SciELO - Scientific Electronic Library Online

 
vol.27 número2Mejoramiento de procesos constructivos a partir de un módulo programable para captura de imágenes y simulación digitalModelos de perfil de velocidad para evaluación de consistencia del trazado en carreteras de la provincia de Villa Clara, Cuba índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Revista ingeniería de construcción

versión On-line ISSN 0718-5073

Rev. ing. constr. vol.27 no.2 Santiago ago. 2012

http://dx.doi.org/10.4067/S0718-50732012000200004 

Revista Ingeniería de Construcción Vol. 27 No2, Agosto de 2012 www.ricuc.cl PAG. 55 - 70

 

Análisis de consistencia de caminos bidireccionales usando mediciones continuas de velocidad de operación obtenidas con GPS

 

Tomás Echaveguren1*

 

* Universidad de Concepción, Concepción. CHILE

Dirección de Correspondencia


RESUMEN

El análisis de consistencia permite evaluar la seguridad en caminos en base a la velocidad. Existen diversos modelos velocidad - geometría para elementos aislados de una carretera, que se utilizan para evaluar la consistencia de elementos aislados del trazado de una carretera. Por ejemplo curvas horizontales simples o en curvas de inflexión en "S".Los modelos de análisis de consistencia agregados, permiten evaluar segmentos largos de trazado, por lo que necesitan perfiles de velocidad continuos. En este caso, los modelos y mediciones puntuales de velocidad no son adecuados. Actualmente, la tecnología de posicionamiento satelital es una manera eficiente de construir perfiles de velocidad en largas distancias del trazado, siendo particularment útil para aplicar el método de Polus. Este trabajo estudia el modelo de análisis de consistencia de Polus usando perfiles continuos de velocidad. Primero se discute dicho modelo, para luego presentar la obtención y tratamiento de datos de velocidad usando modelos y mediciones directas. El método se aplicó a 5 casos de estudio en los cual se midió en terreno la velocidad y geometría con un GPS partir del cual se obtuvieron perfiles directos y teóricos de velocidad .Los datos fueron procesados con el filtro de Kalman y suavizados con el método LOESS, para luego evaluar la consistencia de cada ruta. Se concluyó que el método de Polus y los perfiles contínuos de velocidad medidos permiten obtener una calificación de segmentos largos del trazado, pero se debe segmentar adecuadamente cada trazado para evitar sub/sobre estimaciones de consistencia.

Palabras Clave: Consistencia, velocidad, GPS, caminos rurales bidireccionales


1. Introducción

La consistencia del diseño geométrico se define como la condición bajo la cual las expectativas del conductor son concordantes con el diseño geométrico de una ruta. En la medida que los trazados sean más consistentes, el riesgo de accidentes disminuye, con lo cual aumenta, teóricamente, el grado de seguridad de la ruta. Los métodos de evaluación de consistencia de un diseño constan de indicadores, umbrales de aceptación y recomendaciones de mejoramiento de trazados existentes o alternativas de diseño (Echaveguren et al., 2009). El método más conocido es el de Lamm et al. (1988), quienes proponen un índice de consistencia basado en la diferencia entre las velocidades de diseño y de operación en curvas horizontales aisladas y curvas de inflexión en "S". Asimismo, proponen umbrales de aceptación para diferencia el grado de consistencia de dichos segmentos. Este método asume como supuesto que la consistencia de un camino queda determinada esencialmente por el comportamiento del conductor en las curvas horizontales, por lo cual se aplica a elementos aislados del trazado.

Por tanto, desconoce el efecto combinado del trazado vertical y horizontal asi como el efecto de tangentes largas entre curvas.

Perfiles de velocidad de operación

Un aspecto relevante para el análisis de consistencia es el perfil de velocidad de operación. La velocidad de operación es una medida directa de la respuesta del conductor al ambiente de conducción y especialmente a la geometría del trazado. Por ésta razón, la mayoría de los estudios de consistencia se abocan a elaborar relaciones velocidad-geometría (Vease por ejemplo a Echaveguren (2010) quien identificó al menos 130 modelos calibrados entre los años 1968 y 2012). Estas relaciones habitualmente describen comportamientos puntuales. Por ejemplo, la relación entre velocidad de operación y radio de curvatura respecto de la mitad del desarrollo de una curva horizontal. Esto se debe a que las técnicas de medición de velocidad de operación que habitualmente se utilizan son también medidas puntuales, que por el costo de medición y limitaciones técnicas, no pueden extenderse en demasía para contar con un perfil contínuo de datos (o al menos con una elevada densidad de datos). En consecuencia, los perfiles de velocidad que habitualmente se encuentran en la literatura están acotados a valores representativos de pocos puntos de medición. Por ejemplo, en curvas aisladas simples es posible obtener con pistola laser una muestra semi-aleatoria de velocidad de operación en 5 puntos: 2 en las tangentes de entrada y de salida y 3 en el interior de la curva. Para sobrellevar ésta limitante, algunos investigadores han estimado valores de aceleración/deceleración longitudinal que les permite vincular los datos puntuales de velocidad mediante las ecuaciones de la cinemática (Vease por ejemplo a Fitzpatrick y Collins (2000) o Cox y Arndt (2010)). En otros modelos, como en IHSDM (Modelo Interactivo de Evaluación de Seguridad en Carreteras o Interactive Highway Safety Design Model) se han establecido perfiles de velocidad teóricos con valores de aceleración y deceleración fija que en conjunto con ecuaciones velocidad-geometría, determinan cuánto disminuye la velocidad de operación respecto de una velocidad de proyecto previamente definida. De este modo IHSDM construye artificialmente perfiles contínuos de velocidad a partir de modelos que describen variaciones puntales, conectando cada modelo a través de los valores de aceleración y deceleración antes mencionados.

