EDUCATION Revista Mexicana de Fı́sica E 17 (2) 165–177 JULY–DECEMBER 2020

Implementación de un método numérico

para la solución de una ecuación del tráfico
E. J. López-Sánchez
Facultad de Filosofı́a y Letras, Universidad Nacional Autónoma de México,
Circuito Interior. Ciudad Universitaria, s/n. 04510. Ciudad de México, México.
e-mail: [email protected]
P. E. Olivera
Seminario de Estudios Urbanos Crı́ticos, Facultad de Filosofı́a y Letras, Universidad Nacional Autónoma de México,
Circuito Interior. Ciudad Universitaria, s/n. 04510. Ciudad de México, México.
e-mail: [email protected]
Received 11 February2020; accepted 7 April 2020

Los estudiantes de licenciatura y posgrado en ciencias tienen conocimientos muy heterogéneos de herramientas computacionales para re-
solver problemas matemáticos. Generalmente, los profesores desconocen de todos los programas existentes, ası́ que deben mediar entre las
herramientas que ellos manejen y las que dominan los alumnos, para que el curso avance sin dificultad y sin detenerse a enseñar un solo tipo
de instrumento. Se aborda esta problemática utilizando la siguiente metodologı́a. Se explica el algoritmo general que resuelve el problema, y
se ejecuta en Scilab, un lenguaje de programación fácil de aprender, de libre distribución y mediante el cual se grafican los resultados direc-
tamente. Se implementa en el modelo de tráfico vehicular de Greenberg. Se utilizan datos de variables de tráfico medidos en una vialidad de
la Ciudad de México como condiciones iniciales y de frontera para el modelo.
Descriptores: Tráfico vehicular; modelo Greenberg modificado; diferencias finitas; Gauss-Seidel.
Undergraduate and graduate science students have very heterogeneous knowledge of computational tools to solve mathematical problems.
Teachers usually ignore how to handle all existing programs, so they must mediate between the tools they know and those that students
dominate so that the course progresses without difficulty and without stopping to teach a single type of instrument. This problem is addressed
using the following methodology. The general algorithm that solves the problem is explained, it is implemented on Scilab, a programming
language that is easy to learn, freely distributed, and in which the results are plotted directly. It is implemented in the Greenberg vehicle
traffic model. Data measured in a Mexico City street of the vehicular traffic variables, namely, speed, vehicular density and vehicular flow
are used as initial and boundary conditions for the model.

Keywords: Vehicular traffic; modified Greenberg model; finite differences; Gauss-Seidel.

PACS: 47.40.-x; 45.05.+x; 45.70.Vn DOI: https://doi.org/10.31349/RevMexFisE.17.165

1. Introducción mencionadas, pero son optativas y la mayorı́a de los alum-

nos prefiere aquellas relacionadas con los temas en los que
Actualmente, las computadoras ayudan a resolver problemas desean especializarse. Algunos de estos planes de estudio se
matemáticos aplicados en todas las áreas del conocimiento pueden consultar en [1–9].
que involucran sistemas de ecuaciones con una gran canti- Esta escasez de materias obligatorias de métodos numéri-
dad de incógnitas. Desafortunadamente, los planes de estudio cos provoca que los grupos de estudiantes sean totalmente
de licenciaturas en ciencias como Fı́sica, Quı́mica, Biologı́a, heterogéneos en cuanto a nociones de las herramientas com-
Ciencias de la Tierra y algunas Ingenierı́as (salvo licencia- putacionales; desde los alumnos que únicamente saben usar
turas como Ciencias de la computación, Informática o Inge- hojas de cálculo, hasta los que tienen conocimientos avanza-
nierı́as en Computación) contemplan muy pocas asignaturas dos de programación en lenguajes de alto nivel. El profesor
de computación, pues priorizan el abordaje de los problemas que imparta alguna cátedra de computación o fı́sica computa-
utilizando una herramienta matemática en varios semestres cional debe mediar al momento de dar su clase. No puede dar-
en cursos como Matemáticas avanzadas de la Fı́sica, Métodos le preferencia a quienes solo saben usar las hojas de cálculo,
Matemáticos, Ecuaciones Diferenciales Parciales, Funciones porque aquellos que saben programar perderı́an el interés en
Especiales, entre otras. la clase, pero tampoco debe priorizar a los que dominan la
Al examinar los planes de estudio de las licenciaturas en programación computacional, porque los otros desertarı́an,
Fı́sica de algunas de las universidades más importantes de ya que generalmente los cursos de fı́sica computacional y
México, se encuentra que en promedio se consideran solo dos métodos numéricos a nivel superior no se planearon para
materias, con carácter de obligatorias, concernientes a com- enseñar a programar al alumno, pues no hay tiempo de ha-
putación o métodos numéricos en el transcurso de ocho a diez cerlo en un semestre.
semestres de duración de la carrera. Ciertamente, existen más Este trabajo parte del hecho de que el lector domina las
de dos asignaturas de este tipo en la curricula de las carreras técnicas de solución de sistemas de ecuaciones de n × n
166 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

