Dublin Core
Title
Identificación de arcos representativos para la estimación del diagrama fundamental macroscópico
Subject
MFD
Diagrama fundamental macroscópico
Velocidad media espacial
Agrupamiento de arcos
Tecnología GPS
388.31
Comunicación y transporte
Flujo de tráfico - Métodos de simulación
Flujo de tráfico - Modelos matemáticos
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2022
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.
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.
Creator
Guamán Matute, Diego Germán
Date
2022-05-04T17:49:56Z
2022-05-04T17:49:56Z
2022
Contributor
Herrera Maldonado, Juan Carlos
Pontificia Universidad Católica de Chile. Escuela de Ingeniería
Rights
acceso abierto
Format
xiv, 89 páginas
application/pdf
Language
es
Type
tesis de maestría
Identifier
10.7764/tesisUC/ING/63714
https://doi.org/10.7764/tesisUC/ING/63714
https://repositorio.uc.cl/handle/11534/63714