Perfil velocidad operación

1. 1/13
____________________________________________________________________________________________
Parte 1
Diseño geométrico
Perfiles de Velocidad Conti-
nuos para Investigar el
Comportamiento del Con-
ductor en CR2C
https://www.researchgate.net/publication/295893868_Continuous_Speed_Profiles_to_Investi
gate_Drivers'_Behavior_on_Two-
Lane_Rural_Highways/link/56e1368c08ae9b93f79c471e/download
Para mejorar la coherencia del diseño vial,
varios estudios desarrollaron modelos de
predicción de velocidad de operación e
investigaron el comportamiento de velo-
cidad de los conductores. La mayoría de
los modelos actuales se basan en datos
de velocidad de puntos que asumen velo-
cidad de operación constante a lo largo de
las curvas horizontales, y la aparición de
aceleración y desaceleración sólo en rec-
tas. Para superar las limitaciones asocia-
das con los modelos existentes, el pre-
sente estudio investigó los perfiles de ve-
locidad continua con un experimento que
usa un simulador de conducción dinámica
de alta-fidelidad sobre un camino rural de
dos carriles, CR2C. Para eliminar el ruido
en el conjunto de datos, preservar los es-
quemas subyacentes y localmente sope-
sar la suavidad de la regresión dispersa
se usó un modelo de regresión lineal pie-
cewise. Sobre la base de los perfiles de
velocidad alisados se desarrollaron mode-
los para predecir la velocidad en curvas y
rectas, y las tasas de desaceleración y
aceleración para usar en los perfiles de
velocidad de operación, y puntos inicial y
final de velocidad de operación constante
en curva. El radio de la curva afectó nota-
blemente la velocidad de operación en la
curva y en la recta siguiente: a menor ra-
dio, menor velocidad de operación en la
recta de salida. La aceleración y desacele-
ración aumentan con la curvatura. Este
estudio encontró que la velocidad de ope-
ración no es constante a lo largo de las
curvas. En curvas de radios pequeños, la
desaceleración terminó cerca del centro
de la curva, y la aceleración comienza casi
al final de la curva. Al aumentar el radio de
curva, el punto final de la deceleración se
mueve hacia el principio de la curva,
mientras que el inicio de la aceleración se
mueve hacia el centro de la curva.
__________________
La predicción de los perfiles de velocidad es
una de las cuestiones clave usadas para eva-
luar la coherencia de diseño. Un camino de
diseño coherente garantiza que los elemen-
tos sucesivos están coordinadas de tal mane-
ra que producen un armonioso y homogéneo
comportamiento del conductor a lo largo del
camino. La práctica manifiesta que un ali-
neamiento incoherente requiere que los con-
ductores manejen variaciones de velocidad
de forma segura sobre ciertos elementos del
alineamiento.
Estimar la diferencia de velocidad desde una
aproximación recta a una curva horizontal es
un medio efectivo para evaluar la coherencia
de diseño; es decir, la conformidad de la
geometría vial con las expectativas del con-

2. 2/13
____________________________________________________________________________________________
ductor (1)
Los resultados de la investigación muestran
que las incoherencias del alineamiento afec-
tan significativamente a la seguridad vial,
destacando así la importancia de identificar
incoherencias en los caminos y su importante
contribución a la seguridad (2-11). Se desa-
rrollaron muchos modelos predictivos para
estimar las velocidades de operación (12).
La forma de los modelos y su número de va-
riables pueden variar considerablemente (13).
La mayoría se basan en datos de velocidad
recopilados mediante la medición de veloci-
dades individuales de una muestra de
vehículos que pasan por un lugar determina-
do. Los estudios de velocidad de lugares se
usan para determinar la distribución de la ve-
locidad en una secuencia de tránsito en una
ubicación específica. La mayoría de los mo-
delos calculan las velocidades de operación
por asumir constantes de velocidad en cur-
vas y, por tanto, la desaceleración y acelera-
ción que se producen exclusivamente en el la
aproximación y recta de salida. Con estas
premisas se recopilan datos de velocidad de
puntos en el centro de la curva horizontal y
en el punto medio de la recta anterior. Las
velocidades máximas y mínimas pueden no
ocurrir en el centro de rectas y curvas. Ya
que los datos de velocidad no se recogen en
el principio y fin de aceleración o desacelera-
ción, los perfiles resultantes de aceleración y
desaceleración no representan de forma pre-
cisa el comportamiento de los conductores.