del Álgebra Lineal [10]. De tal manera, se presenta una El trabajo está organizado como sigue. En la Sec. 2 se
metodologı́a para resolver un sistema de ecuaciones diferen- presenta de manera general el modelo de tráfico de Green-
ciales parciales aplicado a un modelo macroscópico del tráfi- berg [16]. El trabajo de campo y un análisis de incertidum-
co vehicular. Si bien existen muchos modelos macroscópicos bres se describen en la Sec. 3 y los resultados numéricos se
de tráfico [11–14], se eligió el modelo de Greenberg –que fue exponen en la Sec. 4; además, se señala una comparación con
uno de los primeros– por su sencillez. el modelo modificado utilizando el término de la viscosidad.
Ante el problema de la heterogeneidad de los En esta misma sección se muestra la estabilidad y convergen-
conocimientos en cómputo de los alumnos, se propone usar cia del método numérico utilizado. Finalmente, la discusión
un programa de cómputo versátil para resolver numérica- y las conclusiones se muestran en la Sec. 5.
mente el problema planteado. El programa propuesto no es
complicado de aprender y los resultados pueden graficarse
directamente (no es como en los lenguajes tipo C/C++, For-
2. Modelo del Tráfico
tran o Java, donde se generan los datos, se guardan en un
archivo y luego se utilizar un programa diferente tipo GNU-
Plot para graficar). La herramienta computacional propuesta Si se desprecia el término viscoso y de fuerzas externas de las
es Scilab [15], un programa de libre distribución y que puede ecuaciones de Navier-Stokes y de continuidad para un flujo
instalarse en cualquier sistema operativo: Windows, Linux y compresible [23] en una dimensión espacial, el modelo de
Mac. Greenberg [16] es:
El modelo de Greenberg [16–18] está basado en las ecua-
∂u ∂u c2 ∂k
ciones fundamentales de la mecánica de fluidos, suponiendo +u =− , (1)
que el flujo vehicular es un flujo compresible. Greenberg pro- ∂t ∂x k ∂x
pone que la velocidad es una función de la densidad vehicu- ∂k ∂u ∂k
+k +u = 0, (2)
lar, lo cual simplifica las ecuaciones y se puede encontrar una ∂t ∂x ∂x
solución analı́tica. Los datos de Greenberg coinciden perfec-
tamente con su modelo porque fueron tomados en un túnel, donde u(x, t) es la velocidad del tráfico (km/hr), k(x, t) es
para atravesar el rı́o Hudson, que divide a Nueva Jersey de la densidad del tráfico (veh/km) y c es un parámetro que se
Nueva York. determina con el flujo de autos.
Para aplicar la metodologı́a didáctica, además de la simu- Es importante mencionar una variable más; el gasto o
lación numérica, en este trabajo se propone realizar una caudal, que en el sistema del tráfico vehicular se denomina
práctica de campo para medir las variables más represen- aforo vehicular, q(x, t), con unidades de veh/hr, y se define
tativas del tráfico vehicular (velocidad promedio, densidad como:
vehicular y aforo) en una avenida de la Ciudad de México,
con el objetivo de obtener condiciones iniciales y de frontera q(x, t) = u(x, t)k(x, t). (3)
reales para realizar las simulaciones numéricas. Para esto se
toman datos en la Ciudad de México, a horas pico, durante La Ec. (3) se conoce como la relación fundamental [28] y to-
aproximadamente 3 horas y en un dı́a laboral. El punto de das estas variables son funciones tanto de la posición x como
medición es la carretera libre México-Toluca, a la altura del del tiempo t.
centro comercial Santa Fe, en la alcaldı́a Cuajimalpa. El miembro izquierdo de la Ec. (1) representa la derivada
El modelo se resuelve de manera completa (es decir, no material o total (cuya definición es D/Dt = ∂/∂t + u∂/∂x
se impone la suposición de Greenberg de considerar a la ve- [23, 24]) de la velocidad u. El primer término es conocido
locidad como una función de la densidad vehicular), usando como aceleración local y el segundo corresponde a la acele-
un método numérico. Se utilizan los datos medidos interpola- ración convectiva [24]. Este término representa los cambios
dos como condiciones iniciales y de frontera (condiciones de en la velocidad u en un segmento de longitud ∂x, debido a
Dirichlet [19–21]). Los resultados numéricos de la ecuación vehı́culos que se incorporan con velocidad distinta. El miem-
de Greenberg original, es decir, que toman la ecuación de bro derecho de la Ec. (1) es el término de gradiente de pre-
continuidad homogénea, son inconsistentes con la realidad, sión. Representa cambios de la velocidad por la anticipación
pues para la velocidad se obtienen valores negativos y más de los conductores en condiciones de tráfico a las cuales se
altos en magnitud que la velocidad promedio del flujo vehi- enfrentarán posteriormente [25]. Greenberg [16] propuso que
cular y la densidad siempre es constante. Los alumnos deben la presión vehicular P fuera directamente proporcional a la
descubrir el porqué de esta inconsistencia, detectar en dónde densidad k, de tal manera que P (k) = c2 k. Esta suposición
está el error y proceder a corregirlo. En este caso, supon- viene de considerar el flujo vehicular como un gas ideal [22].
er la conservación de la masa (ecuación de continuidad ho- La Ec. (2) es la ecuación de continuidad, que represen-
mogénea) lleva al error mencionado en el párrafo anterior y ta la conservación de la masa. El hecho de estar igualada a
se corrige cuando se introduce una función distinta de cero cero indica que no hay adición o pérdida de masa vehicular
en la ecuación de continuidad [22]. en el sistema. El primer término del miembro izquierdo es el

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 167

F IGURA 1. Lugar de medición de las variables u, k y q. El sen-

tido de circulación es de poniente a oriente, es decir, entrando a
la Ciudad de México. Los observadores se colocaron en el punto
1 (puente peatonal) y tomaron como referencia el punto 2 (letrero
informativo). Tomado y modificado de GoogleMaps° R
.

cambio de la densidad con respecto al tiempo. El segundo y

tercer términos de la Ec. (2) corresponden al gradiente del
aforo ∂q/∂x, el cual se desglosa al utilizar la regla de la ca-
dena, ver Ec. (3).
F IGURA 2. Fotografı́a para estimar la densidad vehicular, tomada
el 13 de noviembre de 2018, a las 8:32 hrs. Foto: P. E. Olivera.
3. Trabajo de campo
La toma de datos se realizó en la carretera México-Toluca, to, en intervalos de 10 minutos; es decir, a las 7:00 hrs y du-
solo en el sentido que entra a la Ciudad de México en un rante un minuto (hasta las 7:01 hrs) se contaron los vehı́culos
segmento de carretera limitado por dos puntos (1 un puente que pasaban por ambos puntos (unos observadores midieron
peatonal y 2 un letrero informativo) que distan entre sı́ por los que pasaban por el soporte para letrero y otros obser-
una distancia aproximada de 150 m y que abarca una salida vadores hicieron el conteo de los autos que circulaban por de-
de vehı́culos (ver Fig. 1). Se escogió este tramo por dos ra- bajo del puente). El mismo proceso se realizó a las 7:10 hrs,
zones: 1) es una de las entradas más importantes a la Ciudad a las 7:20 hrs, etc. Ası́, se registró el aforo en el punto inicial
de México; 2) contiene una salida intermedia de vehı́culos; y en el punto final del segmento de carretera estudiado.
por lo tanto, la ecuación de continuidad Ec. (2) debe modifi- La velocidad promedio de los vehı́culos se estimó con el
carse, pues ya no debe igualarse a cero, sino que existe una procedimiento siguiente. Al tomar un punto de referencia, co-
pérdida de masa vehicular debido a esa salida intermedia. Es- mo un letrero o un semáforo a cierta distancia del puente, se
ta ecuación se reescribe como: contó el tiempo que le tomaba a algún vehı́culo arbitrario con
∂k ∂q ∂k ∂u ∂k recorrer esa distancia. Esto se hizo después de medir el aforo,
+ = +k +u = f (t). (4)
∂t ∂x ∂t ∂x ∂x es decir, a las 7:01 hrs, a las 7:11 hrs, etc. Después, en trabajo
El valor de la función f (t) se calcula utilizando la for- de gabinete, se midió la distancia desde el puente peatonal
ma discreta de la ecuación de continuidad en términos del a la referencia con la herramienta Google Earth Pro° R
[26].
aforo q: Con esas cantidades se estimó la velocidad promedio a la que
∆k ∆q iban los vehı́culos a la hora de medición.
f (t) ≈ + , (5)
∆t ∆x
donde ∆k = k1 − k2 y ∆q = q1 − q2 , pues la entrada de Se utilizó la misma metodologı́a para estimar la distan-
vehı́culos es el punto 2. cia para el cálculo de la densidad vehicular y se tomaron fo-
Varios observadores se colocaron en el puente peatonal tografı́as después de hacer la medición del tiempo para la ve-
y desde las 7:00 hrs hasta las 10:00 hrs tomaron medidas de locidad, es decir, a las 7:02 hrs, a las 7:12 hrs, etc. Por ejem-
aforo, velocidad y fotografı́as para estimar la densidad ve- plo, en la fotografı́a de la Fig. 2, que se tomó a las 8:32 hrs,
hicular (ver Fig. 2). Esto último se realiza en el trabajo de se cuentan aproximadamente 75 vehı́culos en la carretera, de
gabinete. los cuales más de la mitad (≈ 41) están dejando la vialidad.
El punto 2 se encuentra a una distancia de ≈ 150 m del pun-
3.1. Metodologı́a to 1, de manera que, en ese instante, la densidad medida es
de 500 veh/km. Cabe mencionar que la vialidad tiene 4 ca-
El aforo q se midió de la siguiente manera: en el puente rriles, por tanto, si se asume que los vehı́culos tienen un largo
peatonal se hizo el conteo de automóviles durante un minu- promedio de 5 m y existe una separación entre vehı́culos de

