2 speed factors-on_four_lane_highways_in_f babylon

TRB 2005 Anual Reunión CD-ROM Papel revisado De Texto original en
Velocidad Factores en cuatro carriles Carreteras en condiciones de flujo
libre
por
Alberto M. Figueroa
Correo electrónico:
afiguero@purdue.edu
y
Andrés P. Tarko
Correo electrónico:
tarko@purdue.edu
Universidad de Purdue
Escuela de Civil Ingeniería
550 Stadium Mall Drive
Lafayette del oeste, EN
47907Teléfono: (765)
494-5027
Fax: (765) 496-1105
Presentado para su presentación en el 84ésimo
Reunión Anual de la Junta de Investigación del
Transporte,Enero 9-13, 2005, Washington D.C.
Número de palabras en manuscrito =
5128Tablas y figuras = 7 x 250 = 1750
Total número de palabras = 6878

Alberto M. Figueroa y Andrew P. Tarko 10
Abstracto
La velocidad media de flujo libre y su variabilidad entre los conductores se consideran factores de seguridad
importantes. Gran parte de la la investigación sobre la velocidad se ha dedicado principalmente a las carreteras rurales
de dos carriles. Todavía queda mucho por aprender sobre los factores de velocidades de flujo libre en autopistas de
cuatro carriles. Los factores de la dispersión de la velocidad en la carretera entre los conductores son en gran medida
desconocido. Además, el uso de toda la distribución de velocidad de flujo libre sugerida por otros autores aún no ha
sido Dirigida. Por consiguiente el modelos existentes son no Dirigido para evaluar el variabilidad de la velocidad en
un sitio.
Este documento presenta modelos de velocidad de flujo libre que identifican factores de velocidad media y dispersión
de velocidad en cuatro carriles carreteras suburbanas y rurales. Se presentan dos modelos de datos de panel; uno
desarrollado con mínimos cuadrados ordinarios (OLS-PD) y otro que explica el efecto aleatorio (RE) de los sitios de
observación. Los modelos identificaron un número de características significativas de la carretera; varios de ellos
representados como velocidad media y dispersión de velocidad Factores.
Los modelos de velocidad de flujo libre desarrollados tienen las mismas capacidades de predicción que los modelos
OLS tradicionales desarrollados para velocidades de percentiles específicas. Las ventajas de los modelos desarrollados
incluyen la predicción de cualquier especificado por el usuario percentil, que implica más características de la carretera
como factores de velocidad que los modelos tradicionales, y que separa el impactos en la velocidad media de los
impactos en la dispersión de velocidad. La incorporación de efectos aleatorios al modelo puede evitar predisposición
en Estimar el modelo Parámetros causado por desconocido Factores no incorporado en el modelo.
Llave palabras: velocidad Factores flujo libre velocidad predicción cuatro carriles Carreteras tablero datos modelado con
aleatorio Efectos

INTRODUCCIÓN
La velocidad media de flujo libre y la variabilidad de las velocidades entre los conductores se consideran factores de
seguridad importantes en establecer límites de velocidad y diseñar carreteras. Un gran cuerpo de investigaciones
pasadas se ha dedicado a identificar los factores de velocidades de funcionamiento en carreteras rurales de dos carriles.
Hay mucho que aprender sobre los factores de las velocidades de flujo libre en cuatro- autopistas de carril. Los modelos
existentes estiman un percentil de velocidad específico y no distinguen entre el significar velocidad Factores y el
velocidad dispersión Factores cuál Conduce Para Resultados ese son a veces difícil Para interpretar. Es posible que
una carretera con una alta velocidad media y baja variabilidad de velocidad tenga los mismos 85ésimo
percentil de
velocidad como un carretera con una velocidad media mucho más baja pero mayor variabilidad de velocidad. Este
caso se muestra en la figura 1. Modelado de la entero flujo libre distribución de la velocidad propuesto por alguno
Autores (1, 2) poder rectificar éste problema.
La relación entre velocidad y choques ha sido estudiada sin ningún vínculo irrefutable. Hay un debate en curso en
cuanto a qué propiedad de la distribución de las velocidades individuales tiene un impacto en la seguridad: la velocidad
media o la velocidad dispersión. Cualquiera de las dos opiniones puede ser defendible. Un aumento en la velocidad
media aumenta la gravedad del accidente, mientras que un el aumento de la variabilidad de la velocidad aumenta la
frecuencia de las interacciones entre vehículos. Un aumento en la desviación entre la velocidad de un automovilista y
la velocidad media del tráfico se ha relacionado con una mayor probabilidad de participación en un estruendo. Garber
y Gadiraju (3) encontró que las tasas de accidentes de diferentes tipos de carreteras aumentaron con un aumento en la
varianza de velocidad y que un aumento en las velocidades medias no está necesariamente relacionado con un aumento
en las tasas de accidentes. Eso era también encontró que Velocidades aumentado con mejor geométrica condiciones,
independientemente de el velocidad límite.
Estos hallazgos demuestran la contribución potencial de los componentes de diseño de carreteras como factores de
velocidad y argumentan en favorecer el desarrollo de un modelo que incluya el impacto de los elementos de diseño
como velocidad media y dispersión de velocidadfactores para mejorar la seguridad de las soluciones de diseño de
carreteras. Este trabajo presenta dos modelos de velocidad de flujo libre que identificar Factores de velocidad media
y dispersión de velocidad en cuatro carriles carreteras rurales y suburbanas.
REVISIÓN DE VELOCIDAD FACTORES
Muchos estudios (4-6) han identificado una serie de características de la calzada como factores de velocidad en las
carreteras rurales de dos carriles.Se ha encontrado que las velocidades de operación están relacionadas con el límite
de velocidad, el grado de la carretera, el volumen de tráfico y el específico Elementos de el horizontal y vertical
curvatura gustar el radio superelevation tasa y el vista distancia. Sin embargo, el impacto de la sección transversal
Dimensiones en Velocidades tiene no sido fácil para identificar.
La investigación sobre los factores de velocidad para otros tipos de carreteras no es tan extensa como para las carreteras
rurales de dos carriles. Fitzpatricket al. (7) evaluó las velocidades de operación en las autopistas suburbanas. La
densidad de acceso, la curvatura y un diseño velocidad basado en el vista distancia Fueron identificado como bien
Predictores de operativo velocidad en Tangentescurvas horizontales y curvas verticales, respectivamente. Poe y
Mason, Jr. (8) velocidades evaluadas en tangentes y curvas horizontales en colectores urbanos y suburbanos. La
curvatura, el grado de la carretera, el ancho del carril y un se encontró que la clasificación de peligro en carretera era
factor de velocidad media significativa en el punto medio de la curva. Cuando el observado las velocidades en
tangentes y curvas se combinaron como una muestra, sólo la curvatura y el valor absoluto de la grado de la carretera
Fueron fundar Para ser significativo significar velocidad Factores.
El enfoque de modelado utilizado típicamente en la mayoría de los estudios se centró en los efectos de la alineación
aislada o restringida condiciones en una velocidad de percentil específica, típicamente el 85ésimo
percentil. Aunque los
85ésimo
la velocidad del percentil es ampliamente acostumbrado aproximado velocidades de funcionamiento, otros
percentiles se han sugerido para representar un alto porcentaje de conductores en el diseño de carreteras (9-10). Se
necesita un mayor perfeccionamiento para desarrollar modelos con la capacidad de predecir velocidades a lo largo de
un segmento de carretera, teniendo en cuenta toda la distribución de velocidad de flujo libre y basado en múltiples
carreteras Factores en lugar de justo un poner de horizontal y vertical combinaciones de alineación.
PROPUESTO METODOLOGÍA
Más de el existente modelos de velocidad have Lo siguiente forma:

