Parametros Intersecciones

1.
1 Preliminares
En este capítulo se entrega una detallada revisión bibliográfica de los antecedentes

existentes acerca de la modelación de intersecciones prioritaria, con un especial énfasis
en cuanto a la estimación de la capacidad e indicadores de performance (demoras,
paradas, etc.) de los movimientos no prioritarios.
El alcance de esta revisión, respecto a la profundidad y especificidad de los modelos

presentados, sobrepasan los objetivos específicos de esta tesis, sin embargo, son
incluidos, pues entregan una noción clara de los alcances de esta tesis y de la validez de
los modelos propuestos en el resto del informe.
Una intersección es un nodo de una red de calles y es usualmente donde el tráfico

genera cuellos de botella. La capacidad de la intersección puede restringir la capacidad
de toda la red. Las intersecciones prioritarias son las más comunes en las redes. La
capacidad de estas intersecciones es difícil de determinar.
Dos modelos generales de estimación de la capacidad han sido utilizados en

intersecciones prioritarias, modelos empíricos basados en técnicas de regresión y
modelos de aceptación de gaps, basados en la teoría de probabilidades.
1.1 Modelo Lineal de Capacidad
Otra manera de estimar la capacidad, corresponde a la determinación de ésta por

medio del mejor ajuste a datos observados usando técnicas de regresión. De esta
manera, se busca linealizar el flujo de la vía no prioritaria en función del flujo de la
prioritaria, de la siguiente manera:
0 ∑

Error! No text of specified style in document.--1
Caso general (da cuenta de todo tipo de situaciones):
'(0 ∑ )
* +,
C(s): capacidad del movimiento no prioritario
q(0): flujo de saturación o máximo del no prioritario cuando todos los q(i)=0
q(i): flujo del movimiento prioritario pertinente
ρi: coeficiente de la regresión
X,Y,Z: funciones de parámetros geométricos
En la figura XX se presenta la nomenclatura utilizada para describir los flujos

involucrados.
1.1.1 Parámetros Geométricos
X representa Cambios proporcionales en la capacidad. Magnitudes dadas por:
1+bw, W: ancho de la vía no prioritaria
1+aV, V: visibilidad del conductor en la no prioritaria hacia la prioritaria
'. /1 * 0.0942.34 3.658/1 * 0.00099.34 1208

': /1 * 0.0942:3. 3.658/1 * 0.00099 : 1208/1 * 0.00069;: 1508 Error!

No text of specified style in document.--4
'< /1 * 0.0942<3: 3.658/1 * 0.00099<3: 1508

'4 /1 * 0.094243< 3.658/1 * 0.00099 4 1208/1 * 0.00069;4 1508

=: /1 * 0.0942:3< 3.658/1 * 0.00099 : 1508

=4 /1 * 0.094243. 3.658/1 * 0.00099 4 1508

Donde,
Wcr es el ancho de la reserva central en intersecciones de con vía prioritaria con

pistas en ambos sentidos.
Wes el ancho total en la vía prioritaria, excluyendo reservas centrales.
wA-D es el ancho de pista disponible para el flujo A-D.
ViB y VdB son las visibilidades hacia la izquierda y derecha respectivamente desde un
punto 10 metros antes de la línea de detención en la vía prioritaria.
VA-D es la visibilidad a lo largo de la vía prioritaria para el flujo A-D que esta
esperando para doblar.
Y representa el efecto del ancho de la pista prioritaria en la capacidad, dado por:
) 1 0.0345@
H por su parte representa el efecto de la presencia de refugios centrales para los giros
a la derecha desde la vía no prioritaria.
14@<B CDE F GF HIDIJKF LE MDEDNFDER

+A
0 ENDE OGPQE
1.1.2 Capacidad en una intersección T
´:3< =: /754 )0.364.3< * 0.144.3: 8

:3. ': /627 * + )0.364.3< * 0.144.3: *0.229<3. * 0.520<3: 8

<3: ': /754 0.364).3< * .3: 8

Con C´ es la capacidad de un movimiento que será modificada producto del efecto

del cambio de visibilidad asociado a la generación de colas.
1.1.3 Capacidad para Cruces
´:3< =: /754 )0.364.3< * 0.144.3: 8

:3. ': /627 * + )(0.364.3< * .34 * 43. * 43: R
R*0.144.3: *0.229<3. * 0.52<3: * R0.18243< ,8
<3: ': /754 0.364)(.3< * .3: * 0.52.34 ,8

Para movimientos no prioritarios que crucen la intersección (B-D o D-B) la

capacidad es:
:34 T/627 * + )(0.364.3< * .34 R * 0.144.3:

R*0.52<3: * R0.299<3. * <34 ,8
(para la pista izquierda es C´B-D)
Con
=: V1 * 0.00069;: 150W MNF XPIDHFR

TU
': MNF HIDIJKF
Para CD-A, CD-C, CA-D y CD-B se deriva similarmente usando ZD, XD, XA, VdD y los
flujos simétricos respectivos.
1.2 Teoría de Aceptación de Brechas (gap)
En una intersección prioritaria, las llegadas estocásticas de vehículos del flujo

prioritario, tanto con un proceso deterministico o aleatorio de inserción, definen un
proceso de aceptación de gaps. Como es sostenido en Heidemann (1997), este proceso
induce una secuencia alternante de tiempos disponibles para la inserción llamados
antibloqueos y períodos ocupados, debido a un vehículo o a un pelotón, definido como
bloqueo.
La capacidad del flujo no prioritario estará determinada por la percepción y manera

de actuar de los conductores hacia los gaps y bloqueos que se generen en el flujo
prioritario.
La idea básica del modelo de aceptación de gaps es que los vehículos de la vía
prioritaria pueden cruzar la intersección sin experimentar demora, y los vehículos no
prioritarios sólo se les permite el paso por el área de conflicto si el gap observado por
los conductores son mayores a un gap crítico (tc), de lo contrario, tienen que esperar.
Más aún, los vehículos no prioritarios pueden entrar al menos tf segundos (tf es el follow
time) después de la partida del vehículo previo.
Partiendo de la capacidad, otros parámetros de tráfico, que representan la calidad del

tráfico, pueden ser calculados.
En una intersección prioritaria, un movimiento no prioritario esta sujeto a distintos

movimientos prioritarios. Asociado al sistema de prioridad en la intersección, existe una
jerarquía entre los movimientos de acuerdo a la prioridad que se tenga para cruzar.
La nomenclatura utilizada para describir cada uno de los movimientos involucrados

se presenta en la Figura Error! No text of specified style in document.-1.
Figura Error! No text of specified style in document.-1: Nomenclatura de

movimientos
De esta manera podemos clasificar los movimientos involucrados como:
• Cruce prioritario: Movimientos 2 y 5.
• Giro a la derecha prioritario: Movimientos 3 y 6
• Giro a la izquierda prioritario: Movimientos 1 y 4
• Cruce no prioritario: Movimientos 8 y 11

• Giro a la derecha no prioritario: Movimientos 9 y 12
• Giro a la izquierda no prioritario: Movimientos 7 y 10
• Cruce peatonal prioritario: Movimientos 15 y 16
• Cruce Peatonal no prioritario: Movimientos 13 y 14
La interacción de estos movimientos en la intersección debe satisfacer un orden de

prioridad. De esta manera podemos hacer un ranking de los movimientos a partir de la
prioridad que tengan en la intersección:
• Ranking 1: Movimientos 2, 3, 5, 6, 15 y 16
• Ranking 2: Movimientos 1, 4, 9,12 13 y 14
• Ranking 3: Movimientos 8 y 11
• Ranking 4: Movimientos 7 y 10
1.2.1 Distribuciones de Headway
De manera de poder estimar la capacidad de los movimientos involucrados en la

intersección, es necesario modelar el proceso de llegadas y formación de headways de
los movimientos prioritarios.
Por headway se entiende a la distancia temporal entre las partes frontales de dos
vehículos consecutivos que pasan un punto de observación. Corresponde a la suma del
tiempo que le toma a un vehículo pasar el punto de observación (tiempo de ocupación)
y el intervalo de tiempo (gap) con respecto a la llegada del siguiente vehículo. Por lo
tanto, si se ignora el largo de los vehículos, headways y gaps son iguales.
Si asumimos que un vehículo no prioritario llega a la línea de detención o de ceda el

paso en un tiempo τ, que el vehículo prioritario predecesor lo hizo en el instante τi, y el
vehículo prioritario siguiente en el instante τ i+1 (ver Figura Error! No text of specified
style in document.-2). El tiempo entre la pasada del vehículo prioritario previo y la
llegada del vehículo no prioritario, B(τ) = τ - τi, se llama “Backward waiting time” o
“current life”. El tiempo entre la llegada y la pasada del vehículo prioritario siguiente,
γ(τ) = τi+1 – τ, se llama “Forward waiting time” o lag.
Figura Error! No text of specified style in document.-2 Relación headways y lags
Llamaremos f(t) a la función de densidad de probabilidad, F(t) a la función

acumulada de probabilidad, R(t) a la función de supervivencia, E[T] a la esperanza
matemática de la distribución, fγ(t) a la función de densidad de probabilidad de lags y
Rγ(t) a la función de supervivencia de lags.
Se cumple, por teoría de probabilidades que:
[
YN Z\ ONHN
^
]N Z[ ONHN 1 YN
^ ^
_/`8 Z\ NON Z\ ]NHN
Oa b
Bc
d/e8
]a b
^
Z ]fHf
d/e8 c
Si las llegadas de vehículos en el flujo prioritario se asumen completamente

aleatorias, la densidad de probabilidad de headways t entre dos vehículo es una
exponencial negativa. A continuación, se presentan las principales funciones que
representan la distribución:
ON gI 3h[
YN 1 I 3h[
]N I 3h[
^ ^
_/`8 Z\ ]NHN Z\ I 3h[ HN h
A partir del headway esperado se puede sostener que λ = 1/E[T], es decir, λ = qp

[veh/seg].
Oa b
Bc
gI 3hc
d/e8
]a b I 3hc
Una de las principales características de esta distribución, que al tratarse de llegadas

aleatorias de un proceso de Poisson, se cumple la propiedad markoviana de un proceso
sin memoria, es decir:
m nopqr
i` j k * b|` j k m nop
I 3hc i` j b
Si se asume llegadas aleatorias, pero con un gap mínimo ∆, se esta en presencia de

una distribución exponencial desfasada. La función de densidad de probabilidad es:
0 N t ∆R
ON s
vI 3w[3x Ny∆
Con θ un parámetro de escala. De esta manera, se obtiene:
0 N t ∆R
YN s 3w[3x
1I Ny∆
1 N t ∆R
]N s 3w[3x
I Ny∆
^ ∆ ^
_/`8 Z\ ]NHN Z\ HN * Z∆ I 3w[3x HN ∆ * w
w
zw∆
d/e8
De esta manera, se puede expresar θ en función
función del flujo prioritario como:
h
v
3hx 3 x
w
bt∆
Oa b
Bc

wBc
wm nrn
zw∆ R
by∆
d/e8 zw∆
zw∆
wc
1 bt∆
]a b m nrn R
zw∆
by∆
zw∆
En cambio, si se tienen condiciones de apelotonamiento, se modela la combinación

de vehículos libres y apelotonados. Se asume que los vehículos apelotonados siguen una
distribución exponencial desfasada con un headway mínimo ∆ (Cowan, 1975). El
tráfico bajo esta distribución se subdivide en dos categorías.
• Flujo prioritario libre: bajo esta condición, se asume que los vehículos no
influyen al vehículo de atrás. Matemáticamente significa que: las llegadas de
vehículos que van en sucesión por azar y absolutamente independientes entre
ellos, por lo tanto los gaps entre dos vehículos pueden tomar el valor de cero.
• Flujo prioritario apelotonado: se asume que entre dos vehículos sucesivos

existe un gap mínimo. Bajo esta suposición distintas distribuciones de gaps
pueden ser obtenidas.
La función de densidad de probabilidad de la distribución es:
0 Nt∆
ON 1 N ΔR
I 3[3x
Nj∆
Con la proporción de headways de vehículos libres y un parámetro de escala.
0 N t ∆R
YN A
1 I 3[3x Ny∆
1 N t ∆R
]N A 3[3x
I Ny∆
^ ∆ ^
_/`8 Z\ ]NHN Z\ HN * Z∆ I 3[3x HN ∆ *


d/e8 z∆
A partir del resultado anterior, se obtiene que:

h

3hx 3 x

bt∆
Oa b
Bc

Bc z∆
m nrn R
by∆
d/e8 z∆
z∆
c
1 za∆ bt∆
]a b m nrn R
z∆
by∆
Los modelos aleatorios, pueden ser derivados como casos especiales del modelo de
apelotonamiento, a través de simples suposiciones acerca del las características del
apelotonamiento en el flujo de llegada.
• Modelo exponencial negativo ∆ 0 f 1.0
• Modelo exponencial desfasado 1.0
En general, φ depende de la intensidad de tráfico qp. Bajo el supuesto que sostener

un mínimo gap ∆ afecta los vehículos en el flujo prioritario como un sistema de colas
M/D/1, Tanner (1962) especifico la porción de tráfico libre como:
1 Δ
SIDRA INTERSECTIONS versión 2.0, Akcelik y Chung (1994a) utiliza:
I 3∆
Jacobs (1980) propone la estimación de φ como:
I 3
En este caso k, es un parámetro con valor entre 4 y 9. La misma relación fue utilizada
por Sullivan y Troutbeck (1993).
La última versión del software SIDRA INTERSECTIONS versión 2.1, Akcelik

(2006), utiliza:
1∆

11H ∆
Con kd es un parámetro de demora en el apelotonamiento (constante).
Este modelo fue derivada usando un método que integra distribuciones de velocidad-
flujo y headways para tráfico ininterrumpido, por medio del uso de un parámetro común
de demora de tráfico kd.
En la tabla Los valores de kd fueron determinados por Akcelik (2006), los cuales
fueron calculados a partir de datos dados en SR 35 (Troubeck 1989) para flujos
circulantes en rotondas. Las relaciones velocidad-flujo resultantes fueron también
consideradas al momento de elegir los valores apropiados del parámetro.
Número Flujos ininterrumpidos de tráfico Flujos circulantes en rotondas

∆ ∆
total de
3600/∆ b kd 3600/∆ B kd
pistas
1 1.8 2000 0.5 0.20 2.0 1800 2.5 2.2
2 0.9 4000 0.3 0.20 1.0 3600 2.5 2.2
>2 0.6 6000 0.7 0.30 0.8 4500 2.5 2.2
Tabla 1 : Parámetros modelo de headways de Akcelik
1.2.2 Partidas discretas y continuas.
En la selección de la función para el número de partidas que cruzan o ingresan desde

el flujo no prioritario al flujo prioritario, dos modelos con dos diferentes supuestos
existen para la función g(t):
• Partidas discretas
• Partidas continúas
Para partidas discretas, se asume que un gap t con largo tc ≤ t < tc + tf permite la
partida de un vehículo, un gap de lago tc + tf ≤ t < tc + 2tf permite la partida de dos
vehículos, un gap de largo tc + 2tf ≤ t < tc + 3tf permite la partida de tres vehículos y así
sucesivamente. De esta manera la función de partidas discreta g(t) se lee como (cf.
Harders, 1968).
0 MFDF N t N
CN [3[ R
LN [
MFDF N y N
Con
tc: gap crítico
tf: tiempo de seguimiento
int(x): la parte entera de x
La función de intensidad de partidas correspondiente se lee como:
0 MFDF N t N
CŃ [3[ R
1 MFDF N y N f EH [
0
La probabilidad de que ocurran i partidas durante un headway aleatorio, es la

probabilidad que el headway tenga un tamaño apropiado. De esta manera se puede
sostener que:
i(C , iN * 1N N N * N Z[ z 3[

[ z [

OPHP

YVN * N W YVN * 1N W ]VN * 1N W ]VN * N W

El proceso de partidas no prioritarias puede modelarse de manera continua

asumiendo una recta que represente el proceso escalonado que seda en el caso discreto.
La Figura Error! No text of specified style in document.-3 presenta la representación
del proceso continuo y discreto
Número de Partidas
t0 tc tc+ tc tc+ 2tc tc+3tc
Figura Error! No text of specified style in document.-3: Proceso de partidas discreto y

continuo
Con, t0 como el headway mínimo aceptable. El proceso de partidas se considera

continuo, por lo tanto, siempre y cuando los lags sean mayores a t0, el flujo no
prioritario de partida será tf-1.
Asumiendo que la partida de vehículos es un proceso continúo y realizado durante un

intervalo de tiempo de largo tf. El tiempo promedio de partida del primer vehículo es
igual a tc. De esta manera Siegloch (1973) propone que:
NO
N0 NJ
2
La función g(t) en este caso es (cf. Siegloch, 1973):
0 MFDF N t N\
CN [3[¡ MFDF N y N R
[ \

