Construcción de un modelo base

para la representación detallada de

bicicletas en Vissim

Alejandro Saniger
Octubre 2020
Introducción
 En las ciudades cada vez es más común la
implementación de infraestructura ciclista, por lo
que existe una creciente necesidad de simularla
para poder evaluar su operación.
 Vissim es una herramienta multimodal capaz de
simular bicicletas, sin embargo son pocas las
referencias que existen para hacerlo.
Objetivos
 Generar un modelo base en Vissim para la
simulación de ciclovías
 Agregar funciones de estimación de consumo
energético para bicis eléctricas
 Probar el módulo con un modelo piloto de Av.
Insurgentes y Eje 6 Sur
Modelo comportamiento lateral
PTV Vissim
 El modelo de
comportamiento lateral
permite a vehículos rebasar
dentro del mismo carril si
existe suficiente distancia
lateral
0.73m Dist. 0.65m
 A mayor velocidad, mayor
distancia lateral requerida.
Modelo comportamiento lateral
PTV Vissim

Por ejemplo...
vel dist lat.
(km/h) (cm)
0 12
10 15.6
15 17.4
20 19.2
25 21
Parámetros simulación de ciclistas
COWI 2013
Basado en un estudio para Copenhague (2013), COWI estableció
recomendaciones para:

 Distribuciones de velocidad para bicicletas mecánicas, de carga,

y eléctricas.
 Distribuciones de velocidad en giros

 Distribuciones de aceleración

 Modelo de seguimiento vehicular

 Modelo de comportamiento lateral

Parámetros simulación de ciclistas
COWI 2013 – Distribuciones de velocidad
 Se introdujeron 7 distribuciones de velocidad, las primeras seis
para distintos tipos de bicicletas y la última para giros cerrados.
Parámetros simulación de ciclistas
COWI 2013 – Distribuciones de aceleración
 Funciones para aceleraciones y frenados máximos y deseados.
Parámetros simulación de ciclistas
COWI 2013 – Seguimiento vehicular
Parámetros simulación de ciclistas
COWI 2013 – Seguimiento comportamiento lateral
Parámetros simulación de ciclistas
COWI 2013 – Seguimiento comportamiento lateral

 COWI --> ‘collision time gain’ = 15s, pero resulta en muy pocas
bicis aprovechando el ancho de la ciclovía, se redujo a 5s.
Collision time gain = 15s Collision time gain = 5s
Flujo de saturación ciclovía
Bibliografía
 Se encontraron dos estudios que hacen referencia a la
capacidad de ciclovías:

 Seriani, S., Fernández R., Herosilla, E. (2014), Experimental study for estimating
capacity of cycle lanes. Transportation Research Procedia 8 ( 2015 ) 192 – 203.

 Xu, C., Wang, X., Yu, X. (2017), Fundamental Diagram of Bicycle Traffic Based on
Logistic Model. International Conference on Mathematics, Modelling and Simulation
Technologies and Applications (MMSTA 2017)
Flujo de saturación ciclovía
Bibliografía
 Seriani, et al. (2014) definieron que el flujo de saturación de una
ciclovía va desde los 2,000 a los 4,700 bicis/hora para ciclovías
de 1 a metros de ancho respectivamente.
Flujo de saturación ciclovía
Bibliografía

 Xu, et al. (2017) encontraron un flujo de saturación de 2,243

bicis/hora por cada metro de ancho de la ciclovía
Flujo de saturación ciclovía
Objetivos de calibración

 En al gráfica se pueden ver los

flujos de saturación esperados
para ciclovías de 1, 1.25, 1.5 y 2m
según Seriani, el al. (rojo), y Xu et
al. (verde).

Experimento flujo de saturación
Ancho de ciclovía

v/C = 60s/90s

2.0m 1.5m 1.25m 1.0m

Calibración flujo saturación
Collision time gain
 Este parámetro logró aumentar capacidad en ciclovías con
sección de 2m (de 3,178 a 3,669 bicis/hora), pero para menores
secciones no tiene impacto (alrededor de 2,400 bicis/hora).
Collision time gain = 15s Collision time gain = 5s Collision time gain = 3s

2481 2480 2480

2000 2000 2000
2381 2364 2381
2600 2600 2600
2372 2413 2391
Calibración flujo saturación
Minimum lateral distance

 Al disminuir la ‘distancia lateral mínima’ aumenta la capacidad en

la ciclovía de 1.5m de ancho, mejorando el ajuste.
Standing (0km/h) = 0.2m Standing (0km/h) = 0.15m Standing (0km/h) = 0.12m
Driving (50 km/h) = 0.75m Driving (50 km/h) = 0.5m Driving (50 km/h) = 0.3m

2480 2480 2481

2000 2000 2000

2381 2381 2381

2600 2600 2600

2391 2991 3529
Calibración flujo saturación
Distribución de velocidad deseada y seguimiento CC1
 Incrementar la velocidad deseada no ayudó mucho a incrementar
la capacidad máxima, la aceleración tuvo un cierto impacto.