Esta limitante tanto para la modelación de relaciones velocidad - geometría, como para el análisis de consistencia puede evitarse utilizando la tecnología de posicionamiento satelital (GPS, GALILEO o GLONASS). Con ésta tecnología es posible construir perfiles de velocidad de operación con con una mayor cantidad de datos de velocidad y/o posición.

La tecnología GPS y el análisis de consistencia

Las experiencias del uso de ésta tecnología son recientes. Cafiso et al. (2005), Memon et al. (2008), Pérez et al. (2010), Zhao et al. (2011) y Rim et al. (2011) han explorado la tecnología a través del sistema de posicionamiento global (GPS, Global Positioning System) para desarrollar modelos velocidad-geometría con datos obtenidos mediante GPS.

Cafiso et al. (2005) instrumentaron un vehículo con un logger GPS para medir velocidad en forma contínua en extensiones largas de trazados. Memon et al. (2008) utilizaron el equipo VBOX 3i (GPS submétrico) para medir velocidad con un grupo de conductores y aplicando la técnica de seguimiento vehicular (car-following), con lo cual desarrollaron modelos velocidad-geometría para curvas de inflexión en "S". Pérez et al. (2010) utilizaron un GPS de navegación para registrar tiempo y posición de vehículos, datos a partir de los cuales obtuvieron indirectamente velocidad de operación. Posteriormente calibraron modelos de velocidad de operación considerando la tangente de entrada a la curva y la curva misma.

Zhao et al. (2011) evaluaron la precisión de dispositivos GPS para medir la velocidad de vehículos de carga y la compararon con lecturas de sensores de piso Ajos. No detectaron diferencias significativas entre ambas mediciones. Rim et al. (2011) propusieron un método para corregir errores en las lecturas de velocidad con GPS. Para ello usaron un algoritmo de regresión ponderada y lo compararon con algoritmos de suavización de la familia exponencial. Con ello pudieron detectar datos anómalos (outliers) y datos perdidos (missing data) pudiendo corregir así éstas anomalías de las mediciones con GPS.

De este modo, es posible afirmar que la tecnología GPS permite obtener perfiles de velocidad con razonable precisión. Estos perfiles permiten construir modelos velocidad-geometría y obtener perfiles de velocidad en tramos extensos de trazado, lo cual otorga ventajas comparativas respecto de las técnicas actuales de construcción de perfiles de velocidad.

Objetivos y alcances

Este trabajo tiene por objetivo principal discutir el modelo de análisis de consistencia de Polus y su aplicación en sectores largos de trazado, sobre la base de perfiles contínuos de velocidad de operación obtenidos con un GPS submétrico con tecnología RTK (Real Time Kinematic). Para ello en primer lugar se describe el método de análisis de consistencia de Polus. Posteriormente se desarrolla en detalle la forma en que se obtienen perfiles de velocidad mediante modelos predictivos y usando GPS, con énfasis en aspectos metodológicos y operativos para el registro de datos en terreno, para el filtrado de datos mediante el Filtro de Kalman y para el suavizado de datos mediante el suavizador Loess. Luego se desarrolla una aplicación del método de análisis de consistencia de Polus en 5 rutas de la zona centro-sur de Chile en las cuales se midieron velocidades de operación mediante GPS y se calculó un perfil de velocidad en base a modelos predictivos, para luego discutir los resultados obtenidos.

2. El método de análisis de consistencia de Polus

El método de análisis de consistencia es un modelo agregado. En contraste con el modelo de Lamm et al (1988), que se aboca principalmente a curvas horizontales, el método de Polus et al (2004) utiliza un perfil de velocidad completo para evaluar segmentos de trazado más extensos que curvas y contracurvas.

El método de Polus et al. (2004) está basado en dos conceptos: a) la diferencia entre la velocidad de operación respecto de la velocidad de operación media del tramo en estudio; b) la desviación estándar de la velocidad a lo largo del tramo en estudio.

