Tesis Modelo Matematico
Cargado por
Cesar Luis TintayaTesis Modelo Matematico
Cargado por
Cesar Luis Tintaya1
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICA
ESCUELA DE MATEMÁTICA
PROYECTO PARA OBTENER EL TÍTULO DE LICENCIADO/A EN MATEMÁTICA
TITULADO:
MODELO MATEMÁTICO PARA LA OPTIMIZACIÓN DE LA FLUIDEZ DEL
TRÁFICO VEHICULAR EN LA INTERSECCIÓN ENTRE LAS CALLES SAN
ANTONIO ABAD, BULEVAR DE LOS HÉROES, 25 AV. NORTE Y AUTOPIS-
TA NORTE.
PRESENTADO POR:
JANNET XIOMARA MARTÍNEZ GUARDADO
IRENE ANDRES JUÁREZ MEJIA
2
ASESORES DEL TRABAJO:
LIC. MAURICIO HERNÁN LOVO CÓRDOVA.
DR. RIQUELMI SALVADOR CARDONA FUENTES.
DR. WILFREDO IVAN SALAZAR ELIAS.
CIUDAD UNIVERSITARIA, OCTUBRE 2018.
3
AUTORIDADES UNIVERSITARIAS
RECTOR:
M.Sc. ROGER ARMANDO ARIAS.
SECRETARIA GENERAL:
M.Sc. CRISTOBAL HERNÁN RIOS.
FISCAL:
LIC. RAFAEL HUMBERTO PENIA MARIN.
DECANO:
LIC. MAURICIO HERNÁN LOVO CORDOVA.
DIRECTOR DE LA ESCUELA DE MATEMÁTICA:
DR. JOSÉ NERYS FUNES TORRES.
Dedicatoria
A nuestros padres Maria Meita Mejía, José Miguel Juárez García y María Emma Guardado, Jose
Antonio Martínez Villalta que han sido la base de nuestra formación, ellos han aportado grandes
cosas a nuestra vida, y nos han ayudado a enfrentar la gran tarea de encarar a la sociedad. Les
agradecemos in nitamente por todo y por ser los principales benefactores del desarrollo de nuestra
carrera.
4
Agradecimientos
A Dios, a nuestros asesores Dr. Wilfredo Ivan Salazar Elias, Lic. Mauricio Hernán Lovo
Córdova y Dr. Riquelmi Salvador Cardona Fuentes por su tiempo, paciencia y apoyo en el
desarrollo del trabajo.
A nuestros seres queridos Lucy, Vilma, Amalia, Marcela, keny, Ivan, Jairo, Maria Angela
Martinez Amaya y Mariano de Jesús Sanchez Abarca que en paz descanse por su ayuda,
comprensión, apoyo y palabras de aliento.
5
6
INTRODUCCIÓN
El trá co vehicular es actualmente un factor en crecimiento en los países de América Latina en
general y claramente El Salvador no es la excepción, actualmente existe un parque vehicular de más
de un millón de vehículos en todo el país, de acuerdo con datos del Vice ministerio de Transporte
hasta el 8 de mayo del 2017; ascendiendo los que tienen placas particulares a 722,866. El creci-
miento del parque vehicular según estos datos fue de 9.87 % en 2016; esto proyecta un crecimiento
acelerado. De continuar esta tendencia, el parque aumentará signi cativamente año con año.
Claramente, la concentración es mayor en las ciudades principales, como San Salvador y por ende
en el escenario donde se desarrolla el presente trabajo; se pretende poner a disposición las he-
rramientas matemáticas necesarias para el abordaje del fenómeno de la congestión en el trá co
vehicular; a través de la utilización de modelos que permitan entender y tomar decisiones para la
solución del problema; para ello hacemos uso de un software de simulación del trá co que nos per-
mite una comprensión más grá ca y práctica del mismo. Proponemos un modelo matemático que
describe la intersección entre la Calle San Antonio Abad, el Bulevar de los Héroes, autopista Nor-
te y la calle 25 avenida norte, ubicada frente a la entrada principal de la Universidad de El Salvador.
El presente trabajo contiene una pequeña descripción de los elementos básicos del abordaje del
tra co vehicular; que permite familiarizarse con el tema, y algunas tecnologías y técnicas de reco-
lección de datos más utilizadas del mismo. Se presenta una lista de modelos matemáticos que son
utilizados para describir el comportamiento del trá co vehicular; entre ellos el modelo Lighthill-
Whitham-Richards (LWR) que muestra la relación que existe entre la velocidad y la densidad del
tra co; así como también la teoría general de los modelos car-following; además se presenta parte
de la base teórica matemática en la que se sustentan los modelos; la descripción matemática general
del proceso dinámico en una intersección; un análisis de la ecuación del modelo de seguimiento del
lider IDM y las pruebas de las simulaciones de las calles que conforman la intersección, basadas en
el modelo prouesto.
En todo el presente trabajo se hace la suposición de que la intersección analizada no se ve afec-
tada por el ujo proveniente de otras calles, pues la idea del modelo sera ver como funciona bajo
estos supuestos localmente, para facilitar el paso del estudio de fenómenos simples a otros más
complejos.
7
OBJETIVOS
OBJETIVO GENERAL
Realizar una propuesta de modelo de trá co vehícular, de las calles que componen la inter-
sección entre las calles San Antonio Abad, el Bulevar de Los Héroes, la 25 av. Norte y la
autopista Norte basado en la combinación de los modelos IDM y MOBIL.
OBJETIVOS ESPECÍFICOS
Realizar un análisis de la ecuación del modelo microscópico IDM (Inteligent Driver Model),
en cada uno de los escenarios del trá co, que permita categorizarlo como el más apropiado,
para utilizarlo en conjunto con el modelo MOBIL, en la descripción del comportamiento del
trá co vehicular, en la intersección entre las calles San Antonio Abad, el Bulevar de Los
Héroes, la 25 av. Norte y la autopista Norte.
Revisar la teoría correspondiente a la descripción matemática general del proceso dinámico
en una intersección señalizada, y de los modelos del tipo siguiento al lider.
Utilizar un software de simulación del trá co, que permita realizar corridas del modelo pro-
puesto.
METAS
Describir los escenarios del trá co con el modelo microscópico IDM(Inteligent Driver Model).
Presentar un modelo matemático que permita el abordaje del problema planteado.
Simular el trá co en la intersección señalizada ubicada entre la Calle San Antonio Abad, el
Bulevar de Los Héroes, la 25 av. Norte y la autopista Norte.
8
PLANTEAMIENTO DEL PROBLEMA
Se ha observado en los últimos años, que en la intersección entre la 25 avenida norte, calle San
Antonio Abad, Bulevard de los Héroes y la Autopista Norte; presenta problemas de congestión del
trá co vehicular, en las horas pico de entrada y en en las horas pico de salida de los estudiantes
y trabajadores de la Universidad de El Salvador; esto di culta la movilización de las personas que
transitan por dicha zona en esas horas.
Hay varios factores que contribuyen a este fenómeno, uno de ellos es la falta de educación vial de
los conductores; quienes hacen paradas no autorizadas para subir y bajar pasajeros en cualquier
lugar. Otra situación que genera problema es la entrada de odontología de la Universidad de El
Salvador, donde en horas pico se hace una la de carros para entrar y para subir y bajar pasa-
jeros; más aún, los estudiantes no hacen uso de la pasarela ahí ubicada y en muchas ocasiones
se transforman en obstáculo para los conductores. La misma situación que en en la entrada de
Odontología se repite en la entrada del centro educativo ubicado al lado de la Universidad de El
Salvador; donde en ciertas horas la la de automóviles que suben y bajan a estudiantes afecta
hasta el semáforo de la intersección. Por otra parte existe una parada semi formal de auto buses,
cerca de la intersección en cuestión y sobre la calle San Antonio Abad -la cual tiene dos carriles
en cada sentido-; que ocupa todo un carril, dejando para el paso de los demás vehículos solo uno,
lo que genera embotellamiento en horas pico, y una cola de vehículos en dicha calle.
Además a la Calle 25 av. Norte se le incorporan vehículos de la 27 y 29 calle poniente en di-
rección a la intersección que se está estudiando que le genera sobre saturación; a esto hay que
agregar que en dichas incorporaciones muchos automovilistas realizan maniobras de incorporación
indebidas a la 25 av. Norte pero en dirección del redondel de las fuentes luminosas.
Por otra parte los semáforos presentan desperfecto en las horas de la mañana, hay días en que
funcionan bien y días en que no; esto provoca un descontrol en los automovilistas que amenaza
con generar accidentes viales. Por todo lo anterior es importante encontrar herramientas que sim-
pli quen el estudio de ujo vehicular en la zona.
Sea P el conjunto de automóviles que ingresan y atraviesan la red de calles, formada por la Calle
San Antonio Abad, el Bulevar de Los Héroes, la 25 av. Norte y la autopista Norte, en un periodo
de tiempo T. Dichas calles se intersectan en un cruz calle. Entonces aparece asociado el siguien-
te problema. ¾Existe un modelo matemático que describa el comportamiento dinámico en dicha
interseción?, y si fuese así ¾es posible realizar una descripción grá ca del mismo?
9
Figura 1: Área a modelar
ANTECEDENTES
Durante los años 90 las principales ciudades de América Latina emprendieron grandes programas
con el objetivo de mejorar la dinámica del ujo vehicular. Una de las estrategias fue la construc-
ción de grandes autopistas, vías urbanas, sistemas de semaforización, que llevaron a mejorar la
infraestructura vial, pero la insu ciencia de los impactos obtenidos a través de esta nueva infra-
estructura, condujo a que se implementaran nuevas estrategias como el Sistema de Bus Rápido
(Bus Rapid Transit BRT), en 1995 se construyó el primer ramal de la ciudad de Quito. Desde el
2000 la instalación y operación de estos sistemas ha registrado una gran expansión, que comprende
TransMilenio en la ciudad de Bogotá, (1998); el sistema Interligao Sao pablo, Brasil (2003), el BRT
de México (diseñado para complementar el metro), el Megabús de Pereira (2006), en Guayaquil
(2006), Guatemala (2007), En el 2009 entró en operación el sistema Masivo Integrado de Occi-
dente (MIO), en Santiago de Cali. También en diciembre de 2009 se puso en funcionamiento, en
forma pre-operativa en Bucaramanga, Metrolínea y, por último, el Metroplus el 22 de diciembre
de 2011 en la ciudad de Medellín. En estos últimos años, cientí cos norteamericanos y rumanos
han desarrollado un modelo informático basado en información real que atribuye inteligencia a los
semáforos para optimizar la gestión del trá co. De esta forma han comprobado que se reduce un
28 por ciento del tiempo de espera en los cruces en hora punta y un 6,5 por ciento las emisiones
de CO2. Otras estrategias implementadas son las ciclo rutas, puentes peatonales en puntos estra-
tégicos, restricciones sobre el uso de automóviles privados en las horas pico y un gran número de
campañas en favor de una mejor cultura cívica. Sin embargo, a pesar de todas estas estrategias,
la congestión del trá co continúa y sigue produciendo una serie de efectos negativos en la población.
10
En España, la Universidad Politécnica de Catalunya ha realizado un estudio similar al que se pre-
tende aquí; dicho estudio se titula: ESTUDIO DE REGULACIÓN DEL TRÁNSITO DE VEHÍCU-
LOS Y PEATONES EN LOS ALREDEDORES DE LA AVENIDA PORTUGAL DE SALAMAN-
CA;, tiene como objetivo abordar la problemática relacionada con la regulación de trá co vehicular
en el cruce de la Avenida Portugal con la Avenida Torres Villarroel, y sus alrededores, en Sala-
manca; dicho estudio toma un modelo matemático que sigue la regla FIFO (First in First out)
Primero en llegar, primero en salir. Y utiliza los programas de simulación SIMIO y AIMSUN para
su validación.
De acuerdo con datos de la o cina de información del Vice ministerio de Transporte (VMT); hasta
el 27 de Junio de 2017 el parque vehicular del país ascendía a 1,048,540; de los cuales 728,660
poseen placas particulares, 6,966 son autobuses, 3,480 micro buses, 229,664 motocicletas, 47,696
camiones y 12,282 poseen placas nacionales. De acuerdo al VMT en el año 2010 el parque era de
712,750; luego en 2015 alcanzo los 925,448 y termino el 2016 con 1,026,797; esto muestra que entre
el 2015 y 2016 hubo un incremento del 9.87 % y hasta junio de este año ya había crecido 2.07 %
con respecto al año pasado y un 11.74 % desde el 2015.
El departamento de San Salvador es el que posee el mayor parque vehicular del país al tener re-
gistrados 425,990 vehiculos; de los que 311,178 tienen placa particular, 2,153 son autobuses, 1,799
micro buses, 15,110 camiones y 76,183 motocicletas. Además solo en el Área Metropolitana de San
Salvador posee alrededor del 45 por ciento de la carga vehicular total del país.
Este fenómeno conlleva a que las calles y carreteras por donde transitan grandes cantidades de
vehículos colapsen en horas pico. Tal es el caso del Bulevar de los Héroes, la 25 avenida Norte y la
Calle San Antonio Abad; que son algunas de las calles en los alrededores de La Universidad de El
Salvador. Esto pudimos constatarlo con un monitoreo y una primera toma de datos experimental
y preliminar de la carga vehicular de la calle 25 avenida Norte de en el sentido de sur a norte; que
realizamos en los días del 17 al 23 de mayo; y en la que se utilizó el conteo vehículo a vehículo que
atravesaba el semáforo localizado en dicha intersección. Así como también se contabilizo el numero
de vehículos que se incorporaban desde la Calle 25 av. Norte a la autopista norte en sentido de
oeste a este. Dicho experimento re ejo que entre las 6:30 am y las 8:00 am transitan por esa vía
que solamente posee dos carriles un promedio de 1,071.66 vehículos entre buses, micro buses y
vehículos particulares; esto sin tomar en cuenta la cantidad de motos que circulan dicha zona y
11
que también va en aumento. Además, se observó que la cola de vehículos en espera para atravesar
dicho semáforo alcanza hasta los 400 metros y eso va en aumento a medida crece la carga en todo
el país.
Por otra parte, los encargados de plani cación vial del VMT, han realizado pruebas piloto pa-
ra mejorar la uidez en la intersección; se han realizado pruebas cambiando los tiempos de los
semaforos en horas picos y observando como modi ca el trá co.
12
JUSTIFICACIÓN
A través de los últimos años se ha dado un incremento en la carga vehícular, lo cual, afecta mayor-
mente al área metropolitana del país, especialmente en aquellas zonas de esta, en las que circula
una mayor cantidad de personas en horas especí cas, como por ejemplo, la intersección entre las
calles San Antonio Abad, el Bulevar de Los Héroes, la 25 av Norte y la autopista Norte. Con el n
de encontrar soluciones a dicho problema, se hace necesaria la búsqueda de diversas alternativas
de abordaje al problema del trá co vehícular, que conlleve aun adecuado funcionamiento de las
redes de transporte e impacte, de forma positiva en el desarrollo del país.
El uso de modelos matemáticos permite simpli car el análisis del comportamiento del trá co
vehicular, mediante ecuaciones, o sistemas de ecuaciones, es posible representar cada uno de los
elementos que conforman el sistema de la intersección y la manera en que se relacionan. Por otra
parte, la simulación digital describe gra camente dichas relaciones y a la vez evita, los costos eco-
nómicos que implica hacer pruebas pilotos en los estudios de mejoras de trá co vehicular.
En este trabajo se presenta un modelo matemático basado en la combinación del modelo de se-
guimiento de líder IDM y del modelo de cambio de carril MOBIL; que describe, por separado, el
comportamiento del trá co vehicular en la intersección antes mecionada. Además, se muestra la
reproducción grá ca de dicho modelo utilizando el software tra cSimulation, con el cual se reali-
zan corridas optimas a trozos de la intersección, que permitan tomar decisiones sobre cambios de
parámetros en la misma, para mejorar el ujo de vehículos en la zona. La prueba de la necesidad
de abordar este tema, es la observación del fenómeno.
Índice general
1. Elementos del abordaje del problema del trá co vehicular 15
1.1. Otros aspectos importantes en el estudio del trá co. . . . . . . . . . . . . . . . . . . 18
1.2. Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3. Técnicas de recolección de datos del trá co vehicular . . . . . . . . . . . . . . . . . 22
1.3.1. Técnica de aforos vehiculares . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2. Áreas de la matemática involucradas. 28
2.1. Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2. Introducción a la teoría de grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3. Introducción a la teoría de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4. Sistemas dinámicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5. Métodos numéricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.1. Método de diferencias nitas . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.6. Análisis vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3. Descripción matemática del proceso del trá co en una intersección señalizada. 47
3.1. Conjunto de llegada X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2. Flujos de llegada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3. Señales del trá co . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4. Estados del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5. Flujos de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4. Modelos matemáticos para el trá co vehícular 66
4.1. Modelo de Lighthill-Whitham-Richards (LWR) . . . . . . . . . . . . . . . . . . . . . 67
4.2. Modelos car-following . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3. Análisis del Intelligent drivel model (IDM) . . . . . . . . . . . . . . . . . . . . . . . 78
13
ÍNDICE GENERAL 14
4.3.1. Modelo MOBIL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5. Implementación del modelo 90
5.1. Modelo propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.2. Descripción del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3. Aplicación del modelo para la simulación . . . . . . . . . . . . . . . . . . . . . . . . 93
5.4. Implementación del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.5. Pruebas y resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
ÍNDICE GENERAL
Capítulo 1
Elementos del abordaje del problema del
trá co vehicular
Para comprender de una mejor manera los elementos que intervienen en el abordaje de los proble-
mas de trá co vehicular; de nimos a continuación los más relevantes:
Calle: se denominará la vía urbana limitada en la posición topográ ca de Oriente a Poniente
para efectos reglamentarios [1].
Calle o Avenida de una sola Vía: es aquella por donde los vehículos podrán circular en una
sola dirección aunque esté dividida longitudinalmente.
Calle o Avenida de doble vía: es aquella por donde el tránsito puede realizarse en ambas
direcciones.
Calzada: zona de la carretera destinada a la circulación de vehículos.
Acera: es la parte elevada sobre el nivel de las calles o avenidas, que se extiende a ambos la-
dos de las mismas y están destinadas exclusivamente para los peatones.
Avenida: se denomina la vía urbana cuya posición topográ ca esté determinada en los rum-
bos de Norte a Sur [1].
15
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 16
Crucero o Intersección: es el espacio que forman dos vías o más que se entrecruzan.
Intersección vial: Una intersección vial hace referencia aquellos elementos de la infraestruc-
tura vial y de transporte donde se cruzan dos o más caminos. Estas infraestructuras permiten a
los usuarios el intercambio entre caminos. El cruce de caminos se puede dar con una intersección
a nivel o con una intersección a desnivel. Es importante remarcar que este término también puede
hacer referencia a elementos de otros sistemas de transporte, como vías férreas o ciclovías.
Centro del Crucero: es el punto de intersección de los ejes de dos o más vías que se cruzan.
Boca-Calle: es la línea imaginaria que separa el crucero de la vía.
Cunetas: son las orillas de las aceras que señalan el límite entre éstas y las vías.
Capacidad: Es la tasa de volumen máximo que puede pasar por una intersección desde un acceso,
bajo condiciones prevalecientes.
Semáforo: Los semáforos, también conocidos técnicamente como señales de control de trá co,
son dispositivos de señales que se sitúan en intersecciones viales y otros lugares para regular el
trá co, y por ende, el tránsito peatonal.
Nivel de servicio: Es una medida de la calidad de la circulación, que se traduce en el grado
de satisfacción o contrariedad que experimenta quien usa la vía.
Condiciones prevalecientes: Son condiciones existentes que in uyen directamente en la ca-
pacidad de las vías.
Derecho de Vía: área o super cie de terreno, propiedad del Estado, destinada al uso de una
vía pública, con zonas adyacentes utilizadas para todas las instalaciones y obras complementarias.
Esta área está limitada a ambos lados por los linderos de las propiedades colindantes.
Vehículo: es un medio de locomoción que permite el traslado de un lugar a otro de personas
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 17
o cosas.
Parque Vehicular: Es el conjunto de vehículos que están inscritos o circulan diariamente en
una ciudad, población o región determinada.
Transporte: El transporte es una actividad del sector terciario, entendida como el desplaza-
miento de objetos, animales o personas de un lugar (punto de origen), a otro (punto de destino),
en un vehículo (medio), que utiliza una determinada infraestructura.
Clasi cación de vehículos:
Según la ley de transporte terrestre, transito y seguridad vial; se clasi can de la siguiente ma-
nera:
Livianos de pasajeros: Automóviles, Microbuses, Motocicletas, Tricimotos, Cuadrimotos.
Livianos de Carga: Pick-ups y páneles, Camiones hasta de tres toneladas de capacidad.
Pesados de pasajeros: Autobuses de todo tipo y clase.
Tipos de automoviles: Ambulancia, Camioneta, Casa rodante, Compacto, Convertible, De-
portivo, Especialidades, Fúnebre, Limusina, Rustico, Sedan, van.
Automóviles pesados:Autobús, Cabezales, Cuadrimoto, Tricimoto, Microbús, Motocicletas, Pick
up, Remolques, Camiones.
