1 Introducción a la teoría de tráfico

1.1 Definiciones y presentación del problema

El “problema del transporte” ha sido enfocado desde diversas perspectivas. No obstante,
Manheim (1984) ofrece una en la cual se puede incorporar una visión de la importancia del
estudio del tráfico como fenómeno físico. El enfoque clásico de Manheim para entender la
dinámica del transporte se resume en la Figura 1.1.

Generan a
corto plazo
A T

Cambios a Cambios a
largo plazo F mediano plazo

Figura 1.1. Esquema de Manheim

Donde:

A = Sistema de Actividades en un área geográfica (país, región, ciudad, comuna, etc.):

 Residencia.
 Trabajo y estudio.
 Servicios.
 Esparcimiento.

T = Sistema de Transporte en el área geográfica compuesto por:

 Vías.
 Vehículos.
 Terminales (estaciones, paraderos, estacionamientos).
 Forma de operar el sistema (sentidos de calles, frecuencia de los buses, etc.).

F = Patrón de Viajes en el área, es decir, la cantidad de viajes de personas y cosas:

 Entre distintos pares origen – destino.
 En diversos medios o modos de transporte (auto, bus, metro, a pie, etc.).
 Por variadas rutas (conjuntos conexos de vías).
 Durante diferentes períodos (punta mañana, tarde, fuera de punta, etc.).

De acuerdo con este enfoque, la interacción entre el Sistema de Actividades (A) y el

Sistema de Transporte (T) genera, en el corto plazo, un determinado Patrón de Viajes (F).
Según las características de F, se producirán cambios sobre T en un mediano plazo (e.g.,
aumento de frecuencias del transporte público, nuevas conexiones viales) o sobre A en un
plazo más largo (e.g., creación de centros comerciales, cambio de lugar de residencia).

El esquema de Manheim de la Figura 1.1 es un avance para entender la dinámica del

problema de transporte, pero se puede detallar un poco más. Según su definición, F puede
ser descrito por una matriz origen-destino {Tij} por modo y período, en la que las celdas
son el número de viajes entre zonas orígenes (i) y zonas destinos (j).

No obstante, la manifestación física de esos viajes es el tránsito o tráfico1. Es decir, la

circulación de personas por el espacio público en diversos modos de transporte. Según la
calidad de esa circulación, se generarán impactos sobre los usuarios del sistema – y sobre
su entorno – que producirán los cambios de mediano y largo plazo sobre T y A.
Consecuentemente, el esquema de Manheim se puede extender como se muestra en la
Figura 1.2.

Generan a
corto plazo
A T

Cambios a Cambios a
largo plazo F mediano plazo

Manifestación

TRÁFICO

Calidad

Figura 1.2. Importancia del tráfico en la dinámica del sistema de transporte

Donde:

I = Conjunto de impactos derivados del tráfico:

 Congestión: demoras a usuarios, formación de colas y detenciones de vehículos.
 Polución: emisión de contaminantes atmosféricos.
 Riesgo: aumento en la gravedad y número de accidentes.

1
Según el Diccionario de la RAE, ambos términos son sinónimos. En lo que sigue, se usarán indistintamente.
  Ruido: emisión de vibraciones sonoras y físicas.
 Segregación: aumento del tiempo y distancia de cruce de cauces vehiculares.
 Intimidación: disminución del uso del espacio público para otros fines.
 Intrusión visual: reducción del campo visual por vehículos o infraestructuras.

En lo que sigue, nos concentraremos en uno de los impactos mencionados: la congestión.

No porque los otros impactos no sean relevantes, sino porque la congestión es un efecto
directo y primario sobre los usuarios del sistema de transporte.

Hay que hacer notar, sin embargo, que la “congestión” es un concepto vago. Pero tiene una
manifestación física: demoras, colas y detenciones. Estas son susceptibles de medirse en
la calle o predecirse con modelos matemáticos. Por lo tanto, decir que “hay congestión” en
una calle o que cierta intersección de calles está “congestionada” sólo tiene sentido si las
demoras, colas y detenciones que allí se producen exceden un cierto umbral. Más adelante
veremos cómo definir este umbral.

1.2 Conflictos de tráfico

Siendo el tráfico la circulación de personas por el espacio público, éste generará
interacciones entre personas: en algún instante se encontrarán dos personas que están
circulando. Estas interacciones darán origen a “conflictos” durante la circulación.

Se producirá un conflicto de tráfico cuando dos o más personas pretendan usar

simultáneamente un mismo recurso del sistema de transporte. Se entenderá como recurso
del sistema de transporte a una porción de vía, un área dentro de una intersección, un lugar
en un terminal o un espacio en el interior de un vehículo.

Dependiendo a la forma y razón por la cual se producen los conflictos de tráfico, se pueden
clasificar en tres tipos:

a) Conflictos concurrenciales.
b) Conflictos direccionales
c) Conflictos funcionales.

a) Conflictos concurrenciales: se producen una misma porción de vía, circulando en la

misma dirección, pero con distintas velocidades. Esquemáticamente, se muestran en la
Figura 1.3. El vehículo 1 lleva una velocidad v1> v2, velocidad del vehículo 2. Por lo
tanto, ambos se encuentran en el punto P en un cierto instante. Las posibilidades de
solución de este conflicto son tres:

 El vehículo 1 adelanta al vehículo 2.

