Venegas Garcia Pablo

Universidad Autónoma Metropolitana
Maestrı́a en Ciencias Matemáticas Aplicadas e Industriales
Modelos macroscópicos para el estudio del tráfico vehicular de

dos y tres fases
Pablo Venegas Garcı́a
Asesora:
Dra. Patricia Saavedra Barrera
Ciudad de México, Mayo 2017

ii
A Ilse Ruiz Mercado,
mi querida y más grande amiga,
por haberme ayudado a crecer y ser una mejor persona.
iv
Agradecimientos
Este trabajo se llevó a cabo gracias a un gran esfuerzo de parte de la Dra.

Patricia Saavedra Barrera quién le agradezco profundamente porque, bajo
su guı́a, enseñanza y dedicación, fue una parte fundamental para concretar
esta obra. Agradezco también a la Dra. Rosa Marı́a Velasco Belmont y al Dr.
Francisco Javier Domı́nguez Mota por dedicar su valioso tiempo, experiencia
y sabidurı́a, y formar parte de la esencia de este proyecto.
Agradezco a la Universidad Autónoma Metropolitana por abrirme sus puer-

tas, a la Maestrı́a en Ciencias Matemáticas Aplicadas e Industriales por per-
mitirme ser parte de su grupo de trabajo y les agradezco mucho a mis com-
pañeros del posgrado quienes me brindaron su incondicional amistad y apoyo.
A mi familia por siempre estar conmigo y haberme brindado toda la ayuda

que necesité en el transcurso de esta etapa.
Un especial agradecimiento la brigada de Monitoreo Ecotecnológico por ha-

berme compartido su extensa experiencia laboral en campo, sus conocimien-
tos y su amistad. A mi estimado amigo Edgar Ruiz Mercado por brindarme
su ayuda y vasto conocimiento en salud.
Agradezco el apoyo de El Consejo Nacional de Ciencia y Tecnologı́a (CO-

NACYT) a través de su Programa de Becas de Posgrado.
Por último, que a propósito los pongo en la base de estos agradecimientos

porque eso son, la base; agradezco mucho al Sr. Margarito Martı́nez Cruz,
a su esposa Carmen Hernández Garcı́a y su hermana Antonia Hernández
vi
Garcı́a, por haberme brindado de alimentos sanos y nutritivos con el buen

sazón mexicano bajo el cobijo de su hogar y que si bien, ellos ası́ se ganan la
vida, nos dan también la oportunidad a nosotros, los estudiantes, ganarnos
la nuestra. Fue un privilegio siempre haber tenido deliciosos frijolitos en la
mesa.
Índice general
Prefacio IX
1. Tráfico Vehicular 1
1.1. El primer modelo del tráfico vehicular . . . . . . . . . . . . . . 1
1.2. Un primer modelo analı́tico . . . . . . . . . . . . . . . . . . . 2
1.3. Relación fundamental . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Modelos macroscópicos . . . . . . . . . . . . . . . . . . . . . . 8
2. Modelación del flujo vehicular 9

2.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Modelo de Lighthill-Whitham . . . . . . . . . . . . . . . . . . 10
2.3. Modelos de segundo orden . . . . . . . . . . . . . . . . . . . . 11
2.3.1. Modelo de Payne . . . . . . . . . . . . . . . . . . . . . 11
2.3.2. Modelo de Prigogine y Phillips . . . . . . . . . . . . . 12
2.3.3. Modelo de Kerner-Konhäuser . . . . . . . . . . . . . . 12
2.4. Marco Teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5. Solución numérica . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5.1. Esquemas conservativos . . . . . . . . . . . . . . . . . 19
2.5.2. Solución numérica de ecuaciones vectoriales conservativas 21
3. Flujo vehicular con rampas de entrada y salida de autos 27

3.1. Flujo de rampas de entrada y salida . . . . . . . . . . . . . . . 27
3.2. Solución numérica del modelo de primer orden con rampas de
entrada y salida de autos. . . . . . . . . . . . . . . . . . . . . 29
3.3. Dinámica de velocidad para modelos de segundo orden con
rampas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.1. Solución numérica del modelo de segundo orden con
rampas de entrada y salida de autos . . . . . . . . . . . 33
viii
3.3.2. Experimentos . . . . . . . . . . . . . . . . . . . . . . . 36
3.4. Cambio en el número de carriles de un circuito . . . . . . . . . 40
3.5. Modelo de tráfico vehicular en un circuito con rampas y cambio
en el número de carriles . . . . . . . . . . . . . . . . . . . . . 47
4. Modelación de flujo vehicular: Teorı́a de tres fases. 51

4.1. Flujo sincronizado y cúmulos de densidad móviles. . . . . . . . 52
4.2. Un modelo del tráfico con dos clases de vehı́culos diferentes . . 52
4.3. Ecuaciones macroscópicas . . . . . . . . . . . . . . . . . . . . 55
4.4. Resultados numéricos . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.1. Flujo libre . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.2. Transición del flujo libre al flujo sincronizado . . . . . . 67
4.4.3. Transición del flujo sincronizado al flujo congestionado 69
4.4.4. Flujo congestionado . . . . . . . . . . . . . . . . . . . . 70
Conclusiones 71
Bibliografı́a 73
Prefacio
El problema del tráfico vehicular ha sido objeto de estudio desde el siglo XX

debido al incremento del número de autos que transitan por las vialidades.
Esto ha provocado un impacto negativo en el ambiente, pérdidas económicas
y hasta accidentes fatales. El incremento desmedido de la cantidad de autos
que transitan en el mundo agrava cada vez más este problema y la falta de
soluciones ha provocado una serie de diferentes estudios buscando respuestas
a preguntas tales como ¿Cuándo se producen embotellamientos vehiculares?
¿Qué infraestructura vial es ideal para una mejor circulación del tráfico?
¿A qué velocidad deberı́an los conductores ir para evitar congestionamientos
vehiculares?
Con base en datos experimentales, los cuales han sido tomados alrededor del
mundo, se han formulado dos teorı́as. Una de estas considera que el flujo
vehicular se puede encontrar en dos fases únicamente; flujo libre o tráfico
congestionado. El flujo libre se define como aquel flujo vehicular en donde
los autos pueden transitar hasta la velocidad permitida en una autopista [7].
El tráfico congestionado se refiere cuando los automovilistas se ven obliga-
dos a reducir su velocidad, incluso hasta cero, debido a que la cantidad de
autos por kilómetro es muy grande. La segunda teorı́a fue propuesta tiempo
después cuando cientı́ficos encuentran que existe un estado donde los au-
tomovilistas se encuentran oscilando entre los estados del flujo libre y flujo
congestionado en cortos periodos de tiempo. Esta teorı́a se le conoce como
teorı́a de tres fases (Kerner et al., 1997, 2006) en la cual se establece que el
tráfico congestionado se divide a su vez en dos fases a las cuales se les llama
flujo sincronizado y cúmulos de densidad móviles.
Para estudiar el problema del tráfico vehicular se han propuesto varios mode-
los cuyo desarrollo a lo largo del tiempo ha sido justificado por la necesidad
x Prefacio
de explicar diferentes patrones emergentes descritos en las teorı́as de dos y

tres fases. Los modelos se han desarrollado desde un punto de vista heurı́stico
hasta ser basados en principios de la teorı́a de fluidos o por medio de la teorı́a
de cinética de gases. En este trabajo se expone el desarrollo de algunos mo-
delos hasta formular aquel descrito por Kerner y Konhäuser que es uno de los
más utilizados hoy en dı́a dentro de la teorı́a de dos fases. Además se describe
un modelo reciente propuesto por R.M. Velasco y A.R Méndez [17] basado
en la teorı́a cinética de gases el cual tiene la capacidad de describir las tres
fases del tráfico vehicular y sus transiciones. Estos modelos macroscópicos se
plantean como un conjunto de ecuaciones diferenciales parciales en su forma
conservativa y se resuelven numéricamente con el método de Lax-Wendroff,
un método robusto basado en un esquema de diferencias finitas.
El objetivo de este trabajo es comprender los modelos del tráfico vehicular

y las necesidades que se requieren para modelar fenómenos de este tipo, re-
plicando resultados encontrados en la literatura y proponiendo experimentos
numéricos para explorar sus capacidades y limitaciones. Este trabajo se ha
dividido en cuatro capı́tulos que son descritos a continuación:
En el primer capı́tulo se hace un breve recorrido histórico de los principios

en el estudio del tráfico vehicular y se describe la importancia de la relación
fundamental, que es la base heurı́stica de los datos reales, descrita por fun-
ciones matemáticas y con las cuales se dictamina la correlación entre el flujo
vehicular y la velocidad local de los autos.
En el segundo capı́tulo se introducen los primeros modelos macroscópicos de

primer orden: modelos con una sola función desconocida. Después se describe
la evolución de modelos de segundo orden, aquellos donde la densidad y la
velocidad local son funciones desconocidas, hasta desarrollar el modelo pro-
puesto por Kerner y Konhäuser en un circuito homogéneo. Más adelante se
describe la estabilidad de las soluciones de las ecuaciones diferenciales par-
ciales por medio de un marco teórico. Al finalizar el capı́tulo, se muestran
algunos esquemas numéricos para resolver este tipo de ecuaciones en su for-
ma conservativa y se reproducen varios ejemplos encontrados en la literatura
y se proponen algunos experimentos para poner en evidencia numérica los
resultados teóricos de estabilidad de las soluciones.
En el tercer capı́tulo se introducen términos para describir el flujo de los

Prefacio xi
automóviles para el modelo de segundo orden cuando se consideran rampas

de entrada y salida de autos como cuando el número de carriles varı́a en
alguna región. Finalmente se propone un modelo con el cual se consideran
las rampas y una reducción en el número de carriles al mismo tiempo para
después resolver las ecuaciones bajo ciertos experimentos propuestos con el
propósito de observar las capacidades y limitaciones del modelo en sı́.
En el cuarto capı́tulo se expone y describe el modelo propuesto por R.M.

Velasco y A.R Méndez con el cual se pueden modelar el flujo libre, el flujo
sincronizado y los cúmulos móviles descritos en la teorı́a de tres fases. Para
finalizar este capı́tulo se replican los resultados que obtuvieron para describir
las tres fases del flujo vehicular como sus transiciones entre estas por medio
de varios ejemplos citados en el artı́culo [17].
Para cerrar este trabajo se exponen algunas conclusiones y el trabajo a fu-

turo.
xii Prefacio
Capı́tulo 1
Tráfico Vehicular
1.1. El primer modelo del tráfico vehicular

Los primeros estudios sobre el tráfico vehicular se remontan al año de 1935.
Bruce D. Greenshields, ingeniero civil, fue de las primeras personas en reco-
pilar datos para medir el flujo vehicular (Q[V eh/Hr]) utilizando el método
fotográfico. Debido al estudio que realizó en una autopista, descubrió que
a cierta cantidad de autos por kilómetro, definido como densidad vehicular
promedio (ρ[V eh/Km]), la velocidad promedio (V [Km/Hr]) empieza a dis-
minuir formándose una congestión vehicular. La cantidad de autos mı́nima
para desencadenar un congestionamiento vehicular se le llama punto crı́tico
y se le denomina como la capacidad de trabajo de la autopista. De los datos
que obtuvo, Greenshields formuló la velocidad promedio de los automóviles
en función de la densidad promedio
Ve (ρ) = Vmax (1 − ρ/ρmax ),
donde ρmax es la densidad máxima que es aproximadamente de 140[V eh/Km]

y Vmax [Km/Hr] está delimitado por el lı́mite de velocidad de cada autopista.
Por otro lado, fı́sicamente el flujo se expresa como Q = ρV y entonces,
Q(ρ) = Vmax ρ(1 − ρ/ρmax ). (1.1)
Esta relación, flujo-densidad, se le conoce como relación fundamental de

Greenshields. En este primer modelo heurı́stico se observa que el flujo es
cero siempre y cuando la densidad sea ρ = 0 ó ρ = ρmax .
2 Modelación de tráfico vehicular
1.2. Un primer modelo analı́tico

A partir del trabajo de Greenshields, otros cientı́ficos como M.J. Lighthill y G.
Whitham (1955) introdujeron la analogı́a del flujo vehicular con la dinámi-
ca de fluidos. Más adelante, Harold Greenberg (1959) realizó una serie de
experimentos a mayor escala que Greenshields y a partir de los datos obteni-
dos, formuló teóricamente una relación fundamental basada en la dinámica
unidimensional de un fluido [1]. Para esta deducción primero se considera
como hipótesis que el flujo vehicular Q(x, t) se puede considerar como un
flujo unidimensional y unidireccional cuando el número de autos N es su-
ficientemente grande. Por medio de un balance de masas a lo largo de una
carretera, obtenemos que
Z
N = ρ(x, t)dx = cte, (1.2)
donde ρ es la densidad vehicular. La tasa de cambio en la densidad en un

tramo de la autopista [l1 , l2 ] está dado por
∂ l2
Z
ρ(x, t)dx = Q(l1 , t) − Q(l2 , t),
∂t l1
donde Q = Q(x, t). Por el Teorema Fundamental del Cálculo
∂ l2
Z Z l2
∂Q
ρ(x, t)dx = − (x, t)dx.
∂t l1 l1 ∂x
Debido a que el resultado es válido para cualquier tramo de la autopista

y para cualquier tiempo, y si además la función de densidad es suave, se
concluye que la ecuación de conservación de masa o ecuación de continuidad
está dada por
∂ρ ∂Q
+ = 0. (1.3)
∂t ∂x
Sustituyendo la relación de flujo
Q(x, t) = ρ(x, t)V (x, t), (1.4)

en la ecuación (1.3) se tiene que
∂ρ ∂V ∂ρ
+ρ +V = 0. (1.5)
∂t ∂x ∂x
Modelación de tráfico vehicular 3
Por otro lado, la tasa de cambio de la velocidad de un fluido ideal (incom-

presible y carente de fricción) en una dimensión1 está dada por:
dV c2 ∂ρ
=− ,
dt ρ ∂x
donde c es un parámetro de estado. Desarrollando la derivada total dV /dt
∂V ∂V dx c2 ∂ρ
+ =− ,
∂t ∂x dt ρ ∂x
∂V ∂V c2 ∂ρ
+V + = 0. (1.6)
∂t ∂x ρ ∂x
Para cerrar el sistema, Greenberg utiliza la ecuación (1.5) por lo que se tiene
∂V ∂V c2 ∂ρ
+V + = 0,
∂t ∂x ρ ∂x
∂ρ ∂V ∂ρ
+ρ +V = 0.
∂t ∂x ∂x
Suponiendo que la velocidad depende de la densidad V (x, t) = V (ρ),
∂ρ ∂ρ c2 ∂ρ
V0 +VV0 + = 0,
∂t ∂x ρ ∂x
∂ρ ∂ρ ∂ρ
+ ρV 0 +V = 0.
∂t ∂x ∂x
Si V 0 es distinto de cero
c2

∂ρ ∂ρ
+ V + 0
= 0,
∂t ρV ∂x
∂ρ ∂ρ
+ (ρV 0 + V ) = 0.
∂t ∂x
Para que el sistema no tenga la solución trivial es necesario que
c2
= ρV 0 ,
ρV 0
1
“Para un flujo ideal no viscoso, k = du/dt = −∇p, para un gas ideal pV = nRT ,
siendo V el volumen y p la presión, n el número de moles. Luego p = RT k, donde k es la
densidad molar. Se sigue que ∇p = RT ∇k.”[1]
por lo tanto
c2
(V 0 )2 = .
ρ2
Se puede demostrar que si V 0 se toma con signo positivo, entonces la tasa de
cambio de la velocidad debe ser cero y por esto se considera el signo negativo
para obtener resultados más interesantes. Resolviendo la ecuación diferencial
ordinaria tenemos:
Z Z
0 c
V =− ,
ρ
V = −cLn(ρ) + cte,
donde
cte = cLn(ρmax ),
y ası́, la relación fundamental de Greenberg está dado por