0 MFDF N t N\
CŃ MFDF N y N\
R
[
1.2.3 Capacidad Potencial
Esta sección describe las formulas teóricas básicas usadas para la estimación de la
capacidad potencial.
La capacidad potencial describe la capacidad de un flujo no prioritario bajo
condiciones ideales. Se asume que el movimiento no prioritario no esta sujeto a
impedimentos y que usa una pista exclusiva. Cuando los efectos de impedancia son
considerados (por ejemplo, presencia de colas en movimientos de mayor ranking),
HCM2000 llama a la capacidad estimada como capacidad del movimiento.
La capacidad potencial de un movimiento asume:
• Tráfico cerca de la intersección no bloquea al movimiento en cuestión
• Una pista exclusiva es provista a cada movimiento.
• Intersecciones aguas arriba no afectan el patrón de llegada de los

movimientos prioritarios.
• No existen otros movimientos que afecten al movimiento en cuestión.
En condiciones ideales, la capacidad potencial se puede estimar como la

multiplicación de el número esperado de partidas de vehículos durante un headway
aleatorio E[g], por el número esperado de headways qp.
M M _/C8
Si consideramos un proceso de partidas discretas podemos estimar E[g] a partir de la

fórmula YVN * N W YVN * 1N W ]VN * 1N W ]VN * N W
Error! No text of specified style in document.-53, como:
_/C8 ∑^
\ iC ∑ \ ]VN * 1N W i]VN * N W ∑ \ ]VN * N W
^ ^
De esta manera, la capacidad potencial se estima como:
M M ∑ ∞
0 ]VNJ * NO W
Si consideramos una distribución exponencial negativa de headways y utilizando la

expresión ON gI 3h[ Error! No text of specified style in document.-24
y, obtenemos (fórmula de Harders, 1968; cf. También Daganzo, 1977):
m n£ ¤
∑^
\ I
3hV[ z [ W
I 3h[ ∑^
\ I
3h [ 1
n£ ¤
3m
Si consideramos una distribución exponencial desfasada de headways y utilizamos

0 N t ∆R
las expresiones ON s
vI 3w[3x Ny∆
Error! No text of specified style in

document.-31 y v 3hx 3
h
x
document.-36, obtenemos:
n©ª ¤ n

¦§¨
∑^
m n¥¤ n
\ I
3wV[ z [ 3xW

«n©ª
n¥¤ n©ª ¤
3m 3¦§¨
«n©ª
De forma similar obtenemos para la siguiente expresión si se considera una

distribución exponencial apelotonada desfasada, en base a las expresiones ON
0 Nt∆
1 N ΔR
I 3[3x Nj∆
Error! No text of specified style in document.-39

y
h
3hx 3 x
Error! No text of specified style in document.-44.
n©ª ®¤ n

¬¦n¤ n ¦§¨

®n©ª
n¤ n©ª ®¤
3¦ 3¦§¨
®n©ª
Si consideramos partidas continuas, la capacidad potencial se puede estimar como:
^
Z\ CNONHN
Utilizando la, la expresión anterior se puede reformular como utilizando la fórmula

0 MFDF N t N\
CN [3[¡ MFDF N y N R
\
[
document.-55:
ZN N N0 ONHN ¯ZN NONHN N0 ]N0 °

M ∞ M ∞
M
NO 0 NO 0
∑^
\ F , Ft1
El resultado es obtenido usando la propiedad de convergencia de una serie geométrica:

3±
De esta manera, podemos obtener la capacidad potencial considerando partidas
continuas y una distribución exponencial negativa de headways (fórmula de Siegloch,
1973).
M
¯g ² 0 * 2 ³ IgN0 N0 IgN0 °
N
¯g ZN NIgN HN N0 IgN0 ° 2
M ∞ 1 M
M IgN0
NO 0 NO g g gNO
M N0
I
M
NO
Si consideramos una distribución exponencial desfasada, obtenemos:
^ N\ 1
´v µ NI 3w[3∆ HN N\ I 3w[¡ 3∆ ¶ ·v * ¸ I 3w[3∆ N\ I 3w[¡ 3∆ ¹
N [¡ N v v
3w[ 3∆
I ¡
vN
nM N0 ∆
²1M ∆³
M
NO
e ²«nM∆³
Si consideramos una distribución exponencial apelotonada desfasada, se tiene:

M
M IN0 ∆
NO
M N0 ∆

²1M ∆³
M I ²1M ∆³
NO
1.2.3.1 Comportamiento Inconsistente y Consistente
Debido a que conductores y vehículos difieren, los gaps y lags mínimos aceptados
por los conductores y los headways entre partidas difieren de vehículo en vehículo. El
comportamiento de los conductores es heterogéneo. Adicionalmente, incluso bajo
condiciones similares, un conductor puede actuar de manera distinta en distintos
momentos. Un conductor puede aceptar un gap menor a un gap rechazado
anteriormente. Este tipo de comportamiento se llama inconsistente. Aparentemente la
inconsistencia esta relacionada con la real inconsistencia en el comportamiento de los
conductores, pero es posible que la mayor parte de las inconsistencias observadas
^
Z± I 3» H¼ ¯² ½ ³ I 3» ° ² * ½ ³ I 3±
2 ^ 3» ±
±
pueden ser explicada por factores de una situación específica, como por ejemplo, el
tiempo de espera o la variación de la velocidad o el tipo de vehículo prioritario.
En los modelos matemáticos es usualmente asumido un comportamiento consistente

y homogéneo. Un conductor consistente se comporta de la misma manera cada vez que
enfrenta situaciones similares. Un conductor inconsistente determina un nuevo gap
crítico para cada headway prioritario (Ashworth 1969, Plank y Catchpole 1984), o
asigna a cada gap una probabilidad de cruzar (Weiss y Maradudin 1962, Hawkes 1968).
Típicamente el headway aceptable decrece cuando el número de gaps rechazado crece.
Este comportamiento es llamado impaciente. De esta manera, la inconsistencia aumenta
la capacidad.
Si los conductores son homogéneos, no existe diferencia en el comportamiento de

distintos conductores bajos condiciones similares. Conductores inconsistentes
homogéneos eligen de la misma manera el gap crítico para cada headway. En el caso de
conductores heterogéneos consistentes, cada conductor tiene un gap crítico individual
obtenido de una distribución común. Este gap crítico es utilizado para todos los
headways prioritarios. Vehículos con gaps críticos más grandes se encuentran
usualmente al frente de la cola (Catchpole y Plank 1986), lo que produce que una
disminución de la capacidad (Wegmann 1991).
Cuando un flujo no prioritario es inconsistente y heterogéneo cada conductor tienen

un conjunto de gaps críticos para cada lag o headway prioritario individual. Debido a
que la inconsistencia aumenta la capacidad y la heterogeneidad disminuye la capacidad,
el efecto total de asumir consistencia y homogeneidad se ha considerado que produce
distorsiones mínimas comparadas con el caso de heterogeneidad e inconsistencia
(Catchpole y Plank1986, Troutbeck 1988).
Heidemann y Wegmann (1997) formularon un modelo que permite distinguir un

comportamiento consistente e inconsistente respecto a la aceptación de gaps por parte
de los conductores.
Considerando un tráfico apelotonado con un gap mínimo τ y una porción de tráfico

apelotonado igual a 1- φ. Partidas discretas y gaps distribuidos exponencialmente con
porción de tráfico libre igual a φ.
Â[ À Âx3À

À Â[´ À 3
¾¿ ¿[m[m z:Á 3Â[ 3Â[ À
À
À
¾¿ ¿[m[m zÀ:Á
V3Â[ ÀWÂ[´ À 3Â²[ À³Â[ 3À ÂxÀ
Con,
ÃÁ ,
x Ä
N´ N Δ
Considerando un tráfico apelotonado con un gap mínimo ∆ y una porción de tráfico

apelotonado igual a 1- φ. Partidas continúas y gaps distribuidos exponencialmente con
porción de tráfico libre igual a φ, sin considerar una distribución para tf.
À Â[´¡ À
¾¿ ¿[m[m zÀ:Á ÄW Â[¡ À Âx3À
V1 q¨ Δ
Å
[ [Å
À
¾¿ ¿[m[m V1 q¨ Δ
ÄWδ
zÀ:Á [Å Â[´¡ À [Å Â[ 3À ÂxÀ
¡
Con,
t´0 = t0 - ∆
1.2.3.2 Consideración de distribuciones para tc, tf y ∆
En la sección 1.2.3 se derivaron fórmulas para distintos autores considerando los

parámetros tc, tf y τ como dados. En esta sección nuevas fórmulas que consideran una
distribución para los parámetros son presentadas.
Como supuesto se puede asumir una distribución de densidad de probabilidad f(tc),

f(tf) y f(∆) a partir de una función Erlang (también se pueden ocupar otras funciones,
tales como una distribución Log Normal). Al usar una función Erlang la capacidad
puede expresarse como una función analítica explícita. Una distribución Erlang tiene
una función de densidad:
3
ÂVN´ δW Transformada de Laplace de t´Ç para δ
ÂVN´ δW ÂN δÂΔδ
ÊN» È¤É 3 I 3[É

IDGN»
È¤É 3!
Con,
Ë[É
Ê ÌNÄ
»
NÄ» : Valor promedio de tx.
Ë[É : Parámetro de la distribución Erlang de tx.
Si analizamos las expresiones
¾¿ ¿[m[m z:Á 3Â[

À Â[´ À Â[ À Âx3À
À 3Â[ À
Error! No text of

¾¿ ¿[m[m Å V1
À
zÀ:Á [ Â[´¡ À
specified style in document.-68 a
Ä Wδ
q¨Δ

[Å Â[¡ 3À ÂxÀ
document.-71, considerando una distribución para los parámetros podemos utilizar la

siguiente expresión para la transformada de Laplace para la distribución Erlang.
3È¤É
[Å
ÂVN» W È É * 1
¤É
Debido a que la transformada de Laplace Âtq siempre tienen valores mayores

para distribuciones de t(q) que para un valor constante de t(q), es evidente que de
acuerdo a la ecuación ¾¿ ¿[m[m z:Á 3Â[

À 3Â[ À
Error! No text of specified style in document.-68que en inconsistencia tanto la

distribución de gaps tc o la distribución de tiempos de seguimiento tf o la distribución de
gaps ∆ aumentan la capacidad C. En el caso de la ecuación
¾¿ ¿[m[m zÀ:Á V3Â[

À
ÀWÂ[´ À 3Â²[ À³Â[ 3À ÂxÀ
Error! No text of specified style in document.-69 la capacidad crece con la

distribución de tf y decrece con distribuciones de tc y ∆.
Si reemplazamos en las ecuaciones
¾¿ ¿[m[m z:Á 3Â[

À 3Â[ À
Error! No text of
¾¿ ¿[m[m
À
zÀ:Á V3Â[ ÀWÂ[´ À
specified style in document.-68 y

3Â²[ À³Â[ 3À ÂxÀ
document.-69 la transformación respectiva de la distribución de Erlang, dada por la

3È¤É
[ÅÉ
ecuación ÂVN» W * 1
È¤É
document.-73 se obtiene expresiones más generalizadas para la capacidad potencial con

partidas discretas y distribución exponencial apelotonada desfasada de headways.
nÏÍÎ Ä nÏ
ÍÁ
Î z z
; ¿,
ÏÍÎ Ï
nÏÍ
ÍÁ Ñ
3Ð Ñ zÒ
ÏÍ
Ñ
ÏÍÎ Ä Ï
nÍÁÎ
z z
; ¿,¾¿
ÏÍÎ Ï
nÏÍ
ÍÁ Ñ
3Ð Ñ zÒ
ÏÍ
Ñ
Además, si consideramos que tc, tf y ∆ tienen que mantener valores mínimos dados
por Ó[ j ÓÔ , Ó j 0 y Óx j 0 obtenemos las siguientes expresiones:
nÏÍÎ nÏ
²ÍÁÎ nÕ¤ ³ Ä nÕ W
nÕ¤ V
Ð zÒ ¦
z ¦Õ
; ¿,
ÏÍÎ Ï
nÏÍ
²ÍÁÑ nÕ ³ Ñ
nÕ
3Ð zÒ ¦
ÏÍ
Ñ
ÏÍÎ
n²ÍÁÎ nÕ¤ ³ ÏÖ
nÕ¤ nÖÁnÕÕ
Ð zÒ ¦
² z³ ¦ÕÕ
; ¿,¾¿
ÏÍÎ ÏÖ
nÏÍ
²ÍÁÑ nÕ ³ Ñ
nÕ
3Ð zÒ ¦
ÏÍ
Ñ
Análogamente, para el caso de partidas continuas obtenemos
3ÙÍ¡ 3Ù
ÀVØÅ¡ 3Ô¤¡ W Ä 3Ô
3Àx
¾[, V1 q¨ τÁW [Å * 1 e3ÀÔ¤¡ ² * 1³ eÀÔ
ÙÍ¡ Ù
ÙÍ¡ Ù
3ÀVØÅ¡ 3Ô¤¡ W Ä 3Ô
Àx
¾[,¾¿ V1 q¨ τÁW [Å ÙÍ¡
* 1 e3ÀÔ¤¡ ² * 1³ eÀÔÕ
Ù
1.2.3.3 Sistemas con prioridad limitada y absoluta
El sistema de prioridad limitada permite al flujo prioritario ajustar sus posiciones

relativas hasta cierto nivel, de manera de poder acomodar a vehículos no prioritarios que
ingresan. Por simplicidad, se asume la existencia de dos vías en conflicto, con una pista
cada una.
En este sistema, se asume que los vehículos prioritarios llegan a la intersección con
headways mayores o iguales a ∆. El flujo prioritario y no prioritario requiere de
headways al menos iguales a ∆, y follow-time tf, respectivamente después del ingreso.
El tamaño del tiempo “follow-up”, tf, usualmente no es menor a ∆.
Se asume que todos los conductores no prioritarios son consistentes y homogéneos,

por lo que tienen el mismo gap crítico y tiempo “follow-up” constantes. Para un ingreso
con prioridad limitada, el gap crítico, tc, debe ser mayor que ∆, de lo contrario los
vehículos no prioritarios aceptaran oportunidades de ingreso entre vehículos prioritarios
apelotonados. Similarmente, tc, debe ser menor que la suma entre tf y ∆, pues de lo
contrario el sistema debiera modelarse con prioridad absoluta.
Debido a que los vehículos prioritarios sus velocidades y posiciones relativas en un

ingreso con prioridad limitada, los conductores no prioritarios deberán estimar el tiempo
entre la última partida en el flujo prioritario hasta la próxima llegada. Este tipo es
tratado como “oportunidad de ingreso”. Si la oportunidad de ingreso es menor a tc,
entonces no se podrá realizar el ingreso. Si la oportunidad es menor a ∆, los conductores
deberán reducir su velocidad para ofrecer un headway igual a ∆ después del área de
ingreso.
En un sistema de prioridad limitada, la distribución de headways del flujo prioritario

presentada al flujo no prioritario difiere con la distribución de headways generada aguas
arriba, debido a que algunos vehículos prioritarios experimentan demoras. El tamaño de
una oportunidad de ingreso en el punto de ingreso, podría ser temporalmente menor al
mínimo tamaño ∆, producto de la demora de un vehículo anterior. Esta demora puede
ser determinada a partir de la relación entre el headway prioritario aguas arriba al punto
de ingreso y el gap requerido después del ingreso. La demora varía desde cero a un
máximo igual a tf + ∆ - tc Ningún vehículo prioritario se demorará si tc es igual a tf + ∆.
Para la formulación de la capacidad se considera la distribución de headways
propuesta por Cowan (1975), anteriormente descrita (ver sección XXX) y la
distribución de oportunidades de ingreso, g, propuesta por Troutbeck (1995), para un
sistema de prioridad limitada. La expresión para la función de distribución acumulada
G(t), es:
ÚN 1 ÛI 3[3∆ , N y ∆