Rev. Mex. Fı́s. E 17 (2) 165–177

168 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

0.5 a 1 m cuando hay embotellamiento, se tiene una capaci-

dad de 667 vehı́culos por kilómetro. En el segmento estudia-
do se tendrán un máximo de 100 vehı́culos.

3.2. Análisis de incertidumbres

Debido a que las escalas espacial y temporal a las cuales

se tomaron las mediciones fueron metros y segundos, se
definieron las incertidumbres para el espacio y el tiempo co-
mo δx = ±1 m = 1×10−3 km y δt = ±1 s = 2.78×10−4 hr,
respectivamente. La propagación de incertidumbres se cal-
culó siguiendo el procedimiento de Oda [27]. Para la veloci-
dad u el error asociado δu, se estimó con la fórmula
x0 δt + t0 δx
δu = , (6)
t20
F IGURA 3. Función f (t) de la Ec. (5) con datos interpolados con
donde x0 = 0.15 km y t0 es el tiempo que le tomó a un
un spline cúbico [30].
vehı́culo (tomado como referencia) recorrer 150 m. Para cal-
cular la incertidumbre asociada al valor máximo registrado de En la Fig. 3 se puede observar la forma de la función
la velocidad, se utiliza el menor valor del tiempo t0 = 21.4s f (t) Ec. (5) interpolada. Esta muestra que la función f (t)
en 150 m. Esto corresponde a una velocidad de 25 km/hr; tiene más valores negativos que positivos. Esto significa que
ası́, se tiene δu = 1.32 km/hr. Al definir el error asociado salieron más vehı́culos de los que entraron. Lo anterior se
a la variable medida como la razón de su incertidumbre y explica porque hubo una salida de vehı́culos intermedia en el
la variable misma, multiplicada por 100 ( %), se tiene que el segmento de vialidad estudiado. En este caso fue la calle Car-
error para la velocidad máxima medida es de 1.32/25=5.3 %. los Echanove (salida marcada con el número 3 en la Fig. 1).
Es importante destacar que este es el máximo obtenido para
todas las mediciones. El error máximo admitido en este tra-
bajo es de 10 %, por tanto los errores de medición obtenidos 4. Resultados
son aceptables.
Con fórmulas similares a la Ec. (6) se calculan la in- Debido a que el modelo de Greenberg requiere conocer un
certidumbres de la densidad δk y del aforo δq. Para las parámetro caracterı́stico de flujo vehicular, en este caso c2 de
tres variables, se presentan los errores asociados a la canti- la Ec. (1), este se estima utilizando el diagrama fundamental
dades máxima y mı́nima medidas de cada variable, es decir, del tráfico, que relaciona la velocidad y la densidad [16, 28].
u0 ± δu, k0 ± δu y q0 ± δq, en la Tabla I. En este caso se realizó una regresión por mı́nimos cuadrados
Como las mediciones se tomaron cada diez minutos, du- ordinarios, para correlacionar las variables u y k (medidas en
rante aproximadamente tres horas, se tienen valores tempo- la carretera México-Toluca en los puntos señalados), como
rales discretos para las funciones u, k y f . Para estimar la una función exponencial negativa, de acuerdo con la suposi-
función f se toma ∆t = 1/6 hr y ∆x = 0.15 km, ver Ec. (5). ción original de Greenberg [16].
Para completar la función en un dominio más continuo, Según los resultados de la regresión, estas dos variables
es decir, calculando en los puntos faltantes del dominio tem- tienen una correlación débil, pues el coeficiente de deter-
poral de la solución (el lapso temporal de los datos medidos minación es R2 = 0.27. El valor calculado para c es de
es de 1/6 hr, mientras que el paso temporal de la solución 1/0.01882 = 53.14 (ver Fig. 4 y Ec. (17) de [16]).
puede ser más pequeño), se realizó un procedimiento de in- El sistema de Ecs. (1-2) se resolvió numéricamente u-
terpolación utilizando un spline cúbico [30]. sando un método de diferencias finitas de segundo orden para
las derivadas espaciales y de primer orden para las derivadas
temporales, cuyas fórmulas se pueden encontrar en [30–33].
TABLA I. Incertidumbres asociadas a los valores máximos y mı́ni-
mos de las variables medidas en campo. Como condición inicial se utilizó el primer valor medido
(es decir, el de las 7:00 am) de las variables en alguno de los
Variable Valores puntos de medición. Las condiciones de frontera para la den-
u umáx ± δu = 25 ± 1.32 km/hr sidad se impusieron como la derivada normal igualada a cero
umı́n ± δu = 3 ± 0.037 km/hr (condiciones de Neumann), que suponen fı́sicamente que el
valor de la densidad en la frontera y en el punto adyacente a
k kmáx ± δk = 653 ± 11 veh/km
ella es el mismo. Para la velocidad se establecieron condi-
kmı́n ± δk = 200 ± 8 veh/km
ciones de Dirichlet, que son los valores u(0, t) y u(L, t),
q qmáx ± δq = 4680 ± 2 veh/hr donde 0 representa el punto inicial, por donde entran los
qmı́n ± δq = 2100 ± 2 veh/hr vehı́culos, y L el punto final, por donde salen los vehı́culos;

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 169

F IGURA 4. Estimación de la densidad en función de la velocidad a

partir de datos medidos utilizando un método de regresión.
F IGURA 6. Extracto del algoritmo para calcular la velocidad u es-
crito en el editor de textos propio de Scilab [15].