Las longitudes de aceleración y desacelera-
ción no se pueden determinar, por lo que las
tasas de aceleración y deceleración real no
pueden obtenerse con precisión. Los perfiles
continuos de velocidad permiten a los inves-
tigadores a superar estos problemas e inves-
tigar con exactitud la desaceleración, acele-
ración, velocidad y diferenciales. En los últi-
mos años, los perfiles de velocidad continua
se desarrollaron mediante vehículos instru-
mentados (14-17) y simuladores de conduc-
ción (18-20), mostrando así el potencial para
una investigación más precisa del comporta-
miento de los conductores.
Para dar resultados útiles relacionados con
los patrones de comportamiento de los con-
ductores y desarrollar modelos de velocidad
de operación sin presunciones subyacentes
predefinidas, y evitar las deficiencias de la
colección de datos de velocidad puntual, este
documento investigó el comportamiento de
velocidad de los conductores con un simula-
dor de conducción para obtener los perfiles
de velocidad. Los simuladores de conducción
permiten a los investigadores realizar expe-
rimentos en condiciones controladas, recoger
datos fiables, y explicar las interacciones en-
tre los conductores y el entorno vial (18-24),
a pesar de las deficiencias que pueden incluir
limitaciones físicas y realismo, defectos del
simulador y la validez (25). La cuestión de la
validación del simulador como una útil he-
rramienta de investigación puede abordarse
mediante la ampliación de los resultados ex-
perimentales a situaciones de la vida real.
Más de 60 investigaciones plenas con simu-
ladores de conducción, de propiedad y ope-
ración de instituciones académicas, centros
de investigación, gobierno y los fabricantes
de vehículos en todo el mundo dan suficiente
evidencia de los beneficios que los simulado-
res de conducción dan a la investigación vial.
MÉTODO
Participantes
El estudio involucró a 54 participantes selec-
cionados sobre la base de sus respuestas a
un cuestionario. Cuatro temas, tres mujeres y
un hombre, se retiraron del experimento de-
bido a la descompostura del simulador. Cin-
cuenta participantes, 33 hombres y 17 muje-
res, cuyas edades oscilaban entre
De 21 a 62 años (media = 32,2, desviación
estándar = 11,4), finalizado el experimento.

3. 3/13
____________________________________________________________________________________________
Todos los participantes celebraron una licen-
cia de conducir y tenía un mínimo de cuatro
años de experiencia de conducir (media =
14,3 años, desviación estándar = 10,6). Cua-
renta y siete participantes procedían de Italia,
dos eran de las federaciones rusas, y uno del
Reino Unido.
Camino experimental
La simulación consistió en un camino rural de
dos carriles, con una anchura de carril de
3,50 m y 1,25 m de banquinas. La ruta expe-
rimental comprendió una sucesión de rectas
con longitud de 800 m y radios de curvas en-
tre y 800 m, con un ángulo de desviación de
45 ° (Tabla 1). Las longitudes rectas se dise-
ñaron para permitir a los conductores llegar a
su velocidad deseada. Las transiciones entre
las rectas y curvas se realizaron sin espira-
les porque la mayoría de los CR2C no las
tienen. Las pendientes transversales se dise-
ñaron según las normas de diseño geométri-
co italianas (26). En las rectas hubo una co-
rona en el centro y pendientes transversales
descendentes de 2,5% hacia los bordes. En
las curvas el peralte se determinó sobre la
base del equilibrio dinámico respecto del des-
lizamiento según la ecuación de punto-masa:
El peralte máximo en curva fue 7%. La per-
cepción del peralte por el conductor fue ga-
rantizada por la fuerza de retroalimentación y
la aceleración dadas por un avanzado siste-
ma de fuerza en el volante de dirección, y por
una plataforma de movimiento eléctrico de
seis grados de libertad de movimiento. La
pendiente longitudinal fue nula a lo largo de
toda la ruta.
La línea central fue continua desde 150 m
antes a 150 m después de cada curva. Las
líneas de borde fueron continuos durante to-
do el camino experimental. Se instalaron de-
lineadores montados en postes en ambos la-
dos del camino con un especiado de 50 m en
rectas y 20 m en curvas. Los alrededores si-
mulaban un típico ambiente rural, sin ningún
obstáculo en la distancia visual. Se simuló
tránsito ocasional en sentido opuesto al del
conductor. Se añadió una sección de calen-
tamiento unos 5 km antes de la pista de
pruebas.