ρmax
V = cLn ,
ρ
ó utilizando la relación del flujo,

Q ρmax
V = = cLn .
ρ ρ
Si V = 0 entonces ρ = ρmax donde ρmax es la densidad máxima y por lo tanto
el flujo es cero.
1.3. Relación fundamental

La importancia de la relación fundamental es evidente y en la actualidad,
con instrumentos de mayor precisión para obtener datos del flujo vehicular
en autopistas, se han hecho mediciones a mucha mayor escala y, basándose en
la idea de Greenshields, se encontró que las relaciones de flujo-densidad para
todas las autopistas son muy similares. El diagrama descrito por la relación
flujo-densidad, se le conoce como diagrama fundamental (Fig.1.2).
La teorı́a de dos fases del flujo vehicular nos dice que la dinámica del tráfi-
co vehicular puede separarse en flujo libre y tráfico congestionado. El flujo
libre se produce cuando se tiene una cantidad relativamente baja de autos
Figura 1.1: Diagrama de la relación fundamental de Greenberg normalizada
por kilómetro, permitiendo que los automovilistas puedan acelerar hasta la

velocidad máxima permitida y, en términos de la relación fundamental, esto
se interpreta como el aumento casi lineal del flujo de automóviles con respec-
to a la densidad de autos. Esto es hasta cierta cantidad promedio de autos
por kilómetro conocido como capacidad de trabajo de una autopista y se le
denota como punto crı́tico. Los datos empı́ricos que corresponden después
del punto crı́tico muestran discontinuidades y son dispersos en el flujo de la
relación fundamental ocasionando una caı́da abrupta de la velocidad prome-
dio. El tráfico congestionado se define como el estado del tráfico en el cual
la velocidad promedio es menor a la velocidad promedio mı́nima posible en
el flujo libre [7]. Se destacan a continuación las siguientes caracterı́sticas que
debe presentar una relación fundamental:
El flujo depende cuasi-linealmente de la densidad antes del punto crı́ti-

co2 .
Para densidades mayores al punto crı́tico existe una discontinuidad en

el flujo.
2
El punto crı́tico, o capacidad de trabajo, de una autopista, está definido como aquel
punto donde el flujo presenta patrones correspondientes al tráfico congestionado.
Figura 1.2: Diagrama fundamental heurı́stico
Existe una región alrededor de la capacidad de trabajo de la autopista

donde puede haber tanto tráfico congestionado como flujo libre.
Los datos que corresponden a regiones de tráfico congestionado son

dispersos.
Para la modelación de tráfico vehicular, es necesario ajustar los modelos de

forma que nos sea posible inferir el comportamiento del flujo vehicular en una
autopista, como las relaciones fundamentales empı́ricas lo hacen. Las corre-
laciones entre el flujo, velocidad y densidad, deberán mostrar las siguientes
caracterı́sticas importantes del comportamiento del tráfico vehicular:
1. Para densidades pequeñas la velocidad promedio de los autos tiene un

máximo, reflejo de los lı́mites de velocidad.
2. La velocidad promedio disminuye al aumentar la densidad.
dV (ρ)
≤ 0.
dρ
3. Para densidades grandes la velocidad promedio tiende a cero.

4. Existe una densidad máxima para la cual la velocidad promedio es cero.
Cabe señalar que las relaciones fundamentales teóricas propuestas por Greens-
hields y Greenberg cumplen con las propiedades mencionadas, sin embargo, es
evidente que estos modelos no representan del todo los datos experimentales.
Debido a la dificultad para describir una relación fundamental empı́rica por
medio de una expresión matemática, se utilizan las relaciones fundamentales
analı́ticas anteriores en ciertos problemas de modelación de tráfico vehicular.
Sin embargo, basado en un ajuste de datos empı́ricos en carreteras alemanas,
la relación fundamental teórica más utilizada hoy en dı́a fue desarrollada por
Kerner y Konhäuser (Fig.1.3).
−1
Ve (ρ) −6 ρ/ρmax − 0.25
= −3.72 × 10 + 1 + Exp . (1.7)
Vmax 0.06
Figura 1.3: Ajuste del diagrama fundamental con ρmax = 140[V eh/Km], Vmax =
120[Km/Hr]
1.4. Modelos macroscópicos

El estudio de fenómenos por medio de modelos matemáticos pueden ser abor-
dados de diferentes formas resaltando propiedades o caracterı́sticas del siste-
ma de interés. El estudio del flujo vehicular puede abordarse desde un enfoque
macroscópico, tal como Greenberg lo hizo, basado en una analogı́a entre el
flujo vehicular y el flujo compresible. Es necesario considerar un gran núme-
ro de autos circulando por una autopista o carretera para definir variables
como densidad o velocidad promedio. Este tipo de enfoques ofrecen ciertas
ventajas:
Descripción cualitativa del comportamiento del fenómeno.
Inferir resultados de forma analı́tica.
Ofrece la posibilidad de introducir rampas de entrada y salida en una

carretera o autopista en el estudio del flujo vehicular.
Computacionalmente suelen ser más eficientes que otros enfoques, como

los microscópicos, siempre y cuando no se utilicen autómatas celulares[1].
Capı́tulo 2
Modelación del flujo vehicular
2.1. Antecedentes
Los primeros intentos de modelar el flujo vehicular utilizando datos reales,
ajustes empı́ricos y analogı́as con el flujo de fluidos compresibles presentados
en el capı́tulo anterior, fueron desarrollados a lo largo de casi una década
[1]. Lighthill-Whitham proponen en 1955 utilizar la ecuación de conservación
de masa (1.3) junto con la ecuación de Greenshields (1.1), como ecuación
constitutiva, para plantear un modelo con la capacidad de modelar el flujo
vehicular basado en los datos experimentales que se tenı́an en aquel momento.
Los modelos que tienen una sóla variable, como es el caso del modelo de
Lighthill-Whitham, se les llaman modelos de primer orden y usualmente no
son deseables debido a que presentan soluciones del tipo de onda de choque
cuya formación puede ser interpretada como colisiones de vehı́culos en una
región, lo cual no se considera. Con el objetivo de encontrar un modelo que no
presente ondas de choque y se ajuste más a la realidad, Kerner y Konhäuser
proponen el suyo basado en las ecuaciones de Navier-Stokes considerando una
gran cantidad de autos circulando en una autopista, cuya velocidad promedio
se calcula por medio de una dinámica independiente, es decir, se considera
como otra variable. Los modelos en dos variables se les conocen como modelos
de segundo orden. La ventaja de utilizar modelos de segundo orden es que
éstos no presentan soluciones del tipo de onda de choque debido a que se
introduce un término difusivo, además de ser capaces de modelar situaciones
de embotellamientos en el flujo vehicular como otros patrones que existen en
el tráfico congestionado.
10 Modelación del flujo vehicular
2.2. Modelo de Lighthill-Whitham

El modelo macroscópico más popular, a pesar de ser el más viejo, fue pro-
puesto por Lighthill y Whitham (1955) [10]. Su modelo está basado en un
escenario donde la cantidad de autos en un circuito homogéneo se conserva.
Dada la ecuación de continuidad:
∂ρ ∂Q
+ = 0, (2.1)
∂t ∂x
Lighthill y Whitham cierran el sistema proponiendo la relación fundamental
de Greenshields, que aún se sigue utilizando para investigaciones analı́ticas
[10], como la ecuación constitutiva de manera que
Q(x, t) = Qe (ρ(x, t)) = ρ(x, t)Ve (ρ(x, t)),

Ve (ρ) = Vmax (1 − ρ/ρmax ).
Sustituyendo la relación fundamental de Greenshields en la ecuación de con-
tinuidad y desarrollando la derivada parcial se obtiene
∂ρ dQe ∂ρ
+ = 0, (2.2)
∂t dρ ∂x
donde,
dQe dVe
= Ve (ρ) + ρ .
dρ dρ
Considerando que dVe /dρ ≤ 0 entonces dQe /dρ ≤ Ve (ρ), por lo que la solu-
ción de tipo de onda siempre se propaga en dirección opuesta a la velocidad
promedio Ve (ρ). La derivada total dQe /dρ determina la velocidad de pro-
pagación de la onda que viaja por las curvas caracterı́sticas de la EDP. El
modelo de Lighthill-Whitham ha sido utilizado como base para la teorı́a de
ondas de choque y, a pesar de ser académicamente muy ilustrativo, su uso
en la modelación de tráfico vehicular tiene sus desventajas. La formación
de ondas de choque no son deseables debido a que no representan los datos
empı́ricos y consecuentemente no reflejan la realidad. Para evitar la forma-
ción de ondas de choque, Whitham (1974) sugirió en su modelo introducir
un término difusivo [10],
∂ρ
V = Ve (ρ) − D ,
∂x
Modelación del flujo vehicular 11
de esta forma se tiene que el modelo de Lighthill-Whitham modificado es:

∂ρ dVe ∂ρ ∂ ∂ρ
+ Ve (ρ) + ρ = D ,
∂t dρ ∂x ∂x ∂x
donde D > 0 pertenece al término difusivo. Esta ecuación se puede resolver de
forma analı́tica utilizando la transformación de Cole-Hopf (2.3) debido a que
está relacionada a una ecuación lineal de transferencia de calor (Whitham,
1974).
2D ∂w(x, t)
ρ(x, t) = − , (2.3)
w(x, t) ∂x
donde, Z ∞
1 1
Rx −(x−ξ)2
w(x, t) = √ e− 2D ∞ ρ(s,0)ds
e 4D 2 t dξ.
2D πt −∞
2.3. Modelos de segundo orden

Los modelos de segundo orden, a diferencia de los modelos de primer orden,
consideran la densidad y la velocidad como incógnitas. A partir del modelo
de Lighthill-Whitham se empezaron a proponer una serie de modelos donde
cada uno de estos aporta nuevos términos y ecuaciones con la finalidad de
aproximarse mejor a las situaciones de la vida real. Estos modelos fueron
planteados en diferentes marcos teóricos como por ejemplo el modelo de “car
following”, teorı́a de dinámica de fluidos incompresibles, teorı́a de dinámica
de gases [10]. Los modelos que se presentan a continuación fueron base para
el desarrollo del modelo más utilizado hoy en dı́a propuesto por Kerner-
Konhäuser.
2.3.1. Modelo de Payne

El modelo introducido por Payne (1971) complementa la ecuación de conser-
vación por medio de una dinámica de velocidades basada en un modelo de
“car following” propuesto por Newell G.F. (1961).

∂V ∂V 1 D(ρ) ∂ρ
+V = Ve (ρ) − −V , (2.4)
∂t ∂x ∆t ρ ∂x
en el cual el término difusivo es dependiente de la densidad
D(ρ) = 0.5dVe (ρ)/dρ.
Este modelo introduce un término de relajación (Ve (ρ) − V ) /∆t que descri-
be un ajuste en la velocidad de los conductores gobernado por la relación
fundamental lo que provoca un aumento o disminución en su velocidad pro-
medio dependiendo de la densidad local. También se introduce un término
de advección V ∂V /∂x que describe la propagación del perfil de velocidad
con respecto al gradiente de la velocidad de los autos. Este modelo a pe-
sar de poder describir varios de los patrones del congestionamiento vehicular
desafortunadamente es inestable para un cierto rango de densidades [10].
2.3.2. Modelo de Prigogine y Phillips

Como alternativa al modelo de Payne, Phillips (1979a, 1979b) propone el
suyo, derivado del modelo de tráfico vehicular de Prigogine, el cual se com-
pone por la ecuación de continuidad y la siguiente ecuación que describe la
dinámica de la velocidad para los autos
∂V ∂V 1 ∂P 1
+V =− + (Ve (p) − V ) , (2.5)
∂t ∂x ρ ∂x τ (ρ)
donde τ (ρ) es un término de relajación y P (x, t) = ρ(x, t)θ(x, t) es un término
análogo a la presión en la teorı́a cinética de los gases donde θ(x, t) es la
varianza de la velocidad de los autos en movimiento. Este modelo es capaz
de modelar algunos patrones del congestionamiento vehicular como son los
cúmulos de densidad que se detienen y avanzan de forma intermitente. Sin
embargo no es numéricamente robusto y presenta inestabilidades como el
modelo de Payne, además, en regiones de alta densidad, la presión del tráfico
que disminuye con respecto a ρ provocando que los vehı́culos aceleren hacia
regiones congestionadas lo cual no es realista [10].
2.3.3. Modelo de Kerner-Konhäuser

A partir del modelo de Prigogine, basado en la teorı́a del flujo vehicular
cinético donde los automóviles se consideran como partı́culas [3], Kerner y
Konhäuser plantean que en escenarios donde la densidad es alta dentro de
una autopista o carretera, los conductores empiezan a perder libertad en el
movimiento y necesitan adaptarse a las circunstancias en las que se encuen-

tran, viéndose obligados a reducir su velocidad y mantenerse casi siempre en
un mismo carril. Esto da lugar a una analogı́a con fluidos compresibles en
una dimensión de modo que las variables como densidad promedio ρ(x, t) y
velocidad promedio V (x, t) tienen sentido. El modelo propuesto por Kerner-
Konhäuser utiliza la ecuación de continuidad y, para cerrar el sistema, se
propone una dinámica para la velocidad local de los automóviles (o ecuación
de velocidad) que en su forma conservativa se expresa como una ecuación
para el flujo.

∂Q ∂ ∂V ρ
+ QV + ρΘ − η = (Ve (ρ) − V ) , (2.6)
∂t ∂x ∂x τ
donde Ve (ρ) es la velocidad dada por el diagrama fundamental (1.7), η > 0
y pertenece al término análogo a la viscosidad de un fluido compresible, Θ
es la varianza de la velocidad y τ [seg] es un parámetro de amortiguamiento
para la aceleración promedio de los automovilistas. Además, el término
ρ
(Ve (ρ) − V ) ,
τ
describe localmente el comportamiento del tráfico, simulando la capacidad de
los conductores para ajustar su velocidad dependiendo de las circunstancias
locales en las que se encuentra. Por otro lado, la presión del flujo vehicular
se expresa como
∂V
P = ρΘ − η ,
∂x
y, debido al término difusivo, se tiene un problema del tipo parabólico no
lineal. Es fácil ver que si ρ = ρe donde 0 ≤ ρe ≤ ρmax es una constante y
Q = ρV (ρ) = ρe Ve (ρe ) dado por la relación fundamental, se tiene una infi-
nidad de soluciones homogéneas del sistema (2.1) y (2.6). En los resultados
que obtuvieron en su trabajo, Kerner y Konhäuser concluyeron que en una
autopista, sin rampas ni cambio en el número de carriles, bastan pequeñas
perturbaciones de densidad no homogéneas en un flujo vehicular inicialmen-
te homogéneo para generar uno o varios cúmulos de automóviles al paso del
tiempo los cuales se propagan como soluciones de tipo onda viajera a veloci-
dad constante. Además existe la posibilidad de la unión entre varios cúmulos
hasta formar uno sólo de mayor tamaño [3]. Cabe señalar que Sugiyama et al.
(2005) recrean de manera experimental con conductores reales y un circuito

circular los resultados teóricos obtenidos por Kerner y Konhäuser.
2.4. Marco Teórico

Debido a que el modelo propuesto por Kerner-Konhäuser es uno de los más
estudiados en la literatura por su capacidad de replicar varios fenómenos ob-
servados en el tráfico vehicular, es importante hacer un análisis de estabilidad
lineal para tener conocimiento del comportamiento de las soluciones que son
de tipo onda viajera. Para el análisis, se puede observar que el sistema dado
por (2.1) y (2.6) satisface la solución homogénea,
ρ(x, t) = ρe , ρe ∈ [0, ρmax ],
ρ(x, t)V (x, t) = ρe Ve donde V (ρe ) = Ve .

