Identificación de arcos representativos para la estimación del diagrama fundamental macroscópico

Loading...
Thumbnail Image
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El problema de la congestión de tráfico puede ser abordado mediante la implementación de acciones en tiempo real como el cambio en la programación semafórica. Para esto, es necesario un modelo simple y agregado de la operación de la red que permita conocer su estado de tráfico, como por ejemplo el diagrama fundamental macroscópico (MFD por sus siglas en inglés). El MFD es una relación funcional simple entre la tasa a la que terminan los viajes al interior de una zona y la cantidad de autos en la misma. El MFD requiere para su construcción datos del flujo y la densidad de todos los arcos (vías) de la red. La recolección de los datos no representa mayor esfuerzo, sin embargo, su costo es alto. Por tanto, es importante desarrollar una metodología que permita reducir costos, por ejemplo, al disminuir el número de arcos para los cuales se debe conocer los datos de flujo densidad. La metodología propuesta emplea el algoritmo de Kmeans para agrupar arcos y seleccionar el más representativo de cada grupo. El agrupamiento se realiza utilizando algunas variables descriptivas de la distribución de la velocidad de cada arco. El agrupamiento se repite varias veces y cada repetición utiliza la distribución de velocidad de cada arco de un periodo distinto. Para seleccionar los arcos más representativos, se construye una matriz con el resultado de todas las repeticiones del agrupamiento. La matriz resultante constituye el dato de entrada para una heurística de selección basada en la cantidad de veces que un arco resultó representativo y la cantidad de arcos que representó. La metodología fue validada mediante la comparación del MFD real de una red simulada en el software Aimsun y el MFD estimado con los datos de los arcos más representativos reconocidos con la metodología propuesta. La diferencia entre el MFD real y el MFD estimado es mayor a la obtenida con otras metodologías que tienen el mismo objetivo, sin embargo, la diferencia adicional se justifica dado que la metodología propuesta requiere datos que son distintos a los de las otras metodologías y pueden obtenerse a un costo menor. Además, se verificó la sensibilidad de la metodología ante la variación de tres parámetros: el algoritmo de agrupamiento, la cantidad de arcos representativos y la diversidad del set de entrenamiento. Se encontró que la diferencia entre los MFD se reduce a medida que aumenta la proporción de la red monitoreada y que esta reducción no es lineal. Además, la diferencia se reduce cuando los datos provienen de periodos con distintos niveles y patrones de demanda. Otras metodologías que tienen el mismo objetivo se basan en información que no se encuentra disponible en la mayoría de las ciudades de países en vías de desarrollo. Este trabajo presenta un método para identificar los arcos representativos para la estimación del MFD que requiere solo la velocidad promedio de cada arco de la red. Esta velocidad es un dato de tráfico que se encuentra fácilmente disponible dada el creciente uso de apps como Google Maps, Waze, y Uber, entre otros. La principal conclusión de este trabajo es que empleando la metodología propuesta la velocidad promedio de cada arco de la red (como la consultada en Google Directions API) permite identificar un grupo acotado de arcos que luego de medir su flujo y densidad sirven para estimar un MFD cercano al real. Así, la construcción y uso del MFD se vuelve factible con una inversión económica asequible.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2022
Keywords
MFD, Diagrama fundamental macroscópico, Velocidad media espacial, Agrupamiento de arcos, Tecnología GPS
Citation