Con la construcción del segundo intercambio vial Piura- Paita- Sullana, Piura en
el 2016 se puso a la vanguardia al contar con esta moderna infraestructura. Esta
obra beneficio a más de 500 mil pobladores.

Figura 2, Intercambio vial Piura-Paita-Sullana

3
 En el 2016 declararon en emergencia el trasporte en la ciudad de Piura con uno de
los objetivos de reducir la informalidad, actualizar el plan regulador de rutas,
acabar con la contaminación auditiva, erradicar a los terminales terrestres con
ubicación en el centro de la ciudad y la creación de la gerencia de Trasportes
Urbano.

 La ciudad de Piura la problemática del transporte urbano se caracteriza

principalmente por el caos y el desorden que originan los distintos tipos de
vehículos de transporte como: Taxis, combis, moto lineales y moto taxis. Las
autoridades tratan de solucionar esta problemática y una de los puntos que se
resisten son los transportistas que tratan de incumplir con el sistema vial.

 En el 2017 se inició la construcción de la moderna infraestructura de 3.473 km en

la Av. Sánchez Cerro con un costo de 78 millones de soles con un beneficio para
45ª mil habitantes. Esta obra contribuirá a la recuperación del hábitat, mediante la
siembra de especies arbóreas nativas y plantas exóticas favorables. Así, como al
aporte en el sistema vial de la ciudad, puesto que es una avenida muy importante
para la ciudad.

Figura 3, Diseño de la nueva construcción en la Av. Sánchez Cerro

4
 La Av. Grau cuenta con mal estado su pista, producto de la acumulación de agua
en el FEN Costero, esto también pasa en la intersección con la Av. Vice y la Av.
Gullman, en ambas puntos cuentan con semáforo.

Figura 4, Intersección entre la Av. Grau y Av. Vice

Figura 5, Intersección entre la Av. Grau y Av. Gullman

5
Introducción
Conectar a las ciudades externa e internamente es un desafío que la ingeniería siempre
supera, en especial en el Perú se ha invertido para conectar la costa, la sierra, la selva y
hasta conectar países como lo es la carretera asfaltada de la Interoceánica. Ha medida que
se conecta a las ciudades también se reporta accidentes los cuales reflejan un grave
problema para el diseñador. La seguridad vial siempre es un tema muy importante y
preocupante para la ingeniería. Puesto que los accidentes de tránsito van en aumento.
La ingeniería en el sector transporte ofrece alternativas de solución con los estudios de
flujo vehicular para prevenir parámetros que ponen en riesgo el buen funcionamiento de
la infraestructura. El diseñador tiene que tener en cuento el flujo vehicular para que los
beneficiarios al usar parte del sistema no generen incomodidad y sobre todo ayude en el
comportamiento de la seguridad vial.
El presente trabajo tiene como objetivo fundamental analizar el comportamiento de flujo
vehicular mediante el método del “Observador Móvil”. El cual se basa en el conteo de
vehículos de diferentes características para obtener la relación de su velocidad y su
densidad, así como de su densidad y su flujo. Este estudio se realizó en la Av. Grau entre
la intercesión de la Av. Vice y la Av. Gullman empleando el modelo lineal de
Greenshields para analizar los datos.
Otro de los objetivos es identificar el nivel de servicio que perciben los conductores en
este tramo de la avenida, determinado por la congestión traducida en valores de densidad.
Así, como también las características del flujo vehicular.

Objetivos
 Determinar a través del método del observador móvil el flujo vehicular y
mediante esto hacer un análisis del volumen de tránsito que circula por la vía que
estamos analizando, sirviendo además para determinar tiempos y velocidades de
recorrido medias. Ya que esto constituye la fuente primaria de información para
distribuir y proyectar volúmenes de tránsito.

 Describir la composición del tránsito vehicular del tramo asignado mediante el

conteo de los vehículos tomando datos de mañana, tarde y noche, durante las horas
punta.

 Con los datos obtenidos relacionar las variables de flujo con los aspectos vistos
en campo y analizar los posibles factores que afectan el comportamiento en el
tránsito

6
Marco teórico
A través del análisis de los elementos de flujo vehicular se podrá entender las
características y el comportamiento del tránsito, requisitos básicos para el planteamiento,
proyecto y operación de carreteras, calles y sus obras complementarias dentro del sistema
de transporte. Para este análisis, es necesario tener en claro ciertos conceptos,
procedimientos y cálculos para poder entender mejor el desarrollo del trabajo.

Tránsito vehicular
El tránsito vehicular es el fenómeno causado por el flujo de vehículos en una vía, calle o
autopista. Antes de cualquier diseño geométrico de una vía se deben conocer las
características del tránsito que va a ocupar esa carretera o calle.

Congestión vehicular
La congestión vehicular o vial, se refiere a la condición de un flujo vehicular que se ve
saturado debido al exceso de demanda de las vías, produciendo incrementos en los
tiempos de viaje y congestionamiento. Este fenómeno se produce comúnmente en la hora
punta u horas pico, y resultan frustrantes para los automovilistas, ya que resultan en
pérdidas de tiempo y consumo excesivo de combustible.

Conceptos fundamentales
El flujo vehicular tienes 3 variables principales que representan sus características: el
flujo, la velocidad y la densidad.
Mediante la deducción de relaciones entre ellas, se puede determinar las características
de la corriente de tránsito, y así predecir las consecuencias de diferentes opciones de
operación o de proyecto. Estas variables pueden ser expresadas en términos de otras,
llamadas variables asociadas: el volumen, el intervalo, el espaciamiento, la distancia y el
tiempo.
Las tres características principales que se pueden explicar matemáticamente son:
 La velocidad
 El volumen o intensidad de tránsito.
 La densidad

Partiendo de: 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 ∗ 𝑡𝑖𝑒𝑚𝑝𝑜

Tomando en cuenta un grupo de vehículos que se mueven a Ve, se relacionan h y S de la
siguiente manera:
S = espaciamiento
Ve = velocidad media
h = tiempo

7
 𝑺 = 𝑽𝒆 ∗ 𝒉
1 1
=𝑉∗
𝐾 𝑞
Ecuación fundamental 𝒒 = 𝑲𝑽 (ecuación 1)

La ecuación fundamental representa una relacion tridimensional entre las 3 varianles del
flujo vehicular antes mencionadas:
 Si la velocidad aumenta, el espacio requerido puede aumentar, generando una
disminución en la densidad vehicular
 La variación del flujo dependerá de la magnitud relativa de los efectos opuestos.
 La variable mas fácil de medir es el flujo q, siguiéndole la velocidad y la densidad.
Por esta razón se considera la densidad k como la variable dependiente.

