FHWA Office of Operations - Section 5.0 - Calibration - En.es

13/4/2019 Oficina de Operaciones de la FHWA - Sección 5.
0: Calibración
CALIBRACION 5.0
Al Completar el paso de Verificación de Errores, el analista Tiene Un modelo de Trabajo. Sin embargo, el pecado la calibración, el analista de No Tiene Ninguna Garantía
de Que El modelo prediga correctamente el Rendimiento del tráfico para el Proyecto. La calibración Es El fit de los Parámetros del modelo para Mejorar la Capacidad del
modelo para Reproducir las Condiciones del tráfico local.
No Se Puede Esperar Que CORSIM SE AJUSTE Perfectamente a todas las Condiciones y Situaciones Posibles del mundo real. CORSIM FUE Diseñado Para Ser lo
Suficientemente flexibles Como párr Que Un analista Pueda calibrar correctamente la roja Para Que coincida con las Condiciones del mundo local real en Preciso ONU
Nivel razonablemente. Para la COMODIDAD del analista, CORSIM proporciona Valores predeterminados para los Parámetros del modelo. Sin embargo, en solitario en
Circunstancias Excepcionales, the example Põdra Producir Resultados Precisos PARA UN área Específica utilizando solo de los Valores de Parámetros predeterminados.
Por lo Tanto, La Importancia de la calibración sin enfatizada Puede Ser Sobre. La calibración Es Un Paso Necesario Durante la ONU análisis de tráfico para Garantizar Que
Pueda the example Reproducir el Comportamiento del conductor de locales y Las Características de Rendimiento del tráfico, y La calibración siempre Dębe realizarse los
antes de evaluar v Alternativas. INDEPENDIENTEMENTE Del Tamano o La Complejidad De la Red, El Analista de siempre Dębe Realizar algun Nivel de Pruebas de
calibración párr Garantizar Que El Modelo codificado reproduzca la estafa de precisión las Condiciones y El Comportamiento del tráfico local.
5.1 Objetivos de la calibración.
El Supuesto fundamentales De La calibración Es Que los Modelos de Comportamiento de Viaje En El Modelo de Simulación Sólidos hijo esencialmente. No Es Necesario
Que Producen verificar el RETRASO, El Tiempo de Viaje y La densidad correctos Cuando Se les proporcionan los Parámetros de entrada correctos PARA UN enlace. Es
Tarea del Desarrollador del software Realizar la
verificación Al verificar la precisión Que de la Implementación del software. También es Tarea del Desarrollador de software Realizar la Validación Modelo del
párrafo Garantizar Que produzca Datos Que sean Consistentes con Una Amplia Gama de Aplicaciones del mundo real.
CORSIM Viene Con Un Conjunto de Parámetros ajustables por el usuario con el fin de calibrar el modelo a conditions las localidades. Por lo Tanto, el objetivo m de la
calibración es ENCONTRAR El Conjunto de Valores de Parámetros para the example Que mejor reproducción de las Condiciones del tráfico local.
5.2 Enfoque de calibración
El Enfoque de calibración Que se proporciona En Esta Guía se basa en El Mismo Enfoque Recomendado en el Volumen III. DEBIDO a la naturaleza de la calibración, la
ONU analista PUEDE Terminar En un Proceso circular Que Parece sin aleta Tener. La Solución de la ONU Problema PUEDE Llevar una cola SURJAN Nuevos
Problemas en otra parte del modelo. Por this reason, El Proceso de calibración Dębe Ser práctico, lógico y secuencial.
El Volumen III identificó Una Estrategia básica Que se curriculum vitae en la Figura 45. El Proceso Comienza con la identification de las MOE y los Objetivos de calibración
(es Decir, umbrales Donde las Diferencias Entre las MOE hijo de campo y modelo aceptables). Una Vez Que se establecen los MOE y los Objetivos de calibración, la
calibración se Dębe Realizar en Tres Pasos Básicos:
Calibrar la Capacidad en cuellos de botella clave: Esta Es Una calibración inicial de la Capacidad de los cuellos de botella clave en el área de estudio. Estós cuellos
de botella Séran Responsables de la Mayoría de la congestión (y, por lo del tanto, de los retrasos y Las colas) en the example. El Modelo de Si No Puede Coincidir
Con La Capacidad en estos cuellos de botella, ENTONCES el Ministerio de Educación de Rendimiento del Sistema Será casi imposible de calibrar Más adelante
en el Proceso.
Calibrar los Volúmenes de tráfico: Convierte CORSIM internamente los Volúmenes de entrada y Los Porcentajes de conversión en Porcentajes de
Origen-Destino Y LUEGO Asigna Rutas Para Los Vehículos. This conversión da Como resultado m Una buena aproximación de Volúmenes en Modelos lineales
o pequeños; sin embargo, pueden producirse discrepancias en los Volúmenes de movimiento de enlace y giro para Modelos Mas Grandes con Múltiples Rutas
Posibles Entre Orígenes y Destinos. En estos Casos, la calibración de los Volúmenes de tráfico Será Necesaria para Garantizar Que los Volúmenes del modelo
en Toda El área de estudio coincidan con los del campo.
Calibrar el Rendimiento del Sistema: En Este paso se calibran los MOE de Interés del modelo general, Que se utilizan para Medir el Rendimiento del Sistema. Los
típicos MOE Del Rendimiento del Sistema INCLUYEN Velocidad, densidad, Tiempo de Viaje, DeMora bebidas de cola y. Este Paso Garantiza Que El Modelo ES
Su Conjunto coincida razonablemente estafadores conditions las localidades.
https://ops.fhwa.dot.gov/trafficanalysistools/tat_vol4/sec5.htm 1/21
13/4/2019 Oficina de Operaciones de la FHWA - Sección 5.0: Calibración
Dentro de Cada Uno de ESTOS Pasos, las MOE del Mundo: medidas reales en el Campo se Comparan con las MOE estimadas por CORSIM Y, Si No Cumplen con los
Objetivos establecidos, los Parámetros del modelo se ajustan sistematicamente Hasta Que SE Encuentra Una coincidencia aceptable. Este Proceso continua a Través de
Cada Uno de los Tres Pasos Básicos Hasta Que Todos Los Objetivos de calibración se Hayan Cumplido. Una Vez Que se Han Cumplido los Objetivos de calibración, the
example repre Una coincidencia Cercana con las Condiciones del Campo y el analista this Listo para Pasar a la fase de análisis alternativo del Proyecto. Las Siguientes
Secciones of this Chapter proporcionan Más Detalles para Cada Uno de los Pasos Que se muestran en la Figura 45.
Figura 45. Diagrama de Flujo. Enfoque de calibración.
Al igual que en las otras tareas del proceso de análisis, es importante controlar y documentar el proceso de calibración. Por ejemplo, cuestiones como quién hizo ajustes en
el modelo base, ¿qué ajustes se hicieron, en qué parte del modelo se estaban realizando los ajustes, y por qué se hicieron todos deben ser documentados los ajustes.
Recordando que cambia un valor por defecto desde 1.8 a 1.9 y por qué ese valor fue cambiado será difícil seis meses después de la calibración se ha completado. Mantener
el control sobre los archivos de la red base y proporcionar la documentación adecuada del proceso de calibración eliminará tales preguntas. Documentación que resume el
proceso de calibración y justificación de los ajustes de calibración, como las estadísticas del Ministerio de Educación de apoyo que documentan cómo el proceso de
calibración proporciona una aproximación más exacta a las condiciones de campo,
5.3 Establecer calibración MOE y Objetivos