Aparatos
El experimento fue realizado en el entorno
virtual para la Seguridad Vial (VERA), simu-
lador de conducción dinámica en el Laborato-
rio de Seguridad Vial de la Universidad Fede-
rico II de Nápoles, en Italia (Figura 1).
La cabina del simulador, mitad de un verda-
dero Citroën C2, está equipado con controla-
dores estándares e instrumentación, y mon-
tado sobre una plataforma de movimiento.
Tres pantallas planas (3 × 4 m) se encuen-
tran alrededor de la cabina. La escena visual
se proyecta sobre una alta resolución
(…)

4. 4/13
____________________________________________________________________________________________
Procedimiento experimental
(…)
MÉTODO ANÁLISIS
Análisis de datos
Los datos de velocidad se tomaron con una
frecuencia de 20 Hz y se interpolaron cada 5
m. Los datos de velocidad se preprocesaron
probando suposiciones de la normalidad y e
homocedasticidad.
Dado que diferentes pruebas de normalidad
a menudo producen resultados diferentes, se
verificó la suposición de normalidad.
(…)
El perfil de velocidad
En general, se supone que la velocidad es
constante en las curvas circulares y varía en
la espiral de las transiciones y en las tangen-
tes (1). Dado que este estudio se basa en las
mediciones de velocidad continua, los seg-
mentos con velocidad constante o variable se
definieron en relación con el perfil de veloci-
dad.
La hipótesis del estudio, basado en la biblio-
grafía es que la velocidad es constante o
cambia con la aceleración o deceleración
constante, es decir, con movimiento unifor-
memente decelerado o acelerado (1, 5). Es
más, la aproximación de asumir un perfil de
velocidad lineal a través de la distancia. En
este caso, un solo modelo lineal no puede
dar una descripción adecuada; diferentes
ecuaciones de regresión en las diferentes
partes del espacio de regresión son necesa-
rias para modelar adecuadamente la variable
respuesta.
(…)
__________________________________________________________________________

5. 5/13
____________________________________________________________________________________________
Resultados y Discusión
Compatible con todos los estudios previos
sobre las velocidades de operación (Tabla 2),
la velocidad de operación en curvas disminu-
ye considerablemente con el aumento de la
curvatura. Según el modelo (Figura 3), la ve-
locidad de operación de una curva con radio
de 800 m es de 6 km/h mayor que la veloci-
dad de operación de una curva con radio de
400 m (119 frente a 113 km/h y 31 km/h ma-
yor que la velocidad de operación de una
curva con radio de 125 m (119 frente a 88
km/h). En un simulador de conducción diná-
mica anterior experiencia que analizaron las
curvas con radios de 400 m, predijo que la
velocidad de operación en las curvas de ra-
dio de 400 fue de 114 km/h (frente a 113
km/h en el presente estudio). Los modelos
italianos basado en el mundo real spot medi-
das velocidad velocidades de operación pre-
visto en las curvas de radio de 400 m que
oscilan entre 96 y 111 km/h (34, 37, 38). En
un simulador de conducción fija el estudio,
Bella y Agostini curva predicha funcionando a
una velocidad de 107 km/h (18). Así, los re-
sultados de este estudio son coherentes con
anteriores estudios del mundo real, y con los
modelos de simulador de velocidad de ope-
ración calibrado en estudios del mundo real
(1).
En particular, incluso en las tangentes de 800
m de largo, el radio de la curva afecta consi-
derablemente la velocidad de operación de la
tangente de la curva siguiente. Cuanto más
pequeño sea el radio, menor será la veloci-
dad de operación de la salida tangente (Figu-
ra 3). Un resultado similar fue encontrado
también por Memon y otros (39) y por Pérez
Zuriaga y otros (15) en el mundo real los es-
tudios de velocidad estudios realizados por
vehículos instrumentados. Según el modelo,
la velocidad de operación de un largo tangen-
te siguiendo una curva con un radio de 125 m
es de 14 km/h menor que la velocidad de
operación de una tangente siguiendo una
curva con un radio de 400 m (117 frente a
131 km/h y 17 km/h menor que la velocidad
de operación de una tangente siguiendo una
curva con radio de 800 m (117 frente a 134
km/h). Este resultado es especialmente rele-
vante en el diseño de evaluaciones de cohe-
rencia, ya que se supone que todo lo demás
igual, el diferencial de velocidad recta-curva,
coherencia medida con el mayor efecto de
seguridad ( 2 y 11 ) es mucho mayor cuando
las rectas son precedidas por curvas con un
radio grande.
