CURSO: PROYECTO DE TESIS.

ALUMNO: ROJAS SUAREZ, JUAN GABRIEL.

TRABAJO: PLANTEAMIENTO CUANTITATIVO DEL PROBLEMA - DESARROLLO DE LA PERSPECTIVA TEORICA:

REVISION DE LA LITERATURA Y CONSTRUCCIÓN DEL MARCO TEÓRICO

ARTICULO: SIMULACIÓN DE TRÁFICO VEHICULAR EN BASE A TRAZASREALES

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

Planteamiento cuantitativo del problema

¿Qué elementos contiene el planteamiento del problema de investigación en el proceso cuantitativo?

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.

Evaluación de las deficiencias: no se tiene conocimiento de las matrices de origen-destino de los

vehículos en una ciudad, por lo que obtener un elevado grado de realismo se torna complejo.

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.

Delimitación del problema

El problema tendrá lugar en la ciudad de Valencia, España, en donde se medirán los anillos de inducción.

Desarrollo de la perspectiva teórica: revisión de la literatura y construcción del marco teórico

Para el articulo presente, el autor consulto trabajos relacionados con los procesos de generación de modelos
de movilidad realistas y documentación relacionada a las herramientas usadas como lo son el "SUMO" y el
"DEFROUTER", de los que obtuvo conceptos como los que se muestran a continuación:

-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.

-Matrices O-D: matrices origen destino.

-Anillos de inducción: detectores especiales desplegados en toda la red vehicular.
-Monitorización de las condiciones de tráfico en tiempo real [4].
-Estimación del tiempo de viaje [8].
-Principales retos de la tecnología Bluetooth: la exactitud de la posición, y las detecciones fallidas [9].
-Proposición de un método para realizar un seguimiento de los patrones de tráficos variables en el
tiempo y combinar el recuento de vehículos con observaciones de trayectoria, Zijpp [10].
-Estimación de las matrices O-D dependientes del tiempo y de medición de las distintas variables de tráfico,
Bugeda [11].

VISIÓN GENERAL DE LAS HERRAMIENTAS ADOPTADAS PARA LA SIMULACIÓN

Visión general de SUMO:

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.

Funcionamiento del DFROUTER:

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.

METODOLOGÍA DE GENERACIÓN DEL FLUJO DE TRÁFICO

1. Análisis de la salida del DFROUTER.

2. Se sigue con la propuesta realizada, en donde se detalla la heurística propuesta.

3. Posteriormente será validada utilizando datos reales.

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).