Conductor: persona que guía un vehículo automotor.
Congestión vehicular: Se re ere, tanto urbana como interurbanamente, a la condición de un
ujo vehicular que se ve saturado debido al exceso de demanda de las vías, produciendo incremen-
tos en los tiempos de viaje y atochamientos. Este fenómeno se produce comúnmente en las hora
punta u horas pico, y resultan frustrantes para los automovilistas, ya que resultan en pérdidas de
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 18
tiempo y consumo excesivo de combustible.
Trá co: Se de ne como Trá co al movimiento constante de algún objeto o persona por un camino
determinado.
Flujo de saturación: Vehículos que entrarían en una intersección semaforizada, por un carril
o acceso, si el semáforo estuviera siempre en verde y los vehículos no parasen.
Giros protegidos: Son los movimientos vehiculares que se hacen sin con icto alguno.
Giros permitidos: son los que se permiten cuando hay con ictos con movimientos vehiculares o
peatonales, tales como las vueltas a la izquierda en oposición de movimientos de frente opuestos,
o las vueltas a la derecha a través de un paso peatonal con derecho a cruzar.
1.1. Otros aspectos importantes en el estudio del trá co.
En países desarrollados como España, Chile, Ecuador y Estados Unidos, ha surgido una rama de
la ingeniería civil que se encarga de la aplicación de conocimientos y principios cientí cos a la pla-
ni cación, diseño funcional, operación y manejo de facilidades para cualquier modo de transporte
en orden, para proveer seguridad, rapidez, comodidad, oportunidad, económica y ambientalmente
compatible con el movimiento de personas y bienes. A esta rama se le denomina Ingeniería de
trasporte.
Esta ingeniería y sus áreas necesitan auxiliarse, entre otras cosas de las herramientas matemá-
ticas teóricas que sustentan la plani cación y proyección del trabajo que realizan.
La ingeniería del trá co es una sub-área de la Ingeniería de Transporte.
Ingeniería de Trá co: Según W. R. Blunden, es la ciencia de medir el trá co y viajes, el estudio
de las leyes básicas relativas a la generación de ujo de trá co, y la aplicación de este conocimiento
a la práctica profesional de la plani cación, diseño, y operación de sistemas de trá co para lograr
seguridad y e ciencia en el movimiento de personas y bienes.
1.1. OTROS ASPECTOS IMPORTANTES EN EL ESTUDIO DEL TRÁFICO.
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 19
El análisis del trá co se puede dividir de la siguiente manera:
i) Estudio de las características del trá co. Estos estudios son conducidos para obtener datos
de transporte y tendencias de trá co para regiones completas, y condiciones de trá co para loca-
lidades especí cas. Los estudios más comunes cubren las siguientes áreas:
Factores humanos y vehiculares.
Indicadores del ujo de trá co (volumen), velocidad, tiempo de viaje y demora.
Patrones de ujo de peatones.
Patrones de viaje, factores generadores de viajes, origen y destino.
Demanda y uso de estacionamientos y facilidades de cargado de camiones.
Análisis de accidentes.
ii) Plani cación de transporte incluye:
La aplicación de los conocimientos cientí cos a la plani cación.
Planes para especi car las facilidades de desarrollo o mejoras.
Estudios de impacto medioambiental.
Investigación de los factores subyacentes del sistema de transporte y el comportamiento de
los usuarios de ese sistema.
iii) Diseño de Geometrías. La aplicación del conocimiento al diseño.
Diseño de características geométricas para nuevas autopistas, basado en el análisis de la
ingeniería de trá co.
Rediseño de las carreteras e intersecciones existentes para incrementar sus capacidades.
Diseño de estacionamientos y terminales.
Establecimiento de estándares para la subdivisión de diseño de entrada de autos, controles
de acceso.
1.1. OTROS ASPECTOS IMPORTANTES EN EL ESTUDIO DEL TRÁFICO.
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 20
iv) Operación y Control de Trá co. El control de trá co se dirige a través de las leyes del tránsito
nacionales y ordenanzas locales.
v) Administración
a) Mantener el inventario de la infraestructura de transporte y control de dispositivos.
b) Plani cación administrativa, presupuestos, necesidades del personal, estructura organizacional.
Después de conocer los cinco ámbitos de estudio de la ingeniería de trá co, se puede apreciar
que los temas importantes al proyecto están dentro de dos de estos, el estudio de las características
del trá co y el diseño de geometrías. Más puntualmente en:
Factores humanos y vehiculares.
Indicadores del ujo de trá co (volumen), velocidad, tiempo de viaje y demora.
Rediseño de las carreteras e intersecciones existentes para incrementar sus capacidades.
El objetivo básico del estudio del tra co es deducir las relaciones existentes entre sus características
y el trazado de la red por la que circulan. Para un correcto estudio de las características de la
circulación, es preciso sintetizar todas las variables que ejercen algún tipo de in uencia en ella, en
una serie limitada de factores cuanti cables y matemáticamente interpretables.
De todos ellos tres destacan por su interrelación, su facilidad de manejo y su sencilla determinación:
la intensidad, composición y velocidad del trá co.
1.2. Variables
A continuación presentamos una lista de algunas variables que aparecen en el abordaje del pro-
blema del trá co vehicular, con el n de ir descubriendo más elementos que intervienen en dicho
proceso.
Densidad: se de ne como el número de vehículos que existen sobre una unidad de longitud de
carretera.
Intensidad de ujo: Se denomina intensidad o ujo al número de vehículos que atraviesan
una determinada sección de la vía en la unidad de tiempo. Para su medición se realizan aforos
1.2. VARIABLES
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 21
en determinados puntos de la carretera, bien de forma manual o utilizando aparatos contadores.
Existen una serie de indicadores basados en la intensidad que de nen el comportamiento del trá co
y las características funcionales de la vía.
Intensidad hora punta (IHP): Número de vehículos que transitan por una sección de la vía
durante la hora de mayor tra co.
Intensidad simple: Intervalo de tiempo entre el paso de dos vehículos consecutivos (medidos
en puntos homólogos).
Velocidad: Relación entre la distancia recorrida en un tramo y el tiempo invertido.
Velocidad local o instantánea: La que posee al atravesar determinada sección de la vía, en
un instante determinado.
Velocidad de recorrido (Vr ): De nida como el cociente entre la distancia total recorrida en
un trayecto determinado y el tiempo transcurrido desde el instante en que el vehículo lo inicia
hasta llegar a su destino, incluyendo posibles detenciones y retrasos debido al trá co.
Velocidad media local (Vt ): Velocidad asignada a una sección determinada, calculada hallando
la media aritmética de las velocidades de los n vehículos que la atraviesan.
P
Vi
Vt =
n
Velocidad media en un tramo (VT ): Relación entre la longitud L de un tramo y el tiempo
medio empleado por los n vehículos en atravesarlo.
n
VT = L. P
ti
Velocidad media de recorrido: Análoga a la anterior, solo que computando el tiempo total que
tarda en realizar el desplazamiento, es decir, contando detenciones y retrasos. Podría aplicarse,
por ejemplo, el tiempo que tarda un autobús de línea en cubrir su recorrido.
1.2. VARIABLES
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 22
Factor de hora punta (FHP): Elemento empleado en vías urbanas y semiurbanas, en las que
pueden producirse congestiones en cortos períodos de tiempo. Se de ne como la relación entre la
intensidad hora punta (IHP) y la intensidad máxima producida dentro de la hora punta, en un
período de tiempo determinado, generalmente 15 minutos.
IHP
F HP =
60
.In
N
donde In es el intérvalo de tiempo y N el número de vehículos.
Tiempo de recorrido: Tiempo invertido en recorrer un tramo de calle.
Espaciamiento simple: Distancia entre dos vehículos consecutivos.
Espaciamiento promedio: Promedio de todos los espaciamientos simples existentes.
Separación (s): Distancia existente entre las partes delanteras de dos vehículos que circulan
consecutivamente.
s(separación)=d(intervalo hueco)+L(longitud del vehículo)
Intervalo (h): Es un concepto íntimamente ligado al anterior. Indica el tiempo transcurrido entre
el paso de dos vehículos sucesivos por una sección determinada.
1.3. Técnicas de recolección de datos del trá co vehicular
El análisis e ciente de los problemas de trá co vehicular que arrojan resultados con ables y rea-
lista, requieren de tecnologías apropiadas de levantamiento de datos de las zonas a estudiar; entre
más realistas sean los datos que se tienen a disposición, el modelo matemático resultante de la
zona será mas adecuado.
En las últimas décadas se han desarrollado herramientas tecnológicas para la recolección de infor-
mación del trá co vehicular que optimizan los resultados del análisis. Éstas herramientas tecnoló-
gicas se resumen en las llamadas: Sistemas inteligentes de transporte ITS por sus siglas en inglés.
Se re ere a esfuerzos que aplican tecnologías de información, comunicación y sensores a vehículos
e infraestructura de transporte con el n de proporcionar información en tiempo real a los usuarios
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 23
de la carretera y operadores de sistemas de transporte para tomar mejores decisiones. Su objetivo
es mejorar la seguridad del tránsito, aliviar la congestión del trá co, reducir la contaminación del
aire, aumentar la e ciencia energética y mejorar la seguridad nacional [2].
Figura 1.1: Un ejemplo de aplicación de vehículos conectados en una intersección [8]
1.3.1. Técnica de aforos vehiculares
AFOROS
Es una de las técnicas más rudimentaria de recolección de datos de trá co vehicular, y consiste en
el recuento manual del ujo de vehículos en una carretera, por parte de un grupo de individuos
debidamente capacitados. Para la realización de un aforo se hace uso de las llamadas hojas de
aforo, que es la herramienta creada o diseñada por el equipo investigadores y varía según los datos
a recolectar. Entre mas preciso sea el aforo, serán mas realistas los datos obtenidos. La Figura 1.2
muestra la manera de recolectar datos mediante un aforo vehícular.
De niciones importantes:
Transito Anual (TA), es el número de vehículos que pasan durante un año.
Transito Mensual (TM ), es el número de vehículos que pasan durante un mes.
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 24
Transito Semanal (TS), es el número de vehículos que pasan durante una semana.
Tránsito Diario (TD), es el número total de vehículos que pasan durante un día.
Tránsito Horario (TH), es el número de vehículos que pasan durante una hora.
Volúmenes de Tránsito: Es el número de vehículos que pasa un punto determinado durante
un periodo especi co de tiempo.
Densidad de Tránsito: Es el número de vehículos que ocupan una unidad de longitud de
carretera en un instante dado. Por lo general se expresa en vehículos por kilómetro.
Intensidad o Volumen Medio Diario (IMD): Es el volumen total que pasa por una sección
transversal o por un segmento de una carretera, en ambos sentidos, durante un año, dividido
entre el número de días en el año. Se puede obtener también para un solo sentido.
Figura 1.2: Aforo vehicular
Las caracteristicas que son objeto de un estudio de aforo son las siguientes:
Intensidades de circulación.
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 25
Velocidades y tiempos de recorrido de los vehículos.
Origen, destino y objeto de los viajes realizados.
Accidentes de circulación.
En las estaciones de aforo, se realizan recuentos manuales para conocer la composición del trá co,
bastando para ello un período de varias horas en un día laborable.
Estudios sobre Volúmenes de Tránsito: Estos estudios se realizan para conocer los volúmenes
de tránsito que circulan por una vía, por parte de ella, o por un sistema de ellas y constituyen la
fuente primaria de información para distribuir y proyectar volúmenes de tránsito. Existen diferen-
tes tipos de estudios según el lugar donde se realicen y el objeto de estudio, tales como: estudios
en lugares aislados, estudios en sistemas de vías rurales, urbanas y estudios en cordones.
Estudios en lugares aislados: Se realizan para obtener información sobre volúmenes de tránsito
en un lugar especí co. Sus resultados se pueden usar para proyectar vías, hacer análisis sobre su
capacidad, establecer las fases de semáforos y para muchos otros nes. Estos estudios se llevan
a cabo en los lugares donde se necesite la información y su duración suele ser de 48 horas a una
semana si se utilizan contadores automáticos y solamente durante las horas que interesen (como las
de volúmenes máximos) cuando los recuentos se efectúan en forma manual, se acostumbra emplear
recuentos manuales de 15 minutos.
Métodos para determinar la velocidad
a) Métodos para determinar la Velocidad Instantánea:
Medida del tiempo de recorrido en una distancia ja: Midiendo una distancia sobre la
vía, se calcula con un cronómetro el tiempo que emplea el vehículo en recorrerla. La longitud de
la línea base se determina por la visibilidad, características físicas de la vía y la velocidad general
de los vehículos que se observan.
Cuando el tránsito es muy intenso, no es posible medir la velocidad de cada vehículo y hay que
hacer una selección al azar; por ejemplo observando un vehículo cada 2 minutos, 3 minutos, o cada
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 26
15 a 20 segundos.
También existen dispositivos mecánicos que ponen en marcha y detienen automáticamente el cro-
nómetro, empleando tubos sobre la calzada para captar las señales del paso del vehículo. Estos
dispositivos eliminan los errores por el tiempo de reacción del observador.
Medidores de Velocidad: Existen dos clases, los que usan un motor de velocidad constante y
un embrague eléctrico y los electrónicos que emplean un circuito de descarga calibrada. Ambos se
activan cuando las ruedas delanteras del vehículo pisan el primer tubo para detenerse cuando cru-
zan el segundo detector, midiendo la velocidad con la que transcurre el vehículo, siendo necesario
ponerlos en cero después de cada observación.
Radar: Se basa en el principio fundamental de una onda de radio re ejada por un objeto en
movimiento que experimenta una variación en su frecuencia en función velocidad del objeto. Estos
instrumentos son portátiles y cuando se apunta con ellos a un vehículo indican inmediatamente su
velocidad en un cuadrante, con una precisión de unos 3 km/h. No tienen elementos que haya que
colocar sobre la calzada y trabajan a una distancia de hasta 45 m; pero funcionan mejor a unos
10m de la trayectoria de los vehículos y a un ángulo de 15 grados de ella.
Otros métodos: Existen otros métodos para determinar la velocidad instantánea en un pun-
to, que ofrecen mayor exactitud y número de datos, para realizar investigaciones técnicas, pero el
equipo es muy costoso y la obtención de datos toma mucho tiempo. Entre ellos tenemos el proce-
dimiento fotográ co y células fotoeléctricas con instrumentos registradores grá cos.
b) Métodos para determinar la velocidad media:
Estos métodos se emplean generalmente para medir las condiciones de uidez de una ruta, en las
horas de mayor tránsito (horas punta), determinando además el tiempo en que el vehículo no está
en movimiento por causas ajenas a la voluntad del conductor (semáforos, paso de peatones, por
esperar a otros vehículos detenidos, paso preferencial, etc) denominado demora o retardo.
Método de observaciones a cierta altura: Desde un edi cio o en algún punto alto se mi-
den los tiempos de recorrido de los vehículos en la corriente de tránsito sobre un trayecto cuya
longitud se ha medido previamente. Con un cronómetro se toma el tiempo que tarda cada vehículo
en recorrer la longitud total.
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
CAPÍTULO 1. ELEMENTOS DEL ABORDAJE DEL PROBLEMA DEL TRÁFICO VEHICULAR 27
Flotando en el Tránsito: En este método el observador forma parte de la corriente de trán-
sito; ingresando con su vehículo en la ruta que previamente ha jado con un punto inicial y uno
nal, procurando siempre mantener los movimientos normales, personalmente va midiendo su tiem-
po de recorrido.
Mediciones dentro de la corriente: En este método el observador también forma parte de
la corriente de tránsito pero no se mide así mismo, sino que hace el recorrido varias veces y cada
vez escoge el vehículo o los vehículos más cercanos a él y va observando sus tiempos.
1.3. TÉCNICAS DE RECOLECCIÓN DE DATOS DEL TRÁFICO VEHICULAR
Capítulo 2
Áreas de la matemática involucradas.
El análisis de los problemas de trá co vehícular mediante el modelamiento matemático, implica
el conocimiento de diversas áreas de la matemática que fundamentan la base teórica de nuestra
investigación. A continuación describimos algunas de ellas.
2.1. Ecuaciones diferenciales
La mayoria de modelos matemáticos que describen el trá co vehícular en una carretera, están
representados por medio de ecuaciones diferenciales o sistemas de ecuaciones diferenciales; éstas
permiten simpli car el análisis de los fenómenos del trá co vehícular.
Una ecuación diferencial es lineal cuando sus soluciones pueden obtenerse a partir de combi-
naciones lineales de otras soluciones. Si es lineal, la ecuación diferencial tiene sus derivadas con
máxima potencia de 1 y no existen términos en donde haya productos entre la función desconocida
y/o sus derivadas.[3] Tienen la forma
an (x)y n + an−1 (x)y n−1 + .... + a1 (x)y 0 + a0 (x)y = g(x)
Cualquier función implícita o explícita que satisfaga la ecuación diferencial, se llama SOLUCIÓN.
La solución de una ecuación diferencial de orden n que contiene n- constantes arbitrarias, se llama
Solución General; la solución que se obtiene dando valores particulares a las constantes arbi-
Solución Particular; la grá ca de las soluciones de una
trarias de una solución general se llama
ecuación diferencial son llamadas Curvas Integrales.
28
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 29
Problema de valor inicial es un problema que busca determinar una solución a una ecua-
ción diferencial sujeta a condiciones sobre la función desconocida y sus derivadas especi cadas en
un valor de la variable independiente. Tales condiciones se llaman Condiciones Iniciales.
Problema de valor de la frontera es un problema que busca determinar una solución a una ecua-
ción diferencial sujeta a condiciones sobre la función desconocida especi cadas en dos o más valores
de la variable independiente. Tales condiciones se llaman condiciones de frontera o de contorno.
Un sistema de ecuaciones diferenciales es un sistema en el que las ecuaciones son diferenciales.
2.2. Introducción a la teoría de grafos
Es frecuente que nos encontremos con situaciones en las que debamos tratar con magnitudes de
ujo: uidos que circulan por un sistema de tuberías, ujos de vehículos, etc; estas situaciones
pueden modelizarse mediante un grafo que represente una red de transporte. Los problemas más
frecuentes en estos casos consisten en:
Determinar el ujo máximo que es capaz de circular en el sistema.
Si conocemos el coste de ujo vehícular por cada uno de los vértices del grafo, puede inte-
resarnos conocer cuánto ujo debe circular por cada arista, para así obtener el ujo a coste
mínimo, para un determinado valor de ujo total.
Ambos problemas pueden resolverse por programación lineal.
El inicio de la teoría de grafos se presentó en un artículo de Leonhard Euler en el año 1736. Este
trabajo analiza la manera de solucionar el problema de los siete puentes de königsberg (prusia
oriental). Básicamente se trataba de encontrar la manera de recorrer toda la ciudad atravesando
cada puente solo una vez. La imagen muestra un esquema de la ciudad de königsberg y sus puentes.
Para resolver este problema, Euler representó las cuatro zonas como cuatro puntos, y los puentes
como aristas que unen los puntos, tal y como se muestra en la gura 2.2
En esta representación, intervienen cuatro puntos a, b, c, d; a los que denominaremos vértices y
siete lados que conectan dichos vértices, a los que llamaremos aristas.
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 30
Figura 2.1: Ciudad de königsberg
Figura 2.2: Representación de Euler del problema
De nición 2.1. Un grafo G es un par (V ; E), donde V y E son conjuntos, junto con una apli-
cación
γG : E → {{u, v} ∈ V }
Al conjunto V se le llama conjunto de vértices; al conjunto E conjunto de lados o aristas, y a la
aplicación γG o simplemente γ aplicación de incidencia [4].
Para el caso de la representación de la Figura 2.2, los vértices son V = {a, b, c, d} y los lados
pueden de nirse por E = {e1 , e2 , e3 , e4 , e5 , e6 , e7 }. De manera que la función evaluada en el lado e1
representa la arista formada por los vértices {a, b}. Es decir γG (e1 ) = {a, b}. Si dos lados son tales
que la función evaluada en ellos, representa a la misma arista, se les llama lados paralelos.
Un lado tal que γG (e) = {v} se llama lazo.
De nición 2.2. Un grafo dirigido u orientado es un par (V ; E), donde V y E son conjuntos, junto
con dos aplicaciones s; t : E → V . Al conjunto V se le llama conjunto de vértices, al conjunto
E conjunto de lados, y a las aplicaciones s y t aplicaciones dominio y condominio (”source” y
”target”).
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 31
De nición 2.3 Sea G = (V, E) un grafo con aplicación de incidencia γG . Un subgrafo de G es
un nuevo grafo G0 = (V 0 , E 0 ) donde V 0 ⊆ V , E0 ⊆ E y se veri ca que γG0 (e) = γG (e) para cual-
quier e ∈ E 0.
Si G0 = (V 0 , E 0 ) es un subgrafo de un grafo G = (V, E), se dice que es un subgrafo completo
si dado e∈E tal que γG (e) ⊆ V 0 se veri ca que e ∈ E 0. Dicho de otra forma, si tiene todos los
lados que tenía G y que unen vértices de V0
Un subgrafo completo está completamente determinado por el conjunto de vértices. Así, para
determinar un subgrafo de un grafo G en ocasiones explicitaremos únicamente el conjunto de vér-
tices de dicho subgrafo, sobreentendiendo que se trata del subgrafo completo con dicho conjunto
de vértices.