serva. En este trabajo llamaremos modelo original al sistema

(1-2), es decir, cuando f (t) = 0 en la Ec. (4).
En este caso, se tiene una importante salida intermedia de
vehı́culos, por lo que surge la siguiente cuestión: ¿Qué pasa
si se utiliza el modelo original usando los datos medidos co-
mo datos de entrada? Con el código implementado se pueden
realizar tantos experimentos numéricos como se desee. En
particular para contestar esta pregunta se realizó un primer
ejercicio que consistió en hacer una simulación con el mode-
lo original de Greenberg.
En las Figs. 7 y 8 se muestran los resultados de la ve-
locidad y de la densidad para el caso del modelo original
de Greenberg, resuelto numéricamente. La velocidad como
función del tiempo y la posición se presenta en la Fig. 7. Se
pueden observar picos, tanto negativos como positivos a lo
F IGURA 5. Extracto del código numérico para calcular la densidad largo de la vialidad de 1 km de longitud. En la misma figu-
vehicular k escrito en el editor de textos propio de Scilab [15].
ra se pueden observar las condiciones de frontera como fun-
ciones “suavizadas” del tiempo.
vehı́culos; es decir, los extremos del segmento de vialidad es-
A pesar de tener esas funciones “suavizadas” (por inter-
tudiado.
polación) en la frontera, el modelo hace que la velocidad en
Para resolver el sistema de ecuaciones generado por el
un punto cualquiera de la vialidad (por ejemplo, x = 0.5 km)
método de diferencias finitas se utilizó un método iterativo
permanezca constante prácticamente todo el tiempo (salvo en
(Gauss-Seidel [30, 31]) con una tolerancia tol = 10−10 , que
es un valor usado comúnmente en la investigación. Aunque
en docencia, a los alumnos se les permiten tolerancias entre
10−4 y 10−5 .
El método numérico se implementó en un código numéri-
co escrito en Scilab [15], que es un programa versátil de códi-
go abierto y gratuito, que se puede instalar en cualquier sis-
tema operativo (Windows, Linux y Mac). En las Figs. 5 y 6 se
muestran un par de extractos del código numérico para cal-
cular la densidad k y para obtener la velocidad u escritos en
el editor propio de Scilab.

4.1. Modelo original: f(t) = 0

Como se mencionó en la introducción, los datos que Green-

berg midió encajan bien en su modelo porque se tomaron en F IGURA 7. Velocidad u (km/hr) calculada con el modelo original
segmentos de vialidad que no tienen entradas y salidas inter- de Greenberg. Los colores son asignados por defecto por el grafi-
medias de vehı́culos, por lo tanto, la masa vehicular se con- cador de Scilab.

Rev. Mex. Fı́s. E 17 (2) 165–177

170 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

poco realista. El obtener una densidad constante a todo tiem-

po y velocidades negativas, indica que el modelo original (1-
2) ofrece resultados no muy satisfactorios.

4.2. Modelo modificado f(t) 6= 0

Los resultados anteriores sugieren que se debe usar la mo-

dificación a la ecuación de continuidad del modelo original
de Greenberg, de tal manera que se considere la pérdida o
ganancia de masa vehicular en un segmento de vialidad con
entradas y salidas intermedias. Lo llamaremos modelo modi-
ficado si f (t) 6= 0 en la Ec. (4).
Al utilizar la función expuesta en la Fig. 3 para f (t), los
resultados numéricos de velocidad y densidad para el modelo
modificado de Greenberg se muestran en las Figs. 10 y 11, re-
F IGURA 8. Velocidad u (km/hr) a lo largo de todo el dominio es- spectivamente. La velocidad sigue presentando valores nega-
pacial en un tiempo fijo. En una subgráfica se muestra la velocidad tivos, pero esos máximos no rebasan los −30 km/hr. Además,
vehicular u (km/hr) en un punto de la vialidad durante todo el tiem- los máximos positivos no van más allá de 60 km/hr, que es un
po para el modelo original de Greenberg. valor aceptable en esta situación.

tiempos tempranos, como puede observarse en la subgráfica

de la Fig. 8). Se eligió un punto particular para mostrar en la
gráfica, donde la velocidad se mantiene en 3.5 km/hr. Sin em-
bargo, existen puntos donde se mantiene constante en cero o
incluso en valores negativos. No es posible que un automóvil
se mantenga en reversa a más de 40 km/hr durante 3 horas en
una vialidad congestionada.
La gráfica de la velocidad a un tiempo fijo (t = 1.5 hr) se
muestra en la Fig. 8. La velocidad en función de la posición
x presenta fluctuaciones que van entre los −50 km/hr y los
40 km/hr. Salvo en las cercanı́as de x = 1 km, las veloci-
dades positivas no sobrepasan los 10 km/hr. Las velocidades
negativas pueden representar a vehı́culos que van en reversa,
aunque 50 km/hr en reversa es una vialidad congestionada
es muy poco probable. El indicio de que la magnitud de las F IGURA 10. Velocidad vehicular promedio (km/hr) para todo tiem-
velocidades negativas sea, en general, mayor que las veloci- po usando el modelo modificado de Greenberg. Los colores se asig-
dades positivas sugiere que se debe ajustar el modelo. nan por defecto por el graficador de Scilab.
Por otro lado, la densidad mostrada en la Fig. 9 se
mantiene constante en todo tiempo. Este resultado es muy

F IGURA 11. Densidad vehicular media (veh/km) para todo tiempo

para el modelo modificado de Greenberg. Los colores se asignan
por defecto por el graficador de Scilab. En las gráficas de las si-
F IGURA 9. Densidad vehicular k (veh/km) calculada con el mo- guientes secciones, los colores son asignados por el usuario, al uti-
delo original de Greenberg. Los colores se asignan por defecto por lizar algunas sencillas instrucciones o el editor de gráficos propio
el graficador de Scilab. de Scilab.

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 171

El modelo modificado presenta resultados un poco más que el conductor alcanza a ver (para anticiparse a cualquier
realistas que el modelo original, pues al saberse que el lı́mite eventualidad) y el tiempo τa que ocupa en realizar la acción
en esta vialidad es de 80 km/hr, los datos simulados presentan de anticipación. Como referencia se toma el valor utilizado
resultados que no lo sobrepasan aún sin haber puesto ninguna por Delgado et al. [22], que es η = 600 km/hr. Se puede ele-
restricción al respecto. Además, considerar entradas y salidas gir cualquier combinación de δv y τa para obtener los valores
intermedias de vehı́culos (f (t) 6= 0) dio picos de velocidades de viscosidad deseados. Por ejemplo, para η = 600 km/hr se
positivas más grandes que 10 km/hr y redujo la magnitud de pueden tomar δv = 167 m y τa = 1 s.
las velocidades negativas, pero no las eliminó. Ahora se tiene una ecuación de segundo orden en la coor-
Por otra parte, la densidad ya no representa una constante denada espacial y de primer orden en la coordenada temporal,
y, para este caso especı́fico, tiende a disminuir en el lapso por lo tanto se requiere una condición inicial y dos condi-
durante el cual se tomaron las mediciones (ver Fig. 11). ciones de frontera. Para ambas variables, u y k, se efectuaron
Se puede observar que, al considerar el término f (t) mediciones en las fronteras, es decir, en los puntos 1 y 2 de
diferente de cero, se obtienen resultados más aceptables la Fig. 1. Las simulaciones se realizaron imponiendo condi-
fı́sicamente que si f (t) = 0, aunque, permanece la inquietud ciones de frontera de Dirichlet y de Neumann para ambas
sobre las velocidades negativas relativamente altas. ecuaciones. Los mejores resultados se obtienen imponien-
Los modelos en varias áreas de estudio arrojan valores do condiciones de Dirichlet para la velocidad y de Neumann
negativos de las variables que estudian, sin que tengan algún para la densidad.
significado (por ejemplo, en Epidemiologı́a, no tiene sentido Se llevan a cabo simulaciones usando diferentes valores
obtener valores negativos del número de individuos infecta- de viscosidad y se comparan con el caso invı́scido (η = 0) y
dos, o en Economı́a, los precios negativos o las cantidades
producidas negativas carecen de sentido económico). Ası́ que
los estudiosos simplemente no toman en cuenta esos valores
negativos.
En este punto es necesario plantear al alumno si es posi-
ble dar un argumento fı́sico para tomar el valor absoluto de
la velocidad, despreciar los valores negativos que fı́sicamente
indicarı́an vehı́culos en reversa o mejorar el modelo.

