Documentos de Académico
Documentos de Profesional
Documentos de Cultura
xx-xx, xxxx
Recibido: 08 septiembre 2019. Aceptado: dd mes 2019. Versión final: dd mes aaaa
Resumen
La consistencia de diseño geométrico permite valorar el trazado de una carretera a partir de las expectativas de los
conductores. En la literatura se identificaron metodologías que definen el nivel de la consistencia a partir de la
velocidad operacional, para la estimación de ésta se utilizan modelos lineales en los que se incluye los elementos de
la geometría y los parámetros operacionales como variables independientes; la hipótesis de este estudio es que los
modelos lineales no generan una certeza adecuada en la estimación de la velocidad, dado que existe dependencia de
la variable independiente a través de la curva. El objetivo de este trabajo es comparar la certeza de los modelos
lineales y no lineales en la estimación de la velocidad operacional en vías rurales de dos carriles en dos direcciones.
En el presente estudio se utilizó datos en panel y se comparaó con un modelo lineal. La muestra incluye 22,020
vehículos a flujo libre medidos en cinco puntos de 38 curvas horizontales (mitad de entretangencia de entrada y
salida, principio de la curva (PC), Mitad de curva (MC) y Principio de entretangencia (PT)) en vías rurales de dos
carriles de dos direcciones en Puerto Rico; los segmentos analizados se ubicaron en terreno plano, ondulado y
montañoso, en vías con clasificación funcional local, colectoras y arteriales. Para el análisis se incluyeron 23
variables cuantitativas y 46 variables categóricas, seleccionando las significativas con el método de Best subsets y
analizándolas con el software Stata V14 las cuales son: velocidad de diseño inferida (km/h), radio (m) y ángulo de
deflexión (radianes). Al comparar el modelo de datos en panel con el lineal, se observa similitud en los valores de R 2,
dando como resultado que el modelo en datos en panel es una herramienta adecuada para las estimaciones de
modelos estado – espacio y útiles en ingeniería de vías, dado que se ajusta mejor a las caídas abruptas de velocidad
operacional en las curvas horizontales, mientras que el modelo lineal, sigue una tendencia al crecimiento con una
diferencia promedio del 2.2%, esta característica de los modelos es fundamental para la consistencia de diseño
geométrico dado que identifica puntos potenciales en los que la seguridad para el usuario pudiera ser comprometida.
Obtenido el modelo por Datos en Panel se realizó ajustaron los coeficientes con el Filtro de Kalman, logrando un
modelo aún más robusto y preciso, obteniendo que los modelos de Datos en Panel agregado a los filtros de Kalman
ISSN impreso: 1657 - 4583. ISSN en línea: 2145 – 8456, CC BY-ND 4.0
V. R. Castillo Ñañez, C. A. Calero Valenzuela, C. A. Gaviria Mendoza, Y. O. Riascos Forero, D. Ijaji, J. Rodriguez., “Optimización de los
factores para la estimación de la velocidad operacional en curvas horizontales,” Rev. UIS Ing., vol. xx, no. x, pp. xx-xx, año. doi:
2 V. R. Castillo Ñañez, C. A. Calero Valenzuela, C. A. Gaviria Mendoza, Y. O. Riascos Forero, D. Ijaji, J. Rodriguez.
obtuvo valores intermedios entre los modelos preestablecidos comportándose de manera dinámica en las
estimaciones de la velocidad de operación (V85).
Palabras clave: Datos en Panel, Filtro de Kalman, Best Subsets, Velocidad operacional, Diseño geométrico,
Seguridad vial.