Con
¦ÍÑ 3
Û
¦ÍÑ 3¦nÜ 3ÀÝ¦nÍÑ
Þ N N Δ
De esta manera se puede estimar la capacidad como:
ßm n¤ n

n¤
3m
1.2.4 Capacidad de un movimiento
A continuación se presentan una descripción detallada de los modelos utilizados en la

literatura para la extensión del problema de aceptación de gaps en intersecciones
prioritarias anteriormente descritos a casos más realistas en que los flujos no prioritarios
deben buscar gaps aceptables desde un conjunto de gaps generados por movimientos de
mayor prioridad en la intersección.
1.2.4.1 Capacidad potencial bajo múltiples flujos
Los modelos de capacidad potencial descritos anteriormente, asumen un único flujo

prioritario en una pista. En la mayoría de los casos los flujos no prioritarios enfrentan
varios flujos prioritarios, de los cuales, algunos comparten pista con otros flujos u
ocupan más de una pista. Esta sección discute el efecto de múltiples flujos prioritarios
independientes.
Considerando una intersección T con una pista exclusiva de viraje a la izquierda

prioritaria. Los movimientos 2 y 5 (prioritarios) pueden considerarse como dos flujos
independientes para el viraje izquierda no prioritario (7). El conjunto de flujos
prioritarios independientes para el movimiento 7 es I7 = {2,5}. El flujo 4 no es
independiente pues debe dar prioridad a los flujos 2 y 3.
Si los flujos prioritarios se describen a través de un proceso de puntos, el flujo

combinado prioritario es una superposición de procesos de componentes. El proceso de
superpuesto no tienen las restricciones de headways mínimos que puedan tener los
procesos de componentes.
Un proceso superpuesto es más parecido a un proceso Poisson que al proceso de

componentes (Cox e Isham 1980). Palm (1943) propuso que la superposición de un gran
número de puntos independientes dispersos conduce a un proceso de Poisson en el
límite. El primer teorema del límite de un proceso de puntos fue desarrollado por
Khintchine (1960). El teorema explica el rol central del proceso de Poisson en la teoría
de tráfico. Si las llegadas de los vehículos se consideran como procesos separados, el
proceso de llegadas de todos los vehículos es la superposición de un gran número de
procesos de componentes, el cual puede ser aproximado por un proceso Poisson. Sin
embargo, largos físicos e intervalos de seguridad de vehículos, así como oportunidades
limitadas para pasar, hacen que los procesos de componentes dependan entre ellos, la
cual es ignorada por la aproximación de Poisson.
Otro importante resultado de la teoria de procesos de puntos es que la superposición

de dos procesos independientes de renovación es un proceso de renovación si y sólo si
las componentes son procesos de Poisson (Cox y Isham 1980). Procesos de
componentes sin memoria producen un proceso superpuesto sin memoria. Si los
procesos de componentes son de renovación, pero su futuro depende de la historia (tal
como la condición de headway mínimo), todos los puntos del proceso superpuesto dejan
de ser puntos renovados.
El número de puntos en un proceso superpuesto durante un intervalo largo de tiempo,

es la suma de puntos de los procesos de componentes durante el mismo intervalo. Por lo
tanto, el flujo superpuesto es la suma de los flujos de componentes.
à, ∑ áâã
Donde Ik es el conjunto de flujos prioritarios independientes para el flujo no

prioritario k.
Asumamos una vía prioritaria con múltiples pistas (i є Ik) de flujos independientes, a
los cuales el flujo no prioritario k debe dar prioridad. Cuando un vehículo no prioritario
alcanza la primera posición en la cola en instante τ, el lag es el intervalo con respecto a
la llegada al primer vehículo de cualquiera de los procesos de componentes i є Ik. La
función de supervivencia de la distribución de lags en un proceso de superposición es
(Thompson 1988):
]a,âã b iâã Ó j b ∏ á âã i( Ó j b, ∏ á âã ]a, b

Donde Ó es el lag en el proceso de componentes i partiendo del tiempo τ, y

âã Ó es el lag del proceso superpuesto. El cálculo de P{ Ó} puede requerir
información respecto al tiempo de llegada τ en la pista i.
Si τ es el tiempo de la última llegada en el proceso superpuesto, el headway

representativo de todas las pistas es mayor a t si el headway en la pista j (pista de la
última llegada) y los lags en todas las otras pistas son mayores a t (Cox y Smith 1954):
]âã ,å N i`å j N ∏ á âã i( Ó j N, ]å N ∏ á âã ]a, N

æå æå
La probabilidad que un punto cualquiera sea de un proceso de componentes j є Ik es

la proporción de puntos del proceso j en el proceso superpuesto (Weiss y Maradudin
1962):
ç ç
Må ∑
è á éã è ê,ã
La función de supervivencia de headways en un proceso superpuesto puede ser

representada como:
]âã N ∑å á âã Må i`å j N ∏ á âã i( Ó j N, ∑å á âã Må ]å N ∏ á âã ]a, N

æå æå
∑å á âã å ]å N ∏ á âã ]a, N

ê,ã
æå
De esta manera, si consideramos partidas discretas dada por la función CN

0 MFDF N t N
R
LN MFDF N y N
[3[ Error! No text of specified style in document.-51
[
y reemplzando la expresión ∑å á âã å ]å N ∏ á âã ]a, N

ê,ã
Error! No
æå
text of specified style in document.-88 en la fórmula para la capacidad potencial dada

por ∑^
\ ]VN * N W Error! No text of specified style in
document.-59, obtenemos:
, à, ∑^
¿\ ]âã VN, * N, W
∑^
¿\ ∑å á âã å ]å VN, * N, W ∏ á âã ]a, VN, * N, W
æå
Se asume que no existe correlación serial entre dos consecutivos headways. De esta
manera la historia de un headway en la pista j anterior al tiempo τ no afecta la
probabilidad P{Tj>t}. Se asume también que la historia de los otros procesos en Ik es
ignorada, lo cual no siempre es un supuesto realista.
En un proceso Poisson los headways siguen una distribución exponencial negativa, y

la propiedad de Markov simplifica considerablemente las ecuaciones. La distribución de
lags en cada pista son idénticas a las de headways y ellas no dependen en la historia.
i( Ó j b, i( j b, I 3hè c

La función de supervivencia de headways en el proceso superpuesto queda:
]âã b ∏ á âã I 3hè c I 3c ∑èë éã hè

Debido a que g ∑ ì âã g à,
ê,ã m n£ê,ã ¤
, n£ê,ã ¤
3m
Si los headways siguen una distribución exponencial desfasada la función de

supervivencia y lags de los proceso ]å N y ]a, b están dados por las expresiones
1 N t ∆R
]N s 3w[3x
I Ny∆
Error! No text of specified style in document.-33
1 zw∆ b t ∆
wc
y ]a b m nrn R
by∆
zw∆
document.-38.
De esta manera la capacidad potencial bajo esta distribución es:
, ∑^
æå
nè ²¤,ã qî¤,ã ní ³

∑^
¿\ ∑å á âã å I
3wè V[,ã z¿[,ã 3xí W ∏ m
á âã
zwè xí
æå
n ∑è á é è ²¤,ã qî¤,ã ní ³

∑^ ∑å á âã å 1 * v Δï
m ã
¿\ ∏è á é zwè xí
ã
n ∑è á é è ²¤,ã ní ³
W ∑å á âã å 1 * v Δï
m
¿\ I
V∑^ 3¿[,ã ∑è á éã wè
ã
∏è á é zwè xí
ã
m ∑ç á é ç zwè xí

ã
ã
n¤,ã ∑è á é è
²3m ã ³ ∏è á é zwè xí
ã
Debido a que, å zwè x se obtiene:

w
è í
n ∑è á é è ²¤,ã ní ³ n ∑è á é è ²¤,ã ní ³

m ∑ç á é wè m w
, Error!
ã ã
ã
n¤,ã ∑è á é è n¤,ã
²3m ã ∏
³ è á éã zw è xí ²3m ³ ∏è á éã zwè xí
No text of specified style in document.--94
Debido a que,
n∑ Vrn W
]a,âã b ∏ á âã ]a, b ∏ á âã
m nèVrní W m è á éã è

í
zwè xí ∏è á é zwè xí
ã
La expresión de Cp,k se simplifica a:
wBð,éã V[,ã W
, n¤,ã
²3m ³
Si consideramos una distribución exponencial apelotonada desfasada se obtiene:
, ∑^
æå
nè ²¤,ã qî¤,ã ní ³

∑^
¿\ ∑å á âã å å I
3è V[,ã z¿[,ã 3xí W ∏ è m
á âã
è zè xí
æå
n ∑è á é è ²¤,ã qî¤,ã ní ³

∑^ ∑å á âã å * v Δï
m ã
¿\
∏è á é z è í
ã ñè
W ∑å á âã å
m
¿\ I
V∑^ 3¿[,ã ∑è á é è
ã
ã

∏è á é z è í
ã ñè
m ∑ç á é ç
∏ á âã
è

ã
ã
²3m
n¤,ã ∑è á é è
ã ³ è zè xí
Como,
]a,âã b ∏ á âã ]a, b ∏ á âã ∏ á âã

è m nñè Vrní W è
I 3 ∑è á éã è
c3xí
è zè xí è zwè xí
Por lo tanto,
aBð,éã V[,ã W
, n¤,ã
²3m ³
1.2.4.1.1 Flujo conflictivo
Bajo el supuesto de independencia entre los flujos prioritarios, el flujo conflictivo de

un movimiento corresponde a la suma de los flujos de los movimientos de mayor
ranking asociados al movimiento estudiado. Es decir es la suma de los flujos de los
movimientos pertenecientes al conjunto Ik.
à, ò
áâã
Sin embargo, la presencia de pistas exclusivas de giro puede aislar el efecto de

determinados flujos. Por ejemplo, giros a la derecha desde la pista no prioritaria
(movimientos XXX) si cuentan con pista exclusiva de viraje no son considerados como
flujos conflictivos para el cálculo de la capacidad del movimiento de giro a la izquierda
no prioritarios respectivos.
Estudios incorporados a HCM2000 (Transportation Research Board 2000) sugieren

una ponderación relativa de la influencia de algunos flujos debido un mayor o menor
percepción de conflicto por parte de los conductores que observan estos movimientos. A
continuación se presentan las expresiones propuestas para el cálculo del flujo
conflictivo total:
Este modelo asume las siguientes consideraciones de modo de calcular el flujo total
en conflicto con cada movimiento:
à, ó * ô * ô
/±8
à,õ ¸ * ö * ó
/±8

/p8 /8
½ ù
à,÷ * * õ * ó
ø ¸
/p8 /8
ú û
à,¸ ø
*
¸
* ö * ô
/8
ù
à,ü 2 * ¸ * * ó * 2õ * ó * ô * ô
/±8
¸
/8
û
à, 2õ * ó * * ô * 2 * ¸ * ö * ó
/±8
¸
/8 /þ8 /,8
ù
à,ý 2 * ¸ * ¸
* ó * 2õ * øú * û¸ * «½¸ * ¸«« * ö
/8 /þ8 /,8
û
à,\ 2õ * ó * ¸
* ô * 2 * ø½ * ù¸ * ¸ * ¸ * õ
, 0 á (1,3,5,6,
[a]: Si el giro a la derecha prioritario es separado por una isla triangular y tiene que
cumplir con un ceda el paso o disco pare, q6 y q3 no deben ser considerados.
[b]: Si hay más de una pista prioritaria, los flujos en la pista derecha se asumen ser
q2/N o q5/N, con N igual al número de pistas directas.
[c]: Si existe una pista exclusiva de viraje a la derecha prioritario, q3 o q6 no deben

considerarse.
[d]: Se debe omitir los flujos q3 sujeto al movimiento 10 y q6 sujeto al movimiento 7

si la vía prioritaria tienen más de una pista.
[e]: Si el giro a la derecha no prioritario está separado por una isla triangular y tiene
que cumplir con un ceda el paso o disco pare q9 y q12 no se deben considerar.
[f]: Se debe omitir q9 y q12 si se tienen múltiples pistas, o usar la mitad de sus valores
si la vía no prioritaria tiene pista exclusiva de viraje.
1.2.4.2 Impedancia Vehicular
Hasta el momento, sólo se ha considerado la modelación de la capacidad suponiendo

independencia en los procesos de descarga entre movimientos de distinto ranking. Sin
embargo, en la realidad la existencia de prioridad relativa entre movimientos hace que la
capacidad de un movimiento de menor ranking depende de la presencia de o no de un
vehículo de mayor prioridad esperando por poder servido.
Si se mantenemos el supuesto de una pista exclusiva para cada movimiento, es claro

que debido a la prioridad absoluta de los movimientos de ranking 1, los movimientos de
ranking dos no deben esperar por la disipación de una supuesta cola en los movimientos
de ranking 1, pues estos, bajo los supuesto mencionados anteriormente, no pueden
congestionarse. De esta manera, se puede sostener que:
Movimientos de Ranking 1: No tienen impedancia debido a la prioridad que tienen.
Movimientos de Ranking 2: Dado que los movimientos de Ranking 1 no se

congestionan, no es necesario ajustar la capacidad potencial para determinar la
capacidad del movimiento.
Sin embargo, para los movimientos de ranking 3 y 4, si es necesario ajustar la

capacidad potencial, debido a que estos movimientos no pueden ser servidos, cuando un
movimiento de mayor ranking espera en cola para poder cruzar.
A continuación se presenta los modelos utilizados para ajustar la capacidad potencial

para los movimientos de ranking 3 y 4.
1.2.4.2.1 Capacidad de movimiento de Rank 3
Para poder estimar el ajuste de las capacidades potenciales, es necesario definir el

modelo de generación de cola asociado al movimiento.
Para describir el modelo de generación de colas, supongamos una intersección T. En
ésta, el movimiento 7 sólo puede entrar a la intersección si el gap es mayor al gap crítico
en el flujo combinado prioritario (2 y 4) y ningún vehículo del flujo 4 esta esperando
por entrar.
El tiempo disponible para los vehículos de ranking 3 consiste de dos periodos: i)