4.3. Viscosidad en el modelo modificado

Los estudiantes que tengan curiosidad propondrán mejorar

el modelo. Los modelos se construyen de acuerdo con las
necesidades del modelador. En este caso, una forma de mejo-
rar el modelo es considerar cada vez más términos en la
ecuación dinámica, por ejemplo, sumar el término viscoso en
el segundo miembro de la Ec. (1). Según Treiber y Kesting
[34], el término disipativo mejora las propiedades numéricas F IGURA 12. Densidad en el caso del modelo modificado con vis-
del modelo, para eliminar las ondas de choque e investigar los cosidad para η = 600.
efectos de la difusión numérica que son inevitables cuando se
integran numéricamente modelos macroscópicos.
Ası́, el término viscoso puede aproximarse con diferen-
cias finitas como
η ∂2u η u(i + 1, j) − 2u(i, j) + u(i, j − 1)
≈ , (7)
k ∂x2 k(i, j) ∆x2
de acuerdo con las fórmulas deducidas de la serie de Taylor
a segundo orden [30, 31]. El código numérico mostrado en la
Fig. 6 ya contempla el término viscoso, en el cual la variable
gar sirve como un interruptor: si gar=0, se resuelve el caso
no viscoso, en otro caso, gar= η en la Ec. 7 representa la
viscosidad. Al realizar un análisis dimensional, η debe tener
unidades de número de vehı́culos por velocidad (veh· km/hr).
En modelos de tráfico vehicular, la viscosidad es interpre-
tada como la anticipación del conductor de alto grado [25].
De acuerdo con esta interpretación y con las unidades que F IGURA 13. Velocidad en el caso del modelo modificado con vis-
tiene η, se puede definir la viscosidad como la distancia δv cosidad para η = 600.

Rev. Mex. Fı́s. E 17 (2) 165–177

172 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

Las Figs. 14 y 15 muestran gráficas de la velocidad con-

tra la posición y el tiempo, respectivamente. La velocidad
contra la posición se muestra en la Fig. 14 a un tiempo fi-
jo t = 1.5 hr.
El caso η = 1 km/hr presenta picos de velocidades positi-
vas y negativas con magnitud mayor al caso no viscoso. Pero
al aumentar la viscosidad (a partir de η = 10 km/hr), los pi-
cos desaparecen y la velocidad aumenta de un extremo a otro
de la vialidad. La magnitud de la velocidad aumenta con la
magnitud de la viscosidad.
La velocidad contra el tiempo se presenta en la Fig. 15 a
una posición fija x = 780 m. El caso invı́scido muestra una
velocidad constante u(0.78, t) = 0 (salvo para los primeros
F IGURA 14. Velocidad como función de la posición a un tiempo
tiempos, como se vio anteriormente). El caso de η = 1 km/hr
fijo: u(x, 1.5).
se comporta de manera similar al caso invı́scido: es constante
salvo en los primeros tiempos, pero ahora es ligeramente
el caso viscoso de referencia (η = 600 km/hr). El conjunto
mayor que cero. En el caso de η = 10 km/hr; la velocidad
Aη de valores de viscosidad utilizados para realizar los cálcu-
tiene dos pequeños máximos a la media hora y luego de dos
los es:
horas. Para los casos de viscosidad η ≥ 100, km/hr la veloci-
Aη = {0, 1, 10, 100, 600} dad cambia con el tiempo.
Las gráficas de la densidad y la velocidad para η = 600 se En la literatura se encuentra que la densidad y la veloci-
muestran en las Figs. 12 y 13. dad tienen una relación inversa [12, 16, 28]: cuando la den-
En este caso, la densidad (Fig. 12) tiene un compor- sidad vehicular es pequeña, los vehı́culos pueden ir prácti-
tamiento parecido al caso no viscoso (ver Fig. 11). Esto se camente a la velocidad que quieran, y preferirán ir al lı́mite
debe a que la ecuación para la densidad Ec. (4) no cam- de velocidad o, en muchos casos, lo superaran. Pero cuan-
bió, por tanto las variaciones en la solución parecen ser muy do la densidad es grande, suponiendo un embotellamiento,
similares en su forma (no en su magnitud) a simple vista, la velocidad es cero, pues los vehı́culos no pueden avanzar
aunque no lo son. La tendencia es a decrecer conforme pasa porque tienen el obstáculo de los autos de enfrente y de atrás.
el tiempo, pero este comportamiento solo es válido para las 3 Es decir, si la densidad es baja, la velocidad depende de las
hr durante las cuales se midieron los datos. Es muy probable condiciones del camino. Por otro lado, si la densidad es alta,
que la tendencia cambie a lo largo del dı́a. la velocidad dependerá de las condiciones del flujo.
En el caso de la velocidad (Fig. 13), los resultados mues- En la Fig. 16 se presenta el espacio fase, también cono-
tran un comportamiento muy diferente al del caso no viscoso: cido como relación velocidad - densidad del diagrama fun-
en primer lugar, hay un cambio de la velocidad con respecto damental [28]. En este caso la velocidad se relaciona con la
al tiempo, que no ocurrı́a en el caso no viscoso. En segundo densidad obtenidas numéricamente. A simple vista se puede
lugar, los valores negativos de la velocidad van desaparecien- observar que esta relación es directa, es decir, la pendiente
do conforme el valor de la viscosidad. Finalmente no se ob- global de las curvas mostradas es positiva, lo que contradice
servan “picos” como en el caso no viscoso, sino que la gráfica la teorı́a del tráfico convencional. No obstante, existe un par
es suave. Esto motiva a estudiar el comportamiento cuando de detalles a considerar. El dominio de la densidad mostra-
hay un cambio gradual en los valores de la viscosidad. do en la Fig. 16 es un pequeño segmento del dominio com-
pleto: k ∈ [1, 667] veh/km. Este segmento se encuentra muy

F IGURA 15. Velocidad como función del tiempo a una posición F IGURA 16. Espacio fase para 4 casos del modelo de Greenberg
fija: u(0.78, t). viscoso.