 El vehículo 1 ajusta su velocidad a la del vehículo 2.
 Accidente: el vehículo 1 colisiona al vehículo 2.
b) Conflictos direccionales: se producen en una misma área de una intersección, debido a
las distintas maniobras que realizan los vehículos (ver Figura 1.3). Sus soluciones son
también tres:

 El vehículo 2 siempre le cede el paso al 1 (señal de prioridad).

 El derecho de paso se alterna en el tiempo (semáforo).
 Accidente: los vehículos colisionan.

c) Conflictos funcionales: se producen en un mismo lugar de un terminal – formal o

informal – por distintos objetivos de los vehículos. En la Figura 1.3, el vehículo 1
quiere circular y el vehículo 2 detenerse para tomar o dejar pasajeros o carga. Las
soluciones son parecidas a la de los conflictos concurrenciales:

 El vehículo 1 adelanta al vehículo 2.

 El vehículo 1 se detiene tras el vehículo, mientras éste carga y descarga.
 Accidente: el vehículo 1 colisiona al vehículo 2.

Obviamente, la peor solución a los conflictos es el accidente. Aunque se elimina el

conflicto, sus efectos son trágicos (daños y víctimas). Las otras soluciones tienen efectos
como demoras, detenciones y colas; indeseables, pero menos catastróficos.

La solución a los conflictos requiere una buena regulación. Es decir, bajo qué reglas
operará un determinado dispositivo vial. Por ejemplo, qué movimiento tendrá prioridad en
una intersección o cuánto tiempo de verde se le asignará a cada movimiento. El diseño de
esta regulación debe ser eficiente y seguro. Para ello es necesario, en primer lugar, estudiar
el desarrollo de los conflictos.

En lo que sigue, se estudiará el tráfico en función de los conflictos. Se puede entonces

agrupar el estudio desde dos perspectivas:

 Estudio de la circulación continua (conflictos concurrenciales).

 Estudio de la circulación interrumpida (conflictos direccionales y funcionales).
 Vehículo 1 Vehículo 2
(v1) (v2)
P

a) Conflictos concurrenciales

Cruce Convergencia Divergencia Entrelace

b) Conflictos direccionales

c) Conflictos funcionales

Figura 1.3. Clasificación de los conflictos de tráfico

1.3 Modelos de circulación continua

La circulación continua se caracteriza por la ausencia de detenciones obligadas a lo largo de
un tramo de vía que puedan deberse a la presencia de dispositivos viales como
intersecciones. No obstante, se pueden producir detenciones por efectos de interacciones
entre vehículos circulando en el mismo sentido, pero con diferentes velocidades. Es decir,
producto de conflictos concurrenciales. Es lo que sucede, por ejemplo, a lo largo de una
pista de un camino, autopista, túnel o puente. El estudio de la circulación en estas
condiciones es el más fácil de formalizar. Por lo mismo, históricamente fue el primero que
se llevó a cabo.

Estudiaremos dos aproximaciones al problema de la circulación continua:

 El Modelo fluidodinámico. El tráfico es considerado como un flujo continuo de

partículas idénticas. Por lo tanto, su representación se hace sobre la base de variables de
estado promedio.
 La Teoría del seguimiento vehicular. A diferencia del enfoque anterior, no se estudia el
comportamiento promedio, sino las interacciones entre un par de vehículos: el
antecesor y el sucesor. Pero se mantiene el supuesto de que los vehículos son idénticos.

1.3.1 Modelo fluidodinámico

La vía donde se produce la circulación continua no es necesariamente recta. Pueden tener

curvatura horizontal y vertical; además, las pistas de circulación tienen anchos distintos a
cero. Sin embargo, desde un punto de vista que abarque unos kilómetros, se puede
representar la circulación a lo largo de un solo eje espacial.

Para “ver” la circulación (movimiento) se requiere, además, del eje temporal. Entonces, el
tráfico se verificará en una “ventana” espacio-temporal. La Figura 1.4 muestra cómo
observar el tráfico de un conjunto de vehículos circulando a distintas velocidades en un
tramo de longitud L y durante un período T.

s Observación Observación en
espacial movimiento

A
L
B
s0 Observación
temporal

T
t
t0
Figura 1.4. Representación del tráfico en el espacio (s) y el tiempo (t)

En la figura, la pendiente de las trayectorias espacio-tiempo (s-t) de los vehículos es su

velocidad. Cuanto más vertical la curva, mayor es la velocidad. También, se pueden ver dos
puntos donde se producen conflictos concurrenciales que se solucionan de formas distintas.
El punto A representa un adelantamiento. El punto B es un alcance (el vehículo más rápido
ajusta su velocidad a la del más lento). Si en B se hubiese producido una colisión por
alcance, las curvas se habrían transformado en dos rectas horizontales a partir de ese
instante.

Como se muestra en la figura, el tráfico puede ser observado desde tres puntos de vista:

 Observación temporal. El observador se para en un punto s0 del tramo y observa lo que

ocurre durante todo el período T. En la Figura, observará n = 5 vehículos.
 Observación espacial. En un instante t0 el observador da un vistazo global a todo el
tramo L; por ejemplo, toma una foto aérea. Capta n’ = 4 vehículos.
 Observación en movimiento. El observador entra a la corriente vehicular y, circulando
a velocidad contante, obtienen información (ejemplo, método del “vehículo flotante”
para medir velocidades). En la Figura, alcanza a examinar n’’ = 2 vehículos.