Abstract
The objective of this research is compare the accuracy of the linear and nonlinear models in the estimation of the
operational speed in two lane rural roads with two directions. In the present study, data was used in the panel and
compared with a linear model. The sample includes 22.020 free flow speed vehicles at five points of 38 horizontal
curves half of approach and departure entretangency, principle of the curve (PC), half curve (MC) and end of the
curve (PT) in two lanes rural roads of two directions in Puerto Rico; The analyzed segments were located in flat,
wavy and mountinous terrain, in highways with functional classification local, collectors and arterials. For the
analysis were included 23 quantitative and 46 categorite variables, selecting the significant with the Best subsets
method and analysing them with the software Stata V14 which are: design speed inferred (km/h), radius (m) and
Deflection (radians). When comparing the data model in panel with the linear, it is observed similarity in the values
of R2, resulting in that the model in data in panel is a suitable tool for the estimations of models state-space and
useful in engineering of roads, since it is better suited to abrupt operational speed falls in horizontal curves, while the
linear model follows a growth trend with an average difference of 2.2%. Obtained the model by Panel Data was
made adjusted the coefficients with the Kalman Filter, achieving an even more robust and precise model.
Keywords: Panel Data, Kalman Filter, Best Subsets, operational speed, geometric design, road safety.
estar estrechamente relacionada con la seguridad vial; propuesta por Polus y Mattar Habib (2004) y evalúa
[2] [3] [4]; por lo tanto, si una vía es segura, tiene varios tramos de carreteras en Granada, España
consistencia buena y al disminuir la seguridad esta identificando que dicha metodología tiende a ser
disminuye; la relación con la seguridad de una vía es conservadora, calificando tramos como pobres a pesar
directamente proporcional. La figura 1 detalla las de que tienen el parámetro Ra aceptable.
consideraciones que inciden en este aspecto de diseño
geométrico. Sin embargo, a pesar de que las vías se hacen bajo la
normatividad vigente, al año 2007, se registran 12
1.1. Problema de investigación víctimas fatales por cada cien mil habitantes en el
mundo [6]. Esto infiere, que es necesario establecer
metodologías que evalúen la consistencia de diseño,
Dado que la mortalidad en las vías es un problema que dando herramientas adicionales para brindar vías más
se sigue presentando, se requiere obtener modelos que seguras a los usuarios.
pronostiquen de manera certera la velocidad de
operación (V85), dado que es la variable dependiente en 2. Metodología
la consistencia de diseño, y esta es la que controla la
calidad del trazado, un trazado inseguro o de
consistencia pobre aumenta las probabilidades de La base de datos se creó en en dos etapas, primero se
accidentes de tránsito. En virtud de que varios modelos obtuvo la información geométrica y posteriormente se
planteados se han determinado con regresiones lineales, recopiló los datos de la variable dependiente. En la
se proyecta utilizar herramientas estadísticas no lineales revisión bibliográfica se establecieron los modelos
para la obtención de ecuaciones precisas, de tal manera empleados para determinar la velocidad de operación,
que las metodologías para la evaluación de la arrojando las variables más utilizadas en la literatura
consistencia del diseño se apliquen con confianza y se existente. El siguiente punto de análisis de normalidad
obtengan resultados ajustados a la realidad, como de datos se comprueba que los datos utilizados tengan
identificar elementos o segmentos de la infraestructura distribución normal, por lo cual, son factibles de
vial que tienen una alta probabilidad de generar riesgo desarrollar con ellos modelos para la estimación de la
de accidente en los usuarios y así tomar las respectivas velocidad de operación, como Datos en Panel, cuya
medidas de corrección, en carreteras existentes o premisa es que los datos tengan dicha distribución para
futuras. que las estimaciones se ajusten a la realidad.
e: Peralte
Ω: Deflexión
Estos datos de velocidad de cada punto van esta tarea de manera automática, este se realizó en el
acompañados de información geométrica y software Matlab.
carácterísticas propias de la vía en ese punto, para un
Selección del
total de 68 variables adicionales, 23 cuantitativas y 45 4. Resultados
valor Selección de Conclusiones y
variables categóricas. por punto de la
representativo variables de
literartura recomendaciones
curva
Optimización de los factores para la estimación de la velocidad operacional en curvas horizontales. 5
Figura 6. Datos en Panel por el método de efectos Figura 8. Regresión lineal con las variables
aleatorios. Fuente: Elaboración propia. seleccionadas en el método de Datos en Panel.