VYo = ∑BK ÉxtasisYoK + ε , (1)
K
Dónde VYo es la media o una velocidad de percentil específica en el sitio Yo, Éxtasisik es el valor de la K variable
exógena en el sitio Yo, BK es el parámetro de regresión asociado con variable K, y ε el distribuido normalmente
perturbación término. Uno limitación

de estos modelos es que no pueden predecir ningún percentil que no sea el específico para el que fueron desarrollados.
Otro significativo limitación de estos modelos es su incapacidad para evaluar el variabilidad de la velocidad en un
sitio.
Supongamos que la velocidad media y la desviación estándar de los vehículos que fluyen libremente en un segmento
se ven afectadas por algunas características de la carretera. Con la suposición de velocidades distribuidas normalmente
en un sitio Yocualquier pésimo
velocidad del percentil a el sitio (VIP) se puede calcular multiplicando el correspondiente
Zp valor con la desviación estándar de individuo velocidades (σYo) y añadiendo ese producto al valor medio de
velocidad (MYo). El Zp value es la variable normal estandarizada correspondiente a un percentil seleccionado; por
ejemplo Z50 = 0 y Z85 = 1,036. Esta función se puede representar como un estadístico modelo por Agregar un iid normal
perturbación término (ε). El percentil velocidad el modelo tiene el siguiente forma:
VYop = MYo + Z p ⋅σYo + ε = ∑un J ⋅ ÉxtasisYoJ + ∑BK ⋅(Z p ⋅ ÉxtasisYoK ) + ε , (2)
J K
donde el unJ coeficiente representa el efecto de la ÉxtasisJ en la velocidad media y el BK coeficiente representa el
efecto de la ÉxtasisK parámetro en la desviación estándar de velocidades individuales. Estudios médicos (11-12) han
utilizado enfoques de modelado comparables con datos de panel para obtener estimaciones de percentiles. En la
primera obra, el total medio el agua corporal se modeló en función de las características del paciente, mientras que la
desviación estándar del individuo las observaciones se asumieron constantes. El segundo enfoque utilizó un proceso
de regresión en dos pasos para modelar la media valor y la desviación estándar de los umbrales auditivos por separado.
El enfoque propuesto en nuestro estudio va un paso más lejos por Calibración el significar y estándar desviación letra
chica en un solo paso.
El modelo de la ecuación 2 se denota como OLS-PD para enfatizar que la regresión de mínimos cuadrados ordinarios
se aplica a datos del panel. Los datos del panel se utilizan con frecuencia en aplicaciones econométricas cuando se
realizan múltiples observaciones en cada individuo están disponibles. Velocidades percentiles de los 5ésimo
a los 95ésimo
percentil, en incrementos de cinco, se calcularon para todos los los sitios de observación y el panel se crearon
multiplicando todas las variables explicativas por el Zp valor correspondiente aun percentil respectivo. Al tener un
mayor número de observaciones que los conjuntos de datos transversales típicos, los paneles tener más grados de
libertad, reduciendo así la colinealidad entre las variables explicativas y mejorando la eficacia de el parámetro
Estimaciones (13).
El modelo OLS-PD se puede mejorar aún más mediante la adición de efectos aleatorios específicos del sitio y del
percentil para evitar sesgo en la estimación de los parámetros del modelo causados por factores desconocidos no
incorporados en el modelo de regresión (14). Poe y Mason, Jr. (8) utilizó un modelo de efectos mixtos para tener en
cuenta el efecto aleatorio de los sitios de observación, mientras que modelar los efectos geométricos fijos en el 85ésimo
velocidades percentiles. Tarris y otros (1) aplicó un modelo de efectos aleatorios por sección transversal individual
Controladores como un grupo y el ubicación de diferente sensores de velocidad como un Hora periodo.
El efecto aleatorio (RE) de los sitios en el modelo lineal que se muestra en la Ecuación 2 se puede capturar con el azar
específico del sitio Cambios µYo (15) como Sigue:
J K
VYop = ∑unJ ⋅ ÉxtasisYoJ + ∑BK ⋅(Zp ⋅
ÉxtasisYoK )+ ε + ∝Yo
(3)
0 0
El modelo RE capta correctamente los efectos aleatorios (inexplicables) y fijos (explicados) mediante la asignación
de una parte dela variabilidad inexplicable a los sitios, var(μ), y la parte restante, var(ε), a toda la muestra. La
covarianza entre los efectos aleatorios ε y µ se supone que es igual a cero. El modelo RE es un mínimo cuadrado
generalizado (GLS) modelo basado en la suposición de que los efectos inexplicables específicos del sitio no están
correlacionados con el variables en el modelo. El modelo RE ofrece una formulación conveniente cuando n unidades
transversales son aleatoriamente extraído de una población y un inferencia al respecto población es el principal
objetivo (16).
DATOS COLECCIÓN
Los mapas de carreteras se utilizaron para identificar segmentos candidatos en función de sus características de
alineación. En el cuadro 1 se presenta los criterios generales utilizados para identificar los segmentos candidatos. Los

datos recopilados incluyeron las velocidades de flujo libre y la geometría características de los segmentos de carretera
con diversas configuraciones, dimensiones de sección transversal, zonas despejadas al borde de la carretera, vista
Distancias curvatura y otras características.