Se obtienen distintas variables de estado de la corriente de tráfico según el tipo de

observación. En este texto nos concentraremos en las dos primeras.

a) Variables obtenidas de una observación temporal

 Flujo (q). También se suele referir como volumen. Es la cantidad n de vehículos que
pasan por el punto s0 durante el período T. Usualmente, se expresa en vehículos por
hora [veh/h], lo que no implica necesariamente medir durante una hora.

n
q (1.1)
T

 Velocidad media temporal (vt). Es el promedio aritmético de las velocidades

instantáneas (pendientes de las trayectorias s-t) de los n vehículos que pasaron por s0
durante el período T. Se suele expresar en kilómetros por hora [km/h].

1
vt   vi
n i
(1.2)

 Intervalo medio (h). También se conoce como headway. Es el promedio de los

intervalos de tiempo hi entre pasadas de puntos homólogos de los vehículos (v.g.,
parachoques traseros). Por lo general, se mide en segundos [s] (ver Figura 1.5).

1 T 1
h 
n i
hi  
n q
(1.3)

Por consiguiente, el intervalo medio equivale al inverso del flujo que pasa por un punto
de la vía en un período T.

b) Variables obtenidas de una observación espacial

 Concentración (k). También se le denomina densidad. Es el equivalente espacial del

flujo. Corresponde a la cantidad n’ de vehículos observados en el instante t0 en todo el
tramo L. Se mide en número de vehículos por kilómetro [veh/km].

n'
k (1.4)
L
 Velocidad media espacial (vs). Se calcula a partir del promedio de los tiempos ti de viaje
que le toma a cada vehículo recorrer un tramo L, en [km/h].

L L 1 1
vs     (1.5)
1 1  ti  1  1 

t
n' i
ti  
n' i  L  n' 
 
i  vi 

En consecuencia, la velocidad media espacial corresponde a la media armónica de las

velocidades instantáneas de los vehículos en el tramo (pendientes de las trayectorias s-t
en t0).

 Espaciamiento promedio (s). Corresponde al promedio de los espaciamientos si

observados entre puntos homólogos de los vehículos. Se mide en metros [m]
(Figura 1.5).

1 L 1
s 
n' i
si  
n' k
(1.6)

O sea, el espaciamiento promedio es el inverso de la concentración de vehículos en un

tramo L.

Tiempo

hnhn hi h2 h1

sn’ si s2 s1

Espacio
Figura 5. Intervalos y espaciamientos en una corriente de tráfico

En la Figura 1.5 las dimensiones espaciales (L, si) y temporales (T, hi) no son coincidentes.
Se ha forzado el dibujo para resumir ambas en una sola figura. La Figura 1.6 esquematiza
otras definiciones.
 Intervalo o headway: h

Avance:  Brecha o gap: g Tiempo

Velocidad: v

Largo: l Separación: e Espacio

Espaciamiento: s
Figura 1.6: Definiciones de variables entre vehículos

c) Ecuación fundamental del tráfico

Resulta obvio que en una corriente de tráfico no todos los vehículos circulen a una misma
velocidad. Existirán, por lo tanto, distribuciones de velocidades (Figura 1.7).

q(v)

q(vj)

v
vj

k(v)

k(vj)

v
vj
Figura 1.7. Distribuciones de velocidades
En la figura, k(vj) es el número de vehículos avistados a lo largo de un tramo que tienen
velocidad vj. Del mismo modo, q(vj) es la cantidad de vehículos observados en un período
que llevan velocidad vj. Luego:

q (v j )
q   q (v j )   1
j j q
(1.7)
k   k v j  
k (v j )
j
 j k
1

Sea p(vj) la proporción de vehículos observados con velocidad vj. Entonces:

q (v j )
p t (v j ) 
q
  p (v
j
t j ) 1 ; p t (v j )  0 ,  j
(1.8)
k (v j )
p s (v j ) 
k
  p (v
j
s j ) 1 ; p s (v j )  0 ,  j

Es decir, pt(v) es la distribución temporal de velocidades y ps(v) es la distribución espacial

de velocidades, ya que cumplen las condiciones de una función de distribución de
probabilidades. En consecuencia, la velocidad media espacial y temporal se pueden estimar
como la esperanza de las respectivas distribuciones:

v t   v j p t (v j )
j
(1.9)
v s   v j p s (v j )
j

Por su parte, la velocidad de un vehículo cualquiera es:

distancia s j
vj   (1.10)
tiempo hj

Como el espaciamiento es el inverso del flujo y el intervalo el inverso de la concentración,

entonces:

q (v j ) q (v j )
vj   k (v j )  (1.11)
k (v j ) vj

Reemplazando esta última expresión en la esperanza de la distribución espacial de

velocidades y aplicando las definiciones anteriores:

k (v j ) 1 q (v j ) 1 q
v s   v j p s (v j )   v j   vj   q (v j )  (1.12)
j j k k j vj k j k
Se obtiene así la denominada Ecuación Fundamental del Tráfico, que se expresa como:

q  kvs (1.13)

Esta ecuación explica, macroscópicamente, el comportamiento del tráfico como si se tratase

de un fluido continuo. De allí el nombre de modelo fluidodinámico.