Modelos de Tráfico Vehicular

Macroscópicos

Describe el comportamiento general de un fenómeno del mundo. Las variables que se

estudian quedan en términos de promedio, por ejemplo, se observa que el promedio de
velocidad de los vehículos a cierta hora es de 20 km/h, no se detiene al observar que la
velocidad de cierto vehículo a esa hora fue 20 km/h. Podemos observar que para describir
un modelo macroscópico, debemos sustentarnos en los modelos microscópicos para
poder hallar los valores promedios de las variables.
Microscópicos

La simulación Microscópica es usada para estudiar la relación entre el comportamiento

microscópico y un fenómeno macroscópico, este modelo aplica para diferentes objetos
microscópicos (carros, animales, humanos), que determinan el comportamiento de ciertos
fenómenos macroscópicos, como por ejemplo el comportamiento del tráfico vehicular, el
comportamiento de una población basándose en el comportamiento de sus individuos
entre otras
Los modelos más conocidos son:
- Modelo de seguimiento vehicular
- Modelo lineal (elaborado por Greenshields)
- Modelos no lineales:
M. logarítmico
M. exponencial
M. de régimen simple
- Modelos estadísticos

8
El modelo que se usara será el modelo lineal de Greenshields:

- Tiene como base las 3 variables macroscópicas descritas en la ecuación

fundamental
- Representa linealmente la relación velocidad-densidad. Esta relación da lugar a
curvas parabólicas continuas para las relaciones velocidad - flujo y flujo –
densidad

Donde:
V: velocidad (km/hr)
K: densidad (veh/km/carril)
Vf: velocidad media espacial o flujo libre (km/hr)
Kj: densidad de congestión (veh/km/carril)

9
Capacidad y niveles de servicio
Los niveles de servicio se determinan por el nivel de congestion percibida por los
conductores tomada como valor de la densidad. En el siguiente cuadro se presetna la
relación entre los niveles de servicio (NDS) y condiciones de flujo.

Tabla 1 . Niveles de servicio en función de las densidades de flujo

Ondas de choque
Son un movimiento de propagación de un cambio de densidad y flujo. Define una
discontinuidad en las condiciones de densidad y flujo.
Ecuación de onda de choque:
𝑞𝐵 − 𝑞𝐴
𝑉𝑤 =
𝑘𝐵 − 𝑘𝐴
(Ecuación 2)

Medición de variables de tránsito

Método del observador móvil

Para realizar este método se necesita uno o más observadores que s emuevan en relación
al flujo que está siendo estudiado.

Pasos:
- Definir tramo de estudio, d

- Vehículos encontrados cuando el auto de prueba viaja en contra de la dirección

del tránsito estudiado, X

10
 - Vehículos que sobrepasaron al auto de prueba, viajando en la dirección del
tránsito, y1

- Vehículos sobrepasados por el auto de prueba, viajando en la dirección del

tránsito, y2

- Tiempo de viaje en la dirección estudiada, tf

- Tiempo de viaje en contra de la dirección estudiada, tc

Se asumen dos casos:

- Caso 1: se considera un observador estacionario y un corriente de trafico en
movimiento
𝑌1 = 𝑞 ∗ 𝑡 (Ecuación 3)

Y1: número de vehículos que pasan al observador en un tiempo t.

- Caso 2: se considera un observador en movimiento y un tráfico estacionario.

𝑌2 = 𝑘 ∗ 𝑉0 ∗ 𝑡 (Ecuación 4)

𝑉0: Velocidad del vehículo de prueba

𝑡: tiempo en que se recorre la distancia L.

Ecuaciones usadas según la dirección que se tiene:

Dirección a favor
𝑦 = 𝑦1 − 𝑦2 𝑦 = 𝑞 ∗ 𝑡𝑓 − 𝑘 ∗ 𝑣𝑓 ∗ 𝑡𝑓
(Ecuación 5) (Ecuación 6)

Dirección en contra
𝑦 = 𝑞 ∗ 𝑡𝑐 − 𝑘 ∗ 𝑣𝑐 ∗ 𝑡𝑐
(Ecuación 7)

Área de estudio
El tramo de estudio escogido fue la Av. Grau, entre Av. Gulman y Av. Vice.
La toma de datos se realizó en los siguientes días:
 El día viernes 01 de setiembre del año 2017 de 3:00pm a 6:00pm
 El día viernes 08 de setiembre del año 2017 de 7:30pm a 8:30pm
 El día sábado 09 de setiembre del año 2017 de 8:30am a 9:00am

11
Figura 6, Area de estudio Av. Grau en la intersección de Av. Vice y Av. Gullman

Figura 7, Medida del tramo seleccionado

12
 Se muestran las siguientes fotos tomadas del tramo de ida y venida : Av Grau entre
Av. Gullman a Av. Vice y el estado de las pistas. Donde se observa que las pistas de
ambos tramos estan deterioradas lo que dificultó el estudio que se realizó.

Figura 8, Esquina de donde empieza el tramo de ida y primera intersección

Figura 9, El tramo de ida

13
 Figura 10, Mal estado del tramo de ida

Figura 11, Esquina donde termina el tramo de ida

14
Metodología
El trabajo se desarrolló con la siguiente metodología, tomar los datos en los diferentes
horarios del día:
La primera reunión para la toma de datos se realizó el 1 de septiembre, a horas de las 3
de la tarde, comenzando el recorrido en la esquina de la parroquia del colegio San José
Obrero, antes del semáforo, dando unas 30 vueltas en el tramo.
Segunda reunión, se realizó un viernes 15 de septiembre en la noche, a las 7:30 pm, se
optó a esta hora para tener valores de la hora punta en el tramo escogido y así obtener
un flujo que se adapte a la vida cotidiana en la carretera a horas de la noche. Se realizó
10 vueltas.
Tercera reunión, se realizó un sábado 16 de septiembre en la mañana, a las 8:30,
realizándose 10 vueltas al tramo, se optó a esta hora para obtener valores cuando se pasa
de la hora punta y para tomar valores variados dado que en diferentes horarios el flujo
vehicular es distinto.
La modalidad en el recorrido del tramo es:
Inicio -> En la esquina de la parroquia del colegio San José Obrero, antes del semáforo,
Av Grau con Av. Vice.
Final -> En la esquina de Plaza de la Luna, sin pasar el semáforo, Av. Grau con Av.
Gullman.