La recopilación de datos tuvo lugar entre mayo y septiembre de 2003. Un total de 67 sitios fueron seleccionados de
diferentes segmentos suburbanos y rurales de carreteras de cuatro carriles. Las velocidades se midieron en medio de
la carretera uniforme Segmentos. La única restricción impuesta en la ubicación de los puntos de medición de velocidad
era que las velocidades no debían ser afectado por cualquier señal de tráfico o Señal de stop.
El siguiente carretera características y geométrico Funciones Fueron reunido:
• General características: terreno tipo rural vs. suburbano ubicación acera Superficie y Publicada velocidad
límite
• Acceso densidad: densidad de Intersecciones Calzadas y mediana Aberturas y presencia de residencial
ocomercial Desarrollos
• Tangentes: grado vista distancia sección transversal Dimensiones y tipo de orilla del camino obstrucción
• Mediana: Ancho tipo y Superficie
• Horizontal Curvas: radio máximo superelevation tasa y largura
La sección transversal se dividió en el camino recorrido donde se midieron las velocidades, la mediana y el borde de
la carretera despejado zona. La mediana y la zona despejada al borde de la carretera se dividieron en tres tipos de
arcenes transitables: pavimentados, de grava y Untreated. Los anchos de zona despejadas de mediana y al borde de
la carretera representan la distancia de despeje libre de obstrucción desde el borde del camino recorrido a la mediana
o la obstrucción de la carretera, respectivamente. Si no había obstrucción presente en la mediana, la anchura mediana
se midió desde el borde interior de la manera recorrida hasta el borde interior de la oposición viajó manera. Se ha
ignorado cualquier entidad local o aislada del corte transversal. Una rueda de medición con un se utilizó una precisión
de una pulgada para obtener todas las dimensiones. Se utilizó un láser de alcance con una precisión de 0,1 pies para
medir la distancia de visión en cada sitio de acuerdo con el estándar AASHTO para detener la distancia de visión (17).
Un electrónico nivel con un 0,1 pies/pie la precisión era acostumbrado medir el Grados y el superelevation Tarifas.
Las velocidades de flujo libre se midieron los días laborables durante las horas del día y las condiciones climáticas
favorables. Hora se utilizaron ídados de cinco segundos o más para identificar los vehículos de flujo libre. Al menos
cien observaciones de velocidad se hicieron en cada sitio. Las velocidades se recogieron con una pistola láser Atlanta
o con tubos de goma de 16 pies (4,9 m) separados y conectados a clasificadores de tráfico PEEK ADR-2000. La
pistola láser se usó solo en lugares donde la pistola podía ocultarse fácilmente de la vista de los conductores y el
ángulo entre el láser y la ruta de viaje del vehículo no era más que 20 Grados. Velocidades reunido con el láser pistola
Fueron ajustado Para cuenta para el ángulo corrección.
RESUMEN DE OBSERVADO CARRETERA CARACTERÍSTICAS Y VELOCIDADES
El conjunto de datos se compone de características de la autopista y velocidades de flujo libre para 67 sitios. La Tabla
2 presenta la descripción estadísticas de algunas de las características observadas. Los segmentos seleccionados habían
publicado límites de velocidad de 40 a 55 mph (60 a 90 km/h). No se observó ningunas señales de velocidad
consultivas. La velocidad media tenía un alcance de 20,2 mph (32,6 km/h) ylos 85ésimo
la velocidad del percentil tenía
un alcance de 19.5 mph (31.4 km/h). La semejanza de la gama entre las velocidades observadas y el límite de
velocidad podría ser un temprano indicación de el fuerza de su relación.
La mayoría de los segmentos seleccionados estaban ubicados en terreno llano; aunque varios fueron localizados en
terreno ondulado. El el valor absoluto de la ley de la carretera tenía un rango de 6 por ciento; aunque sólo cinco sitios
se ubicaron en segmentos con calificaciones absolutas de más del tres por ciento. Aunque no se registró la longitud de
grado, ninguna de las actualizaciones parecía have la longitud necesario Para hacer camiones reducir sus velocidades.
La mayoría de los segmentos seleccionados estaban ubicados en áreas suburbanas; sólo nueve sitios estaban ubicados
en segmentos rurales. Como esperado, la mayoría de los segmentos con alta densidad de acceso estaban ubicados en
áreas suburbanas. La densidad de intersección varió de cero a 14 intersecciones por milla; mientras que la densidad
de la calzada varió de cero a 38 calzadas por milla. Solamente el Calzadas adyacente Para el Viajado sentido Dónde
Velocidades Fueron medido Fueron incluido en el modelo.Diecisiete Sitios Fueron seleccionado en Segmentos con
Alto densidad de residencial Calzadas y Ocho Sitios Fueron seleccionado en segmentos con alta densidad de calzadas
comerciales. La alta densidad de calzadas residenciales y comerciales fue asignado a segmentos con más que 10
residenciales o comercial Calzadas por milla, respectivamente.
Se observó una combinación diversa de dimensiones de sección transversal y control de acceso. La figura 2 muestra
seis típicas secciones transversales observadas en carreteras de cuatro carriles. Hay una gran variabilidad en los tipos
de hombros y superficies medianas. El el ancho de camino recorrido tenía un rango de 4,42 pies (1,35 m) y el ancho
total de la carretera, compuesto por los anchos de la Viajado manera, el mediana y el orilla del camino claro zona tenía

un rango de 40,6 m (133,2 ft).