De nición 2.4 Sea G un grafo. Un camino de longitud n es una sucesión de lados e1 , e2 , ..., en ,
junto con una sucesión de vértices v1 , v2 , ..., vn+1 tales que γG (ei ) = {vi , vi+1 }.
En tal caso se dice que el camino e1 e2 ...en es un camino del vértice v1 al vértice vn+1 .
Se considera un camino de longitud cero de v a v a aquel cuya sucesión de vértices es v y cuya
sucesión de lados es vacía.
Para representar un camino en un grafo, en ocasiones puede darse únicamente la sucesión de vér-
tices, y en ocasiones podría darse la sucesión de lados.
Notar que si e1 e2 ...en es un camino de u a v, entonces en en−1 ...e1 es un camino de v a u. Un
camino en el que no aparecen lados repetidos se llama recorrido.
Un recorrido en el que no hay vértices repetidos (salvo eventualmente el primero y el último)
se llama camino simple.
Un camino en el que coinciden el primer y el último vértice se llama camino cerrado.
Un recorrido que es a la vez camino cerrado se llama circuito. Un circuito que a su vez es camino
simple es un ciclo.
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 32
Consideremos el siguiente ejemplo mostrado en la gura 2.3. La sucesión ABDC es un camino
Figura 2.3: Grafo de los vértices A, B, C, D
de longitud 3, que une A con C, es un camino pues ningún lado se repite.
Proposición 2.1. Sea G un grafo. Supongamos que existe un camino de u a v. Entonces existe
un camino simple de u a v.
Demostración: Supongamos que el camino es u = v1 v2 ...vn = v . Si el camino no es simple, debe
haber dos vértices repetidos. Sean estos vi y vj , con i < j. En ta caso se tiene que v1 ...vi vj+1 ...vn
es un camino de u a v. Si este camino no fuera simple, repetiríamos el proceso, hasta llegar a un
camino simple. Podemos repetir este procedimiento un número nito de veces por que tenemos un
número nito de vértices.
De nición 2.5. Sea G un grafo. Se dice que G es conexo, si dados u y v dos vértices de G existe al
menos un camino de u a v.
En general, si G es un grafo, podemos de nir en el conjunto de vértices la relación:
uRv si existe un camino de u a v
Esta relación es de equivalencia, pues:
Es re exiva ya que todo vértice está unido con él mismo por un camino de longitud cero.
Es simétrica pues si e1 e2 ...en es un camino de u a v entonces e01 e02 ...e0m es un camino de v a u.
Es transitiva pues si e1 e2 ...en es un camino de u a v y e01 e02 ...e0m es un camino de v a w, entonces
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 33
e1 e2 ...en e01 e02 ...e0m es un camino de u a w.
Se tiene entonces que un grafo es conexo si el conjunto cociente por la relación que acabamos de
de nir tiene un solo elemento. A partir de esta relación, podemos considerar, para cada clase de
equivalencia, el subgrafo (completo) determinado por los vértices de dicha clase de equivalencia.
Cada uno de estos grafos es lo que se denomina una componente conexa de G. Consideremos el
siguiente ejemplo mostrado en la gura2.4. El grafo tiene dos componentes conexas que son las
Figura 2.4:
sucesiones ABD y EBC
Matrices asociadas a grafos.
En esta sección vamos a ver como podemos representar los grafos nitos mediante matrices. A
partir de estas matrices podremos obtener propiedades sobre los grafos.
De nición 2.6. Sea G un grafo cuyo conjunto de vértices es V = {v1 , v2 , ..., vn }. Se de ne su
matriz de adyacencia como la matriz A ∈ Mn (N) cuyo coe ciente (i, j) es igual al número de lados
e que unen vi con vj .
ASPECTOS IMPORTANTES.
1. La matriz de adyacencia de un grafo es una matriz simétrica, pues cada lado que une vi con vj
une también vj con vi .
2. Si tomáramos otra ordenación de los vértices, la matriz de adyacencia es diferente. Por tanto,
un grafo puede tener varias matrices de adyacencia. En general, si A y C son dos matrices de
adyacencia de un mismo grafo, entonces existe una matriz de permutación P tal que P −1 CP = A
(una matriz de permutación es una matriz que tiene en cada la y en cada columna un coe ciente
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 34
que vale üno el resto toman el valor çero". Es una matriz que se obtiene a partir de la matriz
2
identidad realizando intercambio de las y/o columnas).
3. La existencia de lados paralelos se traduce en la matriz de adyacencia en la existencia de
coe cientes mayores que 1. De la misma forma, la existencia de lazos se traduce en que algún
elemento de la diagonal principal de la matriz de adyacencia es distinto de cero.
4. Si tenemos un grafo dirigido, también podemos de nir su matriz de adyacencia. En este caso,
el coe ciente aij es el número de lados que veri can que s(e) = vi y t(e) = vj . En este caso, la
matriz no tiene porqué ser simétrica.
5. La matriz de adyacencia de un grafo determina a éste. Además, toda matriz cuadrada con
coe cientes en N es la matriz de adyacencia de un grafo (dirigido o no) nito. Podríamos
entonces tomar como de nición de grafo la de una matriz cuadrada con coe cientes en N.
Proposición 2.2. Sea G un grafo cuyo conjunto de vértices es {v1 , v2 , ..., vn } y sea A su matriz de
adyacencia. Entonces el coe ciente (i, j) de la matriz An es igual al número de caminos de longitud
n que unen vi con vj .
Demostración: Haciendo uso de inducción; para n = 1 el resultado se sigue de la de nición de
matriz de adyacencia.
Supongamos que el resultado es cierto para n − 1. Debemos demostrar que se cumple también para
n.
Sea entonces B = An−1 y C = An . Queremos probar que cij es el número de caminos de longitud
n que unen vi con vj .
Pn
Por otra parte es claro que cij = k=1 bik akj . Todos los caminos de longitud n entre vi y vj se
obtienen añadiendo a un camino de longitud n−1 entre vi y v el vértice vj ; y esto podremos
hacerlo únicamente cuando tengamos un lado que incide en los vértices v y vj . Por tanto, para
contar los caminos de longitud n entre vi y vj necesitamos, para cada vértice vk :k = 1, 2, ..., n
contar los caminos de longitud n−1 entre vi y vk , y por cada uno de estos, contar los lados
(caminos de longitud 1) entre vk y vj . Luego, realizar la suma de los resultados obtenidos pa-
ra cada k. Es decir, estamos diciendo que el número de caminos de longitud n entre vi y vj es:
bi1 a1j + bi2 a2j + ... + bin anj = cij como queríamos demostrar. Este razonamiento es válido aun si el
grafo G fuera dirigido.
2.2. INTRODUCCIÓN A LA TEORÍA DE GRAFOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 35
De nición 2.7. Sea G un grafo cuyo conjunto de vértices es V = {v1 , v2 , ..., vn } y cuyo conjun-
to de lados es E = {e1 , e2 , ..., en } Se de ne la matriz de incidencia del grafo G como una matriz
n×n que tiene en la posición (i, j) un 1 si vi ∈ f (ej ) y 0 en otro caso.
ASPECTOS IMPORTANTES.
1. Si tomamos otra ordenación de los vértices y/o lados, la matriz de incidencia puede ser diferente.
En este caso, dos matrices de incidencia corresponden al mismo grafo si se puede pasar de una
a otra mediante operaciones elementales por las y/o columnas Tipo I (intercambio de las y/o
columnas).
2. El que un grafo tenga lados paralelos se traduce en que tenga dos columnas iguales en la matriz
de incidencia, mientras que los lazos se traducen en las con un único coe ciente 1.
3. Si el grafo es dirigido, se puede de nir también la matriz de incidencia. En este caso, el coe ciente
(i, j) puede también tomar el valor −1 (si el lado ej parte del vértice vi ). En tal caso, el grafo
no podría tener lazos.
2.3. Introducción a la teoría de probabilidad
Los ujos de llegada de vehículos a una intersección de carreteras, representan procesos estocásti-
cos, pues estas cantidades son números aleatorios en un momento dado, es decir, de nidos por el
conjunto de valores que pueden asumir y las probabilidades de tomar estos valores. A continuación
se describe la teoría básica de la teoría de probabilidades.
En nuestro diario vivir presenciamos una serie fenómenos, que podemos clari carlos en dos grandes
grupos:
1. Deterministas: son aquellos fenómenos o experimentos en los que bajo las mismas condiciones,
presentan siempre el mismo resultado.
2. Aleatorios: son aquellos fenómenos o experimentos en los que aún bajo las mismas condiciones,
no se puede prever el resultado. Sólo se conocen los posibles resultados.
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 36
Los fenómenos deterministas se relacionan con el conocimiento de las causas que lo generan; y el
control de los factores que determinan ese comportamiento; mientras que los fenómenos aleatorios
obedecen a la casualidad o el azar, y de la imposibilidad de controlar estos factores debido al
desconocimiento de las causas.
El objetivo de la teoría de probabilidades es proporcionar un modelo matemático adecuado, apli-
cable a la descripción e interpretación de los fenómenos aleatorios.
Algunos de los conceptos principales en dicha teoría son los siguientes:
Espacio Muestral: Sea γ un fenómeno aleatorio y Ω un conjunto tal que:
1. Todo elemento de Ω representa al menos un posible resultado de γ.
2. Todo resultado de γ tiene asociado uno y sólo un elemento de Ω.
Entonces Ω se llama espacio muestral.
Sea Ω un espacio muestral asociado a un experimento aleatorio y A un conjunto de subconjuntos
de Ω, conformado por no más de 2Ω subconjuntos llamados partes de Ω. A se llamará σ− Álgebra
si:
a. ∅∈A
b. Si β ∈ A ⇒ βc ∈ A
S
c. {βi ∈ A :∈ N} ⇒ ∀i βi ∈ A
Evento
Es todo subconjunto de Ω, que a la vez pertenece a una σ− Álgebra. Sea E ∈ Ω, E ∈ A de donde
a los elementos de una σ álgebra A se les denomina eventos o sucesos.
ASPECTOS IMPORTANTES:
Ω: evento seguro.
∅: evento imposible, nunca ocurre.
Si α y β son eventos de Ω y si α ∩ β = ∅, se dice que α y β son disjuntos.
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 37
Sean n eventos de nidos en Ω. Si las intersecciones de dos en dos, de tres en tres, y así
sucesivamente de todos los sucesos dan como resultado el evento nulo, entonces los eventos
se denominan mutuamente excluyentes.
Cuando la unión de n eventos en Ω da como resultado Ω se denomina a tales sucesos con e1
nombre de colectivamente exhaustivos.
Aquellos grupos de eventos colectivamente exhaustivos y a la vez mutuamente excluyentes
se les considera una partición del espacio muestral.
W Evento elemental: Cada posible resultado que pueda obtenerse en la realización de un
experimento aleatorio, que no pueda descomponerse en otros más simples, se denomina un
suceso elemental, resultado elemental o punto muestral.
Algebra de eventos
Sea C una colección de eventos Ai , i = 1, 2, 3, .... y W el resultado de un experimento aleatorio.
Entonces se cumplen las siguientes equivalencias:
a) Ai ocurre ⇔ W ∈ Ai
b) Ai no ocurre ⇔W ∈
/ A, ó W ∈ Aci
c) Ocurre A1 ó A2 ⇔ W ∈ (A1 ∪ A2 )
d) A1 y A2 ⇔ W ∈ (A1 ∩ A2 )
S
e) Ocurre al menos (como mínimo) un Ai ⇔ W ∈ ∀i Ai
T
f ) Ocurren todos los sucesos Ai ⇔ W ∈ ∀i Ai
g) Siempre que ocurra A1 ocurre A2 ⇔ W ∈ Ai ⊂ A2
h) No ocurre al menos un suceso Ai si y sólo si ocurren todos los sucesos contrarios a los respectivos.
Ai ⇔ w ∈ (∪∀i Ai )c = ∩∀i Aci
i) Ocurre A1 y no ocurre A2 ⇔ W ∈ (A1 − A2 )
j) A lo más ocurre un suceso pero no ambos ⇔ W ∈ (A1 ∩ A2 )c
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 38
Espacio medible: Sea Ω un espacio muestral, A una σ− álgebra. Se llama espacio medible al par
(Ω, A). Si el evento α ∈ A, se dice que α es medible.
Medida de probabilidad
Sea (Ω, A) un espacio medible. Una medida de probabilidad, P, es una función valorada en los
reales, cuyo dominio es A.[5]
P : A −→ R
A −→ P (A)
tal que se cumplen los siguientes axiomas:
i. ∀α ∈ A, P (A) > 0.
S P
ii. Sea {Ai ∈: i ∈ N} Ai ∈ A mutuamente excluyentes; entonces: P( i∈N Ai ) = i∈N P (Ai ).
iii. P (Ω) = 1.
Sí α ∈ A se dice que P (α) es la medida de probabilidad de la ocurrencia de α. P también es
conocida como FUNCIÓN DE PROBABILIDAD.
Espacio de Probabilidad
Sea (Ω, A) un espacio medible, y P una función de probabilidad de nida sobre A. A la terna
(Ω, A, P ) se le denomina espacio de probabilidad.
De nición: Sea (Ω, A, P ) y A1 , A2 ∈ A. Los eventos A1 y A2 son independientes sí y sólo sí
T
P (A1 A2 ) = P (A1 )P (A2 )
Procesos estocásticos
La teoría de los procesos estocásticos se centra en el estudio y modelización de sistemas que evo-
lucionan a lo largo del tiempo, o del espacio, de acuerdo a unas leyes no deterministas, esto es, de
carácter aleatorio.
La primera idea básica es identi car un proceso estocástico con una sucesión de variables aleatorias
{xn , n ∈ N} donde el subíndice indica el instante del tiempo (o espacio) correspondiente.
Una variable aleatoria. X(s) es una función que va desde un espacio muestral S a la recta real, de
manera que a cada punto s∈S del espacio muestral se le puede asociar un número de la recta real.
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 39
De este modo, la probabilidad de cada suceso de S se puede trasladar a la probabilidad de que un
valor de X (variable aleatoria) caiga en un cierto intervalo o conjunto de números reales. Si a todo
esto se le añade una dimensión temporal, se obtiene un proceso estocástico.
Proceso Estocástico Dado el espacio de probabilidad (Ω, α, P ) de modo que para todo t ∈ T ⊂ R
jo.
Xt : (Ω, α, P ) −→ (R), )
w −→ Xt (w) ∈ R
Esto es, Xt es una variable aleatoria y ∀w ∈ Ω, jo Xt (w) es una función del tiempo.
Ejemplos.
Xt : número de personas que esperan un autobús en un instante t donde t ∈ [9, 10]
Xt : precio de una acción de una empresa en un día t del mes (t = 1, 2, 3, ..., 30).
Para que un proceso estocástico esté completamente de nido hay que determinar completamente
las variables aleatorias., es decir, determinar e identi car la distribución de probabilidad asociada
a cada una de ellas.
Al conjunto T ⊂ R de subíndices se le denomina conjunto paramétrico y puede ser continuo o
numerable. De este modo aparece una primera clasi cación en procesos estocásticos de parámetro
continuo o de parámetro discreto.
Se denomina conjunto de estados E, al conjunto de los posibles valores que pueden tomar las va-
riables aleatorias {xt }, t ∈R
Proceso estocástico de tiempo discreto En teoría de la probabilidad, un proceso estocás-
tico de tiempo discreto es un proceso estocástico para el que se la variable temporal toma solo
valores discretos (usualmente números naturales).
Proceso estocástico de tiempo continuo En teoria de la probabilidad, un proceso estocás-
tico de tiempo continuo (o continuo en el espacio y el tiempo) es un proceso estocástico para el
cual el índice temporal t asume un rango continuo (usualmente en los números reales).
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 40
En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable aleatoria
es una función que asigna a cada suceso de nido sobre la variable la probabilidad de que dicho
suceso ocurra. La distribución de probabilidad está de nida sobre el conjunto de todos los sucesos
y cada uno de los sucesos es el rango de valores de la variable aleatoria.
Función de densidad de probabilidad
Una función de densidad de probabilidad caracteriza el comportamiento probable de una población
en tanto especi ca la posibilidad relativa de que una variable aleatoria continua X tome un valor
cercano a x.
Una variable aleatoria X tiene densidad f , siendo f una función no-negativa integrable de Lebesgue,
si:
Rb
P [a ≤ X ≤ b] = a
f (x)dx
La distribución uniforme
Supongamos que una variable X puede tomar valores al azar en un rango (a, b). En este caso, se
dice que X tiene una distribución uniforme entre a y b y se escribe
X ∼ U (a, b).
En este caso, la probabilidad de que X caiga en cualquier zona es la misma, y entonces la función
de densidad es constante.
Figura 2.5: Grá co de la función de distribución uniforme
Función de distribución.
Si X ∼ U (a, b). y si a<x≤b
2.3. INTRODUCCIÓN A LA TEORÍA DE PROBABILIDAD
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 41
F (x) = P (X ≤ x)
Rx 1
= a b−a du
Distribución uniforme Consideremos sucesos éxitos que ocurren aleatoriamente a lo largo del
tiempo y sea la variable aleatoria X = número de sucesos en el intervalo de tiempo (0, t). La
distribución de Poisson de parámetro λ surge en los llamados procesos de Poisson que se presenta
en relación con el acontecimiento de éxitos de un tipo particular durante un intervalo continuo de
tiempo. Las suposiciones de un proceso de Poisson, durante un intervalo de tiempo que empieza
en t=0 son:
Existe un parámetro λ tal que para cualquier intervalo corto de tiempo ∆t, la probabilidad
de que ocurra exactamente un éxito es λ∆t
La probabilidad de que se produzca más de un éxito en el intervalo es 0(∆t).
El número de éxitos ocurrido en un intervalo ∆t es independiente del número ocurrido antes
de este intervalo de tiempo.
Una variable aleatoria X tiene una distribución de Poisson si para algún λ≥0 y
X= Numero de éxitos en un intervalo de tiempo si el número promedio es λ
e−λ λk ; Si k = 0, 1, 2, 3, ...
k!
0; En otro caso
La Figura 2.5 muestra la grá ca de la distribución uniforme.
2.4. Sistemas dinámicos
Una forma particular de entender lo que sucede en una intersección señalizada, es analizándola
como un proceso dinámico, en los que los ujos de entrada de vehículos se transforman en ujos
de salida.
Un sistema dinámico es una terna (T, M, φ), donde T es el tiempo, M es un conjunto de posibles
estados del sistema y φ es una función que veri ca:
Φ(0, x) = x
Φ:T ×M →M
Φ(t , Φ(t , x)) = Φ(t + t , x)
2 1 2 1
2.4. SISTEMAS DINÁMICOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 42
Esta terna produce una serie de aplicaciones de M en sí mismo. Dada una condición inicial
x0 = x(0) produce una trayectoria determinista, x(t), para cada t en T.
Habitualmente, o bien T es un intervalo de la recta real (y suele llamarse ujo), o bien los números
naturales (y suele llamarse mapeado.)
Los sistemas dinámicos que aparece en los fenómenos físicos pueden ser modelados por sistemas
de ecuaciones diferenciales. Si x es el vector de estado del sistema dinámico, su evolución temporal
queda descrita por un sistema de ecuaciones diferenciales de la forma:
ẋ = f (x, t) (1)
donde f : D ⊂ Rn × R → Rn . De acuerdo a estos modelos, x representa el vector de estados del
sistema, el cual la dinámica del sistema hace variar con el tiempo, dentro de un espacio euclideano
n-dimensional, que constituye el espacio de estados del sistema dinámico.
Un sistema autónomo tiene la forma:
ẋ = f (x) (2)
En ellos la función f no depende explícitamente de la variable independiente t. Si la función de-
pende explícitamente de la variable independiente t, decimos que el sistema es no autónomo.
Una solución ϕ(t; t0 , x0 ) de (1) o de (2) de nida para t∈J se llama estable si para cada ε(t0 ) > 0
existe δ > 0 tal que si todas las soluciones ϕ(t; t0 , y) de (1) o de (2) con | y − x0 |< δ están de nidas
para t∈J y además | ϕ(t; t0 , y) − ϕ(t; t0 , x0 ) |< ε para t∈J (ver la gura 2.6).
2.5. Métodos numéricos
Muchos de los modelos matemáticos que se utilizan para describir el comportamiento del trá co
vehícular, resultan ser expresiones matemáticas complicadas de resolver y por tanto se requiere
de métodos numéricos que nos den aproximaciones de las soluciones de las mismas. Una de los
métodos mas utilizadas para aproximar numéricamente las soluciones de ecuaciones diferenciales
es el llamado método de las diferencias nitas que se describe a continuación.
2.5. MÉTODOS NUMÉRICOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 43
Figura 2.6: Estabilidad
2.5.1. Método de diferencias nitas
Este método para el problema de valor de frontera de orden dos, se desarrolla de la siguiente
manera.[6]
y 00 (x) = p(x)y 0 + q(x)y + r(x), a ≤ x ≤ b, y(a) = α, y(b) = β
requiere utilizar las aproximaciones del cociente de diferencias para aproximar tanto a y 00 como a
y0.
