3. Aplicación de la comprobación de coherencia del RDS
Para la comprobación de la coherencia individual y de la congestión se examina cada observación en cada punto temporal y se aplica el algoritmo. En el caso de la comprobación de la coherencia espacial, se examinan varios objetos dentro de cada período de tiempo. Cuando el conjunto de datos se almacena en intervalos de tiempo pequeños (por ejemplo, 15 minutos), podría generarse una gran lista de avisos que podría resultar abrumadora y, en ocasiones, difícil de gestionar. Por ejemplo, en el modelo de prueba mencionado anteriormente, el conjunto de datos tenía una duración de 24 horas con intervalos de 15 minutos. Para reducir el tiempo de ejecución, el conjunto de datos puede recortarse a 5 horas (de 2 a 7 de la tarde), que es el periodo de análisis, utilizando las opciones de filtro descritas. La comprobación de coherencia con el valor por defecto generó 849 mensajes en total. La opción de filtro ayudaría a separar la salida por tipos de mensajes, tipo de objeto (por ejemplo, sección, nodo, detectores) y por archivo de RDS.
Figura 5: ejemplo de mensajes de comprobación de coherencia RDS
Si observamos detenidamente la figura 5, para la misma estación de detección se genera el mismo mensaje de error para cada punto de tiempo. Dependiendo de la aplicación de los datos, es posible que tengamos que examinar cada intervalo de tiempo y, a veces, sería conveniente obtener datos agregados a lo largo de un período. En las siguientes secciones, se discuten algunas aplicaciones comunes de esta herramienta.
3.1 Ajuste de la matriz origen-destino estática
El proceso de ajuste de la matriz origen-destino (OD) estática examina el volumen simulado y lo compara con el volumen del RDS. No es necesario que los datos dependan del tiempo. Lo que interesa sobre todo es la incoherencia del flujo, ya que podría afectar negativamente al proceso de ajuste. Podemos agregar los datos por periodo de simulación. Por ejemplo, en el modelo de prueba, hemos utilizado la opción de agregación automática disponible en el lector del RDS, como se muestra en la figura 6.
Figura 6: comprobación de la coherencia del RDS con datos agregados
Cuando la comprobación de coherencia se realiza en los datos agregados, el número de errores de coherencia espacial ha descendido de 44 a 3. Cuando no interesan los valores de velocidad, se puede utilizar un umbral alto para la velocidad medida frente a límite de velocidad para evitar los informes sobre errores. Del mismo modo, las comprobaciones de ocupación también pueden evitarse con un valor bajo para el flujo máximo para identificar la congestión.
Si miramos la descripción del primer error, los dos detectores de sección tienen una diferencia de caudal de 565 (1776-1211) vehículos. Como no hay otras interferencias geométricas, uno de los valores de flujo debe ser incorrecto. En este caso, el valor de flujo más bajo fue causado por un detector defectuoso. En el último mensaje de advertencia, el cálculo del nodo se basa en el flujo de entrada y de salida, como se muestra en la figura 7. Curiosamente, faltaban los datos de un giro de salida, que fue recalculado por la información del nodo aguas abajo.
Identificar esa incoherencia en los datos de manera manual llevaría mucho tiempo, mientras que la comprobación de la consistencia del RDS con la herramienta es en su mayor parte automática y se ejecuta en segundos para proporcionar información útil sobre la variación del flujo. Deberíamos actualizar el detector de incoherencias para el proceso de ajuste de la OD estática.
Figura 7: cálculo del flujo para la comprobación de incoherencia de nodos (los números denotan el flujo medio)
3.2 Refinamiento de la velocidad
Los datos de velocidad son importantes para la calibración y validación del modelo. El proceso identifica las anomalías de velocidad comparándolas con el límite de velocidad de la sección (o del giro). Los datos de velocidad dependen del tiempo y deben analizarse por cada punto de tiempo o pueden agregarse para el intervalo de tiempo de informe del modelo. A veces, este análisis también puede ayudar a identificar anomalías en el límite de velocidad de la sección. Por ejemplo, si los datos del límite de velocidad del modelo están desfasados, el último RDS puede identificar posibles lugares en los que es necesario realizar cambios. En este modelo de prueba, las advertencias sobre la velocidad en los accesos son frecuentes. Un ejemplo se muestra en la figura 8, donde el límite de velocidad en los accesos se estableció en 60 km/h y el límite de velocidad en la autopista era de 110 km/h. La velocidad en los accesos en el lugar detectado puede no estar justificada, ya que el conductor habría empezado a reducir la velocidad tras salir de la autopista. La velocidad en los accesos puede actualizarse basándose en el valor de la velocidad del RDS.
Figura 8: identificación de las anomalías en los límites de velocidad de las secciones a partir del RDS
3.3 Secciones congestionadas
Con los datos de flujo y ocupación, se pueden identificar los lugares congestionados a partir del RDS. Este resultado se marca como información. Las ubicaciones identificadas pueden usarse para crear una agrupación de secciones congestionadas que ayude al proceso de ajuste de la OD estática. También ayudará al proceso de validación del modelo, ya que informa de las ubicaciones típicas donde se produjo la congestión en la vida real. En el modelo de prueba hemos utilizado la agregación de 1 hora para informar de la coherencia de la congestión. La elección de los parámetros debe basarse en el valor del flujo y la ocupación observados en algunos lugares típicos congestionados. En la figura 9 se muestra el perfil de flujo y ocupación de dos lugares típicos congestionados (mañana y tarde) en la autopista. Sobre la base de este perfil, el valor del parámetro de flujo máximo para identificar la congestión se establece en 4.200 vehículos por hora y la ocupación mínima para identificar la congestión se establece en el 25%. Un valor más bajo para la ocupación mínima podría producir muchos casos con congestión leve o secciones a capacidad. En la figura 9 se muestra un ejemplo de los resultados de la coherencia de la congestión con los valores de los parámetros utilizados. Se identifica, por ejemplo, que el detector 4421 estaba parcialmente congestionado durante la tarde.
Figura 9: ejemplo de configuración y resultados de la coherencia de la congestión