Vehículos de ranking 2 en cola o en descarga de la cola, y ii) períodos de aceptación de
gap. Durante los periodos de aceptación de gaps, todos los vehículos prioritarios
(ranking 1 y 2) pueden proceder sin demoras y los flujos pueden considerarse
independientes. Cuando la proporción de tiempo, número de headways prioritarios, y la
distribución de headways del proceso superpuesto son conocidos, la capacidad del flujo
de ranking 3 puede ser calculada. Para hacer esto, el modelo de colas debe ser descrito
en detalle.
La Figura Error! No text of specified style in document.-4 muestra una descripción

del modelo de cola del flujo i de ranking 2 bloqueando la entrada del flujo k de ranking
3. Mientras el vehículo 1 entra a la cola del flujo i, vehículos de ranking 1 están
bloqueando la entrada. Cuando el antibloqueo parte, el vehículo 1 entra al servicio, y el
período ocupado del servicio comienza. Durante el tiempo de servicio tf,i ningún otro
vehículo del flujo i puede entrar al servicio. El vehículo 2 tiene que esperar hasta que el
servicio del vehículo 1 se complete. Cuando el vehículo 1 parte, el vehículo 2 pare su
servicio.
Tiempo para partir,

servicio k
Tiempo para entra,

tf,k servicio k
Bloqueo de flujo k Tiempo para partir,

servicio i
tc,k tf,i tc,k
1 2 3 Tiempo para entrar,

tf,i tf,i servicio i
Período Ocupado
Bloque 1 2 3 Tiempo para entrar
a cola i
1 2 3
Figura Error! No text of specified style in document.-4: Modelo de colas con tiempo
de servicio interrumpidos por bloqueos
El período ocupado termina cuando el vehículo 2 parte. El largo del período ocupado
es 2tf,i. Un vehículo 3 aislado llega a un sistema vacio. Cuando entra a la cola, el
servicio inicia inmediatamente. Este vehículo bloquea al flujo j por el tiempo de
duración del gap crítico, tc,k.
El bloqueo del flujo no prioritario k termina cuando el servidor del flujo i queda
ocioso. Después de esto el servicio del flujo k comienza. Los bloqueos y antibloqueos
en la Figura Error! No text of specified style in document.-4 son descritos en
términos de los tiempos de partidas de los flujos prioritarios. De esta manera, los
tiempos de llegadas prioritarias deben ser interpretados como tiempos de partida.
Cuando el flujo de ranking 1 decrece, el flujo de ranking 2 se acerca a un sistema de
colas M/D/1, y los flujos de partida se acercan al modelo de Tanner.
Si tf,i es interpretado como el tiempo de viaje desde la línea de parada al punto de

conflicto. El servicio se inicia cuando un vehículo cruza la línea de parada y su término,
cuando el vehículo pasa el punto de conflicto. En este caso el factor de ocupación del
servidor es la suma de los factores de ocupación de todos los flujos componentes.
Cuando un gap aceptable sigue a un vehículo i, un vehículo del flujo k tiene que
esperar tf,i segundos antes de entrar a la intersección. La posibilidad de servicios
superpuestos no puede ser excluida.
En el modelo básico de colas de la Figura Error! No text of specified style in

document.-4, cada flujo tiene un servidor separado con un tiempo de servicio igual al
tiempo de seguimiento. El servicio es interrumpido por bloqueos generados por
vehículos prioritarios. Haight (1963) describió este modelo sosteniendo que en una
intersección prioritaria un vehículo que llega a la intersección sin cola, no
necesariamente recibe el servicio inmediatamente.
Si las interrupciones en la operación del servidor del flujo i se consideran en el

tiempo del servicio, el tiempo promedio del servicio para vehículos en cola en el inverso
de la capacidad (Sq,i=Ci-1). Tal como se muestra en la Figura Error! No text of
specified style in document.-5, en este modelo el vehículo 1 entra al servicio
inmediatamente, y el tiempo de servicio incluye el tiempo ocupado esperando por el
término del bloqueo (We,i). El servicio se inicia cuando un vehículo entra a la línea de
para y termina tf,i segundos después de que el vehículo cruza la línea de parada. Tanto
vehículos de ranking 2 y 3 no pueden cruzar la línea de parada antes de que el tiempo
de seguimiento se cumpla.
Bloqueo de flujo k Tiempo para partir,

servicio i
tc,k
tf,i tf,i
Bloque 1 1 2 3 Tiempo para entrar,

servicio i
We,i
tf,i tf,i
Período Ocupado
2 3 Tiempo para entrar
a cola i
1 2 3
Figura Error! No text of specified style in document.-5: Modelo de colas con tiempo
de servicio extendido por bloqueos
El vehículo 1 parte del servicio tf,i segundos después del término del bloqueo, y el
siguiente vehículo entra al servidor. Las llegadas prioritarias frecuentemente extienden
el tiempo de servicio de un vehículo no prioritario más allá del tiempo de seguimiento.
La flecha punteada muestra el tiempo virtual de partida, por ejemplo, el tiempo de
partida asumiendo que el vehículo 1 llega durante un período de antibloqueo.
En ambos modelos los tiempos del servicio de partida del flujo i son iguales. En
ambos modelos el período ocupado termina cuando el servidor i queda ocioso. Durante
un período ocupado la entrada de vehículos del flujo i pueden estar bloqueadas por
vehículo de ranking 1. El tiempo de partida del período ocupado, sin embargo, difiere
en ambos modelos. El modelo de la Figura Error! No text of specified style in
document.-5 incluye en el período ocupado el tiempo de espera por un antibloqueo
experimentado por el primer vehículo, mientras que este tiempo es excluido en el
modelo de la Figura Error! No text of specified style in document.-4. Debido a que
vehículos esperando de ranking 2, impiden la entrada de vehículos de ranking 3, este
período de tiempo no esta disponible para aceptación de gaps. De esta manera, la
capacidad de un flujo de ranking 3 debiera ser estimada usando el modelo de la Figura
Error! No text of specified style in document.-5. En este modelo el tiempo de servicio
es la suma de dos componentes: Tiempo de espera en la línea de parada y el tiempo de
seguimiento.
Descarga de cola de flujo con ranking 2
Se asume un proceso de llegadas Poisson para todos los flujos. Los vehículos no
prioritarios aceptan lags y headways no menores al gap crítico (tc,i). El tiempo mínimo
entre partidas no prioritarias es igual a tf,i.
El factor de utilización del servidor en un flujo de ranking 2 es:

Ä < è
´

,è
Donde ρ i´ es la razón D/C, y la capacidad potencial Cp,i es calculada por las ecuación
XX. El factor de utilización ρi es la fracción de tiempo en que el servidor i esta ocupado.
El tiempo promedio de servicio Si es aproximadamente igual al inverso de la capacidad.
Con propósito de simplificar el análisis se asume que el factor de utilización (ρi) y la
razón D/C (ρ i´) son iguales.
La fracción de llegadas aleatorias de vehículos (Poisson) en el flujo i que tienen que

esperar por el servicio es igual a la fracción de vehículos que llegan cuando el servidor
esta ocupado, el cual es el factor de utilización ρi. Estas descargas de vehículos desde la
cola y los headways no pueden ser utilizados por vehículos no prioritarios. Otros (1- ρi)
vehículos entran a la intersección si cola, aún cuando tengan que esperar por un
antibloqueo en la línea de parada.
El número de headways de descargas en a cola en una hora es qiρi. Debido a que el

headway promedio de descarga desde la cola es Cp,i-1, la fracción de tiempo requerido
para la descarga de la cola es ρiqiCp,i-1 = ρi2. Durante la cola el flujo de partidas del flujo
i es Cp,i=qiρi-1. El flujo puede ser expresado como la suma de flujos durante la descarga
de la cola y de períodos de descargas libres:

¸ è * V1
¸ W

è
Donde qi* es el flujo promedio durante el período de partidas libres. Los vehículos
que parten durante este período no tienen que esperar por el servicio, sin embargo el
tiempo de servicio puede extenderse por vehículos de mayor prioridad. De esta manera,
podemos expresar qi* como:
z
è
è
El headway promedio durante partidas libres del flujo i se expresa como:
NÄ * <

è è .è
Lo cual es la suma de el headway promedio de llegada y el tiempo promedio de

servicio. Si los flujo de ranking 1 se acercan a cero, Cp,i-1 se acerca a tf,i y el headway
promedio durante partidas libres en el flujo i se acerca a qi-1 +tf,i.
De esta manera durante un período τ de análisis, el flujo i puede ser dividido en dos
períodos distintivos: descarga de cola y partidas libres. Durante un período de descarga
de cola de tamaño ρi2 τ el flujo de partidas es Cp,i. El período de descargas libres dura
(1- ρi2)τ y tiene un flujo de qi(1+ ρi)-1.
Tal como se presentó anteriormente la capacidades el producto del número esperado

de partidas durante un headway aleatoriamente seleccionado, con el número esperado de
headways esperados. El número de headways esperador para aceptación de gaps es (1-
ρi)qi. Debido a que los headways no pueden ser menores al tiempo de seguimiento, la
distribución de headways debe ser modificada a f(t|T≥tf,i).
A partir del resultado anterior, respecto a los flujos de descarga de la cola del
movimiento de ranking 2, se puede proponer un modelo básico de capacidad para el
movimiento de ranking 3 sin considerar conflicto con movimientos de ranking 1.
Considerando una función continua de partidas, se puede estimar esta capacidad

como:
à, 1
Z\ CNO VN|` y N, WHN
^
3è è
Z\ CNO NHN
^

Bè V[,è W
3è è
Bè V[,è W
,
De similar podemos obtener la capacidad considerando una función de partidas

discreta:
à, 1
∑^
\ ] VN, * QN, |` y N, W
3è è
∑^
\ ] VN, * QN, W
Bè V[,è W
3è è
,
Bè V[,è W
Para poder estimar la capacidad considerando la influencia de movimientos de

ranking 1 se debe poder estimar el tiempo disponible para un proceso de aceptación de
gaps.
Harder (1968) propuso, que cuando ningún vehículo de ranking 2 esta en cola, la
capacidad del movimiento de ranking 3 puede ser estimada suponiendo flujos
prioritarios independientes. Cuando hay cola en el flujo de ranking 2, ningún vehículo
de ranking 3 puede entrar a la intersección. Por lo tanto la capacidad de movimiento
para el flujo j se puede expresar como:
à, M¾, ,

Donde p0,i es la probabilidad de una cola vacía en el flujo i, y Cp,k la capacidad

prioritaria del flujo k, asumiendo flujos prioritarios independientes.
Harders (1968) observó que el flujo i de ranking 2 puede ser expresado como la suma
de vehículos demorados y no demorados. Durante una porción de tiempo 1-p0,i los
vehículos se descargan desde la cola a un flujo igual a Cp,i. Cuando no hay cola, un
vehículo puede entrar a la intersección sin experimentar demora, si hay un antibloqueo
en el flujo j de ranking 1 y el headway en el flujo i de ranking 2 es mayor al tiempo de
seguimiento. Asumiendo llegadas poisson, Harders (1968) expresó el flujo qi como:
V1 M\, W, * M\,

Donde es la probabilidad de un antibloqueo en el flujo j de ranking 1 y un headway

mayor al tiempo de seguimiento en el flujo i de ranking 2:
i y N, i` y N, I 3[,èç I 3[,è è I 3V[,èçz[,è è W

Dado esto la probabilidad de una cola vacía en el flujo i es:

<,è 3è
M\,
<,è 3
è
Harders (1968) llamo a p0,i como factor de impedancia. En HCM2000

(Transportation Resarch Board 1985) el factor de impedancia p0,i es la probabilidad que
en un instante aleatorio el sistema en el flujo i este vacío.

M\, 1
1 < è 1
´
,è
Este método entrega buenos resultados, sin embargo tienen tres problemas:
1. El factor de impedancia p0 es interpretado como la fracción de tiempo

disponible para aceptación de gaps, cuando debiera ser interpretado como la
fracción de headways disponibles para aceptación de gaps.
2. El factor de utilización
sobrestima el efecto de impedancia del flujo de
ranking 2.
3. La distribución de headwas del flujo de ranking 2 durante un período de

aceptación de gaps debiera modificarse para excluir headways más chicos que
el tiempo de seguimiento, y para ajustar el flujo durante condiciones de
partidas libres.
Cuando un vehículo prioritario parte su servicio en los modelos de las Figuras Figura
Error! No text of specified style in document.-4 y Figura Error! No text of specified
style in document.-5, el siguiente vehículo en el mismo flujo o en uno de menor
prioridad puede entrar al servicio. El gap crítico de un vehículo de ranking 3 es
evaluado hacia atrás desde este instante de tiempo.
El gap crítico de un flujo no prioritario incluye el tiempo de seguimiento de los

vehículos prioritarios. Por lo tanto, el efecto del bloqueo del vehículo 1 en la Figura
Error! No text of specified style in document.-5 no se inicia cuando el vehículo entra
al servicio, sino desde el tiempo de partida virtual, es decir el tiempo de partida si no
estuviera bloqueado por el vehículo de ranking 1. También, es obvio que el bloqueo de
un vehículo aislado 3 es tc,k, no tc,k+tf,i. El tiempo de seguimiento de un vehículo
aislado debe ser incluido como tiempo disponible para la aceptación de gaps del
vehículo de ranking 3. El período de bloqueo de una partida libre es igual al gap crítico,
y es considerada en el proceso de aceptación de gaps. Es evidente que si se considera
una situación sin flujo de ranking 1 y sin cola en el flujo de ranking 2 el factor de
impedancia debe ser igual a la unidad. Consecuentemente, el período de bloqueo de
vehículos de ranking 2 es el período ocupado menos el tiempo de seguimiento.
Si un periodo ocupado en el flujo i termina en el tiempo τ, el siguiente tiempo de

ocio es el lag γi(τ) restante en tiempo τ. Para llegadas aleatorias el período de ocio
promedio es igual al lag promedio, el cual es igual al headway promedio qi-1. Si el
tamaño promedio de un período ocupado es E[Tpo,i] y el tamaño promedio del período
de ocio es E[Tpi,i] = qi-1, entonces para un proceso de cola con llegadas Poisson se tiene:
è de,è
_/`¾, 8
3è deè,è
Por lo tanto el tamaño esperado del periodo ocupado es:

_/`¾, 8 3
è

è è
El ciclo promedio ocupado es la suma esperada de los períodos de ocio y ocupado.
_`¾, _`¾, * _` , 3

è

* 3
è è è è
è
La proporción llegadas aleatorias que tienen que esperar por el servicio es la

proporción de vehículos que llegan durante el período ocupado:
è d/e,è 8
Mm,

è de,è
Esta proporción no incluye a los vehículo que su servicio se inicio el período

ocupado.
La proporción de tiempo disponible en un flujo de ranking 1 para aceptación de gap

es:
d/e,è 83[.è
O±, 1 d/e,è 8
[
1
* d/e.è
,è 8
[.è
1
*
d/e,è 8
V1 * N. W1

V1 * N. W 1
è

<,è
Esta es la proporción durante la cual los vehículos i en cola no bloquean la entrada de

vehículos de ranking 3. Mientras la capacidad se acerca a tf,i-1, el factor de impedancia
se acerca a la probabilidad 1-ρi2 de ausencia de cola en un sistema de cola M/G/1. Si el
flujo i esta congestionado (ρi>1), el servidor no tiene periodos de ocio y el factor de
ajuste es cero. De manera de garantizar valores positivos de fa,i, se tiene exigir
positividad en la expresión anterior. Debido a que los headway de descarga de vehículos
que entran a la intersección no pueden ser menores a tf,i, un movimiento de giro puede
estar en cola, incluso si no tiene conflicto con vehículos de mayor prioridad.
Ya que fa,i es el tiempo disponible para aceptación de gaps, el número de headways

disponibles para aceptación de gaps de un flujo de ranking 1 es fa,iqj. Tal como se
mencionó anteriormente, el número de headways disponibles de un flujo de ranking 2 es
(1-ρi)qi. Los ajustes son diferentes, debido a que los headways de ranking 2 durante un
período de acepetación de gaps deben ser mayores a tf,i, incluyendo al del primero.
La discusión anterior ha demostrado que la fracción de headways de un flujo i de

ranking 2 para la aceptación de gaps de un flujo de ranking 3 es 1-ρi. Estos pueden ser
headways de partidas reales o virtuales de flujo i. La fracción de tiempo fa,i disponible
esta dada por la ecuación XX, la cual también entrega a fracción de headways
disponibles del flujo j de ranking 1. El número total de headways por unidad de tiempo
es:

à 1
* O±, å 1

* V1 * N, Wå
De manera de poder derivar una expresión para la capacidad del movimiento, es

necesario obtener la distribución durante los períodos de aceptación de gaps.
El flujo de tráfico es descrito como un proceso de puntos, donde la ubicación de un

punto en un eje temporal describe el tiempo de partida de vehículos desde un proceso de
servicio. Un vehículo de ranking 3 observa dos procesos de puntos: Proceso I para
partidas de ranking 1 y un proceso II para paridas de ranking 2. Se asume que todas las
llegadas pueden ser descritas por un proceso Poisson. El proceso I es independiente de
otros flujos, por lo que sus headways siguen una distribución exponencial negativa con
un parámetro local λI. Los headeways disponibles para aceptación de gaps del proceso II
siguen una distribución exponencial desfasada con parámetro de escala λII, el cual es
igual al parámetro de escala de una distribución exponencial negativa de headways. El
parámetro local (headway mínimo) es igual al tiempo de seguimiento tp = tf,II.
Debido a que el tiempo partida de vehículos demorados ha sido reemplazado por

partidas tiempos de partidas virtuales, el flujo virtual durante un período de aceptación
de gaps es:
h
±,ââ g±,ââ zh éé[
éé ,½
126
El cual es el flujo de un proceso de headways exponencialmente desfasados.
Ya que todos los tiempos de servicios de flujos con ranking 2 que exceden tf,2 han
sido incluidos, estos dos procesos pueden considerarse independientes. El proceso
observado por un vehículo con ranking 3 es la superposición de los procesos 1 y 2. La
función de supervivencia de headways en el proceso de superposición con dos procesos
de componentes es:
]N
â ]â N]a,ââ N *
ââ ]ââ ]a,â N
Las proporciones de puntos de ambos procesos de componentes son
h hé zhéé [

â h zhé h
é ,éé é Vzhéé [ Wzhéé
h héé

â h zh
,éé
h
é ,éé é Vzhéé [ Wzhéé
Donde, λa,II = λII(1+ λIItp)-1. El mismo resultado puede ser obtenido si se calcula ρI y
ρII a partir de λa,I = fa,I λI = (1- λIItp)(1-pII)λI y λa,II= (1-ρII)λII. La función de
supervivencia puede expresarse como:

