Grand Lyon
SPIE
Lyon, Francia
2013 – 2016
AIMSUN LIVE
EN TODA LA CIUDAD
MODELO MESOSCÓPICO
El proyecto piloto de Grand Lyon Opticities pretendía demostrar que una herramienta de predicción puede ayudar a los operadores de tráfico a anticiparse y mitigar los picos de congestión mediante la previsión de los futuros patrones de flujo de la red que resultarían de diversas acciones de gestión del tráfico, proporcionando una comparación precisa de estrategias y, por tanto, aplicando la mejor estrategia sobre el terreno.
Opticities es un proyecto de 3 años para probar las innovaciones de los STI en contextos urbanos. Coordinado por el Grand Lyon y apoyado por la Dirección General de Investigación e Innovación de la Comisión Europea, uno de los proyectos de trabajo consiste en probar la integración de las herramientas de predicción del tráfico en los sistemas de control del tráfico existentes en el Grand Lyon.
La empresa SPIE, encargada de desarrollar el sistema de control de tráfico CRITER para el Gran Lyon, se asocia al proyecto Opticities en este desarrollo.
La simulación dinámica y de alta velocidad de Aimsun Live permite a los operadores de tráfico del centro de gestión del tráfico de Lyon (CRITER) visualizar las condiciones del tráfico antes de que se produzcan realmente. Bastan 3 ó 4 minutos para hacer una predicción exhaustiva del tráfico para la siguiente hora.
Aimsun Live procesa continuamente los datos de campo en directo, simulando el movimiento de los vehículos dentro del área de estudio de Lyon, que abarca aproximadamente 1.400 km de carreteras. Combinando la alimentación de datos de tráfico en directo y las simulaciones de alta velocidad con la emulación de estrategias de mitigación de la congestión, Aimsun Live puede prever con precisión los futuros patrones de flujo de la red que resultarán de una estrategia de gestión del tráfico concreta.
Los operadores pueden simular diferentes escenarios, según diferentes estrategias / políticas de viaje (basadas en las configuraciones del plan de control), para evaluar su impacto relativo en la red.
Los resultados de los escenarios se clasifican según los indicadores definidos inicialmente. Para cada escenario simulado, se muestra el estado del tráfico y luego los operadores pueden aplicar las acciones simuladas según estos resultados.
Para comparar los escenarios se eligieron cinco indicadores: la fluidez global, la congestión dinámica, la jerarquía a nivel de carretera y los indicadores de datos de los peatones. Estos indicadores ayudan a los operadores de tráfico a seleccionar la mejor estrategia a aplicar no sólo a las congestiones recurrentes, sino también a los incidentes y sucesos no planificados. Esto permitirá a los operadores centrarse en áreas específicas de intervención para minimizar los tiempos de viaje personales, analizar el impacto y la eficacia de las estrategias desplegadas y construir y perfeccionar una biblioteca de intervenciones/estrategias para su uso futuro.
Velocidades simuladas en la zona de estudio de Aimsun Live
Para proporcionar predicciones precisas, el equipo de modelización tiene que integrar en el modelo Aimsun Live de Lyon los siguientes datos: el modelo estático, los datos del transporte público, el plan de control de todos los semáforos, los datos de la demanda de tráfico, el historial de datos de tráfico y la definición de eventos y escenarios de respuesta. Los datos históricos de tráfico se utilizan para generar patrones para la simulación en tiempo real. Y, por último, la definición de eventos y el escenario de respuesta se utilizan para ejecutar simulaciones predictivas cuando se producen eventos especiales.
Alimentación de datos
Aimsun Live es el software de predicción del tráfico que está en el centro del proyecto de autopista inteligente M4, de 600 millones de dólares, del Gobierno de Nueva Gales del Sur. El proyecto utiliza datos en tiempo real, comunicaciones e ITS para mejorar el flujo de tráfico.
Aimsun construyó e implementó el primer sistema de previsión de tráfico basado en la simulación para las operaciones de evacuación de tráfico y respuesta a incidentes en el centro de control de tráfico de Madrid.
SHARE
Aimsun Next 23
Aimsun Next 20.0.5
Aimsun Next 23
@manual {AimsunManual,
título = {Aimsun Next 23 User’s Manual},
autor = {Aimsun},
edición = {Aimsun Next 23.0.0},
domicilio = {Barcelona, Spain},
año = {2023. [Online]},
mes = {Accessed on: Month, Day, Year},
url = {https://docs.aimsun.com/next/23.0.0/},
}
Aimsun Next 20.0.5
@manual {AimsunManual,
título = {Aimsun Next 20.0.5 User’s Manual},
autor = {Aimsun},
edición = {Aimsun Next 20.0.5},
domicilio = {Barcelona, Spain},
año = {2021. [En software]},
mes = {Accessed on: Month, Day, Year},
url = {qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html},
}
Aimsun Next 23
TY – COMP
T1 – Manual del usuario de Aimsun Next 23
A1 – Aimsun
ET – Aimsun Next Version 23.0.0
Y1 – 2023
Y2 – Acceso: Mes, Día, Año
CY – Barcelona, España
PB – Aimsun
UR – [En software]. Disponible en: https://docs.aimsun.com/next/23.0.0/
Aimsun Next 20.0.5
TY – COMP
T1 – Manual del usuario de Aimsun Next 20.0.5
A1 – Aimsun
ET – Aimsun Next Version 20.0.5
Y1 – 2021
Y2 – Acceso: Mes, Día, Año
CY – Barcelona, España
PB – Aimsun
UR – [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html