Antes de iniciar el proceso de calibración, es importante seleccionar qué márgenes de exposición para calibrar y umbrales objetivo para esos márgenes de exposición. El establecimiento de márgenes
de exposición de calibración y los objetivos por adelantado permite consenso que será construido por todas las partes implicadas en el grado de error permitido en el proceso de calibración y, además,
proporciona un “modelo” para los que MOE para centrarse en y en qué punto de detener el proceso de calibración .
5.3.1 Selección de Calibración MOE
CORSIM se acumula y se calcula cientos de MOE. Algunos de estos márgenes de exposición se puede medir en el mundo real, tales como la velocidad media y el volumen de
tráfico. Otros márgenes de exposición, tales como el consumo de combustible y las emisiones de los vehículos, son muy difíciles y costosos de medir en el mundo real. MOEs de
todo el sistema, tales como vehículos-millas recorridas (VMT) y vehículos-hora recorrida (VHT), son otro ejemplo de los ME que son difíciles y caros de recoger en el campo. En
general, la selección de los MOEs para la calibración se limita a aquellos que pueden ser prácticamente recoge en el campo y se acumulan y se informó en CORSIM. Incluso si
el MOE es el MOE crítica utilizados en el análisis de alternativas, si no se puede medir en el campo, entonces no puede ser incluido de manera realista como una calibración de
MOE.
MOE capacidad
El primer paso en el proceso de calibración es calibrar la capacidad a cuellos de botella. CORSIM, al igual que otros modelos de microsimulación, no da salida a un número
llamado “capacidad”. Por el contrario, la capacidad se puede estimar midiendo el máximo rendimiento en el lugar de cuello de botella. El rendimiento sólo debe ser recogida
cuando una cola está continuamente presente aguas arriba del cuello de botella, ya que este es el único momento en que el rendimiento se puede utilizar para determinar la
capacidad de un lugar determinado. Medición del caudal aguas abajo de una cola se refiere a veces como la velocidad de descarga de colas, que a menudo es ligeramente
inferior a la tasa máxima de flujo antes de flujo de “ruptura” (es decir, cuando las transiciones de flujo de tráfico de uncongested a condiciones de congestión). Para fines de
calibración, se recomienda utilizar la velocidad de descarga de cola como la capacidad del MOE para los cuellos de botella de la autopista, en lugar de máximo flujo antes de
avería, debido a que la velocidad de descarga es más estable y más fácil de medir en el campo. Sección 2.4 de este volumen, junto con la sección 5.3.2 del Volumen III, (7) discute
la capacidad en el campo de la medición en más detalle. En CORSIM, la capacidad en las autopistas se puede medir usando los “Vehículos Out” MOE para el enlace
inmediatamente aguas abajo de la ubicación cuello de botella, siempre que hay una cola continua aguas arriba del cuello de botella para el periodo de medición.
En las calles de la superficie, los cuellos de botella más a menudo se encuentran en los semáforos e intersecciones controladas parar. La capacidad de un enfoque en una señal
de tráfico está directamente relacionada con el progreso de descarga en la línea de parada (la capacidad es una función de los avances de descarga y la proporción de tiempo
verde eficaz dado para que enfoque). Sección 2.4 de este volumen, junto con las secciones 5.3.1 y 5.3.2 del Volumen III, (7) discute la capacidad de medición en las
intersecciones con más detalle. En CORSIM, los “Vehículos descargado por Lane” MOE se pueden utilizar para estimar la capacidad de modelo, siempre que hay una cola
continua aguas arriba del enfoque de intersección de interés para el periodo de medición.
MOE volumen de tráfico
El segundo paso en el proceso de calibración es calibrar los volúmenes de tráfico, que consiste en asegurar que el enlace y los volúmenes de movimiento de giro en el
modelo CORSIM coinciden con los conteos de tráfico de campo. En las autopistas, “vehículos en”, “Vehículos Out” y “volumen” se informe de todos en los enlaces
individuales por CORSIM. En las calles de la superficie, se reportan “volumen medio” y “Vehículos dados de alta por Lane” en los enlaces individuales por CORSIM.
“Vehículo-viajes” se informa para cada movimiento de giro en las calles superficiales CORSIM. Cualquiera de estos márgenes de exposición se puede utilizar para calibrar
volúmenes de campo medida, siempre que la medición de campo se define y se mide de manera similar a la MOE utiliza en CORSIM. Por ejemplo, un recuento de inflexión
promedio de 15 minutos en una intersección es una medición de campo típico. Para calibrar este volumen medido,
MOE rendimiento del sistema
La tercera, y probablemente más difícil, paso en el proceso de calibración es para calibrar el rendimiento del sistema del modelo. Tipos de MOEs a utilizar en la calibración el rendimiento
del sistema incluyen la velocidad, la densidad, el tiempo de viaje, el retardo, se detiene, y las colas. medidas CORSIM todos estos tipos de márgenes de exposición, a menudo en
muchas formas diferentes. Por ejemplo, CORSIM mide el “tiempo de retardo”, “Stopped Time”, “Retardo de cola” y “Retraso de control” en los enlaces de calle superficie, expresado en
segundos por vehículo. La clave consiste en seleccionar el retraso MOE para la calibración, que coincide con la forma de retardo se midió en el campo. Esto asegurará una comparación
“manzanas-a-manzanas” entre el campo y el modelo MOE. Por ejemplo, si se recogió el tiempo se detuvo en el campo, entonces el “Stopped Time” MOE se debe utilizar en CORSIM
para la calibración del sistema.
El alcance del análisis también ayudará a definir los márgenes de exposición de calibración de rendimiento del sistema. Por ejemplo, si el propósito del análisis es para probar diferentes alternativas de
rutas de autobuses, los MOEs de calibración deben incluyen MOEs relacionados con direccionamiento de bus.
5.3.2 El establecimiento de patrones de calibración
Una vez que los márgenes de exposición de calibración se han seleccionado, el equipo del proyecto a continuación, debe establecer objetivos de calibración para estos márgenes de
exposición. El objetivo de la calibración del modelo es obtener la mejor combinación posible entre las mediciones de modelo y de campo de los ME. Sin embargo, hay un límite a la cantidad de
tiempo y esfuerzo que nadie puede poner en la eliminación de errores en el modelo. Llega un punto de rendimientos decrecientes, donde las grandes inversiones en rendimiento esfuerzo
pequeñas mejoras en la precisión. (7) El propósito de establecer patrones de calibración es fijar un punto de parada para afinar la calibración y considerar el modelo calibrado. No existen normas
sobre patrones de calibración aceptables, como los objetivos es probable que varíe de acuerdo con el tamaño del modelo, los recursos disponibles, el propósito y los objetivos del proyecto, y el
tipo de decisiones que se harán a partir del análisis de simulación. Por ejemplo, los grandes modelos de simulación probablemente tendrán objetivos menos estrictos que los modelos pequeños
debido a la dificultad en la adecuación de márgenes de exposición para todos los enlaces en una red grande y compleja. Además, mediante el análisis de simulación para poner a prueba los
planes de optimización señal sintonizada finely- requerirá objetivos más estrictos de utilizar el modelo para determinar el número de carriles de la autopista necesarios.
Los blancos de calibración pueden ser relativamente sencillo, tal como tener un objetivo de todos los MOEs modelo para todos los enlaces de red estar dentro de 10 por ciento de los
MOEs de campo. Tal plan simple objetivo de calibración es el más adecuado para pequeños proyectos de modelado y directo. Sin embargo, para los modelos más grandes, un conjunto
más sofisticado de objetivos puede ser necesario; en particular, un conjunto de objetivos que reconoce que será muy difícil de asegurar que todos los enlaces dentro de la red va a
cumplir el objetivo. Para redes más grandes, es importante concentrarse en la coincidencia de MOEs en lugares críticos de la red (es decir, lugares de cuello de botella o lugares donde
se están considerados mejoras viales), ya que muchas horas se puede desperdiciar sobre la calibración de porciones de la red que no tendrán una impacto en los resultados finales o
recomendaciones.
Tabla 11 proporciona un ejemplo de patrones de calibración que fueron desarrollados por Wisconsin DOT por su modelo de simulación sistema Milwaukee autopista. (7) Se basan en las
directrices elaboradas en el Reino Unido. (13) Estos objetivos reconocen la dificultad en la búsqueda de todos los enlaces en la red a condiciones de campo, ya que los objetivos de
garantizar que al menos el 85 por ciento de los enlaces están dentro de un porcentaje objetivo o el valor de las condiciones de campo. Esta tabla se proporciona simplemente como un
ejemplo, ya que los patrones de calibración deben adaptarse al análisis específico a la mano. Como se mencionó anteriormente, los objetivos de calibración probablemente variará en
función de factores tales como el tamaño del modelo, los recursos disponibles, el propósito y objetivos del análisis, y los tipos de alternativas analizadas. El equipo del proyecto debe
desarrollar un consenso sobre los objetivos específicos de calibración antes de continuar con el esfuerzo de calibración.
Tabla 11. Wisconsin DOT modelo autopista blancos de calibración. (14)
Criterios MOE Los objetivos de calibración de aceptación
Flujos por hora, frente al modelo individual observado
Enlace Flujos <700 veh / h
Dentro de 100 veh / h de flujo de campo para> 85% de los

casos
700 a 2.700 veh / h Dentro de 15% del flujo de campo para

> 85% de los casos
> 2700 veh / hr Dentro de 400 veh / h de flujo de campo para> 85% de los
casos
Suma de todos los flujos de enlace Dentro del 5% de la suma de todos los cargos de enlace
GEH Estadística * para el enlace flujos individuales GEH <5 para> 85% de los casos
GEH Estadística para la suma de todos los flujos de enlace GEH <4 de suma de todos los cargos de enlace
Tiempos de viaje, Modelo frente observado
Duración de los trayectos, Red Dentro de 15% (o 1 min, si es superior) de> 85% de los
casos
Las auditorías visual
Velocidades de enlace individuales relación de flujo de velocidad visualmente aceptable

a satisfacción del analista
Los cuellos de botella puesta en cola visualmente aceptable a