Inverso de la curvatura (radio) también afecta
las tasas de aceleración y desaceleración.
Tanto la aceleración y desaceleración au-
mentan con la curvatura. La aceleración au-
menta levemente con la curvatura, mientras
que la desaceleración aumenta considera-
blemente con la curvatura. En curvas con un
radio de 800 m, la deceleración es 60% ma-
yor que el índice de aceleración (0,38 versus
0,24 m/s 2), y en las curvas con un radio de
125 m, la deceleración es 5 veces el índice
de aceleración (2,46 versus 0,51 m/s 2). Se-
gún el modelo, las curvas de radio central
(R = 400) tienen una tasa de desaceleración
de 0,77 m/s 2 y una tasa de aceleración de
0,29 m/s 2. Desaceleración tarifas superiores
a las tasas de aceleración Int (+), Δ L DC (-),
la FCR6 (+)
Nota : R = radio de curva; L = longitud de
enfoque tangente; L dt = longitud de salida
tangente; L c = longitud de la curva; K = ta-
sa media de la curvatura de la curva verti-
cal horizontal; a = tasa de aceleración al
salir de la curva ascendente; D = tasa de
desaceleración cuando se aproxima la cur-
va; int = interacción entre acercándose a
velocidad y longitud de curva; Δ R = radio
de curva horizontal menos anterior radio de

6. 6/13
____________________________________________________________________________________________
curva horizontal; Δ L uc = longitud de la cur-
va horizontal anterior menos la longitud de
curva; Δ L dc = longitud de la curva horizon-
tal menos longitud de curva horizontal pos-
terior; RHR6 = clasificación de peligros en
la camino es de 6. NA = no disponible.
Se encuentran también en estudios del mun-
do real.
En un estudio realizado en un camino rural
en Italia con un vehículo instrumentado, Mon-
tella y otros calcularon que la desaceleración
tasas fueron aproximadamente el doble de
los niveles de aceleración (14). Figueroa y
Tarko (40) estiman que estos tipos de CR2C
en Maryland como 0,73 y 0,49 m/s 2 , y Mar-
chionna y Perco (34 ) estiman estas tasas en
caminos italianos 0,43 y 0,38 m/s 2 en una
curva con radio de 400 m. En un anterior es-
tudio del simulador, Montella y otros calcula-
ron que la aceleración y desaceleración de
las tasas de una curva con un radio de 400 m
igual a 0,66 y 0,37 m/s 2, respectivamente
(18).

7. 7/13
____________________________________________________________________________________________

8. 8/13
____________________________________________________________________________________________
Un resultado importante de este estudio es
que la velocidad de operación no es constan-
te a lo largo de toda la curva (Figura 4). En
curvas de radios pequeños, deceleración
termina cerca del centro de la curva y la ace-
leración comienza cerca del final de la curva.
(Para curvas de radio de 125 m, deceleración
termina en un tercio de la aceleración y la
curva comienza en la curva final.) Aumentar
el radio de curva, el punto final de la decele-
ración se mueve hacia el comienzo de la cur-
va, mientras que el principio de aceleración
se mueve hacia el centro de la curva. (Para
curvas de radio de 800 m, deceleración ter-
mina en el comienzo de la curva de acelera-
ción y empieza a un décimo de la curva).
En la Tabla 2 y la Tabla 3, una comparación
de este estudio con los estudios anteriores se
sintetiza en detalle (12, 15-18, 33-46). Los
estudios incluidos en la comparación se clasi-
fican en relación al país, el tipo de medida de
velocidad (por ejemplo, spot de velocidad y
velocidad constantes), y las herramientas (p.
ej., data gathering vehículo instrumentado,
simulador de conducción, pistolas lidar).
Conclusiones
El simulador de conducción experimento rea-
lizado en este estudio permitió un análisis del
comportamiento de los conductores en térmi-
nos de elección de velocidad o aceleración y
desaceleración, actuaciones y el desarrollo
de modelos de predicción de velocidad de
operación sobre la base de perfiles de velo-
cidad continua. El estudio utilizó un modelo
de regresión lineal piecewise y regresión lo-
calmente ponderada suavizada para eliminar
el ruido en el conjunto de datos conservando
patrones subyacentes e identificar los cam-
bios significativos en el perfil de velocidad.