15
Análisis

Construcción del modelo lineal

Resumen de los datos (q, v y K) obtenidos con los datos tomados en campo (ver
anexos). A partir de ellos se realizarán los cálculos.
 Resumen de datos de IDA- Sentido: Av. vice a Av. Gullman.

Dia Hora q (Veh/hr) V (km/hr) K (Veh/km)

779 31.57 25
1045 29.83 35
1375 23.91 57
904 20.91 43
3:00-4:00 948 26.31 36
01/09/2017
pm 693 30.46 23
858 19.62 44
818 24.70 33
1007 26.17 38
848 23.52 36
844 18.99 44
1365 23.52 58
1110 26.72 42
1274 21.29 60
4:00-5:00 1115 33.05 34
01/09/2017
pm 563 21.02 27
773 22.31 35
1009 24.96 40
956 23.59 41
1130 23.00 49
926 17.68 52
750 25.76 29
817 18.76 44
1144 24.40 47
5:00-6:00 671 17.87 38
01/09/2017
pm 751 20.76 36
735 19.81 37
991 19.25 51
639 18.73 34
843 21.95 38
905 20.48 44
809 24.24 33
1343 16.10 83
1095 21.37 51
7:30-8:30 1223 23.72 52
08/09/2017
pm 953 18.59 51
1110 18.54 60
1019 20.43 50
911 18.74 49
1139 22.33 51
713 29.15 24
8:00-9:00 611 15.83 39
09/09/2017
am 598 21.86 27
766 24.58 31

16
 656 22.01 30
832 25.07 33
906 18.68 48
769 19.51 39
787 17.54 45
766 25.70 30
Tabla 2, Datos q V vs K del tramo de ida- De Av. Vice a Av. Gullman

Con los valores hallados de velocidad y densidad hacemos un gráfico de dispersión y se

crea una línea de tendencia, pero nos damos cuenta que el coeficiente de correlación es
menor a 0.5(R<05), entonces nuestros datos no se ajustan al modelo lineal, ya que debe
ser R>0.5 para que se acerque a 1. Esto se debe a diversos factores como que el tráfico
presentó diversas dificultades, era un tráfico variable, inestable y algunas veces
congestionado, además de contar con unas pistas deterioradas con baches etc. que no
ayudaba a un buen estudio. El resultado es el siguiente:

V vs K
35.00

30.00

25.00
V (km/hr)

20.00

15.00 V vs K

10.00 Lineal (V vs K)

5.00 y = -0.1847x + 30.167

R² = 0.2779
0.00
0 20 40 60 80 100
K (Veh/km)

Gráfico 1. Relación lineal entre velocidad y densidad de flujo (no corregido)

Para solucionar este problema se desprecian algunos valores del tramo de ida para
obtener un mejor ajuste de tendencia lineal, se escogieron aquellos puntos que no afectan
dicha tendencia. Después de hacer la extracción de puntos, obtenemos que el factor de
ajuste es mayor a 0.5 (R>0.5), lo cual nos indica que estamos haciendo un buen ajuste
lineal con nuestros datos:

17
 V vs K
35.00

30.00

25.00
V (km/hr)

20.00

15.00 V vs K

10.00 Lineal (V vs K)

5.00 y = -0.2022x + 31.624

R² = 0.5084
0.00
0 20 40 60 80 100
K (Veh/km)

Gráfico 2. Relación lineal entre velocidad y densidad de flujo (corregido)

Del gráfico 2 se obtienen:

Vf (km/hr) Vf/kj Kj(veh/km) Qmax (veh/hr)
31.624 0.2022 156 1233
Tabla 2. Valores característicos de la ecuación lineal del Modelo de Greenshields para el tramo ida

o Se pueden construir el modelo completo utilizando la ecuación lineal entre

velocidad y densidad y la ecuación fundamental del flujo vehicular (ver en marco
teórico).

V vs K
35

30

25
V (km/hr)

20

15 V = 31.624 - 0.2022k
V vs k
10

0
0 50 100 150 200
k (veh/km)

Gráfico 3. Relación lineal entre velocidad y densidad de flujo para el tramo de ida.

18
De la gráfica 3 obtenemos que un promedio de la velocidad en condición de flujo libre
(FFS) es de 31.624 km/h, y su densidad de congestión o atascamiento es de 156.4
veh/km. Aunque no siempre se da esto, ya que en la realidad el FFS de un conductor
puede ser mayor al calculado, al igual con la densidad de atascamiento.
En la gráfica 3 determinamos que su flujo máximo o la capacidad del tramo es de
1236.5 veh/h.

q vs k
1400

1200 1237.704

1000
926.094 934.83
V (km/hr)

800

600 q=31.624k- 0.2022k2

400

200

0 0 17.472
0 20 40 60 80 100 120 140 160 180
k (veh/km)

Gráfico 4. Relación parabólica entre flujo y densidad para el tramo de ida

v vs q
35

30

25
v (veh/hr)

20
q=-4.945v2+156v
15

10

0
0 200 400 600 800 1000 1200 1400
q (veh/hr)

Gráfico 5. Relación parabólica entre velocidad y flujo para el tramo de ida

19
 Resumen de datos de VUELTA- Sentido: Av. Gullman a Av. Vice.

Dia Hora q (Veh/hr) V (km/hr) K (Veh/km)