]N zh é [ *
ââ I 3hézhéé[zhéé[
éé
I 3hézhéé[zhéé[
hé zhéé

hé Vzhéé [ Wzhéé
A partir de la expresión anterior, es posible determinar la capacidad de movimiento

de flujo de ranking 3 con un flujo de ranking 2 conflictivo, de la siguiente manera:
à, à ∑^
\ ]VN, * N, W
Vg±,â *g±,ââ W ∑^
hé zhéé
\ hé Vzhéé [ Wzhéé
I 3hézhééV[,ã z [,ã Wzhéé[
hé zhéé ²Vzhéé [ WV3éé Whé z3éé héé ³

∑^
\ I
3hé zhéé V[,ã z [,ã Wzhéé [
hé Vzhéé [ Wzhéé
gâ *gââ 1

ââ I 3hézhéé[,ãzhéé[ ∑^
\ I
3 hé zhéé [,ã
gâ *gââ 1

ââ I 3hézhéé[,ãzhéé[

nVoé qoéé W¤,ã
3m
3éé m nVoé qoéé W¤,ã

noéé ¤ gâ *gââ
m 3m
nVoé qoéé W¤,ã
3éé m nVoé qoéé W¤,ã

noéé ¤ gâ *gââ
m 3m
nVoé qoéé W¤,ã
3éé
, Oââ ,
m noéé ¤
Para extender el cálculo anterior a un sistema con dos flujos conflictivos de ranking
2, se debe estudiar la relación entre ambos flujos de ranking 2 y la manera en que
ajustan la capacidad potencial.
Considerando una intersección con cuatro ramas, los movimientos 8 y 11 tienen

ranking 3. Ellos tienen que dar paso a los movimientos 1 y 4 de ranking 2. El flujo 1
tiene que dar paso a los flujos de ranking 1 5 y 6, y el flujo 4 a 5 y 6. Los flujos
prioritarios del movimiento 8 son I8 = {1,2,4,5,6}y los de 11 son I11={1,2,3,4,5}.
Los factores de impedancia de los movimientos 1 y 4 se calculan a partir de la

expresión anteriormente descrita:
3
£ £
3 «
,« ,
O n£« ¤,« Oõ n£ ¤,
m m
Ambos son las proporcione disponibles de capacidad debido a la generación de colas

en movimientos de mayor prioridad. Debido a que el proceso de generación de colas de
1 y 4 son independientes, se puede asumir que el factor combinado de impedancia es el
producto:
Oõ O Oõ
Para demostrar esto consideremos que el sistema no cuenta con los otros flujos de
ranking 2 son ignorados, las proporciones de tiempo disponible para aceptación de gap
en los flujo 1 y 4 son:
«
O±, V1 * N, W 1
<,«
O±,õ V1 * õ N,õ W 1 <

,
Estos factores son las probabilidades que en un tiempo aleatorio un gap no sea
restringido por un vehículo en cola en el flujo respectivo. Debido a los procesos de
generación de cola son independientes, la probabilidad que en un instante aleatorio un
gap aceptable no sea restringido es el producto de los factores respectivos:
O±,õ O±, O±,õ

De manera similar, se puede sostener que el número observado de vehículos de

ranking 1 durante los períodos de aceptación de gaps son.
±,¸ O±,õ ¸
±,ö O±, õ ö
±,ó O±, õ ó
±,ô O±,õ ô
De los headways libres en el flujo 1 (4), sólo lo headways de vehículos que llegan
durante períodos sin cola del flujo 4 (1) pueden ser considerados aceptable. Por lo tanto,
±, O±,õ 1

±,õ O±, 1
õ õ
Los flujos 2, 3, 5 y 6 se asume que llegan en un proceso Poisson. Durante el período

de aceptación de gaps, los flujos 1 y4 se asumen con una distribución exponencial
desfasada con parámetros de escala λ1 y λ4, y parámetros locales tf,1 y tf,4.
Durante el tiempo disponible para aceptación de gap los flujos de ranking 2 no están
bloqueados por vehículos de ranking 1, por lo que los flujos 1, 2, 4 y 5 se pueden
considerar independientes.
La capacidad de los movimientos 8 y 11 se puede expresar como:
ê m n£ê¤,
à,ü Oõ n£ê ¤,
3m
Con qm=q1+q2+q4+q5+q6
ê m n£ê ¤,««
à, Oõ n£ê ¤,««
3m
Con qm=q1+q2+q3+q4+q5
1.2.4.2.1 Capacidad de movimiento de Rank 4
Los movimiento 7 y 10 con ranking 4 en una intersección con cuatro vías, deben dar
prioridad a flujos de tres rankings mayores. Un vehículo con ranking 4 puede entrar a la
intersección cuando hay un gap aceptable en los flujos prioritarios y no se tienen colas
en los movimientos de ranking 2 y 3. Sin embargo, estas colas no son independientes.
La cola del flujo con ranking 3 pude descargarse en la medida que hayan gaps mayores
a al gap crítico en los flujos de ranking 1 y 2, y que no se tenga cola en el flujo de
ranking 2.
Para el flujo 7 (10) el flujo conflictivo de ranking 3 es el flujo directo opuesto 11 (8).
Los flujos conflictivos de ranking 2 son los giros a la izquierda prioritarios 1, 4 y el
flujo opuesto de giro a la derecha no prioritario 12 (9). Este último flujo no tiene efecto
sobre la cola de ranking 3 en el flujo 11 (8). Si el flujo prioritario tienen pistas separadas
para los flujos entrantes 7 (10) y 12 (9), estos flujos no tienen conflicto.
Debido a la mutua dependencia de las colas, las colas de ranking 2 y 3 ocurren
generalmente de manera más simultánea que el caso en que se consideren
independientes. Ignorar esta dependencia generara estimaciones muy bajas de esta
dependencia. Brilon & Grobmann (1991) desarrollaron una probabilidad correctiva en
base a simulaciones de la siguiente manera:
M, 0,65M\,õ * 0,6M\,õ

¡,«è
¡,«è zö
Donde pz,i es la probabilidad de que no hayan colas en los movimientos 1,4 y en el

flujo no prioritario directo i, y M\,õ M\, M\,õ M\, . Esta ecuación fue introducida a
HCM2000 (Transportation Research Board 2000). A partir de esta expresión se puede
sostener que la capacidad de los movimientos de ranking 4 es:
à,ü M, M\,¸ à,ü
à,\ M,ü M\,÷ à,\

HBS2001 (FGSV 2001) propone el uso de la siguiente expresión para pz,i:

M, «n¡,« ¡, «n¡,è
z z
¡,« ¡, ¡,è
Esta expresión proviene de la suposición de una cola representativa de las colas de

todos los movimientos conflictivos y asumiendo un sistema M/M/1 (Brilom, Wu &
Bondzio 1997).
Esta última expresión puede representarse como:
¡,«è
M,
¡,« z¡,è 3¡,«è
Lutinnen (2004) propone un modelo para estimar la capacidad de los movimientos

con ranking 4 explicitando los ajustes por factor de ocupación y la distribución
modificada de headways en los movimientos prioritarios.
Primero es necesario definir el factor de ocupación de un sistema de servicios con

dos flujos (i y j). Las tasas promedios de llegada son λi y λj, y los tiempos de servicio
promedio son Si, Sj. El factor de utilización es el producto de la tasa promedio de
llegada con el tiempo de servicio promedio. La tasa promedio de llegadas es λi + λj, el
tiempo de servicio promedio es:
hè èÅ zhç çÅ

hè zhç
De esta manera el factor de ocupación del sistema es:

,å Vg * gå W g Å * gå åÅ
*
å
El cual es la suma de los factores de ocupación de los flujos componentes.
El factor de impedancia pz,i es derivada siguiente el modelo de colas de la Figura

Error! No text of specified style in document.-4, en el cual los vehículos de ranking 3
son interrumpidos cuando los vehículos de ranking 2 son servidos. Debido a que un solo
servidor puede ser utilizado a la vez, los factores de ocupación se suman.
Asumamos que el flujo i tiene ranking 2 y el flujo j ranking 3. Las tasas de llegadas
son qi = λi, y qj = λj. El flujo i tiene un tiempo de seguimiento tf,i y tiempo promedio de
servicio Si = 1/Cm,i. El factor de utilización es ρi = λi/Cm,i. Así mismo, el flujo j tiene
tasa de llegada qj= λj, tiempo de seguimiento tf,j y capacidad de movimiento Cm,j. El
factor de ocupación ρj es diferente al cuociente D/C ρj´ = qj/Cm,j, ya que el flujo j puede
ser servido durante la fracción de tiempo 1- ρi. Por lo tanto, el tiempo promedio de
servicio es Sj = (1- ρi)/Cm,j y el factor de ocupación ρj = λjSj = (1- ρi) ρj´. Esto da una
interpretación interesante del cuociente D/C del movimiento de ranking 3:

´å 3
ç
è
El cuociente ρi´ entrega la probabilidad que en instante aleatorio un vehículo del flujo
j sea servido, bajo la condición que no hayan vehículos de ranking 2 en el sistema.
De esta manera el factor de ocupación del sistema es:

,å
*
å
* 1

´å
*
´å

´å
La cual es la probabilidad que haya un vehículo en el sistema. De esta manera la
probabilidad de un sistema vacio es:
1
,å 1
* 1

´å 1
V1
´å W
Los procesos de generación de colas no son independientes, pero el efecto del flujo i
en el proceso de cola del flujo j es llevado por el cuociente D/C ρj´. Para una
intersección de cuatro vías esto indica que:
M, M\,õ M\, M\, M\,õ M\,

Este modelo entrega mayores capacidades y menores factores de ocupación que el

modelo de HCM2000, dado los ajustes a las distribuciones de headways.
Las capacidades de los flujos de ranking 2, 3 y 4 se realiza en orden jerárquico. La

capacidad de un flujo de mayor prioridad es usada como input en la estimación de la
capacidad de un flujo de menor prioridad. Estas capacidades contienen toda la
información necesaria acerca de la jerarquía de los flujos. Cuando las capacidades de los
flujos prioritarias son conocidas, sus prioridades relativas pueden ser ignoradas en la
estimación de la capacidad del flujo no prioritario. Si qi es el flujo de un movimiento,
que esta contenido en un conjunto Ik de flujos prioritarios (ranking 2 y 3) de un flujo no
prioritario k, la capacidad del movimiento k se puede estimar como:
∑èëé ¡,è
à, ã
n ∑èëé £è ¤,è ,
m ã
Donde Cp,k es la capacidad potencial del movimiento k, asumiendo que todos los
flujos prioritarios son independientes. Con p0,i=1- ρi´, y ρi´ es el radio D/C del
movimiento i. Esta ecuación puede ser utilizada para determinar la capacidad tanto del
movimiento de ranking 3, como la de un de ranking 4.
1.3 Demora
1.3.1 Tiempo de Servicio
En un sistema de cola el tiempo de servicio es el tiempo que un consumidor

permanece en la caja. En una intersección prioritaria el tiempo de servicio de un
vehículo empieza cuando llega a la línea de parada/ceda el paso. El tiempo de entrada es
el tiempo virtual de entrada, por ejemplo el primer instante de tiempo que el vehículo
podría cruzar la línea de parada en un período de antibloqueo. El tiempo de servicio
termina cuando el tiempo de seguimiento ha pasado desde que el vehículo cruza la línea
de parada. De esta manera, el tiempo de servicio es la suma del tiempo de espera en la
línea de parada durante un bloqueo y el tiempo seguimiento.
Lo vehículo pueden entrar al servicio tanto desde una cola como sin permanecer en
una cola. Vehículos en cola entran al servicio inmediatamente cuando el servicio del
vehículo de al frente ha completado su servicio. Es evidente que el lag remanente no es
más grande que tc-tf. Un vehículo aislado arriba a un sistema vacio en un instante
cualquiera, pero después que tiempo de seguimiento ha pasado desde el vehículo
anterior cruza la línea de parada. El proceso de llegadas de un vehículo que encuentra el
sistema vacio no es independiente del proceso de llegadas de las pistas prioritarias
(Daganzo 1977). Debido a que el estado esperado del flujo prioritario en el inicio de
tiempo de servicio es diferente para vehículos en cola que el de vehículos aislados, estos
tienen distintas distribuciones de tiempos de servicio. La distribución del tiempo de
servicio de todos los vehículos no prioritarios es una mezcla de las distribuciones de
vehículos en cola y aislados.
Las propiedades básicas de ambos tiempos de servicios es discutida a continuación.

En orden de poder describir la dinámica que esta por detrás del proceso de servicio, las
ecuaciones para los tiempos promedio de servicio son derivadas. Así mismo, para
mantener un nivel simple en las matemáticas utilizadas, el segundo momento de las
distribuciones de tiempos de servicios son presentados con referencias bibliográficas
únicamente.
1.3.2 Tiempo de servicio promedio para vehículos en cola
En condicione de saturación, los vehículos no prioritarios entran al servicio

inmediatamente después del vehículo predecesor ha terminado su servicio. Esto es
demostrado por el vehículo 2 en la Figura Error! No text of specified style in
document.-5. El vehículo entra a la línea de parada exactamente tf segundos después
que el vehículo predecesor ha cruzado la línea de parada. El lag restante no es menor a
tc - tf. Si el lag es mayor o igual a tc, el vehículo puede cruzar la línea de parada
inmediatamente. La probabilidad de no tener que esperar en la línea de parada es:
Bð [
M,\ i y N | y N N
Bð [ 3[
Cuando los flujos prioritarios se distribuyen exponencialmente la probabilidad es:
M,\ I 3h[
Para vehículos descargándose desde la línea de parada inmediatamente después de la

partida de su predecesor, el tiempo de servicio es igual al tiempo de seguimiento.
El intervalo de tiempo desde el inicio de un antibloqueo, hasta el inicio del siguiente

antibloqueo se llama ciclo (c). El tiempo de servicio promedio de un vehículo en cola es
el tiempo promedio de ciclo dividido por el número promedio de descargas durante el
ciclo.
Å d/4
d/8
8
El ciclo promedio es la suma de un headway T ≥ tc y la suma de headways

consecutivos que son menores al gap crítico. Si el headway prioritario se distribuye
exponencialmente, un headway T ≥ tc sigue una distribución exponencial desfasada con
un promedio de:

_/`|N y N 8 h * N
De manera de poder estimar la suma esperada de gaps en un bloqueo, se necesita

derivar la suma esperada de un número aleatorio de variables aleatorias i.i.d. Sea X un
headway menor al gap crítico. La suma Yn=X1+X2+…+XN de N headways consecutivos
menores al gap crítico tiene como esperanza:
' __/∑ ' | L 8

_/)ø 8 _∑ø
Donde Xi es una variable aleatoria, y la esperanza interior se ha condicionado en el

evento N = n. Debido a que N y Xi son independientes, la esperanza condicional es:
_/∑ ' | L8 _/∑ ' 8 L_/' 8 L_/'8

Este es el valore esperado de la suma, asumiendo un número n de headways
consecutivos menores al gap críticos conocido. Sin embarga, como N es una variable
aleatoria, la esperanza de YN es:
_/)ø 8 __/'8 _/'8_/8

Por lo tanto, el valor esperado dela suma es el número esperado de headways

menores que el gap crítico multiplicado por su tamaño esperado.
Un headway es menor que el gap crítico con la probabilidad
M i(` t N , YN
Y la probabilidad que de n headways consecutivos menores al gap crítico sigue una

distribución geométrica:
M M V1 M W
El número esperado de headways consecutivos Ti < tc se obtienen de la siguiente

manera:
M V1 M WM ∑ M
_/8 V1 M W ∑^ ^ 3
[
V1 M WM
B[ I h[ 1

3

½
V3 W
El tamaño esperado del los headways menores al gap crítico es:
[ [
_/'8 _/`|` t N 8 Z\ NON|N t N HN Z NONHN
[ \
[ [
3m no¤ ¯I 3h[ ²N h³° h m no¤ 3
\
De esta manera el tamaño esperado del ciclo es:

_/J8 _/`|` y N 8 * _/8 _/`|` t N 8 hm no¤
El número de partidas durante un headway T ≥ tc sigue una distribución geométrica:

i( H|` y N , M,\
;
V1 M,\ W
De esta manera la esperanza se obtiene como:
_/ 8

3£,¡
3
Para headways exponenciales M,\ I 3h[ , por lo tanto, _/ 8 V1 I 3h[ W
El tiempo promedio de servicio de vehículos descargándose desde una cola (llegando

cuando el servidor esta ocupado) es por lo tanto:
Å d/4 8
no¤
d/8 3m
hm no¤

165
Este es el valor inverso de la capacidad dada por la ecuación
∑^ I 3h[ ∑^
m n£ ¤
\ I \ I
3hV[ z [ W 3h [
n£ ¤
3m
Error! No
text of specified style in document.-60, como se esperaba. Por lo tanto, este método
puede ser utilizado como una manera alternativa para la estimación de la capacidad.
Kremser (1962), derivo el segundo momento del tiempo de servicio como:
_¸ VI h[ gN WV1 I 3h[ W gN I 3h[

¸m o¤
h½
El tiempo promedio de espera en la línea de parada para vehículos en cola es:
Ä Å N 3mno¤ N
no¤
@
hm

1.3.3 Tiempo promedio de servicio de vehículos aislados
Un vehículo aislado no prioritario (vehículos 1 y 3 en la Figura Error! No text of

specified style in document.-5) arriban, cuando el servidor esta ocioso, y entran al
servicio inmediatamente. El vehículo puede llegar tf segundos después de que haya
pasado el vehículo predecesor de la cola. Ningún vehículo prioritario puede llegar hasta
que tc - tf han pasado desde que el servidor quedó ocioso. Sin embargo, es posible que
un vehículo prioritario arribe después de que el vehículo no prioritario aislado llega a la
línea de parada.
Si un vehículo en cuestión es bloqueado por un vehículo prioritario, como el vehículo
1 en la Figura Error! No text of specified style in document.-5, este tiene que esperar
hasta el siguiente antibloqueo. Una vez que el antibloqueo ha comenzado, el vehículo
cruza la línea de parada inmediatamente. Sin embargo, el servidor esta ocupado hasta
que el tiempo de seguimiento ha pasado. Por lo tanto, el tiempo de servicio Se, de un
vehículo que llega a un sistema vacio es la suma del tiempo de espera en la línea de
parada We y el tiempo de seguimiento tf.
Si un vehículo ingresa durante un antibloqueo, este puede partir inmediatamente.