Se desarrollaron modelos para predecir la ve-
locidad en las curvas ( V 85 c ) y en tangentes (
V 85 t ), deceleración ( d ) y la aceleración ( a )

9. 9/13
____________________________________________________________________________________________
tasas para ser utilizados en la velocidad de
operación de los perfiles y de los puntos de
partida (SP/ L c ) y coda (EP/ L C ) puntos de
velocidad en curva de operación constante.
Compatible con todos los estudios previos
sobre velocidades de operación, la velocidad
de operación en curvas disminuye conside-
rablemente con un incremento en la curvatu-
ra. El radio de la curva también condiciona
notablemente la velocidad de operación de la
tangente de la curva siguiente: cuanto más
pequeño sea el radio, menor será la veloci-
dad de operación de la salida de la tangente.
La curvatura afecta también las tasas de ace-
leración y desaceleración. Tanto la acelera-
ción y desaceleración aumentan con la cur-
vatura. La aceleración aumenta levemente
con la curvatura, mientras que la desacelera-
ción aumenta considerablemente con la cur-
vatura. Un resultado importante de este estu-
dio muestra que la velocidad de operación no
es constante a lo largo de las curvas. En cur-
vas de radios pequeños, deceleración termi-
na cerca del centro de la curva y la acelera-
ción comienza cerca del final de la curva.
Aumenta el radio de curva, el punto final de
la deceleración se mueve hacia el comienzo
de la curva, mientras que el principio de ace-
leración se mueve hacia el centro de la cur-
va.
Los resultados del estudio afectan significati-
vamente a la coherencia de la evaluación
tanto de los caminos existentes y en el dise-
ño de nuevas caminos. De hecho, los resul-
tados del estudio implican que, todo lo demás
igual, el diferencial de velocidad recta-curva,
la medida de la coherencia con la máxima
seguridad, el efecto es mayor cuando las rec-
tas largas son precedidas por curvas de radio
grande. Este estudio pone de relieve que la
coherencia evaluación debería examinar el
alineamiento general y no la simple transición
recta-curve solamente. El nuevo modelo de
velocidad de operación toma en cuenta el
alineamiento de camino general y tiene im-
pacto relevante en el proceso de diseño por-
que evita cambios bruscos en las caracterís-
ticas de diseño de la ruta.
Se necesita investigación adicional para re-
forzar los resultados del estudio. Más carac-
terísticas de diseño geométrico como espiral
vertical y transiciones. Montella, Galante,
Maurillo, y ARIA 9
Figura 4 segmentos dentro de la curva con
velocidad constante.
Nota: R = radio de cb curva tangente ante-
rior; L = longitud de tangente; def = ángulo
de deflexión; D = grado de curvatura; CCR
= relación de cambio de curvatura de la
curva.
I = Grado longitudinal; V 85_200 = percentil 85
velocidad 200 m antes del punto de curvatu-
ra; v t = percentil 85 velocidad de enfoque
tangente; NA = no disponible. En este estu-
dio, las precauciones habituales de investi-
gación de laboratorio aplicable, en particular
las relativas a la motivación del piloto y del
nivel de riesgo percibido en un entorno simu-
lado. Sin embargo, los comportamientos de
los conductores identificados en el estudio
eran, en general, coherentes con el mundo
real y el simulador de estudios anteriores.
El alineamiento debe ser investigado. Ade-
más, el análisis de las posiciones laterales y
la curva las trayectorias de negociación en
relación con la geometría puede aportar
ideas útiles para una mejor comprensión del
comportamiento de los conductores.
Además, las características del conductor
debe ser investigado para comprender sus
repercusiones en la respuesta del controlador
a la autopista de la geometría.

10. 10/13
____________________________________________________________________________________________
References
1. Transportation Research Circular E-C151: Modeling Operating Speed:
Synthesis Report. Transportation Research Board of the National Academies,
Washington, D.C., 2011. http://onlinepubs.trb.org/online pubs
/circulars/ec151.pdf.
2. Anderson, I. B., K. M. Bauer, D. W. Harwood, and K. Fitzpatrick. Relationship
to Safety of Geometric Design Consistency Measures for Rural
Two-Lane Highways. In Transportation Research Record: Journal of
the Transportation Research Board, No. 1658, TRB, National Research
Council, Washington, D.C., 1999, pp. 43–51.