Dos secciones representativas típicas fueron encontradas en segmentos rurales; uno con medianas de hierba estrechas
y zonas claras y puntos de acceso frecuentes (Figura 2a) y otro con césped medianas y zonas despejadas de más de 40
ft (12 m) con control de acceso completo (Figura 2b). Sólo dos de los sitios seleccionados en segmentos rurales tenían
una mediana pavimentada y una barrera, En lugar de teniente una hierba mediana.
Los segmentos suburbanos proporcionaron una mayor variedad en las dimensiones de la sección transversal que los
segmentos rurales. Ocho sitios fueron seleccionado on undivided segmentos de carreteras; mientras que trece sitios
fueron localizados en segmentos con bordillos (Figura 2c). Tres de estos segmentos también incluían una acera.
Todos los segmentos indivisos seleccionados tenían alta densidad de calzadas residenciales y zonas despejadas al
borde de la carretera de menos de 13 pies (4 m). La Figura 2d muestra uno de los ocho sitios seleccionado en
segmentos suburbanos con algún tipo de barrera mediana. Estos segmentos proporcionan un mejor control de acceso
y zonas despejadas más amplias al borde de la carretera (alrededor de 30 ft) que el indiviso Segmentos.
Los otros dos tipos de secciones transversales en segmentos suburbanos tenían medianas más anchas y zonas claras y
diferentes medianasTipos. La Figura 2e muestra uno de los 16 sitios seleccionados en segmentos que tienen carriles
medianos de giro a la izquierda bidireccional (TWLT). Estos carriles medianos se utilizan para proporcionar un mayor
acceso a calzadas comerciales y residenciales estrechamente espaciadas. Doce sitios en segmentos con un carril
mediano TWLT también tenían alta densidad de calzadas comerciales o residenciales. El ancho de los carriles TWLT
varió de 13,25 a 21 pies (4 a 6,4 m). La figura 2f muestra un ejemplo de un segmento teniendo una sección transversal
similar a la Figura 2e, pero con una mediana de pasto. Veinticinco sitios fueron situados en suburbano segmentos con
una mediana deprimida o al ras con una superficie de hierba. Los anchos medianos en esos segmentos variaron como
tanto como 14.6 a 62 pies (4.4 a 18.9 m). Se seleccionaron cuatro sitios en segmentos suburbanos con medianas
pavimentadas, con Anchuras variable De 3.6 Para 15,5 pies (1,1) Para 4.7 m).
Se observaron las siguientes obstrucciones al borde de la carretera: bordillos, barandillas, líneas de postes, zanjas y
terraplenes. No segmento era Observado teniente estacionamiento en la calle o autobús Desvíos.
Solo 14 sitios se ubicaron dentro o en las cercanías (a no más de 450 pies de distancia) de una curva horizontal. El
diseño de las curvas horizontales en las autopistas de cuatro carriles son, en general, más consistentes que en las
autopistas de dos carriles. El grado de la curvatura tenía una gama de 4.36 grados. Las curvas pronunciadas solo se
observaron en segmentos suburbanos con velocidad publicada límites inferiores a 40 mph (60 km/h) o situados
demasiado cerca de las señales de tráfico o señales de stop, y por lo tanto no estaban incluido.
CORRELACIÓN ENTRE MODELO VARIABLES
El coeficiente de correlación R se utilizó para identificar las características de la carretera y los componentes
geométricos que tienen un relación lineal significativa con la velocidad media y el 85ésimo
velocidad del percentil. El
límite de velocidad, el pavimento el ancho, el ancho mediano y la distancia de la zona despejada al borde de la carretera
tienen la correlación positiva más fuerte (R > 0.52) con las velocidades observadas. Además, las velocidades más altas
están relacionadas con los segmentos rurales (R = 0,47). En cambio, la intersección densidad Muestra el más fuerte
correlación negativa (R = 0.51) con las velocidades observadas.
El coeficiente de correlación también fue utilizado para identificar las relaciones lineales más fuertes entre las variables
explicativas.El límite de velocidad publicado se correlaciona positivamente con el ancho del pavimento, el ancho
mediano y el borde de la carretera despejado distancia de zona (R > 0,45). La anchura mediana se correlaciona
positivamente con la zona despejada al borde de la carretera (R = 0,63) y negativamente correlacionada con el Viajado
anchura de la manera, y el intersección y entrada Densidades (R > 0.22).
A pesar de la considerable correlación entre las variables del modelo, no hubo multicolinealidad entre las variablesy
no se debe eliminar ninguna variable para permitir la estimación del modelo. Hay que destacar que la fuerte correlación
entre explicativo Variables (pero no multicolinealidad) Aumenta el estándar desviación de parámetro Estimaciones
pero no impide obtener el mejor ajuste a los datos, ni afecta a las inferencias sobre las respuestas medias o nuevas
observaciones (16). En otras palabras, la presencia de una fuerte correlación entre las variables explicativas no causa
cualquier sesgo sistemático de estimación siempre que todas las variables correlacionadas estén presentes en el modelo
y las inferencias se realizan dentro de la región de observaciones. La única consecuencia de una fuerte correlación
entre las variables en el modelo es a veces un necesitar para un muestra más grande Para mejorar el modelo precisión
en Estimar individual Impactos.