636 22.27 29
907 34.93 26
1373 30.97 44
923 35.35 26
3:00-4:00 681 24.80 27
01/09/2017 890 30.08 30
pm
933 22.93 41
680 30.01 23
1056 30.19 35
1194 29.68 40
760 28.84 26
667 21.67 31
632 19.85 32
779 25.76 30
4:00-5:00 720 18.74 38
01/09/2017
pm 871 17.16 51
702 21.03 33
621 18.54 33
787 24.70 32
654 25.49 26
793 23.02 34
990 30.72 32
926 26.45 35
951 26.78 36
5:00-6:00 752 23.63 32
01/09/2017
pm 801 17.12 47
662 21.61 31
710 22.88 31
735 22.65 32
762 18.86 40
999 19.32 52
851 19.76 43
757 21.64 35
838 26.73 31
7:30-8:30 969 23.70 41
08/09/2017
pm 448 10.84 41
829 18.20 46
686 18.06 38
709 18.71 38
990 21.19 47
692 24.38 28
435 23.95 18
525 22.42 23
849 28.70 30
8:00-9:00 376 20.68 18
09/09/2017
am 531 26.01 20
520 26.85 19
376 23.15 16
813 32.04 25
569 20.44 28
Tabla 3, Datos q vs K del tramo de vuelta- De Av. Gullman a Av.Vice

20
Con los valores hallados de velocidad y densidad hacemos un gráfico de dispersión y se
crea una línea de tendencia, pero nos damos cuenta que el coeficiente de correlación es
menor a 0.5(R<05), entonces nuestros datos no se ajustan al modelo lineal, ya que debe
ser R>0.5 para que se acerque a 1. Esto se debe a diversos factores como que el tráfico
presentó diversas dificultades, era un tráfico variable, inestable y algunas veces
congestionado, además de contar con unas pistas deterioradas con baches etc. que no
ayudaba a un buen estudio. El resultado es el siguiente:

V vs K
40.00
35.00
30.00
25.00
V (km/hr)

20.00
V vs K
15.00
Lineal (V vs K)
10.00
5.00 y = -0.2495x + 32.053
R² = 0.1836
0.00
0 10 20 30 40 50 60
K (Veh/km)

Gráfico 6. Relación lineal entre velocidad y densidad de flujo (No corregido)

Para solucionar este problema se desprecian algunos valores del tramo de vuelta para
obtener un mejor ajuste de tendencia lineal, se escogieron aquellos puntos que no afectan
dicha tendencia. Después de hacer la extracción de puntos, obtenemos que el factor de
ajuste es mayor a 0.5 (R>0.5), lo cual nos indica que estamos haciendo un buen ajuste
lineal con nuestros datos:

21
 V vs K
35.00

30.00

25.00
V (km/hr)

20.00

15.00 V vs K

10.00 Lineal (V vs K)

5.00 y = -0.3526x + 35.294

R² = 0.5274
0.00
0 10 20 30 40 50 60
K (Veh/km)

Gráfico 7. Relación lineal entre velocidad y densidad de flujo (corregido)

Del gráfico 7 obtenemos

Vf (km/hr) Vf/kj Kj(veh/km) Qmax (veh/hr)

35.294 0.3526 100 882
Tabla 4, Valores característicos de la ecuación lineal del Modelo de Greenshields para el tramo ida

o Se pueden construir el modelo completo utilizando la ecuación lineal entre velocidad

y densidad y la ecuación fundamental del flujo vehicular (ver en marco teórico).

V vs K
40
35
30
v (km/hr)

25
20
V =35.294 -0.3526k
15 V vs K
10
5
0
0 20 40 60 80 100 120
k (veh/km)

Gráfico 8. Relación lineal entre velocidad y densidad de flujo para el tramo de vuelta

22
 De la gráfica 8 obtenemos que un promedio de la velocidad en condición de flujo libre (FFS)
es de 35.294 km/h, y su densidad de congestión o atascamiento es de 100 veh/km. Aunque
no siempre se da esto, ya que en la realidad el FFS de un conductor puede ser mayor al
calculado, al igual con la densidad de atascamiento.
En la gráfica 8 determinamos que su flujo máximo o la capacidad del tramo es de
807.35 veh/h.

q vs k
1000
900
800
700
q (veh/hr)

600
500
q=35.294k .0.3526 k2
400
300
200
100
0
0 20 40 60 80 100 120
k (veh/km)

Gráfico 9. Relación parabólica entre flujo y densidad para el tramo de vuelta

Observamos en la gráfica 9, teniendo como ecuación del flujo con respecto a la
densidad, sabremos el flujo máximo, el cual es 887.7 veh/h , dándose que después de
este valor, el flujo se vuelve inestable.

v vs q
40
35
30
25
v (km/hr)

20
q =-2.836 v2 +100v
15
10
5
0
0 200 400 600 800 1000
q (veh/hr)

Gráfico 10. Relación parabólica entre velocidad y flujo para el tramo de vuelta

Con la ecuación de la gráfica 10, se puede encontrar la velocidad en condición de flujo

libre, siendo el valor de 35.3

23
Descripción de la composición del flujo vehicular

Comparando los flujos promedios de los datos tomados el 01/09, 08/09 y el 09/09 para la
ida, menor flujo se tuvo el día 09/09 de 8:00-9:00 am con 741 veh/hr. Mientras tanto,
según la data, el mayor flujo promedio fue el día 08/09 de 7:30 a 8:30 pm con 1051 veh/hr.

Comparando los flujos promedios de los datos tomados para la vuelta, menor flujo se tuvo
el día 09/09 de 8:00-9:00 am con 568.24 veh/hr. Mientras tanto, según la data, el mayor
flujo promedio fue el día 01/09 de 3:00 a 4:00 pm con 927.36 veh/hr.
Por otro lado, el día 01/09 se tomaron datos de 3 horas, haciendo comparación de estas,
el menor flujo de vuelta se presenta de 4:00-5:00 pm con 719.48 veh/hr.

Según los datos, se puede notar que en el flujo vehicular sobresalen en su composición
los taxis, moto lineal y moto taxi. Tienen muy poca frecuencia las bicicletas

Descripción de características de velocidad operativa

Comparando las velocidades promedia de los datos tomados el 01/09, 08/09 y el 09/09
para la ida, menor velocidad operativa se tuvo el día 08/09 de 7:30-8:30 pm con 20 km/hr
y la mayor velocidad operativa se tuvo los días 01/09 y 09/09 a las 3:00-4:00 pm y 8:00-
9:00am respectivamente con 25 km/hr para ambos días.

