Mapas de calor a partir de floating car data para la monitorización y gestión del tráfico

*Por el Ing. Iñaki Eguiara Garay, responsable del Área de Investigación de Tráfico, Dirección de Tráfico, Gobierno Vasco, España y presidente del Comité de Fusión de Datos de ITS España.

 

Cada vez parece más claro que el futuro de la monitorización del tráfico pasa por fusionar, de manera eficaz, información obtenida de fuentes diversas. No existe en la actualidad ninguna tecnología que permita la monitorización completa del estado del tráfico a lo largo de toda la red de manera continua. Cuando decimos esto nos referimos a disponer de información referente a tramos de carretera que estén en el orden de los 100 metros de longitud. Esto permite contar con la granularidad adecuada como para poder observar cambios de velocidad que alerten e informen de variaciones del estado del tráfico lo suficientemente detalladas. En el presente artículo voy a presentar la metodología utilizada para fusionar datos obtenidos mediante técnicas de vehículo flotante (Floating Car Data – FCD) y datos de tráfico medidos en estaciones de toma de datos clásicas, sean éstas de la tecnología que sean, detectores electromagnéticos, piezas eléctricas, doble o triple tecnología visión artificial, etc.
Vaya por delante que damos por supuesto que se respeta la privacidad de todos los usuarios y que los datos fueron debidamente anonimizados. Este es un asunto crítico que merece una reflexión profunda pero que no es objeto del presente artículo.
Los datos de vehículo flotante se basan en las posiciones que envían de manera continuada los dispositivos de navegación conectados en tiempo real, instalados en fábrica por el constructor o adquiridos posteriormente en un comercio, los teléfonos inteligentes equipados con aplicaciones de navegación y/o, en general, cualquier dispositivo equipado con señal GPS que esté enviando su posición de manera constante a cualquier servidor para poder recibir información de interés basada en la localización geográfica.
Dichos pares de valores (posición-tiempo) permiten calcular la velocidad y los tiempos de recorrido. Si realizamos un análisis continuado de cada emisor, podremos obtener además matrices origen-destino.
Todo el mundo sabe por experiencia que el tráfico se comporta de manera muy estable y repetitiva, por lo que se pueden establecer patrones. De manera análoga a que disponemos de curvas patrón de intensidades de tráfico que se repiten para días laborables, festivos y operaciones especiales de tráfico como salida-retorno de vacaciones, festividades locales y grandes manifestaciones deportivas; también podremos obtener curvas patrón de velocidad para esos mismos períodos temporales.
Conocidos dichos patrones podremos derivar otras variables como las relaciones entre la velocidad medida y la de flujo libre, la velocidad medida en un determinado momento y velocidad medida del patrón. Lo mismo que lo dicho para velocidades se aplica a los tiempos de recorrido.
La gran aportación de la técnica del vehículo flotante es que nos “rellena” la gráfica entre datos obtenidos de estaciones de toma de datos que se encuentran separadas entre sí desde varios cientos de metros hasta varios kilómetros. Sin embargo, no nos informan del valor intensidad ya que se basan en la información obtenida de una muestra de los vehículos que circulan, desconociéndose en cada momento el tamaño de la muestra. Esta carencia la suple la información recogida de las estaciones de toma de datos. Las intensidades se mantienen a lo largo de todo un tramo delimitado por los nudos de entrada y salida. Dado que las mismas también

Figura 1: Captura desviación velocidades.

miden velocidad, utilizaremos dicha información para contrastar y calibrar la información FCD en la sección donde se encuentre ubicada dicha estación.
Sólo con la información FCD ya se pueden obtener mapas de calor cualitativos que nos permitan detectar y estudiar el comportamiento de las congestiones y su evolución a lo largo del espacio y el tiempo. Utilizando cualquiera de las variables anteriormente mencionadas Vreal/Vfree flow, tiempo de recorrido/tiempo de recorrido en free flow, etc podemos ver perfectamente representado el comportamiento de un tramo de carretera a lo largo de un período temporal determinado.

  • Vreal vs Vfree flow

Si bien la gráfica supone un gran avance en la manera de analizar el comportamiento de la red, podemos mejorar su funcionalidad mediante la fusión con las intensidades de tráfico obtenidas en estaciones de toma de datos. Las intensidades serían la tercera dimensión de una gráfica 3D.

  • Intensidades
Figura 2: Captura intensidad.

Utilizaremos para ello la variable tiempo perdido, que es el tiempo de recorrido medido real – tiempo de recorrido en ese momento según el patrón. Si multiplicamos en cada segmento el tiempo perdido por el número de vehículos que se encuentran circulando por él, podremos cuantificar el tiempo perdido total de todos los vehículos que circulan por el tramo. Si somos capaces de realizar de manera automática los mapas de calor de todos los tramos de una determinada red, podremos ir midiendo de manera continua el tiempo total perdido por los usuarios  de la misma a lo largo del año.

  • Tiempo perdido
Figura 3: Captura tiempo perdido.

Si a este tiempo perdido se le aplica un coste horario, se puede obtener el coste económico que suponen las congestiones. Se podría distinguir aquí entre las congestiones habituales recurrentes, en que la demanda supera a la oferta, y las producidas por un incidente. En el primer caso, el resultado obtenido puede servir para la ayuda en la toma de decisiones en cuanto a la planificación de nuevas infraestructuras  o aumento de capacidad de las existentes. En el segundo, sirve para evaluar la eficacia de los planes de gestión de tráfico ante incidentes que se estén aplicando.

UN CASO REAL
El accidente analizado corresponde al vuelco de un camión cisterna que corta el tránsito de una autopista periurbana de una gran ciudad. Realizada la fusión de los datos disponibles de acuerdo a la metodología que se acaba de describir, se puede observar el alcance de las congestiones y la duración de las mismas. En total se perdieron 2.730 horas que supusieron una pérdida económica  de unos 37.000 dólares aproximadamente.
La metodología presentada se aplica en la actualidad en una herramienta desarrollada ad hoc que está permitiendo obtener diariamente las gráficas mostradas en el presente artículo para 26 tramos que componen la red principal de carreteras de nuestra región, lo que supone más de 1.000 kilómetros en total.