A continuación se introduce una pequeña perturbación a la solución ho-
mogénea en términos de una onda plana,
ρ(x, t) = ρe + ρ̂(k, γ)Exp(ikx + γt), (2.7)
V (x, t) = Ve + V̂ (k, γ)Exp(ikx + γt), (2.8)

donde k es el número de onda, ρ̂(k, γ) y V̂ (k, γ) no necesariamente son cons-
tantes y la parte real de γ nos permite determinar la estabilidad de la so-
lución. Sustituyendo la solución homogénea perturbada en la ecuación de
conservación (2.1) y considerando sólo los términos lineales tenemos que
(γ + ikVe )ρ̂ + ikρe V̂ = 0. (2.9)

Por otro lado, para la ecuación de la dinámica de velocidad local
∂ 2V

∂V ∂V ∂ρ ρ
ρ +V = −Θ0 + η0 2 + (Ve (ρ) − V ) ,
∂t ∂x ∂x ∂x τ
se desarrolla la función Ve (ρ) como serie de Taylor alrededor de ρ = ρe .
Ve (ρ) = Ve (ρe ) + Ve0 (ρe )(ρ − ρe ) + O(ρ2 ).

Utilizando (2.7) en la ecuación anterior,
= Ve (ρe ) + Ve0 (ρe )ρe + Ve0 (ρe )ρ̂Exp(ikx + γt) − ρe Ve0 (ρe ) + O(ρ2 ),
= Ve (ρe ) + Ve0 (ρe )ρ̂Exp(ikx + γt) + O(ρ2 ). (2.10)

Para simplificar los términos denotamos Exp(ikx + γt) = eβ . La sustitución
directa de las ecuaciones (2.7),(2.8) y (2.10) en la ecuación de la dinámica de
velocidad local obtenemos

ρe + ρ̂eβ γ V̂ eβ + (Ve + V̂ eβ ))(ik V̂ eβ ) =
= −ikΘ0 ρ̂eβ − k 2 η0 V̂ eβ + ...

ρe + ρ̂eβ
... + Ve (ρe ) + Ve0 (ρe )ρ̂eβ − Ve − V̂ eβ + O(ρ2 ) .
τ
Reduciendo términos semejantes, dividiendo entre eβ y tomando en cuenta
sólo los términos lineales se tiene que,
ikΘ0 Ve0 η0 k 2 1

− ρ̂ + γ + ikVe + + V̂ = 0. (2.11)
ρe τ ρe τ
Se plantea entonces el siguiente sistema de ecuaciones lineales:
!
γ + iV k ikρ

e e ρ̂ 0
= . (2.12)

ikΘ0 Ve0 η0 k2 1
ρe
− τ
γ + ikVe + ρe
+ τ V̂ 0
Para que el sistema admita una solución no trivial, se toma en cuenta que
det(A) = 0 y entonces
k2 1 ikΘ0 Ve0

(γ + iVe k) γ + ikVe + η0 + − ikρe − = 0. (2.13)
ρe τ ρe τ
Desarrollando la ecuación anterior en términos de γ(k) y definiendo las si-

guientes variables:
1 η0 k 2
T = + ,
τ ρe
αr = k 2 Θ0 ,
kρe Ve0
αi = − ,
τ
se tiene que,
1 p
γ(k) = −(T + 2ikVe ) ± T 2 − 4αr + i(4αi ) (2.14)
2
Teorema 1 Sea ξ = ξ1 + iξ2 , r =| ξ |. La solución de la ecuación z 2 = ξ
está dado por ±w donde,
√ z+r
w= r .
|z+r |
y además,
p
(ξ12 + ξ22 )1/4 ξ1 + ξ12 + ξ22 + iξ22
w= √ q .
2 p
ξ2 + ξ2 + ξ ξ2 + ξ2
1 2 1 1 2
Utilizando el teorema anterior, la parte real de (2.14) está dado por:
p
T ((T 2 − 4αr )2 + αr2 )1/4 (T 2 − 4αr + (T 2 − 4αr )2 + αr2 )
γ(k)± = − ± √ q ,
2 p
2 2 (T 2 − 4αr )2 + αr2 + (T 2 − 4αr ) (T 2 − 4αr )2 + αr2
y debido a que −T /2 es negativo, observamos que solo la raı́z positiva de γ(k)

puede ser mayor o igual que cero. Para hacer un análisis local con respecto
a las raı́ces reales de γ(k) se hace un desarrollo en serie de Taylor. Primero,
para la ecuación (2.13) evaluada k = 0 se tiene que,

1
γ(0) γ(0) + = 0. (2.15)
τ
Se considera la raı́z γ+ (0) = 0 y derivando implı́citamente (2.13),
η0 k 2 1

0 2η0 k 0
(γ(k)+iVe k) γ (k) + iVe + +(γ (k)iVe ) γ(k) + ikVe + + −,
ρe ρe τ
ikΘ0 Ve0

iΘ0
... − iρe − − ikρe = 0.
ρe τ ρe
Evaluando en k = 0,
iρe Ve0

0 1
(γ (0) + iVe ) + = 0,
τ τ
γ 0 (0) = −i(ρe Ve0 + Ve ). (2.16)

Derivando nuevamente de forma implı́cita (2.13),

00 η0 0 0 2η0 k
(γ(k) + iVe k) γ (k) + 2 + (γ (k) + iVe ) γ (k) + iVe + 2 +,
ρe ρe
η0 k 2 1

00
+γ (k) γ(k) + ikVe + + +,
ρe τ

0 0 η0 k
+(γ (k) + iVe ) γ (k) + iVe + 2 + 2Θ0 = 0.
ρe
Evaluando en k = 0,
γ 00 (0) = −2τ (Θ0 − ρ2e (Ve0 )2 ). (2.17)
Utilizando las expresiones anteriores en la serie de Taylor
1
γ+ (k) = γ(0) + γ 0 (0)k + γ 00 (0)k 2 + O(k 3 ),
2
Se obtiene que
γ+ (k) = −i(ρe Ve0 + Ve )k − τ k 2 (Θ0 − ρ2e (Ve0 )2 ) + O(k 3 ).
Ası́,
Re (γ+ ) = −τ k 2 (Θ0 − ρ2e (Ve0 )2 ) + O(k 3 ). (2.18)
Dado τ > 0, para que Re (γ+ ) ≤ 0 se deduce la condición de estabilidad (fig.
2.1) establecida por:
p
Θ0 ≥ ρe | Ve0 | . (2.19)
Es decir, para aquellos valores de Θ0 y ρe que cumplan con la condición de
estabilidad, la solución perturbada tiende a la solución homogénea. De no
ser el caso, entonces se producen soluciones de tipo de onda viajera.
Figura 2.1: Perfil de la condición de estabilidad (2.19)
2.5. Solución numérica

Para este trabajo utilizaremos principalmente el modelo de primer orden de
Lighthill-Whitham (2.1) y el modelo de segundo orden de Kerner-Konhäuser,
el cual está conformado por la ecuación de continuidad (1.3) y la ecuación que
describe la dinámica de la velocidad (2.6), en un circuito circular con o sin
rampas de entrada/salida de autos o con un cambio en el número de carriles
para cierta región. Las condiciones de frontera para el flujo incompresible en
una dimensión junto con la condición inicial se propone como:
ρ(0, t) = ρ(L, t) t > 0,
ρ(x, 0) = ϕ(x) 0 < x < L.

donde L es la longitud de la periferia del circuito. Dentro del conjunto de
esquemas de diferencias finitas para aproximar soluciones de EDP, es necesa-
rio hacer una discretización del dominio (después de haber acotado de forma
adecuada la región de estudio) y proponer condiciones de frontera según el
requerimiento del sistema asociado al problema. Dado un tiempo T > 0,

sean N y M dos números naturales tales que, la discretización en el tiempo
y espacio respectivamente está dado como tj = j∆t para j = 0, 1, ..., M y
xi = a+ih para i = 0, 1, ..., N , donde, ∆t = T /M y h = (b−a)/N , x ∈ (a, b).
2.5.1. Esquemas conservativos

Los modelos expuestos en las secciones anteriores fueron propuestos bajo la
hipótesis de conservación de la densidad de autos en una región y es por esto
que es preferible hacer uso de esquemas conservativos en diferencias finitas.
Para el caso de las ecuaciones de primer orden tenemos
∂u ∂f (u)
+ = 0 x ∈ (−∞, ∞), t > 0,
∂t ∂x
u(x, 0) = ϕ(x) x ∈ (−∞, ∞).

Aproximar la solución al problema anterior, consiste en determinar Uij ≈
u(xi , xj ). De todos los esquemas conservativos que se han desarrollado, se
presentan dos con los cuales se resolverán algunos ejemplos y experimentos
propuestos.
1. Upwind
j
fij − fi−1 si f 0 (Uij ) > 0,
 ∆t

 h
Uij+1 = Uij −
j
∆t
− fij si f 0 (Uij ) < 0.

fi+1

h
2. Lax-Wendroff
j+ 1 1
Uij + Ui+1
j ∆t j
− fij

Ui+ 12 = 2
− h
fi+1 , (predictor),
2
j+ 1 1
Uij + Ui−1
j ∆t
fij − fi−1
j

Ui− 12 = 2
− h
,
2
j+ 1 j+ 1

Uij+1 = Uij − ∆t
h
fi+ 12 − fi− 12 , (corrector),
2 2
donde fij = f (Uij ). Para ver el comportamiento de estos dos esquemas, se re-
solverá el modelo de Lighthill-Whitham en un circuito homogéneo sin entrada
ni salida de autos.
Ejemplo 1 Modelo de Lighthill-Whitham aplicado a la modelación de flujo

vehicular en un circuito homogéneo. Se utiliza la relación fundamental de
Greenshields (1.1) para el flujo Q(ρ).
∂ρ ∂Q(ρ)
+ = 0, 0 < x < L, t > 0,
∂t ∂x

2πx
ρ(x, 0) = ρe 1 + CSen , 0 < x < L,
L
ρ(0, t) = ρ(L, t), t > 0,

donde ρe = 28[veh/km], C = 0.1, L = 12[km], vmax = 120[km/hr] y ρmax =
140[veh/km].
Figura 2.2: Solución numérica con ρe = 28[veh/km] (Ejemplo 1)
al resolver este ejemplo a diferentes tiempos y por medio de los esquemas

de UP-wind y Lax-Wendroff (Fig. 2.2), se puede apreciar la aparición de
una onda de choque en t = 25.2[min]. Se observa que la solución numérica
obtenida por el esquema de Lax-Wendroff presenta oscilaciones en donde se

encuentra la onda de choque debido a la dispersión1 del método. Por otro
lado, el esquema de Up-Wind suaviza la solución y esto es debido a que este
esquema presenta difusión numérica2 . La aparición de ondas de choque no
corresponden a los datos empı́ricos y esto es reflejo de que los conductores
no chocan entre sı́ al momento de haber una congestión vehicular sino que
deben de frenar gradualmente y la forma para representar este cambio de
velocidad es introduciendo un término de difusión.
2.5.2. Solución numérica de ecuaciones vectoriales con-

servativas
Los modelos de segundo orden se caracterizan por tener dos variables desco-
nocidas, es decir, se tiene un sistema de EDP de dos incógnitas. El modelo
propuesto por Kerner-Konhäuser es un modelo de segundo orden que inclu-
ye un término de difusión (η ∂V
∂x
) con el cual se evitan las ondas de choque
y también se introduce un término de relajación para simular el tiempo de
reacción de los conductores para acelerar o frenar dependiendo de sus circuns-
tancias locales. Para resolver este sistema de EDP se utilizará el esquema de
Lax-Wendroff en su forma vectorial. Supongamos que se tiene el siguiente
problema:
∂u ∂f
+ = s(u),
∂t ∂x
u(x, 0) = u0 (x),
u(0, t) = u(L, t),
donde f y s son funciones vectoriales de clase C 1 ([0, L] × [0, T ]) y u0 (x) ∈

C 0 [0, L].
1
La dispersión numérica se debe a un factor de amplitud introducido por errores numéri-
cos en la solución aproximada. [1]
2
La difusión numérica se debe al error relativo en el ángulo de fase provocando que la
solución numérica se rezague o se propague más rápido de la solución exacta. [1]
1. Lax-Wendroff vectorial
j+ 1 1
Uji + Uji+1 − ∆t
fji+1 − fji + ∆t
sji+1 + fji

Ui+ 12 = 2 h 2
,
2
j+ 1 1
Uji + Uji−1 − ∆t
fji − fji−1 + ∆t
sji−1 + fji

Ui− 12 = 2 h 2
,
2
j+ 1 j+ 1 j+ 1 j+ 1

Uj+1
i = Uji − ∆t
h
fi+ 12 − fi− 12 + ∆t
2
si+ 12 + si− 12 ,
2 2 2 2
donde sji = s(Uij ). Se resuelve el siguiente ejemplo para observar la evolución

de la aparición y propagación de un cúmulo de densidad en un circuito con
un flujo continuo de autos sin obstáculos.
Ejemplo 2 Supongamos que se tiene el siguiente problema:

∂ ρ ∂ ρV 0
+ = ρ , x ∈ (−12, 12)
∂t ρV ∂x ρV 2 + P τ
(Ve (ρ) − V )
ρ(−12, t) = ρ(12, t) V (−12, t) = V (12, t)

en donde la presión del tráfico P para este modelo es de la forma:
∂V
P = ρΘ − η ,
∂x
con Θ = (45[km/hr])2 , η = 600[km/hr] y τ = 30[seg] como tiempo de
relajación. El término Ve (ρ) es como se describe en el diagrama fundamental
propuesto por Kerner-Konhäuser (1.7) con ρmax = 140[veh/km] y Vmax =
120[km/hr]. La condición inicial está dada por:
ρ(x, 0) = ρe + 8Cosh−2 (2(x − x0 )) − 4Cosh−2 (2(x − x1 )),