satisfacción del analista
dónde: E = volumen estimado modelo

V = recuento de campo
La Figura 46. Ecuación. El cálculo de la GEH Estadística. (14)
Otro ejemplo de patrones de calibración sugeridas es “Desigualdad Coeficiente de Theil”, que se divide en tres partes, cada una de las cuales proporciona información
sobre las diferencias entre los modelos de medidas y las medidas de destino. Nuevos debates sobre la desigualdad de Theil Coeficiente se pueden encontrar en el Manual
Avanzado de Formación CORSIM (2) y en Hourdakis, Michalopoulos, y Kottommanil. (15)
5.4 Consideraciones CORSIM Run
El enfoque de calibración descrito en este capítulo requiere que el analista para funcionar, o aplicar, CORSIM para los tiempos actuales condiciones de base o muchos, hasta que el
modelo de MOE coincide adecuadamente los márgenes de exposición (del mundo real) de campo. La Guía del usuario CORSIM describe en detalle los pasos necesarios para ejecutar
CORSIM. El propósito de esta sección, sin embargo, es discutir algunos temas clave que el analista debe tener en cuenta cuando se ejecuta CORSIM durante la etapa de calibración.
5.4.1 Se ejecuta múltiples CORSIM
Debido a la naturaleza estocástica de CORSIM, los resultados de ciclos individuales pueden variar en un 25 por ciento y mayores desviaciones estándar se puede esperar de las instalaciones
que operan en o cerca de capacidad. Por lo tanto, es necesario ejecutar CORSIM múltiples veces con diferentes semillas de números aleatorios para ganar un fiel reflejo del rendimiento del
modelo. La herramienta del destornillador CORSIM tiene una capacidad de múltiples funcionamiento integrado y un procesador de salida incorporado que recoge las estadísticas de cada
ejecución y los resume. La capacidad para múltiples carrera se ejecuta un caso de prueba varias veces, cambiando las semillas de números aleatorios para cada ejecución. Consulte el
Apéndice D para más información sobre el uso de los valores semilla aleatoria en CORSIM. El procesador de salida recoge los datos del Ministerio de Educación por el usuario seleccionados
para los enlaces seleccionados de CORSIM en diferentes series y organiza los datos en un archivo de resumen individual. Cuando se selecciona el procesamiento de salida, un archivo de
estadísticas (o archivos, dependiendo del número de formatos son seleccionados) se crea. Estos archivos se sobreescriben si ya existen y se crean si no existen. Los beneficios de utilizar la
función multi-plazo incluyen:
Los datos de múltiples ejecuciones se resumen automáticamente en función de los MOE y estadísticas seleccionadas por el usuario, lo que elimina el tiempo innecesarias y errores que se
podría hacer de forma manual en la compilación de las estadísticas de múltiples ejecuciones. La característica es muy flexible ya que permite al analista para seleccionar sólo uno, o todos, de
los márgenes de exposición para resumir las estadísticas en las diferentes ejecuciones.
El analista puede seleccionar de una amplia gama de estadísticas de resumen para ser automáticamente calcula basándose en las MOEs seleccionados, tales como la
media, mediana, desviación estándar, e intervalo de confianza 95a. El uso de la herramienta anima a los analistas para dar cuenta de la naturaleza estocástica de CORSIM.
Cuando el modelo de base es satisfactoria, el número de carreras se ha establecido, y la selección de MOE es completa, el modelo debe ser ejecutado varias veces utilizando la función
multi-run CORSIM. Cuando hayan terminado todas las carreras, el procesamiento de salida será escribir datos en los tipos de archivos seleccionados. Esto puede llevar algún tiempo,
dependiendo del tamaño de la red, longitud de la pista, el número de MOEs seleccionado, el número de objetos de red seleccionado, y el número y el tipo de procesamiento estadístico.
Una vez completadas las múltiples carreras de CORSIM, el analista debe revisar el resultado para verificar que todas las carreras individuales terminado correctamente. Bajo ciertas
circunstancias, la simulación CORSIM puede encontrar condiciones excepcionales y ser incapaz de completar una carrera. Si esto sucede, los datos estadísticos para que se
ejecutan serán descartados y no serán un factor en las funciones de análisis (tales como media y desviación estándar). Las funciones de análisis se aplicarán como si no hubiera
ocurrido esa ejecución. Consulte la Guía del usuario CORSIM para obtener más información sobre la configuración y puesta en múltiples carreras de CORSIM. La determinación del
número de veces para ejecutar la simulación depende de dos variables principales: la variación en la media de uno o más márgenes de exposición, y el error tolerable según lo
seleccionado por el analista. El tamaño de la muestra requerida para el error tolerable seleccionado calcula el número mínimo de corridas de simulación (es decir, el tamaño de la
muestra) necesaria para producir resultados con un “error de muestreo” menor o igual al error tolerable introducida por el usuario. La fórmula para el cálculo del tamaño de la
muestra es:
Figura 47. Ecuación. Determinar el número apropiado de la simulación se ejecuta en completarse.
El procesador de salida CORSIM puede calcular el número de carreras son necesarios para alcanzar los resultados que están dentro del error tolerable. Consulte la sección
“Formatos y opciones” de diálogo en la Guía del usuario CORSIM (1) para obtener información sobre la selección de la opción para calcular el número necesario de carreras. Con el
fin de calcular el número de carreras, hay que hacer una serie preliminar de carreras. Veinte carreras deben producir suficiente varianza para calcular un número razonable de
carreras para el análisis estadístico.
Marco 5.4.2 Simulación
El marco de tiempo para simular debería haber sido decidido en el alcance del proyecto (capítulo 1), de modo que la recolección de datos (capítulo 2) se basaría en ese marco de
tiempo. Antes de esta etapa en el proceso de desarrollo del modelo (capítulo 3), un corto tiempo de simulación puede haber sido utilizado para la comprobación de errores.
Asegúrese de que la hora de inicio y la duración de la simulación reflejan el periodo especificado en el alcance del proyecto y representado en los datos de la demanda.
5.4.3 Exclusión de período de inicialización
El período artificial donde el modelo de simulación comienza con cero vehículos en la red (conocido como el “período de inicialización” o “período de llenado”) deben ser
excluidos de las estadísticas reportadas para el rendimiento del sistema. CORSIM lo hará automáticamente. El período de inicialización normalmente termina cuando se ha
alcanzado el equilibrio. El equilibrio se consigue cuando el número de vehículos que entran en el sistema es aproximadamente igual a la cantidad que sale del sistema. El
algoritmo utilizado por CORSIM no funciona correctamente en todas las circunstancias. Por ejemplo, si los datos recogidos durante un plazo muestra una fuerte disminución en
el valor poco después del período de inicialización, es una buena indicación de que no se alcanzó el equilibrio. Por lo tanto, el analista debe verificar los datos de salida CORSIM
para asegurar el equilibrio se alcanza en el período previo CORSIM. los resultados del modelo no debe utilizarse si no se ha alcanzado el equilibrio, ya que los resultados no van
a representar los volúmenes reales intentaron modelar. Apéndice C tiene una discusión más en profundidad del periodo de inicialización.
5.4.4 Enlace agregaciones en secciones
CORSIM puede tratar a un conjunto particular de enlaces como una sola entidad con el propósito de calcular márgenes de exposición significativas sobre múltiples enlaces. Cada conjunto se
conoce como una “agregación de enlaces” o “sección” y se identifica por un número de sección definida por el usuario.
Cualquier enlace de superficie dentro de la red se pueden especificar como parte de una sección; Sin embargo, los enlaces no tienen que formar una trayectoria continua a través de la red. Es
posible agregar cualquier conjunto de enlaces en una sección.
Cuando se selecciona esta opción, una tabla de salida adicional se proporciona dentro de cada salida acumulada estándar. Esta tabla presenta estadísticas agregadas para cada sección
identificada. El conjunto completo de estadísticas todavía se proporciona para cada enlace individualmente en la tabla de estadísticas de enlaces.
5.5 Calibrar Capacidad en Key cuellos de botella
Como se muestra anteriormente en la figura 45, la calibración de la capacidad a los cuellos de botella clave es el primer paso en el proceso de calibración. Tener un modelo que puede
replicarse CORSIM la ubicación y gravedad de los cuellos de botella en el campo es un primer paso crucial en la calibración, ya que estos cuellos de botella serán responsables de la
mayoría de la congestión en la red. Por lo tanto, si el modelo no puede replicar el rendimiento en los cuellos de botella, entonces será muy difícil de calibrar los MOEs de rendimiento del
sistema más tarde en el proceso de calibración.
Este paso se realiza mediante la evaluación de algunos puntos clave en la red y el ajuste de los parámetros del modelo de una manera sistemática hasta que el volumen de
rendimiento justo aguas abajo de estos cuellos de botella pueden ser compensada entre el campo y el modelo. Como se mencionó anteriormente en la sección 5.3, se recomienda
para medir la velocidad de descarga de cola aguas abajo del cuello de botella como la medida de la capacidad, en lugar del flujo máximo antes de descomposición (que es
típicamente ligeramente más alta que la velocidad de descarga de cola), porque la velocidad de descarga es más estable y más fácil de medir tanto en el campo como en CORSIM.
La Figura 48 muestra algunos lugares de cuello de botella típicos en las autopistas.
Si el modelo no muestra inicialmente la congestión en los mismos lugares de cuello de botella que existen en el campo, a continuación, las demandas codificados en el modelo
deben ser temporalmente aumentado a forzar la creación de la congestión en el modelo en esos cuellos de botella. Estos incrementos temporales deben retirarse después de la
calibración de capacidad se ha completado. Por otro lado, si el modelo muestra inicialmente cuellos de botella congestionadas en lugares que no existen en el campo (es decir,
falsos cuellos de botella), será necesario aumentar la capacidad del modelo en estos puntos para eliminar el falso cuello de botella a partir del modelo .
La Figura 48. Ilustración. ubicaciones autopista de cuello de botella típicos.
5.5.1 Capacidad de calibración autopista
Hay muchos parámetros en CORSIM que afectan a la capacidad de la autopista, lo que es importante para reducir la lista a unos parámetros que son los más sensibles a la capacidad. Una
prueba de sensibilidad reciente se completó en todos los parámetros relativos a la lógica CORSIM el comportamiento del conductor. Esta prueba se documenta en el informe titulado, Identificación
y evaluación de los parámetros clave WeatherRelated y sus impactos en las operaciones de tráfico utilizando la simulación. (dieciséis) Sobre la base de este estudio, y pasadas experiencias
con los estudios de simulación del mundo real, la lista de candidatos de los principales parámetros para ajustar la capacidad para calibrar la autopista incluyen:
Coche siguiente factor de sensibilidad - Este es un parámetro global que afecta a todos los enlaces de la autopista. Este valor representa el principal factor en el cálculo
del avance de tiempo deseado (en segundos) entre un par líder-seguidor. Un valor más alto significa más espacio entre los vehículos y por lo tanto una capacidad
inferior. Cada tipo de controlador tiene un valor diferente (varía de
1,25 segundos para los conductores conservadores a 0,35 segundos para los conductores agresivos, con un valor medio de 0,80 segundos).
Coche siguiente multiplicador de sensibilidad - Este parámetro se puede ajustar para cada enlace individual y representa un multiplicador del coche siguiente factor de
sensibilidad. El valor predeterminado es 100 por ciento; aumentando así este valor para un enlace específico a 110 por ciento (como un ejemplo) aumentaría el coche individuo
siguiente factor de sensibilidad para cada tipo de controlador de un 10 por ciento en ese enlace. El aumento de este valor significa más espacio entre los vehículos y por lo tanto
una capacidad inferior.
Lag de aceleración y deceleración - Estos son los parámetros globales (de aceleración y desaceleración son dos parámetros independientes) que afectan a todos los
enlaces de la autopista. Estos valores representan el retardo de tiempo debido al tiempo de percepción / reacción para los conductores al comenzar a acelerar o
desacelerar. Un valor más alto para estos parámetros significa reacciones más lentas, que se traduce en una capacidad inferior. Los valores por defecto para estos
parámetros son 0,3 segundos.
coche Pitt siguiente constante - Este es un parámetro global que afecta a todos los enlaces de la autopista. Este valor representa la distancia mínima entre la parte trasera del
vehículo de plomo y el frente de la siguiente vehículo. Un valor más alto para este parámetro significa más espacio entre los vehículos y por lo tanto una capacidad inferior. El valor
predeterminado es de 3,05 m (10 pies). Estos parámetros están relacionados directamente con el coche siguiente lógica dentro FRESIM. También hay 10 parámetros relacionados
con el cambio de carril lógica dentro FRESIM; Sin embargo, la alteración de estos parámetros no es típicamente la pena porque no son muy sensibles a las medidas agregadas (es
decir, un promedio de 15 minutos) de rendimiento. (dieciséis)
La Tabla 12 muestra un ejemplo de ajuste de la factor de sensibilidad coche-siguiente en un intento de aumentar la capacidad de la autopista. En este ejemplo, los valores por defecto para cada tipo
de controlador se redujeron en un 10 por ciento, lo que creará menos espacio entre los vehículos y por lo tanto aumentar la capacidad. Tenga en cuenta que la disminución de todos los valores de tipo
de controlador en un 10 por ciento es equivalente a la disminución de la “Coche siguiente multiplicador de sensibilidad” para todos los enlaces de la autopista en la red por un 10 por ciento.
Tabla 12. Ejemplo de ajuste del factor de sensibilidad auto-siguiente.
Tipo de controlador
Caso
1 2 3 4 5 6 7 8 9 10
Defecto 1.25 1.15 1.05 0.95 0.85 0.75 0.65 0.55 0.45 0.35
10% 1.13 1.04 0.95 0.86 0,77 0.68 0.59 0.5 0.41 0.32
Disminución
Fuera de los parámetros descritos anteriormente, el multiplicador “Car siguiente factor de sensibilidad” y de nivel de enlace de ese factor son los más sensibles a los cambios en los
valores por defecto cuando se intenta alterar la capacidad a un cuello de botella. La figura 49 muestra un ejemplo de la sensibilidad de rendimiento a cambios en el “Car siguientes
multiplicador de sensibilidad.” La red de prueba para esta figura era un segmento de autopista básica con tres carriles. El rendimiento máximo en el segmento representa la capacidad del
segmento. Como se muestra en la figura, el aumento de la “Coche siguiente multiplicador de sensibilidad” de los resultados de enlace de la autopista en una disminución proporcional en
la capacidad. El aumento del multiplicador de 100 a 125 da como resultado una disminución de aproximadamente nueve por ciento de la capacidad (de 2.200 a 2.000 veh / h / ln).
La Figura 49. Figura. Ejemplo de sensibilidad de coche siguiente sensibilidad