Existe cierta tentación a usar la ecuación fundamental – y sus derivaciones – para describir
el tráfico urbano. Lo anterior no es aconsejable, ya que la presencia de intersecciones
cercanas genera pelotones de vehículos que se desplazan por las vías urbanas. Estos
pelotones pueden dispersarse en alguna medida a lo largo de las vías, pero no llegan a
configurar un fenómeno de tráfico continuo, que es el supuesto subyacente a este modelo.

d) Relación entre la velocidad media espacial y temporal

Aprovechando el concepto de distribuciones espaciales y temporales de velocidades, es

posible establecer una relación entre sus esperanzas. De las ecuaciones anteriores se puede
escribir:

q (v j ) 
k (v j )   q (v j )  v j k (v j ) 
vj 
q (v j )  k
p t (v j )   q(v j )  q pt (v j )   q pt (v j )  v j k p s (v j )  pt (v j )  v j p s (v j ) (1.14)
q  q
k (v j ) 
p s (v j )   k (v j )  k p s (v j ) 
k 

Es decir, existe una relación entre la distribución temporal y espacial de velocidades, la

que, por la ecuación fundamental, se puede escribir:

1
p t (v j )  v j p s (v j ) (1.15)
vs

Por lo tanto, la velocidad media espacial se puede calcular como:

1 1
v t   v j p t (v j )  v 2
j p s (v j )  E s (v 2 ) (1.16)
j vs j vs

De propiedades de la esperanza, si x es una variable aleatoria cualquiera, entonces

Var(x)=E(x2)– [E(x)] 2; luego: E(x2)=x2+x2; donde, x es la media de x y x2 su varianza.
Por lo tanto:
 2
vt 
1 2
vs
 
v s   s2  v s  s
vs
(1.17)

Es decir, en general, la velocidad media temporal será mayor que la espacial. Para que sean
iguales, la varianza de las velocidades espaciales debería tender a cero. De allí la
importancia de saber cómo se midió la velocidad para calcular el valor promedio de la
forma apropiada. No da lo mismo medir velocidades con radar y promediarlas
aritméticamente, que medir tiempos de viaje en un tramo, promediarlos y de allí obtener la
una velocidad media (¿Qué se obtiene en cada caso?).

e) Relaciones entre variables de tráfico

La ecuación q = kvs establece una relación entre tres de variables de estado del tráfico.
Como tal, definirá un plano que describe su comportamiento. Sin embargo, es posible
reducir esta descripción tridimensional estableciendo relaciones entre pares de estas
variables.

 Relación velocidad-concentración

Se definió concentración (k) como la cantidad de vehículos presentes en un tramo de vía.

Empíricamente se puede constatar que cuantos más vehículos se encuentren en un tramo,
menor es la velocidad a la cual circulan. Es decir, para dos situaciones en que k1<k2, se
observará que v1> v2 (Figura 1.8). Luego, se puede decir que existe una función vs = vs(k).

v1

k1

v2

k2

k1 < k2  v1 > v2

Figura 1.8. Relación entre concentración y velocidad

El valor mínimo que puede tomar k es que no haya ningún vehículo en el tramo; es decir,
kmin = 0. La máxima cantidad serán los vehículos que caben en el tramo haciendo cola uno
en pos del otro con una separación mínima entre ellos. A esta cantidad se le llama
concentración de embotellamiento (ke). Luego:

L
ke  (1.18)

Donde L es la longitud del tramo y  es la longitud promedio que ocupa un vehículo. Por
ejemplo, si  = 6 m, en un kilómetro de vía cabrán 167 vehículos. O sea, ke = 1000/6 = 167
[veh/km].

Obviamente, cuando k = ke nadie se atreve a moverse; luego, vs = 0. En el otro extremo,

cuando un conductor circula solo por el tramo (k0), lo hará a la velocidad que el elija.
Sea esta velocidad la velocidad de flujo libre (vl). En consecuencia, conocemos dos puntos
de la relación vs = vs(k). Para k = 0, vs = vl y para k = ke, vs = 0.

A medida que aumenta el número de vehículos en el tramo, la velocidad de flujo libre no se

verá muy afectada (v.g., si hay 2 vehículos separados 500 m en un tramo de 1 km). Pero, a
partir de una cierta concentración, la velocidad comenzará a decrecer rápidamente. En el
otro extremo, si se pasa de una concentración de 150 a 151 veh/km, la velocidad no se verá
muy afectada. En consecuencia, una curva como la mostrada en la Figura 1.9 se aproximará
al comportamiento real. Se han postulado y calibrado varias formas de curvas vs(k), pero
para efectos de los desarrollos siguiente, se asumirá una relación lineal decreciente entre vs
y k:

 k 
v s  vl 1   (1.19)
 ke 

vs
Curva real

vl

Supuesto

k
0 ke

Figura 1.9. Relación vs(k) real y asumida

 Relación flujo-concentración

Habiendo establecido una relación vs(k) se usa la ecuación fundamental para obtener esta
otra relación. En efecto, como q = kvs y vs = vs(k), entonces, q = q(k). Luego, usando la
relación lineal para vs:
 vl 2
q  vl k  k (1.20)
ke

Es decir, la función q(k) es una parábola invertida que corta el eje de las abscisas en k = 0 y
k = ke. Es fácil ver que el vértice de la parábola se encuentra en k = ke/2 (Figura 1.10).

k
0 ke/2 ke

Figura 1.10. Relación q(k) parabólica

Una propiedad importante de la circulación que se deriva de la relación q(k) es que existe
un valor máximo para el flujo. Este máximo es la capacidad (Q), definida como el máximo
número de vehículos por unidad de tiempo que puede pasar por una sección de una vía,
bajo las condiciones prevalecientes del tráfico. Por esta razón el diagrama q(k) se
denomina el diagrama fundamental.