Asumiremos que cuando un vehículo no prioritario sin cola llega, el flujo prioritario
esta en un estado estable. La probabilidad de no tener que espera es igual a la
probabilidad de un lag mayor o igual al gap crítico:
Mm,\ i( y N , ]a N

El vehículo tienen que parar y esperar si el lag disponible es menor que el gap crítico.
La probabilidad de tener que esperar es:
Mm,â i( t N , Ya N

Si los headways son independientes y distribuidos idénticamente, la probabilidad que

el siguiente headway no se acepte es:
M i(` t N , YN
Y la probabilidad que un conductor tenga que esperar por un lag y n-1ags (n

vehículos) es:
M Mm, M3 V1 M W
SI el flujo prioritario sigue una distribución exponencial negativa de headways, las

distribuciones de gaps y lags son iguales
Ya N YN 1 I 3h[

Y p = pe,I = pg, por lo tanto M M 1 M. Esta es una distribución geométrica con
la siguiente expresión para su esperanza:
[
_/8 I h[ 1
B[
[
Siguiendo la ecuación ¯I 3h[ ²N ³°
[
3m no¤ h \ h m no¤ 3
Error!
No text of specified style in document.-161, el tiempo de espera promedio durante un

bloqueo, para vehículos aislados puede ser expresado como el producto de las
esperanzas
Äm _/8_/`|` t N 8 m
no¤ 3
@ N
h
El primer término de la ecuación es el tiempo de servicio para un vehículo en cola

con un tiempo de seguimiento igual al gap crítico. We es la cota mínima para la demora
promedio de un flujo (Transportatio Resarch Board 1997). Cuando el flujo proritario (λ)
se acerca a cero, el primer término de la ecuación se aproxima a tc, y We a cero.
Debido a que el tiempo de seguimiento es ignorado, el tiempo de servicio promedio

se acerca a cero y la capacidad tiende a infinito para flujo prioritarios bajos. Tanner
(1051) y McNeil & Weiss (1974) derivaron la expresión para la varianza del tiempo de
servicio como:
m ½o¤ 3¸h[ m o¤ 3

Ûm¸ h½
Cuando un vehículo ha encontrado un lag o gap aceptable entra a la intersección. Si

hay otro vehículo atrás, este puede entrar a la intersección después que el tiempo de
seguimiento ha pasado. Hasta ese tiempo, el servidor esta ocupado. De esta manera, el
tiempo promedio de servicio de un vehículo aislado es:
mÅ @
Äm * N m
no¤ 3
h
VN N W
Para flujos bajos prioritarios el tiempo promedio de servicio de vehículos aislados se

acerca al tiempo de seguimiento. Cuando el flujo prioritario crece, el tiempo de servicio
crece un poco más rápido para este tipo de vehículos que para vehículos en cola.
El segundo momento del tiempo de servicio ha sido derivado por Kremser (1962)
como:
m no¤ 3 m o¤
_¸ 2 ² N ³ ² * N N ³ * N ¸ N
h h
Hasta el momento se ha supuesto que en la llegada de un vehículo aislado los flujos

prioritarios se encuentran en estado estacionario. Kremser (1964) y Daganzo (1977) han
demostrado que este supuesto es incorrecto. Un vehículo aislado puede arribar sólo
cuando el servidor esta ocioso. Esto ocurre cuando se tiene un lag y N N . Debido a
lo anterior, el proceso de llegadas de vehículos aislados y el de vehículos prioritarios no
son independientes.
Si se asume que el último vehículo no prioritario (i) parte de la cola en el tiempo 0,

por lo que el período ocupado termina en el tiempo tf. Se tiene, por lo tanto que en el
tiempo τ una llegada de vehículo aislado no puede ocurrir antes de tf, y el tiempo de la
llegada τk del siguiente vehículo prioritario k no puede ocurrir antes de tc. Por lo tanto,
el lag que enfrenta un vehículo aislado es:
N Ó * ' N Ó t N R
Ó A
' N Ó
Donde X sigue una distribución exponencial negativa con parámetro λk. Si tf = tc, un
vehículo aislado no puede entrar antes que el gap crítico no ha pasado desde la partida
anterior, y el lag es distribuido exponencial.
Si el tiempo de llegada del vehículo no prioritario es τ ≥ tc, el lag se distribuye

exponencialmente, como:
O b g I 3hã c
Si la llegada no prioritaria ocurre antes de que el gap crítico del vehículo anterior
haya pasado, los lags siguen una distribución exponencial desfasada con parámetro local
tc-τ.
O¸ b, Ó g I 3hã czÔ3[

Un lag dado ν puede realizarse con distintos tiempos de llegada. Si el lag ν ≥ tc - tf, el
vehículo no prioritario puede haber llegado en cualquier instante del intervalo tf ≤ τ ≤ tc.
Si embargo, un lag ν < tc - tf es posible si τ > tc- ν. La función de densidad de la
distribución de lag es obtenida como:
i(Ó j N ,O b * Z[ 3c OÓO¸ b, ÓHÓ

[
b t N N
Oa b R
i(Ó j N ,O b * Z[ OÓO¸ b, ÓHÓ
[
b y N N

Donde f(τ) es la función de densidad de los tiempos de llegadas de vehículos no

prioritarios.
tc - τ X
0 tf tc τk Tiempo
τ- tf γ(τ)
Figura Error! No text of specified style in document.-6: Lag de vehículo aislado que
llega antes del gap crítico
Cuando el proceso de llegadas no prioritarias e Poisson con tasa λi, la función de

densidad de probabilidad del tiempo de llegada de vehículos no prioritarios (dado que es
mayor al tiempo de seguimiento) es:
OÓ g I 3hè VÔ3[W

La probabilidad de una llegada de un vehículo aislado después que ha pasado el gap

crítico desde la última partida es:
i(Ó j N , Z[ OÓHÓ I 3hè V[ 3[W

^

Por lo tanto la expresión
i(Ó j N ,O b * Z[ 3c OÓO¸ b, ÓHÓ b t N N

[
Oa b
R
i(Ó j N ,O b * Z[ OÓO¸ b, ÓHÓ b y N N
[ Error!

No text of specified style in document.-181 se puede representar como:
[
I 3hè V[ 3[W g I 3hãc * Z[ 3c g I 3hè VÔ3[W g I 3hã czÔ3[ HÓ b t N N
Oa b
R
[
I 3hè V[ 3[W g I 3hãc * Z[ g I 3hè VÔ3[W g I 3hãczÔ3[ HÓ b y N N

Lo que queda como:
noè ²¤ n¤ ³

hã m
Vg I 3hãc * g I 3hè c W b t N N
Oa b hè zhã R
hã m noã r
²g I 3hãV[3[W * g I 3hè V[3[W ³ b y N N
hè zhã
Cuando tc = tf, la ecuación anterior se reduce a la función de densidad de lags con

distribución exponencial negativa. Esto indica que el supuesto de estado estacionario en
un tiempo τ es correcto sólo cuando el gap crítico es igual al tiempo de seguimiento.
Dada la nueva expresión para los lags, la probabilidad de no esperar es:
Mm,\ i( j N , Z[ Oa ÓHÓ

^ hã m noã ¤
hè zhã
²g I 3hã V[ 3[W * g I 3hè V[ 3[W ³

Daganzo (1977) ha sostenido que esta probabilidad es siempre mayor que la

probabilidad basada en lags distribuidos exponencialmente.
La probabilidad de rechazar un lag es:
hã m noã ¤
Mm,â 1 Mm,\ 1 ²g I 3hã V[ 3[W * g I 3hè V[ 3[W ³
hè zhã
El tiempo promedio de servicio de un vehículo aislado fue derivado por Daganzo

(1977) como:
mÅ Mm,â Âá 0 VI hã [ * 1WÂ´ e 0 * N

Con, Âá y Âé son las transformadas de Laplace de rechazar lags y gaps,
respectivamente. Las primeras derivadas de estas transformaciones evaluadas en cero
(Daganzo 1977) son:
Âá 0
noè ²¤ n¤ ³
hã m
´²N N * ³ I 3hè V[ 3[W * I 3hã[ ²N ³ *
hè zhã hè hè hã hã
nVoè qoã W²¤ n¤ ³
²I 3hã [ g N * 1 I 3hãV[ 3[W g VN N W * 1 ³¹
hè m
h½ã
Â´ e 0
[ m noã ¤

3m noã ¤ hã
De acuerdo con Daganzo (1977) el error de magnitud cuando se asume una

distribución exponencial de lags, en vez de una función correcta de densidad no es
significativo para la gran mayoría de valores razonables de parámetros.
1.3.4 Demora en condiciones de estado estacionario
1.3.4.1 Proceso estocástico de formación de colas
Bajo la condición de estado estacionario se entiende que el proceso de llegadas y de

servicio permanece constante, la tasa de llegadas no supera a la capacidad y las colas
alcanzan un estado de equilibrio.
El estado del proceso en un tiempo tau se puede describir por el número N(tau) de
vehículos en el sistema. Cuando un vehículo no prioritario llega, el estado del proceso
aumenta en una unidad. Cuando un vehículo parte de la intersección (tf segundos
después de cruzar la línea de parada), el estado del sistema decrece en una unidad. Se
asume que sólo un vehículo puede llegar o partir simultáneamente.
Cooper (1981) presenta un importante teorema, que se puede aplicar al proceso de

formación de colas en discusión:
En un sistema de cola, para el cual la realización del estado es una función paso a
paso con saltos de una unidad (positivos o negativos), la distribución del estado de
equilibrio justo antes de una llegada es la misma justo después de una partida.
Adicionalmente, cuando los inputs son Poisson, esta distribución es la misma que la de
un observador exterior.
De esta manera, si las llegadas no prioritarias se asumen Poisson, sólo es necesario
describir el proceso de la cola en los instantes de partida desde el servicio.
Se define δn el tiempo de partida del servicio del vehículo n. El intervalo de tiempo

entre dos partidas consecutivas es Tn = δn- δn-1. Si el número de vehículos en el sistema
después de la partida n es Nn, el número de vehículos en el sistema inmediatamente
después de la siguiente partida es (Neuts 1989):
z 1z * , z 1z * z

Donde An+1 es el número de llegadas entre las partidas n y n+1. El número de

vehículos en el sistema después de la siguiente partida depende sólo del número de
vehículos en el sistema después de la parida en cuestión y el número de llagadas entre
la en cuestión y la siguiente partida. Este tipo de proceso se llama “embedded markov
chain”. En un punto de transición (tiempos de partida desde el servicio) el proceso se
comporta como una cadena discreta de markov con una matriz de probabilidad de
transición de un paso.
M\\ M\ M\¸ !

M\ !%
!$
M M¸
i 0
!$
M¸ M¸¸
0 0 Mö¸ $
"#
Donde pij es la probabilidad que entre dos partidas el número de vehículos en el

sistema cambie de i a j. Debido a que P es una matriz estocástica, sus filas suman uno.
La matriz de transición puede derivarse a partir de la ecuación XXX. Un vehículo n

llega a servicio inmediatamente cuando el vehículo n-1 parte del servicio. El intervalo
de transición entre las partidas n-1 y n es el tiempo de servicio del vehículo n. La
probabilidad pij de transición entre el estado i a j є {i-1,i,i+1,…} es la probabilidad de αj
- 1+1 llegadas durante el tiempo de servicio. Debido a que el proceso es Poisson, no es
necesario saber el tiempo ya pasado de un intervalo en la llegada de un vehículo no
prioritario en el momento en que se completa el servicio.
Si i = 0, un vehículo n llega a la línea de parada (servicio) algún instante después de

la partida del vehículo n-1 anterior. El intervalo de transición entre las partidas n-1 y n
es el tiempo ocioso del sistema más el tiempo de servicio del vehículo n. Sin embargo,
el vehículo n+1 no puede llegar antes del vehículo n. La probabilidad p0j es la
probabilidad βj de j llegadas durante el tiempo de servicio del vehículo n que ha llegado
durante un periodo ocioso. De esta manera, la matriz de transición de probabilidades
puede expresarse como:
Ë\
Þ\ Þ Þ¸ !%
!
!$
Ë Ë¸
i0
!$
Ë\ Ë
0 $
"#
0 Ë\

Las probabilidades de transición son independientes de n y depende de i y j sólo a

través de su diferencia. Las filas suman uno.
Sean fq(u) y fe(u) las funciones de densidad de probabilidad de las distribuciones de

tiempos de servicio para vehículos que llegan a una cola o a un sistema vacio,
respectivamente. Debido a que las llegadas no prioritarias son Poisson, las
probabilidades de transición son:
^ h&ã
Ë Z\ !
I 3h& O PHP
^ h&ã
Þ Z\ !
I 3h& Om PHP
Estas son probabilidades de k llegadas durante un período de servicio. El proceso es

equivalente a un sistema de colas M/G2/1. Si fq(u)=fe(u), la matriz de probabilidades
describe un proceso M/G/1.
1.3.4.2 Modelo M/G/1
Si se asume que las llegadas de vehículos a la intersección en una pista siguen un

proceso Poisson, y los vehículos son servidos por un único servidor con un patrón i.i.d,
el sistema puede ser descrito por un proceso M/G/1. Debido al supuesto i.i.d. para los
tiempos de servicio, αi = βi. Por lo tanto las probabilidades de transición son:
^ h&ã
Ë Z\ !
I 3h& O¿ PHP
Y la matriz de transición de probabilidades es:

Ë\ Ë Ë¸ !
Ë\ !%
!$
Ë Ë¸
i 0
!$
Ë\ Ë
0 0 Ë\ $
"#
Se asume que
'å lim(^ i( Q, Q á (0,1,2 … ,

Son las probabilidades estacionarias (de equilibrio) que en el largo plazo el sistema
encuentra en el estado j. Estas probabilidades pueden expresarse como:
'å '\ M\å * ∑ ' M å '\ Ëå * ∑ ' Ëå3 z

åz åz
El proceso puede alcanzar el estado j, si el primero alcanza algún otro estado i desde
el cual se mueve al estado j. Se cumple que la suma de estas probabilidades es uno.
El tiempo promedio de espera puede ser derivado a partir de las probabilidades

estacionarias que tienen una función generadora de probabilidades igual a:
å\ 'å X
3Â+ h3h
Ú* X ∑^ å 1