multiplicador en el rendimiento de un segmento básico autopista.
Los intentos para que coincida con la capacidad cuello de botella medido campo primero debe centrarse en los parámetros globales clave, empezando por el “Coche siguiente factor de
sensibilidad” y luego la “aceleración Lag y desaceleración” y “coche Pitt siguiente constante.” Los intentos de aumentar la capacidad de la autopista en la red requeriría la disminución de
los valores de estos parámetros a partir de sus valores por defecto. Si bien es posible que sólo se centran en los parámetros de nivel de enlace, tales como el “Coche siguiente
multiplicador de sensibilidad”, un ajuste global garantiza la exactitud de las capacidades en todos los enlaces (incluso los que no está congestionada), en lugar de sólo aquellos en los
enlaces específicos.
En los casos en los que hay múltiples cuellos de botella en autopistas, algunas de las cuales requieren la capacidad del modelo para ser aumentado y otras que requieren la
capacidad de modelo a disminuir, entonces el ajuste de los factores globales por sí solas no serán suficientes. En este caso, puede ser necesario ajustar por separado para cada
calibración cuello de botella a nivel de enlace valor “Coche siguiente sensibilidad multiplicador”. puede ser necesaria Esta calibración de nivel de enlace cuando el cuello de botella
es debido a una condición local no presente en el resto de la red, tal como una curva horizontal, la curva vertical, o carriles estrechos.
Además de los parámetros clave mencionados anteriormente, muchos de los valores de entrada introducidos en la etapa de desarrollo del modelo base (capítulo 3) también tienen un impacto en la
capacidad, tales como el porcentaje de camiones; orígenes y destinos dentro de áreas de tejido; y la colocación de señales de advertencia para cambios de carril de anticipación, las rampas de
salida, y las gotas de carril. Los valores introducidos para estos parámetros deben introducirse en la etapa de revelado modelo base basado en la recopilación de datos de campo y, por lo tanto,
deben ser conocidos y configurar los valores. Sin embargo, si los parámetros clave mencionados anteriormente no tienen el impacto deseado en la calibración de la capacidad, entonces ligeras
modificaciones a estos parámetros adicionales de capacidad que alteran puede estar justificada.
Por ejemplo, cuando los vehículos CORSIM cruzan señal de advertencia “puntos de reacción”, vehículos comienzan a reaccionar a las condiciones aguas abajo o comenzar a dirigirse a un nuevo carril
(por ejemplo, la orientación una rampa de salida o alejándose de una caída de carril). Consulte el capítulo 3 de este volumen, o la Guía del Usuario CORSIM, para más información sobre los
parámetros de advertencia de signos. En general, moviéndose estas ubicaciones de signos de advertencia más aguas arriba dará lugar a más suaves, carril menos turbulento condiciones cambiantes y
por lo tanto puede aumentar la capacidad de un cuello de botella.
5.5.2 Superficie de calibración Calle Capacidad
Como se mencionó anteriormente, los cuellos de botella de calle superficie son creados principalmente por las señales de tráfico o intersecciones controladas por detener y, por lo tanto, la capacidad de
calibración en las calles de la superficie debe centrarse en unas pocas intersecciones clave. La lista de candidatos de los parámetros a ajustar para calibrar la capacidad de las intersecciones señalizadas
y detener controlado incluye:
La media de avance de descarga - Este es un parámetro de nivel de enlace que representa el avance media entre los vehículos que descargan de una cola de pie. El valor
por defecto es de 1,8 segundos. Al aumentar este valor se traducirá en una disminución de la capacidad. Este parámetro es útil en la calibración de la capacidad de las
intersecciones señalizadas.
La media de demora de inicio - Este es un parámetro de nivel de enlace que representa el retardo medio debido al tiempo de percepción / reacción del primer vehículo en una cola debido
a una señal de tráfico. El valor predeterminado es de 2,0 segundos. Al aumentar este valor se traducirá en una disminución de la capacidad. Este parámetro es útil en la calibración de la
capacidad de las intersecciones señalizadas.
brecha aceptable en tráfico en sentido contrario (a la izquierda giros y vueltas a la derecha) - Estos son los parámetros globales (giros a la izquierda y giros a la derecha han parámetros
independientes) que representan la diferencia aceptable en tráfico del paso de un vehículo que aceptará al hacer un giro a la izquierda permitido o un giro a la derecha en rojo (RTOR) a una
señal de tráfico. Cada tipo de controlador tiene un valor diferente (los valores de giro a la izquierda varían de 7,8 segundos para los conductores conservadores a 2,7 segundos para los
conductores agresivos, con un valor medio de 5,0
segundos). El aumento de estos valores resultará en vehículos de espera más tiempo en las señales y reduciendo así la capacidad de estos movimientos.
Cross-calle distribución brecha aceptable (lado cerca y de lejos a lado) - Estos son los parámetros globales que representan la diferencia aceptable en tráfico del paso de un vehículo
que aceptará mientras que a una señal de stop. Cada tipo de controlador tiene un valor diferente (los valores del lado de la cerca se extienden de 5.6 segundos para los conductores
conservadores a 2,0 segundos para los conductores agresivos, con un valor medio de 3,8 segundos). El aumento de estos valores se traducirá en los vehículos que esperan más
tiempo en las señales de alto y reduciendo así la capacidad del enfoque. Vehículos en las intersecciones de rendimiento controlado restarán 1,5 segundos a partir de estos valores
para calcular su diferencia aceptable en el tráfico de cruce.
Para calibrar enfoques intersección señalizada, la capacidad es más sensible al parámetro “La media de avance de descarga” y, por lo tanto, los intentos de calibración deben
concentrarse primero en este parámetro, seguido por el parámetro “La media de demora de inicio”. La figura 50 muestra un ejemplo de la sensibilidad de rendimiento a cambios en
la “media de avance de alta”. La red de prueba para esta figura fue una señal totalmente accionada con dos a través de los carriles y un carril de giro izquierda separada con una
fase de giro a la izquierda protegida. El rendimiento máximo en el segmento representa la capacidad del segmento. Como se muestra en la figura, el aumento de la “avanzar
descarga media” para los resultados enfoque de enlace en una disminución proporcional en la capacidad. Por ejemplo, aumentando el valor de 1,9 a 2,2 segundos resultados en
una disminución de aproximadamente 12 por ciento en la capacidad (de 5.180 a 4.540 veh / h).
La Figura 50. Figura. Ejemplo de sensibilidad de avanzar media de descarga en