Comparando las velocidades operativas promedio de los datos tomados para la vuelta,
menor velocidad se tuvo el día 08/09 de 7:30-8:30 pm y mayor velocidad el día 09/09 de
8:00-9:00am de 27.59 km/hr.

Haciendo una comparación de las velocidades de ida y vuelta, coinciden en que ambas
son las menores velocidad operativa de ida y de vuelta del día 08/09, de igual manera
para la mayor velocidad operativa el dia 09/09.

Influencia de intersecciones, con o sin semáforos, en la congestión

En una vía vehicular las intersecciones al existir semáforo para permitir el trasporto de
otros vehículos en otros sentidos de forma controlada, generan que los vehículos se
acumulen al esperar su turno. A esto, también se le suma que en algunas avenidas tienen
intersecciones que le permiten a unos vehículos girar a la izquierda.
La Av. Grau con su tramo en investigación que esta entre la Av. Vice y la Av. Gullman
cuenta con semáforo en ambas intersecciones y también cuenta con una pequeña
intersección la cual es la Calle Las Lomas, que les permite a los usuarios girar a la
izquierda. Esto genera que aumente el tiempo de los vehículos en este tramo, así como el
descenso de su velocidad.
A continuación se muestra los resultados que representan la relación de velocidad (km/hr)
vs densidad (veh/km) entre tramo con semáforos y sin semáforos en las intersecciones:

24
Sentido Av. Vice a Av. Gullman - Ida

V vs K
35
30
25
V (km/hr)

20
15 Con semaforo
10 Sin semaforos
5
0
0 50 100 150 200
k (veh/km)

Figura 12, Relación de la gráfica Velocidad vs Densidad entre las intersecciones con y sin semáforo tramo ida

Sentido Av. Gullman a Av. Vice - vuelta

V vs K
40
35
30
V (km/hr)

25
20
Con semaforo
15
Sin semaforo
10
5
0
0 20 40 60 80 100 120
K (veh/km)

Figura 13, Relación de la gráfica Velocidad vs Densidad entre las intersecciones con y sin semáforo tramo vuelta

En ambas graficas se puede notar que con semáforo en las intersecciones, los vehículos
tienen una menor velocidad que las intersecciones sin semáforo, así también se puede ver
que la densidad es mayor sin semáforo. Esto pasa porque al no estar la vía interrumpida
(por semáforos o intersecciones intermedias) los vehículos pueden efectuar una mayor
velocidad y en transitar una mayor cantidad de vehículos por kilómetro.

25
Nivel de servicio de los datos obtenidos
Según lo mencionado en el marco teórico y con los datos obtenidos con el método del
observador se obtuvieron los siguientes resultados de nivel de servicio.

CONDICIÓN DEFINICIÓN NDS

Flujo libre 0 ≤ K/Kj ≤ 0.05 A
Flujo estable 0 ≤ K/Kj ≤ 0.05 B
Flujo aun estable 0.15 ≤ K/Kj ≤ 0.30 C
Flujo casi estable 0.30 ≤ K/Kj ≤ 0.40 D
Flujo inestable 0.40 ≤ K/Kj ≤ 0.53 E
Flujo forzado 0.53 ≤ K/Kj ≤ 1.00 F

A = Excelente B = Muy Bueno C = Bueno D = Regular E = Malo F = Muy malo

Av. Grau: Av. Vice hacia Av. Gullman

DIA HORA K prom K prom/Kj NDS CONDICION
3-4 pm 33.22 0.21 C Flujo aun
estable
Viernes 4-5 pm 46.13 0.3 C Flujo aun
01/09 estable
5-6 pm 42.17 0.27 C Flujo aun
estable
Viernes 7:30 – 8:30 52.4 0.34 D Flujo casi
08/09 pm estable
Sábado 8:30 - 9:00 29.6 0.19 C Flujo aun
09/09 am estable

Av. Grau: Av. Gullman hacia Av. Vice

DIA HORA K prom K prom/Kj NDS CONDICION
3-4 pm 30 0.30 C Flujo aun
estable
Viernes 4-5 pm 33.22 0.33 D Flujo casi
01/09 estable
5-6 pm 35.33 0.35 D Flujo casi
estable
Viernes 7:30 – 8:30 41.21 0.41 E Flujo
08/09 pm inestable
Sábado 8:30 - 9:00 24.40 0.24 C Flujo aun
09/09 am estable

26
Conclusiones
 El estudio y análisis desarrollados en el tramo de la Av. Grau, no pueden ser
considerados un caso general, las mediciones fueron tomadas los días viernes
(tarde), sábado (noche) y domingo (mañana). Se podría decir que ese es el
comportamiento en un fin de semana, pues los otros días se debe considerar que
es diferente por las actividades que normalmente se hacen como ir al trabajo, al
colegio, entre otros.

 Por los resultados obtenidos y la línea de ajuste de V-K, se observa que ningún
punto debe ser eliminado del análisis, además el coeficiente de correlación indica
que es un modelo representativo para el método usado.

 El tramo Av Grau en el sentido Av. Gullman a Av. Vice tiene una mayor cantidad
de flujo vehicular esto se puede notar en las gráficas velocidad vs flujo, pero no
pasa lo mismo en la velocidad puesto que es menor al sentido Av. Vice a Av.
Gullman.

 De acuerdo a los resultados se puede notar una clara diferncia entre una
intersección con semáforos interferencias y una sin semáforo, puesto que cuando
no hay semáforos la velocidad vehicular es mayor y la densidad también, es decir
los vehículos se mueven con mayor facilidad y generando una mayor densidad.

Recomendaciones
 Para el estudio del flujo vehicular también se debería considerar los efectos de
baches, tramos en mal estado que es donde los vehículos tienen que bajar su
velocidad o tienden a tratar de esquivarlo. Por ejemplo en el tramo estudiado había
una zona como las mencionadas (Av.Grau intersección con Las Lomas – al frente
de la Iglesia de los mormones), pese a que se ha reparado una parte hace unos
meses, actualmente se nota su rápido deterioro.