ρ(x, 0)V (x, 0) = ρe Ve (ρe ),
donde, ρe = 28[veh/km], x0 = −6 y x1 = 6.
Este ejemplo se resolvió utilizando el método numérico mencionado y debido

a que el problema es del tipo parabólico, por el término difusivo η ∂V
∂x
, se tomó
2
como condición que ∆t = h con h = 0.07. Se presentan varios perfiles de
densidad para distintos tiempos (ver Figura 2.3): en el caso para el tiempo
t = 15[min] se observa la formación de cuatro cúmulos de densidad de dife-
rentes tamaños; cuando el tiempo t = 27[min], muchos de estos cúmulos se
han unido para formar uno que es más ancho que los anteriores. Este per-
fil de densidad presenta la unión de los dos últimos cúmulos que aparecen.
Finalmente para t = 72[min], todos los cúmulos de densidad se han unido
y se ha generado un cúmulo de densidad aun cuando no existen obstáculos
en el circuito. Es importante señalar que este patrón emerge a partir de una
pequeña perturbación no homogénea en la condición inicial. Debido a ella
se forman varios cúmulos de densidad en el flujo vehicular y los cúmulos se
unen hasta formar uno sólo que se propaga sin cambiar su forma a velocidad
constante el cual se le conoce como onda viajera.
Figura 2.3: Solución numérica por el esquema de Lax-Wendroff (Ejemplo 2)
Para verificar los resultados obtenidos en el análisis de estabilidad lineal se

proponen a continuación dos experimentos cuyo objetivo es corroborar el
resultado analı́tico. En el problema anterior se pudo observar la aparición de
un cúmulo de densidad debido a que los parámetros Θ y ρe se encuentran en
la región dónde la solución es inestable según la relación (2.19).
Experimento 1 Considere el problema anterior con ρe = 22[veh/km] y la

siguiente condición inicial:
πx
ρ(x, 0) = ρe + 4Sin ,
3
ρ(x, 0)V (x, 0) = ρe Ve (ρe ).
Para este experimento se puede observar que los cúmulos de densidad gene-
rados por la condición inicial se desvanecen a lo largo del tiempo hasta que
la solución tiende a la solución homogénea (ver Figura 2.4).
Figura 2.4: Perfil de densidad cuando ρe = 22[veh/km] (Experimento 1)
Experimento 2 Se considera el problema anterior con ρe = 60[veh/km] y

la siguiente condición inicial:
πx
ρ(x, 0) = ρe + 4Sin ,
3
ρ(x, 0)V (x, 0) = ρe Ve (ρe ).
Cabe señalar que para estos experimentos se consideran valores especı́ficos

de ρe , dado que Θ = (45[km/hr])2 es fijo, los cuales pertenecen a la región
de estabilidad de la solución (ver Figura (2.1)).
Figura 2.5: Perfil de densidad para ρe = 60[veh/km] (Experimento 2)
Nuevamente podemos observar que los cúmulos de densidad que existen a

lo largo del dominio se desvanecen al pasar el tiempo hasta que la solución
tiende a la solución homogénea.
Capı́tulo 3
Flujo vehicular con rampas de

entrada y salida de autos
En el capı́tulo anterior se mostraron diferentes tipos de modelos con los cuales

se ha estudiado el flujo vehicular en un circuito homogéneo. Debido a que
este escenario no es realista, en este capı́tulo se modifican los modelos usuales
para adaptarlos a un circuito donde existen rampas de entrada y salida de
autos o un cuello de botella ocasionado por el cambio en el número de carriles
en un cierto tramo. Para el modelo de primer orden de Lighthill-Whitham
se añade un término en la ecuación de continuidad que deberá cumplir con
ciertas caracterı́sticas. En el modelo de segundo orden descrito por Kerner-
Konhäuser, además de modificar la ecuación de continuidad, se deduce la
ecuación de balance que describe la dinámica de velocidades de los autos.
3.1. Flujo de rampas de entrada y salida

Los efectos debidos a las rampas de entrada y salida de autos, como al cambio
de número de carriles, se han estudiado con las primeras simulaciones del
tráfico; sin embargo, no se realizaron para ese entonces estudios sistemáticos
de los fenómenos que se producen ni las condiciones en las que se producen
[10]. Varios experimentos se han llevado a cabo a lo largo del tiempo con
el objetivo de modelar algunos fenómenos del tráfico vehicular cuando se
tienen rampas de autos, como lo es el flujo libre y también algunos patrones
del flujo congestionado. En los trabajos de Kerner et al. (1995) se logró
simular la formación de un congestionamiento vehicular dentro de un circuito
28 Flujo vehicular con rampas de entrada y salida de autos
con rampas de entrada y salida de autos, junto con una condición inicial
homogénea, cuando el flujo de la rampa de salida era un poco mayor que
el flujo de la rampa de entrada. En 1998, bajo el mismo escenario, H.Y.
Lee reproduce un patrón del tráfico congestionado al cual le llama “recurring
hump” (por la comparación de osciladores quı́micos [10] ) utilizando el modelo
de Kerner-Konhäuser, pero a diferencia del modelo original, Lee utiliza otra
relación fundamental Ve (ρ) = (1 − ρ/ρm )/(1 + E(ρ/ρm )4 ), donde E es una
constante. De manera independiente, Helbing y Treiber publican su modelo
del tráfico vehicular cuando se tienen rampas a partir de la siguiente ecuación
de balance
dN
= Qin (x, t) − Qout (x, t) + Qrmp (x, t).
dt
Siguiendo los mismos pasos en la ecuación (1.2), cuando se dedujo la ecuación
de continuidad se obtiene
∂ρ(x, t) ∂Q(x, t)
+ = ν(x, t),
∂t ∂x
donde ν(x, t) representa el flujo vehicular en las rampas. Esta función deberá
ser cero en todo punto donde no exista ninguna forma de que los vehı́culos
ingresen o salgan del circuito. En la literatura se consideran las rampas como
secciones de las carreteras que cuentan con más carriles con el fin de que los
conductores aceleren (desaceleren) para ingresar (salir) del flujo de autos. Es
claro que en México este tipo de rampas pueden o no existir. En muchos casos
las rampas son pequeñas entradas y salidas por las cuales los conductores
deberán ingresar o salir del flujo vehicular de manera casi inmediata. Con la
motivación de modelar este tipo de entradas en este trabajo, se propone el
término fuente ν(x, t) en la ecuación de continuidad de la siguiente forma,
(x − xe )2 (x − xs )2

e s
ν(x, t) = qrmp Exp − − qrmp Exp − , (3.1)
σ σ
e
donde el flujo de las rampas es constante. Además qrmp ≥ 0, representa el
s
flujo de entrada en la posición xe y qrmp ≥ 0 representa el flujo de salida en
xs . Además, el parámetro σ > 0 es lo suficientemente pequeño para que la
función ν(x, t) represente la entrada y salida de autos de forma casi puntual.
El modelo de Lighthill-Whitham en un circuito de periferia L con rampas de
entrada y salida casi puntuales se plantea como:
Flujo vehicular con rampas de entrada y salida de autos 29
∂ρ ∂Q(ρ)
+ = ν(x, t), 0 < x < L, t > 0, (3.2)
∂t ∂x
ρ(x, 0) = f (x), 0 < x < L,
ρ(0, t) = ρ(L, t), t > 0,
3.2. Solución numérica del modelo de primer

orden con rampas de entrada y salida de
autos.
Se considera el modelo de Lighthill-Whitham con rampas de entrada y salida
de autos con el propósito de realizar una serie de simulaciones en diferentes
escenarios de un modelo simplificado del periférico de la ciudad de Méxi-
co. Esto es para observar los distintos comportamientos de las soluciones
numéricas que se pueden obtener variando la condición inicial junto con la
relación fundamental propuesta por Greenshields (1.1) o la propuesta por
Kerner-Konhäuser (1.7). Los experimentos en esta sección tienen la finalidad
de obtener conclusiones útiles para un primer acercamiento en la modelación
del tráfico vehicular en México.
Ejemplo 3 Se considera un circuito cerrado de longitud L que consta de

un sólo carril. En este problema se comparan las soluciones obtenidas por el
método de Lax-Wendroff para un circuito con rampas y sin rampas (ver ejem-
plo del capı́tulo anterior) para observar las diferencias entre los resultados.
Se considera un circuito con rampas de entrada y salida con flujo constante
qrmp = 600[veh/hr]. La ecuación de primer orden a resolver es
∂ρ ∂Q(ρ)
+ = ν(x, t), 0 < x < L, t > 0, (3.3)
∂t ∂x
(x − xe )2 (x − xs )2

ν(x, t) = qrmp Exp − − Exp − , ρ > 0,
σ σ

2πx
ρ(x, 0) = ρe 1 + CSen , 0 < x < L,
L
ρ(0, t) = ρ(L, t), t > 0,

donde xe = 4[km], xs = 8[km], C = 0.1, L = 12[km], vmax = 120[km/hr],
ρmax = 140[veh/km] y σ = 0.005.
Para resolver este problema se utilizó el esquema numérico de Lax-Wendroff

con h = 0.01 y ∆t = h2 . Primero se muestran los resultados utilizando
la relación fundamental de Greenshields (1.1) variando el parámetro de la
condición inicial ρe
Figura 3.1: Perfil de densidad con ρe = 28[veh/km]. (Ejemplo 1)
Las soluciones fueron obtenidas con el parámetro ρe = 28[veh/km]. La Fi-

gura (3.1) corresponde al ejemplo del capı́tulo anterior donde el circuito es
homogéneo. Se puede apreciar la formación de una onda de choque para
t = 55[min] y representa un aumento instantáneo en la densidad. En la fi-
gura (3.2) se observa claramente el mismo patrón cuando se consideran las
rampas de entrada y salida de autos. Sin embargo, en el intervalo 4 ≤ x ≤ 8,
es evidente un aumento en la densidad debido la entrada de autos en el punto
x = xe y la salida de autos en el punto x = xs .
Figura 3.2: Perfil de densidad con ρe = 28[veh/km]. (Ejemplo 3)
3.3. Dinámica de velocidad para modelos de

segundo orden con rampas
En los modelos de segundo orden, además de modificar la ecuación de conti-
nuidad, es necesario incluir un término de aceleración A(x, t) que represente
únicamente la velocidad promedio con la cual los vehı́culos entran o salen de
un circuito. De esta forma, la ecuación de movimiento descrita por Navier-
Stokes para fluidos incompresibles en una dimensión, base de la dinámica de
velocidad en el modelo de Kerner-Konhäuser, se establece como:
∂V ∂V Ve (ρ) − V Θ ∂ρ η ∂ 2 V
+V = − + + A(x, t), (3.4)
∂t ∂x τ ρ ∂x ρ ∂x2
donde A(x, t) describe el cambio de la velocidad local V (x, t) donde existen

rampas. Treiber et al. (2013) calcula A(x, t) suponiendo que la velocidad
de aquellos autos que ingresan a la autopista es menor a la velocidad local
Vrmp < V , donde Vrmp es constante. Por otro lado, aquellos autos que quieran
abandonar del circuito deberán desacelerar en promedio hasta alcanzar la
velocidad Vrmp antes de salir [6]. Treiber propone entonces el término A(x, t)
de la siguiente forma:
Vrmp − V (x, t)
A(x, t) = |ν(x, t)|. (3.5)
ρ(x, t)
Es preferible trabajar el modelo de segundo orden en su forma conservativa

debido a que existen métodos numéricos rigurosos para resolver numérica-
mente este tipo de problemas como lo es el esquema conservativo de Lax-
Wendroff. Observemos lo siguiente:
∂V
P = ρΘ − η ,
∂x
∂P ∂ρ ∂ 2V
=Θ −η 2, (3.6)
∂x ∂x ∂x
donde Θ y η son constantes y representa la varianza de la velocidad promedio
y η es un término difusivo. Partiendo de la ecuación (3.4) se tiene,
∂V ∂V ρ Ve (ρ) − V 1 ∂P 1
+V = − + (Vrmp − V )|ν(x, t)|,
∂t ∂x ρ τ ρ ∂x ρ
∂V ∂V ρ ∂P
ρ + ρV = (Ve (ρ) − V ) − + (Vrmp − V )|ν(x, t)|,
∂t ∂x τ ∂x
∂V ∂ρ ∂V ∂V ∂ρ ∂P
−ρV −V2 + V ν(x, t) + ρ + 2ρV +V2 + = ...
∂x ∂x ∂t ∂x ∂x ∂x
ρ
= (Ve (ρ) − V ) + (Vrmp − V )|ν(x, t)| + V ν(x, t).
τ
Por la ecuación de continuidad ( ∂ρ
∂t
+ ∂ρV
∂x
= ν(x, t)) tenemos lo siguiente:
∂ρ ∂ρV ∂V ∂ρ
V = V ν(x, t) − V = V ν(x, t) − V ρ −V2 .
∂t ∂x ∂x ∂x
Ası́,
∂ρ ∂V ∂V ∂ρ ∂P ρ
V +ρ +2ρV +V 2 + = (Ve (ρ) − V )+(Vrmp −V )|ν(x, t)|+V ν(x, t),
∂t ∂t ∂x ∂x ∂x τ
∂ρV ∂ ρ
+ ρV 2 + P = (Ve (ρ) − V ) + (Vrmp − V )|ν(x, t)| + V ν(x, t),
∂t ∂x τ
y finalmente,
∂ρV ∂
ρV 2 + P = z(x, t),

+ (3.7)
∂t ∂x
ρ
(Ve (ρ) − V ) + (Vrmp − V )|ν(x, t)| + V ν(x, t).
z(x, t) =
τ
De esta manera se obtiene la dinámica de velocidades en su forma conserva-
tiva.
3.3.1. Solución numérica del modelo de segundo orden

con rampas de entrada y salida de autos
Se considera el mismo escenario descrito en el ejemplo anterior, el cual consta
de un circuito con un sólo carril de periferia L con rampas de entrada y salida
e,s
de autos. Para analizar la sensibilidad de los parámetros ρe y qrmp se proponen
varios experimentos cuyas soluciones deberán satisfacer lo que intuitivamente
se esperarı́a al variar la cantidad de autos que entran con respecto a los que
salen.
Ejemplo 4 En este problema se observan las soluciones obtenidas por el

método de Lax-Wendroff para un circuito con rampas haciendo uso de la
relación fundamental propuesta por Kerner-Kornhäuser. Es de utilidad com-
parar los resultados obtenidos en el Ejemplo 2 del capı́tulo anterior para el
cual se resuelve el mismo problema pero sin rampas de autos. Se considera
inicialmente el mismo flujo para la rampa de entrada como la de salida de
e,s
autos y está dado por qrmp = qrmp = 600[veh/hr]. Se resolverá a continuación
la siguiente ecuación:

∂ ρ ∂ ρV ν(x, t)
+ = , x ∈ (−12, 12) (3.8)
∂t ρV ∂x ρV 2 + P z(x, t)
donde,
(x + 8)2 (x − 8)2

ν(x, t) = qrmp Exp − − Exp − , σ > 0,
σ σ
ρ
z(x, t) = (Ve (ρ) − V ) + (Vrmp − V )|ν(x, t)| + V ν(x, t).
τ
Figura 3.3: Perfil de densidad para ρe = 28[veh/km] (Ejemplo 2)
Se consideran las condiciones de frontera periódicas,
ρ(−12, t) = ρ(12, t), V (−12, t) = V (12, t),
con Θ = (45[km/hr])2 , η = 600[km/hr], Vrmp = 15[km/hr], σ = 0.015 y

τ = 30[seg] como tiempo de relajación. Las rampas de entrada y salida de
autos están localizadas en xe = −8, xs = 8. El término Ve (ρ) es como se
describe en el diagrama fundamental propuesto por Kerner-Konhäuser con
ρmax = 140[veh/km] y Vmax = 120[km/hr]. La condición inicial está dada
por:
ρ(x, 0) = ρe + 8Cosh−2 (2(x − x0 )) − 4Cosh−2 (2(x − x1 )),
ρ(x, 0)V (x, 0) = ρe Ve (ρe ),

donde, x0 = −6,x1 = 6 y ρe = 28[veh/km].
Dada la existencia de un término difusivo se seleccionó h = 0.03 y ∆t = h2 /5.

