Modelado de tráfico vehicular a partir de datos de velocidad en autopistas en condiciones de tráfico mixto
No Thumbnail Available
Date
2025-09-23
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Cuenca
Abstract
Macroscopic analysis of vehicular dynamics on urban highways is based on spatiotemporal studies that help understand traffic behavior according to road characteristics and the measurement systems in place. The main objective of this study was to analyze and determine a macroscopic model to characterize vehicular behavior on the Cuenca–Azogues highway, using datasets obtained from speed radars and advanced analytical techniques. Imputation methods were applied to correct missing data, using Monte Carlo simulation due to its ability to capture traffic variability. In the macroscopic modeling, after analyzing maximum roadway states, the Greenberg model showed the best fit (R² > 0.7). The adjusted Speed Performance Index (VPI) allowed the identification of critical congestion periods, with up to 93.29% of the data showing intense congestion at radars such as Vista Linda. Additionally, distinct patterns were observed between weekdays and weekends, with higher congestion occurring from 07:00 to 08:00 and from 17:00 to 19:00. Finally, Self-Organizing Map (SOM) neural networks were used to classify traffic states, identifying gradual transitions and clusters predominantly associated with medium congestion. The results contribute to a better understanding of the road system in urban corridors and provide solid tools for traffic planning and management in environments with incomplete or hard-to-access records.
Resumen
El análisis macroscópico de la dinámica vehicular en autopistas urbanas se basa en estudios espacio-temporales que permiten comprender el comportamiento del tránsito en función de las características de la vía y los sistemas de medición disponibles. El objetivo principal del presente trabajo fue analizar y determinar un modelo macroscópico para caracterizar el comportamiento vehicular en la autopista Cuenca–Azogues, utilizando bases de datos obtenidas de radares de velocidad y técnicas avanzadas de análisis. Se aplicaron métodos de imputación para corregir pérdidas de datos, usando la simulación de Monte Carlo por su capacidad de capturar la variabilidad del tráfico. En la modelación macroscópica, luego de realizar un análisis de estados máximos de la vía, se observó que el modelo de Greenberg presentó el mejor ajuste (R2 > 0.7). El Índice de Rendimiento de la Velocidad (VPI) ajustado permitió identificar intervalos horarios críticos de congestión, registrándose hasta un 93.29 % de los datos en condición de congestión intensa en radares como Vista Linda. Además, se evidenciaron patrones distintos entre días laborales y fines de semana, con mayor concentración de congestión en franjas de 07:00 a 08:00 y de 17:00 a 19:00. Finalmente, mediante redes neuronales autoorganizadas (SOM) se clasificaron los estados del tráfico, identificando transiciones graduales y agrupaciones con predominancia de congestión media. Los resultados obtenidos contribuyen a una mejor comprensión del sistema vial en corredores urbanos y ofrecen herramientas sólidas para la planificación y gestión del tránsito en entornos con registros incompletos o de difícil acceso.
Keywords
Ingeniería Civil, Dinámica vehicular, Modelos macroscópicos, Simulación Monte Carlo
Citation
Código de tesis
TI; 1370
Código de tesis
Grado Académico
Ingeniero Civil