La velocidad de operación la estima del modo convencional a través del percentil 85 de una distribución de frecuencia de velocidad. Este último aspecto es el que impone mayores dificultades para aplicar el método, ya que requiere de una gran cantidad de registros de velocidad de operación para construir un perfil de velocidad. Es aquí donde el uso de la tecnología GPS posee ventajas frente a otros métodos de medición de velocidad de operación.

Para evaluar la consistencia segmento a segmento, Polus et al elaboraron el índice de consistencia C (en m/s) de la Ecuación 1. El índice es adimensional y depende de la desviación estándar de la velocidad de operación (σ, en m/s) y del área normalizada existente entre la velocidad de operación media y el perfil de velocidad de operación (Ra, en m/s).

(1)

Asimismo, Polus et al. (2004) propusieron umbrales de consistencia para el índice de la Ecuación 1, sobre la base de juicio de expertos y aplicando un método de ranking. La Tabla 1 muestra tales umbrales.

Tabla 1. Umbrales de consistencia del modelo de Polus (Polus et al., 2004)

 

Se puede visualizar que el nivel de consistencia está condicionado por el valor de σRa. En el caso más favorable, si dicho producto vale 0, el índice de consistencia vale 2,8, lo cual corresponde al mejor trazado posible, en el cual la velocidad de operación se aproxima a la velocidad promedio en todo el segmento. Si el valor de dicho producto es 32, es decir, una alta variabilidad en la velocidad, el valor de C es el más bajo posible: 0.

La velocidad media de operación (Vmedia) se estima en base al promedio ponderado por distancia de las velocidades (Vi) en cada segmento homogéneo (Li) del tramo en estudio, como lo muestra la Ecuación 2.

(2)

El área normalizada está descrita por el índice Rak de la Ecuación 3. Este índice expresa la suma en valor absoluto de las áreas entre las curvas de velocidad de operación media y del perfil de velocidad, normalizada por la distancia total.

En este caso, el segmento k corresponde al segmento en que se produce un cambio de signo producto de la intersección de los dos perfiles. En la mayoría de los casos, la longitud del segmento k coincide con la longitud del segmento i.

(3)

La Figura 1 ilustra gráficamente los elementos de la Ecuación 3 para 4 segmentos. De este modo, el índice Ra es simplemente la suma normalizada de las áreas ak en valor absoluto. En la Figura 1 se asume que la velocidad media de operación es constante a lo largo del trazado, lo cual no necesariamente es asi, en la práctica.

Figura 1. Parametros considerados para estimar el índice Ra (Adaptado de Polus et al., 2005)

 

A diferencia del método de Lamm et al (1988), el método de Polus et al. (2004) necesita contar con un perfil de velocidad de operación a lo largo de la longitud L (Ver Figura 1). Sin embargo, los modelos predictivos en la literatura sólo resuelven parcialmente esta problemática y, por otro lado, en terreno la única opción de obtener un perfil contínuo de velocidad es a través de la colección de datos mediante sistemas de posicionamiento satelital.

3. Construcción de perfiles de velocidad con GPS

3.1 Métodos de medición de velocidad de operación

Existen pocas experiencias de medición contínua de velocidad con GPS. Cafiso et al. (2005), Memon et al. (2008) y recientemente García y Camacho (2009), midieron velocidad con GPS para construir perfiles de velocidad. Sin embargo, tales autores orientan su trabajo a componentes específicas del pefil de velocidad de operación: medición de aceleraciones y deceleraciones y mediciones de velocidad en curvas horizontales y en sus tangentes de aproximación. La investigación de Cafiso et al. (2005) es una excepción, toda vez que analiza también segmentos largos de trazados.

Todos ellos coinciden en la complejidad de obtener un tamaño muestral adecuado para estimar el percentil 85 de la velocidad de operación. Si la velocidad se mide mediante la técnica de seguimiento vehicular, es necesario hacer el seguimiento al menos a 30 vehículos; y a la vez, estimar el margen de error asociado a la estimación indirecta de la velocidad a la cual circula el vehículo líder. Este error se debe esencialmente a los cambios de marcha y a la variabilidad del espaciamiento entre los vehículos líder y seguidor respectivamente. Por otro lado, si la velocidad se mide utilizando una muestra de conductores, es necesario un tamaño muestral estratificado para obtener una distribución de frecuencia de velocidad considerando conductores rapidos, lentos y normales con características homogéneas. Felipe y Navin (1998) mostraron que ésta última consideración incide directamente en la formulación de modelos velocidad-geometría.

A pesar que Memon et al. (2008) probaron que no existen diferencias significativas entre los valores de perfil de velocidad obtenidas con ambos métodos, es necesario verificar caso a caso ésta consideración debido a que el comportamiento de los conductores está condicionado por la regulación de tránsito y cultura locales.