Figura 3.4: Perfil de densidad para ρe = 28[veh/km]. (Ejemplo 4)
Se puede observar (ver Figura (3.4)) que las soluciones para el modelo de
segundo orden con rampas y sin rampas cualitativamente son casi idénticas.
Las diferencias se encuentran en el ligero aumento en la densidad dentro del
intervalo −8 ≤ x ≤ 8.
Para observar si las soluciones cualitativamente se preservan en problemas

con rampas y sin rampas de automóviles, se propone aumentar la densidad
inicial y perturbar una condición inicial constante como se puede ver en el
siguiente ejemplo.
Ejemplo 5 Se considera el ejemplo planteado inicialmente con la siguiente

condición inicial:
πx
ρ(x, 0) = ρe + 4Sen ,
3
ρ(x, 0)V (x, 0) = ρ(x, 0)Ve (ρ(x, 0)),
Es notable ver con este ejercicio (ver Figura 3.5) que la solución es estable
para ρe = 20[veh/km] cuando se consideran los parámetros propuestos en
el ejemplo anterior. A diferencia de cuando no se consideran las rampas
(ver Figura 2.4), se observa un ligero aumento en la densidad dentro de
Figura 3.5: Perfil de densidad para ρe = 20[veh/km]. (Ejemplo 5)
estas, donde −8 ≤ x ≤ 8, sin embargo no es suficiente para formar un

cúmulo de densidad. Es posible verificar que el resultado es similiar cuando
ρe = 65[veh/km].
3.3.2. Experimentos
Con el propósito de encontrar más evidencia numérica de la formación de
cúmulos de densidad utilizando este modelo con rampas y para observar
diferentes comportamientos de las soluciones, a continuación se propone una
serie de experimentos en los cuales se varı́a la densidad ρe y el flujo de entrada
y salida de autos a diferentes tasas. Considere el siguiente problema cuya
condición inicial para la densidad es constante.
Problema 1

∂ ρ ∂ ρV ν(x, t)
+ = , x ∈ (−12, 12)
∂t ρV ∂x ρV 2 + P z(x, t)
ρ(−12, t) = ρ(12, t), V (−12, t) = V (12, t),
(x + 8)2 (x − 8)2

e s
ν(x, t) = qrmp Exp − − qrmp Exp − ,
σ σ
ρ
τ
ρ(x, 0) = ρe , ρ(x, 0)V (x, 0) = ρe Ve (ρe ),

Θ = (45[km/hr])2 , η = 600[km/hr], Vrmp = 15[km/hr], σ = 0.015 y τ =
30[seg].
Los resultados se presentan conforme cada experimento, variando únicamen-

e,s
te la densidad inicial ρe y los flujos en las rampas qrmp . Los problemas se
resuelven utilizando el esquema numérico de Lax-Wendroff con h = 0.03 y
∆t = h2 /5.
Experimento 3 Se considera el problema planteado anteriormente cuya con-

dición inicial es:
e s
ρ(x, 0) = ρe = 28[veh/km], qrmp = qrmp = 600[veh/hr]
Figura 3.6: Perfil de densidad. ρe = 28[veh/km] (Exp. 3)
En un escenario dónde no existieran rampas de autos, se tiene que la solución

de este problema está dado por ρ = ρe y ρV = ρe Ve (ρe ). Sin embargo, en este
ejercicio se demuestra que el hecho de considerar las rampas de entrada y sa-
lida de autos perturba el flujo vehicular de manera suficiente para ocasionar,
en este experimento, dos cúmulos de densidad.
Experimento 4 Se considera el problema planteado anteriormente con los

siguientes parámetros:
e s
ρ(x, 0) = ρe = 28[veh/km], qrmp = 1800[veh/hr] qrmp = 0[veh/hr]
Figura 3.7: Perfil de densidad. ρe = 28[veh/km]. (Exp. 4)

Debido a que el flujo en la rampa de entrada es mayor que el flujo de salida,
existe un aumento en la densidad total del sistema con el paso del tiempo.
Se puede observar tanto la formación del cúmulo de densidad como el creci-
miento constante del mismo debido a que es mayor el número de autos que
ingresan de los que salen (ver Figura 3.7).
Experimento 5 Se considera el problema planteado anteriormente con la
condición inicial homogénea y rampas de entrada y salida de autos
e s
ρ(x, 0) = ρe = 60[veh/km], qrmp = qrmp = 450[veh/hr]
En este experimento no se presenta ninguna formación de cúmulos de densi-
dad y la solución se mantiene casi homogénea salvo en los puntos donde se
encuentran las rampas de entrada y de salida. Esto indica que las condiciones
para formarse un cúmulo de densidad no son las adecuadas a pesar de existir
una perturbación en el flujo homogéneo y es probablemente debido a que los
conductores no tienen espacio suficiente para acelerar o frenar por lo que se
mantienen en velocidad casi constante.
Experimento 6 Se considera el problema planteado anteriormente con la

condición inicial homogénea y solamente una rampa de salida.
e s
ρ(x, 0) = ρe = 60[veh/km], qrmp = 0[veh/hr] qrmp = 1800[veh/hr]
Con este experimento resulta evidente (ver Figura (3.9)) que existen condi-
ciones necesarias para formación del cúmulo de densidad y que no sólo se
basan en la perturbación en la densidad homogénea. El efecto de sólo con-
siderar la salida de autos se refleja en la alteración en la velocidad local de
aquellos conductores que aún permanecen dentro del circuito provocando una
formación de un cúmulo de densidad y, aunque este disminuye con respecto
el tiempo, se mantiene en el circuito por varias horas.
3.4. Cambio en el número de carriles de un

circuito
Los cuellos de botella en una autopista pueden ser generados por varias si-
tuaciones: rampas de autos, accidentes, construcciones, etc., por lo que existe
un interés en modelar los efectos en el flujo vehicular debido al cambio en el
número de carriles. Para modelar este tipo de escenarios se utiliza el modelo
de Kerner-Konhäuser, el cual se modifica para cuando existe un cambio en
el número de carriles para después estudiar numéricamente la sensibilidad de
los parámetros iniciales en las soluciones obtenidas. En general se considera
un circuito de varios carriles sin rampas de autos con una reducción en el
número de carriles en una cierta región. Matemáticamente podemos repre-
sentar esta situación en la ecuación de continuidad como lo propone Treiber
et al. [6] de la siguiente manera:
∂ρtot ∂Qtot
+ = 0, (3.9)
∂t ∂x
donde el subı́ndice tot se refiere a la densidad total como a flujo total que se
definen por
ρtot Qtot
ρ= , Q= ,
I(x) I(x)
donde I(x) es una función diferenciable que describe la transición en el núme-
ro de carriles en ciertas secciones del circuito. Sustituyendo esta expresión en
la ecuación de continuidad (3.9) se obtiene
∂I(x)ρ ∂I(x)Q
+ = 0,
∂t ∂x
∂ρ ∂Q dI(x)
I(x) + I(x) +Q = 0,
∂t ∂x dx
entonces, la densidad y el flujo por carril satisfacen
∂ρ ∂ρV ρV dI(x)
+ =− .
∂t ∂x I(x) dx
Para el modelo de segundo orden, utilizando la ecuación de continuidad an-

terior, se tiene que la ecuación de velocidad se escribe como:
∂ρV ∂ ρ ρV 2 dI(x)
+ ρV 2 + P = (Ve (ρ) − V ) − .
∂t ∂x τ I(x) dx
Una vez planteado el modelo consideramos, para el siguiente problema y
los experimentos que se mencionan a continuación, un circuito de 24[km]
de periferia el cual consta de un sólo carril y en cierta región supondremos
que existe una ampliación a dos carriles por unos cuantos kilómetros para
después reducirse nuevamente a un sólo carril. Para no afectar la regulari-
dad del problema, proponemos usar una función I(x) que sea continuamente
diferenciable y consistente de la siguiente manera:


 1 si x ∈ [−12, −2] ∪ [2, 12]
−16x3 − 84x2 − 144x − 79 si x ∈ [−2, −1.5]

I(x) = .

 2 si x ∈ [−1.5, 1.5]
16x3 − 84x2 + 144x − 79 si x ∈ [1.5, 2]

Problema 2 Para el modelo de segundo orden con variación en el número

de carriles, se consideran distintas densidades iniciales:
ρV dI(x)
!
− I(x)

∂ ρ ∂ ρV dx
+ = ρV 2 dI(x) ,
∂t ρV ∂x ρV 2 + P ρ
τ
(Ve (ρ) − V ) − I(x) dx
ρ(−12, t) = ρ(12, t), V (−12, t) = V (12, t),
con Θ = (45km/hr)2 , η = 600[km/hr] y τ = 30[seg] como tiempo de re-

lajación. El término Ve (ρ) es como se describe en el diagrama fundamental
propuesto por Kerner-Konhäuser (1.7) con ρmax = 140[veh/km] y Vmax =
120[km/hr]. La condición inicial por carril y la condición de frontera están
dadas por,
Figura 3.10: Perfil de la función I(x).


 ρe si x ∈ [−12, −2] ∪ [2, 12]



ρe



 −16x3 −84x2 −144x−79
si x ∈ [−2, −1.5]
ρ(x, 0) = ,
ρe
si x ∈ [−1.5, 1.5]




 2


 ρe
si x ∈ [1.5, 2]

16x3 −84x2 +144x−79
ρ(x, 0)V (x, 0) = ρ(x, 0)Ve (ρ(x, 0)),
donde la condición inicial está propuesta de esta forma para distribuir de

manera uniforme la densidad inicial ρe por carril utilizando la función de
transición I(x). A continuación se hicieron una serie de experimentos va-
riando ρe . Para el esquema numérico de Lax-Wendroff se utilizó h = 0.03 y
∆t = h2 /10.
Experimento 7 Se considera el problema planteado anteriormente con ρe =

25[veh/km] y se muestran las gráficas obtenidas a diferentes tiempos para
observar la evolución de la solución numérica:
En este ejercicio para ρe = 25[veh/km] podemos observar un aumento de la

densidad en 1.5 < x < 2 como la disminución de la cantidad de autos en
Figura 3.11: Perfil de densidad. (Exp. 7)
−2 < x < −1.5. Para t = 60[min] se ha generado un cúmulo de densidad

dentro del intervalo x ∈ [−2, 2] el cual permanece inmóvil indicando que se
ha llegado a una solución estacionaria.

Experimento 8 Se considera el problema planteado anteriormente con ρe =

28[veh/km] como un ligero aumento para la condición inicial. Se muestran a
continuación los resultados obtenidos. Se utiliza h = 0.03 y ∆t = h2 /25 para
resolver numéricamente el problema.
Si bien cualitativamente los resultados son muy parecidos para ρe = 25[veh/km]

y ρe = 28[veh/km], los resultados muestran un considerable aumento en el
cúmulo de densidad el cual permanece estacionario dentro de x ∈ [−2, 2].
Figura 3.13: Perfil de densidad ρe = 28[veh/km]. (Exp. 8)
De manera consecuente, se presentan los distintos perfiles de velocidad (ver

Figura 3.14)para cada experimento donde se observa un decaimiento en la
velocidad promedio en donde se formaron los cúmulos de densidad.
Experimento 9 Se pretende seguir aumentando la condición inicial ρe >

28[veh/km] para observar lo que puede llegar a suceder cuando la base del
cúmulo de densidad sea más grande que el intervalo donde se amplı́an los ca-
rriles. Considere el problema planteado anteriormente con ρe = 38[veh/km],
h = 0.01 y ∆t = h2 /5.
Para ρe = 38[veh/km] se tienen varios cúmulos de densidad que se han ge-

nerado de forma casi inmediata, los cuales se propagan en dirección al flujo
y se concentran dentro del intervalo x ∈ [−2, 2] (ver Figura 3.15). El cúmulo
de densidad central crece al transcurrir el tiempo y se puede observar como
Figura 3.14: Perfil de velocidad para distintas condiciones iniciales.
se desprende periódicamente otro cúmulo de densidad que viaja en senti-

do opuesto al flujo reduciendo su tamaño hasta detenerse a cierto tiempo
e inmediatamente comienza a viajar nuevamente en dirección al flujo hasta
unirse al cúmulo de densidad en la parte central (ver Figura 3.17). Se con-
cluye que el sistema entra en un ciclo, repitiendo el mismo patrón descrito
Figura 3.17: Perfil de densidad para ρe = 38[veh/km]. (Exp. 9)
anteriormente. Este tipo de fenómeno fue descrito por Lee et al. (1998) como
“recurring humps”. Lee obtiene este fenómeno bajo el esquema de considerar
una autopista con únicamente una rampa de entrada de autos utilizando el
modelo propuesto por Kerner-Konhäuser junto con condiciones en la frontera
abiertas y la relación fundamental Ve (ρ) = (1 − ρ/ρm )/(1 + E(ρ/ρm )4 ). En
este trabajo, considerando el modelo de segundo orden propuesto por Treiber
et al. para adecuarlo a la modelación del flujo vehicular con rampas junto
con la relación fundamental de Kerner-Konhäuser, se pudo replicar el mismo
patrón del tráfico congestionado. Más aún, Lee et al. (1998) demuestra que
este tipo de patrones son el origen de transición entre el flujo libre y el flujo
sincronizado descritos en la teorı́a de tres fases del flujo vehicular.
3.5. Modelo de tráfico vehicular en un circui-

to con rampas y cambio en el número de
carriles
En este capı́tulo se han mostrado varios modelos que se han propuesto para
el problema del tráfico vehicular. A continuación se muestra una combinación
de estos con el objetivo de tener un modelo con la capacidad de simular un
circuito con rampas y con un cambio en el número de carriles en un circuito.
Para este modelo se consideran rampas puntuales nuevamente de manera que
se tiene,
(x − xe )2 (x − xs )2

e s
ν(x, t) = qrmp Exp − − qrmp Exp −
σ σ
donde qrmp es el flujo en las rampas. Además, considerando un cambio en el
número de carriles para cierta sección del circuito, la ecuación de continuidad
se escribe como
∂I(x)ρ ∂I(x)Q
+ = ν(x, t).
∂t ∂x
Y desarrollando la derivada parcial se tiene que
∂ρ ∂ρV ν(x, t) ρV dI(x)

+ = − .
∂t ∂x I(x) I(x) dx
Finalmente bajo hipótesis de Treiber [6] la ecuación de la dinámica de velo-
cidad local (utilizando el mismo proceso que en 3.7) se escribe como:
∂ρV ∂ ρV 2 dI(x)
ρV 2 + P = z(x, t) −

+ ,
∂t ∂x I(x) dx
donde,
ρ
τ
La relación fundamental Ve (ρ) se considera como la propuesta por Kerner y

Konhäuser (1.7) y Vrmp ≥ 0 es un parámetro de la velocidad en las rampas.
Problema 3
ν(x,t) ρV dI(x)
!
−

∂ ρ ∂ ρV I(x) I(x) dx
+ = ρV 2 dI(x) , x ∈ (−12, 12)
∂t ρV ∂x ρV 2 + P z(x, t) − I(x) dx
ρ(−12, t) = ρ(12, t), V (−12, t) = V (12, t),

e,s
qrmp = 1800[veh/hr], Θ = (45[km/hr])2 , η = 600[km/hr], Vrmp = 15[km/hr],
σ = 0.005 y τ = 30[seg]. Se considera I(x) y la condición inicial ρ(x, 0) y
ρ(x, 0)V (x, 0) del problema anterior.
Los resultados se presentan conforme cada experimento, variando ρe y man-

teniendo la posición de las rampas de entrada y salida fijas, xe = −8 y xs = 8.
Se utiliza el esquema numérico de Lax-Wendroff con h = 0.01 y ∆t = h2 /5.
Experimento 10 Considere el problema anterior con ρe = 28[veh/km].
Como se habı́a visto anteriormente cuando se considera solo el cambio en

el número de carriles, se forma un cúmulo de densidad dentro de la región
−2 ≤ x ≤ 2 el cual permanece inmóvil (ver Figura 3.13).
Sin embargo, cuando se consideran rampas de entrada y salida de autos, se

puede observar que se forma otro cúmulo de densidad el cual se propaga
en dirección a la región donde se encuentra la ampliación de carriles para
después ser absorbido.
Experimento 11 Dado que una solución es perturbada al considerar rampas

de entrada y salida de autos, a continuación se propone utilizar el problema
anterior con ρe = 38[veh/km]. En este experimento se utilizó h = 0.008 y
dt = h2 /3 para el esquema de Lax-Wendroff.
Cabe mencionar que para el Experimento 9 se observa la formación de un

cúmulo de densidad aproximadamente en x = −10[km] el cual permanece
casi en la misma posición por varios minutos (ver Figura 3.17); sin embargo,
si bien el patrón del fenómeno llamado “recurring hump” (Lee et al. (1998))
es emergente tamibén para el experimento 11 , se observa en este escenario la
formación de un cúmulo de densidad que se propaga como una onda viajera
hasta cuando t = 70[min] aproximadamente, pues, a partir de este momento,
aparece el patrón de “recurring hump” (ver Figura 3.19).