3Â+ h3h
directamente desde la ecuación z 1z * , z 1z * z

Donde LS(·) es la transformada de Laplace de la distribución de tiempos de servicios,
Error! No text of specified style in document.-191 utilizando valores

promedios (Cooper 1981). El tiempo promedio de espera en cola es dado por la formula
Pollaczek-Khintchine.
Ä,,- ²1 * ß+½ ³ Vz<+ W

Å
@
½ Å ½
¸3 Å ¸3
Donde Å es el promedio y Û¸ la varianza de los tiempos de servicios,

gÅ es el
factor de utilización del servidor, y ¸ Û¸ ⁄Å ¸ es el coeficiente de variación de los
tiempos de servicio. Si se asume que Å es igual al inverso de la capacidad, el factor de
utilización es igual al cociente D/C. Debido a que bajo condiciones de bajo D/C este
supuesto subestima
, también se subestiman las demoras. El tiempo de espera
promedio incluyendo el tiempo de servicio es:
Ä,,- * Å Å ²1 * Vz<+ W³ Å ²1 *
½
Ä,, @
@ ³
¸3 3
Con 1 * ¸ /2 es la constante de aleatoriedad (Transportation Resarch

Board1997). Esta indica cuan rápido la demora promedio crece con el radio D/C.
Debido a que Û¸ _/ ¸ 8 Å ¸ , se cumple que:
d ½

¸Å ½
Dado esto podemos reescribir el tiempo de espera como
Ä,,- hd
½
@
¸3
Ä,, Å ¸ *
@
hd ½
¸3
Utilizando la formula de Little (1961) 0Á g@

Ä se obtiene el número promedio de
vehículos en un sistema de colas. La distribución del largo de cola ha sido estudiada por
Heidemann (1991) y Wu (1994). La fórmula de Little (1961) puede ser utilizada para
estimar la demora en caso que se conozca el largo de la cola. Sin embargo, Daganzo
(1977) advierte acerca de algunos problemas con esta técnica.
Ä,,- * Å Å ²1 * Vz<+ W³
½
Ä,, @
En orden de poder aplicar la ecuación @ ¸3
Å ²1 * 3³

Error! No text of specified style in document.-201, el promedio
y la varianza de los tiempos de servicios deben estimarse. Usualmente se sugiere el uso

del inverso de la capacidad como el promedio del tiempo de servicio, aunque subestima
en cierto grado los tiempos de servicios y demoras.
La varianza depende de la distribución de los tiempos de servicio. Si todos los

tiempos de servicios se asumen constantes, Û¸ 0, k = 0,5, y la espera promedio en
cola es:
Ä4,-
@
½
¸h3
Entonces el sistema de cola es llamado M/D/1, en que D indica tiempos de servicios
determinísticos. El supuesto que todos los vehículos esperan un igual tiempo en la cola
es, por supuesto, irreal. El modelo M/D/1 ha encontrado mejores aplicaciones en el caso
de intersecciones semaforizadas.
Si tanto la distribución el tiempo entre llegadas como la de tiempo de servicio se

asumen como exponencial negativas, el proceso de la cola es M/M/1. En este caso como
la desviación estándar es igual al promedio, se tiene que ¸ 1 y k=1. Los tiempos de
espera son obtenidos con la formula de Pollaczek-Khintchine como:
Ä1,
Å
@
3
De acuerdo con Kimber & Hollis (1979) y Fisk &Tan (1989) el modelo M/M/1
producirá una buena aproximación al modelo M/G/1, obteniéndose similares tiempos de
servicio.
La variación en los tiempos de servicios dobla el tiempo de espera del modelo

determinístico. Si Å se considera como el inverso de la capacidad se obtiene:
Ä1,
@
<3
Esta relación permite identificar la relevancia de una buena estimación de la

capacidad en la estimación de la demora. Para altos niveles de saturación, pequeños
cambios en la estimación de la capacidad, resultaran en errores significativos en la
estimación de la demora.
Debido que los tiempos de servicios no pueden ser menores al tiempo de

seguimiento, un modelo posible para la distribución de tiempos de servicios es la
distribución exponencial desfasada, la cual tiene un promedio dado por, Å N * v 3 , y
una desviación estándar de Û v 3 . El coeficiente de variación es 1 N ⁄.Å
Esto indica que el modelo exponencial desfasado de tiempos de servicio entrega
menores demora que el modelo M/M/1. La ditribución exponencial desfasada con
parámetro local igual al tiempo de seguimiento, es equivalente a asumir una distribución
exponencial negativa al tiempo de espera en la línea de parada.
La constante de aleatoriedad en este caso es,
[ [
1* ²
Å ¸Å
1³
El tiempo promedio de espera en el sistema es:
Åz[ Ä 3 [

¤
Ä1´,
@
½+
Ä1, *
@ ²
[
1³
3 3 ¸Å
Debido a que N ⁄2Å t 1, se cumple que @

Ä1´, t @
Ä1,
El modelo M/G/1 presentado ignora que los vehículo que arriban a un sistema vacio
tienen una un tiempo de servicio promedio (Se) distinto a vehículos en cola (Sq).
Adicionalmente, la varianza de los tiempos de servicio se basa en un supuesto arbitrario,
y no en una teoría sólida.
En un proceso M/G/1 la proporción de tiempo en que el servidor esta ocupado es

igual la factor de utilización. La distribución de tiempos es una mezcla de los dos
servicios. La proporción ρ es para la distribución fq de vehículos en cola, 1- ρ para la
distribución fe de vehículos aislados:
O
O * 1
Om
El tiempo promedio de servicio puede estimarse como:
Å
Å * 1
mÅ
Los cocientes para cada tipo de vehículo son:

gÅ

m gmÅ
El radio D/C y el tiempo promedio de servicio, se pueden obtener en términos de los

flujos de cada componente.

gÅ z 3
£
213
Å
Å z 3
£
La probabilidad que en una llegada aleatoria se tenga un sistema vacio es (Yeo

1962):
3£
M\ 1

z 3£
El segundo momento de la distribución mezclada de tiempos de servicio es:
d£½ zV3£ Wd½

_/ ¸ 8
_¸ * 1
_/m̧ 8 z 3£
hd ½
Ä,,-
El tiempo promedio en la cola se obtiene a partir de la ecuación @
¸3
Error! No text of specified style in document.-203 como
Ä,,- hd h V
m _¸ * V1
W_/m̧ 8W
½
@ ¸3 ¸3
El tiempo promedio de espera del sistema se obtiene sumando el tiempo de servicio:
Ä,,- * Å * h V
m _¸ * V1
W_ /m̧ 8W
Å
Ä,, @
@ z 3 ¸3 £
1.3.4.3 Modelo M/G2/1
Es posible aplicar el modelo M/G/1 con una distribución de tiempos de servicio que
tome en cuenta la dependencia entre las llegadas prioritarias y las llegadas de vehículos
aislados. Sin embargo, el modelo M/G/1 supone que tiempos de servicios consecutivos
son independientes, por ejemplo que una secuencia de tiempos de servicios para
vehículos en cola y aislaos siguen una distribución geométrica. La distribución de
tiempos de servicios tras las probabilidades de transición αi y βi son iguales. Al asignar
tiempos de servicio a clientes en el modelo M/G/1, no se hace distinción entre vehículos
en cola y aislados.
Yeo (1962) presenta un modelo modificado, M/G2/1, el cual asigna tiempos de

servicio Sq a clientes en cola y Se a clientes aislados. La matriz de transición de
Ë \
Þ\ Þ Þ¸ !%
!
!$
Ë Ë¸
probabilidades de un paso esta dada por la ecuación i 0
!$
Ë\ Ë
0 Ë\ $
"#
0

Error! No text of specified style in document.-193 y las probabilidades de
I 3h& Om PHP
^ h&ã
transición siguen la ecuación Þ Z\
!
Error! No text of
specified style in document.-194. EL tiempo promedio de espera en cola es (Yeo

1962):
Ä,¸,- hV d£ zV3£ Wd W

½ ½
@
¸3Vz 3 £W
3
Esta ecuación difiere de la ecuación CCC en el factor V1 *
m
W . Cuando los
tiempos de servicio promedio para vehículos en cola y aislado son iguales, se cumple
que
m
, y el modelo M/G2/1 se reduce a un modelo M/G/1.
El tiempo de espera promedio del sistema es:
Å z V d£½ zV3£ Wd½ W

Ä,¸, Å * @
o
½«n2
@ Ä,¸,-
Vz 3£ W
Yeo & Weesakul (1964) han usado un modelo M/G2/1 para el análisis de demoras en
intersecciones prioritarias.
En un sistema de colas M/G/1 la distribución del largo de colas en el tiempo de

cumplimiento del tiempo de servicio es equivalente a la distribución del tamaño de la
cola en cualquier momento. Heidemann (1991) ha mostrado que un sistema M/G2/1
también cumple esta propiedad. Así mismo, demostró que la fórmula de Little se puede
aplicar a un sistema M/G2/1.
1.3.5 Demora en condiciones transitorias
Los modelos discutidos arriba asumen condiciones estado estacionario. Se asume que
todas las condiciones permanecen similares, sólo con variaciones aleatorias, durante el
período de análisis, y que condiciones tempranas (como el período peak) no tienen
efecto en el período de análisis. Sin embargo, las condiciones durante el período de
análisis son usualmente transitorias, debido:
• Flujo, y otras condiciones, cambiando en el tiempo.
• El sistema no puede alcanzar equilibrio debido a que los flujos exceden la

capacidad, y/o
• Condiciones predecesoras puede mantener sus efectos en la performance del

sistema.
Durante un periodo transitorio las medidas de performance del sistema dependen del
tiempo.
Los parámetros, tales como los flujos, de los modelos son usualmente entregados en
términos de promedios durante el período de análisis. Debido a que la demora no es una
función lineal con los flujos, sino que incrementa rápidamente ante flujos altos. El uso
de parámetros promedios en condiciones de transición genera resultados viciados. El
análisis debiera ser realizado para varios períodos cortos, describiendo los flujos con
una función escalonada, y con una correcta consideración de las colas iniciales.
Cuando las condiciones son estables, pero han cambiado recientemente, toma un
tiempo antes que el efecto de las condiciones iniciales se vuelvan negligentes.
Condiciones de estado estacionario sólo se logran después de la fase transitoria. Por
ejemplo, después del período peak, cuando los flujos han disminuido, toma tiempo
antes de que las colas alcancen equilibrio. Además, durante el período peak toma
tiempo que las colas lleguen a un estado de equilibrio.
Morse (1958) ha estimado el “tiempo de relajación” de un sistema de cola con un
canal exponencial y capacidad de almacenamiento infinita como V√ W . Cuando

3¸
los flujos se acercan a la capacidad, el tiempo de relajación se acerca a infinito. Si los

flujos superan la capacidad, las colas se incrementan constantemente, y por consiguiente
no se alcanza un equilibrio.
Aparentemente sistemas sobresaturados se encuentran en un estado transitorio. Para

grados de saturación menores a la unidad el tiempo de relajación es probable que se
extienda sobre el período de análisis. Por lo tanto, un análisis transitorio es necesario
cuando se tengan condiciones cambiantes durante el período de análisis y/o si el radio
D/C es cercano o mayor a uno.
1.3.5.1 Condiciones de sobresaturación
Si la tasa de llegadas excede a la capacidad, la intersección estará sobresaturada. El

número esperado de arribos durante un período es A(τ) = q τ. La tasa promedio de
partidas es igual a la capacidad C, por lo tanto D(τ) = C(τ) = C τ, asumiendo una
capacidad constante durante el período de sobresaturación.
Si el tamaño de la cola al inicio del período es L(0), la cola al final del período es
L(τ) = L(0) + A(τ) - D(τ). Debido a que en condiciones de sobresaturación A(τ) > D(τ),
el sistema no está en equilibrio, y el largo de la cola crece constantemente.
El área entre las curvas de A(τ) y D(τ) es la demora desbordada. Este modelo ignora
los tiempos de servicios y las componentes estocásticas de la demora. Cuando las colas
son largas, la magnitud de las discontinuidades es pequeña en relación al valor
promedio.
Para estimar la demora desbordada sólo es necesario saber la cola inicial, la tasa de
llegadas q, la capacidad C, y el largo del período de observación.
La cola desbordad es:
0\ τ L0 * Aτ Cτ

Asumiendo que las condiciones de desborde continúan sobre todo el intervalo de

tiempo:
6P á 0, τ8: L0 * Au * Cu j 0

Si el período de desborde empieza al principio del período de análisis y no se tiene

cola inicial, entonces 0\ τ Aτ Cτ. Para una tasa constante de llegadas y
capacidad la cola desbordada es 0\ τ τq C Cτ1 ρ. Si la cola desbordada
en el tiempo τ es L\ τ , la cola desbordada en el período τ¸ j τ es:
0\ τ¸ Lτ * Aτ¸ Aτ Cτ¸ * Cτ Lτ * C1 ρτ¸ τ

La demora desbordada acumulada durante el intervalo [0,τ] es el área entre las

curvadas acumuladas de llegadas y capacidad:
@\ τ Z\ 0\ udu
8 8½ 98½
q C ¸ 1 ρ
¸
Esta demora incluye la demora acumulada hasta τ, esta es la demora 0PQ de C(τ)
vehículos y la demora PQR de A(τ)- C(τ). Si se considera una cola inicial L(0), la
demora acumulada es:
98½
@\ τ L0τ * 1 ρ
¸
N° vehículos
Llegadas
R
A(t)
Capacidad
C(t) P
Q
0 t Tiempo
Figura Error! No text of specified style in document.-7: Demora desbordada basada
en “queue sampling”
La demora incluye la demora sufrida por vehículos en la cola inicial desbordada, y

excluye las demoras incurridas después de τ (kimber & Hollis 1979). La cola inicial
captura toda la información relevante acerca de la historia del sistema (Heidemann
2002). Por lo tanto, las demoras acumuladas basadas en las colas son aditivas: τ1 < τ2 <
τ3: W0(τ1, τ3) = W0(τ1, τ2) + W0(τ2, τ3). Debido a que las demoras están basadas en
mediciones de largos de colas, este método es llamado “queue-sampling method”.
Demoras estimadas en base a la medición de demoras individuales para cada conductor
es llamado “path-trace method” (Rouphail & Akcelik 1992).
La demora desbordada por vehículo estimada con el primer método se obtiene al

dividir la demora desbordada acumulada pro el número de partidas Cτ:
Ä\ τ :¡ 8 ;\ * 8 1 ρ
@
<8 ¸
9
El método sobrestima la demora desbordad promedio, debido a que incluye la

demora POQR. El tiempo de espera promedio determinístico en el sistema bajo
condiciones de sobresaturación se obtiene como la suma del tiempo promedio de
servicio y la demora promedio desbordada (Troutbeck 2000).
Ä\ τ * ;\ * 8̧ 1 ρ
Ä4, τ * @
@ 9 9 9
1.3.5.2 Demora en Periodo Peak
En condicione de sobresaturación las colas crecen constantemente, y el sistema no

alcanza el equilibrio. En el extremo, después de un tiempo infinito, se tendrá una cola de
largo infinito. El análisis de condiciones de equilibrio es aparentemente irrealizable,
cuando el sistema esta sobresaturado. Sobresaturaciones severas tienen un efecto en la
demanda de tráfico, debido a la reasignación de parte del tráfico con el propósito de
evadir la sobresaturación. Debido a esto, la sobresaturación es un fenómeno que dura
por un tiempo limitado (Neuburger 1972, Yagar 1977).
La discusión de arriba provee de herramientas para el análisis de la sobresaturación

durante períodos peak. En orden de poder estimar la demora durante el periodo peak es
necesario conocer el máximo flujo y la forma de la demanda. May & Keller (1967)
sugieren una forma triangular o de trapezoide para los patrones de demanda. Kimber &
Hollis (1978) definen un patrón de baja-definición (rectangular) y uno de alta-
definición.
Se asume un patrón rectangular de demanda con un peak qp > C que dura por τp,
después del cual el flujo decrece a q < C. El tiempo (0, τp] es el período peak. No se
tiene cola inicial, L(0)=0, en el sistema. Durante el período peak la cola desbordada
crece a una tasa de C(ρp-1) y alcanza su máximo L0(τp) = Cτp(ρb-1), en que ρp = qp/C > 1
es el radio D/C durante el período peak. Después de τp el largo de cola decae a C(ρ-1),
donde ρ < 1 es el radio D/C después del período peak. De esta manera, la cola
desbordada es:
Cτρ¨ 1 0 t Ó Ó
0\ Ó U R
0\ VÓ W VÓ Ó W1 ρ Ó t Ó Ó\
En que Ó\ es el tiempo en que términa el periodo de flujo desbordado, es decir

cuando la cola desbordada se acaba:
0\ Ó\ 0\ VÓ W VÓ\ Ó W1 ρ 0

EL largo del período de flujo desbordado esta determinado por el largo del período
peak y el radio D/C durante y después del período peak (Kimber & Hollis 1978):
<Ô =ª 3=Ô