rendimiento de un enfoque de intersección señalizada.
La distribución de los avances de descarga y el retardo de arranque puede ser editado en una escala global usando los códigos de distribución por tipo de controlador para estos dos
parámetros. Sin embargo, no se recomienda el cambio de la distribución de estos valores debido a una prueba de sensibilidad reciente de estas distribuciones demostró que no son
sensibles a MOEs agregados tales como promedios de 15 minutos de caudal, velocidad y / o densidad. (dieciséis)
Otra consideración en la calibración de los enfoques intersección señalizada es que el tiempo verde concedida al enfoque en el modelo coincide con que en el campo. El tiempo de verde
para el enfoque afecta directamente a la capacidad del enfoque, asegurando así el modelo es consistente con el campo hará este esfuerzo de calibración mucho más fácil. Para las
señales de accionamiento que están operando en o por encima de su capacidad, esto simplemente se puede hacer mediante la comprobación de que el tiempo de verde máximo
codificados en el modelo coincide con que en el campo.
Los parámetros relacionados con la brecha aceptables enumeradas anteriormente son solamente ajustable en una escala global; Por lo tanto, la calibración de los movimientos de
izquierda-controlados de giro o permitidos STOP individuo no es posible en la versión más reciente de TSIS / CORSIM (versión 6.0) sin cambiar los valores para todos los
movimientos en la red. Como se dijo anteriormente, el objetivo principal de la calibración de la capacidad debe estar en los cuellos de botella en la red, ya que afectarán
directamente el rendimiento de la red general. Por lo tanto, el analista debe todavía utilizar estos parámetros globales en la calibración de los cuellos de botella relacionados para
detener, rendimiento, o permitida movimientos de giro izquierdas. El rendimiento de todo el sistema se calibra en la etapa de calibración final, dando el analista una oportunidad
para calibrar otras partes de la red afectada por estos parámetros globales.
En las redes congestionadas con intersecciones estrechamente espaciados o un patrón de cuadrícula de calles de la superficie, la capacidad de cuello de botella podría verse afectada por el
tejido en secciones de carretera debido a las zonas cortas de cambio de carril o colas que spillback y bloquean las intersecciones de aguas arriba. En estos casos, el analista debe tener en
cuenta la calibración de parámetros tales como “probabilidades spillback” y “tiempo de reaccionar a la desaceleración repentina del vehículo de cabeza.” Estos parámetros se analizan con más
detalle en la sección 5.7.
5.6 Calibración de los volúmenes de tráfico
Como se muestra anteriormente en la figura 45, la calibración de los volúmenes de tráfico es el segundo paso en el proceso de calibración. Este paso sólo es necesario si el modelo
incluye calles paralelas o una red de calles con múltiples rutas posibles dentro del modelo. El propósito de este paso es asegurar que los volúmenes de modelo en toda el área de estudio
coinciden con los del campo. Tener un modelo que puede replicarse CORSIM los volúmenes de tráfico en el campo es un paso crucial en la calibración, ya que los volúmenes de tráfico
afectan directamente el rendimiento de toda la red. Por lo tanto, si el modelo no puede replicar los volúmenes de tráfico en el campo, entonces será muy difícil de calibrar los márgenes
de exposición de rendimiento del sistema más adelante en el proceso de calibración.
Este paso se lleva a cabo comparando el enlace y girando volúmenes de movimiento a lo largo del modelo a los medidos en el campo (no un futuro volumen previsto), y
después de ajustar los parámetros del modelo de una manera sistemática hasta que los volúmenes en el modelo se ajustan a aquellos en el campo a un grado aceptable
como se establece en los patrones de calibración (sección 5.3). En este punto en el proceso de modelado, se supone que los volúmenes de campo se introdujeron en
CORSIM correctamente sin ningún error, y que cualquier discrepancia entre los volúmenes de campo y el modelo se deben a la forma en CORSIM vehículos rutas a través
de la red. Por lo general, el analista debe calibrar los volúmenes modelo de todos los cargos de tráfico en el campo. Sin embargo, para redes muy grandes esto puede no ser
factible y, en estos casos,
Calibración del volumen 5.6.1 tráfico de la autopista
Como se ha descrito anteriormente en la sección 3.3, el método más directo y común de entrar en el volumen de tráfico para autopistas es mediante el uso de volúmenes
realicen a los nodos de entrada y girando porcentajes en lugares fuera del rampa. CORSIM luego convierte internamente estos valores en porcentajes origen-destino (es decir,
porcentaje de tráfico entre cada nodo de entrada y la rampa de salida ubicación) usando un modelo de gravedad (véase la Guía del usuario CORSIM (1) para más información).
CORSIM no vehículos ruta dinámicamente en base a condiciones de la red (por ejemplo, evitando las zonas de congestión), y no hay parámetros editables por el usuario que
afectan el cálculo interno de porcentajes origen-destino. Sin embargo, a menos que existan múltiples autopistas están modelados con más de una posible ruta de la autopista
entre el origen y el destino, los volúmenes de tráfico en las autopistas enlaces individuales deben ser compatibles con los introducidos en el modelo.
Si la red constan de múltiples autopistas con más de una posible ruta de la autopista entre el origen y el destino, entonces el analista podría introducir manualmente una tabla
de origen-destino completo a través de Tipo de registro 74 para minimizar las discrepancias en los volúmenes de nivel de enlace debido a origen- interno de CORSIM cálculos
de destino. Consulte la Guía del usuario CORSIM (1) y en la sección 3.3 de este documento para obtener más información sobre este método.
A escala local, los volúmenes que entran y salen de la autopista en intercambios adyacentes pueden necesitar ser calibrado. Por ejemplo, un porcentaje de tráfico de la autopista
en la rampa puede salir en la siguiente aguas abajo fuera de la rampa que pueden no coincidir con los calculados por el modelo CORSIM gravedad interna. En este caso, los datos
de origen-destino parciales pueden ser introducidos a “alterar” los porcentajes origen-destino CORSIM calculado. Consulte la Guía del usuario CORSIM y la sección 3.3 del
presente documento para obtener más información sobre este método.
5.6.2 Superficie de calibración del volumen de tráfico de la calle
Como se describe en la sección 3.3, el método más directo y común de entrar en el volumen de tráfico para calles de la superficie es mediante el uso de volúmenes realicen a los
nodos de entrada y girando porcentajes en las intersecciones. De este modo, cada vehículo entra en la red se le asignará una ruta sobre la base de los porcentajes de giro
encontradas en cada intersección. Este método resulta en una buena aproximación de los volúmenes en redes pequeñas o lineales de calle superficie con pocas opciones de ruta
disponibles dentro de la red. Sin embargo, los volúmenes de las redes más grandes o aquellos con una disposición de tipo rejilla serán más difíciles de calibrar debido a las diversas
rutas posibles. Un método posible para controlar mejor los volúmenes en segmentos específicos de la red es utilizar los movimientos de giro condicionales. Como se describe en la
sección 3.3, los movimientos de giro condicionales permiten al usuario definir porcentajes de giro que se basan condicional sobre el movimiento de entrada (es decir, la dirección que
el vehículo entró en el enlace). los movimientos de giro condicionales son útiles para las intersecciones estrechamente espaciados, tales como en un intercambio de diamante o
intersección T offset, donde pueden ocurrir tejer poco realista y puesta en cola si los volúmenes correctos no se modelan.
Otro método posible para la calibración de los volúmenes de la calle de superficie es cuando un cruce urbano multinivel está presente. Si este es el caso, entonces los datos
de origen-destino a través del cruce urbano se pueden codificar en lugar de girar porcentajes para cada enlace. Consulte la Guía del usuario CORSIM y la sección 3.3 del
presente documento para obtener más información sobre este método. Un último método que puede ser útil para calibrar el volumen de tráfico en las redes de calle superficie
compleja es especificar una tabla de origen-destino para toda la red a través de tipo de registro 176. Como se explica en la Guía del usuario CORSIM y la sección 3.3 del
presente documento, que especifica un origen tabla -destination en NetSim tiene limitaciones,
Rendimiento 5,7 Sistema de Calibración
En el tercero, y probablemente más difícil, el paso de calibración, el rendimiento global de tráfico predicho por el modelo completamente de funcionamiento se compara con las mediciones
de campo del sistema, tales como la velocidad, la densidad, el tiempo de viaje, y longitudes de cola. En esta etapa, las capacidades de los cuellos de botella y los volúmenes de tráfico en
toda la red han sido calibrados; Por lo tanto, los márgenes de exposición de rendimiento del sistema a partir del modelo deben estar bastante cerca de los medidos en el campo. Sin
embargo, es probable que todavía se necesita una calibración adicional.
Este paso se realiza mediante la comparación de los MOEs sistema medido en el campo a los del modelo y ajustar los parámetros del modelo de una manera sistemática hasta
que los márgenes de exposición del sistema en el modelo se ajustan a aquellos en el campo a un grado aceptable según lo establecido en los patrones de calibración ( sección
5.3).
La figura 51 muestra un ejemplo de la comparación de la velocidad media de campo medida a la estimada por el modelo en una sección de la autopista. Como se muestra, los cambios de
perfil de velocidad en cada segmento de la autopista y, aunque no se muestra en la figura, el perfil de velocidad también cambia temporalmente (es decir, un perfil de velocidad diferente
podría ser representada gráficamente para cada intervalo de 15 minutos). Por lo tanto, comparando el campo de MOE para modelar MOE es más complejo que la simple comparación de
dos números entre sí. El empleo de técnicas gráficas y hojas de cálculo para comparar MOE en el tiempo y en el espacio puede ser útil en el proceso de calibración. Capítulo 6 muestra
algunos ejemplos de cómo visualizar y comparar la salida de simulación.
Ver la animación de CORSIM carreras en TRAFVU puede ser una herramienta cualitativa útil para calibrar el rendimiento del sistema. Por ejemplo, usando TRAFVU para ver la
progresión de los vehículos en un conjunto coordinado de las señales de tráfico en un arterial puede ayudar a verificar la exactitud de la progresión en CORSIM en comparación con
el campo. La calidad de la progresión de pelotón puede tener un impacto significativo en el rendimiento del sistema (por ejemplo, retrasos, velocidades y paradas) en CORSIM; por
lo tanto, asegurar la progresión de pelotón es realista es importante.
La Figura 51. Figura. Ejemplo de la comparación de la velocidad real del campo a la velocidad de modelado.
5.7.1 Autopista Rendimiento Sistema de calibración
Hay muchos parámetros en CORSIM que afectan el rendimiento del sistema de la autopista, lo que es importante para reducir la lista a unos pocos parámetros que son los más sensibles a
los márgenes de exposición del sistema. Una lista de candidatos de parámetros para ajustar el rendimiento del sistema para calibrar la autopista incluye:
Coche siguiente factor de sensibilidad, coche siguiendo multiplicador de sensibilidad, Lag de aceleración y desaceleración, y el coche Pitt siguiente constante - Como se ha descrito
anteriormente en la sección 5.5, estos parámetros afectan a la capacidad de la autopista y, como consecuencia, también afectan el rendimiento del sistema. El aumento de estos
valores de parámetros tendrá el efecto de degradar los márgenes de exposición de rendimiento del sistema. El “coche siguiente factor de sensibilidad” y “Coche siguiente multiplicador
de sensibilidad” son los más sensibles de estos parámetros y, por lo tanto, son los más eficaces para la calibración de los márgenes de exposición de rendimiento del sistema. Sin
embargo, si estos parámetros ya fueron calibrados en la etapa de capacidad cuello de botella, entonces deben ser alterados aquí a un nivel mínimo, si es posible, para evitar deshacer
la calibración capacidad de hecho antes.
Tiempo para completar el cambio de carril - Este es un parámetro global que representa el tiempo necesario para completar una maniobra de cambio de carril. El valor predeterminado es
de 2,0 segundos. El aumento de este valor en los resultados, los cambios de carril liso más prolongados
y, por lo tanto, en general la mejora de rendimiento del sistema. Basado en una reciente prueba de sensibilidad CORSIM, este es el único de los parámetros que cambian de