Capı́tulo 4
Modelación de flujo vehicular:

Teorı́a de tres fases.
El modelo de segundo orden de Kerner-Könhauser es capaz de reproducir

varios patrones empı́ricos del tráfico congestionado. Sin embargo, el mismo
Kerner (Kerner et al., 1997, 2006) expone que el tráfico congestionado a su
vez se divide en dos fases a las cuales les llama flujo sincronizado1 y cúmulos
de densidad móviles2 . Como consecuencia, en la literatura se ha propuesto
la teorı́a del flujo vehicular de tres fases y según la teorı́a moderna del tráfi-
co vehicular, los cúmulos de densidad son el resultado de una inestabilidad
en el flujo libre (F) y corresponden a los cúmulos de densidad móviles (J)
(ver [20]). Se ha demostrado que modelos basados en el diagrama funda-
mental solo producen la transición F→J, ası́, el modelo de segundo orden
de Kerner-Könhauser está limitado por su incapacidad de reproducir el flu-
jo sincronizado debido a que está basado en el diagrama fundamental (1.7).
Otro inconveniente es que este modelo produce soluciones homogéneas para
densidades altas, lo cual no es realista. Es por esto que es necesario tomar
en cuenta nuevos enfoques macroscópicos y proponer nuevos modelos con la
capacidad de reproducir patrones de flujo sincronizado (ver [17]).
En trabajos recientes, A.R Méndez y R.M. Velasco desarrollaron un modelo

a partir de modelos cinéticos utilizados en la teorı́a de gases. En su propuesta
observaron numéricamente el flujo sincronizado, transiciones entre los tipos
1
Cúmulos de densidad que permanecen fijos precedido de una disminución abrupta de
la velocidad promedio.
2
Cúmulos de densidad que se propagan con velocidad promedio constante.
52 Modelación de flujo vehicular: Teorı́a de tres fases.
de flujo y los cúmulos de densidad móviles, al trabajar con dos tipos de con-
ductores; uno más agresivo que el otro.
En este capı́tulo se expondrá el trabajo que han realizado con el objetivo de

replicar los resultados que han obtenido.
4.1. Flujo sincronizado y cúmulos de densi-

dad móviles.
El flujo sincronizado y los cúmulos de densidad móviles son fenómenos defini-
dos con base en criterios macroscópicos de carácter empı́rico que se describen
continuación (ver [7]):
Cúmulos de densidad móviles: Este tipo de fenómenos dentro del tráfico

congestionado están delimitados por regiones con cambios bruscos en
el gradiente de la densidad, en los cuales la velocidad promedio de los
conductores disminuye o aumenta dependiendo si estos se incorporan
o se separan del cúmulo en sı́. Un cúmulo de densidad móvil se define
como aquel cúmulo de densidad que se propaga a lo largo del flujo con
velocidad promedio constante.
Flujo sincronizado: En contraste con los cúmulos de densidad móvi-

les, el flujo sincronizado se define como aquel cúmulo de densidad cuya
velocidad promedio en la región donde los conductores se separan del
cúmulo de densidad es variable. La posición del cúmulo permanece
constante y viene precedido de una disminución abrupta de la veloci-
dad.
Estas definiciones están asociadas por el comportamiento en la región del

cúmulo de densidad cuyo gradiente disminuye abruptamente.
4.2. Un modelo del tráfico con dos clases de

vehı́culos diferentes
Es claro que se han podido simular transiciones del flujo libre al flujo conges-
tionado. Tomando en cuenta la teorı́a de tres fases propuesta por Kerner se
Modelación de flujo vehicular: Teorı́a de tres fases. 53
presenta el problema de simular transiciones entre flujo libre a flujo sincroni-

zado y del flujo sincronizado a los cúmulos de densidad móviles. Los modelos
bajo el enfoque de la teorı́a cinética de gases se han desarrollado a partir
de 1971 con el trabajo de Prigogine quien plantea una ecuación cinética,
análoga a la ecuación cinética en la teorı́a de gases descrita por Boltzmann,
para describir el comportamiento de una función de distribución vehicular. El
desarrollo de modelos macroscópicos para el tráfico vehicular surge a partir
de las ideas del trabajo de Paveri-Fontana [17].
Con base en estas ideas, A.R. Méndez y R.M Velasco, proponen para descri-
bir al flujo sincronizado un modelo donde coexisten dos tipos de conductores
entremezclados, unos más agresivos que otros, en una autopista homogénea
(Velasco y Marques Jr.,2005; Méndez y Velasco 2008; Marques Jr. y Méndez,
2013). El comportamiento de los vehı́culos se describe por medio de funciones
de distribución fi (x, vi , t), i = a, b donde fi (x, vi , t)dxdvi describe la canti-
dad de autos de la clase-i en el intervalo (x, x + dt) con velocidad (vi , vi + dvi )
al tiempo t [17]. Estas funciones satisfacen las ecuaciones cinéticas reduci-
das de Paveri-Fontana (Velasco y Marques Jr., 2005), las cuales describen
la evolución de las interacciones en las funciones de distribución a lo largo
del tiempo considerando tanto la velocidad instantánea como la velocidad
deseada por los automóviles [18].
X
∂fi ∂fi ∂ Wi (x, vi , t) − vi
+ vi + fi = Qi,j , (4.1)
∂t ∂x ∂vi τi j=a,b
las interacciones binarias entre las clases de vehı́culos se debe al término:

Z ∞
Qi,j = (1 − p) fi (v)fj (w)(w − v)dw,
0
donde p es la probabilidad de que los autos de una clase rebasen a los vehı́cu-
los de la otra o de la misma clase. Por otro lado Wi (x, vi , t) representa la
velocidad individual promedio deseada la cual debe modelarse como función
de la velocidad instantánea de los conductores (vi ). Tomando en cuenta la
agresividad de los conductores se propone,
Wi (x, vi , t) = wi vi , wi > 1,
donde wi es un parámetro que depende de la agresividad y/o de las condi-
ciones de tráfico a lo largo de la autopista [17]. Las variables macroscópicas
para este modelo están definidas de la siguiente manera.

Z ∞
ρi = fi dvi , (4.2)
0
X
ρ= ρi , (4.3)
i
Z ∞
ρi Vi = fi vi dvi , (4.4)
0
Z ∞ Z ∞
ρV = va fa dva + vb fb dvb , (4.5)
0 0
donde ρa , ρb representan las densidades de cada clase de autos con velocidad

promedio Va , Vb respectivamente. Además, ρ es la densidad total del sistema y
V es la velocidad baricéntrica. Para las funciones de distribución se imponen
como condiciones de frontera
lı́m fi (x, vi , t) = 0,
vi →0
lı́m fi (x, vi , t) = 0, i = a, b.
vi →∞
Si además se asume que la probabilidad de rebasar p es la misma para todos

los vehı́culos y es independiente de la clase, se pueden simplificar los términos
que representan las interacciones binarias entre los vehı́culos. La solución
homogénea del estado estacionario para el sistema (4.1) está dada por [17]:
αi −1
ρie αi αi vi αi v i
fie (vi ) = Exp − , (4.6)
Γ(αi )Ve Ve Ve
con
τi (1 − p)
αi = ρe V e i = a, b
wi − 1
donde Γ(αi ) es la función Gamma y αi es una constante adimensional que
depende de los parámetros del modelo (τi , wi , p) y los valores homogéneos del
estado estacionario (ρe , Ve ).
4.3. Ecuaciones macroscópicas

El modelo macroscópico de tráfico vehicular se puede obtener con base en
las ecuaciones de transporte como se describe a continuación. Sea Ψ(x, vi , t)
una función de velocidad, la ecuación de transporte está dada por:

∂ ∂ ∂Ψ ∂Ψ Wi (vi ) − vi ∂Ψ
ρi · (Ψ)i + ρi · (vi Ψ)i − ρi · + vi + =
∂t ∂x ∂t ∂x ti ∂vi i
X Z ∞ Z ∞ (4.7)
(1 − p) Ψ(vi ) fi (vi )fj (wj )(wj − vi )dwj dvi ,
j 0 0
donde, Z ∞
ρi (x, t) · (Ψ(x, vi , t))i = Ψ(x, vi , t)fi (x, vi , t)dvi .
0
Cuando Ψ(x, vi , t) = 1 se pueden obtener las ecuaciones que describen la

tasa de cambio en las densidades para cada clase de vehı́culo. Utilizando las
definiciones (4.2) y (4.4) tenemos,
∂ ∂ρi ∂ ∂ρi vi
ρi · (Ψ)i = , ρi · (vi Ψ)i = .
∂t ∂t ∂x ∂x
Desarrollando el lado derecho de la ecuación (4.7),
X Z ∞Z ∞
(1 − p) fi (vi )fj (wj )(wj − vi )dwj dvi =
j 0 0
X Z ∞ Z ∞ Z ∞ Z ∞
(1−p) fi (vi )dvi fj (wj )dwj − fi (vi )vi dvi fj (wj )dwj =
j 0 0 0 0
!
X X
(1 − p) ρi ρj Vj − ρi Vi ρj = (1 − p)ρi ρj Vj − Vi ρj .
j j
Entonces cuando Ψ(x, vi , t) = 1 se tiene que la ecuación (4.7) es igual a

!
∂ρi ∂ρi Vi X
+ = (1 − p)ρi ρj Vj − Vi ρj , i = a, b. (4.8)
∂t ∂x j
Además,
X
ρj Vj − Vi ρj = ρa Va − Vi ρa + ρb Vb − Vi ρb = ρV − Vi (ρa + ρb ) = ρ(V − Vi ).
j
Cabe señalar que las ecuaciones (4.8) no son ecuaciones de conservación,
∂ρa ∂ρa Va
+ = (1 − p)ρa ρ(V − Va ),
∂t ∂x
∂ρb ∂ρb Vb
+ = (1 − p)ρb ρ(V − Vb ),
∂t ∂x
la fuente (sumidero) de una clase es el sumidero (fuente) de la otra; en cambio,
la densidad total ρ sı́ satisface la ecuación de conservación:
∂ ∂
(ρa + ρb ) + (ρa Va + ρb Vb ) = (1 − p)(ρa ρ(V − Va ) + ρb ρ(V − Vb )),
∂t ∂x
= (1 − p)ρ(ρa V − ρa Va + ρb V − ρb Vb )),
= (1 − p)ρ(ρV − ρa Va − ρb Vb )) = 0,
es decir,
∂ρ ∂ρV
+ = 0.
∂t ∂x
Las ecuaciones de movimiento se obtienen cuando Ψ(x, vi , t) = vi conside-
rando las siguientes definiciones:
wi − 1
γi = ,
τi
Z ∞
pi (x, t) = fi vi2 dvi ,
0
Z ∞
ρi (x, t)θi (x, t) = fi (vi − Vi )2 dvi .
0
Para el primer término de la ecuación (4.7) observamos lo siguiente:
∂ρi · (vi )i ∂ρi Vi ∂Vi ∂ρi

= = ρi + Vi .
∂t ∂t ∂t ∂t
De la ecuación (4.8) despejamos ∂ρ ∂t

i
y lo sustituimos en la ecuación anterior.
" ! #
∂ρi · (vi )i ∂Vi X ∂ρi Vi
= ρi + Vi (1 − p)ρi ρj Vj − ρj Vi − ,
∂t ∂t j
∂x
!
∂Vi X ∂ρi Vi
= ρi + (1 − p)ρi Vi ρj Vj − ρj Vi − Vi .
∂t j
∂x
Para el segundo término se tiene,
∂ρi · (vi2 ) ∂pi

= .
∂x ∂x
Para el último término del lado izquierdo de la ecuación (4.7) con Ψ = vi se
deduce que
∞
∂Ψ Wi (vi ) − vi ∂Ψ wi vi − vi
Z
∂Ψ
−ρi · + vi + =− fi dvi ,
∂t ∂x ti ∂vi
i Ψ=vi 0 τi
∞
wi − 1
Z
=− fi vi dvi = −γi ρi Vi .
τi 0
De manera similar evaluamos Ψ = vi para el término del lado derecho de la

ecuación de transporte.
X Z ∞ Z ∞

(1 − p) Ψ(vi ) fi (vi )fj (wj )(wj − vi )dwj dvi =
j 0 0 Ψ=vi
X Z ∞ Z ∞ Z ∞ Z ∞
(1−p) fi (vi )vi dvi fj (wj )wj dwj − fi (vi )vi2 dvi fj (wj )dwj ,
j 0 0 0 0
X
= (1 − p) (ρi Vi ρj Vj − pi ρj ) .
j
Entonces se tiene que para la ecuación (4.7),

!
∂Vi X ∂ρi Vi ∂pi
ρi + (1 − p)ρi Vi ρj Vj − ρj Vi − Vi + − γi ρi Vi =
∂t j
∂x ∂x
X
(1 − p) (ρi Vi ρj Vj − pi ρj ) .
j
despejando,
∂Vi ∂ρi Vi ∂pi
ρi − Vi + − γi ρi Vi =
∂t ∂x ∂x
!!
X X
(1 − p) (ρi Vi ρj Vj − pi ρj ) − ρi Vi ρj Vj − ρj Vi ,
j j
dividiendo por ρi ,
∂Vi Vi ∂ρi Vi 1 ∂pi

− + − γi Vi =
∂t ρi ∂x ρi ∂x
!!
1 X X
(1 − p) (ρi Vi ρj Vj − pi ρj ) − Vi ρj Vj − ρj Vi ,
ρi j j
desarrollando los términos,

!
X pi X X X
= (1 − p) Vi ρj V j − ρj − Vi ρj Vj + Vi2 ρj ,
j
ρi j j j
! X !
X pi p i
= (1 − p) ρj Vi2 − = (1 − p) Vi2 − ρj ,
j
ρi ρi j
en donde X
ρj = ρ,
j
y finalmente,
pi 2
= −(1 − p) − Vi ρ.
ρi
Por otro lado tenemos que
Z ∞ Z ∞
2
fi vi2 − 2fi vi Vi + fi Vi2 dvi ,

ρi θi = fi (vi − Vi ) dvi =
0 0
= pi − 2ρi Vi2 + ρi Vi2 = pi − ρi Vi2 ,

ası́,
pi
θi = − Vi2 .
ρi
Por lo tanto la ecuación (4.7) con Ψ = vi se desarrolla como,
∂Vi Vi ∂ρi Vi 1 ∂pi