 Con respecto a la señalización y control de movimientos de los vehículos, se

pueden implementar ciertas medidas constructivas para su mejora, se observó que
en ciertas partes había moto taxis, moto lineal y autos que iban en sentido contrario
para evitar darse la vuelta; de igual manera de debería trabajar en lo que es
paradero de las combis, si bien había uno en el tramo analizado, no se respeta pues
las combis paran en cualquier parte y obstaculiza el pase de otros vehículos. Con
respecto a ubicación de los semáforos, se considera correcto al igual que las
señalizaciones.

27
 Se recomienda trabajar los datos con una estadística para crear modelos de
comportamientos de los vehículos con respecto al sistema vial de la ciudad de
Piura, para eso se debe consolidar la información de los demás tramos.

HOJA DE DESEMPEÑO

% DE DESEMPEÑO

Chumacero Dominguez, 100%

Sergio

Cordova Gomez, Eleyser 100%

Sernaque Romero, Thais 100%

Torres Barrios, Jenny 100%

28
 Anexos

Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi

1.5 1.25 0.33 1.5 0.1 0.2 1 1
Tabla 5, Factor de los vehículos

CONTEO DE VEHÍCULOS Tramo Av. Grau entre Av. Vice y Av. Gullman
Sentido tramo hora de muestreo nombre(de): nombre(de):
observ. de: a: de: a: Av. Vice Av Gullman
# AV. Vice Av Gullman 03:00:00 p.m. 04:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
1 1 1 7 2 10 7 7 2 1 1 1 2 52 57 779 54.17 475.1 31.57
3 1 14 6 12 13 2 1 1 1 1 2 50 54 1045 57.34 475.1 29.83
5 2 14 2 9 23 11 1 1 1 5 1 1 2 60 50 1375 71.52 475.1 23.91
7 1 21 1 7 12 10 2 3 5 1 2 80 51 904 81.79 475.1 20.91
9 12 1 5 9 18 1 4 1 60 62 948 65.01 475.1 26.31
11 11 1 15 3 13 2 1 2 60 62 693 56.15 475.1 30.46
13 2 13 1 1 11 8 16 1 4 2 68 60 858 87.17 475.1 19.62
15 1 20 2 13 3 12 1 3 2 1 1 2 71 57 818 69.24 475.1 24.70
17 18 13 8 16 2 2 2 1 68 51 1007 65.35 475.1 26.17
19 3 18 1 1 7 6 14 1 2 2 1 75 66 848 72.71 475.1 23.52

Sentido tramo hora de muestreo nombre(de): nombre(de):

observ. de: a: de: a: Av Gullman Av. Vice
# Av Gullman AV. Vice 03:00:00 p.m. 04:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
2 1 3 7 1 1 8 6 6 1 2 57 52 636 76.81 475.1 22.27
4 1 8 4 13 7 2 1 2 54 50 907 48.96 475.1 34.93
6 2 1 13 1 1 9 18 14 4 2 7 2 1 50 60 1373 55.22 475.1 30.97
8 10 2 8 13 12 1 1 1 2 1 51 80 923 48.39 475.1 35.35
10 2 7 8 9 9 1 5 62 60 681 68.97 475.1 24.80
12 10 2 13 9 11 1 3 1 2 62 60 890 56.86 475.1 30.08
14 1 12 1 10 9 19 1 1 1 2 60 68 933 74.58 475.1 22.93
16 6 2 11 8 9 2 2 57 71 680 57.00 475.1 30.01
18 12 2 18 12 14 1 2 2 51 68 1056 56.66 475.1 30.19
20 13 1 16 11 24 1 1 1 1 1 1 66 75 1194 57.62 475.1 29.68

Tabla 6, Datos de 3:00 pm a 4:00 pm ida y vuelta.

29
 CONTEO DE VEHÍCULOS Tramo Av. Grau entre Av. Vice y Av. Gullman
Sentido tramo hora de muestreo nombre(de): nombre(de):
observ. de: a: de: a: Av. Vice Av Gullman
# AV. Vice Av Gullman 04:00:00 p.m. 05:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
1 2 19 1 7 13 11 3 6 1 1 3 1 1 89 62 844 90.07 475.1 18.99
3 4 13 2 22 17 17 1 4 1 5 74 61 1365 72.73 475.1 23.52
5 3 14 1 15 10 16 1 1 1 3 1 60 62 1110 64.02 475.1 26.72
7 1 18 2 15 13 21 2 4 2 4 4 2 3 70 53 1274 80.34 475.1 21.29
9 2 27 1 12 12 11 2 7 1 75 72 1115 51.74 475.1 33.05
11 15 2 6 4 11 1 4 2 1 56 73 563 81.38 475.1 21.02
13 25 17 8 11 2 2 3 1 68 66 773 76.66 475.1 22.31
15 2 17 13 8 19 3 3 3 1 70 66 1009 68.54 475.1 24.96
17 2 17 1 1 19 7 16 3 1 1 1 2 69 65 956 72.50 475.1 23.59
19 2 1 19 1 23 6 18 2 2 1 78 55 1130 74.37 475.1 23.00

Sentido tramo hora de muestreo nombre(de): nombre(de):

observ. de: a: de: a: Av Gullman Av. Vice
# Av Gullman AV. Vice 04:00:00 p.m. 05:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
2 14 2 1 8 10 12 1 1 2 2 1 62 89 760 59.30 475.1 28.84
4 11 1 11 8 13 1 1 4 1 3 61 74 667 78.92 475.1 21.67
6 12 1 16 8 9 1 3 2 62 60 632 86.15 475.1 19.85
8 1 1 16 1 10 7 11 1 1 1 6 1 53 70 779 66.39 475.1 25.76
10 1 1 11 1 7 9 15 1 3 1 3 72 75 720 91.29 475.1 18.74
12 32 1 8 8 16 1 5 5 73 56 871 99.66 475.1 17.16
14 14 2 1 17 4 14 3 2 66 68 702 81.33 475.1 21.03
16 1 15 1 1 11 9 9 1 1 2 2 66 70 621 92.25 475.1 18.54
18 8 13 7 18 2 1 1 65 69 787 69.25 475.1 24.70
20 12 1 1 9 8 11 1 1 1 1 1 55 78 654 67.11 475.1 25.49