p
p p
p p p
p p p
p p 2
FLUJO LIBRE VELOCIDAD MODELO
La calibración del modelo utilizó las velocidades de flujo libre y la información de geometría de la carretera recopilada
para 67 sitios. El las velocidades observadas para cada sitio se utilizaron para calcular a partir de los 5ésimo
a los 95ésimo
percentil, en múltiplos de cinco. Todos los las variables explicativas potenciales se multiplicaron por el Zp valor
correspondiente a cada percentil para ensamblar el tablero datos.
El modelo de velocidad OLS-PD se calibró utilizando el procedimiento PROC REG del software SAS. Todos los
parámetros incluidos en el modelo son significativos en un nivel de confianza del 90 por ciento. En el cuadro 3 se
presentan los resultados de calibración para elModelo OLS-PD. La mejor especificación del modelo OLS-PD para
estimar cualquier velocidad de percentil, en mph, es el siguiente:
Vp = 51.491 4.703 ⋅ PSL50 5.815 ⋅ PSL45 8.03⋅0 P.DL4
+
0
2.847
⋅ RUR+ 8.288⋅ 10 4
⋅ SD 0.331⋅ INTD
0.36⋅7 MOD
+ 0.129
⋅ PAV+ 0.050⋅ CIT+ 0.955 ⋅ TWLT 2.444 ⋅ OBS 1.571⋅ ZANJA
+ 5.854 ⋅ Z p 0.490⋅ (Z ⋅ PSL45 40 ) 0.510⋅ (Z ⋅ RUR) (4)
3.184
⋅
Dónde
:
10 4
⋅
(Z ⋅ SD) 4.590
⋅ 10 3
⋅
(Z ⋅ CLR) 0.354⋅ (Z ⋅ TWLT )
PSL50 = igual a 1 si el límite de velocidad publicado es de 50 mph;
0 en caso contrario;PSL45 = igual a 1 si el límite de velocidad
publicado es de 45 mph; 0 en caso contrario;PSL40 = igual Para 1 si
el Publicada velocidad límite es 40 mph; 0 de lo contrario;
PSL45-40 = igual Para 1 si el Publicada velocidad límite es 45 o 40 mph; 0 de lo contrario;
RUR = igual Para 1 si el segmento es en un rural área; 0 de lo contrario;
SD = vista distancia pies;
INTD = intersección densidad; número de Intersecciones por milla;
MOD = mediana abertura densidad; número de mediana Aberturas por milla;
PAV = ancho del pavimento, incluye el camino recorrido y el interior y exterior pavimentado anchos de
hombros, pies; CIT = lateral Despeje distancia medido entre el adentro borde de el acera Para el adentro
borde de el oponente Viajado sentido o al mediana barrera si un mediana la barrera es presente, pies;
CLR = suma de CIT y el afuera claro ancho de zona para el Analizado tráfico dirección pies;
TWLT = igual Para 1 si un continuo bidireccional giro a la izquierda Carril es presente; 0 de lo contrario;
OBS = igual Para 1 si un Frenado acera o Barandilla es situado 20 pies o menos De el afuera borde de el
Viajado manera; 0 de lo contrario;
ZANJA = igual a 1 si el centro de un zanja es situado 20 pies o menos De el borde de el Viajado manera; 0de lo
contrario;
Zp = Estandarizado normal variable correspondiente Para un seleccionado percentil.
Coeficiente de determinación ajustado (R2
) del modelo OLS-PD es bastante alto, lo que indica que el 89 por ciento de
la se explica la variabilidad. Sin embargo, hay que admitir que la generación de datos de panel a lo largo de la
dimensión de percentil crea variabilidad de datos de velocidad, que se explica en gran medida con el Zp factor (cuanto
mayor sea el Zp, cuanto mayor sea la velocidad). El modelo estándar desviación es 2.26 Mph (3.64 km/h).
El modelo RE se calibró utilizando la estimación de máxima verosimilitud en el procedimiento PROC MIXED del
SAS software. Todos los parámetros incluidos en el modelo son significativos a un nivel de confianza del 90 por
ciento. En el cuadro 4 se presenta los resultados de calibración para el modelo RE. La mejor especificación del modelo
RE para estimar cualquier velocidad de percentil, en mph, es el siguiente:
Vp = 52.275 4.725⋅ PSL50 5.865⋅ PSL45 8.107 ⋅ PSL40 + 2.870 ⋅ RUR 0.302⋅ INTD
0.35⋅2 MOD
+ 0.140
⋅ PAV+ 0.048⋅ YoLC+ 0.099⋅ TWLTW 2.679⋅ OBS20 1.30° ⋅ DYoTCH 20
+ 5.780⋅ Z p 0.505⋅ (Z ⋅ PSL45 40 ) 0.553
⋅ (Z ⋅ RUR) 3.000
⋅ 10 4
⋅
(Z ⋅ SD) (5)

p
+ 0.031
⋅ (Z ⋅ MOD) 4.250
⋅
10 3
⋅
(Z ⋅ CLR) 0.34
⋅4 (Z ⋅ TWLT+) 0.259⋅ (Z ⋅ OBS )
El estadístico rho-cuadrado, una medida del ajuste general del modelo similar al R2
valor, para el modelo RE es 41.5
por ciento. Cabe señalar que sólo se incluyeron las variables con significación estadística y práctica. Esta restricción
Fuerzas nos Para eliminar el vista distancia variable De el RE modelo como un significar velocidad factor pendiente
Para un Bajo estadístico