3.2 Filtrado de registros de velocidad

El filtrado de registros de velocidad es una herramienta que permite identificar y eliminar datos anómalos, además de acoplar los datos de posición y velocidad. Existen variadas herramientas para ello. Sin embargo, la más utilizada es el filtro de Kalman (Kim y Langley, 2000). Este filtro permite resolver al mismo tiempo la detección de datos anómalos, recuperar "dropouts" por caída de satélites y acoplar los registros de posición, trayectoria y velocidad obtenidos con el GPS. Esencialmente, el filtro estima el estado x de una señal en tiempo discreto mediante una ecuación lineal como la Ecuación 4, a partir de un registro de datos crudo como el que se muestra en la Ecuación 5.

(4)

En donde A, B y H son parámetros de regresión. w y v son variables aleatorias que representan el ruido del proceso y de la señal respectivamente. Por tanto, w y v son mutuamente independientes y siguen una distribución de probabilidades normal con media cero. El filtro de Kalman predice los estados de z y x minimizando el error cuadrático medio de la covarianza del proceso y eliminando el ruido w y v. En este caso, los datos de velocidad están representados por la señal z y la velocidad resultante se obtiene a partir del valor de x.

3.3 Suavización de registros de velocidad

Después de ensamblar y filtrar los datos, se requiere un proceso de suavización, con el fin de reducir la cantidad de datos de velocidad instantánea y simplificar así la interpretación de los perfiles de velocidad.

La literatura ofrece una amplia variedad de métodos de suavización tales como la regresión local cruzada, la suavización en base a kernels, suavizadores exponenciales dobles y simples, splines de orden "n" (TIBCO, 2008) y otras más sofisticadas basadas en inteligencia artifical y wavelets. Particularmente, Rim et al. (2011) han usado la regresión local ponderada y la regresión exponencial para tratar los perfiles de velocidad. Concluyeron que independientemente del método a emplear, el resultado es altamente dependiente de los parámetros de suavización empleados. Despues de examinar éstas técnicas, se optó por utilizar el suavizador Loess. Este suavizador permite obtener mediante regresión no paramétrica alrededor del punto de datos xi, una estimación de la función de datos discretos f(xi), asumiendo que el ruido εi se distribuye normal con media 0 y desviación estándar σ2 según la Ecuación 6.

(5)

Para suavizar, el método aplica regresión de mínimos cuadrados ponderados en una ventana de datos h que se desplaza a lo largo de la señal de velocidad para cada punto de referencia xi. La función de ponderación es la función tricúbica descrita en la Ecuación 7, en donde x0 es el dato alrededor del cual se define el valor de h.

(6)

De este modo, el perfil de velocidad con el que se aplica el análisis de consistencia queda libre de datos anómalos, con los registros de velocidad y posición acoplados y sin el ruido producido por pequeñas aceleraciones locales.

4. Modelos de perfiles de velocidad

Los modelos predictivos de velocidad de operación disponibles en la literatura corresponden a modelos aplicables a elementos puntuales del trazado. Sólo el modelo de Fitzpatrick y Collins (2000), enlaza ecuaciones predictivas de velocidad de operación en elementos de trazado usando tasas de aceleración o deceleración para obtener un perfil contínuo de velocidad. Aplicar estos modelos requiere de un conocimiento detallado del alineamiento horizontal, dato que no siempre está disponible.

El modelo de predicción de cálculo de Fitzpatrick y Collins está compuesto por 10 ecuaciones que permiten estimar velocidad de operación en curvas horizontales con diversas pendiente longitudinales, en presencia de curvas verticales y en combinaciones de curvas verticales y horizontales.

Asimismo, propone valores de aceleraciones y deceleraciones destinadas a enlazar valores puntuales de velocidad de operación predichos por los modelos.

La Tabla 2 resume el modelo de Fitzpatrick y Collins (2000) el cual es único modelo que permite estimar de manera completa un perfil de velocidad considerando la geometría. El modelo permite calcular las velocidades de operación en curvas horizontales para diferentes pendientes longitudinales. En rectas, permite considerar el efecto del parámetro de curvatura K en la velocidad en el caso de curvas cóncavas y convexas, considerando el efecto de restricciones de visibilidad. En este sentido, el modelo de Fitzpatrick y Collins (2000) otorga suficiente opciones de cálculo considerando el diseño geométrico.

Asimismo el modelo tiene varias limitaciones. Entre ellas, que no permite considerar el efecto de la tangente de enlace entre curvas y contracurvas, lo cual lleva a una potencial sobreestimación de velocidad en la contracurva. Asimismo, en rectas requiere como dato la velocidad deseada, valor que no siempre está disponible, por lo cual es usual asociarla a la velocidad límite legal lo cual es un error teniendo en cuenta que ésta debiera corresponder al percentil 99 de la velocidad de operación.

Por otro lado, para la aplicación del modelo se requiere de un conocimiento detallado del diseño geométrico de los trazados de carreteras, los cuales no siempre están disponibles. Esto lleva a que necesariamente se deba inferir la geometría en forma directa a través de un levantamiento topográfico, o indirecta, a través de mediciones con GPS, como se hizo en este trabajo.