3. Awatta, M., Y. Hassan, and T. Sayed. Quantitative Evaluation of Highway
Safety Performance Based on Design Consistency. Advances in
Transportation Studies: An International Journal, Vol. 9, 2006, pp. 29–44.
4. Cafiso, S., G. La Cava, and A. Montella. Safety Index for Evaluation of
Two-Lane Rural Highways. In Transportation Research Record: Journal
of the Transportation Research Board, No. 2019, Transportation Research
Board of the National Academies, Washington, D.C., 2007, pp. 136–145.
5. Lamm, R., B. Psarianos, T. Mailaender, E. M. Choueiri, R. Heger, and
R. Steyer. Highway Design and Traffic Safety Engineering Handbook.
McGraw-Hill, New York. 1999.
6. Montella, A. Safety Reviews of Existing Roads: Quantitative Safety
Assessment Methodology. In Transportation Research Record: Journal
of the Transportation Research Board, No. 1922, Transportation Research
Board of the National Academies, Washington, D.C., 2005, pp. 62–72.
7. Montella, A. Safety Evaluation of Curve Delineation Improvements:
Empirical Bayes Observational Before-and-After Study. In Transportation
Research Record: Journal of the Transportation Research Board,
No. 2103, Transportation Research Board of the National Academies,
Washington, D.C., 2009, pp. 69–79.
8. Montella, A. A Comparative Analysis of Hotspot Identification Methods.
Accident Analysis and Prevention, Vol. 42, No. 2, 2010, pp. 571–581.
9. Montella, A., L. Colantuoni, and R. Lamberti. Crash Prediction Models
for Rural Motorways. In Transportation Research Record: Journal of
the Transportation Research Board, No. 2083, Transportation Research
Board of the National Academies, Washington, D.C., 2008, pp. 180–189.
10. Montella, A., and L. L. Imbriani. Safety Performance Functions Incorporating
Design Consistency Variables. Accident Analysis and Prevention,
Vol. 74, 2015, pp. 133–144.
11. Montella, A., and L. L. Imbriani. Effects on Speed and Safety of Pointto-
Point Speed Enforcement Systems: Evaluation on the Urban Motorway
A56 Tangenziale di Napoli. Accident Analysis and Prevention, Vol. 75,
2015, pp. 164–178.
12. Abbas, S. K. S., M. A. Adnan, and I. R. Endut. An Investigation of the
85th Percentile Operating Speed Models on Horizontal and Vertical
Alignments for Two-Lane Rural Highways: A Case Study. The Institution
of Engineers, Malaysia, Vol. 73, 2012, pp. 31–40.
13. Chen, T., and L. Wei. A Review of Prediction Models on Operating
Speed for Highways. ICCTP 2010: Integrated Transportation Systems
Green, Intelligent, Reliable, ASCE, Reston, Va., 2010, pp. 315–323.
14. Montella, A., L. Pariota, F. Galante, L. L. Imbriani, and F. Mauriello.
Prediction of Drivers’ Speed Behavior on Rural Motorways Based on an
Instrumented Vehicle Study. In Transportation Research Record: Journal
of the Transportation Research Board, No. 2434, Transportation Research
Board of the National Academies, Washington, D.C., 2014, pp. 52–62.

11. 11/13
____________________________________________________________________________________________
15. Pérez Zuriaga, A. M., A. García, F. J. Camacho-Torregrosa, and P.
D’Attoma. Use of GPS Data to Model Operating Speed and Deceleration
on Two-Lane Rural Roads. In Transportation Research Record: Journal of
the Transportation Research Board, No. 2171, Transportation Research
Board of the National Academies, Washington, D.C., 2010, pp. 11–20.
16. Pérez Zuriaga, A. M., A. García, and F. J. Camacho-Torregrosa. Study of
Tangent to Curve Transition on Two-Lane Rural Roads with Continuous
Speed Profiles. Presented at 90th Annual Meeting of the Transportation
Research Board, Washington, D.C., 2011.
17. Bella, F., A. Calvi, and F. D’Ambra. Operating Speed Prediction for Italian
Two-Lane Rural Roads Using Speed Profiles from GPS Data. Presented at
4th Road Safety and Simulation International Conference, Rome, 2013.
18. Bella, F., and G. Agostini. Driving Simulation for Design Consistency.
Presented at 4th International Symposium on Highway Geometric
Design, Valencia, Spain, 2010.