Fuente: Elaboración propia.
El modelo de Datos en Panel con las variables
resultantes tienen un valor de R2 alto, un Pvalor de cada
variable menor a 0.05 e intervalos de confianza 120
coherentes.
100
Las variables seleccionadas para el modelo son:
Velocidad km/h
El valor de R2 es 0.83, igual al de la regresión con Datos independientes entre sí con media igual a cero y
en Panel, siendo este valor ajustado a los obtenidos en distribución normal [12].
otros estudios, los modelos se presentan en la tabla 2.
p (w) ≅ N (0 , Q)
Tabla 2. Variables correlacionadas.
p (v ) ≅ N (0 , R )
Model Variables
o Veldisinf Radio Delta Constante Donde Q y R son matrices de covarianza de la
Datos perturbación del proceso y de la medida,
en 0.6137267 0.0034777 -0.1087 35.79596 respectivamente.
Panel
Lineal 0.6057526 0.004334 -0.1214 36.34294 El filtro de Kalman basa su funcionamiento en la
Al obtener los modelos se procede a visualizarlos con retroalimentación del proceso, es decir, estima el
respecto al 30% de los datos guardados para tal fin, en proceso en un instante de tiempo determinado y logra la
este procedimiento se pudo analizar el comportamiento retroalimentación por medio de la información tomada.
de los modelos contra e los resultados de un modelo u Así, se considera que el filtro se divide en dos partes: la
otro con respecto al 30% de los datos que representan la primera contiene las ecuaciones de estimación del
totalidad los valores de validación, como se muestra en estado y la segunda las de corrección o actualización,
la figura 9. convirtiéndose este en un algoritmo de predicción-
corrección, la figura 3 describe el proceso del filtro de
Como se puede apreciar en la figura 9 el modelo de kalman.
Datos en Panel genera resultados similares al lineal
obtenido con las mismas variables, sin embargo, dentro
de cada curva, el modelo de Datos en Panel obtiene una
ligera caída de la velocidad cuando se presenta un
cambio súbito de la velocidad de operación tomada en
campo, a diferencia del modelo lineal, el cual no asume
esta caída en la mayoría de las curvas, esta diferencia
medida equivale al 2.2%, lo que podría indicar el paso
de un nivel de consistencia de una curva de regular a
pobre, por las escalas definidas en cualquier modelo de
consistencia.
Configuración
parámetros del filtro
Cálculo
Resultados (Gráficas)
Optimización de los factores para la estimación de la velocidad operacional en curvas horizontales. 9
El uso del filtro de Kalman se realizó con ayuda del tomados de campo y la curva restante corresponde al
software Matlab, que tiene esta herramienta estadística a modelo lineal. Los datos arrojados por el filtro se
modo de Toolbox. Al suministrarle los datos al analizaron con ayuda del software Minitab 17.
programa arrojó lo que se puede apreciar en la figura
12. 4.4. Análisis estadístico de los modelos
Figura 12. Velocidad de Operación con filtro de Kalman. Fuente: Elaboración propia
4.5. Conclusiones
Agradecimientos
Optimización de los factores para la estimación de la velocidad operacional en curvas horizontales. 11
A Dios por darme la luz en el camino, a Claudia y [10] M. Mayorga and E. Muñoz, “La técnica de datos de
Jerónimo por ser el motor de mi vida, a mis compañeros panel. Una guía para su uso e interpretación,” Banco
y profesores de la Universidad del Cauca por todas sus Cent. Costa Rica, Dep. Investig. económicas, p. 18,
enseñanzas, en especial al ingeniero Carlos Calero por 2000.
sus sabidurías y preceptos que hicieron posible este
trabajo; a los profesores Yilton Riascos y Andres [11] R. Montero, Efectos fijos o aleatorios: test de
Mauricio Gomez Sanchez, quienes me dieron las bases especificación. Documentos de Trabajo en Economía
para el desarrollo de esta investigación. Aplicada. Universidad de Granada. España. 2011.