Como el vértice de la parábola está en ke/2, el valor de la capacidad de un tramo de vía es

q(ke/2); es decir:

vl k e
Q (1.21)
4

Obsérvese que Q depende de los parámetros vl y ke definidos en la relación vs(k). Por ende,
la capacidad dependerá de las siguientes condiciones (¿Cuáles se asocian a vl y cuáles a
ke?):

− Características físicas de la vía (trazado, pavimento)

− Características del conductor (edad, personalidad, condición física)
− Características del vehículo (potencia, aceleración, maniobrabilidad)
− Condiciones del medio ambiente (luz, clima, entorno)
− Composición del tráfico (longitud promedio de vehículos)
Es por todo lo anterior que en la definición de capacidad se agrega el acápite “bajo las
condiciones prevalecientes del tráfico”, ya que bajo diferentes circunstancias el valor de la
capacidad cambiará. En consecuencia, la capacidad no es un valor absoluto ni aun para un
mismo tramo de vía.

Otra propiedad de la capacidad es que define un límite entre un régimen de circulación

denominado no saturado (k<ke/2) y otro llamado saturado o sobresaturado (k>ke/2). En el
primero, a medida que aumenta el número de vehículos en la vía, su flujo también aumenta.
Pero cuando hay saturación, al aumentar los vehículos presentes en la vía, el flujo comienza
a disminuir producto de las interferencias entre ellos que afectan la velocidad. Notar que
esto se produce para valores de concentración bastantes menores que la concentración de
embotellamiento ke. Más adelante se volverá sobre este tema.

 Relación flujo-velocidad y flujo-demora

De la ecuación fundamental q = kvs, se desprende que k = q/vs. Reemplazando en la

relación vs(k), se tiene:

 q  vq
v s  vl 1    vl  l (1.22)
 vs k e  vs k e

vl q
Multiplicando ambos miembros por vs y reordenando se llega a: v s2  vl v s  0
ke

Esta última ecuación es una cuadrática en vs cuyas raíces son:

v q
vl  vl2  4 l 
 k e  vl 1 2   4   vl  q
vs    vl 1   q   1  1   (1.23)
  Q 
2 2 2   vl k e   2

La forma de esta relación es la parábola de vértice vl/2 y Q mostrada en la Figura 1.11.

 vs

A B
vl C

vl/2 E

F
q
0 Q

Figura 1.11. Relación v(q) parabólica y niveles de servicio

La relación v(q) suele usarse en el Highway Capacity Manual (TRB, 2000) para definir
niveles de servicio en tramos de vía, como se muestra en la Figura. Estos niveles se
identifican por sectores de la curva v(q) en los cuales el tráfico presenta ciertas
características. El nivel A corresponde a un tráfico fluido, el E (un punto de la curva, no un
tramo) representa la capacidad, y el F una condición de tráfico forzado e inestable.

Ha habido varios intentos para establecer una relación v(q) empírica (ver TRB, 1992). Una
de ellas es la propuesta por el Traffic Appraisal Manual, Department of Transport, UK
(Ortúzar and Willumsen, 1990).




vl ; si q  q1

 v  v1
v s  vl  l q  q1  ; si q1  q  Q (1.24)
 Q  q1
 v1
 ; si q  Q
1  v1  q  1
 8d  Q 


Donde:

vl = velocidad de flujo libre [km/h]

v1 = velocidad a capacidad [km/h]
q1 = flujo hasta el cual se mantiene v1 [veq/h-pista]
Q = capacidad del tramo [veq/h-pista]
d = longitud del tramo [km]
Los parámetros de esta curva, calibrados en el Reino Unido, se muestran en la siguiente
tabla.

Tabla 1.1. Parámetros de la relación flujo-velocidad

Tipo de vía vl v1 q1 Q
[km/h] [km/h] [veq/h-pista] [veh/h-pista]
2 pistas calzada simple rural 63 55 400 1400
4 pistas doble calzada rural 79 70 1600 2400
2 pistas calzada simple urbana 45 25 500 1000

La forma de esta relación v(q) no es parabólica, sino por tramos, como muestra la figura.

vs

vl

v1

q
q1 Q

Figura 1.12. Relación v(q) empírica (DoT, 1985)

De la relación v(q) se puede derivar la relación flujo-demora, t(q) (Figura 1.13), que es
utilizada para estimar tiempos de viaje y para la asignación de tráfico a redes. Su derivación
es directa:

3600
t (1.25)
vs

Donde t es el tiempo promedio de viaje en un tramo [s/km] y vs la velocidad media en el

tramo [km/h].