carril de 10 FRESIM que tienen un impacto constante y moderado en las MOE de rendimiento del sistema.
(dieciséis) Este parámetro puede ser útil en la calibración de las secciones de autopista con una alta frecuencia de cambio de carril, tales como secciones de tejido o
intercambios estrechamente espaciados, donde la actividad cambio de carril está afectando al rendimiento del sistema.
La media de la velocidad de flujo libre - Este es un parámetro de nivel de enlace que representa la velocidad media deseada de vehículos en la ausencia de cualquier impedancia debido a
otros vehículos o dispositivos de control de tráfico. Cada tipo de controlador tiene una velocidad de flujo libre diferente, basado en un multiplicador mundial (oscila entre el 88 por ciento de
los conductores conservadores a 112 por ciento de los conductores agresivos). Cambio de la distribución de la velocidad de flujo libre mediante la alteración de los multiplicadores globales
no se recomienda debido a una prueba de sensibilidad reciente mostró que el cambio de la distribución dio lugar a impactos inconsistentes y en ocasiones poco realistas sobre las MOE de
rendimiento del sistema. (dieciséis)
La velocidad media de flujo libre se debe utilizar para la calibración rendimiento del sistema cuando el modelo no puede coincidir con condiciones de campo en los bajos niveles de
congestión, como el parámetro está destinado a modelar velocidades a las condiciones de flujo libre. Por ejemplo, los segmentos de autopista que tienen una curva cerrada
horizontal, curva vertical empinada, o calles estrechas, o alternativamente intentar modelar las condiciones climáticas adversas, pueden causar el rendimiento del sistema
degradado durante la baja congestión basado en el comportamiento del conductor más conservador se produce en estas condiciones. Idealmente, la velocidad de flujo libre se
midió en el campo y entró en el modelo en la etapa de desarrollo del modelo base (capítulo 3); sin embargo, otros cambios de comportamiento del conductor pueden estar
ocurriendo durante baja congestión que no son fácilmente medibles, pero se puede aproximar utilizando el parámetro de velocidad de flujo libre. Para condiciones de congestión,
los otros parámetros mencionados anteriormente son más adecuados para la calibración de la velocidad de flujo libre. Sin embargo, es importante comprender que la alteración de
la velocidad de flujo libre en CORSIM probable cambiar la velocidad media para una amplia gama de condiciones de volumen todo el camino hasta el punto de máximo
rendimiento (es decir, capacidad). La Figura 52 muestra la relación de velocidad de volumen en un segmento de autopista básica en CORSIM para varias velocidades de flujo
libre. La red de prueba para esta figura es un segmento básico autopista (es decir, no dentro o fuera de rampas) con cuatro carriles. Como se muestra, la velocidad media es
relativamente constante a justo por debajo de la velocidad de flujo libre hasta que el volumen se aproxima a la capacidad, momento en el que la velocidad media disminuirá
dramáticamente con un pequeño aumento en el volumen. Así,
La Figura 52. Figura. relación de velocidad de volumen en CORSIM para un segmento básico autopista.
Los parámetros alterados en este paso para calibrar el rendimiento del sistema también afectará a la capacidad, por lo que se debe tener cuidado de no modificarlos en un grado que las
capacidades de los principales cuellos de botella, ya calibrado en el primer paso, se convierten en “sin calibrar” en este paso . Después de haber calibrado el de la capacidad en el primer paso
probablemente resultará en los márgenes de exposición de rendimiento del sistema del modelo sea razonablemente cerca del campo; Por lo tanto, este paso dará lugar probablemente en el
ajuste fino de estos parámetros. Las ubicaciones señal de peligro (véase el capítulo 3 para obtener más detalles sobre estos parámetros), mientras codificada en la etapa de desarrollo del modelo
de base (capítulo 3), pueden tener un impacto significativo en el rendimiento del sistema en torno rampas fuera de dentro y. Por lo tanto, si los parámetros anteriores no tienen el impacto deseado
en la calibración de rendimiento del sistema, a continuación, ligeras modificaciones en las ubicaciones de la señal de peligro puede estar justificada. En general, estos lugares se mueve la señal
de peligro en una fase previa dará lugar a más suaves, carril menos turbulento condiciones cambiantes y por lo tanto puede mejorar el rendimiento del sistema.
Rendimiento 5.7.2 Calibración del sistema arterial
Hay muchos parámetros en CORSIM que afectan el rendimiento del sistema superficie de la calle, lo que es importante para reducir la lista a unos pocos parámetros que son los más sensibles
a los márgenes de exposición del sistema. Una lista de candidatos de parámetros para ajustar el rendimiento del sistema para calibrar la autopista incluye:
La media de avance de descarga, significa demora de inicio, separación aceptable de tráfico en sentido contrario (a la izquierda giros y vueltas a la derecha), y la distribución brecha cruce
de calles aceptable (cerca del lado y lejos del lado) - Como se ha descrito anteriormente en la sección 5.5, estos parámetros afectan a la capacidad en las intersecciones de calle superficie
y, como resultado, también afectan el rendimiento del sistema. El aumento de estos valores de parámetros tendrá el efecto de degradar los márgenes de exposición de rendimiento del
sistema en las calles de superficie. Sin embargo, si estos parámetros ya fueron calibrados en la etapa de capacidad cuello de botella, entonces deben ser alterados aquí a un nivel mínimo,
si es posible, para evitar deshacer la calibración capacidad de hecho antes.
probabilidades spillback - Este es un parámetro global que establece las probabilidades de vehículos en una cola para unirse a una cola aguas abajo y así bloquear una
intersección. Para intersecciones estrechamente espaciados con largas colas, una cola que bloquea una intersección aguas arriba tendrá un gran impacto en el rendimiento del
sistema. Por lo tanto, la calibración de este parámetro para que coincida con las condiciones locales es importante en estas circunstancias.
Tiempo para reaccionar a la desaceleración repentina del vehículo plomo - Este es un parámetro global que representa la cantidad de tiempo que un conductor comienza desacelerando
después de que el líder comienza una desaceleración repentina debido al tiempo de percepción / reacción. El valor predeterminado es 1,0 segundos. El aumento de este valor generalmente
resulta en el rendimiento del sistema degradado.
La media de la velocidad de flujo libre - Este es un parámetro de nivel de enlace que representa la velocidad media deseada de vehículos en la ausencia de cualquier impedancia debido a
otros vehículos o dispositivos de control de tráfico. Cada tipo de controlador tiene una velocidad de flujo libre diferente, basado en un multiplicador mundial (rangos de 75 por ciento para los
conductores conservadores a 127 por ciento para los conductores agresivos). Cambio de la distribución de la velocidad de flujo libre mediante la alteración de los multiplicadores globales no
se recomienda debido a una prueba de sensibilidad reciente mostró que el cambio de la distribución dio lugar a impactos inconsistentes y en ocasiones poco realistas sobre las MOE de
rendimiento del sistema. (dieciséis)
Como se mencionó anteriormente, la velocidad media de flujo libre se debe utilizar para la calibración del rendimiento del sistema en los niveles bajos de la congestión, como el parámetro está
destinado a modelar velocidades a las condiciones de flujo libre. Para condiciones de congestión, los otros parámetros mencionados anteriormente son más adecuados para la calibración de
la velocidad de flujo libre.
Como se mencionó anteriormente, la calidad de la progresión de pelotón puede tener un impacto significativo en el rendimiento (por ejemplo, retrasos, velocidades y paradas)
de arterias; por lo tanto, asegurar la progresión de pelotón es realista es un paso importante. Viendo la progresión de los vehículos en TRAFVU puede ser una herramienta
cualitativa útil para verificar la exactitud del modelo CORSIM al campo. Los parámetros alterados en este paso para calibrar el rendimiento del sistema también afectará a la
capacidad, por lo que se debe tener cuidado de no modificarlos en un grado que las capacidades de los principales cuellos de botella, ya calibrado en el primer paso, se
convierten en “sin calibrar” en este paso . Después de haber calibrado el de la capacidad en el primer paso probablemente resultará en los márgenes de exposición de
rendimiento del sistema del modelo sea razonablemente cerca del campo; así,
5.8 Clave Punto de Decisión: Compruebe los objetivos globales de calibración
En este punto, el analista hace una comprobación final de que todos los patrones de calibración se han satisfecho. Si es así, entonces el modelo está listo para pasar a la
etapa de análisis alternativas (capítulo 6). Si no es así, el analista debe repetir de nuevo a la calibración cuello de botella de la capacidad y el paso a través de cada uno de
los tres pasos de calibración de nuevo. El proceso de calibración es inherentemente un acto de equilibrio iterativo, como la alteración de un parámetro podría causar un
MOE para cumplir con su objetivo de calibración aún causar otro MOE a alejarse de su objetivo de calibración. Este podría ser el caso cuando se altera un parámetro para
la calibración de capacidad y luego temporales de ajuste más tarde para la calibración del rendimiento del sistema, sólo para encontrar que la puesta a punto causó la
capacidad de moverse fuera del objetivo de calibración. Si iteración a través de los pasos de calibración es necesario,
Si iteración repetida de calibración aún no da lugar a todos los patrones de calibración que deben cumplir, a continuación, el equipo del proyecto debe revisar los objetivos de
calibración para asegurarse de que son realistas dado el proyecto en cuestión. La relajación de ciertos patrones de calibración puede ser justificado si no afectan lugares críticos de la
red o si van a afectar mínimamente las decisiones generales de transporte están realizando.
Si repetidas iteraciones de calibración y la relajación razonable de patrones de calibración no dan lugar a un modelo satisfactorio, entonces el equipo del proyecto debe
reconsiderar el uso de las ETI / CORSIM para el proyecto en cuestión. La red y las condiciones modeladas pueden estar más allá de las capacidades del software.
limitaciones de software pueden ser identificados a través de una cuidadosa revisión de la documentación del software. Si las limitaciones de software son un problema,
entonces el analista tendrá que trabajar alrededor de las limitaciones para producir el rendimiento deseado. Si los límites son demasiado grandes, el analista puede buscar
un programa de software alternativa sin las limitaciones. analistas avanzados también pueden escribir su propia interfaz de software con las IAC / CORSIM (llamado “Run
Time Extension (RTE)) para superar las limitaciones y producir el rendimiento deseado.
5.9 Ejemplo Problema: la calibración del modelo
Excelsior Boulevard y Eastbound TH 7 (nodos 127 a 145). El enfoque de calibración empleado fue consistente con el que se muestra en la figura 45 anteriormente.
Calibración establecer márgenes de exposición y Objetivos
La tasa de descarga del circuito justo aguas abajo de los lugares de cuello de botella de la autopista fue elegida como la calibración de la capacidad del MOE. Los volúmenes de enlace se utilizaron como
el MOE para la etapa de calibración del volumen de tráfico. Para la calibración del rendimiento del sistema, la velocidad media de enlace y el tiempo de viaje en general eran los márgenes de exposición
primarias elegidas.
Un objetivo inicial se estableció que todos los MOEs modelo sería dentro de 10 por ciento de los MOEs de campo medida. Cualquier diferencia de más de 10 por ciento serían
revisados sobre una base caso por caso.
Calibrar Cuello de botella de capacidad
El principal cuello de botella dentro del área de estudio fue en la autopista en dirección norte 100 en la 25 salida ½ calle. El volumen de capacidad objetivo horas pico según lo medido en
el campo era 4.930 veh / h. La ubicación cuello de botella se extendía sobre un área más grande debido a la complejidad de las gotas de carriles y rampas muy próximas entre sí; sin
embargo, al final de la zona de congestión de la descarga de tráfico de la zona congestionada era un importante flujo de tráfico que era ideal para la calibración de la capacidad debido a
las colas de aguas arriba persistentes. La figura 53 muestra un dibujo esquemático de la HWY 100 área de estudio en dirección norte y lugares de cuello de botella existentes. El proceso
para calibrar la capacidad utilizada era:
1. Ajuste el “Coche siguiente factor de sensibilidad” para cada tipo de controlador en un porcentaje determinado.
2. Ejecutar el modelo de 10 veces.
3. Evaluar los resultados.