significación (aunque teniendo la misma estimación que en el modelo OLS-PD). El modelo RE requiere muestras más
grandes y es más difícil demostrar que las variables del modelo consideradas son estadísticamente significativas
cuando el la muestra observada es limitada. Creemos que el modelo RE ha dado estimaciones más confiables de los
errores del modelo y valores t. También se evaluaron los efectos aleatorios asociados a los percentiles, pero se
encontraron insignificantes. Agregar el aleatorio Efectos pendiente Para el percentil dimensión hizo no causa
cualquier cambio en el parámetro Estimaciones enel RE modelo.
El rendimiento de ambos modelos se evaluó mediante el análisis de los 85ésimo
estimaciones de velocidad percentil. La
figura 3 muestra elrendimiento de el 85ésimo
percentil velocidad Estimaciones. El diagonal línea en el gráfico
Representa un Perfecto correspondencia entre los valores estimados por los modelos y los valores observados.
Alrededor del 69 por ciento de los 85ésimo
percentil Estimaciones son dentro 2.26 Mph (uno estándar desviación) de
su respectivo Observado Velocidades. El el valor residual máximo para ambos modelos es de 5,2 mph (8,5 km/h).
Ambos modelos parecen proporcionar una velocidad adecuada Estimaciones con No sesgo aparente.
SIGNIFICAR VELOCIDAD Y VELOCIDAD DISPERSIÓN FACTORES
Los modelos OLS-PD y RE incluyen casi las mismas características de carretera que los factores de velocidad de flujo
libre. El El modelo OLS-PD en la Ecuación 4 incluye trece variables diferentes; cinco de ellos que representan tanto
la velocidad media y factores de dispersión de velocidad. El primer término de intersección y las siguientes doce
variables se aplican a la velocidad media, mientras que la segunda intersección Zp y las cinco variables cuyos nombres
empiezan por Zp se aplican a la desviación estándar. Un positivo signo de un parámetro de regresión en el primer
grupo de variables indica que la variable aumenta la velocidad media, Mientras que un signo positivo de un parámetro
de regresión en el segundo grupo de variables indica que la variable aumenta el variabilidad de velocidades
individuales.
El límite de velocidad es el factor de velocidad media más fuerte; pero no tan fuerte como un factor de desviación
estándar de velocidad. Tres las variables binarias se utilizaron para representar los límites de velocidad inferiores a 55
mph. Como era de esperar, como el límite de velocidad disminuye la velocidad media también disminuye. Es
sorprendente que el impacto neto en la velocidad media disminuya con cada reducción adicional de 5 mph en el límite
de velocidad. Al mismo tiempo, los segmentos con límites de velocidad inferiores a 50 mph tienen reducción de la
dispersión de las velocidades individuales. La reducción de la dispersión puede indicar que los conductores se
comporten más uniformemente en las carreteras suburbanas con los límites de velocidad más bajos debido a las
condiciones más restringidas de la carretera (más estrecho sección transversal) o a la parte superior probabilidad de
policía aplicación.
Como era de esperar, un aumento en las dimensiones laterales de la sección transversal aumenta la velocidad media y
disminuye la dispersión de vehículos individuales. Al mismo tiempo, obstrucciones al borde de la carretera (aceras,
barandillas y zanjas) situado a 20 pies o menos desde el borde exterior de la manera recorrida impacto negativamente
la velocidad media. Reducción de la la holgura lateral total aumenta la propagación de las velocidades individuales,
ya que los conductores cautelosos y lentos responden a la extra riesgo representado por el carretera más estrecha
segmento más fuertemente que rápido y agresivo Controladores.
La mediana también tiene un efecto importante en la velocidad media y la desviación estándar de velocidad. La
presencia de Los carriles medianos TWLT tienen un impacto positivo en las velocidades medias y también reducen la
dispersión de velocidad. El TWLT los carriles medianos proporcionan cierta sensación de separación entre los carriles
de tráfico opuestos y también permiten que los vehículos entren y salida el Viajado sentido en un más eficaz sentido
así reducir el impacto en el tráfico fluir.
La densidad de intersecciones y aberturas medianas son factores importantes de velocidad media. La velocidad media
disminuye a medida que ambas densidades aumentan. El impacto negativo en las velocidades medias podría ser
desencadenado por la mayor frecuencia de los vehículosEntrar y Salir el segmento.
El impacto del resto de variables del modelo es fácil de interpretar. Un aumento en la distancia de visión aumenta la
la velocidad media y reduce la dispersión y los segmentos rurales tienen velocidades medias más altas y una dispersión
de menor velocidad quesegmentos suburbanos. Estos impactos son provocados por el superior límites de velocidad,
Mayor secciones transversales e inferiores densidades de intersección y calzada en segmentos rurales en comparación
con segmentos suburbanos. No hay suficientes segmentos con se observaron curvas horizontales agudas con el fin de
desarrollar un modelo de velocidades de curva y ninguna de las curvas horizontales Componentes se encontraron Para
ser factores significativos.

El modelo RE en la ecuación 5 incluye trece variables diferentes; seis de ellos que representan tanto la velocidad
media y velocidad dispersión Factores. El Primero interceptar término y el siguiente Once Variables aplicar Para el
significar velocidad mientras

la segunda intersección Zp y las siete variables cuyos nombres empiezan por Zp se aplican a la desviación estándar. El
el impacto de los parámetros en el modelo RE es comparable a los encontrados en el modelo OLS-PD, aunque su t-
estadística son diferente. Éste poder indicar ese omitiendo el efectos aleatorios Causas alguno predisposición En
modelo estimación. El impacto de la distancia de visión en la velocidad media se encontró insignificante debido a su
relación con el sitio variable. Se agregaron dos factores de dispersión positivos; la densidad mediana de la abertura y
la obstrucción del borde de la carretera variable. El impacto mecanismo es similar como el Uno ya Discutido para el
OLS-PD modelo.
CONCLUSIONES
La velocidad media de flujo libre y su variabilidad entre los conductores son factores de seguridad importantes. La
mayor parte de la velocidad existente los modelos presentan los factores de los 85ésimo
velocidad percentil y no
distinguir entre los factores de velocidad media de los factores de dispersión de velocidad. Además, los modelos
existentes no son capaces de estimar todo el rango de velocidad variabilidad en un sitio. Toda la distribución de
velocidad de flujo libre se ha utilizado como un enfoque innovador para desarrollar modelos de velocidad en lugar de
centrarse en un percentil en particular. Esto se ha logrado mediante la representación de la velocidad percentil como
una combinación lineal de la media y la desviación estándar. Los datos se representaron en el forma de un y era
explorado con un lineal modelo que incluye aleatorio Efectos.
Las velocidades de flujo libre y las características de las carreteras recogidas en las carreteras suburbanas y rurales de
cuatro carriles se utilizaron para desarrollar los modelos de velocidad. Los modelos demostraron su eficiencia en la
identificación de relaciones entre diversas carreterascaracterísticas y velocidades. Más importante aún, los impactos
de los elementos de la sección transversal como el ancho del pavimento, el la anchura mediana y la distancia de la
zona despejada de la carretera se mantuvieron en los modelos de velocidad. Era igualmente fácil cuantificar el
Impactos de el Variables en el significar velocidad y en el estándar de velocidad desviación.
Los modelos desarrollados se sugieren para su implementación para estimar las velocidades de flujo libre en cualquier
ubicación en cuatro carriles Carreteras. Ambos modelos incluyeron 13 variables diferentes para estimar las
velocidades de flujo libre. Los modelos desarrollados tienen las mismas capacidades que los modelos OLS
tradicionales en la predicción de 85ésimo
velocidades percentiles. Las ventajas de la Los modelos desarrollados incluyen
la predicción de cualquier percentil especificado por el usuario, lo que implica más variables de diseño que las
tradicionales OLS modelos y separación el Impactos en significar velocidad desde el Impactos en velocidad dispersión.
RECONOCIMIENTO
Este trabajo fue apoyado por el Programa conjunto de investigación de transporte administrado por el Departamento
de Indiana de Transportation and Purdue University in research project SPR-2663. El contenido de este documento
refleja las opiniones de los autores, que son responsables de los hechos y la exactitud de los datos aquí presentados, y
no necesariamente reflejar el oficial Vistas o políticas de el Federal Carretera Administración y el Indiana
Departamento de Transporte, ni el contenido constituyen un estándar, especificación o regulación.
REFERENCIAS
1. Tarris, J., Poe, C., Mason, Jr., J., and K. Goulias. Predicción de velocidades de funcionamiento en calles urbanas
de baja velocidad: Enfoques de regresión y análisis de panel. En Registro de investigación de transporte 1523,
TRB, Investigación Nacional Consejo, Washington, D.C., 1996, Pp. 46-54.
2. Fitzpatrick, K., Carlson, P., Brewer, M., Wooldrige, M., and S. Miaou. Velocidad de diseño, velocidad de
funcionamiento y Publicada Velocidad Prácticas. NCHRP Informe 504. TRB, Nacional Consejo de Investigación,
Washington, D.C., 2003.
3. Garber, N. and R. Gadiraju. Factores que afectan a la varianza de velocidad y su influencia en los accidentes. En
Transporte Registro de investigación 1213, TRB, Nacional Consejo de Investigación, Washington, D.C., 1989,
págs. 64 y 71.
4. Yagar, S. Predicting speeds for rural two-lane highways. Investigación de Transporte Parte A: Política y Práctica,
Vol. 18A, No. 1, 1984, Pp. 61-70.
5. Polus, A., Fitzpatrick, K., and D. Fambro. Predicción de velocidades de operación en secciones tangentes de dos
carriles ruralesCarreteras. En Transporte Investigación Grabar 1737, TRB, Nacional Investigación Consejo