Velocidad deseada 601 Velocidad deseada 701 Velocidad deseada 601

Acel 1.8 m/s2 Acel 1.8 m/s2 Acel 2.4 m/s2

2474 2522 2463

2000 2000 2000

2485 2524 2478

2600 2600 2600

3693 3697 3676
Calibración flujo saturación
Distribución de velocidad deseada y seguimiento CC1
 Respecto a los valores presentados por COWI, se modificó:
 Colission time gain

 Minimum lateral distance

 Aceleración

 En un a ciclovía de 2m de ancho, esto permitió incrementar la

capacidad de 3,178 a 3,896 bicis/h
 No se llegó a las 4,700 bicis/h de Seriani et al., o a las 4,486 de
Xu et al., sin embargo estos se basaron en periodos de
observación muy cortos (primeros segundos del verde) por lo que
podrían estar sobre-estimados.
Capacidad vial
Experimento con dos secciones tipo Veh Pers
 Se probó la capacidad máxima en vehículos y 2mixtos + 7,793 8,504
personas para vialidad con y sin ciclovía. ciclovía 2m
 Se consideró en auto 1.25 pers/veh. 3 mixtos 5,823 6,893
 La capacidad crece un 34% en vehículos y 23%
en personas al agregar ciclovía.

Vehículos
Personas
Conflicto con giro derecho
Demora en el giro derecho
 Se probó la interacción de un giro derecho de 500 veh/h cediendo el paso a
un flujo creciente en la ciclovía (Min Gap Time = 2.5s).
90

80
y = 2.1076e0.0018x
70
250

Demora Giro Derecho

60 500
50 750
40 1000
1250
30
1500
20
1750
10 2000
0
0 500 1000 1500 2000 2500
Volumen Ciclovía (en Conflicto)
 Conflicto con giro derecho
Demora en el giro derecho
 A manera de comprobación se muestran los niveles de servicio.
 En intersecciones semaforizadas hay que considerar la relación g/C

90 NdS No Sem. Semaf.

E 80

70
y = 2.1076e0.0018x
A <=10 <=10
250
Demora Giro Derecho

D 60 500 B 10-15 10-20

50 750
40 1000 C 15-25 20-35
C 1250
30
1500 D 25-35 35-55
B 20
1750
E 35-50 55-80
A 10 2000
0
0 500 1000 1500 2000 2500 F >50 >80
Volumen Ciclovía (en Conflicto)
Conflicto con giro derecho
Alternativas para el giro derecho
Ejemplo de aplicación
Av. Insurgentes – Eje 6 Sur
Otros temas relacionados a la
simulación de bicicletas
Simulación bicicletas eléctricas
Ventajas y temas a considerar
 Las bicicletas eléctricas ofrecen varias ventajas:
 Hacer viajes más largos con un mismo nivel de esfuerzo
 Usar la bici en condiciones topográficas complejas
 Hace la bicicleta un modo accesible para un mayor número de
usuarios (género, edad, condición física)
 La interacción con vehículos motorizados es más segura
 Sin embargo también hay retos, en el caso de sistemas de bicis
compartidas, los requerimientos energéticos deben tomarse en
cuenta a detalle.
Simulación bicicletas eléctricas
Ventajas y temas a considerar
 Las asistencia que brindan las bicicletas eléctricas permite aumentar las
distancia de recorrido promedio de los usuarios (55 a 60%).
 Estudios al respecto muestran los siguientes resultados

Estudio Bicicleta Bicicleta Incremento

convencional eléctrica
Engelmoer 6.3 km 9.8 km 55%
(2012)
Helms et al. 7.1 km 11.4 km 60%
(2015)
Simulación bicicletas eléctricas
Ventajas y temas a considerar

 En 2020 las ventas de bicicletas eléctricas han crecido entre un

90% y un 300% respecto a 2019 según distintas referencias en
Europa y Estados Unidos.

https://www.theverge.com/2020/5/14/21258
412/city-bike-lanes-open-streets-ebike-
sales-bicyclist-pedestrian
Consumo energético bicis eléctricas
Bosch – Calculadora autonomía
 Se construyó una base de datos a partir de la calculadora de
autonomía Bosch (disponible en línea)
 A partir de la capacidad de la batería (kWh) y la autonomía (km)
se calculó en rendimiento promedio (km/kWh) en función de:
 Peso de la bicicleta
 Tipo de asistencia
 Tipo de vía, etc...
 Esta puede ser útiles para modelos de sistemas completos de
bicicletas compartidas (todo un polígono, todo un día)
Consumo energético bicis eléctricas
Bosch – Calculadora autonomía
 Los resultados se pasaron a base de datos, y éstos a un script
en Vissim

https://www.bosch-ebike.com/es/servicio/asistente-de-autonomia/
Consumo energético bicis eléctricas
Tipos de bicicletas consideradas
 El modelo base considera 5 tipos de bicicletas, 3 de ellas
eléctricas (630, 640 y 650).