19. Montella, A., F. Galante, L. L. Imbriani, F. Mauriello, and M. Pernetti.
Simulator Evaluation of Drivers’ Behaviour on Horizontal Curves of
Two-Lane Rural Highways. Advances in Transportation Studies: An
International Journal, Vol. 34, 2014, pp. 91–104.
20. Montella, A., F. Galante, F. Mauriello, and L. Pariota. Effects of Traffic
Control Devices on Rural Curve Driving Behavior. In Transportation
Research Record: Journal of the Transportation Research Board, No. 2492,
Transportation Research Board, Washington, D.C., 2015, pp. 10–22.
21. Yan, X., M. Abdel-Aty, E. Radwan, X. Wang, and P. Chilakapati. Validating
a Driving Simulator Using Surrogate Safety Measures. Accident
Analysis and Prevention, Vol. 40, 2008, pp. 274–288.
22. Montella, A., M. Aria, A. D’Ambrosio, F. Galante, F. Mauriello, and
M. Pernetti. Perceptual Measures to Influence Operating Speeds and
Reduce Crashes at Rural Intersections: Driving Simulator Experiment.
In Transportation Research Record: Journal of the Transportation
Research Board, No. 2149, Transportation Research Board of the National
Academies, Washington, D.C., 2010, pp. 11–20.
23. Montella, A., M. Aria, A. D’Ambrosio, F. Galante, F. Mauriello, and
M. Pernetti. Simulator Evaluation of Drivers’ Speed, Deceleration and
Lateral Position at Rural Intersections in Relation to Different Perceptual
Cues. Accident Analysis and Prevention, Vol. 43, 2011, pp. 2072–2084.
24. Tarko, A., L. Boyle, and A. Montella. Emerging Research Methods and
Their Application to Road Safety. Accident Analysis and Prevention,
Vol. 61, 2013, pp. 1–2.
25. Godley, S. T., T. J. Triggs, and B. N. Fildes. Driving Simulator Validation
for Speed Research. Accident Analysis and Prevention, Vol. 34, 2002,
pp. 589–600.
26. Guidelines for the Design of Road Infrastructures. D.M. n. 6792, 5/11/2001.
Italian Ministry of Infrastructures and Transports, Rome, 2001.
27. Baldoni, F., F. Galante, M. Pernetti, M. Russo, M. Terzo, and M. Toscano.
Tuning and Objective Performance Evaluation of a Driving Simulator
to Investigate Tyre Behaviour in On-Center Handling Manoeuvres.
Vehicle System Dynamics, Vol. 49, 2011, pp. 1423–1440.
28. Pernetti, M., M. D’Apuzzo, and F. Galante. A New Approach to Assess
the Influence of Road Roughness on Driver Speed Behaviour Based on
Driving Simulator Tests. Baltic Journal of Road and Bridge Engineering,
in press.
29. Galante, F., F. Mauriello, A. Montella, M. Pernetti, M. Aria, and
M. D’Ambrosio. Traffic Calming along Rural Highways Crossing Small

12. 12/13
____________________________________________________________________________________________
Urban Communities: Driving Simulator Experiment. Accident Analysis
and Prevention, Vol. 42, No. 6, 2011, pp. 1585–1594.
30. Strikholm, B. Determining the Number of Breaks in a Piecewise Linear
Regression model. SSE/EFI Working Paper Series in Economics and
Finance 648, Stockholm School of Economics, Stockholm, Sweden,
2006.
31. Ryan, S. E., L. S. Porth, and C. A. Troendle. Defining Phases of Bed Load
Transport Using Piecewise Linear Regression. Earth Surface Processes
and Landforms, Vol. 27, No. 9, 2002, pp. 971–990.
32. Cleveland, W., and S. J. Devlin. Locally-Weighted Regression: An
Approach to Regression Analysis by Local Fitting. Journal of the American
Statistical Association, Vol. 83, No. 403, 1988, pp. 596–610.
33. Said, D., A. Halim, and Y. Hassan. Methodology for Driver Behaviour
Data Collection and Analysis for Integration in Geometric Design of
Highways. Presented at 4th International Symposium on Highway Geometric
Design, Valencia, Spain, 2010.
34. Marchionna, A., and P. Perco. Operating Speed Profile Prediction Model
for Two-Lane Rural Roads in the Italian Context. Advances in Transportation
Studies: An International Journal, Vol. 14, 2008, pp. 57–68.