Washington D.C.,2000, Pp. 50-57.

6. Schurr, K., McCoy, P., Pesti, G., and R. Huff. Relación de diseño, funcionamiento y velocidades publicadas en
Horizontal Curves of Rural Two-Lane Highways in Nebraska. En: Registro de investigación de transporte 1796,
TRB, Nacional Investigación Consejo Washington, D.C., 2002, págs. 60 y 71.
7. Fitzpatrick, K., Krammes, R. and D. Fambro. Velocidad de diseño, velocidad de operación y relaciones de
velocidad publicadas. ITEDiarioVol. 67, No. 2, 1997, Pp. 52-59.
8. Poe, C., y J. Mason, Jr. analizando la influencia del diseño geométrico en las velocidades de operación a lo largo
de baja velocidad Urban Streets: Mixed-Model Approach. En Registro de investigación de transporte 1737, TRB,
Investigación Nacional Consejo, Washington, D.C., 2000, Pp. 18-25.
9. Bonneson, J. (2001) Mandos para horizontal curva diseño. Transporte Investigación Grabar 1751, Pp. 82-89.
10. Polus, A., Poe, C. and Mason Jr, J. (1995) Review of international design speed practices in roadway geometric
diseño. Simposio Internacional sobre Prácticas de Diseño Geométrico de Carreteras, Actas de Congresos, Boston,
Massachusetts Capítulo 5, Pp. 1–8.
11. Morgenstern, B., Mahoney, D. and B. Warady. Estimación del peso corporal total en niños sobre la base de la
altura y peso: Un reevaluación de el Fórmulas de Mellits y Mejilla. Diario de el Americano Sociedad de
Nefrología. Vol. 13, 2002, Pp. 1884-1888.
12. Morrell, C., Pearson, J., Brant, L. and S. Gordon-Salant. Construcción de percentiles auditivos en mujeres con
varianza no constante del modelo lineal de efectos mixtos. Estadística en Medicina. Vol. 16, 1997, págs. 2475-
2488.
13. Hsiao, C. Análisis de Tablero Datos. Cambridge Universidad Prensa Nuevo York EE.UU., 1986.
14. Figueroa, A. y A. Tarko. Conciliación de los límites de velocidad con las velocidades de diseño. Informe
FHWA/IN/JTRP-2004/07, Articulación Transporte Investigación Programa, Universidad de Purdue, 2004.
15. Greene W. Econométrico Análisis. 5ésimo
Edición Prentice Sala Nuevo Jersey EE.UU., 2003.
16. Washington, S., Karlaftis, M., and F. Mannering. Métodos estadísticos y econométricos para datos de transporte
Análisis. Buhonero & Sala / CRC Prensa LLC Boca Ratón, Florida 2003.
17. AASHTO. Un Política en Geométrico Diseño de Carreteras y Calles. 2001.

LISTA DE MESAS
MESA 1 General selección criterios para cuatro carriles carretera Segmentos
CUADRO 2 Estadísticas descriptivas de las características medidas en las
autopistas de cuatro carrilesCUADRO 3 Modelo de velocidad percentil OLS-PD
para segmentos de autopistas de cuatro carriles MESA 4 RE velocidad percentil
modelo para la autopista de cuatro carriles Segmentos
LISTA DE CIFRAS
FIGURA 1 Un caso de dos distribuciones de velocidad diferentes con los mismos
85ésimo
percentil.FIGURA 2 Típico sección transversal Configuraciones de cuatro
carriles carretera Segmentos.
FIGURA 3 Rendimiento de 85ésimo
percentil velocidad Estimaciones.

MESA 1 General selección criterios para cuatro carriles carretera Segmentos
Segmento característica Criterios
Terreno Todo Tipos
Ubicación Suburbano Para rural
Calzada tipo Estados Unidos y estado Carreteras (sin interestatales o local
carreteras)
Carretera funcional clasificación Arterial Para coleccionista
Desarrollo tipo Comercial residencial Para sin desarrollo
Acceso control Lleno parcial Para No control
Acera Superficie tipo Portland cemento hormigón Para asfalto hormigón
Acera condición Acera Superficie y Marcas en bien condición
Mediana tipo Todo mediana Tipos Para indiviso
Tráfico control No parar firmar o tráfico señal dentro 0,5 millas
Publicada velocidad límite 55 Mph preferible en menos 40 Mph
Bordillos Todo Tipos Para No bordillo
Aceras Sí Para No
Segmento largura En menos 1 milla
Anual Promedio Diario Tráfico Superior que 1000 vpd

