Skip to content

Una herramienta imprescindible para la planificación de las infraestructuras de transporte

El su último blog Tania López introdujo las 4 categorías de los modelos de tráfico según el nivel de detalle: el modelo macroscópico, mesoscópico, microscópico y nanoscópico (también se conoce como modelo local), en algunos casos, también existe un modelo hibrido que combina dos categorías cercanas.

En su blog Tania definió las 4 categorías de los modelos de tráfico, y se centró en el hecho de que “los datos” son esenciales para la construcción y operación del modelo. En presente blog, la autora muestra una aproximación más detallada al modelo macroscópico con respecto al uso, los componentes del modelo de simulación y sus limitaciones.

En general, los modelos sirven para la planificación, el diseño, el control y la gestión de tráfico a diferente escala. Entre las 4 categorías de modelos, el modelo macroscópico se basa en la dinámica de fluidos computacional y maneja cada vehículo de la misma manera (como grupo) a pesar del comportamiento individual.

El modelo macroscópico se usa principalmente para predecir las características de viaje y el uso de los servicios de transporte (como una nueva línea de metro) o la política de gestión (como el esquema de precios de congestión) en escenarios socioeconómicos alternativos, y para servicios de transporte alternativos y configuraciones de uso del suelo. Los resultados del modelo macroscópico podrían ayudar a pronosticar la respuesta de ciertos cambios del sistema de transporte en las elecciones de los pasajeros sobre el modo de viaje y la ruta.

Uno de los primeros modelos macroscópico es conocido como Lighthill-Whitham-Ricahards (LWR) que se desarrolló en 1995 para representar los fenómenos de tráfico tal como “traffic shock waves”, evacuación de tráfico en medida matemática. Actualmente, el modelo macro se desarrolla para analizar la demanda de tráfico de dos maneras: basado en los viajes y basado en las actividades.

La manera basada en los viajes se conoce por el 4-etapas, tratando cada viaje como la unidad de análisis. Mientras, la basada en las actividades trata los viajes como una demanda derivada y se utiliza principalmente para analizar estrategias urbanas “Transport Demanda Management Measures” (gestión de la demanda de viajes) en relación con la programación de viajes.

No importa la manera que se adopte, el proceso general de la construcción del modelo se puede estructurar en el siguiente gráfico.

Gráfico 1. Pasos metodológicos del proceso de construcción del modelo. Fuente: Barceló, J. (2010). Fundamentals of traffic simulation (Vol. 145, p.439).

Para interpretar el modelo conceptual en algoritmos numéricos, el modelo de computadora se usa ampliamente para representar las relaciones matemáticas de un sistema de transporte de destino. Los modelos informáticos existentes en términos del objetivo estudiado son varios. Un trabajo de investigación de Allan y Farid ha revisado las características generales de la mayoría de los modelos existentes (en la tabla siguiente). Los lectores interesados en conocer más sobre cada software pueden consultar el libro de Barceló (2010) y una serie de trabajos de investigación que comparan los modelos de simulación existentes (Ratrout y Rahma, 2009, Allan y Farid, 2015).

Imagen 1. Fuente: Allan, D. F., & Farid, A. M. 2015, p.3

Aunque cada programa tiene su propio mecanismo de funcionamiento y desarrollo principal, se requieren unos inputs parecidos y se generan los outputs comunes. El gráfico 2 presenta los componentes (tanto de los inputs como de los outputs) de un modelo general macroscópico.

Gráfico 2. Componentes del modelo macroscópico

Se debe tener en cuenta que el modelo macro utiliza variables agregadas en lugar de información desagregada.

Los Inputs: La red de carreteras aquí se trata como un input principal, pero se construye en el modelo propio. La red se puede importar automáticamente desde otras fuentes, como Openstreet Map. Los modeladores deben corregir la red en función de la situación real, incluida la geometría, la capacidad, la velocidad de flujo libre, el número de carriles, etc. Para cada tipo de carretera, se debe definir la función volumen-demora y los modos de transporte permitidos. Para simular el sistema de transporte público, también se requiere la información de las líneas de autobuses, los headways y los horarios.

Las matrices OD hacen referencia al número de viajes entre cada zona de origen y destino. Dependiendo del propósito del análisis, se deben proporcionar o estimar matrices específicas (por tipo de vehículo, por propósito de viaje, por rango de tiempo o tipo de actividad). La mayoría de los softwares existentes permiten ajustar o calibrar matrices OD basadas en datos de tráfico reales. Ayuda al modelador a obtener datos más precisos.

Los datos de tráfico reales suelen ser difíciles de obtener. Los modeladores usan los “open data” proporcionados por la agencia nacional de tráfico o los recopilan por sí mismos, pero con un costo alto. Pero esos datos son críticos para ayudar a la calibración y validación del modelo.

Modelo Macro: Mientras tanto, los modeladores también deben realizar varios pasos necesarios para poder simular el tráfico. Incluye zonificación del área estudiada, configurar parámetros relevantes, calibrar coeficientes basados en datos reales y finalmente validar el modelo según los variables elegidas.

Los outputs: uno de los principales resultados del modelo macroscópico es el número de vehículos por tiempo definido (intensidad de tráfico) o por distancia (la densidad), que es describir las propiedades generales del tráfico real y revelar las leyes básicas del flujo de tráfico. También se puede obtener la velocidad de viaje promedio y el tiempo de viaje de cada sección de carretera.