35. Fitzpatrick, K., and J. M. Collins. Speed-Profile Model for Two-Lane
Rural Highways. In Transportation Research Record: Journal of the
Transportation Research Board, No. 1737, TRB, National Research
36. Hu, W., and E. T. Donnell. Models of Acceleration and Deceleration
Rates on a Complex Two-Lane Rural Highway: Results from a Nighttime
Driving Experiment. Transportation Research Part F, Vol. 13, 2010,
pp. 397–408.
37. Cafiso, S., A. Di Graziano, G. Di Silvestro, and G. La Cava. Safety Performance
Indicators for Local Rural Roads: Comprehensive Procedure
from Low-Cost Data Survey to Accident Prediction Model. Presented
at 87th Annual Meeting of the Transportation Research Board, Washington,
D.C., 2008.
38. De Luca, M., R. Grossi, and C. Garofalo. Indagine Sperimentale sulle
Velocità Attuate dai Guidatori: Un Modello Comportamentale per la
Costruzione del Diagramma di Velocità. XII Convegno Internazionale
SIIV, Vol. 1, 2002, pp. 372–395.
39. Memon, R. A., G. B. Khaskheli, and M. A. Dahani. Estimation of Operating
Speed on Two-Lane Two Way Roads along N-65 (SIBI–Quetta).
International Journal of Civil Engineering, Vol. 10, No. 1, 2012,
pp. 25–31.
40. Figueroa, A. M., and A. P. Tarko. Speed Changes in the Vicinity of Horizontal
Curves on Two-Lane Rural Roads. Journal of Transportation
Engineering, Vol. 133, No. 4, 2007, pp. 215–222.
41. McFadden, J., and L. Elefteriadou. Evaluating Horizontal Alignment
Design Consistency of Two-Lane Rural Highways: Development of
New Procedure. In Transportation Research Record: Journal of the Transportation
Research Board, No. 1737, TRB, National Research Council,
Washington, D.C., 2000, pp. 9–17.
42. Misaghi, P., and Y. Hassan. Modeling Operating Speed and Speed Differential
on Two-Lane Rural Roads. Journal of Transportation Engineering,
Vol. 131, No. 6, 2005, pp. 408–417.
43. Ottesen, J. L., and R. A. Krammes. Speed-Profile Model for a Design
Consistency Evaluation Procedure in the United States. In Transportation
Research Record: Journal of the Transportation Research Board,
No. 1701, TRB, National Research Council, Washington, D.C., 2000,

13. 13/13
____________________________________________________________________________________________
pp. 76–85.
44. Collins, K. M., and R. A. Krammes. Preliminary validation of a speedprofile
model for design consistency evaluation. In Transportation
Research Record 1523, TRB, National Research Council, Washington
D.C., 1996, pp. 11–21.
45. Schurr, K. S., P. T. McCoy, G. Pesti, and R. Huff. Relationship of
Design, Operating, and Posted Speeds on Horizontal Curves of Rural
Two-Lane Highways in Nebraska. In Transportation Research Record:
Journal of the Transportation Research Board, No. 1796, Transportation
Research Board of the National Academies, Washington, D.C., 2002,
pp. 60–71.
46. Nie, B., and Y. Hassan. Modeling Driver Speed Behavior on Horizontal
Curves of Different Road Classifications. Presented at 86th Annual
Meeting of the Transportation Research Board, Washington, D.C.,
2007. Council, Washington, D.C., 2000, pp. 42–49.
A. Montella, F. Galante, y F. Mauriello,
Departamento de Derechos Civiles, arquitectónicos y de Ingeniería Ambiental de la Uni-
versidad Federico II de Nápoles, a través de Claudio 21, 80125 Nápoles, Italia. M. Aria,
Departamento de Economía y Estadística de la Universidad Federico II de Nápoles, Com-
plesso Monte Sant'Angelo a través de Cinthia 26, 80125 Nápoles, Italia.
Autor: A. Montella, Alfonso.montella@unina.it.
Transporte: registro de investigación oficial de la Junta de Investigación de Transpor-
te, Nº 2521, la Junta de Investigación de Transporte, Washington D.C., 2015, págs. 3-
11. DOI: 10.3141/2521-01
https://www.researchgate.net/publication/295893868_Continuous_Speed_Profiles_to_Inve
stigate_Drivers'_Behavior_on_Two-
Lane_Rural_Highways/link/56e1368c08ae9b93f79c471e/download