− + − γi Vi = −(1 − p)ρθi , i = a, b. (4.9)
∂t ρi ∂x ρi ∂x
Donde pi (x, t) es la presión del tráfico y θi (x, t) es la varianza de la velocidad
de cada clase de vehı́culo. Es claro que el conjunto de ecuaciones diferenciales
parciales dadas por (4.8) y (4.9) no forman un sistema cerrado. Un método
descrito en [17] para cerrar el sistema, y plantearlo sólo con las variables
de densidad y velocidad, consiste en maximizar un funcional que describe
la entropı́a de información propuesta por Shannon utilizando la solución ho-
mogénea (4.6) como referencia,
XZ ∞
fi
S[f ] = fi ln .
i 0 f ie
El funcional se puede maximizar utilizando multiplicadores de Lagrange [17]

αi −1
(0) ρi (x, t)αi αi v i αi vi
fi (x, vi , t) = Exp − .
Γ(αi )Vi (x, t) Vi (x, t) Vi (x, t)
Después, bajo ciertas hipótesis comunes en la teorı́a cinética para considerar
efectos disipativos [17], la solución de la ecuación reducida de Paveri-Fontana
se expresa como una expansión infinita de términos, los cuales cuantifican la
desviación de la distribución de orden cero por medio de gradientes presen-
tes en el sistema (Chapman y Cownling, 1970). De esta manera podemos
expresar la solución de (4.1) como
(0)
fi (x, vi , t) = fi (x, vi , t) [1 + φi (x, vi , t)] ,
donde φi (x, vi , t) es la desviación de la función de distribución a partir de
la aproximación local f (0) (x, vi , t). Para expresar la función de distribución
local en términos de las variables de densidad y velocidad, es necesario que
satisfaga ciertas condiciones de compatibilidad [17].
Z ∞ Z ∞
(0)
ρi (x, t) = fi (x, vi , t)dvi = fi (x, vi , t)dvi ,
0 0
Z ∞ Z ∞
(0)
ρi (x, t)Vi (x, t) = vi fi (x, vi , t)dvi = vi fi (x, vi , t)dvi .
0 0
De esta manera la función φi se encuentra restringida por
Z ∞
(0)
φi fi dvi = 0,
0
Z ∞
(0)
vi φi fi dvi = 0, i = a, b.
0
La primera aproximación a la desviación φi , se obtiene al suponer interac-
ciones análogas a la mezcla de gases descritas en (Fernández y Marques Jr.
2005) y resolviendo las ecuaciones reducidas de Paveri-Fontana utilizando la
(0)
función de distribución local fi . Esta primera aproximación se denota por
(1)
fi (x, vi , t) y describe la presión del tráfico y la varianza de la velocidad con
respecto las variables de densidad, velocidad promedio y el gradiente de la
velocidad promedio [17].
(1) (1)
pi = ρi Vi2 + ρi θi ,
ρi Vi2

(1) 2(αi + 1) ∂Vi
ρi θ i
= 1− ,
αi σi αi ∂x
donde σi es un parámetro de relajación colectiva. Desarrollando los términos
en la ecuación (4.9) y utilizando las ecuaciones anteriores obtenemos que

Vi ∂ρi Vi Vi ∂Vi ∂ρi
− =− ρi + Vi ,
ρi ∂x ρi ∂x ∂x
∂Vi Vi2 ∂ρi
= −Vi − . (4.10)
∂x ρi ∂x
Además
1 ∂pi 1 ∂ 2 (1)

= ρi Vi + ρi θi ,
ρi ∂x ρi ∂x
!
(1)
1 ∂Vi ∂ρi ∂ρi θi
= 2ρi Vi + Vi2 + ,
ρi ∂x ∂x ∂x
(1)
∂Vi Vi2 ∂ρi 1 ∂ρi θi
= 2Vi + + .
∂x ρi ∂x ρi ∂x
Sustituyendo en (4.9),
(1)
∂Vi ∂Vi Vi2 ∂ρi ∂Vi Vi2 ∂ρi 1 ∂ρi θi (1)
− Vi − + 2Vi + + = γi Vi − (1 − p)ρθi ,
∂t ∂x ρi ∂x ∂x ρi ∂x ρi ∂x
y finalmente,
(1)
∂Vi ∂Vi 1 ∂ρi θi (1)
+ Vi + = γi Vi − (1 − p)ρθi . (4.11)
∂t ∂x ρi ∂x
De esta manera se tiene el siguiente sistema de EDP utilizando las ecuaciones
(4.8) y (4.11).
∂ρa ∂ρa Va
+ = (1 − p)ρa ρb (Vb − Va ) ,
∂t ∂x
∂ρb ∂ρb Vb
+ = (1 − p)ρa ρb (Va − Vb ) ,
∂t ∂x
(1)
∂Va ∂Va 1 ∂ρa θa
+ Va + = γa Va − (1 − p)ρθa(1) ,
∂t ∂x ρa ∂x
(1)
∂Vb ∂Vb 1 ∂ρb θb (1)
+ Vb + = γb Vb − (1 − p)ρθb .
∂t ∂x ρb ∂x
Para reducir la cantidad de ecuaciones se utiliza un método iterativo pro-
puesto por (Medeiros-Kremer, 2010). Este proceso asume que la función de
(0)
distribución fi hace contribuciones directas en las variables macroscópicas
(0) (0)
de manera que pi = ρi Vi2 (αi + 1)/αi y θi = Vi2 /αi [17]. Partiendo de la
ecuación (4.9), observamos lo siguiente:

1 ∂pi 1 ∂ (0) 2 (αi + 1)
= ρi (Vi ) ,
ρi ∂x ρi ∂x αi
!
(0)
1 αi + 1 (0) ∂Vi (0) 2 ∂ρi
= 2ρi Vi + (Vi ) ,
ρi αi ∂x ∂x
(0) (0)
(V )2

αi + 1 (0) ∂Vi αi + 1 ∂ρi
=2 Vi + i .
αi ∂x ρi αi ∂x
Sustituyendo en (4.9) y utilizando la relación 4.10,
(0) (0) (0) (0)

(Vi )2 ∂ρi

∂Vi (0) ∂Vi αi + 1 (0) ∂Vi
− Vi − +2 Vi + ...
∂t ∂x ρi ∂x αi ∂x
(0) (0)
(Vi )2 αi + 1 ∂ρi (Vi )2

(0)
... + − γi Vi = −(1 − p)ρ ,
ρi αi ∂x αi
entonces,
(0) (0) (0)
(Vi )2 αi + 1

∂Vi 2αi + 2 (0) ∂Vi ∂ρi
+ − 1 Vi + −1 =
∂t αi ∂x ρi αi ∂x
(0)
(0) (Vi )2
= γi Vi − (1 − p)ρ ,
αi
y finalmente,
(0) (0) (0) (0)
(V )2 ∂ρi (V )2

∂Vi αi + 2 (0) ∂Vi (0)
+ Vi + i = γi Vi −(1−p)ρ i . (4.12)
∂t αi ∂x αi ρi ∂x αi
Sin embargo, se tiene conocimiento que este tipo de ecuaciones no descri-

ben de manera suficiente a un sistema y por eso es necesario calcular las
desviaciones correspondientes en la velocidad [17].
(0)
V̂i = Vi − Vi , (4.13)
y la varianza de la velocidad se propone como,
Vi2

(1) ∂Vi
θi = 1 − Γi ,
αi ∂x
donde αi y Γi = 2(αi + 1)/σi αi son consideradas como constantes. Utilizando
la ecuación (4.13) en las ecuaciones (4.11) y (4.12).
(1)
∂Vi ∂Vi 1 ∂ρi θi (1)
+ Vi + = γi Vi − (1 − p)ρθi
∂t ∂x ρi ∂x
Por un lado se tiene que,
(0) (0)
∂(V̂i + Vi ) (0) ∂(V̂i + Vi )
+ (V̂i + Vi ) + ...
∂t ∂x
!
(0)
(V̂i + Vi )2

1 ∂ρi ∂Vi (0)
... + 1 − Γi − γi V̂i − γi Vi ,
ρi ∂x αi ∂x
(0)
∂ V̂i (0) ∂(V̂i + Vi )

= + V̂i + Vi + ...
∂t ∂x
(0)
1 ∂ (0) 2 2 ∂Vi ∂Vi (0)
... + ρi (V̂i + Vi ) − Vi ρi Γi + − V̂i γi − Vi γi ,
ρi αi ∂x ∂x ∂t
(0) (0)
∂ V̂i (0) ∂(V̂i + Vi )
1 ∂ρi (V̂i + Vi )2
= + V̂i + Vi + − ...
∂t ∂x ρ i αi ∂x
!
(0) (0)
Γi ∂ (0) ∂(V̂i + Vi )2 ∂V (0)
... − ρi (V̂i + Vi )2 + i − V̂i γi − Vi γi ,
ρi αi ∂x ∂x ∂t
!
(0) 2 (0)
∂ V̂i Γi ∂ (0) ∂( V̂i + V i )
(0) ∂(V̂i + Vi )

= − ρi (V̂i + Vi )2 + V̂i + Vi +...
∂t ρi αi ∂x ∂x ∂x
(0) (0) (0)

1 ∂ρi (V̂i + Vi )2 (Vi )2 ∂ρi

αi + 2 (0) ∂Vi
... + − Vi − + ...
ρi αi ∂x αi ∂x αi ρi ∂x
(0)
(0) (Vi )2 (0)
... + γi Vi − (1 − p)ρ − V̂i γi − Vi γi ,
αi
Entonces, utilizando la relación (4.13) en la ecuación (4.11) tenemos que
!
2 (0) (0)
∂ V̂i Γi ∂ (0) ∂(V̂i + Vi ) ∂(V̂i + Vi ) (0) ∂ V̂i
− ρi (V̂i + Vi )2 + V̂i + Vi + ...
∂t ρi αi ∂x ∂x ∂x ∂x
" # " #
(0) (0) (0)
1 ∂ρi (V̂i + Vi )2 (0) ∂ρi (0) ∂Vi (1) (Vi )2
...+ − (Vi )2 − 2ρi Vi = V̂i γi −(1−p) ρθi − ρ ,
ρi αi ∂x ∂x ∂x αi
Desarrollando uno de los términos de la ecuación anterior,

" #
(0) (0)
1 ∂ρi (V̂i + Vi )2 (0) 2 ∂ρi (0) ∂Vi
− (Vi ) − 2ρi Vi =
ρ i αi ∂x ∂x ∂x
" #
(0) (0)
1 (0) ∂(V̂i + Vi ) (0) 2 ∂ρi (0) 2 ∂ρi (0) ∂Vi
= 2(V̂i + Vi )ρi + (V̂i + Vi ) − (Vi ) − 2ρi Vi ,
ρ i αi ∂x ∂x ∂x ∂x
" #
(0)
1 ∂ V̂i ∂Vi (0) ∂ V̂i ∂ρ i (0) ∂ρ i
= 2V̂i ρi + 2V̂i ρi + 2Vi ρi + (V̂i )2 + 2V̂i Vi .
ρi αi ∂x ∂x ∂x ∂x ∂x
Observamos lo siguiente:
2 (0)
1 ∂ρi (V̂i + 2V̂i Vi )
= ...
αi ρ i ∂x
" #
(0)
1 ∂ V̂i (0) ∂ρ i 2 ∂ρ i ∂ V̂ i Vi
... = 2V̂i ρi + 2V̂i Vi + V̂i + 2ρi ,
ρ i αi ∂x ∂x ∂x ∂x
y además,
(0) (0)
∂ V̂i Vi ∂ V̂i ∂V
2ρi = 2V̂i ρi + 2V̂i ρi i .
∂x ∂x ∂x
En consecuencia tenemos que,
!
2 (0) (0)
∂ V̂i Γi ∂ (0) ∂(V̂i + Vi ) ∂(V̂i + Vi ) (0) ∂ V̂i
− ρi (V̂i + Vi )2 + V̂i + Vi + ...
∂t ρi αi ∂x ∂x ∂x ∂x
2
" #
(0) (0) 2
1 ∂ρi (V̂i + 2V̂i Vi ) (1) (V )
... + = V̂i γi − (1 − p)ρ θi − i .
αi ρ i ∂x αi
Del lado derecho de la ecuación se obtiene lo siguiente
" #
(0) 2
(1) (V )
V̂i γi − (1 − p)ρ θi − i = ...
αi
" ! #
(0) (0) (0)
(V̂i + Vi )2 ∂(V̂i + Vi ) (Vi )2
... = V̂i γi − (1 − p)ρ 1 − Γi − ,
αi ∂x αi
y desarrollando como agrupando términos se puede concluir que
" #
(0) (0)
1−p 2 (0)
∂( V̂i + V i ) 1−p (0) ∂(V̂i + Vi )
= V̂i γi − ρ V̂i + 2V̂i Vi 1 − Γi + ρ(Vi )2 Γi .
αi ∂x αi ∂x
Finalmente se obtiene la siguiente ecuación

!
2 (0)
∂ V̂i Γi ∂ (0) ∂(V̂i + Vi )
− ρi (V̂i + Vi )2 + ...
∂t ρi αi ∂x ∂x
(0) 2 (0)
∂(V̂i + Vi ) (0) ∂ V̂i 1 ∂ρi (V̂i + 2V̂i Vi )
... + V̂i + Vi + = ...
∂x ∂x αi ρ i ∂x
" #
(0)
1−p 2 (0)
∂( V̂i + V i )
... = V̂i γi − ρ V̂i + 2V̂i Vi 1 − Γi + ...
αi ∂x
(0)
1−p (0) ∂(V̂i + Vi )
... + ρ(Vi )2 Γi . (4.14)
αi ∂x
Utilizando el proceso de iteración de Maxwell, se puede obtener a partir de
la ecuación (4.14) lo siguiente [17]
" #
(0)
(0) 1 (0) Γi ∂V i
0 = γi V̂i − 2(1 − p)ρV̂i Vi + (1 − p)ρ(Vi )2 ,
αi αi ∂x
de tal manera que podemos despejar la desviación de la velocidad de orden
cero
(0) (0)
ρ(Vi )2 Γi ∂Vi
V̂i = − h i , (4.15)
ρe Ve − 2ρVi
(0) ∂x
donde la velocidad promedio para cada clase de automovilista está dada por
(0)
(4.13), además Vi = Ve (ρi ) debido a que es el término que más aporta la
dinámica de velocidad [17] y se obtiene por medio de la relación fundamental
de Kerner-Konhäuser. Por otro lado, αi y Γi son parámetros libres del modelo
donde Γi es un parámetro de relajación y αi está relacionada con el parámetro
de agresividad wi .
4.4. Resultados numéricos

Para presentar la capacidad de este modelo para describir la transición de las
tres fases se presentan los siguientes ejemplos [17]. Dado un circuito cerrado
homogéneo de longitud fija sin rampas de entrada y salida de autos, el modelo
que describe el flujo vehicular para dos tipos de conductores con distinta
agresividad al conducir, en su forma dimensional, está dado por:
∂u ∂Q(u)
+ = S(u), x ∈ (0, L)
∂t ∂x
donde,

ρa Qa (1 − p)ηρa ρb (Vb − Va )
u= , Q= y S= ,
ρb Qb (1 − p)ηρa ρb (Va − Vb )
donde Qi = ρi Vi para i = a, b. Las variables adimensionales del problema

son: t̂ = t/τ , x̂ = x/(Vmax τ ), ρ̂ = ρ/ρmax y V̂ = V /Vmax . Para este ejer-
cicio se considera ρmax = 140[veh/km], Vmax = 120[veh/km], τ = 30[seg],
η = τ ρmax Vmax , Γa = 0.012, Γb = 0.05, L = 12[km], αa = 120, αb = 100. Se
resuelve numéricamente la ecuación anterior por medio del esquema numéri-
co de Lax-Wendroff, utilizando h = L/950 y ∆t = h/10, con diferentes
condiciones iniciales para simular las tres fases del flujo vehicular.
4.4.1. Flujo libre