Primero, seleccionamos un entero N > 0 y dividimos el intervalo [a, b] en N +1 subintervalos
iguales cuyos extremos son los puntos de la malla xi = a + ih, para i = 0, 1, ..., N + 1, donde
h = (b − a)/(N + 1). Al escoger h de este modo, se facilita la aplicación de un algoritmo matricial
con el que se resuelve un sistema lineal que contenga una matriz de N × N.
En los puntos de red del interior, xi , para i = 1, 2, ...N , la ecuación diferencial a aproximar es
y 00 (xi ) = p(xi )y 0 + q(xi )y + r(xi ) (1)
Al desarrollar y en el tercer polinomio de Taylor alrededor de xi evaluada en xi+1 y xi−1 , tenemos,
suponiendo que y ∈ C 4 [xi−1 , xi+1 ]
h2 00 h3 000 h4 0000 +
y(xi+1 ) = y(xi + h) + hy 0 (xi ) + 2
y (xi ) + 6
y (xi ) + 24
y (ξi )
para algún ξ+ en [xi , xi+1 )], y
2.5. MÉTODOS NUMÉRICOS
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 44
h2 00 h3 000 h4 0000 −
y(xi−1 ) = y(xi − h) − hy 0 (xi ) + 2
y (xi ) − 6
y (xi ) + 24
y (ξi )
para algún ξ− en [xi−1 , xi ], si se suman estas ecuaciones, tenemos
h4 4 +
y(xi+1 ) + y(xi−1 ) = 2y(xi ) + h2 y 00 (xi ) + 24
[y (ξi ) + (ξi− )].
y al despejar y 00 (xi ) se obtiene
y(xi+1 )+y(xi−1 )−2y(xi ) h4 4 +
y 00 (xi ) = h2
− 24
[y (ξi ) + y 4 (ξi− )].
Podemos aplicar el teorema del valor medio para simpli car aún mas esta expresión y transformarla
en
y(xi+1 )+y(xi−1 )−2y(xi ) h4 4
y 00 (xi ) = h2
− 12
[y (ξi )].
para algún ξ en [xi−1 , xi+1 ]. A esto se le llama fórmula de las diferencias centradas.
De manera semejante se obtiene una fórmula de este tipo para y 0 (xi ) que da por resultado
h2 000
y 0 (xi ) = 1
2h
[y(xi+1 ) − y(xi−1 )] − 6
y (ηi )
Para alguna ηi en (xi−1 , xi+1 )
Ya tenemos el valor aproximado de la primera y segunda derivada. Si lo sustituimos en la ecuación
(1) obtendremos una expresión para la ecuación diferencial. Si hacemos y1 = α y y2 = β y hacemos
variar i = 2, 3, 4, 5 obtendremos un sistema de cuatro ecuaciones y cuatro incógnitas. Al resolverlo
tendríamos la primera aproximación numérica.
2.6. Análisis vectorial
Al realizar el análisis matemático de los sistemas de control del trá co en una carretera señalizada
con semáforos, nos encontramos con que dichas señales se representan mediante funciones vecto-
riales de tiempo, así como también los conjuntos de llegada de vehículos a la intersección pueden
representarse como funciones vectoriales de tiempo. A continuación presentamos las generalidades
importantes de las funciones vectoriales.
En matemática, en el área de cálculo vectorial, un vector es un segmento de recta orientado,
2.6. ANÁLISIS VECTORIAL
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 45
que depende de un sistema de coordenadas, en el cual se puede llevar un importante número de
operaciones matemáticas, como suma, resta, descomposición, ángulo entre dos vectores, etc.
Funciones vectoriales
De nición: Una función vectorial de una variable real en el espacio es una función cuyo dominio
es un conjunto de números reales y cuyo rango es un conjunto de vectores del espacio, es decir, es
una función del tipo:
r : I ⊆ R → V3
t → r(t) = f (t)i + g(t)j + h(t)k
donde f ,g ,h son funciones reales de variable real t, llamadas funciones componentes de r. Nota: Si
la función vectorial r describe el movimiento de una partícula, el vector r(t) = f (t)i + g(t)j + h(t)k
señala su posición en el instante t , en estos casos representa la variable tiempo.
A continuación se de nen algunos conceptos importantes del análisis vectorial.
Trayectoriaen Rn es una función σ : [a, b] → Rn . Si σ es diferenciable, decimos que σ es una
trayectoria diferenciable.[7]
Si σ es una trayectoria en R3 se puede describir
σ (t) = (x(t), y(t), z(t))
Vector velocidad: Sea σ : R → R3 una trayectoria de clase C 1. El vector velocidad en σ(t) esta
dado por:
v(t) = σ 0 (t) = (x0 (t), y 0 (t), z 0 (t))
Rapidez
La rapidez de la partícula está dada por
S(t) = kσ 0 (t)k, la longitud del vector σ 0 (t)
Dada una partícula moviéndose sobre una trayectoria σ(t), es natural de nir la tasa de cambio del
vector velocidad como aceleración. Así,
2.6. ANÁLISIS VECTORIAL
CAPÍTULO 2. ÁREAS DE LA MATEMÁTICA INVOLUCRADAS. 46
a(t) = σ 00 (t) = (x00 (t), y 00 (t), z 00 (t)).
Si una partícula de masa m se mueve en R3 , la fuerza F que actúa sobre ella en el punto σ(t), se
relaciona con la aceleración por medio de la segunda ley de Newton:
F (σ(t)) = ma(t)
2.6. ANÁLISIS VECTORIAL
Capítulo 3
Descripción matemática del proceso del
trá co en una intersección señalizada.
Si deseamos realizar un análisis teórico de ujos de automóviles, en una intersección de carreteras,
muchas veces resulta mas sencillo realizar representaciones de éstos mediante grafos; y asignar va-
lores a cada uno de los ujos de cada corriente de trá co. Sin embargo, antes de adentrarse en ello,
es necesario realizar una descripción matemática general del proceso del paso de vehículos a través
de una intersección señalizada, que nos brinde la representación de cada elemento que participa
en el proceso como una estructura matemática. El presente capitulo muestra dicha descripción,
tomando este proceso, como un sistema dinámico, en el que los ujos de entrada de vehículos a la
intersección, se transforman en ujos de vehículos saliendo de la misma; en transformaciones de
colas de espera para entrar a la intersección, en colas de salida.
Tomando dicho fenómeno como un proceso dinámico, podemos asociar a él los conjuntos de entra-
da, de estados y de salida que caracterizan a un sistema dinámico, de la siguiente manera:
Un espacio de entrada X: Conjunto de todos los ujos que entran a la intersección
Un espacio de salida Y: Conjunto de todos los ujos que salen de la intersección
Un espacio de estado W: Conjunto de todos los estados intermedios del ujo de vehículos
La propiedad fundamental de un sistema dinámico es que dado cualquier tiempo inicial t0 ∈ T ;
cualquier estado inicial w0 ∈ W , y cualquier entrada x(.) ∈ X , ambos w(t) (el estado resultante
47
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.48
en un momento posterior t) y y(t) (la salida resultante en algún tiempo posterior t) se especi can
de forma única. Por lo tanto cada estado w(t) de los vehículos y cada salida y(t) dependen solo
de w0 = w(t0 ) y del valor de la entrada x(.) en el intervalo [t0 , t]. Signi ca que para describir
completamente este proceso, de nimos estas funciones; y con ello será posible determinar w(t) e
y(t) [8].
3.1. Conjunto de llegada X
El conjunto X es un conjunto compuesto por funciones vectoriales de tiempo, es decir, funciones
que cambian en el tiempo y que están compuestas por tantas componentes como ujos de auto-
móviles que se aproximan a la intersección existan en la corriente de trá co que representan. Una
corriente de trá co es una carretera que tiene varios carriles y van en la misma dirección.
Las funciones vectoriales en este conjunto, estan de nidas en el dominio T ⊆ R donde T =
(−∞, ∞) o T = [0, ∞) para el caso de funciones de tiempo continuo y T = {n∆t : nN } en el caso
discreto.
Debe notarse que cada elemento del conjunto X, comprende entradas no controladas en el siste-
ma, entradas de trá co controladas por semáforos por ejemplo, y otro tipo de entradas como las
peatonales que in uyen en el proceso.
De manera que la entrada puede ser descrita por un conjunto de pares ordenados, de la forma.
X = u0 × Ω
en la que cada elemento de ese par es una función vectorial; en esta representación, el conjunto u0
es el conjunto de controles de trá co, es decir vectores que indican cual es la señal en cada carril
de la carretera, matemáticamente tiene la forma:
u0 (.) = (u1 (.)0 , u2 (.)0 , u3 (.)0 , ..., up 0 , ...., uP 0 )
Podríamos representar este vector de la siguiente manera: u0 (.) = {u0 (t) : t ∈ T }, y se le llama
comúnmente control, además este vector es una función de tiempo, periódica, que describe el pro-
ceso de cambios de señal de trá co (verde, anaranjado, rojo). La repetición de este proceso, se
denomina: ciclo de control, o más a menudo ciclo, y su duración c se llama la duración del ciclo o
tiempo del ciclo.
3.1. CONJUNTO DE LLEGADA X
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.49
Las componentes de este vector que se representan por u0 (.) son funciones periódicas de tiem-
po, pues para cada cierto tiempo constante las señales de trá co vuelven a cambiar; entonces se
tiene que:
u0p (t) = u0p (t + kc); k = 0, ±1, ±2, ....p = 1, 2, 3, ..., P
Cada componente del control puede tomar 0 ó 1 de valor, donde cero corresponde a señal rojo y
1 a señal verde. Se omite el valor del control cuando la señal esta en anaranjado para simpli car
los resultados y se pasan estos valores a la señal de verde, puesto que los automóviles siguen
atravesando la intersección o la señal, estando el semáforo en anaranjado. Cuando determinada
componente del control toma el valor 1; entonces el ujo que es representado por esa componente
tiene derecho de paso y se desplaza a lo largo del sistema. Recordemos que:
u0p (.) = u0p (t) : t ∈ T , p = 1, 2, 3, ..., P
Donde
u0p (t) ∈ β , t ∈ T y β ∈ {0, 1}
Como se había mencionado anteriormente, el conjunto X, esta compuesto por el conjunto de vec-
tores que representan secuencias de llegada de trá co en un instante t, además, las corrientes de
trá co se de nen en general, por su volumen, velocidad, densidad, intervalo de avance o espaciado,
composición, porcentaje de volumen directo o girado a la izquierda y giro a la derecha, y las rutas
que utilizan para atravesar la intersección. La característica de ujo de trá co que más se utiliza
para realizar un análisis de ujo optimo es el volumen de ujo de trá co, es decir, el número
de vehículos que pasan un punto dado en una unidad de tiempo; en este caso, es la cantidad de
vehículos que llegan en una aproximación de intersección durante una unidad de tiempo.
Existen modelos de ujo de llegada, en los que se supone que los ujos son deterministas, pero
estos modelos no son lo su cientemente realistas, excepto en casos muy especí cos. Las trayecto-
rias atravesadas por diferentes ujos de trá co a través de la intersección deben conocerse para
determinar si un par de ujos de trá co puede ganar simultáneamente el derecho de paso, es decir,
si las transmisiones son compatibles. En este análisis se hace de vital importancia el uso de la
teoría de grafos, para representar la compatibilidad de ujos. Dos ujos son compatibles si pueden
tener derecho de paso simultáneo sin ningún con icto.
3.1. CONJUNTO DE LLEGADA X
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.50
A la otra componente del espacio X, el conjunto Ω le corresponde un conjunto α; de vectores
de volumen de ujo α(.) = (α1 (.), α2 (.), ..., αi (.), ..., αI (.)) cuyos elementos son volúmenes de ujos
de trá co σ1 , σ2 , .... de los diferentes carriles, en un camino principal o corriente de trá co; y de
otros ujos como por ejemplo los ujos peatonales o los ujos de personas en bicicleta. El conjunto
de indices
i = {1, 2, 3, ..., I 0 , ..., I}
es tal que a los ujos de vehículos se les asignan índices de 1 a I 0, y ujos peatonales y otros ujos
de I0 + 1 a I. Por lo tanto, el conjunto de índices correspondientes a los ujos de vehículos es:
i = {1, 2, 3, ..., I 0 }
Si deseamos realizar un análisis sólo de ujos vehículares en la intersección, nos limitaríamos a
tomar esos índices.
Pero aquí surge una pregunta interesante: ¾Cómo calculamos la cantidad de vehículos que en-
tran al sistema? Se han utilizado varios modelos para describir los ujos de llegada, el más simple
es el modelo de llegadas uniformes; en el que se usa la distribución uniforme de probabilidad para
el número de vehículos que llegan a la zona; este modelo es una aproximación bastante buena
del proceso real, que es estocástico por naturaleza. Los parámetros de ujo de llegada, como el
volumen, la velocidad, la densidad, el espaciado, representan procesos estocásticos, pues estas can-
tidades son números aleatorios en un momento dado, es decir, de nidos por el conjunto de valores
que pueden asumir y las probabilidades de tomar estos valores. Las características de estos pará-
metros, como la expectativa matemática, dispersión, etc no son constantes, cambian durante un
día. Sin embargo, se supone que estos procesos son estacionarios en intervalos de tiempo limitados,
por ejemplo, los picos de la mañana o de la tarde o entre los picos. Por lo tanto, en un debate
posterior, al establecer problemas de control y desarrollar métodos para su solución, se supondrá
que consideramos solo los intervalos en los que estos procesos son estacionario.
Los vehículos que se aproximan a una intersección se preparan para realizar una determinada
maniobra, es decir, para conducir directamente, girar a la izquierda o girar a la derecha en la
intersección. Los vehículos que realizan la misma maniobra y forman la misma cola en una apro-
ximación, en uno o varios carriles, representan un componente de ujo que puede considerarse por
3.1. CONJUNTO DE LLEGADA X
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.51
separado de otros componentes de ujo, que realizan otras maniobras. Tal componente de ujo de
llegada se denomina ujo de trá co.
Las corrientes de trá co en una intersección pueden representar ujos de vehículos de pasajeros,
ujos peatonales, ujos de vehículos de transporte público, etc. Las corrientes de trá co σi son
componentes del vector: σ = (σ1 , σ2 , ..., σi , ..σI ).
La cola formada por un ujo de trá co vehícular, durante la indicación de señal roja, ocupa uno o
más carriles. La señalización horizontal es la misma en todos los carriles usados por una corriente
de trá co. Los vehículos que se unen a la cola pueden elegir cualquier carril en el acercamiento,
esperando dejar la cola en el mismo orden que cuando se unen.
Un acercamiento Ti es una parte de la calle, que comprende uno o más carriles, a lo largo de los
cuales los vehículos llegan a la intersección y sobre los cuales se forma la cola de una corriente de
tránsito en particular.
Anteriormente habíamos mencionado que en este trabajo, las corrientes de trá co se de nirían
por el volumen de trá co; el volumen de la corriente de trá co es igual al número de vehículos
que pasan un punto determinado en una unidad de tiempo. La unidad de volumen de trá co es
(pcu.) Dado que las transmisiones de trá co están compuestas por varios vehículos, el volumen se
expresa como el número promedio de carros pasajeros por unidad de tiempo (pcu /s). Para cada
tipo de vehículo, se puede determinar un número equivalente de carros pasajeros. Este número
se determina sobre la base del hecho de que varios vehículos necesitan un tiempo diferente para
atravesar la intersección. Los vehículos más pesados necesitan más tiempo que los ligeros. Los
vehículos del mismo tipo necesitan más tiempo al girar a la izquierda o a la derecha que cuando
van en línea recta. El número equivalente es igual al número de autos de pasajeros que pasarían
por una intersección en el mismo tiempo que el tipo de vehículo dado. La Tabla 3.1 presenta un
ejemplo de unidades de auto de pasajeros equivalentes para algunos vehículos cuando van en línea
recta o giran.
3.2. Flujos de llegada
Se han usado varios modelos para describir ujos de trá co, como ya se mencionó. El modelo más
simple es el modelo de ujo uniforme. Una corriente de trá co es uniforme (con llegadas uniformes)
pcu
si su volumen de aproximación es constante, q s
. El intervalo de espaciado también es constante,
3.2. FLUJOS DE LLEGADA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.52
Figura 3.1:
1 s
igual a .
q pcu
Este modelo es una aproximación del ujo real. Todos los demás modelos utilizados para el mo-
delado de ujo de llegada, se basan en la teoría de los sistemas estocásticos. Las distribución de
probabilidad selecccionada, asigna la probabilidad de que lleguen un número de vehículos deter-
minado en un instante dado τi , en el carril σi ; si N es el número de vehículos que en ese instante
N
τi tiene la mayor probabilidad; entonces el volumen de ujo qi de ese carril, será: qi =
τ
Con mayor frecuencia, se supone que los vehículos pertenecientes a las corrientes de trá co llegan
de acuerdo con el proceso de Poisson. El proceso real es más complejo, por lo que se han utilizado
otros modelos en los que se eliminaron algunas limitaciones inherentes al proceso de Poisson.
Varios autores señalaron que el proceso estocástico de Poisson podría usarse para modelar lle-
gadas de vehículos en una intersección. Con el ujo de Poisson, la probabilidad de llegada de mi
vehículos de la corriente de trá co σi a la intersección, durante el intervalo de tiempo τ se expresa
de la siguiente manera:
(qi τ )mi −qi τ
pmi (τ ) = mi !
e
Esto es la probabilidad de la llegada de mi vehículos en el intervalo de tiempo τ; donde qi es
constante
La esperanza matemática del número de vehículos mi que llegarán en el intervalo τ es :
P∞ P∞ mi
M mi = m̄i = mi =0 mi pmi (τ ) = mi =0 mi (qimτ )i ! e−qi τ
P∞ mi −1
= (qi τ )e−qi τ mi =0 mi (qi τm) i ! = qi τ ...............(2.2)
El volumen promedio (intensidad de ujo, o tasa de ujo) del ujo de trá co σi es por lo tanto
igual a:
3.2. FLUJOS DE LLEGADA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.53
M mi m̄i qi τ
τ
= τ
= τ
= qi (pcu/s)
El intervalo de separación, Θi , entre dos vehículos consecutivos que pertenecen al ujo σi es una
variable aleatoria. Si se considera un segmento τ 0, cuyo comienzo coincide con el comienzo del
intervalo Θi , la probabilidad de que en τ0 llegue al menos un vehículo es:
Fi (τ 0 ) = pi [Θi < τ 0 ] = 1 − p0 ..... (2.4)
donde p0 es la probabilidad de que mi = 0, es decir, que durante τ0 no llegue ningún vehículo de
transmisión σi . Esta probabilidad se obtiene estableciendo mi = 0, en la fórmula (2.1). Entonces
nosotros tenemos:
(qi τ 0 )0 −qi |τ 0 0
p0i (τ 0 ) = 0!
e = |e−qi τ
0
p1 [Θi < τ 0 ] = 1 − e−qi τ :::::: (2.5)
Esta es, de hecho, la función de distribución de probabilidad de la cantidad aleatoria Θi . La
densidad de distribución de probabilidad hi (τ 0 ) de Θi se obtiene como la derivada de la función de
distribución sobre τ 0, es decir:
0
hi (τ 0 ) = qi e−qi τ , (τ 0 > 0)........ (2.6)
La expectativa matemática del intervalo de espaciado es:
R∞ 0 R∞ 0
M Θi = Θ̄i = 0
τ 0 qi e−qi τ dτ 0 = qi 0
τ 0 e−qi τ dτ 0 = 1
qi
..................(2.7)
Por lo tanto, si la distribución de probabilidad del número de vehículos que llegan durante el
segmento de tiempo τ0 a un enfoque es la distribución de Poisson, entonces la distribución del
intervalo de separación es exponencial negativa.
La probabilidad de que durante un corto intervalo δt llegue un vehículo, p1i (δt), se da aproxima-
damente por:
p1i (δt) ≈ 1 − p0i (δt)
donde p0i es la probabilidad de que en el intervalo δt no llegue ningún vehículo. Esta probabilidad
se determina como:
(qi δt)0 −qi δt
p0i (δt) ≈ 0!
e = e−qi δt ..............(2.8)
3.2. FLUJOS DE LLEGADA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.54
Por lo tanto
p1i (δt) ≈ 1 − e−qi δt
El modelo de Poisson es bueno para describir el proceso de llegada real en un enfoque de intersec-
ción en el caso en que la relación entre el volumen y la capacidad de aproximación no es alta.
Para ujos de trá co con volúmenes más grandes, cuando las interacciones entre vehículos no
se pueden descuidar, se usan otros modelos, que dan mejores resultados que el simple proceso de
Poisson. Algunos de ellos representan ciertas generalizaciones del proceso simple de Poisson.