a. Si la capacidad de modelo (medida como el volumen de descarga inmediatamente aguas abajo del cuello de botella) coincide con la capacidad de campo a un
nivel aceptable, entonces se considera que la capacidad de calibrado y este paso es completa.
segundo. Si la capacidad de modelo no coincide con el objetivo de calibración, y luego repetir el proceso con los valores nuevos “coches siguiente factor de sensibilidad”. Si
la alteración de este parámetro no se traduce en la capacidad del modelo deseado después de varias iteraciones, se intentaría entonces otros parámetros relacionados
con la capacidad.
La Figura 53. Ilustración. Ejemplo problema: HWY 100 ubicaciones autopista cuello de botella.
La estrategia utilizada para ajustar el “coche después de los factores de sensibilidad” fue ajustar sistemáticamente el factor para cada tipo de controlador en el mismo porcentaje. En
el primer intento después de que el modelo de base se puso a prueba, se encontró que la capacidad de modelo a ser inferior a la capacidad de campo medido. Por lo tanto, el
“coche siguiente factores de sensibilidad” se redujeron en un 10 por ciento inicialmente para aumentar la capacidad del modelo. Durante el segundo intento, los factores se
redujeron en otro 10 por ciento. El segundo intento no tuvo un efecto significativo en los resultados, por lo que los mismos factores se utilizaron en el tercer intento y, además, el
“coche Pitt siguiente factor” se redujo de 10 a 5 para aumentar más la capacidad del modelo. La Tabla 13 resume el proceso utilizado en la calibración de la capacidad cuello de
botella en el norte HWY 100/25 ½ salida de la calle.
Tabla 13. Ejemplo problema: ajustes modelo para la calibración de la capacidad.
Iteración Coche siguiente factor de sensibilidad para cada tipo de controlador Pitt coches
Siguiendo
1 2 3 4 5 6 7 8 9 10 Factor
Defecto 1.25 1.15 1.05 0.95 0.85 0.75 0.65 0.55 0.45 0.35 10
1 1.13 1.04 0.95 0.86 0,77 0.68 0.59 0.50 0.41 0.32 10
2 1.02 0.94 0.86 0,77 0.69 0.61 0.53 0.45 0.37 0.29 10
3 1.02 0.94 0.86 0,77 0.69 0.61 0.53 0.45 0.37 0.29 5
La Figura 54 muestra el volumen medido sobre el terreno y con las diversas iteraciones del modelo en el HWY 100 / 25a ½ salida de la calle cuello de botella. Como se muestra,
los valores de modelo por defecto como resultado la capacidad de cuello de botella siendo 16,9 por ciento menor que el medido en el campo. Sin embargo, por la tercera iteración,
la capacidad modelo fue sólo 2,7 por ciento menor que el medido en el campo, bien dentro del objetivo de calibración 10 por ciento.
La Figura 54. Grafico. Ejemplo problema: la calibración de la capacidad en dirección norte HWY 100/25 ½ salida de la calle. Calibrar el volumen de tráfico
El 100 de red HWY es lineal con no hay rutas alternativas posibles entre cada origen y destino. Por lo tanto, como se describe anteriormente en la sección 5.6, la calibración de los
volúmenes de tráfico no era necesario. Una comprobación de los volúmenes de enlace en el pasillo HWY 100 confirmó que todos los volúmenes modelados estaban dentro del objetivo
de calibración 10 por ciento. Los volúmenes de enlace se muestran en la Tabla 14. Como se muestra en la tabla, los volúmenes modelo variaron de 3,3 por ciento inferior a 5,5 por ciento
más que los volúmenes de campo. Una comprobación similar se hace por las calles superficie modelada alrededor de los intercambios y también encontró los volúmenes modelo para
estar dentro del objetivo de calibración.
Tabla 14. Ejemplo problema: NB HWY volúmenes de tráfico pico 100 AM.
Segmento
Volumen de campo modelo de Volumen Diferencia
(Veh / h) (Veh / h) porcentual
NB TH 100 - TH 62 EB Salir 3120 3124 + 0.13
TH 62 EB Salir - TH 62 Entrada EB 2848 2825 - 0,81
TH 62 EB Entrada - TH 62 WB Salir 3482 3465 - 0.49
TH 62 WB Salir - TH 62 de entrada de WB 2943 2957 + 0.48
TH 62 WB Entrada - Benton Ave. Entrada 3640 3661 + 0.58
Benton Ave. Entrada - 50th St. Exit 3901 3921 + 0.51
50th St. Salir - 50th St. EB entrada 3344 3410 + 2.0
La entrada de 50th St. BM - 50th St. EB entrada 3683 3760 + 2.1
50th St. BM Entrada - Excelsior Blvd. Salida 4021 4103 + 2.0
Excelsior Blvd. Salir - Salir 36th St. 3044 3140 + 3.2
36th St. Salir - 36th St. Entrada 2431 2561 + 5.4
36th St. Entrada - TH 25 / TH 7 EB Salir 3204 3345 + 4.4
TH 25 / TH 7 EB Salir - TH 25 / TH 7 EB entrada 3149 3286 + 4.4
TH 25 / TH 7 EB Entrada - TH 25 / TH 7 Salir WB 3782 3882 + 2.6
TH 25 / TH 7 BM Salir - TH 25 / TH 7 de entrada de WB 3721 3769 + 1.3
TH 25 / TH 7 BM Entrada - Minnetonka Blvd. Salida 3963 3964 + 0.03
Minnetonka Blvd. Salir - Minnetonka Blvd. Entrada 3913 3879 - 0.87
Minnetonka Blvd. Entrada - 25 ½ San Salir 4930 4799 - 2.7
25 ½ San Salir - I-394 EB Salir 4488 4340 - 3.3
I-394 EB Salir - Cedar Lake Rd. Entrada 2842 2784 - 2.0
Cedar Lake Rd. Entrada - Entrada I-394 EB 3139 3086 - 1.7
I-394 EB Entrada - I-394 WB Salir 3590 3527 - 1.8
Nota: El “volumen de modelo” representa los volúmenes basados en el modelo después de la etapa de calibración capacidad es completa.
Calibrar el rendimiento del sistema
Después de que el modelo fue calibrado con éxito para los volúmenes de oferta y demanda, el modelo fue calibrado para el rendimiento del sistema. Las medidas de rendimiento del sistema primarios utilizados fueron velocidades
medias de enlace y sobre todo el tiempo de viaje, mientras que se utilizaron otras medidas tales como retardo de control, densidad media, y longitudes de cola para calibrar los puntos de congestión localizadas. Varias iteraciones de
valores de los parámetros cambiantes fueron juzgados en una manera similar a la explicada en la etapa de calibración de la capacidad. El “coche siguiente multiplicador de sensibilidad”, “velocidad media de flujo libre”, y el carril
anticipatoria cambiar los parámetros fueron los principales parámetros utilizados para la calibración del rendimiento del sistema. La Tabla 15 muestra los valores finales de los parámetros de calibración para la calibración el
rendimiento del sistema de la autopista, con esos parámetros ha cambiado de sus valores por defecto resaltados. Además de los que se muestran en la tabla, los parámetros de cambio de carril anticipatoria se ajustaron justo aguas
arriba de los TH 25 / TH 7 EB de entrada y TH 25 / TH 7 rampas de entrada de WB para evitar esencialmente los cambios de carril de anticipación que se produzcan (cambiando la velocidad mínima gatillo a 16,1 km / h (10 millas /
h) y la distancia punto de reacción a 3,0 m (10 pies)). Esto se hizo para el comportamiento del conductor de manera más realista modelo en esta sección, ya que la mayoría de los conductores no se movían hacia la izquierda aguas
arriba de la fusión debido a que muchos de ellos fueron posicionando a salir de la autopista en una próxima rampa. 1 kmh (10 mi / h) y la reacción punto distancia a 3,0 m (10 pies)). Esto se hizo para el comportamiento del
conductor de manera más realista modelo en esta sección, ya que la mayoría de los conductores no se movían hacia la izquierda aguas arriba de la fusión debido a que muchos de ellos fueron posicionando a salir de la autopista en
una próxima rampa. 1 kmh (10 mi / h) y la reacción punto distancia a 3,0 m (10 pies)). Esto se hizo para el comportamiento del conductor de manera más realista modelo en esta sección, ya que la mayoría de los conductores no se
movían hacia la izquierda aguas arriba de la fusión debido a que muchos de ellos fueron posicionando a salir de la autopista en una próxima rampa.
Tabla 15. Ejemplo problema: valores finales de calibración de rendimiento del sistema
para NB HWY 100.
Segmento
La media de velocidad de flujo libre Siguiendo coche
(Mi / h) Sensibilidad Multiplicador
NB TH 100 - TH 62 EB Salir sesenta y cinco 100
TH 62 EB Salir - TH 62 Entrada EB sesenta y cinco 100
TH 62 EB Entrada - TH 62 WB Salir sesenta y cinco 100
TH 62 WB Salir - TH 62 de entrada de WB sesenta y cinco 100
TH 62 WB Entrada - Benton Ave. Entrada sesenta y cinco 100
Benton Ave. Entrada - 50th St. Exit sesenta y cinco 100
50th St. Salir - 50th St. EB entrada sesenta y cinco 100
La entrada de 50th St. BM - 50th St. EB entrada sesenta y cinco 100
50th St. BM Entrada - Excelsior Blvd. Salida sesenta y cinco 120
Excelsior Blvd. Salir - Salir 36th St. sesenta y cinco 140
36th St. Salir - 36th St. Entrada sesenta y cinco 140
36th St. Entrada - TH 25 / TH 7 EB Salir 60 120
TH 25 / TH 7 EB Salir - TH 25 / TH 7 EB entrada 60 120
TH 25 / TH 7 EB Entrada - TH 25 / TH 7 Salir WB 60 120
TH 25 / TH 7 BM Salir - TH 25 / TH 7 de entrada de WB 60 110
TH 25 / TH 7 BM Entrada - Minnetonka Blvd. Salida 60 100
Minnetonka Blvd. Salir - Minnetonka Blvd. Entrada 60 90
Minnetonka Blvd. Entrada - 25 ½ San Salir 60 80
25 ½ San Salir - I-394 EB Salir sesenta y cinco 90
I-394 EB Salir - Cedar Lake Rd. Entrada sesenta y cinco 100
Cedar Lake Rd. Entrada - Entrada I-394 EB sesenta y cinco 100
I-394 EB Entrada - I-394 WB Salir sesenta y cinco 100
Nota: Las celdas sombreadas representan los valores que se han cambiado de su forma predeterminada durante el proceso de calibración.
Como resultado de los esfuerzos de calibración, la velocidad media de todos los enlaces estaban dentro de un seis por ciento de las velocidades de campo durante la hora pico de la mañana y
dentro de cinco por ciento durante la hora pico de la tarde de HWY hacia el norte 100. Unos enlaces individuales eran más del 10 por ciento de distancia de las mediciones de campo, pero
estos se consideraron aceptables dada la dificultad en la adecuación de velocidades para una sección de autopista grande con condiciones de congestión. La Figura 55 muestra los resultados
de la calibración de la velocidad de pico media hora AM para HWY northbound 100. Como se muestra, el modelo reproduce las velocidades en HWY northbound 100 mucho más de cerca
después de la calibración que con el modelo de base.
La Figura 55. Grafico. Ejemplo problema: resultados de la calibración de velocidad para