Consumo energético bicis eléctricas
Script desarrollado
 Asigna un cierto valor de peso al atributo “Bici_Peso”
dependiendo del tipo de bicicleta “VehType”.


For vehCount = 0 To UBound(allVehicles)

vehNo = allVehicles(vehCount).AttValue("No")

If (Vehiculos.ItemByKey(vehNo).AttValue("VehType") = 610) Then

Vehiculos.ItemByKey(vehNo).AttValue("Bici_Peso") = 80
End If

…
Next
Consumo energético bicis eléctricas
Script desarrollado
 Dependiendo del modo de conducción y velocidad asigna un
rendimiento (metros / watt hora).
 For vehCount = 0 To UBound(allVehicles)
vehNo = allVehicles(vehCount).AttValue("No")

If Vehiculos.ItemByKey(vehNo).AttValue("BiElec_ModoCond") = "Eco" Then

If Vehiculos.ItemByKey(vehNo).AttValue("Speed") < 17.5 Then
Vehiculos.ItemByKey(vehNo).AttValue("BiciElec_Rendimiento") = 382.5
ElseIf Vehiculos.ItemByKey(vehNo).AttValue("Speed") < 22.5 Then
Vehiculos.ItemByKey(vehNo).AttValue("BiciElec_Rendimiento") = 317.5
ElseIf Vehiculos.ItemByKey(vehNo).AttValue("Speed") >= 22.5 Then
Vehiculos.ItemByKey(vehNo).AttValue("BiciElec_Rendimiento") = 250.0
End If
Consumo energético bicis eléctricas
Script desarrollado
 Para cada paso de simulación se calcula el consumo
(=distancia/rendimiento) y se actualiza el consumo acumulado.
For vehCount = 0 To UBound(allVehicles)

vehNo = allVehicles(vehCount).AttValue("No")
DistTot(vehNo) = Vehiculos.ItemByKey(vehNo).AttValue("DistTravTot")
DeltaDist(vehNo) = DistTot(vehNo) - DistAnt(vehNo)
If Vehiculos.ItemByKey(vehNo).AttValue("BiciElec_Rendimiento") > 0 Then
ConsumEnerg(vehNo) = ConsumEnerg(vehNo) +
(DeltaDist(vehNo)/(Vehiculos.ItemByKey(vehNo).AttValue("BiciElec_Rendimiento"))) 'wattshora, dividir entre 1000 para kwh
End If
Vehiculos.ItemByKey(vehNo).AttValue("DistTot") = DistTot(vehNo)
Vehiculos.ItemByKey(vehNo).AttValue("DistAnt") = DistAnt(vehNo)
Vehiculos.ItemByKey(vehNo).AttValue("DeltaDist") = DeltaDist(vehNo)
Vehiculos.ItemByKey(vehNo).AttValue("ConsumEnerg") = ConsumEnerg(vehNo)
DistAnt(vehNo) = DistTot(vehNo)

Next
Consumo energético bicis eléctricas
Análisis preliminar eco-bici
 Se descargaron datos
abiertos de estaciones y
demanda de viajes octubre
2019.
 A partir de ello se construyó
una matriz OD mensual.
 Sería posible estimar el
consumo energético de un
sistemas de bicicletas
eléctrico.
Comentarios finales
Comentarios finales

 Los parámetros disponibles permitieron incrementar el flujo de

saturación acercándose a valores propuestos en algunos
estudios, probablemente sea necesario la realización de
mayores estudios en condiciones cercanas a la saturación.
 Estos valores se consideran un buen punto de partida, en cada
caso deberá tenerse en cuenta aspectos que puedan calibrarse
contra información de campo.
 También se necesitan más estudios de capacidad en
infraestrcutura ciclista sobre todo el uso de cajas ciclistas.
Comentarios finales
 El archivo con los parámetros
recomendados puede compartirse y
cargarse con la opción ´Save as default
network´ para utilizarse cada vez que se
vayan a simular bicicletas y no tener que
cargar los parámetros desde cero cada
vez.