La generalización del proceso simple de Poisson, es el Proceso de Poisson compuesto. De acuerdo
con este proceso, los vehículos de un ujo de trá co llegan en un acercamiento en grupos. Las
llegadas grupales son llegadas de Poisson con intensidad λ, y el número de vehículos en un grupo,
z, es una variable aleatoria entera con la función semilla φ(z). Si N (T ) es el número de llegadas
en el intervalo de duración T, entonces:
M Z N (T ) = e−λT (1−Φ(z))
El volumen promedio es:
q = λΦ0 (1)
La esperanza matemática del numero de vehículos que llega es:
M [N (t)] = λT
Se han utilizado muchos otros modelos, para describir el proceso de llegada de vehículos en un
acercamiento. Todos ellos fueron desarrollados para proporcionar un mejor modelo de proceso real
que el modelo de Poisson. Sin embargo, la mayoría de ellos son mucho más complejos, y el modelo
de Poisson todavía se usa para la mayoría de los propósitos prácticos.
Para cada ujo de trá co σi en una intersección es necesario tener la siguiente información:
a) En segmento de carretera Ti en el que se acumulan los vehículos perteneciente a la corriente
σi , con una de nición de carriles asignados a la corriente y señales de trá co que regulan la
dirección de movimiento a través de la intersección.
b) El modelo matemático del proceso aleatorio, que describe las llegadas del vehículo. La caracte-
rística más importante del modelo es el volumen, expresado en pcu por unidad de tiempo. El
proceso de Poisson se usa con mayor frecuencia.
3.2. FLUJOS DE LLEGADA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.55
c) El volumen de llegada promedio de la corriente de trá co, y si es un ujo multicomponente, luego
también los volúmenes promedio de ujos parciales, expresado como porcentajes del volumen
de llegada.
d) El tipo de ujo de trá co. Las corrientes de trá co representan diferentes ujos: vehículos,
peatones, tranvías, etc.
e) La trayectoria del ujo de trá co a través de la intersección. Si la transmisión comprende ujos
parciales de trá co, sus trayectorias deben ser conocidas además.
Las transmisiones de trá co en una intersección, pueden representarse como componentes de un
vector (el vector de llegada uye o entrada no controlada):
σ = (σ1 , σ2 , ..., σi , ...σI
La entrada no controlada, σ , se transforma, por control, en la salida, es decir, la salida uye en
el intervalo [t0 , t]. El vector σ es un elemento del conjunto Σ [t0 , t] cuyos elementos son todas las
entradas no controladas en el intervalo [t0 , t],e decir, σΣ [t0 , t]
3.3. Señales del trá co
Introducir un sistema de control de trá co en una intersección consiste de la instalación de señales
que controlarán las corrientes de trá co por diferentes indicaciones de luz. La intención básica de
la introducción de señales de trá co es, por supuesto, la prevención del movimiento simultáneo de
ujos de trá co incompatibles. El control del trá co en una intersección consiste en dar y cancelar
el derecho de paso a determinadas corrientes de trá co. Dar / cancelar el derecho de paso se realiza
mediante diferentes indicaciones de señal. El signi cado de las indicaciones es asignado por una
convención. Una indicación verde para vehículos signi ca permitir el paso, mientras que el rojo
signi ca paso prohibido. Una indicación de color ámbar, que aparece después de una indicación
verde, así como una luz roja ámbar después de una indicación de color rojo, informa a los con-
ductores que se cambiará el derecho de vía. La duración del ámbar y los intervalos rojo-ámbar en
algunos países están determinados por las normas de trá co, y con mayor frecuencia se especi -
ca como 3 segundos para ámbar y 2 segundos para la indicación de rojo ámbar. Las señales que
3.3. SEÑALES DEL TRÁFICO
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.56
controlan las corrientes peatonales generalmente solo tienen dos indicaciones: rojo ("detener") y
verde (çaminar")
El control de semáforos, es decir, la formación e implantación de secuencias de señal especi cadas,
se realiza mediante un dispositivo electrónico, un controlador de trá co. Un controlador cambia
las indicaciones de señal usando secuencia de pulsos. Los cambios de las indicaciones de señal se
describen mediante una variable matemática, la llamada variable de control. Las variables de con-
trol se pueden asignar a cada ujo de trá co. Sin embargo, el hecho de que las transmisiones de
trá co compatibles puedan ganar / perder simultáneamente el derecho de paso hace posible que
un subconjunto de secuencias de trá co, que comprende varias transmisiones compatibles, pueda
ser controlado por una sola variable de control.
Por lo tanto, uno de los primeros problemas a resolver cuando se introduce el control de semáforos
en una intersección es establecer la correspondencia entre secuencias de trá co y secuencias de
señales de trá co, es decir, las variables de control que controlan estas secuencias de trá co. La
asignación más simple de variables de control a ujos de trá co es asignar una variable de control
a cada ujo de trá co. Sin embargo, existen algunas razones prácticas que hacen que esta tarea no
sea generalmente aplicable.
En la sección anterior se hizo una descripción matemática de los controles de trá co y su repre-
sentación en los conjuntos de llegada.
Cada grupo de corrientes de trá co que tienen derecho de paso simultáneamente, puede ser regido
por el mismo control de trá co a este grupo se le llama: grupo de señales o clica. La siguiente
representación del grupo de señales de tres corrientes de trá co {σ1 , σ2 , σ9 } nos indica que las
corrientes de trá co 1, 2 y 9 tienen derecho de paso simultáneamente. Existen grupos de señales
de 1, 2, 3,... elementos según sea la cantidad de corrientes de trá co que son compatibles.
3.4. Estados del sistema
W es el conjunto de estados del sistema. El estado en el tiempo t está descrito por el vector:
w(t) = (w1 (t), w2 (t), ..., wi (t), ..., wI (t))
cuyos componentes representan longitudes de cola formadas por ujos de trá co de llegada. Si en un
momento dado t1 , en el carril 1 no hay ninguna cola formada por vehículos de llegada, entonces el
3.4. ESTADOS DEL SISTEMA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.57
vector w tendrá el valor de la función temporal cero, es decír w(t1 ) = (0, w2 (t1 ), ..., wi (t1 ), ..., wI (t1 ))
El estado se de ne como la cantidad mínima de información sobre el historial de procesos que
es necesaria para determinar el producto y el estado futuro. Cada estado diferente al estado inicial
fue determinado por la información del estado anterior, la entrada en ese instante y el tiempo t,
mediante la función de transición que se de ne mas adelante. Un componente del estado del proce-
so de trá co dinámico en una intersección es la longitud de la cola del vehículo en un acercamiento
a la intersección.
La gura 3.2 muestra el conjunto de corrientes de trá co que entran σi y salen yi de el cruce de
calles.
Figura 3.2:
En los carriles σ1 , σ2 , ..., σ5 , en algún instante ti , el estado sería w1 (ti ), w2 (ti ), ..., w5 (ti ), y cada
uno de estos wi representan longitudes de colas de vehículos en ese carril. Además, este estado
pudo determinarse por el valor de la función vectorial de entrada en ese instante u̇(ti ) × Ω(ti ) y la
transformación del estado w1 (ti−1 ), w2 (ti−1 ), ..., w5 (ti−1 ) mediante la función de transición.
3.5. Flujos de salida
El conjunto de salidas, Y, es el conjunto de vectores de ujos de salida.
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.58
y(.) = (y1 (.), y2 (.), ..., yh (.), ..., yH (.))
Al igual que el conjunto X, este conjunto Y, es un conjunto de funciones vectoriales de tiempo y se
de ne en el mismo intervalo. Los ujos de salida se caracterizan, al igual que los ujos de entrada,
por volumen, velocidad, etc., y por la super cie utilizada para salir de la intersección. Para cada
conjunto de resultados Y, le corresponde un conjunto Qe conjunto de funciones vectoriales q e (.) =
(q1e (.), q2e (.), ..., qhe (.), ..., qH
e
(.)), cuyos elementos son volúmenes de elementos de salida y1 (.), y2 (.), ....
El vector q e (.) representa la función de nida por la siguiente expresión:
{q e (.) = q e (t) : t ∈ T }
Donde
{qhe (.) = qhe (t) : t ∈ T }, h=1,2,...,H
Estos volúmenes representan los volúmenes de ujos de trá co que se transforman por señales de
trá co o ujos que comprenden varias secuencias de trá co transformadas. Cada volumen represen-
ta además el numero de vehículos por unidad de tiempo que salen de la intersección por cada carril.
La función de transformación de estado (transición) ρ ahora se puede describir con la siguiente
expresión:
ρ1 : Wt0 × (Q[t0 ,t] × U[t0 ,t] )x 7→ Wt ...... (3.1)
En esta expresión
u[t0 ,t] ∈ U[t0 ,t]
Representa la restricción de la función u0 (.) al intervalo [t0 , t] ∩ T ; y q[t0 ,t] ∈ Q[t0 ,t] representa la
restricción de la función q(.) al mismo intervalo.
La expresión (3.1) muestra el hecho de que para determinar el estado en el tiempo t es nece-
sario conocer el estado en un momento anterior t0 y la entrada, que es un elemento del conjunto
(Q[t0 ,t] × U[t0 ,t] ), es decir, el vector de volúmenes de ujo de trá co y control en cada instante de
intervalo [t0 , t].
La función de reacción (lectura o salida), ρ2 , se puede representar como:
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.59
ρ2 : Wt × (Qt × Ut0 )x 7→ Qet ....... (1.8)
Donde:
Wt : el conjunto de los estados en el tiempo t.
Qt : el conjunto de vectores de volúmenes de ujo de trá co en el tiempo t.
Qet : el conjunto de vectores de volumen de salida en el tiempo t.
Ut0 : el conjunto de controles en el tiempo t.
Entre las variables que caracterizan los ujos de salida, es decir, componentes del vector y(.) ∈ Y ,
las variables que representan los volúmenes de ujo, que son componentes del vector y(.) ∈ Y , se
usarán en el modelo matemático del proceso de trá co. La función de salida (reacción) en este caso,
como ya se indicó anteriormente, se puede describir de la siguiente manera, ϕ2 : Wt X (Qt XU 0t ) →
Qet
La salida del proceso de trá co en una intersección se representa por los ujos del vehículo que
salen de la intersección. Al determinar estos ujos, se debe considerar lo siguiente:
Los ujos de llegada se transforman por señales de trá co.
Los ujos de salida se forman a partir de uno o más ujos de llegada transformados.
Con todo lo anterior podriamos decir que este proceso en una intersección, puede ser de nido
completamente por la 5-tupla (X, W, Y, ρ1 , ρ2 ).
La gura 3.3 muestra la intersección, en la cual se desea analizar los ujos de entrada. Como
se ha mencionado anteriormente el ujo puede representarse como componentes de un vector, en
particular este ujo se puede representar como:
σ = (σ1 , σ2 , σ3 , σ4 , σ5 , σ6 , σ60 , σ7 , σ8 , σ9 , σ10 , σ11 , σ12 , σ13 )
Donde le corresponde un conjunto α de vectores de ujo asociado a cada σi respectivamente, los
cuales son denotados por:
α (•) = (α1 (•) , α2 (•) , · · · , α13 (•))
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.60
Figura 3.3:
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.61
Vale destacar que se ha tomado encuenta el ujo peatonal y se ha designado como σ11 , σ12 , σ13 .
En esta intersección también se han marcado los ujos de salida, que hemos denotado como y, los
cuales tienen un conjunto de vectores de ujo de salida de la siguiente manera.
y (•) = (y1 (•) , y2 (•) , y3 (•) , y4 (•))
Al analizar la intersección de manera detallada, es decir, analizando los cruces permitidos se ha
procedido a encontrar el grafo de compatibilidad el cual se muestra a en la gura 3.4.
Figura 3.4: Grafo de compatibilidad
La matriz (A) representa la matriz de compatibilidad asociada a la intersección que se esta traba-
jando.
Esta matriz binaria hace la comparación de cada ujo uno a uno, se colocará un 1 si no hay con-
icto y 0 si las calles analizadas en ese momento presentan algún problema. Por dicha razón esta
matriz es llamada Matriz de compatibilidad.
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.62
σi σj σ1 σ2 σ3 σ4 σ5 σ6 σ60 σ7 σ8 σ9 σ10 σ11 σ12 σ13
σ1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
σ2 1 1 0 0 1 1 0 1 0 0 0 1 1 1
σ3 1 0 1 1 1 0 0 0 1 1 1 1 1 0
σ4 1 0 1 1 1 0 0 0 1 1 1 1 1 0
σ5 1 1 1 0 1 0 1 1 1 1 1 1 1 1
σ6 0 1 0 0 0 1 1 1 1 1 1 1 0 1
σ60 (A)
1 0 0 1 1 1 1 1 1 1 1 1 1 0
σ7 1 1 1 1 1 1 1 1 1 1 1 1 0 1
σ8 1 0 1 1 1 1 1 1 1 1 1 0 1 1
σ9 1 0 1 1 1 1 1 1 1 1 1 0 1 1
σ10 1 0 1 1 1 1 1 1 1 1 1 0 1 1
σ11 1 1 1 1 1 1 1 1 0 0 0 1 1 1
σ12 1 1 1 1 1 0 1 0 1 1 1 1 1 1
σ13 0 1 0 0 1 1 0 1 1 1 1 1 1 1
Así como se puede formar la matriz de compatibilidad a partir del grafo mostrado anteriormente,
tambien se puede crear otra matriz binaria cuyas componentes representa los con ictos de los
ujos. Esta matriz es llamada Matriz de incidencia y puede observarse en la matriz (B).
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.63
σi σj σ1 σ2 σ3 σ4 σ5 σ6 σ60 σ7 σ8 σ9 σ10 σ11 σ12 σ13
σ1 0 0 0 0 0 0 0 0 0 0 0 0 0 1
σ2 0 0 1 1 0 0 1 0 1 1 1 0 0 0
σ3 0 1 0 0 0 1 1 1 0 0 0 0 0 1
σ4 0 1 0 0 0 1 1 1 0 0 0 0 0 1
σ5 0 0 0 0 0 1 0 0 0 0 0 0 0 0
σ6 1 0 1 1 1 0 0 0 0 0 0 0 1 0
σ60 (B)
0 1 1 1 0 0 0 0 0 0 0 0 0 1
σ7 0 0 0 0 0 0 0 0 0 0 0 0 1 0
σ8 0 1 0 0 0 0 0 0 0 0 0 1 0 0
σ9 0 1 0 0 0 0 0 0 0 0 0 1 0 0
σ10 0 1 0 0 0 0 0 0 0 0 0 1 0 0
σ11 0 0 0 0 0 0 0 0 1 1 1 0 0 0
σ12 0 0 0 0 0 1 0 1 0 0 0 0 0 0
σ13 1 0 1 1 0 0 1 0 0 0 0 0 0 0
Los ujos de entrada para la intersección podrían simpli carse y representarse como se muestra
en la gura:
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.64
A continuación se muestran todos los posibles grupos de señales de la intersección estudiada.
{σ1 } {σ2 } {σ3 } {σ4 } {σ5 } {σ6 } {σ7 } {σ8 } {σ9 } {σ10 } {σ11 }
{σ1 , σ2 } {σ1 , σ5 } {σ1 , σ6 } {σ1 , σ9 } {σ1 , σ10 }
{σ2 , σ5 } {σ2 , σ6 } {σ2 , σ8 } {σ2 , σ9 } {σ2 , σ10 }
{σ3 , σ4 } {σ3 , σ7 } {σ3 , σ9 } {σ3 , σ11 }
{σ4 , σ5 } {σ4 , σ6 } {σ4 , σ7 } {σ4 , σ9 } {σ4 , σ10 }
{σ5 , σ6 } {σ5 , σ10 }
{σ6 , σ7 } {σ6 , σ8 } {σ6 , σ9 } {σ6 , σ10 }
{σ7 , σ8 } {σ7 , σ9 }
{σ8 , σ9 }
{σ9 , σ11 }
{σ1 , σ2 , σ9 } {σ1 , σ2 , σ10 } {σ2 , σ4 , σ6 } {σ2 , σ4 , σ9 } {σ1 , σ2 , σ5 } {σ1 , σ8 , σ9 } {σ1 , σ8 , σ9 } {σ4 , σ7 , σ9 } {σ5 , σ6 , σ9 }
{σ1 , σ2 , σ5 , σ6 } {σ3 , σ4 , σ7 , σ9 } {σ3 , σ4 , σ9 , σ2 } {σ3 , σ7 , σ6 , σ9 }
{σ2 , σ4 , σ6 , σ9 } {σ3 , σ7 , σ6 , σ9 , σ2 } {σ4 , σ9 , σ8 , σ6 , σ2 }
También es posible determinar los grupos de señales utilizando el programa CLIQ [15]. Para el
control de trá co en una intersección, es necesario determinar un conjunto de grupos de señales
de tal manera que cada corriente de trá co pertenezca a uno y solo un grupo de señales. Dicho
conjunto de grupos de señales se denomina conjunto completo de grupos de señales. El conjunto
completo más común sería el siguiente:
{σ1 } {σ2 } {σ3 } {σ4 } {σ5 } {σ6 } {σ7 } {σ8 } {σ9 } {σ10 } {σ11 }
3.5. FLUJOS DE SALIDA
CAPÍTULO 3. DESCRIPCIÓN MATEMÁTICA DEL PROCESO DEL TRÁFICO EN UNA INTERSECCIÓN SEÑALIZADA.65
y una manera de controlar el trá co en esta intersección podría ser asignar un control (semáforo)
por cada elemento de esa partición. Sin embargo la reducción en el número de variables de control
resulta en la simpli cación de los problemas de control de trá co y en la posibilidad de usar
menos controladores, más baratos y más simples; y por tanto el problema consiste en encontrar un
conjunto completo de grupos de señales con el menor número de elementos. El número de grupos
de señales en un conjunto completo, es de hecho, el número de variables utilizadas para el control
del trá co en esa intersección y la complejidad del algoritmo de control depende signi cativamente
del número del grupo de señales. Debido a esas razones se tiende a elegir el número mínimo de
grupos de señales, es decir, encontrar todos los vectores x que minimizan la función
L
aTc X =
P
Xi
i=1
donde
ac = [1, 1, ..,1, ..., 1]T
X = [X1 , X2 , ..., XL ]T
donde
1 si σi ∈ Di
Xi =
0 en otro caso
Di es el elemento i del conjunto completo de señales de grupo.
Sujeto a las restricciones EX = bc , bc = [1, 1, ..,1, ..., 1]T y E es la matriz formada por los conjuntos
X.
Para calcular el valor mínimo de esa función objetivo se utiliza el programa MINA [15] el cual
se utiliza para determinar conjuntos completos de grupos de señales con número mínimo de ele-
mentos.
3.5. FLUJOS DE SALIDA
Capítulo 4
Modelos matemáticos para el trá co
vehícular
A lo largo de la historia, diferentes autores han propuesto numerables ecuaciones para describir el
trá co vehicular; muchos de ellos se han ido perfeccionando con el tiempo, con las observaciones,
experimentos en diversos estudios y resolviendo de ciencias de modelos anteriores. En general, el
movimiento de vehículos en carreteras o en una red urbana, se puede estudiar en escalas diferentes
y dependiendo de la escala escogida tendremos descripciones distintas. Por ejemplo, si vemos el
movimiento de los vehículos a gran escala, tendremos una situación en la que se observa el movi-
miento global y no podemos distinguir cada vehículo individual. Asimismo, cuando observamos el
movimiento de cada vehículo, perdemos la vista global de los fenómenos.
De manera general podemos distinguir varias clasi caciones de modelos para el trá co, dos grandes
enfoques para el estudio de dicha dinámica son los siguientes:
Enfoque macroscópico: en este caso el ujo de vehículos en la carretera se concibe como el
ujo compresible de un uido descrito por variables macroscópicas asociadas al comportamiento
colectivo del sistema. Para ello, necesitamos un número grande de vehículos circulando en la ca-
rretera. De manera que hablar de variables como la densidad, la velocidad promedio y, algunas
otras nos proporcione una medida signi cativa del comportamiento en el ujo. Para trabajar a lo
largo de este enfoque se recurre a modelos fenomenológicos que recogen cualitativamente el com-
portamiento colectivo del ujo y los parámetros que intervienen en la modelación se determinan
al comparar con datos empíricos. Existen diferentes tipos de modelos, dependiendo del número de
66
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 67
variables que se usan para la descripción. Cabe notar que algunos modelos macroscópicos pueden
extraerse a partir de los modelos cinéticos que detallan un tanto la interacción entre los vehículos.
Dentro de los modelos macroscópicos encontramos el modelo básico de Lighthill y Whitham, des-
crito más adelante.
Enfoque microscópico: desde el punto de vista microscópico, cada vehículo puede seguirse en
su trayectoria a lo largo de una carretera y estudiar la dinámica de un conjunto de carros, siguien-
do reglas particulares para su movimiento. Este enfoque se conoce como enfoque microscópico y
existen una gran cantidad de modelos, donde al especi car las reglas de movimiento individual se
tiene una dinámica para el trá co. Dentro de los modelos microscópicos encontramos los modelos
de seguimiento de lider (car- following)
Otra manera de clasi car los modelos para el trá co vehícular, es según sean de primer orden,
de segundo orden o de orden superior. Los modelos que sólo consideran a la densidad como varia-
ble relevante se conocen como modelos de primer orden y los que consideran a la densidad y la
velocidad promedio se llaman modelos de segundo orden, o modelos tipo Navier-Stokes. Asímismo,
los modelos que consideran un número mayor de variables les podemos llamar modelos de orden
superior.