hacia el norte HWY 100 durante el pico de la mañana.
Mientras que el gráfico anterior muestra una calibración que se ha realizado mediante una hora velocidades medias agregados, las variaciones en las velocidades medias de 15 minutos
durante todo el período de análisis de tres horas también se calibraron en lugares clave. La Figura 56 muestra un gráfico típico que se utilizó para comparar las velocidades de campo y de
modelo en los enlaces individuales. Como se muestra, el modelo subestima ligeramente las velocidades de campo pero coincide con el perfil general de velocidad, ya que disminuye con el
tiempo.
La Figura 56. Grafico. Ejemplo problema: resultados de la calibración de velocidad para

hacia el norte HWY 100 en WB TH 7 Salir durante la AM pico.
Un proceso de calibración similar se utilizó para calibrar otros MOEs de rendimiento del sistema, tales como el tiempo total de viaje por el corredor, la densidad y hacer cola en
lugares congestionados, y el retardo de control y las colas en las intersecciones señalizadas en los terminales de intercambio.
Clave Punto de Decisión: Compruebe los objetivos globales de calibración
Una revisión se completó de todos los márgenes de exposición de calibración y si cumplían con los objetivos de calibración establecidos. Se encontró que los márgenes de exposición para ser bien
calibrada y, mientras que unos pocos MOEs tales como velocidades medias de enlace superaron el objetivo, el modelo representado en general las condiciones de campo, así como podría
esperarse dado que éste es un modelo de simulación grande con la congestión existente.
Despues de analizar v Los Resultados de la calibración con el equipo del Proyecto, se establecio el Consenso de Que El modelo ESTABA Completamente calibrado y listo
para procedure Al Paso de Análisis de Alternativas.

FHWA Office of Operations - Section 5.0 - Calibration - En.es

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

FHWA Office of Operations - Section 5.0 - Calibration - En.es

Uploaded by

Copyright:

Available Formats

13/4/2019 Oficina de Operaciones de la FHWA - Sección 5.

5.1 Objetivos de la calibración.

5.2 Enfoque de calibración

Figura 45. Diagrama de Flujo. Enfoque de calibración.

5.3 Establecer calibración MOE y Objetivos

5.3.1 Selección de Calibración MOE

MOE volumen de tráfico

MOE rendimiento del sistema

5.3.2 El establecimiento de patrones de calibración

Tabla 11. Wisconsin DOT modelo autopista blancos de calibración. (14)

Criterios MOE Los objetivos de calibración de aceptación

Flujos por hora, frente al modelo individual observado

Enlace Flujos <700 veh / h

Dentro de 100 veh / h de flujo de campo para> 85% de los

700 a 2.700 veh / h Dentro de 15% del flujo de campo para

Tiempos de viaje, Modelo frente observado

Las auditorías visual

Velocidades de enlace individuales relación de flujo de velocidad visualmente aceptable

Los cuellos de botella puesta en cola visualmente aceptable a

dónde: E = volumen estimado modelo

La Figura 46. Ecuación. El cálculo de la GEH Estadística. (14)

5.4 Consideraciones CORSIM Run

5.4.1 Se ejecuta múltiples CORSIM

Figura 47. Ecuación. Determinar el número apropiado de la simulación se ejecuta en completarse.

Marco 5.4.2 Simulación

5.4.3 Exclusión de período de inicialización

5.4.4 Enlace agregaciones en secciones

5.5 Calibrar Capacidad en Key cuellos de botella

La Figura 48. Ilustración. ubicaciones autopista de cuello de botella típicos.

5.5.1 Capacidad de calibración autopista

Tabla 12. Ejemplo de ajuste del factor de sensibilidad auto-siguiente.

La Figura 49. Figura. Ejemplo de sensibilidad de coche siguiente sensibilidad

5.5.2 Superficie de calibración Calle Capacidad

La Figura 50. Figura. Ejemplo de sensibilidad de avanzar media de descarga en

5.6 Calibración de los volúmenes de tráfico

Calibración del volumen 5.6.1 tráfico de la autopista

5.6.2 Superficie de calibración del volumen de tráfico de la calle

Rendimiento 5,7 Sistema de Calibración

5.7.1 Autopista Rendimiento Sistema de calibración

Rendimiento 5.7.2 Calibración del sistema arterial

5.8 Clave Punto de Decisión: Compruebe los objetivos globales de calibración

5.9 Ejemplo Problema: la calibración del modelo

Calibración establecer márgenes de exposición y Objetivos

Calibrar Cuello de botella de capacidad

2. Ejecutar el modelo de 10 veces.

3. Evaluar los resultados.

Tabla 13. Ejemplo problema: ajustes modelo para la calibración de la capacidad.

NB TH 100 - TH 62 EB Salir 3120 3124 + 0.13

TH 62 EB Salir - TH 62 Entrada EB 2848 2825 - 0,81

TH 62 EB Entrada - TH 62 WB Salir 3482 3465 - 0.49

TH 62 WB Salir - TH 62 de entrada de WB 2943 2957 + 0.48

TH 62 WB Entrada - Benton Ave. Entrada 3640 3661 + 0.58

Benton Ave. Entrada - 50th St. Exit 3901 3921 + 0.51

50th St. Salir - 50th St. EB entrada 3344 3410 + 2.0

La entrada de 50th St. BM - 50th St. EB entrada 3683 3760 + 2.1

50th St. BM Entrada - Excelsior Blvd. Salida 4021 4103 + 2.0

Excelsior Blvd. Salir - Salir 36th St. 3044 3140 + 3.2

36th St. Salir - 36th St. Entrada 2431 2561 + 5.4

36th St. Entrada - TH 25 / TH 7 EB Salir 3204 3345 + 4.4

TH 25 / TH 7 EB Salir - TH 25 / TH 7 EB entrada 3149 3286 + 4.4

TH 25 / TH 7 EB Entrada - TH 25 / TH 7 Salir WB 3782 3882 + 2.6

TH 25 / TH 7 BM Salir - TH 25 / TH 7 de entrada de WB 3721 3769 + 1.3

TH 25 / TH 7 BM Entrada - Minnetonka Blvd. Salida 3963 3964 + 0.03