Beruflich Dokumente
Kultur Dokumente
Jorge L. Zambrano, Carlos T. Calafate, David Soler, Juan-Carlos Cano, Pietro Manzoni
Departamento de Informática de Sistemas y Computadores (DISCA)
Intituto Universitario de Matemática Pura y Aplicada (IUMPA)
Universitat Politecnica de Valencia, España
Objetivos: aumentar el grado de realismo en las simulaciones para poder analizar con mayor detalle
el tráfico.
Preguntas: ¿Cómo reducir el consumo de combustible y las emisiones de CO2 producido por el
tráfico vehicular? ¿Qué herramientas permitirán simular el comportamiento del tráfico y cuáles serán las
variables que requerirá?
Justificación: los Sistemas de Transporte Inteligente han emergido como una tecnología capaz de
mitigar estos problemas.
Viabilidad: la herramienta de simulación “SUMO” permite implementar técnicas para importar datos
de tráfico a su plataforma de distintas formas. Las autoridades del tráfico poseen las mediciones de los
anillos de inducción las cuales serán usadas para dar mayor realismo a la simulación.
Consecuencias de la investigación: obtención de una simulación cuasi real del trafico debido a los
datos proporcionados de los anillos de inducción que por medio de la herramienta DEFROUTER generaran la
matriz O-D que se asemeje a la distribución real del tráfico.
El problema tendrá lugar en la ciudad de Valencia, España, en donde se medirán los anillos de inducción.
-Sistemas de Transporte Inteligente (ITS): tecnologías efectivas para mejorar el flujo de tráfico urbano.
-Tecnologías de Posicionamiento Global (GPS): tecnología que permite monitorizar las condiciones de
tráfico en tiempo real, proporcionando información de trayectos más realista, y permitiendo estimar la
demanda de tráfico.
-Métodos para obtener las matrices O-D:
.Basados en la tecnología Bluetooth: que ha sido utilizada como dispositivo sensor que se basa en la
dirección MAC para identificar a cada dispositivo que circula por la ciudad y enviar la información para la
estimación de tiempo de viaje.
Es un simulador de código abierto basado en los modelos microscópicos que usa variables tales como tiempo
de llegada, la ruta seguida por los diferentes vehículos, y en algunos casos la duración de la ruta para
modelar el tráfico.
Paquete que se incluye en la distribución de SUMO, que permite calcular la matriz O-D en base al recuento
de los anillos de inducción para las diferentes vías de una ciudad, con el fin de estimar las rutas actuales de
los vehículos que coincidan con los datos de entrada.
Respecto a la literatura revisada, el autor del artículo cita dichos artículos en el campo de "Referencias" y
para el marco teórico cita las siguientes:
[4] Qiu, Z., & Cheng, P. (2007, January). State of the art and practice: cellular probe technology applied in
advanced traveler information system. In 86th Annual Meeting of the Transportation Research Board,
Washington, DC (No. 0223).
[8] Hamedi, M., Fish, R. L. W., & Haghani, A. (2010). Freeway dynamic message sign evaluation using
bluetooth sensors: A case study. In 17th ITS World Congress.
[9] Lees-Miller, J., Wilson, R. E., & Box, S. (2013). Hidden markov models for vehicle tracking with bluetooth.
[10] Van Der Zijpp, N. (1997). Dynamic origin-destination matrix estimation from traffic counts and
automated vehicle identification data. Transpor- tation Research Record: Journal of the Transportation
Research Board, (1607), 87-94.
[11] Barceló Bugeda, J., Montero Mercadé, L., Bullejos, M., Serch, O., & Carmona, C. (2012). A kalman filter
approach for the estimation of time dependent od matrices exploiting bluetooth traffic data collection. In
TRB 91st Annual Meeting Compendium of Papers DVD (pp. 1-16).