En este capítulo se hace una descripción de manera general, de uno de los modelos macroscópicos
mas importantes, el modelo Lighthill-Whitham-Richards; y de una serie de modelos que marcaron
el inicio de un tipo de modelos especial llamados modelos car-following; esto con el objetivo de
comprender las ideas básicas que algunos autores utilizaron para crear sus modelos, y que eso sirva
de base para un mejor entendimiento del análisis que se propone en el capítulo 5.
4.1. Modelo de Lighthill-Whitham-Richards (LWR)
La idea principal del modelo LWR es ilustrar la relación fundamental del trá co que existe entre
las variables: densidad, velocidad y ujo.
Supongamos que en una carretera hay automóviles moviéndose a una velocidad constante v0 , y
que en ese tramo hay una densidad constante ρ0 , de manera que la distancia entre automóviles
es también constante. Por tanto, en el tiempo τ cada automóvil se ha movido una distancia igual
a v0 τ . Dado que la densidad ρ0 es el número de vehículos por unidad de distancia y v0 τ es la
4.1. MODELO DE LIGHTHILL-WHITHAM-RICHARDS (LWR)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 68
distancia, entonces el ujo viene dado por:
Ns N
ρ 0 v0 = = = f.
s τ τ
donde N representa el número de vehículos. En otras palabras el ujo viene dado por:
f (ρ, v) = ρ(x, t)v(x, t) (4.1)
Los fenómenos físicos que permanecen constantes durante todo su desarrollo, se basan en el princi-
pio físico de la conservación y se dice que sus cantidades se conservan. En el caso del fenómeno de
la entrada y salida de automóviles de un segmento de carretera, se trata de hacer que la cantidad
de los que entran sea igual a la cantidad de los que salen, es decir que sus cantidades se conserven.
Para ver esto, consideremos un segmento de carretera en la que los automóviles se desplazan de
izquierda a derecha. Además, asumamos que en este segmento de carretera, no existen rampas de
entrada ni de salida.
El número de carros dentro del intervalo [x1 , x2 ] en el instante de tiempo t esta dado por la integral
de densidad de trá co dada por:
Z x2
N = ρ(x, t)dx. (4.2)
x1
Por otra parte, se sabe, a partir de la relación fundamental del trá co, que el ujo es igual a:
f (ρ, v) = ρ(x.t)v(x, t);
despejando la densidad
f (x,t)
ρ(x, t) = v(x,t)
;
derivando la ecuación (4.2) con respecto al tiempo tenemos:
dN d
R x2
dt
= dt x1
ρ(x, t)dx
sustituyendo el valor de la densidad se obtiene:
dN d
R x2f (ρ,v)
dt
= dt x1 v(x,t)
dx
y reemplazando la velocidad
dN d
R x2 f (ρ,v)
dt
= dt x1 dx/dt
dx;
dN d
R x2
dt
= dt x1
f (ρ, v)dt.
4.1. MODELO DE LIGHTHILL-WHITHAM-RICHARDS (LWR)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 69
luego por el teorema fundamental del cálculo eso es igual a:
dN
dt
= fin (ρ, v) − fout (ρ, v).
es decir, la cantidad de vehículos que entra es igual a la cantidad de vehículos que sale.
Para analizar más sobre esto, considere un volumen V, delimitado por una super cie S que se
ja en el espacio. La masa M dentro de la super cie esta dada por:
Z
M = ρdv (4.3)
v
Supongamos que hay una cantidad de material que esta saliendo del volumen, sobre un diferencial
de super cie ds. La tasa de decrecimiento de la cantidad de masa M en el volumen en el tiempo
esta dado por:
Z
d
− ρdv (4.4)
dt v
Utilizando el teorema de Leibniz, se tiene que:
Z Z
d ∂ρ
− ρdv = dt (4.5)
dt v v ∂t
Si se supone que la masa se conserva, entonces la ecuación 4.4 debe ser igual a la tasa total de
ujo que sale fuera de V a través de una sección ds.
La tasa de ujo hacia afuera de V a través de la sección ds de S es ρvds, y su magnitud es igual
al área bajo la curva, es decir, la masa que uye hacia afuera es
Z
0
M = ρvds. (4.6)
s
Utilizando la formula de Green para convertir la integral a una integral de volumen, con X =
(x, y, z) y V = (u, v, w), se obtiene:
Z
0
M = ∇(ρv)dv (4.7)
v
donde
∂(ρv) ∂(ρv) ∂(ρv)
∇. (ρv) = ∂x
+ ∂y
+ ∂z
4.1. MODELO DE LIGHTHILL-WHITHAM-RICHARDS (LWR)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 70
es el divergente de ρv
Aplicando esta teoría al ujo vehícular, donde, como se había dicho, la expresión
Z x2
N = ρdx (4.8)
x1
es el número de vehículos en el segmento de carretera [x1 , x2 ], es decir, viéndolo desde el punto de
vista físico, N sería la masa que está utilizando en el sistema. X = (x, 0, 0) pues el ujo vehícular
solo toma una dirección (de izquierda a derecha ). Entonces suponiendo que los vehículos que
entran, N, es igual al número de vehículos que salen del segmento de carretera [x1 , x2 ], que se
representa por N0 (es decir se conservan), se tendrá que :
M = M0 = N = N0
Z Z
∂
ρdv = ∇(ρv)dv (4.9)
v ∂t v
Z Z
∂ ∂ρv ∂ρv ∂ρv
− ρdv = + + dv (4.10)
v ∂t v ∂x ∂y ∂z
Z Z
∂ ∂ρv
− ρdv = dv (4.11)
v ∂t v ∂x
es decir
−ρt = (ρv)x (4.12)
0 = ρt + f (ρ, v)x (4.13)
Z
∂ ∂
ρ(x, t) + f (ρ, v) dv = 0 (4.14)
∂t ∂x
La ecuación (4.14) puede escribirse como:
ρt (x, t) + (ρ(x, t)v(x, t))x = 0 (4.15)
∂(.)
donde la notación (.)x representa . Si se conocen la densidad de trá co inicial y la velocidad,
∂x
la ecuación (4.15) puede utilizarse para predecir la densidad de trá co futura. Entonces podría
elegirse la función de velocidad para que el modelo dependa solamente de la densidad, es decir que
tenga la forma: v(ρ).
Podemos escribir entonces la ecuación del ujo de la siguiente manera:
f (x, t) = ρ(x, t)V (x, t).
4.1. MODELO DE LIGHTHILL-WHITHAM-RICHARDS (LWR)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 71
mientras que la ecuación (4.15) como
ρt (x, t) + (ρ(x, t)V (x, t))x = 0,
donde V (x, t))x es la función
ρ
V ρ = vf (1 − ),
ρm
donde vf es la velocidad en ujo libre y ρm es la máxima densidad [10]. La grá ca de esta función
se muestra en la Figura (4.1) Una de las suposiciones básicas en el modelo LWR con respecto a la
Figura 4.1:
velocidad es su dependencia solo de la densidad. Cualquier cambio en la densidad se re ejará en la
velocidad. El inconveniente de esta suposición, es que el trá co está en equilibrio cuando se utilizan
tales funciones de densidad de velocidad, es decir, dada una densidad particular, especialmente
para el trá co ligero, la velocidad será ja y el modelo no reconoce que hay una distribución
de las velocidades deseadas entre los vehículos. Por lo tanto, el modelo no puede describir el
comportamiento observado en trá co liviano, aunque se puede argumentar que vf es una velocidad
promedio que podría resolver este problema. Por otro lado, el comportamiento del vehículo se ve
afectado principalmente por el automóvil que está adelante.
4.2. Modelos car-following
Otro tipo importante de modelos son los conocidos como modelos car-following; estos modelos des-
criben el comportamiento del vehículo, dependiendo de la velocidad y la distancia con el vehículo
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 72
que está justo enfrente. Para entender mas a fondo la descripción de este tipo de modelos comen-
cemos por adoptar la notación común para la posición de los vehículos.
Sea xn (t) la posición del vehículo; entonces para denotar la posición del vehículo que le sigue (an-
terior) utilizamos xn+1 (t), y xn+2 para el anterior a éste; y así sucesivamente. Además recordemos
que xn (t), ẋn (t) y ẍn (t) denotan la posición, velocidad y aceleración del vehículo respectivamente.
Como puede observarse en la Figura 4.2, n = 0 es el vehículo líder, y n = 1, 2, 3, ..; son los vehículos
seguidores. En este caso, decimos que nos encontramos en una la de vehículos. Los modelos de
Figura 4.2:
car-following de una sola vía, suponen que hay una alta relación entre los vehículos que están en
un rango de separación interarticular de 100 a 125 metros y dan una forma explícita de esta rela-
ción. Asumen que el conductor es un agente activo que responde a estímulos sensoriales mediante
aceleración-desaceleración del vehículo, dependiendo de sus propias habilidades psicomotoras y
condiciones físicas del camino y del vehículo.
El mecanismo de conducir se resume en tres tipos de tareas que son las siguientes:
Percepción. El conductor recaba información, principalmente a través de su campo visual; la
información proviene principalmente del vehículo de enfrente y del propio.
Decisión. El conductor interpreta la información y actualiza diversos umbrales de decisión. Usa
un catálogo de experiencias previas y conocimiento. Con el tiempo las decisiones se vuelven auto-
máticas, constituyendo lo que conocemos como habilidades de conducir.
Control. El conductor efectúa maniobras de control que se retroalimentan constantemente con la
respuestas observadas; es necesario coordinar movimientos y evaluar su intensidad para adaptarse
al ambiente cambiante.
La teoría car-following sintetiza el proceso de conducir con la relación siguiente:
Respuesta = λEstimulo. (4.16)
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 73
Bajo la premisa de que el conductor intenta dos cosas principalmente: (a) Evitar colisiones y
(b) Acercarse lo más posible el vehículo de enfrente. La función de respuesta se toma como la
aceleración, pues es el conductor quien decide si acelerar o desacelerar, según sea lo que se presente
en la carretera; dicha función podemos representarla de la siguiente manera:
Respuesta(t) = ẋn+1
donde ẋn+1 es la velocidad del seguidor.
El primer manual de capacidad de carreteras que se publicó en 1950, enumera una lista de observa-
ciones que fueron encontradas en unos estudios que iban dirigidos a identi car la relación existente
entre la velocidad (v) y el espaciamiento entre vehículos (s) [11]. Especí camente la relación que
se obtuvo fue la siguiente:
S = α + βv + γv 2
Este modelo describe solamente el comportamiento del trá co para el caso en que los vehículos
mantienen una velocidad constante o casi constante; y en la que cada vehículo intenta mantener
una misma distancia con el vehículo delantero. Unos años más tarde, Pipes realizó un trabajo
en el que introdujo elementos dinámicos en una línea de vehículos [11]. Pipes centró la atención
en el comportamiento de cada par de vehículos (uno detrás del otro) a medida que aceleran y
desaceleran, y a medida que uno intenta seguir al de adelante. La fórmula que propuso fue:
xn (t) − xn−1 (t) = b + λẋn+1 (t)
donde b es la distancia con el vehículo delantero y λ es una constante de sensibilidad del conductor.
Este modelo se desarrollo teniendo en cuenta la regla siguiente: para seguir a otro vehículo a una
distancia segura, es necesario permitirse una separación igual a la longitud de un vehículo por cada
diez millas por hora que esté viajando. Al derivar esta ecuación obtenemos la regla básica de los
modelos car-following.
1
ẍn+1 (t) = (x˙n − ẋn+1 )
λ
Por otra parte, las investigaciones llegaron a la conclusión de que había una alta correlación entre
el estímulo y la velocidad relativa.
Unos años mas tarde Chandler, Herman y Montroll estudiaron el ujo mediante la aplicación de
una teoría que considera la interacción de tres componentes en el sistema del trá co: la topología
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 74
de la carretera, las características del vehículo y el comportamiento del conductor. Con base a los
datos experimentales con los que disponían propusieron que la aceleración en el tiempo t de un
automóvil que intenta seguir a otro, es proporcional a la diferencia de las velocidades de los dos
automóviles en el tiempo (t + ∆) [11].
ẍn+1 (t + ∆) = λ(x˙n (t) − ẋn+1 (t)) (4.17)
Esta investigación propuso un valor aproximado de 1.5 segundos para ∆ de demora del conductor
y un valor aproximado de 0.37 para la constante de proporcionalidad, es decir, consideraban un
factor de sensibilidad constante.
Más tarde, en 1959 Gaiz, Herman y Potss intentaron derivar la ecuación macroscópica de Green-
berg que describe la velocidad y el ujo utilizando la ecuación microscópica anterior como punto
kj
de partida[11]. La falta de correspondencia entre el modelo de Greenberg v = (vc )ln( ) donde v
k
es la velocidad, vc es la velocidad máxima, k es la densidad y kj la densidad máxima; y el mode-
lo 4.17 que le indicó que la fórmula debia modi carse; para evitar tanta disparidad propusieron
de sensibilidad es inversamente proporcional al espaciamiento entre los vehículos. El modelo se
modi có al siguiente:
(x˙n (t) − xn+1
˙ (t))
ẍn+1 (t + ∆) = λ1 (4.18)
(xn (t) − xn+1 (t))
Además, experimentos realizados en las pistas de General Motors arrojaron valores aproximados
para los parámetros de λ1 y ∆. La importancia de estas investigaciones es que establecieron una
relación entre los modelos macroscópicos y microscópicos.
Años más tarde, Edie observó que aunque los modelos desarrollados anteriormente mostraban un
buen ajusto con datos experimentales, se vuelven cada vez menos realistas a medida que el trá co
se hace cada vez mas denso[11]. Explicó que esta pérdida de realismo se debía a la falta de límite
superior de la velocidad. Para resolver este problema, propuso una modi cación en la sensibilidad
de los modelos anteriores. Edie a rma que la sensibilidad del conductor varia con su velocidad
absoluta; cuanto más rápido va, mayor es su sensibilidad.
(ẋn (t) − xn+1
˙ (t))
ẍn+1 (t + ∆) = λ2 ẋn+1 (t + ∆) (4.19)
(xn (t) − xn+1 (t))2
Esta investigación fue la primera en proponer que se podrían usar dos modelos separados para la
descripción del trá co, uno para trá co congestionado y otro para trá co no congestionados (baja
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 75
densidad).
Gaiz, Herman y Rothery se dispusieron a analizar mas de cerca el tipo de modelos estímulo-
respuesta de la teoría car-following; propusieron que los diversos términos de sensibilidad podrían
generalizarse. Entonces el modelo lo generalizaron de la siguiente manera [11].
(x˙n (t) − xn+1
˙ (t))
˙ m (t + ∆)
ẍn+1 (t + ∆) = λ2 xn+1 (4.20)
(xn (t) − xn+1 (t))l
Newell realizó un estudio que di ere mucho de otros modelos e investigaciones previas, en las que se
agrupan la sensibilidad y el estímulo en una sola función. Newell propuso que la velocidad del carro
n+1 en el tiempo t es una función no lineal de avance en el tiempo (t−∆). Él seleccionó una función
no lineal de manera que los cambios sean físicamente razonables y representada de manera que la
ecuación diferencial se pueda resolver más fácilmente para ∆ = 0. También demostró que el modelo
seleccionado proporciona todos los resultados de las teorías de seguimiento lineales de automóviles
en ciertos casos limitantes y todas las características de las teorías continuas no lineales en otros
casos. Por ejemplo, una solución exacta de la ecuación mostró que una pequeña perturbación de
amplitud se propaga a través de una serie de automóviles de la manera descrita por las teorías
lineales. Newell también notó que su teoría tenía varias de ciencias serias; por ejemplo contiene
la implicación de que los conductores se siguen unos a otros en condiciones no estacionarias al
adherirse a la misma relación velocidad-avance que elegirían en condiciones estables. Pero se ha
encontrado, que si un conductor líder se desplaza a una velocidad constante, luego realiza una
maniobra y regresa a su velocidad original, un seguidor no siempre volverá a adquirir el mismo
avance que tenía inicialmente. Por lo tanto, la relación entre velocidad y avance no es única. La
ecuación propuesta por Newell fue la siguiente:
λn (xn (t − ∆) − xn+1 (t − ∆) − hj )
˙ (t) = x˙c − x˙c exp(−
xn+1 ) (4.21)
x˙c
donde x˙c es la velocidad en carretera libre.
Newell propuso una diagrama triangular, para la relación fundamental del trá co (q = kv ) como
puede observarse en la Figura 4.3. Este diagrama supone que mientras la densidad sea pequeña,
el ujo puede ir creciendo hasta llegar al ujo máximo Qmax ; luego de este punto, si seguimos
aumentando la densidad más del valor kc , se irá creando congestión vehícular y el ujo debe
decrecer.
Por otra parte recordemos que el espaciamiento entre el automóvil líder y el seguidor (s) y la
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 76
Figura 4.3: Relación ujo densidad
1
densidad (k ) se relacionan de la siguiente manera: s= . Por tanto es posible realizar el diagrama
k
velocidad-espaciamiento, el cual, según el análisis de este modelo sería el que se muestra en la
Figura 4.4:
Figura 4.4: Relación velocidad espaciamiento
Este modelo propuesto por Newell está libre de colisiones, pero la dependencia inmediata de la
velocidad en la densidad de la carretera, lo hace inestable pues conduce a aceleraciones muy al-
v0
tas, por ejemplo sabemos que la aceleración es ≈ Tr
. Suponiendo una velocidad deseada típica de
30m/s y un tiempo de reacción del conductor de Tr = 1, esto correspondería a una aceleración de
30m/s2 , lo que es claramente poco realista.
La Figura 4.5 muestra la grá ca de la ecuación 4.21, propuesta por Newell con una velocidad
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 77
dependiendo de la distancia; si la velocidad es cero, signi caría que estamos en la distancia de
atasco s0 ; mientras que si aumentamos la distancia entre los vehículos, la velocidad tendría a esta-
bilizarse en la velocidad deseada v0 . En 1966, otro investigador (Lee) propuso una teoría distinta
Figura 4.5: Función de velocidad óptima
de modelos car-following, en la que introdujo una función de memoria[11]. Lee determinó que el
estímulo debía ser función de las velocidades relativas promedio en instantes anteriores. Su modelo
es el siguiente:
Rt
ẍn+1 (t) = 0
M (t − t∗ )[ẋn−1 (t∗ ) − ẋn (t∗ )]dt∗
donde M es la función de memoria. Se desarrollaron varios ejemplos de posibles funciones de me-
moria: exponencial decreciente, onda cuadrada unitaria y otras. Lee mostró que la forma lineal de
los modelos que ya estaban desarrollados era un caso especial de su modelo generalizado.
Años mas tarde, M. Bando sugirió un modelo de trá co dinámico en el que para simpli car sus
resultados ignoró la longitud del vehículo y consideró el caso en el que todos los conductores tienen
una sensibilidad común. En este modelo se asume que cada vehículo tiene velocidad permitida V y
que cada conductor de cada vehículo, responde al estímulo que le genera al vehículo de enfrente. El
conductor debe controlar la aceleración y frenando de tal forma que pueda mantener la velocidad
de seguridad de acuerdo con el movimiento del vehículo anterior [13]. La ecuación del modelo de
M.Bando es la siguiente:
V (sα ) − vα
v̇α =
τ
donde
sα = xn+1 − xn
4.2. MODELOS CAR-FOLLOWING
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 78
Para cada uno de los vehículos n = 1, 2, 3, ..., N , donde N es el número total de vehículos y a es
una constante que representa la sensibilidad, que se asume es independiente del vehículo; y xn es
la coordenada del vehículo n-ésimo. Además, se supone aquí que la velocidad permitida V (s) del
vehículo n depende del número de vehículo anterior n + 1. Cuando el camino libre se acorta, la ve-
locidad del vehículo debe reducirse y volverse lo su cientemente pequeña para evitar una colisión.
Por otro lado, si se maneja en carretera libre, el vehículo aumenta su velocidad sin sobrepasar la
velocidad máxima.
De esta manera, V es una función que tiene las siguientes propiedades: 1) Una función monóto-
namente creciente, y 2) |V (s)| tiene un límite superior V max ≡ V (s → ∞), con una función de
velocidad óptima algo diferente. Este "modelo de velocidad óptima"ha sido ampliamente utilizado
por los físicos debido a su simplicidad, y porque algunos resultados podrían derivarse analítica-
mente. El comportamiento dinámico no di ere mucho del modelo de Newell, ya que la demora del
tiempo de reacción Tr del modelo de Newell se puede comparar con el tiempo de relajación de
la velocidad del modelo de velocidad óptima τ. Para los valores típicos de los otros parámetros
del modelo de velocidad óptima, los bloqueos solo se evitan si τ < 0, 9s, es decir, el tiempo de
relajación de la velocidad es del orden del tiempo de reacción, lo que conduce de nuevo a valores
v0
demasiado altos de manera irreal de la aceleración máxima. La razon de este comportamiento
τ
inestable, es que los efectos de las diferencias de velocidades se descuidan; y sin embargo juegan
un papel estabilizador esencial en el trá co real, especialmente al acelerar en los atascos.
A pesar de su simplicidad, estos modelos muestran un comportamiento realista del conductor,
tienen aceleraciones y desaceleraciones asimétricas y no producen accidentes. Desafortunadamen-
te, pierden sus propiedades realistas en valores límites. En particular, no muestran resultados en
inestabilidades de trá co.