Al igual que para la relación flujo-velocidad, se han propuesto varias forma para la función
t(q). Una de ellas es la del Bureau of Public Roads (BPR, 1964), donde t0 es el tiempo de
viaje a flujo libre y  ,  son parámetros.


 q 
t  t 0 1      (1.26)
  Q  
Una curva BPR calibrada en Santiago de Chile en Av. Costanera Andrés Bello en la hora
punta de la mañana arrojó los siguientes valores de parámetros (Martínez, 1984)

 t0 = 42,7 s/km (84,3 km/h)

 Q = 5200 veq/h
 α = 0,482
 β = 2,343

Notar que el valor de t0 implica una velocidad de flujo libe de 84,3 km/h en esa vía.

Otros autores (Horowitz, 1991) proveen los siguientes datos del Highway Capacity Manual
(TRB, 2000) para los parámetros  y , en función del tipo de vía y velocidad de diseño.

Tabla 1.2. Parámetros de la curva BPR (Horowitz, 1991)

Tipo de vía Velocidad de diseño  
[mph] [km/h]
70 110 0,88 9,8
Autopista 6 pistas 60 100 0,83 5,5
50 80 0,56 3,6
70 110 1,00 5,4
Carretera 4 pistas 60 100 0,83 2,7
50 80 0,71 2,1

t0
q
Q

Figura 1.13. Relación flujo-demora

1.3.2 Teoría del seguimiento vehicular

La teoría del seguimiento vehicular (car following theory) tiene varios precursores en la
década de 1950, pero su formalización se consolida con el trabajo de Herman et al (1958)
en los laboratorios de General Motors. Consiste en una descripción microscópica de cómo
se comporta un vehículo al ir tras de otro. El objetivo es que mediante esta descripción se
pueda extrapolar el comportamiento macroscópico de toda una corriente de vehículos por
una pista. Al igual que los modelos fluidodinámicos, estudia una corriente de tráfico
continua y confinada a una pista (sin adelantamiento). Posteriores desarrollos (Gipps, 1981
y Gipps, 1986) levantan esta restricción y permiten describir el adelantamiento entre
vehículos. En la figura siguiente se muestra el sistema bajo análisis encerrado por una línea
punteada.

n+1 n 2 1

x
xn+1(t) xn(t) x2(t) x1(t)

Figura 1.14. Sistema de análisis de la teoría del seguimiento vehicular

La teoría del seguimiento vehicular describe el comportamiento del vehículo n+1 (sucesor)
en función de lo que haga el vehículo n (predecesor). Asume que existe correlación entre
los comportamientos del vehículo predecesor y sucesor cuando el espaciamiento entre
ambos es menor a los 100-125 metros

Se definen las siguientes variables:

xn t  = posición de un vehículo n en el instante t

x n t  = velocidad de un vehículo n en el instante t
xn t  = aceleración de un vehículo n en el instante t

Se asumirá que el conductor del vehículo sucesor variará su conducta (respuesta) en forma
proporcional al estímulo que recibe, ponderado por su sensibilidad. Es decir:

Respuesta = Sensibilidad · Estímulo

En un sistema cerrado como el descrito en la Figura 14, el estímulo lo proporcionará el

vehículo predecesor al reducir o aumentar la velocidad relativa a la del sucesor. La
respuesta del sucesor podrían ser tres: mantener su velocidad (v.g., si el predecesor está
alejado), reducir su velocidad o aumentarla. Naturalmente, la respuesta no será inmediata,
sino que tendrá un rezago temporal. De acuerdo con lo anterior, la formulación matemática
del supuesto de comportamiento es la siguiente.

xn1 t  T     x n t   x n1 t  (1.27)

Donde:

 = valor de la sensibilidad [s-1]

T = tiempo percepción-respuesta [s]
En la ecuación anterior se utiliza el subíndice n+1 para enfatizar que la respuesta se refiere
al vehículo sucesor.

El tiempo percepción-respuesta es el tiempo que le toma al conductor del vehículo sucesor

reaccionar. El lapso percepción-respuesta involucra la siguiente serie de acciones, cada una
de las cuales agrega una demora a la respuesta de un conductor frente a un estímulo:

 Percibir el estímulo
 Interpretar el estímulo
 Evaluar la mejor respuesta
 Ejecutar la respuesta decidida
 Transmisión mecánica de la respuesta

Como existen diferentes conductores, no hay un único tiempo percepción-respuesta, sino

una distribución ellos. La distribución sigue una tendencia Lognormal, como la mostrada en
la figura siguiente. De la figura puede observarse que la moda de la distribución es 1,0
segundos. Sin embargo, a un 10% de los conductores les tomará más de 2,5 segundos
reaccionar; además, sólo un 20% puede hacerlo en un lapso de medio segundo. La correcta
selección del tiempo percepción-respuesta es importante al diseñar las vías y sus sistemas
de control de tráfico (v.g., señalización).