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 173

cercano al lı́mite superior, es decir, al valor de embote-

llamiento. La velocidad tiene valores entre los 0.3 km/hr y TABLA II. Número de puntos n y m y el número de veces que se
los 30 km/hr aproximadamente, que no corresponde ni a la refinó la malla de puntos.
mitad del lı́mite permitido para esa vialidad.
Refinamiento n (para x) m (para t)
Por otro lado, la velocidad es más alta si la densidad η es
más grande, lo que parece contradecir la teorı́a de la mecánica °
1 16 201
de fluidos, pues la viscosidad es una especie de fuerza de fri- °
2 31 901
cción y se opone al movimiento. Esto se debe plantear a los °
3 61 2501
alumnos para que argumenten una explicación fı́sica (en este °
4 71 7501
trabajo, se presenta en las discusiones).
4.4.2. Convergencia
4.4. Estabilidad y convergencia del método numérico
Una forma de probar la convergencia del método es realizar
4.4.1. Estabilidad un refinamiento de la malla de puntos en donde se calcula la
solución. Si n es el número de puntos en x y m es el número
La estabilidad del método se prueba usando el número de de puntos en t, el refinamiento de la malla se realiza aumen-
Courant-Friedrichs-Lewy [22] o número de Courant, el cual tando n y m cada vez que se calculan las soluciones. Se dice
está definido como [35]: que el método converge si los valores de las variables con-
fluyen en la solución del sistema conforme se refina la malla
|u|∆t de puntos. En la Tabla II se muestra cómo fue el refinamiento
Co = (8)
∆x de la malla en este caso.
El método es estable si Co < 1, pues esto indica que una Las Figs. 18 y 19 muestran un acercamiento de las gráfi-
partı́cula con velocidad |u| no se saldrá de la celda de tamaño cas de velocidad u y densidad k, respectivamente, para el ca-
∆x. so con viscosidad η = 600 km/hr. En la Fig. 18 se puede ob-
La Fig. 17 muestra el número de Courant máximo y el servar que únicamente el caso de 201 puntos es diferente a los
número de Courant promedio para el caso del modelo mo- demás; las gráficas para los casos de m = 2501 y m = 7501
dificado con viscosidad η = 600 km/hr. Como se puede ob- están prácticamente encimadas.
servar, el número de Courant máximo tiene valores menores En el caso de la densidad, se muestra un acercamiento de
a 0.9 y el número de Courant promedio está muy por de- las gráficas de la densidad calculada con diferente número de
bajo del número de Courant máximo. Cabe mencionar que puntos en los dominios espacial y temporal (en la Fig. 19 solo
los números de Courant para los demás casos tienen compor- se presenta el número de puntos en el dominio temporal, el
tamientos diferentes que el mostrado en la Fig. 17, pero no correspondiente al dominio espacial se puede consultar en la
sobrepasan el valor de 1, salvo en los casos de η = 0 y η = 1 Tabla II).
donde se encontraron dos picos que llegaron a Comáx = 1.2, En este caso sı́ se observa una diferencia entre las distin-
pero después los valores fueron menores que 1. Esto significa tas gráficas, sobre todo en los primeros tiempos. Sin embar-
que se puede considerar que el método es estable numérica- go, se puede observar cómo el caso de m = 2501 ya es muy
mente. cercano al caso de m = 7501. Cabe mencionar que se hizo
una prueba con n = 65 y m = 3501 (que no se presenta en
la Tabla II), pero no se graficó con las demás porque se en-
cima con la curva de m = 7501. Ası́, se puede apreciar mejor

F IGURA 17. Número de Courant, máximo y promedio, para el caso

del modelo viscoso con η = 600 km/hr. F IGURA 18. Convergencia del método para u

Rev. Mex. Fı́s. E 17 (2) 165–177

174 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

cila entre 2 y 3 hrs, ası́ que en la clase puede ejecutarse sin

problema hasta el caso n = 31 y m = 901, el cual tarda al-
rededor de minuto y medio (pensando que las computadoras
que existen en una sala de cómputo de una facultad son mu-
cho menos poderosas que la utilizada para hacer este ejercicio
y este caso podrı́a ejecutarse hasta en 5 min).
Los casos más tardados se dejan como ejercicio para casa,
en los cuales prácticamente lo único por hacer es cambiar el
número de puntos en el código.

5. Discusión y conclusiones
F IGURA 19. Convergencia del método para k.
cómo, conforme se aumenta el número de puntos, la solución Se plantea una metodologı́a de resolución de ecuaciones
numérica va convergiendo a la solución del sistema de ecua- diferenciales parciales no lineales utilizando un método
ciones. numérico sencillo (de diferencias finitas) implementado en
una herramienta computacional versátil y de fácil utilización
4.4.3. Tiempo de ejecución por usuarios no iniciados. Esto permite que la explicación
del uso de la herramienta no se lleve más tiempo que el
Para definir si el ejercicio es adecuado para realizarse en un planteamiento del fenómeno fı́sico que se estudia.
salón de clases, se midió el tiempo de ejecución en el cálculo Como ejemplo de aplicación, se resolvió el sistema de
de la solución. ecuaciones del modelo macroscópico de tráfico vehicular de
En la Fig. 20 se muestra que el tiempo de ejecución es Greenberg, el cual se deduce de las ecuaciones de Navier-
directamente proporcional al número de puntos, que en este Stokes y continuidad que representan el movimiento de un
caso se encuentra en el eje de las absisas representado como fluido. En este caso se supone el flujo como compresible [23].
n × m. Para tener datos reales y usarlos como datos de entra-
El número máximo en este ejercicio fue de 71 × 7, 501 = da del modelo, se realizó un estudio de tráfico vehicular en
532, 571 puntos y la gráfica muestra que Scilab tardó poco una vialidad de la Ciudad de México. Se midió la densidad
menos de 1 hora en realizar el cálculo, incluyendo las gráfi- vehicular, el flujo vehicular y la velocidad. Se tomó una sec-
cas en bruto, es decir, sin el nombre de los ejes, cambio en el ción de una avenida importante (en años pasados aún era
grosor y color de las lı́neas, cambio en el tamaño de la fuente, un área sin urbanizar) de alrededor de 150 m de largo y
etc. se observó por aproximadamente 3 hrs. Las variables cal-
Los cálculos se realizaron en una computadora laptop HP, culadas con los datos tomados en campo tuvieron un error
con un procesador intel Core i3 de 8va generación a 2.1 GHz, de medición máximo de 5.3 %, el cual es aceptable para
con unidad de disco de estado sólido de 256 Gb, y memoria los propósitos de este trabajo. Posteriormente, se realizó un
SDRAM DDR4 de 8192 Mb. Esta es una computadora que análisis de datos siguiendo el procedimiento de Greenberg
un alumno de ciencias o ingenierı́a utilizarı́a como equipo [16], con el propósito de calcular el parámetro c que se
personal. usó como dato de entrada en el modelo numérico.
El tiempo máximo de cálculo es de aproximadamente 1hr Se utiliza un método numérico para resolver el sistema
y una clase de Análisis Numérico o Fı́sica Computacional os- completo (bajo el supuesto de que la densidad es una función
de la velocidad), tanto en el caso con la ecuación de con-
tinuidad usual, como con la ecuación de continuidad modifi-
cada. Las condiciones de frontera son las variables medidas
en el lugar de estudio y la derivada normal igualada a cero.
Al evaluar directamente el modelo de tráfico original de
Greenberg, resultó que la densidad se mantenı́a constante en
tiempo y espacio, y los valores de velocidad no representan,
en general, cantidades reales. En el mismo ejercicio se pro-
puso que esto se debe a que en ese segmento de vialidad no
se cumple el principio de conservación de la masa, por lo tan-
to la ecuación de continuidad no es homogénea. Al calcular
el término no homogéneo a partir de los datos medidos y u-
sarlo como dato de entrada en la simulación, los resultados
mejoraron al observar que los valores para la densidad y la
velocidad fueron más congruentes con la realidad, pero las
F IGURA 20. Tiempo de ejecución respecto al número de puntos. velocidades negativas seguı́an existiendo.

