Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap Ii Teoria de Flujo Vehicular
Cap Ii Teoria de Flujo Vehicular
ACTITUD POSITIVA
t
T 1 i
t
1
N N q
Último intervalo: tener en cuenta que los instantes de inicio y
final, en el tiempo de conteo, T, son arbitrarios (aleatorios) con
relación al paso de vehículos
Vehículo Tiempo de
paso(s)
4 1.62
5 6.16
6 8.60
7 13.07
t4-5 t5-6 t6-7 t7-8 8 15.77
• Velocidad puntual ( V ).
Velocidad
instantánea del vehículo a su paso por un
punto o sección
v i
vt i 1
N
CONCEPTOS BASICOS
N
K
d
CONCEPTOS BASICOS
S i
d 1
S 1
N N K
ECUACIÓN FUNDAMENTAL DEL FLUJO
VEHICULAR
q K .V
• Representa una relación tridimensional entre
las tres variables básicas del flujo vehicular:
• Si la velocidad aumenta, el espaciamiento
adecuado y seguro puede aumentar, causando
una disminución en la densidad vehicular
• El flujo puede aumentar, disminuir o permanecer
invariable, dependiendo de la magnitud relativa de
los efectos opuestos
MODELOS DE FLUJO VEHICULAR
• Modelos estadísticos
MODELO LINEAL DE GREENSHIELS
k 2
k v .k j j v
vf v
v vf k f
k
j
qm vm .k m
Acelerar
Acelerar
Densidad Flujo
v 2
q v f .K f k
k
j
Leyenda
Flujo
Densidad
MEDICIÓN DE VARIABLES DE TRÁNSITO
X flujo de tráfico
que se está
midiendo
y2
2 y1
ESQUEMA DE
OBSERVADOR MOVIL
• Flujo de circulación:
(X Y)
q , donde : _Y y1 y2
(tc t f )
Y d
t tf V
q t
Curvas de flujo de datos de
los observadores en
movimiento.
q3 = 1400 veh/hr
k2 = 70 veh/milla
v2 = 20 millas/hr
ONDA DE CHOQUE
Camión
VA
q
qA A
VB
B
qB
Vw
KA Km KB Kj K
qB q A
VW
kB k A
EJEMPLO 1:
1400 1200
Vw 4.0millas / hr
70 120
1.32 mi
2.1 mi/h
espacio-temporales
diagrama posiciones
del grupo de
camiones.
EJEMPLO 3:
1000 1400
Vw 8.9millas / hr
25 70
• Poisson
Describe eventos que son realmente aleatorios. Aplicable en
flujos bajos. Probabilidad de que lleguen x vehículos a un punto
durante un intervalo de tiempo t
• Binomial
A medida que el flujo se va congestionando, se hace más
uniforme. Probabilidad de que lleguen x vehículos de
determinadas características, en n llegadas
• Binomial negativa
Se deduce de la anterior. Probabilidad de x fallas en n intentos
antes de tener k eventos exitosos
• Poisson generalizada
Cuando el flujo se encuentra entre uniforme y verdaderamente
aleatorio
DISTRIBUCIONES CONTINUAS DE INTERVALOS
• Exponencial negativa.
Se Deduce de Poisson. Si no llegan vehículos en un tiempo t,
existe un tiempo h de al menos t entre la llegada de un
vehículo y el siguiente
• Exponencial desplazada
Calcula la probabilidad con intervalos pequeños
• Erlang
Se deduce de Poisson generalizada