Figura 1.15. Distribución del tiempo percepción-respuesta (TRB, 1992)

Volviendo al modelo de comportamiento del vehículo sucesor, este puede escribirse como
una ecuación diferencial de la forma:
 dvn 1 ds
  n 1 (1.28)
dt dt

Donde:

s n 1  x n t   xn 1 t 
(1.29)
v n 1  x n 1 t 

Se han hecho varios supuestos respecto al valor de la sensibilidad . Entre ellos, es útil
mencionar los siguientes.

a) Modelo de Herman

Conocido como el modelo de Herman, fue primero expuesto por Chandler et al (1958). Al
estudiar el comportamiento del tráfico congestionado en autopistas, postularon que la
sensibilidad de todos los conductores es la misma y que tiene un valor constante 1. Es
decir:

  1 (1.30)

Según este supuesto, la ecuación diferencial anterior se transforma en:

dvn 1 ds
 1 n 1 (1.31)
dt dt

Resolviendo la ecuación anterior de la manera tradicional, se llega a que:

vn1  1 s n1  c1 (1.32)

Donde c1 es una constante de integración. Para determinar su valor, se deben aplicar

condiciones de borde apropiadas.

Por los modelos fluidodinámicos, sabemos que cuando el valor de la concentración es igual
a la concentración de embotellamiento ke, la velocidad de los vehículos en nula. Como el
espaciamiento es el inverso de la concentración, entonces:

1
s n 1   v n 1  0 (1.33)
ke

Reemplazando esta condición en la solución de la ecuación diferencial, resulta:

1
c1   (1.34)
ke
Por lo tanto, si aceptamos que sn+1 = 1/kn+1 (ver TRB, 1992 para una discusión) la solución
de la ecuación diferencial es:

 1 1
v n 1  1    (1.35)
 k n 1 k e 

Si esta ecuación es válida para todo par de vehículos n+1 y n, en promedio para toda la
corriente de tráfico se cumplirá que:

1 1 
v s  1    (1.36)
 k ke 

La ecuación anterior es una función v(k) correspondiente a un modelo fluidodinámico. Su

forma es hiperbólica como se muestra en la Figura. Se observa que cuando k  0, vs  ,
lo que puede interpretarse, bajo la perspectiva del seguimiento vehicular, como que los
vehículos corren cada vez más rápido buscando alguien a quien seguir. Por lo tanto, este
modelo predice mejor lo que ocurre cuando hay altas concentraciones, situación para la que
fue concebido.

vs

Curva real

vl

Modelo de
Herman

k
0 ke
Figura 1.16. Forma funcional del modelo de Herman

b) Modelo de Greenshields

La hipótesis para derivar este modelo es que un conductor es más sensible a lo que haga el
vehículo predecesor si la distancia con respecto a éste es pequeña y menos sensible si es
más grande. La variable que describe la distancia entre vehículos es el espaciamiento. Se
postula, entonces, que la sensibilidad es inversamente proporcional al cuadrado del
espaciamiento. Luego:
 2
 (1.37)
s n21

En consecuencia, la ecuación diferencial que representa este modelo es de la forma:

dv n 1  ds n 1
 22 (1.38)
dt s n 1 dt

La solución de esta ecuación resulta ser:

2
v n 1    c2 (1.39)
s n 1

Para determinar c2 se aplica la condición de borde que establece que cuando la

concentración es nula – o sea, el espaciamiento es infinito –, la velocidad es igual a la
velocidad de flujo libre; es decir:

sn1    vn1  vl (1.40)

c 2  vl (1.41)

Por lo tanto, la solución de la ecuación diferencial es:

2
v n 1    vl
s n 1 (1.42)
v n 1  vl  2 k n 1

Se puede calcular el valor de 2, sabiendo que si kn+1 = ke, entonces vn+1 = 0. De donde:

vl
2  (1.43)
ke

Reemplazando este resultado en la ecuación anterior, se tiene:

 k 
v n 1  vl 1  n 1  (1.44)
 ke 

Por lo tanto, en promedio para toda la corriente se tendrá la relación v(k) lineal propuesta
para derivar el modelo fluidodinámico:
  k 
v s  vl 1   (1.45)
 ke 

En resumen, el supuesto de linealidad entre vs y k utilizado en el modelo fluidodinámico no

es antojadizo, sino que se sustenta en una hipótesis sobre la sensibilidad de los conductores.

En resumen, la teoría del seguimiento vehicular da origen a una familia de modelos de la

forma:

m,l x n 1 t m

xn 1  x n t   x n1 t  (1.46)
xn t   xn1 t l
Donde los exponentes m y l toman diferentes valores según las hipótesis que han hecho
distintos autores sobre la sensibilidad de los conductores.

Tabla 1.3. Resumen de modelos de seguimiento vehicular

Modelo m l
Herman 0 0
Greenberg 0 1
Greenshields 0 2
Underwood 1 2
May & Keller (empíricos) 0,6-0,8 2,1-2,8

May & Keller (1967) encontraron sus valores de los parámetros mediante observación en
autopistas y viaductos. Nótese que la cota inferior de ellos se aproxima bastante a la
hipótesis de Greenshields. Esto proporciona un sustento empírico al supuesto de linealidad
de la relación v(k).

1.3.3 Estabilidad e inestabilidad del tráfico

El estudio de la estabilidad (o inestabilidad) en el comportamiento del tráfico se puede

estudiar desde dos perspectivas. La estabilidad local se refiere al comportamiento entre un
par de vehículos. La estabilidad asintótica se refiere a la forma en que la fluctuación en el
movimiento de un vehículo se propaga al resto de los que lo siguen en la misma pista.