Tabla 2. Modelos predictivos de velocidad de operación de Fitzpatrick y Collins (2000)

Notas: (1) usar ecuaciones para curvas en pendientes; (2) usar aceleraciones y deceleraciones para curvas en pendiente (3): considerar visibilidad restringida

 

5. Caso de estudio

El caso de estudio tuvo por objetivo comparar los resultados del análisis de consistencia obtenido mediante mediciones contínuas y mediante el modelo de Fitzpatrick y Collins (2000). Se seleccionó este modelo puesto que en Chile no existen modelos predictivos de perfil de velocidad calibrados. La comparación pretende dimensionar la magnitud del error que se puede cometer al analizar consistencia con modelos calibrados respecto de usar mediciones directas en terreno.

En primer lugar se seleccionaron tramos de medición en diversas rutas de Chile, en las cuales se realizaron mediciones de velocidad con GPS. Sobre esas rutas, se determinaron de manera aproximada los parámetros geométricos para aplicar el modelo de Fitzpatrick y Collins (2000). Luego se procesaron los datos de velocidad para obtener los perfiles de velocidad medidos, y se contruyó el perfil de velocidad a partir del modelo predictivo seleccionado. Con ambos perfiles se aplicó posteriormente el análisis de consistencia mediante el método de Polus.

5.1 Selección de tramos de medición

Para efectuar el análisis de consistencia se seleccionaron rutas de Chile con diversas condiciones geométricas - tales como curvatura y pendiente longitudinal - emplazados en diversos ambientes topográficos - zonas llanas, onduladas y montañosas. Todos los tramos corresponden a caminos bidireccionales de una pista por sentido, con ancho de pista constante de 3,5 m y ancho de berma constante de 0,5 m. En todos los tramos de estudio, el nivel de tráfico era inferior a los 10.000 veh/dia-año. En los momentos en que se ejecutaron las mediciones, el nivel de tráfico resultó lo suficientemente bajo por lo cual no produjo interferencias. La Tabla 3 resume las características de los tramos utilizados para el análisis de consistencia en terreno. La ruta 4 fue segmentada en 2 tramos debido a la diferencia en condiciones topográficas que se presumió a priori afectaría el cálculo del índice de consistencia

Tabla 3. Características generales de los tramos analizados

 

5.2 Recolección de datos de velocidad de operación

Los datos de velocidad fueron recolectados en las rutas de la Tabla 3 mediante un GPS de 10 Hz instalado en un vehículo liviano. El equipo se instala en el parabrisas del vehículo y la antena en el techo, sobre el eje central longitudinal. El equipo GPS utilizado captura datos de velocidad cada 0,1 s. con una precisión de 0,1 km/h para la velocidad, de 3 cm para la posición horizontal y de 0,1° para el azimut. El equipo puede además triangular en movimiento hasta 8 satélites, lo cual permite obtener una señal estable durante la recolección de datos (Racelogic, 2008).

Durante el proceso de toma de datos en terreno se hizo circular el vehículo liviano 5 veces, a fin de obtener un grupo de perfiles de velocidad suficiente para efectuar controles de precisión y construir un perfil de velocidad único. En todos los casos, el vehículo circuló en ausencia de tráfico a fin de evitar interferencias con otros vehículos. El proceso de medición y control de calidad en terreno de las mismas se realizó siguiendo las recomendaciones descritas en Echaveguren et al (2011). Estas recomendaciones apuntan a fijar un balizado de inicio y término para acoplar las mediciones repetidas y a evaluar la repetibilidad y reproducibilidad, de modo de identificar señales mal comportadas o con datos anómalos y verificar si es necesario repetir la medición o solo es necesario filtrar posteriormente esos datos anómalos.

De este modo se logró replicar en terreno la situación de medir con un tamaño muestral baji pero representativo de la velocidad de operación.

5.3 Procesamiento de datos de velocidad de operación

Cada perfil de velocidad medido con el equipo GPS fue filtrado utilizando el filtro de Kalman y suavizado utilizando el método Loess de orden 2 y con una ventana de suavización entre 0,03 y 0,05. Estos parámetros de suavización se obtuvieron minimizando el error cuadrático medio (RMS en inglés). La Figura 2 muestra un ejemplo del perfil de velocidad medido y filtrado y un perfil de velocidad suavizado para la ruta 2.

Figura 2. Ejemplo de perfil de velocidad suavizado en ruta 2 (km 0+600 al km 5+500)

 

La Tabla 4 muestra un resumen de los resultados obtenidos después del proceso de suavización, los que se utilizan posteriormente como datos de entrada para aplicar la evaluación de consistencia mediante el método de Polus. En ella se puede apreciar las diferencias en velocidad media de cada uno de los tramos.