Tabla 7, Datos de 4:00 pm a 5:00 pm ida y vuelta

30
 CONTEO DE VEHÍCULOS Tramo Av. Grau entre Av. Vice y Av. Gullman
Sentido tramo hora de muestreo nombre(de): nombre(de):
observ. de: a: de: a: Av. Vice Av Gullman
# AV. Vice Av Gullman 05:00:00 p.m. 06:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
1 1 32 3 3 15 22 2 1 1 1 98 65 926 96.72 475.1 17.68
3 1 14 1 1 8 16 2 1 2 1 69 54 750 66.41 475.1 25.76
5 1 29 1 17 22 1 2 2 1 2 100 75 817 91.19 475.1 18.76
7 2 4 29 1 13 20 1 1 1 2 1 2 5 2 79 61 1144 70.10 475.1 24.40
9 1 19 1 1 10 19 1 3 3 2 2 2 1 95 66 671 95.70 475.1 17.87
11 1 23 2 16 18 1 1 1 2 1 1 1 76 76 751 82.38 475.1 20.76
13 1 24 3 2 15 13 2 1 1 3 63 60 735 86.32 475.1 19.81
15 1 1 24 1 24 24 3 1 1 2 92 60 991 88.84 475.1 19.25
17 2 20 1 16 15 5 1 3 64 71 639 91.34 475.1 18.73
19 1 16 1 11 23 1 4 1 1 68 64 843 77.91 475.1 21.95

Sentido tramo hora de muestreo nombre(de): nombre(de):

observ. de: a: de: a: Av Gullman Av. Vice
# Av Gullman AV. Vice 05:00:00 p.m. 06:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
2 9 1 1 12 15 16 1 5 2 1 65 98 793 74.30 475.1 23.02
4 2 13 1 2 9 9 15 1 2 54 69 990 55.67 475.1 30.72
6 2 11 2 6 9 23 3 1 2 1 1 75 100 926 64.65 475.1 26.45
8 1 15 2 1 21 7 17 1 1 2 2 1 1 3 61 79 951 63.88 475.1 26.78
10 2 12 1 15 10 14 1 1 66 95 752 72.37 475.1 23.63
12 1 9 1 17 13 17 4 2 2 76 76 801 99.92 475.1 17.12
14 11 1 10 6 13 4 1 1 1 60 63 662 79.15 475.1 21.61
16 1 14 1 1 12 9 14 2 1 2 3 60 92 710 74.76 475.1 22.88
18 19 1 1 13 6 12 2 4 71 64 735 75.51 475.1 22.65
20 1 18 2 12 6 15 2 1 7 1 4 64 68 762 90.69 475.1 18.86

Tabla 8, Datos de 5:00 pm a 6:00 pm ida y vuelta

31
 CONTEO DE VEHÍCULOS Tramo Av. Grau entre Av. Vice y Av. Gullman
Sentido tramo hora de muestreo nombre(de): nombre(de):
observ. de: a: de: a: Av. Vice Av Gullman
# AV. Vice Av Gullman 07:30:00 p.m. 08:30:00 p.m. 08/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
1 2 17 1 25 12 14 2 1 1 5 3 1 78 78 905 83.53 475.1 20.48
3 1 25 1 15 6 13 1 1 1 1 2 1 78 70 809 70.57 475.1 24.24
5 23 2 37 22 25 3 1 3 1 2 1 6 94 68 1343 106.22 475.1 16.10
7 17 2 2 24 11 18 3 1 1 4 2 2 75 60 1095 80.03 475.1 21.37
9 1 32 1 28 13 15 3 6 2 3 1 1 78 66 1223 72.11 475.1 23.72
11 14 2 23 13 19 1 6 2 4 1 2 89 75 953 91.98 475.1 18.59
13 2 13 1 24 16 20 1 1 3 2 6 67 67 1110 92.28 475.1 18.54
15 20 4 1 14 11 17 1 1 6 1 3 1 70 70 1019 83.71 475.1 20.43
17 11 1 21 11 21 1 3 1 1 1 1 5 81 72 911 91.27 475.1 18.74
19 1 23 1 10 12 23 1 1 1 4 3 3 68 73 1139 76.60 475.1 22.33

Sentido tramo hora de muestreo nombre(de): nombre(de):

observ. de: a: de: a: Av Gullman Av. Vice
# Av Gullman AV. Vice 07:30:00 p.m. 08:30:00 p.m. 08/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
2 1 2 23 4 13 8 18 1 2 5 1 1 78 78 999 88.53 475.1 19.32
4 1 15 1 23 11 17 1 2 2 70 78 851 86.54 475.1 19.76
6 9 2 2 16 8 19 2 4 2 1 68 94 757 79.04 475.1 21.64
8 18 1 1 14 7 15 1 2 2 1 60 75 838 64.00 475.1 26.73
10 1 29 23 9 16 1 2 1 1 66 78 969 72.17 475.1 23.70
12 14 1 13 6 16 2 7 4 6 75 89 448 157.84 475.1 10.84
14 13 14 13 17 4 4 1 1 1 3 67 67 829 94.00 475.1 18.20
16 2 23 1 16 6 12 7 2 1 1 70 70 686 94.72 475.1 18.06
18 16 1 16 6 18 1 1 2 72 81 709 91.44 475.1 18.71
20 23 3 14 10 16 2 4 1 1 73 68 990 80.71 475.1 21.19