Como primer ejemplo, se expone este ejercicio para verificar que el modelo
es capaz de representar el flujo libre dados ciertas condiciones. Considerando
el problema planteado anteriormente con ρê = 0.2 junto con la siguiente
condición inicial:

2πx
ρa (x, 0) = ρê 0.45 + 0.05sin ,
L

2πx
ρb (x, 0) = ρê 0.55 + 0.05sin .
L
Debido a que el parámetro Γb > Γa , esto nos indica que los conductores de
la clase b son más agresivos que aquellos de la clase a. La condición inicial
propone que las densidades de los conductores de las dos clases sean casi
Figura 4.1: Perfil de densidad. ρê = 0.2
iguales en un principio. Sin embargo se observa que la clase de conductores

menos agresiva disminuye en su densidad con el paso del tiempo, hasta que la
totalidad de conductores pertenece a la clase más agresiva. Bajo estas condi-
ciones se tiene flujo libre debido a la ausencia de cúmulos de densidad en todo
el circuito a partir del tiempo t = 30[min]. Con base en otras simulaciones,
intercambiando la densidad de autos de las distintas clases, se demuestra que
solamente una de estas prevalece y que además la agresividad no juega un
papel importante en la adaptación de los automovilistas sino la cantidad de
autos por cada clase al inicio de la simulación (ver [17]).
4.4.2. Transición del flujo libre al flujo sincronizado

Para simular este tipo de transición, es necesario utilizar condiciones espe-
ciales cuyo análisis detallado se puede encontrar en [17]. Consideremos el
problema anterior con la siguiente condición inicial:

2πx
ρa (x, 0) = ρê 0.85 + 0.1sin ,
L

2πx π
ρb (x, 0) = ρê 0.15 + 0.1sin + .
L 2
Figura 4.2: Gradiente de densidad. ρê = 0.2
Se puede observar la formación de un cúmulo de densidad alrededor del punto

x = 11[km] que se mantiene a lo largo del tiempo. El cambio brusco de la
densidad afecta directamente a la velocidad promedio en esa región y ası́ se
concluye que, bajo las condiciones que se establecieron previamente, se tiene
la presencia de flujo sincronizado a partir del flujo libre.

4.4.3. Transición del flujo sincronizado al flujo conges-

tionado
El modelo también tiene la capacidad de reproducir el flujo congestionado
a partir del flujo sincronizado. Para observar esta transición se considera la
siguiente condición inicial con ρê = 0.22,

−2 x−6 −2 x−7
ρa (x, 0) = 0.55ρê 1 + 0.1 Cosh − Cosh ,
0.5 0.5

−2 x−6 −2 x−7
ρb (x, 0) = 0.45ρê 1 + 0.1 Cosh − Cosh .
0.5 0.5
El perfil de densidad para la condición inicial tiene dos cúmulos a diferentes

densidades. Aquel cuya densidad es mayor se propaga como una solución de
tipo de onda viajera mientras el otro, de densidad menor, permanece fijo en
los primeros dos minutos de simulación lo cual indica la presencia de flujo
sincronizado. Para t = 18[min] finalmente se observa la transición del flujo
sincronizado al flujo congestionado.
4.4.4. Flujo congestionado

Para mostrar la capacidad del modelo de simular el tráfico congestionado se
propone la siguiente condición inicial con ρê = 0.32

−2 x−6 −2 x−7
ρa (x, 0) = 0.8ρê 1 + 0.05 Cosh − Cosh ,
0.5 0.5

−2 x−6 −2 x−7
ρb (x, 0) = 0.2ρê 1 + 0.05 Cosh − Cosh .
0.5 0.5
Es evidente que para este ejercicio existe la presencia de un cúmulo de den-

sidad móvil el cual se propaga como solución de tipo de onda viajera.
Conclusiones
Es evidente la importancia del uso de datos experimentales para el estudio

del tráfico vehicular. Desafortunadamente este tipo de datos no siempre pue-
den ser inferidos solamente bajo hipótesis y formulaciones matemáticas, pero
el uso de ajustes numéricos es suficiente para comenzar a desarrollar modelos
y entender los diversos patrones emergentes del tráfico vehicular.
De las diferentes maneras de abordar problemas de este tipo, la modelación

por medio del uso de ecuaciones diferenciales parciales resulta una herra-
mienta útil por su capacidad de describir cualitativamente fenómenos junto
con la facilidad para ajustar términos necesarios en las ecuaciones y mejorar
el desempeño de un modelo. El análisis de Fourier para el modelo de tráfico
vehicular propuesto por Kerner y Konhäuser, uno de los más utilizados en
la actualidad, brinda información valiosa para determinar la estabilidad de
soluciones por medio de una correlación entre la varianza promedio y la den-
sidad del sistema. De esta manera es posible inferir el comportamiento local
para determinados parámetros, aportando un claro panorama al momento de
proponer experimentos y observar las diferentes capacidades que este modelo
ofrece.
Los efectos que se producen en las autopistas cuando se consideran rampas

de entradas y salidas de autos, como un cambio en el número de carriles,
enriquecen los modelos de manera que es posible formular hipótesis nuevas
y diseñar autopistas para evitar problemas de tráfico congestionado. Sin em-
bargo, numéricamente se ha demostrado que incluir rampas o cambiar el
número de carriles o combinar estas dos propiedades en un circuito, las solu-
ciones pueden ser muy complejas e incluso cabe la posibilidad de la aparición
de patrones emergentes locales como se expone en el último experimento del
capı́tulo 3. La interpretación de este tipo de fenómenos se debe de hacer
72 Conclusiones
con suma cautela ya que no se cuentan con experimentos reales que puedan
corroborar las simulaciones. Como por ejemplo, de la simulación del modelo
de segundo orden de Kerner y Konhäuser en un circuito homogéneo con una
densidad alta de autos por kilómetro se puede concluir que la distribución
de los autos es homogénea, lo cual no es realista (ver [20]).
El modelo propuesto por Kerner y Konhäuser, análogo a la teorı́a de flujos

compresibles, ha tenido resultados satisfactorios cuando se consideran sola-
mente dos posibles fases del tráfico vehicular. Pero su incapacidad de modelar
el flujo sincronizado, debido a que está limitado por el diagrama fundamen-
tal (1.7) (ver [20]), y algunas transiciones del tráfico cuando el circuito es
homogéneo, ha dado lugar a la investigación de nuevos modelos, que si bien
siguen siendo macroscópicos, estos son basados en la teorı́a cinética de gases.
En el trabajo reciente de R.M. Velasco y A.R Méndez, se ha propuesto un

modelo con la capacidad de describir los tres diferentes estados y sus dife-
rentes transiciones descritas en la teorı́a de tres fases del tráfico vehicular
dentro de un circuito homogéneo. Esto es posible debido a que se consideran
dos grupos de conductores con diferente agresividad al conducir, a diferencia
de considerar los conductores como un fluido compresible. La complejidad
de este modelo resulta en un sistema con cuatro ecuaciones diferenciales par-
ciales, que determinan las interacciones y la densidad relativa entre los dos
grupos al paso del tiempo, las cuales al ser tratadas bajo un proceso iterati-
vo (Medeiros-Kremer,2010) se reducen a tan solo dos ecuaciones diferenciales
parciales en su forma conservativa que pueden resolverse utilizando el método
numérico de Lax-Wendroff. Sin embargo, aún con las capacidades que ofrece
este modelo, es necesario trabajar para incluir términos para que dentro de
un circuito este considere rampas de entrada y salida de autos como cuando
el número de carriles es variable.
Bibliografı́a
[1] J. Delgado, P. Saavedra, R.M. Velasco. Modelación matemática del flujo

vehicular. Publicaciones C.B.I. UAM. [2012].
[2] B. D. Greenshields. in Proc Highway Res. Board 14 448. (1935).
[3] B.S. Kerner, P. Konhäuser. Cluster effect in initially homogeneous traffic
flow, Phys. Rev. E 48 R2335-R2338. (1993).
[4] Logan,J.David An introduction to nonlinear partial differential equa-
tions. Second edition. Pure and Applied Mathematics (Hoboken). Wiley-
Interscience [John Wiley & Sons], Hoboken, NJ, [2008]. xiv+397 pp.
ISBN: 978-0-470-22595-035-01.
[5] Guenther, Ronald B.; Lee, John W Partial differential equations of
mathematical physics and integral equations. Corrected reprint of the
1988 original. Dover Publications, Inc., Mineola, NY, [1996]. xii+562
pp. ISBN: 0-486-68889-5 (Reviewer: E. Kreyszig) 35-01 (45-01).
[6] Martin Treiber; Arne Kesting Traffic Flow Dynamics: Data, Models and
Simulation. ISBN:978-3-642-32459-8 (Print) 978-3-642-32460-4 (Onli-
ne).
[7] Kerner BS. Introduction to Modern Traffic Flow Theory and Control:
The Long Road to Three-Phase Traffic Theory. 1. Aufl. ed. Berlin, Hei-
delberg: Springer-Verlag; [2009].
[8] Kerner, B. S. The physics of traffic: empirical freeway pattern features,
engineering applications, and theory. Springer. [2012].
[9] Kerner BS, Konhäuser P, Schilke M. Deterministic spontaneous ap-
pearance of traffic jams in slightly inhomogeneous traffic flow. Physical
Review E. 1995;51(6):6243-6.
74 Bibliografı́a
[10] Helbing D. Traffic and related self-driven many-particle systems. Re-

views of Modern Physics. (2001);73(4):1067-141.
[11] Prigogine I, Andrews FC. A Boltzmann-Like Approach for Traffic Flow.

Operations Research. (1960);8(6):789-97.
[12] Lee HY, Lee H-, Kim D. Origin of Synchronized Traffic Flow on
Highways and Its Dynamic Phase Transitions. Physical Review Letters.
(1998);81(5):1130-3.
[13] Lee HY, Lee HW, Kim D. Dynamic states of a continuum traffic equation
with on-ramp. Physical review. E, Statistical physics, plasmas, fluids,
and related interdisciplinary topics. (1999);59(5 Pt A):5101-11.
[14] Helbing D, Treiber M. Jams, Waves, and Clusters. Science.

(1998);282(5396):2001-3.
[15] Helbing D, Treiber M. Gas-Kinetic-Based Traffic Model Explai-

ning Observed Hysteretic Phase Transition. Physical Review Letters.
(1998);81(14):3042-5.
[16] LeVeque, R. J., & Leveque, R. J. Numerical methods for conservation

laws (Vol. 132). Basel: Birkhäuser. (1992).
[17] A.R. Méndez, & R.M. Velasco. The onset of traffic phases in high-
ways: A two vehicle-class macroscopic model. IJPAM: Volume 112, No.
3 (2017), pages: 531-556.
[18] Velasco RM, Marques J, W. Navier-Stokes-like equations for traffic

flow. Physical review. E, Statistical, nonlinear, and soft matter physics.
2005;72(4 Pt 2):046102. (2005).
[19] Sugiyama, Y., Nakayama, A., Fukui, M., Hasebe, K., Kikuchi, M., Nis-
hinari, K., ... & Yukawa, S. Traffic and Granular Flow 03. (2005).
[20] Velasco, R. M., & Saavedra, P. Clusters in Macroscopic Traffic Flow

Models. (2012).

Venegas Garcia Pablo

Cargado por

Copyright:

Formatos disponibles

Venegas Garcia Pablo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Venegas Garcia Pablo

Cargado por

Copyright:

Formatos disponibles

Universidad Autónoma Metropolitana

Maestrı́a en Ciencias Matemáticas Aplicadas e Industriales

Modelos macroscópicos para el estudio del tráfico vehicular de

Pablo Venegas Garcı́a

Dra. Patricia Saavedra Barrera

Ciudad de México, Mayo 2017

Este trabajo se llevó a cabo gracias a un gran esfuerzo de parte de la Dra.

Agradezco a la Universidad Autónoma Metropolitana por abrirme sus puer-

A mi familia por siempre estar conmigo y haberme brindado toda la ayuda

Un especial agradecimiento la brigada de Monitoreo Ecotecnológico por ha-

Agradezco el apoyo de El Consejo Nacional de Ciencia y Tecnologı́a (CO-

Por último, que a propósito los pongo en la base de estos agradecimientos

Garcı́a, por haberme brindado de alimentos sanos y nutritivos con el buen

2. Modelación del flujo vehicular 9

3. Flujo vehicular con rampas de entrada y salida de autos 27

4. Modelación de flujo vehicular: Teorı́a de tres fases. 51

El problema del tráfico vehicular ha sido objeto de estudio desde el siglo XX

de explicar diferentes patrones emergentes descritos en las teorı́as de dos y

El objetivo de este trabajo es comprender los modelos del tráfico vehicular

En el primer capı́tulo se hace un breve recorrido histórico de los principios

En el segundo capı́tulo se introducen los primeros modelos macroscópicos de

En el tercer capı́tulo se introducen términos para describir el flujo de los

automóviles para el modelo de segundo orden cuando se consideran rampas

En el cuarto capı́tulo se expone y describe el modelo propuesto por R.M.

Para cerrar este trabajo se exponen algunas conclusiones y el trabajo a fu-

1.1. El primer modelo del tráfico vehicular

Ve (ρ) = Vmax (1 − ρ/ρmax ),

donde ρmax es la densidad máxima que es aproximadamente de 140[V eh/Km]

Q(ρ) = Vmax ρ(1 − ρ/ρmax ). (1.1)

Esta relación, flujo-densidad, se le conoce como relación fundamental de

1.2. Un primer modelo analı́tico

donde ρ es la densidad vehicular. La tasa de cambio en la densidad en un

Debido a que el resultado es válido para cualquier tramo de la autopista

Q(x, t) = ρ(x, t)V (x, t), (1.4)

Por otro lado, la tasa de cambio de la velocidad de un fluido ideal (incom-

1.3. Relación fundamental

Figura 1.1: Diagrama de la relación fundamental de Greenberg normalizada

por kilómetro, permitiendo que los automovilistas puedan acelerar hasta la

El flujo depende cuasi-linealmente de la densidad antes del punto crı́ti-

Para densidades mayores al punto crı́tico existe una discontinuidad en

Figura 1.2: Diagrama fundamental heurı́stico

Existe una región alrededor de la capacidad de trabajo de la autopista

Los datos que corresponden a regiones de tráfico congestionado son

Para la modelación de tráfico vehicular, es necesario ajustar los modelos de

1. Para densidades pequeñas la velocidad promedio de los autos tiene un

2. La velocidad promedio disminuye al aumentar la densidad.

3. Para densidades grandes la velocidad promedio tiende a cero.

4. Existe una densidad máxima para la cual la velocidad promedio es cero.

1.4. Modelos macroscópicos

Descripción cualitativa del comportamiento del fenómeno.

Inferir resultados de forma analı́tica.

Ofrece la posibilidad de introducir rampas de entrada y salida en una

Computacionalmente suelen ser más eficientes que otros enfoques, como

Modelación del flujo vehicular

2.2. Modelo de Lighthill-Whitham

Q(x, t) = Qe (ρ(x, t)) = ρ(x, t)Ve (ρ(x, t)),

de esta forma se tiene que el modelo de Lighthill-Whitham modificado es:

2.3. Modelos de segundo orden

2.3.1. Modelo de Payne