Tabla 4. Resumen de datos de perfil de velocidad de operación procesado

 

A partir de la Tabla 4 se puede concluir que:

• La ruta 1 concentra la variabilidad en un segmento preciso del tramo;

• La ruta 2 exhibe la menor variabilidad en la velocidad de operación;

• La ruta 3 exhibe una alta variabilidad a lo largo de todo el tramo de medición

• En los tramos 4-1 y 4-2 existe una diferencia en las velocidades medias de casi 30 km/h, lo cual es una evidencia de las amplias diferencias de trazado. Este resultado ratificó la necesidad de segmentar el camino, previo a la aplicación del método de Polus. De este modo se evita el enmascaramiento de tramos con consistencia pobre o regular en el nivel de consistencia inmediatamente anterior.

5.4 Perfiles de velocidad de operación a partir de modelo de Fitzpatrick y Collins

Este perfil de velocidad corresponde a un perfil teórico, que requiere contar con un conocimiento previo de la geometría del trazado a evaluar. En este caso no se contaba con planos de construcción, por lo cual se extrajo la geometría a partir de los registros de heading, radio, altura relativa y velocidad de operación contenidos en el dispositivo GPS. Con estos datos se obtuvo el radio (R), pendiente longitudinal (i), ángulo de deflexión (w), principio y fin de curva. Con estos datos se calcularon las velocidades de operación, aceleraciones y deceleraciones usando la Tabla 2, para luego asignar a la geometría los valores de velocidad de operación y construir el perfil téorico de velocidad de operación. Cabe resaltar que el modelo utilizado no está calibrado en Chile, por lo cual se usó como una referencia para determinar la variación de la evaluación de consistencia con respecto a la medición directa.

5.5 Comparación de perfiles de velocidad medido y modelado

Se realizó una comparación de los perfiles de velocidad medido y modelado, a fin de visualizar las potenciales diferencias en los resultados de la evaluación de consistencia.

Los perfiles considerados se muestrab gráficamente en la Figura 3. A ambos perfiles se les realizó un análisis de varianza (ANOVA) de una variable para medidas repetidas, un análisis de correlación cruzada y se estimó la diferencia de medias. Los análisis mostraron que los perfiles medidos y modelados en todas las rutas son estadísiticamente diferentes, debido a que:

• Las medias de los perfiles modelados son superiores al medido en un rango que varía entre 5 y 40 km/h,

• El ANOVA mostró que las diferencias de medias son estadísticamente significativas al obtenerse en todas las comparaciones un valor p = 0,000 para un nivel de significancia del 95%

Figura 3a. Ejemplos de gráficas de perfiles de velocidad medidos y modelados para ruta 1

 

 

Figura 3b. Ejemplos de gráficas de perfiles de velocidad medidos y modelados para ruta 3

 

 

Figura 3c. Ejemplos de gráficas de perfiles de velocidad medidos y modelados para ruta 5

 

 

5.6 Evaluación de consistencia

La evaluación de consistencia se realizó usando las Ecuaciones 1, 2 y 3 para los registros de velocidad obtenidos mediante GPS y las ecuaciones de la Tabla 2 para el perfil de velocidad modelado.

La Tabla 5 resume los resultados del análisis de consistencia usando mediciones de perfil de velocida. La Tabla 6 muestra los resultados del análisis de consistencia usando modelos predictivos. Los resultados de la Tabla 5 muestran que la ruta 2 se encuentra en un nivel de consistencia "aceptable", en tanto que el resto de rutas se encuentran en un nivel "pobre" (rutas 1 y 3) o muy cercanas al umbral de consistencia "pobre" -"aceptable" (rutas 4-1 y 4-2). Esto se debe esencialmente a la alta desviación estándar de la velocidad de operación respecto de la velocidad media del tramo.

Tabla 5. Parámetros de consistencia obtenidos para cada segmento de ruta analizado usando perfiles de velocidad medidos

 

La Tabla 6 por el contrario, muestra que al usar el modelo de perfil de velocidad los niveles de consistencia son sistemáticamente mejores. Esto se debe al afecto de suavización en torno a la media inducida por los modelos al usar ecuaciones independientes para cada entidad geométrica sobre la cual se estima la velocidad de operación.

Tabla 6. Parámetros de consistencia obtenidos para cada segmento de ruta analizado usando modelos de perfiles de velocidad

 

Un aspecto relevante de destacar es que el método evalúa la consistencia en base a la condición de operación propia de cada tramo, por lo que no necesariamente por haber diferencias de velocidad en los grandes tramos existirá inconsistencia al interior del tramo. Esto se visualizó en las rutas 4-1 y 4-2, las cuales a pesar de mostrar velocidades medias distintas, al interior del tramo la consistencia resultó ser aproximadamente la misma.