Tabla 9, Datos de 7300 am a 4300 am ida y vuelta

32
 CONTEO DE VEHÍCULOS Tramo Av. Grau entre Av. Vice y Av. Gullman
Sentido tramo hora de muestreo nombre(de): nombre(de):
observ. de: a: de: a: Av. Vice Av Gullman
# AV. Vice Av Gullman 08:00:00 a.m. 09:00:00 a.m. 09/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
1 1 12 1 11 6 8 1 1 1 57 57 713 58.67 475.1 29.15
3 15 1 12 6 13 1 3 2 2 90 56 611 108.02 475.1 15.83
5 2 13 3 10 4 9 1 2 65 80 598 78.24 475.1 21.86
7 15 2 1 16 4 10 1 1 1 1 61 49 766 69.60 475.1 24.58
9 1 22 1 8 2 11 1 2 1 1 73 51 656 77.72 475.1 22.01
11 19 1 9 7 14 1 1 2 1 1 1 76 64 832 68.22 475.1 25.07
13 1 19 3 13 7 13 1 1 1 95 46 906 91.54 475.1 18.68
15 3 19 1 13 8 9 1 1 1 2 1 1 1 3 2 1 86 58 769 87.69 475.1 19.51
17 1 14 3 12 10 9 1 1 1 1 83 49 787 97.50 475.1 17.54
19 1 13 1 1 10 5 13 1 1 1 2 65 61 766 66.55 475.1 25.70

Sentido tramo hora de muestreo nombre(de): nombre(de):

observ. de: a: de: a: Av Gullman Av. Vice
# Av Gullman AV. Vice 08:00:00 a.m. 09:00:00 a.m. 09/09/2017
X Y1 Y2 tf tc q tm long. vm.
Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi Ca mi on Combi MTTXI Bus Bcl ta Mtcl ta Auto Ta xi seg. seg. veh./hora. seg. m. Km/hr.
2 2 8 1 9 7 9 1 1 1 1 57 57 692 70.16 475.1 24.38
4 13 1 1 8 4 8 2 1 1 56 90 435 71.40 475.1 23.95
6 1 13 9 5 8 1 1 2 80 65 525 76.29 475.1 22.42
8 1 10 1 7 8 13 1 1 49 61 849 59.60 475.1 28.70
10 12 1 9 3 6 1 2 2 1 51 73 376 82.69 475.1 20.68
12 10 2 17 3 11 2 2 64 76 531 65.76 475.1 26.01
14 8 1 14 5 11 2 1 2 46 95 520 63.71 475.1 26.85
16 10 12 2 9 2 1 58 86 376 73.89 475.1 23.15
18 1 17 1 2 15 6 13 3 49 83 813 53.38 475.1 32.04
20 1 9 1 2 8 5 11 1 1 3 1 1 1 61 65 569 83.70 475.1 20.44

Tabla 10, Datos de 8:00 pm a 9:00 pm ida y vuelta

33
 Ida Vuelta Ida Vuelta

Xeq Y1eq Y2eq Xeq Y1eq Y2eq Xeq Y1eq Y2eq

X'eq Y1eq Y2eq
24.1 1.9 2.3 22.8 0.0 3.5 35.7 3.2 3.4 31.3 2.2 1.7
32.3 1.4 3.5 24.9 2.0 0.7 50.7 2.1 1.7 28.3 1.2 4.5
46.4 1.7 6.1 43.9 1.7 3.7 38.9 1.2 2.4 25.7 0.0 4.2
33.3 3.4 3.9 32.9 1.5 0.9 47.2 3.5 7.1 29.5 1.3 4.2
33.5 0.2 1.5 24.4 0.3 1.7 38.3 7.4 0.2 33.3 0.3 4.2
22.7 1.4 0.7 28.9 1.9 0.7 24.2 0.0 4.0 37.7 0.2 6.7
35.1 0.0 4.6 37.0 0.0 3.8 30.7 0.4 2.3 29.1 0.0 3.0
28.7 2.9 2.5 24.2 0.7 0.7
37.7 3.0 2.6 28.0 0.0 4.5
32.5 2.4 1.7 36.6 1.0 2.7
44.0 3.8 1.0 36.5 1.6 2.5 30.2 0.4 1.3
32.7 2.2 1.7
40.6 2.0 0.9 26.4 0.3 2.5
Tabla 11, Resultados de x1, Y1 y Y2 de 3:00 pm a 4:00pm
Tabla 14, Resultados de x1, Y1 y Y2 de 4:00 pm a 5:00pm

Ida Vuelta Ida Vuelta

Xeq Y1eq Y2eq Xeq Y1eq Y2eq Xeq Y1eq Y2eq
Xeq Y1eq Y2eq
41.6 0.9 0.5 38.0 1.0 3.1 40.6 1.9 3.3 46.2 0.7 3.7
25.1 1.4 0.9 34.3 0.2 0.7 31.6 2.5 0.9 38.9 0.0 3.9
65.0 4.6 9.2 36.4 0.4 2.7
37.7 4.2 2.2 42.3 3.2 0.5
42.6 2.2 3.7 32.3 0.7 1.7
41.7 6.5 3.7 37.8 3.2 4.0
46.9 4.2 2.2 40.4 1.0 2.7
30.1 3.9 4.1 35.0 0.0 1.3
44.2 3.5 4.3 30.7 2.0 12.3
33.0 1.5 2.9 39.1 0.0 5.3 49.1 1.2 9.0 37.1 0.8 7.0
29.9 0.0 4.8 26.1 0.0 3.5 43.5 1.2 5.1 31.4 0.0 4.7
41.0 1.6 0.7 32.9 2.0 4.9 41.3 2.9 5.5 34.0 0.0 3.8
28.8 0.0 4.9 28.5 0.4 1.3 47.3 2.2 4.9 40.9 0.4 2.5
33.2 1.0 3.3 33.6 0.9 6.5
Tabla 13, Resultados de x1, Y1 y Y2 de 7::30 pm a 8:30pm
Tabla 12, Resultados de x1, Y1 y Y2 de 5:00 pm a 6:00pm

34
 Ida Vuelta
Xeq Y1eq Y2eq Xeq Y1eq Y2eq
22.9 1.0 1.3 24.4 0.0 2.5
27.9 0.3 3.4 19.5 0.0 1.9
26.3 0.0 2.2 20.6 1.2 0.7
25.3 0.2 2.0 28.5 0.0 2.5
23.5 1.0 1.9 16.3 0.0 3.3
30.6 3.3 1.5 20.9 0.4 0.7
34.6 1.2 0.3 22.9 0.0 2.6
31.1 4.8 5.1 16.7 0.0 1.7
32.0 0.3 3.5 30.8 0.0 1.0
27.1 2.0 2.3 23.5 0.2 3.8
Tabla 15, Resultados de x1, Y1 y Y2 de 8:00 am a 9:00 am

35