4.3. Análisis del Intelligent drivel model (IDM)
Durante aproximadamente cincuenta años, los investigadores modelan el trá co de autopistas me-
diante modelos microscópicos de tiempo continuo (modelos de seguimiento de automóviles). Desde
entonces, se han propuesto una gran cantidad de modelos para automóviles, tanto para un solo
carril como para trá co de múltiples carriles.
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 79
El intelligent drivel model es un modelo del tipo siguiendo al líder, y presenta muchas venta-
jas con respecto a los otros tipos de modelos, pues funciona muy bien para variados tipos de
escenarios de trá co; el IDM describe la dinámica de la posición y la velocidad de un vehículo.
En este modelo, para el vehículo α , xα denota la posición en el tiempo t y vα su velocidad. Para
simpli car notaciones, denotaremos a la distancia neta por: sα = xα−1 − xα − lα−1 , donde α−l
denota el vehículo de adelante (lider) de α. Y la diferencia de velocidad ó tasa de aproximación se
representa por: ∆vα = vα − vα−1
La dinámica del vehículo α, está descrita por las siguientes dos ecuaciones diferenciales:
dxα
vα = (4.22)
dt
vα ∆vα 2
δ s + v T + √
0 α
dvα vα 2 ab
v̇α = 1 −
= a − (4.23)
dt v0 sα
donde los parámetros de la ecuación son los siguientes:
Velocidad deseada v0 : Velocidad que el vehículo tendría en trá co libre.
Espacio mínimo s0 : Distancia mínima deseada. Un carro no puede moverse si la distancia
al automóvil del frente, no es al menos s0 .
Tiempo de avance deseado T: El tiempo mínimo posible para alcanzar al vehículo de
enfrente.
Aceleración a: Máxima aceleración del vehículo.
Desaceleración de frenado b: Máximo valor para desacelerar cómodamente.
Tasa de aproximación ∆vα = vα −vα−1 : Diferencia de velocidad con el vehículo de enfrente.
Distancia real sα : Distancia bomper a bomper con el carro de adelante.
La ecuación del IDM es difícil de solucionar teóricamente, sin embargo puede resolverse numérica-
mente para obtener aproximaciones.
Todas estas experiencias y las de ciencias de los modelos car following se han ido mejorando,
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 80
y como ya se mencionó, uno de los modelos que se ha propuesto y que describe muy bien muchos
de los escenarios del trá co, es el Intelligent Drivel Model (IDM) representado en la ecuación (4.23)
Esta expresión es una combinación de la tendencia a acelerar en carretera libre, dado por la ecuación
!δ
vα
af (vα ) := a(α) 1 − (α)
v0
y la tendencia a frenar con desaceleración igual a
−bint ((sα , vα , 4vα )) := −a(α) (s∗ /sα )2 .
cuando el vehículo α se acerca demasiado al vehículo de enfrente. El término de desaceleración
depende de la relación entre la distancia mínima deseada s∗ y la distancia real sα donde el espacio
mínimo esta dado por:
(α) V ∆v
s∗ (v, ∆v) = s0 + T α v + √ .
2 a(α) b(α)
Esta ecuación nos garantiza un avance seguro puesto que incluye un término que es la distancia de
atasco s0 , a demás un término que nos garantiza avanzar a una distancia segura T α v y otro término
dependiendo de la velocidad y la tasa de aproximación. Por otra parte, si la tasa de aproximación
es cero, pueden suceder dos cosas.
Los vehículos estan detenidos (atascados) y por lo tanto s∗ será igual a la distancia de atasco
s0 , esto es debido a que no existiría distancia a la que se pueda avanzar seguramente T αv.
Los vehículos se desplazan a la misma velocidad V y la distancia a la que pueden avanzar
seguramente es T αv
La parte de acelerar en carretera libre de la ecuación del IDM, surge de la idea de que la velo-
cidad no puede crecer inde nidamente, en un punto debe estabilizarse y entonces la aceleración
irá disminuyendo paulatinamente con el tiempo hasta llegar a cero, como puede observarse mas
adelante. A continuación se presentan los escenarios del trá co que son descritos sin problemas por
el modelo IDM.[12]
a) Trá co de vehículos con aceleración cero. este caso del trá co se llama equilibrado,
los conductores tratan de mantener la distancia con el vehículo delantero; esto signi ca que tratan
de mantener una velocidad constante y por tanto se cumple que V̇α = 0, 4Vα = 0. Partimos de la
ecuación (4.23).
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 81
vα ∆vα 2
s0 +vα T + 2√ab
δ
dvα vα
v̇α = = a 1 −
− sα
dt v0
Haciendo las sustituciones V̇α = 0, 4Vα = 0
!δ " #2
(α)
V S0 + T αV
0 = a(α) 1 − (α)
− (4.24)
V0 Sα
como a(α) 6= 0
!2
δ (α)
S0 + T α V
V
0 = 1− − (4.25)
V0α Sα
2 δ
S0α + Tα V
V
= 1− (4.26)
Sα V0α
s δ
S0α + T V
V
= 1− (4.27)
Sα V0α
1
δ !−
2
Sα V
= 1− (4.28)
S0α + T αV V0α
1
δ !−
2
V
sα = (sα0 + T α V ) 1 − (4.29)
V0α
a esta ecuación 4.29 se le conoce como distancia de equilibrio y depende de la velocidad del
vehículo. La gura 4.6 muestra la grá ca de dicha función utilizando parámetros realistas del
IDM, con distancia de atasco sα0 = 2, velocidad máxima v0 = 33,33 y δ = 4, obteniendo la función:
1
4 !−
2
x
y = (2 + 1,6x) 1 −
3,33
Como puede observarse, cuando la velocidad es cero (hay atasco) entonces la distancia es s0 ≈ 2
metros; a medida que el vehículo líder aumenta su velocidad, aumenta la distancia s con el vehículo
trasero; sin embargo puesto que se trata de un trá co equilibrado, la velocidad no puede tomar
valores muy altos; si los tomara no se obtendría valores de la distancia en ellos, es decir tiende a
in nito.
En la ecuación 4.29 se puede observar también que para un trá co muy congestionado, vα es mucho
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 82
Figura 4.6: función separación de equilibrio
vα
menor que v0 , es decir
v0
→0 y por lo tanto la distancia de equilibrio estará dada por s0 + V T ;
como lo muestra la grá ca de la Figura 4.7
Debido a que la ecuación 4.29 es una función que depende de la velocidad, y trata de mantener el
espaciado equilibrado entonces la denotaremos por se (v)
Habíamos dicho que en este trá co equilibrado de densidad arbitraria (v̇α = 0, 4vα = 0), los con-
ductores tienden a mantener una brecha de equilibrio dependiente de la velocidad se (ve ) al vehículo
delantero dado por
1
" δ #−
2
v
se (v) = (s0 + vT ) 1 −
v0
Sin embargo es posible también obtener una ecuación de velocidad que dependa de la brecha de
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 83
Figura 4.7: función separación de equilibrio para velocidades bajas
separación; por ejemplo analicemos para cuando s0 = 0 y δ=1 tendríamos lo siguiente:
− 1
v 2
se (v) = vT 1 − (4.30)
v0
− 1
se v 2
= 1− (4.31)
vT v0
−1
s2e
v
= 1− (4.32)
v2T 2 v0
v
v2T 2 2 2
= se (v) − se (v) (4.33)
v0
2 2 s2e (v)v
v T + − s2e (v) = 0 (4.34)
v0
s
s2 (v) s4e (v)
− e ± − 4T 2 s2e (v)
v0 v02
2
= 0 (4.35)
s 2T
s2e (v)
2
2
se (v) 2
− ± se (v) − 4T
v0 v02
= 0 (4.36)
2T 2s
s2e (v)
2
− 4T 2
2
s (v) v 0
− e ± se (v) = 0 (4.37)
v0 2T 2
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 84
s2e (v) se (v)
q
− ± s2e (v) − 4T 2 v02 = 0 (4.38)
2v0 T 2 2v0 T 2
s2e (v)
q
2 2 2
−1 ± se (v) + 4T v0 = 0 (4.39)
2v0 T 2
" s #
s2e (v) 4T 2 v02
ve (s) = −1 ± 1+ (4.40)
2v0 T 2 s2e (v)
a esta expresión se le conoce como velocidad de equilibrio.
b) Vehículos acelerando hacia una velocidad deseada Si la densidad del trá co es muy
baja entonces s es grande, y el término de interacción es despreciable y por tanto la aceleración
del IDM se reduce a la aceleración de carretera libre:
δ
v
v̇ = a(1 − )
v0
que para valores realistas (Figura 4.9) de los parámetros se convertiría en:
4 !
v
v̇ = 0,73 1 −
33,33
que es una función decreciente de la velocidad para valores positivos, con un valor máximo y
mínimo en v̇(0) = a y v̇(v0 ) = 0.
En la Figura 4.8 se muestra el comportamiento de dicha función, donde el régimen aplica para
t ≤ 60s, el exponente de aceleración δ especi ca como la aceleración decrece cuando se aproximan
a la velocidad deseada. Podemos observar que cuando el vehículo comienza a moverse frente a una
carretera vacía, entonces acelera con la mayor potencia, a medida se acerca a la velocidad deseada
la aceleración decrece, puesto que el cambio de velocidad va disminuyendo.
El limite cuando δ→∞ corresponde a una aproximación a v0 con una aceleración constante a, y
δ=1 corresponde a una aproximación lineal de a.
En este último caso, la aceleración en trá co libre es equivalente al modelo de velocidad óptima
que usa el modelo LWR.
Se espera que el comportamiento mas realista se encuentre dentro de esos limites; luego de mucha
experimentación se ha logrado establecer que el valor mas apropiado por arrojar datos mas realis-
tas es δ=4 [12]
c) Frenado como reacción a altas tasas de aproximación
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 85
Figura 4.8:
Al acercarse a vehículos más lentos o de atascados, con velocidades de aproximación su ciente-
mente altas ∆v > 0. La parte de equilibrio s0 + vT de la distancia dinámica deseada s∗ , puede ser
despreciada con respecto a la parte de no equilibrio, la cual es proporcional a v4v . Entonces la
s(∗) 2
parte de la interacción −a( ) de la aceleración del IDM, es dada por:
s
(v4v)2
bint (s, v, 4v) ≈
4bs2
Esta expresión implementa un comportamiento de frenado inteligente, el cual se analiza ahora
para el caso especial de aproximarse a un vehículo detenido (obstáculo 4v = v ) anticipando una
desaceleración constante durante todo el proceso de aproximación. La aceleración, entonces, para
este tipo de situaciones estara dada por:
av∆v
!2
√
d
vα 2 ab
v˙α = a 1 − v0
−
s
Por otra parte, de las ecuaciones del Movimiento Rectilíneo Uniformemente Acelerado (MRUA)
tenemos que la velocidad es v = v0 + at, y cuando se hace v=0 (el vehículo se ha detenido) se
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 86
v0
obtiene la siguiente formula para el tiempo − =t
a
También sabemos del MRUA que la formula de la distancia es:
1
x = x0 + v0 t + at2
2
Al sustituir el tiempo en la ecuación anterior se tiene.
v 1 v 2
0 0
∆x = v0 − + a − (4.41)
a 2 a
v02 1 v02
∆x = − + (4.42)
a 2a
1 v02
∆x = − (4.43)
2a
1 v02
a = − (4.44)
2 ∆x
Esta ultima expresión es la desaceleración necesaria para que un automóvil se detenga. Observemos
que en el denominador de la misma, existe el término de variación de distancia. En este análisis,
s; por tanto hagamos la desaceleración cinemática
esa distancia es la distancia entre los vehículos
2
v
mínima para detenerse igual a bk = .
2s
bk
La situación esta bajo control cuando ≤ 1 porque la desaceleración que está experimentando el
b
vehículo, es menor que la desaceleración cómoda. En una situación de emergencia por el contrario
bk
tendríamos que β= > 1.
b
Habíamos dicho que se analizaría el caso de encontrarse con un obstáculo. Entonces se tendría que
hacer ∆v = v , resultando la siguiente expresión.
v2
!2
√
2 ab
bint (s, v, 4v) = a (4.45)
s
v4
bint (s, v, 4v) = a (4.46)
4abs2
v2v2
bint (s, v, 4v) = (4.47)
2s2sb
b2
bint (s, v, 4v) = k (4.48)
b
bint (s, v, 4v) = βbk (4.49)
bk
Para los casos que no se consideran una emergencia, habíamos dicho que
b
≤ 1; esto signi ca que
bint (s, v, 4v) = βbk ≤ bk ≤ b.
Es decir, las desaceleraciones en este tipo de situaciones serán menores que la desaceleración
cómoda, y por tanto el ujo esta libre de colisiones. Sucede lo mismo para el caso en el que se
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 87
bk
tenga una situación de emergencia, pues en este caso, β= b
> 1. Es decir será una desaceleración
muy alta, hasta estabilizar el automóvil.
Esto nos demuestra que para exponente 2 en el termino de interacción del IDM, tendremos un
tra co libre de colisiones y estable. Supongamos ahora que dicho exponente es n > 2. Entonces
n
bnk
bk
bint (s, v, 4v) = a √ = n
−1 n (4.50)
ab a 2 b2
n n
bk2 bk2
bint (s, v, 4v) = n n (4.51)
a 2 −1 b 2
n
bk2
≤ n (4.52)
a 2 −1
n
b2
bint (s, v, 4v) ≤ n (4.53)
a 2 −1
donde n>2 y por tanto no podríamos garantizar que su comportamiento sea comparable con el
de la desaceleración b.
Para el caso en el que n < 2 entonces la aceleración máxima a estaría presente en el numerador de
la expresión anterior con algún exponente m
n
am b 2
Tampoco podría concluirse que no habrá colisiones con desaceleraciones de este orden.
d) Frenando debido a distancias cortas este escenario tiene lugar, cuando el espacio entre los
vehículos es mucho menor que el espacio mínimo deseado, pero los vehículos no se aproximan a
altas tasas de velocidad. Aquí la parte de equilibrio s0 + vT domina sobre la parte dinámica ∆v
y se desprecia la parte de aceleración en carretera libre. Por tanto la ecuación (4.3.1) se reduce a
(s0 + vt)2
v̇ ≈
s2
4.3.1. Modelo MOBIL
Otro de los aspectos fundamentales que se necesita para modelar una carretera multicarril, es la
condición que los vehículos necesitan para hacer un cambio de carril de manera segura. Acontinua-
ción se presenta uno de los modelos que se utiliza para dicho propósito.
Por sus siglas en inglés Minimizing Overall Braking Induced by Lane Changes El modelo de
cambio de carril es aquel en el que se producen cambios en el carril si el nuevo carril objetivo
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 88
00
potencial es más atractivo, es decir se cumple el criterio incentivo00 . El cambio se puede realizar de
manera segura, es decir, se cumple el Criterio de seguridad. En este modelo de Cambio de Carril
MOBIL, los criterios en las aceleraciones en los carriles antiguos y los carriles nuevos respectivos,
son calculados con el modelo longitudinal IDM.
El criterio de seguridad se satisface si la desaceleracion de frenado del IDM impuesta en el vehículo
trasero del carril objetivo después de un posible cambio no podrá exceder un cierto limite bsaf e ;
esto signi ca que el criterio de seguridad
ãn ≥ −bsaf e
se satisface en esta fórmula el guión de la aceleración, lo que signi ca después de un posible cam-
bio mientras que el guión de la etiqueta del vehículo trasero signi ca en el carril objetivo
Para evaluar el criterio de incentivo, ponderamos la ventaja propia en el carril objetivo, medido
por la aceleración incrementada (o reducción de la desaceleración de frenado) frente a la desventaja
impuesta de otros conductores medida nuevamente por la disminución de la aceleración o aumento
en la desaceleración de frenado para estos conductores. Dado que tendemos a ser egoístas ponde-
ramos la desventaja impuesta a otros conductores con un factor de cortesía P cuyos valores son
típicamente inferiores a uno, lo que da resultado al siguiente criterio de incentivo:
(ãc − ac ) + P.(ãnew − anew + ãold − aold ) > ∆ath ,
donde
ãc = es la nueva aceleración del vehículo c después de un cambio de carril.
ac = es la aceleración actual.
(ãnew − anew ) = es la desventaja del nuevo vehículo seguidor.
(ãold − aold ) = ventaja del antiguo seguidor
P = factor de cortesía
Para evitar maniobras de cambio de carril desencadenadas por ventajas marginales que pueden
conducir a un salto de carril frenético , se ha agregado un umbral de cambio de carril adicional
a( thr) al equilibrio de la ecuación anterior.
Ahora se procede a analizar los posibles valores que el parámetro P puede tener, tomando siempre
en cuanta que este es un factor de cortesía.
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
CAPÍTULO 4. MODELOS MATEMÁTICOS PARA EL TRÁFICO VEHÍCULAR 89
P >1 Indica un comportamiento muy altruista
P ]0, 0,5[ Indica un comportamiento realista
P = 0 Indica un comportamiento puramente egoísta. Hay que tomar en cuenta que los
conductores egoístas tampoco ignoran el criterio de seguridad.
P <0 Se considera una personalidad maliciosa que se complace en frustrar a otros conduc-
tores incluso a costa de sus propias desventajas.
Existe un caso especial el cual es cuando P = 1 y ∆ath = 0. En este caso el cambio de carril ocurre
cuando la suma de las aceleraciones de todos los conductores afectados aumenta después del cam-
bio, o equivalentemente, las aceleraciones globales se reducen al mínimo. En resumen el criterio de
incentivo se cumple si la ventaja propia, es mayor que la suma ponderada de las desventajas de
los nuevos y antiguos sucesores aumentados por el umbral ∆ath .
La tabla 4.9 muestra los valores de los parámetros del IDM más utilizados por los investigadores.
Figura 4.9: Parámetros asociados al modelo.
4.3. ANÁLISIS DEL INTELLIGENT DRIVEL MODEL (IDM)
Capítulo 5
Implementación del modelo
En el capítulo anterior se han descrito los escenarios del trá co que pueden ser modelados mediante
el IDM y se pueden resumir en cuatro, que son los siguientes:
Trá co equilibrado.
Aceleración en carretera libre.
Frenando a altas tazas de aproximación.
Frenando a distancias cortas.
A demás se debe tomar en consideración que dicha ecuación está diseñada para modelar el ujo de
vehículos en una carretera de un carril. Por otra parte, es fácil comprobar mediante la observación,
que en la mayoría de intersecciones de carreteras ocurren los escenarios descritos por el IDM. Por
ejemplo, en las horas pico donde hay un mayor ujo de personas, podría ser descrito como un esce-
nario de frenado a distancias cortas , ya que a mayor ujo de vehículos habrán más atascos, lo que
lleva a un alto congestionamiento; también para el caso de ujo en carretera libre, este escenario
es aquel en el cual los vehículos puedan avanzar en la intersección sin ningún problema ya que no
hay congestiones vehículares; cuando en la intersección hay una alta congestión de vehículos pero
está uyendo sin inconvenientes se puede decir que es un caso de trá co equilibrado y nalmente
cuando un vehículo se a próxima, a una alta velocidad y repentinamente el semáforo cambia de
verde a rojo, se tendrá el caso del frenado a altas tazas de aproximación.
En este capitulo se presenta la implementación del modelo IDM combinado con el modelo MOBIL,
90
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 91
el cual produce una dinámica del ujo del trá co en la intersección señalizada entre las calles San
Antonio Abad, el Bulevar de Los Héroes, la 25 av Norte y la autopista Norte; a demás se muestran
las corridas del modelo mediante simulaciones hechas con el software Tra cSimulation.
5.1. Modelo propuesto
Antes de describir el modelo, es necesario conocer las características físicas del área a modelar en
total la intersección tiene 10 ujos de entrada (en la Figura cada echa indica ujos de entrada y
salida) y 10 ujos de salida. Hay control de ujo para cada uno de ellos. A demás hay al menos
cuatro paradas de autobuses cercanas a la intersección, que in uyen directamente en el trá co del
lugar.
Figura 5.1: Flujos asociados a la intersección
En este trabajo se presentan extensiones al IDM, de tal manera que pueda reproducir fenómenos
del trá co como los siguientes:
Escenario multicarril
Cambio de carril
Semáforos (Control de trá co)
5.1. MODELO PROPUESTO
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 92
Parada de autobuses
Flujos de entradas y salidas de una intersección
5.2. Descripción del modelo
El modelo propuesto considera lo siguiente:
Se tiene cuatro corrientes de trá co, dos de tres carriles cada uno con una rampa de salida
de un carril; uno de dos carriles; y uno de dos carriles con una rampa de salida, todas estas
corrientes se acercan a la intersección.
Cada corrientes de trá co tiene una tasa de inyección de vehículos, que varía con el tiempo
y se calcula de acuerdo a la distribución uniforme de probabilidad.
Se tiene cuatro corrientes de trá co, dos de dos carriles y dos de tres carriles que se alejan
de la intersección.
Cada una de las corrientes de trá co que se alejan de la intersección, tiene una tasa( ujo) de
salida de vehículos.
Densidades máximas jas para cada corriente de trá co.
Parada de autobuses, los automóviles de mayor tamaño se detiene en ciertos lugares que se
han designado como paradas de autobuses.