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 175

Asimismo, se realizaron simulaciones modificando el (aproximadamente un 5 %). Pero la mayorı́a probó Scilab (in-
modelo y considerando el término de viscosidad. Dado que cluyendo algunos que dominaban otros lenguajes de progra-
el modelo se construyó a partir de las ecuaciones de Navier- mación de alto nivel) lo eligieron para sus tareas escolares
Stokes para un flujo compresible, la viscosidad utilizada re- en las asignaturas concernientes a computación y métodos
presenta a la viscosidad dinámica, pues en este caso la vis- numéricos.
cosidad cinemática se modificará conforme varı́e la densidad
k(x, t). Esta es la razón por la cual si la viscosidad aumenta, Generalmente, las clases de métodos numéricos, com-
la velocidad también es más grande. putación, fı́sica computacional, etc. son sesiones de tres ho-
El modelo del tráfico se puede complicar tanto como se ras, lo que permite explicar el planteamiento del problema,
quiera y la metodologı́a puede ser la misma. El proponer el desarrollo del algoritmo y la implementación (escritura del
este tipo de ejercicios, que involucran la realización de ex- código numérico y depuración de errores). Con los progra-
perimentos sencillos el contraste con simulaciones numéri- mas como Fortran y C/C++, se necesitaban de 3 a 5 sesiones
cas enriquece la enseñanza y motiva al alumno a conocer para explicar el uso de esos lenguajes de programación, la
herramientas computacionales, mismas que los alumnos de implementación del código numérico, depuración de errores
fı́sica y matemáticas piensan que no necesitan. y graficación de los datos obtenidos. Con Scilab se requieren
Por otro lado, aprender el uso de lenguajes de pro- de 2 a 3 sesiones, y se obtiene en general un mejor desempeño
gramación de alto nivel, y de libre distribución como por parte de los alumnos.
C/C++, Fortran, Pascal, entre otros, por parte de los alum-
nos, requiere tiempo que muy difı́cilmente se tiene en un Desde luego, se les advierte a los alumnos sobre la efi-
semestre académico. Los planes de estudio de las licencia- cacia y eficiencia de dichos lenguajes de programación. Por
turas aquı́ contempladas generalmente no incluyen un cur- ejemplo, los estudiantes de séptimo semestre realizaron un
so de programación y las asignaturas concernientes a com- ejercicio sobre la obtención del perfil parabólico de un flujo
putación y métodos numéricos tiene una carga de contenidos estacionario en un canal haciendo una prueba de tiempo de
que deben cumplirse, por lo cual los estudiantes pueden em- ejecución, donde se comparó Scilab con Fortran. Para inte-
plear cualquier herramienta a condición que la conozcan lo grar la ecuación (usando métodos espectrales de Chebyshev),
suficiente para realizar las actividades. Esto representa un en igualdad de condiciones, Scilab tardó 12 s, mientras que
problema en carreras cientı́ficas que no se especializan en Fortran se llevó solo 2.5 s. Algo similar ocurre al comparar
computación, pues los planes de estudio consideran muy un programa ejecutado en Matlab y C, a pesar de que Matlab
pocas materias en donde les enseñen a los alumnos lenguajes está escrito en C. No obstante, para docencia y ejercicios en
de programación. clase, el hecho que la ejecución de un programa tarde de 20 s
TM
Existen programas comerciales como Matlab [36] que a 2 min es aceptable.
pueden ayudar a solventar esta deficiencia, los cuales son
más amigables para el aprendizaje, pues tienen una gran va- En este ejercicio numérico del tráfico vehicular en Scilab,
riedad de bibliotecas, subrutinas, procedimientos y funciones el programa tarda menos de dos minutos en ejecutarse (co-
intrı́nsecas, además de que la ayuda integrada posee un gran rriendo en Linux en una computadora portátil estándar, de 2
número de ejemplos. Sin embargo, las licencias de dichos núcleos y memoria RAM de 8 Gb), utilizando una toleran-
programas comerciales son muy caras y aunque ya se em- cia de 1 × 10−10 , empleada en investigación cientı́fica. Los
pieza a promover la compra de licencias estudiantiles por alumnos pueden usar tolerancias más grandes. La experien-
parte de las instituciones educativas de nivel superior, no to- cia docente indica que entre 1 × 10−4 y 1 × 10−6 (se usa
das destinan presupuesto para ese rubro. Es por eso que se menos tiempo de cálculo que con tolerancias de 10−10 ) es su-
propone utilizar software libre. ficiente para lograr el objetivo docente: entender el problema
Scilab es un programa de libre distribución, muy pareci- fı́sico y el funcionamiento de la herramienta computacional.
do a Matlab pero mucho más ligero. Es más amigable para El número de Courant indicó la convergencia numérica del
la mayorı́a de los estudiantes que lenguajes como Fortran y método. Cabe mencionar que todas las gráficas presentadas
C/C++. La sintaxis es parecida a la de Matlab y los datos en este trabajo (salvo la Fig. 4) son las que produce el pro-
generados se pueden graficar directamente, sin necesidad de grama Scilab.
guardarlos en archivos de texto para después leerlos con un
graficador. Ciertamente, también existe una instrucción para Existen alumnos más avanzados en programación que
escribir los datos en archivos de texto, en caso de que se re- otros, ası́ que ellos pueden elegir el lenguaje de programación
quiera. que más les guste para la implementación. Existen otros
Por todo lo anterior, en las clases se empezó a promo- menos aventajados, que por el tiempo o porque simplemente
cionar este lenguaje de programación a los alumnos. Algunos no resulta de su interés, no aprenden a programar y prefieren
estudiantes prefirieron quedarse con los programas que do- utilizar las hojas de cálculo. Scilab puede ayudar al relati-
minaban (más o menos un 10 % del grupo), entre ellos Julia, vamente rápido aprendizaje de la programación estructurada
Python y Java. Otros alumnos que no sabı́an programar, se para la pronta implementación de los códigos numéricos vis-
quedaron con Excel y lápiz y papel, aunque eran una minorı́a tos en clases.