Se han realizado varias aproximaciones al estudio de la estabilidad local y asintótica. Una

buena síntesis es ofrecida en TRB (1992). Desde un punto de vista práctico, lo más
interesante es el estudio de la estabilidad asintótica, ya que proporciona información para
hacer gestión de tráfico. La figura siguiente muestra la evolución del espaciamiento entre
pares de vehículos en el caso de estabilidad e inestabilidad asintótica.
 sn+1

s0 t

3-4

1-2

(a) Estabilidad

sn+1
5-6

3-4
1-2

s0 t

(b) Inestabilidad
Figura 1.17 Ejemplo de estabilidad e inestabilidad asintótica

En el caso de tráfico estable, los vehículos 1 y 2, que circulan con un espaciamiento de

equilibrio s0, lo disminuyen producto de una variación de la velocidad relativa entre ambos.
Como consecuencia, el espaciamiento del par de vehículos sucesivos (3-4) también
diminuye, pero en menor medida. Ambas variaciones se recuperan rápidamente y todos
vuelven al espaciamiento de equilibrio. Por el contrario, cuando hay tráfico inestable, las
variaciones en el espaciamiento se amplifican a los pares de vehículos sucesivos,
generándose un efecto “cuncuna” el que, eventualmente, puede llevar a un par de vehículos
a colisionar entre sí.

Del análisis mediante series de Fourier utilizando modelos de seguimiento vehicular, se

concluye que hay estabilidad asintótica si se cumple la siguiente condición (TRB, 1992).

1
T  (1.47)
2

Donde  es el valor de la sensibilidad de los conductores y T es el tiempo de percepción-

respuesta antes definidos. Es decir, para T > 0,5 el tráfico se volverá inestable. Si se utiliza
el valor de la sensibilidad del modelo de Greenshields – obviando los subíndices – se tendrá
que el tráfico inestable comienza cuando:

2 1
2
T
s 2
1
2 k 2 
2T (1.48)
vl 2 1
k 
ke 2T

ke
k  kc (1.49)
2Tvl
Donde kc es la concentración crítica, es decir, aquella para la cual la inestabilidad asintótica
comienza a manifestarse. Nótese que kc < ke/2; o sea, se producirá inestabilidad antes de
alcanzar la concentración a capacidad, como se muestra en la figura siguiente. Esto
significa que para un flujo qc = xpQ (con 0<xp<1), menor que la capacidad, llamado flujo
crítico, el tráfico se volverá inestable.

qc = xpQ

k
0 kc ke/2 ke

Figura 1.18. Concentración y flujo crítico

Ejemplo 1.1. Supóngase los siguientes valores de los parámetros: ke = 1,5 [s]; vl = 60
[km/h]; ke = 160 [veh/km-pista]. Con estos datos se puede calcular la concentración crítica
kc, el flujo crítico qc y la capacidad Q.
  56 veh / km  pista 
ke
kc 
2Tvl
q c  qk c   2200 veh / h  pista 

 2400 veh / h  pista 

vl k e
Q
4
qc
 xp   0,9
Q

Para xp = 0,9, en otras palabras, cuando el flujo alcanza al 90% de la capacidad de una pista
de circulación continua, la inestabilidad de tráfico comienza a manifestarse. Aunque los
datos del ejemplo son ficticios, la conclusión tiene carácter general. Al valor de xp se le
denomina grado de saturación práctico o grado de saturación de diseño. Del valor del
grado de saturación (razón entre el flujo y la capacidad) depende la magnitud de demoras y
colas que se producen en el tráfico. Para conocer en grado de saturación es necesario
estimar la capacidad de distintos dispositivos viales. Estos temas – capacidad de
dispositivos viales, colas y demoras – serán estudiados en otros capítulos.
Referencias
Chandler, F. E., R. Herman, and E. W. Montroll, (1958). Traffic Dynamics: Studies in Car
Following, Operations Research, 6, 165-184.

Gipps, P.G. (1981) A behavioural car-following model for computer simulation.

Transportation Research 15B(2), 105-111.

Gipps, P.G. (1986) A model for the structure of lane-changing decisions. Transportation
Research 20B(5), 403-414.

Herman, R., E. W. Montroll, R. B. Potts and R. W. Rothery (1958). Traffic Dynamics:

Analysis of Stability in Car Following. Operations Research, E. 17, 86-106.

Horowitz, A.J. (1991). Delay-volume relation for travel forecasting based on the 1985
Highway Capacity Manual. Federal Highway Administration, U.S. Department of
Transportation.

Manheim, M.L. (1984) Fundamentals of transportation system analysis. Volume 1: Basic

concepts. The MIT Press, London.

Martínez, F.J. (1984). Influencia de la Congestión en la Tarificación de Transporte Público.

Actas I Congreso Chileno de Ingeniería de Transporte, 44-62, Santiago.

May, A. D. and H.E.M. Keller (1967). Non-Integer Car Following Models. Highway
Research Record 199, 19-32.

Ortúzar and Willumsen (1990). Modelling transport. John Wiley & Sons, Chichester,
England.

TRB (1992). Traffic Flow Theory – A State-of-the-Art Report. Transportation Research

Board, Special Report 165, Federal Highway Administration, Washington, D.C.

TRB (2000). Highway Capacity Manual 2000. Transportation Research Board, Special
Report 209, National Research Council, Washington D.C.