Otro output son las matrices OD, que hacen referencia a los tiempos de viaje, velocidad o distancia de cada zona origen y destino que se pueden calcular como resultados, y como los inputs servir también para construir el modelo de elección.

Además, los resultados del modelo macroscópico también se pueden usar para derivar otros indicadores, como la probabilidad de accidentes automovilísticos, el índice de contaminación ambiental, etc.

El modelo de simulación de tráfico se utiliza para evaluar el impacto de ciertos servicios de transporte o infraestructura. Por lo tanto, generalmente construye varios escenarios que involucran diferentes inputs del modelo, y compara los outputs entre diferentes escenarios.

Los Escenarios:

  • Escenario base: representa la situación del año actual, y todos los inputs son del año actual.
  • Escenario de referencia: representa el año futuro sin intervención, pero considerando el crecimiento natural para la demanda.
  • Escenarios de políticas: año futuro con intervención específica, considerando tanto el crecimiento natural como las consecuencias de la implementación de la política.

Lo anterior presenta el uso del modelo macroscópico para ayudar la gestión de tráfico y la planificación del transporte. Por supuesto, cada modelo tiene sus propias limitaciones. Por ejemplo, el modelo basado en viajes generalmente no modela los viajes en cada hora del día sino simula el tráfico en uno tiempo definido (por ejemplo, una hora punta). La programación de viajes generalmente no se considera o se ignora, lo que resulta en una interrelación en los atributos de los viajes múltiples (por ejemplo, una madre va a recoger a su hijo, y luego a compra en un supermercado, y al final se vuelve su casa). La consiguiente limitación de la medida basado en el viaje es la inadecuación de los comportamientos.

El modelo de simulación macroscópica también es criticado por su forma agregada que generalmente ignora muchos detalles en el mundo real. En la vida real hay muchos tipos de vehículos conducidos por diferentes personas que tienen sus propios estilos y comportamientos. Sin embargo, el modelo macro es rápido y preciso, y es el único que proporciona información integral para ayudar a la planificación de los tomadores de decisiones.

 

Gracias por su interés en la lectura.

Yang Wang | PhD. Transport Planner

 

 

Referencias

Allan, D. F., & Farid, A. M. (2015, September). A benchmark analysis of open source transportation-electrification simulation tools. In 2015 IEEE 18th International Conference on Intelligent Transportation Systems (pp. 1202-1208). IEEE.

Barceló, J. (2010). Fundamentals of traffic simulation (Vol. 145, p. 439). New York: Springer.

Ratrout, N. T., & Rahman, S. M. (2009). A comparative analysis of currently used microscopic and macroscopic traffic simulation software. The Arabian Journal for Science and Engineering34(1B), 121-133.

Bowman, J. L., & Ben-Akiva, M. E. (2001). Activity-based disaggregate travel demand model system with activity schedules. Transportation research part a: policy and practice35(1), 1-28.

Ratrout, N. T., & Rahman, S. M. (2009). A comparative analysis of currently used microscopic and macroscopic traffic simulation software. The Arabian Journal for Science and Engineering34(1B), 121-133.

Posts relacionados

Más allá de los badenes

Irene Méndez
Transport Engineer

Estudios de Movilidad para desarrollos logísticos, industriales y de oficinas

Jorge Rodríguez
Technical Director

Primeros pasos en la modelización del transporte

Ana Álvarez
Transport Modeller

Transporte Público y Combustibles Alternativos: Alimentando el cambio

Johanna Díaz
Urban Planner

¿Y si los atascos son la solución?

Itziar Buruchaga
Transport Engineer

Planificación del aparcamiento en centros logísticos de reparto

Yang Wang
Principal Engineer

¿Un futuro sin emisiones de carbono pasa por una semana laboral de cuatro días?

Las carrozas a 5 soles y la gratuidad del transporte público

Jorge Rodríguez
Technical Director

La movilidad en el cine a través del Ferrocarril

Irene Méndez
Transport Engineer

Pensando la Movilidad desde el inicio: Los Desarrollos orientados al transporte

Movilidad y Data Analytics: Fuentes de datos para un análisis preciso

Movilidad y Transporte: 5 claves para este 2023 (y más allá)

Carlos González
Transport Engineer

Simulaciones de tráfico, grandes aliadas en la gestión de la movilidad

Azariel Menéndez
Draftsman

Covid-19 y movilidad: ¿Se ha restablecido el tráfico tras la pandemia?

Ana Álvarez
Transport Modeller

Las 5 etapas del Big Data aplicado a la Ingeniería de Tráfico

Carreteras 2 + 1: una alternativa para reducir la siniestralidad en las vías secundarias

Itziar Buruchaga
Transport Engineer

De las carreteras que dividen a las que unen: escenarios para una infraestructura no segregadora

La ética del dato, el dilema detrás del algoritmo

Un vistazo a los modelos regionales de transporte

Yang Wang
Principal Engineer

Modelizando la “Ville du 1/4 d’ Heure”

Jorge Rodríguez
Technical Director

¿Conducción segura = Conducción Sostenible?

Itziar Buruchaga
Transport Engineer

Barriendo bajo la alfombra

¿Hay un patrón oculto en las IMD del Mapa de tráfico? Ensayos con la Ley de Benford

Cuando más no significa mejor

Categorías
×

Para mas información contacte con nuestro equipo comercial .

    ×