Asimismo, el método propuesto por Polus y utilizado en este trabajo, no resuelve por si mismo las inconsistencias en las transiciones de cambio de velocidad. Nuevamente el tramo 4-1 y 4-2 ejemplifican esta situación, toda vez que el modelo de Polus no posee forma de analizar la transición de velocidad desde una velocidad media de 70,4 km/h a otra de 39,8 km/h. Sin embargo, esto es posible de resolver de manera iterativa identificando cambios estructurales en la velocidad media tanto en terreno calculando en tiempo real la velocidad media de viaje, como aplicando previo al análisis de consistencia un proceso de segmentación dinámica. En este caso, se debe cuidar de segmentar sólo en función de la velocidad media, dado que si se incluye la desviación estándar es posible que se obtengan tramos cortos con consistencia alta cuando en la práctica no lo son.

Al usar el perfil de velocidad modelado las desviaciones estándar disminuyen debido a la incapacidad de los modelos de predecir adecuadamente la velocidad deseada y la mínima velocidad entre curvas de distinto sentido lo cual atenúa las variaciones de velocidad entre curvas horizontales. Necesariamente, al haber una menor desviación estándar de la velocidad el valor de Ra tiende a ser menor y por tanto mayor el valor C de consistencia. Esta situación es independiente del valor de velocidad modelado, que también tiende a sobre estimar la velocidad de operación. Esto explica las importantes variaciones en la consistencia por ejemplo para la ruta 3 en donde pasa de nivel "pobre" a "bueno" al usar un modelo teórico de perfil de velocidad.

6. Conclusiones

En este trabajo se discutió el análisis de consistencia mediante el método de Polus, el cual corresponde a un método agregado de consistencia. Se dio énfasis a la obtención y procesamiento de perfiles contínuos de velocidad dada su relevancia para utilizar el método. Tambien se compararon los resultados de la evaluación de consistencia obtenidos con un modelo teórico de perfil de velocidad. A partir del trabajo desarrollado se obtuvieron las siguientes conclusiones:

El método de análisis de consistencia de Polus permite analizar segmentos largos de caminos, lo cual le otorga ventajas respecto de otros métodos de análisis de consistencia. Sin embargo, las principales limitaciones observadas en su aplicación fueron:

• El método requiere de perfiles de velocidad de operación continuos, medidos o modelados. Por un lado, los perfiles de operación contínuos sólo pueden medirse mediante tecnología de posicionamiento satelital. Por otro lado, son pocos los modelos de velocidad de operación contínuos disponibles en la literatura y se concentran principalmente en elementos de trazado. Estos modelos tienden a suavizar la desviación estándar de la velocidad y por tanto a sobreestimar el nivel de conistencia. El esfuerzo de modelación debe orientarse a intregrar en estos modelos la tridimensionalidad del trazado geométrico del camino y su efecto sobre la velocidad de operación.

• En los casos en que existen cambios importantes en la velocidad media y por consiguiente de diseños geométricos, el método no permite determinar el efecto de esos cambios en el valor de consistencia. Este aspecto es relevante para el rediseño de zonas de transición de velocidad. Los resultados obtenidos en las rutas 4-1 y 4-2 ilustran esta limitación. Para resolverla, es necesario recurrir a un proceso iterativo aplicando los principios de segmentación dinámica o la teoría de identificación de cambios abruptos en series de datos.

• Puesto que la consistencia se determina en función de la velocidad media del segmento, es necesario asumir como supuesto que es una buena representación de la velocidad de diseño (o de proyecto) de un camino, lo cual no es necesariamente correcto cuando los trazados son altamente inconsistentes. Esto puede llevar a una subvaloración local de la inconsistencia de un trazado.

• Los umbrales de consistencia propuestos en el modelo de Polus, son asimilables a los umbrales propuestos por Lamm, los cuales a su vez son válidos solamente en curvas horizontales con baja pendiente longitudinal. Esto lleva a la necesidad de validar los umbrales propuestos por Polus. No obstante lo cual, para análisis a nivel de perfil se consideran adecuados en tanto no se dispongan de valores validados empíricamente.

El uso de técnicas de medición contínua de velocidad de operación (o señales discretas con alta densidad de datos), impone la necesidad de un post-procesamiento detallado de los datos para eliminar el ruido de fondo, ensamblar las señales de velocidad y posición, eliminar variaciones locales de velocidad y condensar datos a través de la suavización. Herramientas como las utilizadas en este trabajo, principalmente el filtro de Kalman y el método de suavización Loess, permiten realizar convenientemente estos post-procesamientos y son de fácil programación.

Los modelos de perfil de velocidad son útiles cuando se evalúan trazados nuevos, puesto que no se cuenta con mediciones directas de velocidad de operación. Debido a las limitaciones de los perfiles de velocidad teóricos, siempre es preferible en trazados existentes evaluar la consistencia usando mediciones directas de velocidad de operación.