Se tiene dos tipos de vehículos (automóviles y buses) que tienen tamaños distintos.
Para cada una de las ocho corrientes de trá co, en algún momento dado el vehículo puede
decidir cambiarse de carril.
Cada vehículo actualiza su aceleración,velocidad y posición en el tiempo t + 1, utilizando el
estado en el tiempo t.
Flujos de trá co controlados; si el semáforo está en color rojo, los automóviles se detienen,
mientras que si se encuentra en verde continúa cruzando la intersección.
5.2. DESCRIPCIÓN DEL MODELO
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 93
5.3. Aplicación del modelo para la simulación
Aspectos importantes que el software realiza para la aplicación del modelo.
1. Para cada uno de los vehículos, el programa hace la discretización numérica de la formula del
IDM utilizando el método de las diferencias nitas y se calcula la posición para cada tiempo t.
2. En cada corriente de trá co arriban vehículos por unidad de tiempo, en base a una distribución
uniforme, siempre que se cumpla que la densidad de vehículos en el camino es menor a la
densidad máxima.
3. En cada carril de cada corriente de trá co y para cada valor de tiempo t, se hacen comparaciones
de la velocidad y se utiliza el modelo MOBIL para decidir si es conveniente un cambio de carril.
4. Cada carril de cada camino las aceleraciones de todos los vehículos están dadas por la ecuación
del IDM para cada instante t.
5. Si el semáforo se encuentra en rojo, entonces en la fórmula del IDM, se considera que el vehículo
de tipo bus (grande) tiene como vehículo líder a un automóvil estacionado es decir vα−1 = 0.
6. En las paradas de autobuses, en la ecuación del IDM se considera que el vehículo de tipo bus
(grande) tiene como vehículo líder a un automóvil estacionado vα−1 = 0.
5.4. Implementación del modelo
Para presentar de manera grá ca los datos del sistema de la intersección estudiada, se utilizó un
programa creado en Java llamado Tra cSimulation, que permite manipular una serie de variables
y parámetros del IDM. Este programa ya considera todos los numerales del párrafo anterior (Apli-
cación del modelo para la simulación); y sobre él es posible la manipulación de las variables y
parámetros. El software utilizado en este trabajo, unicamente realiza las simulaciones de ujo de
vehículos en las calles que se dibujan. La interfaz de dicho programa se muestra en la Figura 5.1.
Por otra parte para garantizar una simulación realista de la intersección, se realizó un aforo vehí-
cular que dio como resultado una base de datos de valores estimados de velocidad promedio y
densidad de trá co y tiempos en semáforo.
5.3. APLICACIÓN DEL MODELO PARA LA SIMULACIÓN
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 94
Figura 5.2: Interfaz del software Tra cSimulation
5.5. Pruebas y resultados
La primera prueba que se realizo, es la veri cación del funcionamiento del semáforo en el modelo.
En el simulador se creo una carretera de un carril, en la que circulan vehículos cuya aceleración
se calcula con la fórmula del IDM; se introdujo un semáforo en ella, con un tiempo de luz verde y
roja de 30 segundos cada una. Las Figura 5.2 y 5.3 respectivamente muestran dichas simulaciones.
El resultado obtenido fue que al estar el semáforo en rojo los vehículos y autobuses se detenían,
y al estar en en verde continuaban avanzando. Por lo que se concluye que le modelo describe
correctamente dicha dinámica.
Para corroborar el funcionamiento de la parada de autobuses se procedió hacer una simulación de
dos carriles, en uno de los cuales se ubicó una para de bus; el resultado fue que los autobuses hacian
el alto en dicha parada, mientras que los vehículos livianos continuaban avanzando. La Figura 5.4
muestra dicha simulación.
Como anteriormente se han descrito modelos un poco simples, ahora se procederá a describir unos
modelos un poco mas complejos, estos modelos constan de más de un semáforo y más de un carril.
En la Figura 5.5 se muestra la dinámica de ujo vehícular procedente de la calle San Antonio Abad
hacia el bulevar de los Héroes y hacia la Autopista Norte. Para veri car que este ujo vehícular
pudiera darse exitosamente fue necesario utilizar dos semáforos.
5.5. PRUEBAS Y RESULTADOS
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 95
Figura 5.3: Semáforo en rojo
Figura 5.4: Semáforo en verde
5.5. PRUEBAS Y RESULTADOS
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 96
Figura 5.5: Parada de autobús
La Figura 5.6 muestra la simulación del ujo vehícular de la calle 25 av. norte que se dirige
hacia la calle San Antonio Abad y también su incorporación a la autopista norte. Por su parte la
Figura 5.7 muestra la simulación realizada del bulevar de Los Héroes en dirección a la autopista
norte y su incorporación a la 25 av. norte; mientras que la Figura 5.8 describe el ujo de la calle
San Antonio Abad hacia el bulevar de Los Héroes, de la autopista norte hacia la calle San Antonio
Abad y de la calle Autopista Norte hacia el bulevar de Los Héroes. Por último la Figura 5.9 nos
muestra la simulación de la intersección completa.
Figura 5.6: Calle San Antonio Abad - Autopista Norte - Blvd Los Héroes
5.5. PRUEBAS Y RESULTADOS
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 97
Figura 5.7: Calle 25 av. norte - San Antonio Abad
Figura 5.8: Blv de Los Héroes - Autopista Norte
5.5. PRUEBAS Y RESULTADOS
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 98
Figura 5.9: Autopista Norte - Blv de Los Héroes
Figura 5.10: Intersección completa
5.5. PRUEBAS Y RESULTADOS
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 99
Luego de la realización de todas las pruebas que se hicieron con el simulador, se obtuvo como
resultado que el modelo describe correctamente el ujo en carretera multi carril, el cambio de
carril en una carretera, la parada de autobuses en un carril, el control de trá co, las bifurcaciones
de una calle, la incorporación de una calle a otra; es decir la intersección estudiada fue posible
simularla por partes, mediante el conjunto se simulaciones presentadas en las Figuras 5.2-5.8. A
demás es posible modelar toda la intersección siempre y cuando no se utilicen paradas de autobuses
combinados con mas de dos semáforos; esto debido a que el software presenta complicaciones con
la sincronización de semáforos y paradas de autobuses simultáneamente.
5.5. PRUEBAS Y RESULTADOS
Conclusiones
Para realizar un modelo matemático de una intersección de carreteras, es conveniente utilizar,
los de tipo car-following microscópicos; en primer lugar, debido a que el tramo de carretera
que se analizaría, no sería tan extenso, lo que llevaría a centrar el análisis en la interacción de
pequeñas colas de vehículos; y en segundo lugar por que los modelos de este tipo, toman en
consideración muchos aspectos del conductor, y les es su ciente para describir patrones de
trá co; algunos de estos aspectos son: el nivel de sensibilidad del conductor y su reacción ante
lo que sucede en su entorno; también consideran la dependencia directa de las aceleraciones
y desaceleraciones de los vehículos siguientes, de la velocidad del líder y la distancia con
él; es decir permiten describir el trá co sin necesidad de tener una información general del
conjunto total de vehículos en la carretera.
El modelo IDM describe correctamente los siguientes escenarios de trá co en carreteras de
un sólo carril: trá co equilibrado, aceleración en carretera libre, frenando a altas tazas de
aproximación, y frenando a distancias cortas. Todos los escenarios de trá co de un carril
que suceden en una intersección señalizada, pueden incluirse en los descritos por el IDM.
Por ejemplo, cuando el semáforo está en verde y en un carril los vehículos se mueven con
velocidades constantes, debido a una densidad de trá co alta; este caso podria incluirse en
el trá co equilibrado del IDM.
El modelo propuesto para la descripción del sistema de la intersección entre las calles San
Antonio Abad, Bulevard de los Héroes, Autopista Norte y 25 av. norte, es la combinación
de los modelos IDM con el modelo MOBIL de cambio de carril. Sobre cada carril, de cada
calle, que conforma la intersección, las aceleraciones de los automoviles que ahí circulan, se
obtienen mediante la ecuación del IDM. Y para cada tiempo t, se utilizan las condiciones
del modelo MOBIL y para la aceleración que éste requiere, se usa la del IDM; para que
cada vehículo decida si es conveniente o no, realizar un cambio de carril. Para modelar la
100
CAPÍTULO 5. IMPLEMENTACIÓN DEL MODELO 101
parte de los semáforos, se utiliza la fórmula del IDM, sustituyendo la velocidad del vehículo
líder por 0, durante un tiempo jo T. La misma idea se utiiza para el caso de la parada de
autobús, con la única diferencia que se pone velocidad de vehículo líder igual a cero, sólo
a los vehículos de mayor tamaño (bus). El resultado obtenido fue que el modelo describe
la dinámica de entrada y salida de vehículos de la intersección, incluyendo los semáforos y
parada de autobuses.
El programa tra cSimulation utilizado para realizar las simulaciones del modelo funcionó
correctamente para describir todos los ujos de entrada y salida de vehículos de la intersección
por separado; así como también describió correctamente los cambios de carril, el control de
trá co y parada de autobuses en escenarios simples. La simulación completa de la intersección
con todos los semáforos sincronizados y todas las paradas de autobuses, no se pudo realizar
debido a algunos errores de programación del software.
5.5. PRUEBAS Y RESULTADOS
Bibliografía
[1] Reglamento General de Transito y Seguridad Vial, Viceministerio de Transporte de El Salvador.
[2] TRAFFIC FLOW THEORY, Characteristics, experimental methods, and numerical techni-
ques, Department of Civil and Environmental Engineering, University of Massachusetts, USA.
[3] Ecuaciones diferenciales y problemas con valores en la frontera, cuarta edición, 2009. C. HENRY
EDWARDS, DAVID E. PENNEY.
[4] ANDRÁSFAI, B: Introductory Graph Teory. The Institute of Physics (1978).
[5] BASIC PROBABILITY THEORY, Robert B. Ash. Department of Mathematics University of
Illinois (2008).
[6] Análisis numérico, séptima edición. Richard L. Burden, J. Douglas Faires.
[7] Cálculo Vectorial, quinta edición. Anthony J. Tromba, Jerrold E. Marsden, Versión en español,
UNAM.
[8] Optimal Tra c Control, URBAN INTERSECTIONS, Slobodan Guberiníc, Gordana Senborn,
Bratislav Lazíc (2008).
[9] ANALYSIS OF CONFLICT SITUATIONS IN ROAD TRAFFIC ON ROUNDABOUTS, Vla-
dislav Krivda, Technical University of Ostrava (2013).
[10] Tra c Flow modeling by conservation laws, Maria Laura Delle Monache, Université Nice
Sophia Antipolis, 2014.
[11] FORMULATIONS, ISSUES, AND COMPARISON OF CAR-FOLLOWING MODELS, Ven-
kata Siva Praveen Pasumarthy, Thesis, Faculty of Virginia Polytechnic Institute and State
University.
102
BIBLIOGRAFÍA 103
[12] Congested Tra c States in Empirical Observations and Microscopic Simulations, Martin Trei-
ber, Ansgar Hennecke, and Dirk Helbing II. Institute of Theoretical Physics, University of
Stuttgart, Pfaenwaldring 57, D-70550 Stuttgart, Germany.
[13] Generalized Force Model of Tra c Dynamics, Dirk Helbing and Benno Tilch II. Institute of
Theoretical Physics, University of Stuttgart, 70550 Stuttgart, Germany.
[14] Modeling Lane-changing decisions with MOBIL, Martin Treiber and Arne Kesting, Technische
Universitat Dresden, Institute Transport and Economics.
[15] Optimal Tra c Control, URBAN INTERSECTIONS, Slobodan Guberiníc, Gordana Senborn,
Bratislav Lazíc (2008).Appendix III
BIBLIOGRAFÍA
Anexos
Manual
En el presente manual se muestra una pequeña ejecución del programa utilizado en esta tesis.
Paso 1
Lo primero que se debe hacer es buscar el archivo ejecutable en java y abrirlo.
Paso 2
Luego el progrma preguntara si deseamos cargar una imagen o dibujar una calle
Paso 3
Seleccionaremos cargar una imagen, a la vez se abrirá una ventana para poder buscar la imagen
que utilizaremos.
104
BIBLIOGRAFÍA 105
Paso 3.1 Este es el caso en el que no se cargue una imagen, entonces lo primero que pasará es
que se abrirá la siguiente ventana.
Dado que no hay una imagen en la cual escribir se procederá a dibujar las callas como si hubiera
una imagen, así como se muestra en la gura.
Luego se harán todos los pasos del manual que se han mostrado, dando como resultado lo que se
muestra en la gura 5.11.
BIBLIOGRAFÍA
BIBLIOGRAFÍA 106
Figura 5.11:
Figura 5.12:
BIBLIOGRAFÍA
BIBLIOGRAFÍA 107
Paso 4
En este paso ya se ha decidido que se cargara una imagen, Para conveniencia de este manual
cargaremos una imagen asociada a la intersección que deseamos optimizar. De inmediato se abrirá
la siguiente ventana
Paso 5
Se comenzará a trabajar sobre la imagen que se ha cargado, el programa tiene cualidades de dibujar
calles,nodos,semaforos,calles parelas y paradas de buses.
Para dibujar una calle seleccionaremos la opcion road como se muestra en la gura.
Paso 6
Para dibujar la calle solo se debe seleccionar la opción road y comenzar a trazar puntos sobre la
imagen los cuales se irán convirtiendo en una linea.
BIBLIOGRAFÍA
BIBLIOGRAFÍA 108
Cuando se termine de dibujar la calle hay que validarla dando click en el boton ok como se muestra
en la gura
Paso 7
Para agregar una calle hay que repetir el paso 5, en este caso agregaremos una calle que salga de
la primera que se dibujo,esto con la nalidad de mostrar una pequeña parte de la simulación real.
A continuación se muestra la calle que se dibujo ahora aparece roja porque ya esta validada, a
partir de esta se comienza a dibujar la segunda calle.
Al agregrar la calle se ve en color negro ya que aun no la hemos validado, pero cuando se valide
cambiara a rojo de inmediato, como lo muestra la gura 5.12
Paso 8
Ahora se procederá a agregar un nodo;en este contexto se entenderá como nodo al espacio donde
convergen una o varias redes de transporte
Nos ubicaremos en la barra donde previamente habíamos agregado las calles, ahora nuevamente da-
mos click en la pestaña y seleccionamos la opción node,es importante aclarar que este nodo debe ser
agregado exactamente en un punto donde coincidan las dos calles, como se muestra en la gura 5.13
El nodo aparecerá exactamente en el espacio donde convergen las dos calles de color azul como se
muestra en la gura 5.14
BIBLIOGRAFÍA
BIBLIOGRAFÍA 109
Figura 5.13:
BIBLIOGRAFÍA
BIBLIOGRAFÍA 110
Figura 5.14:
Figura 5.15:
BIBLIOGRAFÍA
BIBLIOGRAFÍA 111
Paso 9 En este paso se procederá a describir el movimiento de los vehículos sobre las calles que
se han establecido. Para ellos hay que ir a la opción set parameters the elements (Conjunto de
parámetros de los elementos)
En este caso comenzamos a de nir la trayectoria de la primera calle, al desplegar la pestaña del
conjunto de parametros hay que seleccionar road 0 que es como se de ne la primera calle y lo
validamos dando click en ok.
Figura 5.16:
En la siguiente tabla se muestra como se ha de nido la trayectoria de road 0, en este caso se
BIBLIOGRAFÍA
BIBLIOGRAFÍA 112
ha de nido road 0, como el comienzo de una carretera por esa razón en type se de ne con un
Beginning y lo validamos dando click en ok.
Figura 5.17:
Lo mismo pasara cuando se de na la trayectoria de road 1, con la diferencia que el type será un
end. Esto se muestra en la gura 5.17
Así como se han de nido las trayectorias de las carreteras hay que de nir el nodo, validando esta
acción con el botón ok. Esto se muestea en la gura 5.18.
Paso 10 Al haber validado las calles y los nodos de click en star y la simulación con las trayectorias
establecidas comenzaran a verse en pantalla, como se observa en la gura 5.19.
BIBLIOGRAFÍA
BIBLIOGRAFÍA 113
Figura 5.18:
Figura 5.19:
BIBLIOGRAFÍA
BIBLIOGRAFÍA 114
Figura 5.20:
BIBLIOGRAFÍA
También podría gustarte
- LIBRO Resistencia de Materiales (Timoshenko) Tomo-IIAún no hay calificacionesLIBRO Resistencia de Materiales (Timoshenko) Tomo-II251 páginas
- Formatos de Conteo Vehicular PaulAún no hay calificacionesFormatos de Conteo Vehicular Paul2 páginas
- Módulo 1 - Tensión Compresion y CortanteAún no hay calificacionesMódulo 1 - Tensión Compresion y Cortante54 páginas
- Análisis de Estructuras: Reacciones y DiagramasAún no hay calificacionesAnálisis de Estructuras: Reacciones y Diagramas9 páginas
- Anexo Ejercicios-Calculo Plastico.Aún no hay calificacionesAnexo Ejercicios-Calculo Plastico.14 páginas
- TESIS El Oficio de La AlbañileriaAún no hay calificacionesTESIS El Oficio de La Albañileria148 páginas
- Control de Deflexiones en EstructurasAún no hay calificacionesControl de Deflexiones en Estructuras15 páginas
- Analisis Estructural Hibbeler 7 Ed EJEMPLO 4.-50 en SAP2000Aún no hay calificacionesAnalisis Estructural Hibbeler 7 Ed EJEMPLO 4.-50 en SAP200024 páginas
- Responsabilidad y Ética AmbientalAún no hay calificacionesResponsabilidad y Ética Ambiental2 páginas
- Historia Escuela Rubén Darío EcuadorAún no hay calificacionesHistoria Escuela Rubén Darío Ecuador3 páginas
- Análisis de Estructuras HiperestáticasAún no hay calificacionesAnálisis de Estructuras Hiperestáticas21 páginas
- Sesion 01, 02, 03 - 08.07.2023 y 09.07.2023Aún no hay calificacionesSesion 01, 02, 03 - 08.07.2023 y 09.07.202350 páginas
- Entropía: Ciencia y Aplicaciones MultidisciplinariasAún no hay calificacionesEntropía: Ciencia y Aplicaciones Multidisciplinarias2 páginas
- Deflexiones en Vigas: Análisis y CálculoAún no hay calificacionesDeflexiones en Vigas: Análisis y Cálculo90 páginas
- Análisis Estructural - Gonzáles CuevasAún no hay calificacionesAnálisis Estructural - Gonzáles Cuevas579 páginas
- Teorema de Los Polos, Diagramas de Corrimiento y TVCRAún no hay calificacionesTeorema de Los Polos, Diagramas de Corrimiento y TVCR25 páginas
- Momentos de Inercia en Ingeniería CivilAún no hay calificacionesMomentos de Inercia en Ingeniería Civil11 páginas
- Planificación Curso Resistencia MaterialesAún no hay calificacionesPlanificación Curso Resistencia Materiales15 páginas
- Procesos y Etapas Del Diseño EstructuralAún no hay calificacionesProcesos y Etapas Del Diseño Estructural3 páginas
- Examen Estática: Problemas y SolucionesAún no hay calificacionesExamen Estática: Problemas y Soluciones2 páginas
- II. Comportamiento A Flexión Del Hormigón ArmadoAún no hay calificacionesII. Comportamiento A Flexión Del Hormigón Armado5 páginas
- Tesis Sobre Metodos de Dimensionamientos en Hormigón Armado100% (1)Tesis Sobre Metodos de Dimensionamientos en Hormigón Armado295 páginas
- Fundamentos de Ingeniería de TránsitoAún no hay calificacionesFundamentos de Ingeniería de Tránsito15 páginas
- Actividad 1 de 1er Corte Ingeniería de TráficoAún no hay calificacionesActividad 1 de 1er Corte Ingeniería de Tráfico18 páginas
- Especificaciones Técnicas Caja de RegistroAún no hay calificacionesEspecificaciones Técnicas Caja de Registro3 páginas
- Memorando 000073 Orsyl-S-Cui-2480499 (Fa)Aún no hay calificacionesMemorando 000073 Orsyl-S-Cui-2480499 (Fa)1 página
- Acta de Internamiento de Camioneta 4x4Aún no hay calificacionesActa de Internamiento de Camioneta 4x41 página
- Especificaciones Técnicas-Yeso y OcreAún no hay calificacionesEspecificaciones Técnicas-Yeso y Ocre3 páginas
- Requerimiento de Herramientas AjoyaniAún no hay calificacionesRequerimiento de Herramientas Ajoyani2 páginas
- Formato de Datos para Registro de Estadisticas de Seguridad y Salud en El Trabajo100% (4)Formato de Datos para Registro de Estadisticas de Seguridad y Salud en El Trabajo1 página
- Parte Diario: Uso de Volquete en PunoAún no hay calificacionesParte Diario: Uso de Volquete en Puno2 páginas
- Piedra Chancada para Concreto Media PDFAún no hay calificacionesPiedra Chancada para Concreto Media PDF2 páginas
- Alquiler de Equipos para I.E.S. TaracoAún no hay calificacionesAlquiler de Equipos para I.E.S. Taraco4 páginas