Ó\ Ó * <3= 3=
Este resultado puede ser obtenido de manera más directa al relacionar el número de
vehículos desbordados con la capacidad durante el intervalo de tiempo (0,τ0] (Rouphail
& Akcelik 1992):
Ó\ Ó * Ó\ Ó
N° vehículos
Llegadas
Capacidad
0 τp τ0 Tiempo
Figura Error! No text of specified style in document.-8: Demora desbordada causada

por patrón triangular del flujo peak
La demora desbordada acumulada es el área del triangulo de la Figura Error! No

text of specified style in document.-8 (Kimber & Hollis 1978):
98½ª =ª 3=ª 3=

@\ τ\ Z\ ¡ 0\ PHP
8
¸3=
Dado que el decrecimiento y crecimiento es de manera lineal durante el intervalo
(0,τ0], es la mitad del máximo largo de cola, la demora se puede expresar como:
@\ τ\ 0 VÓ W
8¡
¸ \
Debido a que la demora incluye el area total del triangulo, los resultados de los
métodos “path-trace” y “queue-sampling” concuerdan, y la irregularidad en la demora
desbordada promedio desaparece.
La demora desbordada promedio pro vehículo es obtenida al dividir la demora

desbordada acumulada con el número de vehículos que experimentan esta demora
(Cτ\ ):
Ä\ :¡ 8¡ ;¡ V8ª W 8ª Vρ¨ 1W

@ 98 ¡ ¸9 ¸
El mismo resultado puede ser obtenido por la fórmula de Little, en el que se sostiene
que la cola promedio es igual al producto del tiempo de espera promedio y la tasa de
llegadas. Debido a que durante el intervalo (0,τ0] el largo de cola promedio es
0Á \ VÓ W⁄2, t la tasa de llegada es la capacidad, se obtiene:
Vρ¨ 1W Error! No text of specified style in document.--235

;¡ V8ª W
@\
8ª
¸9 ¸
Esta ecuación es igual a la demora promedio utilizando el método “queue-sampling”

durante el intervalo (0,τp].
La demora desbordada promedio no depende del radio D/C después del peak. Debido
a que la cola promedio desbordada L\ Vτ¨ W⁄2 no cambia con ρ, la demora por vehículo
no se incrementa cuando ρ incrementa. Sin embargo el tiempo de demoras promedias
altas se incrementa.
La ecuación CCC entrega la demora desbordada promedio por vehículo durante el

período desbordado (0,τ0]. Kimber & Hollis (1978) han atribuido el exceso de demora a
los vehículo A(τp) = Cρpτp del período peak:
Ä\ 8ª =ª3=ª 3=
@ ¸= 3=
ª
Se debe ser cauto, si la demora promedio es usada para estimar la demora desbordada
acumulada.
Usando el método “queue-sampling” la demora acumulada a lo largo de periodos

consecutivos puede ser sumada. Los cálculos debieran considerar las colas iniciales en
el inicio del período de análisis.
1.3.6 Método de transformación coordinada
Usualmente la sobresaturación es un fenómeno de un período peak que dura por un

tiempo limitado de tiempo. Dado lo anterior, las colas no crecen a infinito. Un análisis
del tipo estado estacionario deja de ser representativo para altos grados de saturación.
Para radios D/C considerablemente mayores a la unidad las colas son largas y el
efecto de variaciones aleatorias puede ser ignorado (Yagar 1977). La demora
desbordada promedio se aproxima a la demora desbordada determinísticaW0. Por otro
lado, para radios D/C considerablemente bajos la probabilidad de desborde producido
por variaciones aleatorias es muy pequeña, y los resultados del método de estado
estacionario parecen plausibles. Cuando el radio D/C es cercano a uno la demora
promedio es superior a la demora del modelo de analogía a fluidos pero menor a la del
modelo de estado estacionario (Hurdle 1984).
La naturaleza estocástica del período peak ha sido estudiada analíticamente por Smit
(1971), Newell (1971) y otros. La aproximación de fluidos sugiere cierta analogía a la
teoría de flujos. Haight (1963) utilizó la matriz de transición (cadena de Markov) para
las probabilidades de largos de cola. Sin embargo, el procedimiento más utilizado esta
vasado en la combinación del modelo de estados estacionario y el de sobresaturación
determinística.
La curva de la demora promedio del modelo de estado estacionario se acerca

asintóticamente a la recta ρ = 1. Si se asume que la curva de la demora promedio
dependiente del tiempo debiera acercarse a la curva de la demora desbordada
deterministica, la nueva demora puede obtenerse por medio de una transformación
coordinada sugerida por Kimber et al. (1977) y Catling (1977). Originalmente el
método que aplicado en el programa Transyt (Robertson 1969) por P.D. Whiting.
La diferencia horizontal entre la curva de tiempo de espera tiempo dependiente y la
curva de tiempo de espera determinística es ρD – ρ (Figura Error! No text of specified
style in document.-9). Si la curva tiempo dependiente se acerca asintóticamente a la
curva determinística de la misma manera en que la curva de estado estacionario se
acerca asintóticamente a ρ = 1, entonces la siguiente relación se cumple (Kimber &
Hollis1979):
1

4
Donde
y
4 son los grados de saturación dados por el mismo tiempo de espera
promedio de las curvas de los modelos de estado estacionario y determinístico
Ä e para el radio D/C ρ.
respectivamente, como también para la curva transformada @
Espera
promedio
Estado Tiempo- Determinístico
Estacionario Dependiente
ρn 1 ρ ρD Radio D/C
Figura Error! No text of specified style in document.-9: Transformación coordinada

para el tiempo de espera
El tiempo de espera determinístico promedio del sistema es (Kimber & Hollis 1979):
Ä4, * ;\ * 8̧ ρ> 1

@ 9 9
Ä e, para el radio D/C ρ,

Debido a que esta espera es igual a la espera transformada @
se obtiene:
ρ> 8̧ ²@
Ä e, z;\³ * 1
9
De esta manera, la ecuación 1

4
Error! No text of specified
style in document.-237 puede expresarse como:
¸
Ä e,
²@
z;\
³*

0
9
8
El radio D/C equivalente

para el modelo de estado estacionario puede ser
obtenido desde la ecuación del tiempo de espera del estado estacionario. Esta ecuación
debiera describir el tiempo de espera del sistema, incluyendo el tiempo de servicio.
Si el tiempo de espera en estado estacionario es estimado usando un modelo

M/G/1,
puede expresarse como:
:
Ä 3

<: ?,+
Ä 3z
?,+
El tiempo de espera dependiente del tiempo en el sistema puede ser resulto a partir de
la siguiente ecuación cuadrática:
¸9
Ä e,
@ ¸
²
1 *
¸/;\z¸3@8
Ä e,
³@ * 1 ²
* <8 ³ 1 0
¸/;\z8
8 <8
La solución de esta ecuación es:
Ä e, F * F¸ * F¸
@
En que,
8 ;\z¸3@
F õ ρ 1 *
¸9
F¸ ¯1 1 k ²ρ *
8 ¸/;\z8
³°
¸9 <8
La solución negativa de la ecuación no tiene significado físico (Kimber & Hollis

1977)
En un sistema M/M/1 sin cola inicial k = 1, L(0), y

1 <:
Ä ?,+
El tiempo de espera promedio tiempo dependiente del sistema es (Kimber et al.
1977, Troutbeck 2000)
Ä e, 8 ρ 1 *
@

* B²8 ρ 1 * ¸
³ *
8
õ ¸9 õ ¸9 ¸9
La cual puede ser obtenida directamente por:
Ä e, F * F¸ * F¸
@
En que,
8
F õ ρ 1 * ¸9


8
F¸ ¸9
Debido a que ρ - 1 = C-1(q - C), el tiempo de espera promedio puede ser expresado en
términos de la capacidad t la capacidad de reserva.
Si el supuesto 1

4
document.-237 de diferencias equivalentes entre radios D/C, se reemplaza por el
supuesto de proporciones equivalentes (Heidemann 2002),

C
Se obtiene para un sistema M/M/1 sin cola inicial:
Ä e, * Ô Ðρ 1 * Bρ 1¸ * ü=Ò

@
< õ 98
Esta ecuación fue sugerida por Akcelik & Troutbeck (1991), y ha sido adoptada por
HCM2000 (Transportation Research Board 2000) con pequeñas modificaciones.
Le método alemán (FGSV 2001) remarca que el método de transformación

coordinada no es un resultado de un análisis detallado del comportamiento de colas. La
única justificación para el método es que provee una transición suave desde el análisis
del estado estacionario al de tiempo dependiente de una manera en la que se satisface
las ideas intuitivas del fenómeno. Además, el método no considera el largo del proceso
de descarga en el período peak.
Heidemann (2002) ha derivado formulas exactas para la media y varianza de los

largos de cola y tiempos de espera de un sistema M/G/1 bajo condiciones transitorias.
La media y varianza fueron obtenidos a través de métodos numéricos. Se mostró que
estas dependían de la forma de la distribución de tiempos de servicio. Sin embargo, la
aproximación de la transformación coordinada presentado por Kimber & Hollis (1979)
y Akcelik & Troutbeck (1979) obtuvieron resultados bastante similares los resultados
exactos. El método de Kimber & Hollis (1979) tuvo una performance levemente mejor
que el método de Akcelik & Troutbeck (1991).
Ä e, * Ô Ðρ 1 * Bρ 1¸ * ü=Ò

La ecuación @
98
< õ
Error! No text of
specified style in document.-252 entrega el tiempo de espera promedio dependiente del

tiempo en el sistema. Por lo tanto la demora promedio dependiente del tiempo se puede
expresar como:
@ Ä e, N * ÁÁÁÁ
Äe @ @´±
ÁÁÁÁ± es la demora promedio por aceleración.

En que @´

Parametros Intersecciones

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Parametros Intersecciones

Uploaded by

Copyright:

Available Formats

1.

En este capítulo se entrega una detallada revisión bibliográfica de los antecedentes

El alcance de esta revisión, respecto a la profundidad y especificidad de los modelos

Una intersección es un nodo de una red de calles y es usualmente donde el tráfico

Dos modelos generales de estimación de la capacidad han sido utilizados en

1.1 Modelo Lineal de Capacidad

Otra manera de estimar la capacidad, corresponde a la determinación de ésta por

Caso general (da cuenta de todo tipo de situaciones):

C(s): capacidad del movimiento no prioritario

ρi: coeficiente de la regresión

X,Y,Z: funciones de parámetros geométricos

En la figura XX se presenta la nomenclatura utilizada para describir los flujos

1.1.1 Parámetros Geométricos

X representa Cambios proporcionales en la capacidad. Magnitudes dadas por:

1+bw, W: ancho de la vía no prioritaria

1+aV, V: visibilidad del conductor en la no prioritaria hacia la prioritaria

'.  /1 * 0.0942.34  3.658/1 * 0.00099.34  1208

':  /1 * 0.0942:3.  3.658/1 * 0.00099 :  1208/1 * 0.00069;:  1508 Error!

'<  /1 * 0.0942<3:  3.658/1 * 0.00099<3:  1508

'4  /1 * 0.094243<  3.658/1 * 0.00099 4  1208/1 * 0.00069;4  1508

=:  /1 * 0.0942:3<  3.658/1 * 0.00099 :  1508

=4  /1 * 0.094243.  3.658/1 * 0.00099 4  1508

Wcr es el ancho de la reserva central en intersecciones de con vía prioritaria con

Wes el ancho total en la vía prioritaria, excluyendo reservas centrales.

wA-D es el ancho de pista disponible para el flujo A-D.

Y representa el efecto del ancho de la pista prioritaria en la capacidad, dado por:

14@<B C DE F GF HIDIJKF LE MD ED NFD ER

1.1.2 Capacidad en una intersección T

´:3<  =: /754  )0.364.3< * 0.144.3: 8

:3.  ': /627 * +  )0.364.3< * 0.144.3: *0.229<3. * 0.520<3: 8

<3:  ': /754  0.364).3< * .3: 8

Con C´ es la capacidad de un movimiento que será modificada producto del efecto

1.1.3 Capacidad para Cruces

´:3<  =: /754  )0.364.3< * 0.144.3: 8

<3:  ': /754  0.364)(.3< * .3: * 0.52.34 ,8

Para movimientos no prioritarios que crucen la intersección (B-D o D-B) la

:34  T/627 * +  )(0.364.3< * .34 R * 0.144.3:

(para la pista izquierda es C´B-D)

=: V1 * 0.00069;:  150W M NF XP IDHFR

1.2 Teoría de Aceptación de Brechas (gap)

En una intersección prioritaria, las llegadas estocásticas de vehículos del flujo

La capacidad del flujo no prioritario estará determinada por la percepción y manera

Partiendo de la capacidad, otros parámetros de tráfico, que representan la calidad del

En una intersección prioritaria, un movimiento no prioritario esta sujeto a distintos

La nomenclatura utilizada para describir cada uno de los movimientos involucrados

Figura Error! No text of specified style in document.-1: Nomenclatura de

De esta manera podemos clasificar los movimientos involucrados como:

• Cruce prioritario: Movimientos 2 y 5.

• Giro a la derecha prioritario: Movimientos 3 y 6

• Giro a la izquierda prioritario: Movimientos 1 y 4

• Cruce no prioritario: Movimientos 8 y 11

• Giro a la izquierda no prioritario: Movimientos 7 y 10

• Cruce peatonal prioritario: Movimientos 15 y 16

• Cruce Peatonal no prioritario: Movimientos 13 y 14

La interacción de estos movimientos en la intersección debe satisfacer un orden de

• Ranking 2: Movimientos 1, 4, 9,12 13 y 14

1.2.1 Distribuciones de Headway

De manera de poder estimar la capacidad de los movimientos involucrados en la

Si asumimos que un vehículo no prioritario llega a la línea de detención o de ceda el

Llamaremos f(t) a la función de densidad de probabilidad, F(t) a la función

Se cumple, por teoría de probabilidades que:

Si las llegadas de vehículos en el flujo prioritario se asumen completamente

A partir del headway esperado se puede sostener que λ = 1/E[T], es decir, λ = qp

'. /1 * 0.0942.34 3.658/1 * 0.00099.34 1208

': /1 * 0.0942:3. 3.658/1 * 0.00099 : 1208/1 * 0.00069;: 1508 Error!

'< /1 * 0.0942<3: 3.658/1 * 0.00099<3: 1508

'4 /1 * 0.094243< 3.658/1 * 0.00099 4 1208/1 * 0.00069;4 1508

=: /1 * 0.0942:3< 3.658/1 * 0.00099 : 1508

=4 /1 * 0.094243. 3.658/1 * 0.00099 4 1508

14@<B CDE F GF HIDIJKF LE MDEDNFDER

´:3< =: /754 )0.364.3< * 0.144.3: 8

:3. ': /627 * + )0.364.3< * 0.144.3: 0.229<3. 0.520<3: 8

<3: ': /754 0.364).3< * .3: 8

´:3< =: /754 )0.364.3< * 0.144.3: 8

<3: ': /754 0.364)(.3< * .3: * 0.52.34 ,8

:34 T/627 * + )(0.364.3< * .34 R * 0.144.3:

=: V1 * 0.00069;: 150W MNF XPIDHFR

Con la proporción de headways de vehículos libres y un parámetro de escala.

• Modelo exponencial negativo ∆ 0 f 1.0

• Modelo exponencial desfasado 1.0

i(C , iN * 1N N N * N Z[ z 3[

YVN * N W YVN * 1N W ]VN * 1N W ]VN * N W

n©ª ¤ n

n©ª ®¤ n

ZN N N0 ONHN ¯ZN NONHN N0 ]N0 °

M N0 ∆