Rev. Mex. Fı́s. E 17 (2) 165–177

176 E. J. LÓPEZ-SÁNCHEZ AND P. E. OLIVERA

Agradecimientos agradece al Programa de Becas Posdoctorales DGAPA-

UNAM 2018-2020. Los autores agradecen al SNI.
A los revisores anónimos, cuyos comentarios y sugeren-
cias mejoraron notablemente el artı́culo. E. J. López-Sánchez

1. Facultad de Ciencias, UNAM, Plan de Estudios de la Licen- 16. H. Greenberg, An Analysis of Traffic Flow. Operations Re-
ciatura en Fı́sica. http://www.fciencias.unam.mx/ search. 7 (1959) 79-85. https://doi.org/10.1287/
licenciatura/mapa/106/1081 opre.7.1.79
2. Facultad de Ciencias, UNAM, Plan de Estudios de la Licen-
ciatura en Fı́sica Biomédica. http://www.fciencias. 17. O. A. Rosas-Jaimes, L. A. Quezada-Téllez and G. Fernández-
unam.mx/licenciatura/mapa/134/2016 Anaya, Stability analysis in Greenberg’s traffic model. Inter. J.
Mod. Phys. C. 28 (2017) 1750130. https://doi.org/10.
3. Facultad de Ingenierı́a, UNAM. Plan de Estudios, In- 1142/S0129183117501303
genierı́a Civil. http://www.fciencias.unam.mx/
licenciatura/mapa/106/1081 18. R. Haberman, Mathematical Models Mechanical Vibrations,
4. Universidad Autónoma Metropolitana, Unidad Iztapala- Population Dynamics, and Traffic Flow. An Introduction to Ap-
pa, Plan de Estudios de la Licenciatura en Fı́sica. plied Mathematics SIAM, Philadelphia, (USA 1998).
https://www.uam.mx/licenciaturas/pdfs/
26 7b Licenciatura en Fisica IZT.pdf 19. N. H. Asmar, Partial differential equations with Fourier series
5. Escuela Superior de Fı́sica y Matemáticas, IPN. Plan de Estu- and boundary value problems. Pearson, (Prentice Hall. USA
dios de la Licenciatura en Fı́sica y Matemáticas. https:// 2005).
www.esfm.ipn.mx/unidades-aprendizaje.html
20. H. J. Weber and G. B. Arfken, Essential Mathematical Methods
6. Universidad Autónoma Metropolitana, Unidad Azcapotzalco. for Physicists. Academic Press, USA (2003).
Plan de Estudios de la Licenciatura en Ingenierı́a Fı́sica.
http://www.uam.mx/licenciaturas/pdfs/ 21. M. L. Boas. Mathematical methods in the physical sciences.
4 15 Lic en Ingenieria Fisica AZC.pdf (2nd Ed. John Wiley & Sons. USA 1983).
7. Centro Universitario de Ciencias Exactas e Ingenierı́a,
U. de G. Plan de Estudios de la Licenciatura en Fı́sica. 22. J. Delgado, P. Saavedra y R.M. Velasco. Tráfico Vehicular. Pu-
http://www.cucei.udg.mx/carreras/fisica/ blicaciones de CBI UAM-Iztapalapa, México (2012).
sites/default/files/dictamenfis2012.pdf
23. E. Guyon, J-P. Hulin, L. Petit and C. D. Mitescu. Physical Hy-
8. Universidad de Sonora, Plan de Estudios de la Licen-
drodynamics. Oxford University Press. N. Y. USA (2001).
ciatura en Fı́sica. http://licfis.fisica.uson.mx/
licplan.html
24. F. M. White. Mecánica de Fluidos. Mc Graw Hill. Madrid, Es-
9. Instituto de Estudios Superiores de Monterrey, Plan de paña (2004).
Estudios de la Licenciatura en Ingenierı́a Fı́sica In-
dustrial https://admision.itesm.mx/es/ 25. E. Gómez-Hernández, Desarrollo de un Modelo de Simulación
ingenieria-cienciasaplicadas/ifi Vehicular para la Mejora en la Sincronización de Semáforos.
10. S. I. Grossman S. y J. J. Flores G. Álgebra lineal Mc Graw Hill Tesis Doctoral. INAOE, Puebla, México (2009).
7ma ed. México D. F. (2012).
26. Google Earth. Google Earth Pro. https://www.google.
11. B. D. Greenshields, A study of highway capacity. Proceedings com/intl/es/earth/download/gep/agree.html
Highway Research Record. 14 (1935) 448-477
12. F. van Wageningen-Kessels, H. van Lint K. Vuik y 27. B. Oda-Noda. Introducción al Análisis Gráfico de Datos Ex-
S. Hoogendoorn, Genealogy of traffic flow models. EU- perimentales. Las prensas de Ciencias. Facultad de Ciencias,
RO J. Transp Logist 4 (2015) 445-473 DOI:10.1007/ UNAM. México (2005).
s13676-014-0045-5
13. C. F. Daganzo, M. J. Cassidy, R. L. Bestini, Possible explana- 28. F. Kessels, Traffic Flow Modelling. Introduction to Traffic Flow
tions of phase transitions in highway traffic. Transportation Re- Theory Through a Genealogy of Models. Springer. Cham,
sarch Part A. 33 (1999) 365-379. https://doi.org/10. Switzerland (2019).
1016/S0965-8564(98)00034-2
29. B. S. Kerner and P. Konhäuser, Structure and parameters of
14. R. M. Velasco and W. Marquez, Navier-Stokes-like equations clusters in traffic flow. Phys. Rev. E 50 (1994) 54-83. https:
for traffic flow. Phys. Rev. E. 72 (2005) 046102. DOI:10. //doi.org/10.1103/PhysRevE.5054
1103/PhysRevE.72.046102
15. ESI-Group. SCILAB 6.0.1 (2018) http://www.scilab. 30. R. L. Burden and J. D. Faires, Análisis numérico. Thomson
org Learning. México (2002).

Rev. Mex. Fı́s. E 17 (2) 165–177

 IMPLEMENTACIÓN DE UN MÉTODO NUMÉRICO PARA LA SOLUCIÓN DE UNA ECUACIÓN DEL TRÁFICO 177

31. J. H. Matthews and K. D. Fink. Numerical Methods: Using Models and Simulation. Springer-Verlag. Berlin-Heildelgerg
Matlab. Prentice Hall 3rd edition. USA (1999). (2013).
32. S. C. Chapra y R. P. Canale. Métodos numéricos para inge- 35. ESI-Open CFD OpenFOAM, The Open Source CFD Tool-
nieros. 6a. edición McGraw-Hill México. box. Programmer’s Guide. Version 2.4. (2015) https://
33. W. Cheney y D. Kincaid. Métodos numéricos y computación. openfoam.org.
6a. edición, Cengage Learning. México, (2011) 36. MathWorks°
R
. Matlab. https://www.mathworks.com/
34. M. Treiber and A. Kesting, A. Traffic Flow Dynamics: Data, products/matlab.html

Rev. Mex. Fı́s. E 17 (2) 165–177