En términos prácticos, se debe prestar especial atención al tratamiento de los extremos de las señales de velocidad, para evitar contabilizar como variaciones de velocidad a la necesaria aceleración en el arranque del vehiculo de ensayo y su deceleración por detención. En estos casos, es recomendable comenzar y terminar las mediciones en tangentes largas a fin de no perder datos para el análisis.

El método de Polus explica la consistencia principalmente a través de la desviación estándar de la velocidad y el valor de Ra. Tanto los análisis preliminares del modelo como los resultados de su aplicación, muestran que es coherente la proporcionalidad inversa entre alta variabilidad de velocidad de operación y consistencia: a mayor variabilidad menor consistencia, independientemente del valor de velocidad media en el segmento.

7. Agradecimientos

El autor de este trabajo desea agradecer al Fondo Nacional de Desarrollo Científico y Tecnológico (FONDECYT) del Ministerio de Educación de Chile, por el financiamiento otorgado al proyecto FONDECYT 11090029, dentro del cual se enmarca este trabajo.

8. Referencias

Cafiso S., Digrazziano A. y La Cava G. (2005), Actual driving data analysis for design consistency evaluation. Transportation Research Record, 1912, 19-30.         [ Links ]

Cox R. y Arndt O. (2010), Australian experience with using speed predictions models to determinate accurate design speeds. Paper 70. 4th International Symposium on Highway Geometric Design. España.         [ Links ]

Echaveguren T., Altamira A., Vargas-Tejeda S., y Riveros M.D. (2009), Criterios para el análisis de consistencia del diseño geométrico: velocidad, fricción, visibilidad y criterios agregados. Artículo A-59. XV Congreso Argentino de Vialidad y Tránsito. Argentina.         [ Links ]

Echaveguren T. (2010) Modelos de velocidad de operación. Estado del arte. Documento de Investigación DT - 01/10, FONDECYT 11090029. Universidad de Concepción. Chile.         [ Links ]

Echaveguren T., Sepúlveda P. y Vargas-Tejeda S. (2011), Evaluación de precisión de mediciones de velocidad de operación en carreteras obtenidas con GPS. Articulo 91. XV Congreso Chileno de Ingeniería de Transporte. Chile.         [ Links ]

Felipe E. y Navin, F. (1998), Automobiles on horizontal curves. Experiment and observations. Transportation Research Record, 1628, 50 - 56.         [ Links ]

Fitzpatrick K. y Collins J. (2000), Speed profile model for two-lane rural highways. Transportation Research Record, 1737, 42 - 49.         [ Links ]

García A. y Camacho A. (2009), Evaluación de la seguridad vial de carreteras convencionales mediante la determinación de la consistencia global de su diseño geométrico. Carreteras, 163, 21 - 32.         [ Links ]

Kim D. y Langley R. (2000), Kalman-filter-based GPS ambiguity resolution for real-time long-baseline kinematic applications. Workshop of the Central European Initiative (CEI) WG: Satellite Navigation Systems, Polonia.         [ Links ]

Lamm R., Chueiri E., Hayward J. y Paluri A. (1988), Possible design procedure to promote design consistency in highway geometric designo n two-lane rural roads. Transportation Research Record, 1195, 111 - 122.         [ Links ]

Memon A., Khaskheli G. y Qureshi A. (2008), Operating speed models for two-lane rural roads in Pakistan. Canadian Journal of Civil Engineering, 35(5), 443 - 453.         [ Links ]

Pérez A., García A., Camacho F. y D'Attoma P. (2010), Modeling operating speed and deceleration on two-lane rural roads with global positioning system data. Transportation Research Record, 2171, 11 - 20.         [ Links ]

Polus A., Pollatscheck M. y Mattar-Habibb C. (2004), New consistency model for rural highways and its relationship to safety. Journal of Transportation Engineering, 130(3), 286 - 293.         [ Links ]

Polus A., Pollatscheck M., Mattar-Habibb C. y Jarroush J. (2005), An enhanced, integrated design-consistency model for both level and mountainous highways and its relationships to safety. Road & Transport Research, 14(4), 13 - 26.         [ Links ]

Racelogic (2008), VBox mini User Guide. Racelogic Inc. Reino Unido.         [ Links ]

Rim H., Oh Ch., Park J. y Lee G. (2011), Correction of erroneous vehicle speed data with locally weighed regression for GPS - based probe vehicle monitoring. 90th TRB Annual Meeting. Estados Unidos.         [ Links ]

TIBCO (2008) TIBCO Spotfire S+(R) 8.1. Guide to statistics. TIBCO Sofware Inc. Estados Unidos.         [ Links ]

Zhao W., GoodchildA. y McCormackE. (2011), Evaluating the accuracy of spot speed data from global positioning systems for estimating truck travel speed. Transportation Research Record, 2246, 101 - 110.         [ Links ]


E-mail: techaveg@udec.cl 

Fecha de Recepción:03/02/2012 Fecha de Aceptación:04/07/2012