MESA 2 Descriptivo estadística para características medido en cuatro carriles
Carreteras
Característica Significar ETS. desviación Mínimo Máximo
Publicada velocidad límite Mph 50.22 5.18 40 55
Promedio anual diario tráfico vpd 21734 11614 3550 58580
Porcentaje de camiones por ciento 9.02 6.70 0.00 41.50
Vista distancia (SD), Pies 1424.00 408.70 549.45 2078.00
Carretera grado por ciento 0.006 1.42 -6.20 6.00
Intersección densidad (INTD), #/mi 4.60 3.53 0 14
Entrada densidad #/mi/dirección 8.24 10.09 0 38
Mediana abertura densidad (MOD), #/mi 0.48 1.91 0 10
Viajado sentido Ancho Pies 23.46 0.88 21.41 25.83
Acera Ancho (PAV), Pies 34.73 5.76 24.33 47.17
Orilla del camino claro zona Pies 23.27 16.27 0.00 81.50
Adentro lateral Despeje distancia (CIT), Pies 25.60 19.75 0.00 62.08
Grado de curvatura (DC), Grados 3.10 1.23 1.55 5.91
Radio de curva (R), pies 2108.69 764.21 969.71 3695.59
Máximo superelevation - (SE) El hecho de
que se le en por ciento
3.22 1.81 1.18 6.65
Curva largura (LEN), ft 1578.60 1723.70 165.00 5300.00
Significar velocidad Mph 53.72 5.30 42.05 62.29
85ésimo
percentil velocidad Mph 58.69 5.29 47.46 67.00

MESA 3 OLS-PD percentil velocidad modelo para cuatro carriles carretera
Segmentos.
Variable Coeficiente Estándar error Valor T Valor p
UNO 51.4908 0.5638 91.32 < 0.0001
PSL50 -4.7029 0.1886 -24.94 < 0.0001
PSL45 -5.8147 0.2044 -28.45 < 0.0001
PSL40 -8.0301 0.2909 -27.60 < 0.0001
RUR 2.8468 0.2223 12.81 < 0.0001
SD 8.288 éxtasis 10-4
1.727 éxtasis 10-4
4.80 < 0.0001
INTD -0.3310 0.0222 -14.93 < 0.0001
MOD -0.3669 0.0367 -10.00 < 0.0001
PAV 0.1289 0.0142 9.05 < 0.0001
CIT 0.0501 0.0041 12.30 < 0.0001
TWLT 0.9550 0.1632 5.85 < 0.0001
OBS -2.4445 0.2634 -9.28 < 0.0001
ZANJA -1.5713 0.2112 -7.44 < 0.0001
Zp 5.8543 0.3400 17.22 < 0.0001
Zp-PSL45-40 -0.4904 0.1907 -2.57 0.0102
Zp-RUR -0.5102 0.2278 -2.24 0.0253
Zp-SD -3,184 x 10-4
1.856 éxtasis 10-4
-1.72 0.0866
Zp-CLR -4,590 x 10-3
0.0028 -1.66 0.0978
Zp-TWLT -0.3540 0.1850 -1.91 0.0559
Bondad de caber Medidas
R-cuadrado = 0.8912 Raíz significar cuadricular error = 2.258
Ajustado R-cuadrado = 0.8896 Prueba F = 570.45, valor p < 0.0001

MESA 4 RE percentil modelo de velocidad para cuatro carriles carretera
Segmentos.
Variable Coeficiente Estándar error Valor T Valor p
UNO 52.2398 2.2246 23.48 < 0.0001
PSL50 -4.7034 0.7744 -6.07 < 0.0001
PSL45 -5.8712 0.8378 -7.01 < 0.0001
PSL40 -8.1261 1.1917 -6.82 < 0.0001
RUR 2.8838 0.9122 3.16 0.0016
INTD -0.2993 0.0869 -3.44 0.0006
MOD -0.3506 0.1499 -2.34 0.0195
PAV 0.1404 0.0576 2.44 0.0150
CIT 0.0485 0.0167 2.91 0.0037
TWLT 0.8310 0.5067 1.64 0.1004
OBS -2.6855 1.0616 -2.53 0.0115
ZANJA -1.7218 0.8575 -2.01 0.0449
Zp 5.7799 0.1206 47.92 < 0.0001
Zp-PSL45-40 -0.5052 0.0682 -7.40 < 0.0001
Zp-RUR -0.5529 0.0805 -6.87 < 0.0001
Zp-SD -3.000 x 10-4
6.500 éxtasis 10-5
-4.54 < 0.0001
Zp-MOD 0.0310 0.0138 -2.25 0.0249
Zp-CLR -4,250 x 10-3
0.0010 -4.37 < 0.0001
Zp-TWLT -0.3444 0.0647 -5.32 < 0.0001
Zp-OBS 0.2588 0.1045 2.48 0.0134
Covarianza parámetro Estimar Valor Z > pr Z
SITIO 4.490 5.75 < 0.0001
Residual 0.618 24.56 < 0.0001
Bondad de caber Medidas
Verosimilitud logarítmica final = -
1665.217 Restringido registro
probabilidad = -2844.338
Rho cuadrado = 0.4145

1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60 70 80 90 100
Velocidad (mi/h)
FIGURA 1 Un caso de Dos diferente velocidad Distribuciones con el mismo 85ésimo
percentil.
media = 50
st.dev. = 15
significar =
60
V85 = 65
Acumulativo

a) Rural dividido con estrecho hierba mediana b) Rural dividido con extenso hierba mediana
c) Suburbano indiviso con bordillo d) Suburbano dividido con mediana barrera
e) Suburbano dividido con Carril TWLT f) Suburbano dividido con hierba mediana
FIGURA 2 Típico sección transversal Configuraciones de cuatro carriles
carretera Segmentos.

70
65
60
55
50
45
OLS-PD
RE
40
40 45 50 55 60 65 70
Modelo 85º percentil velocidad
FIGURA 3 Rendimiento de 85ésimo
percentil velocidad Estimaciones
Observado
85º
percentil
velocidad

2 speed factors-on_four_lane_highways_in_f babylon

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (11)

Similar a 2 speed factors-on_four_lane_highways_in_f babylon

Similar a 2 speed factors-on_four_lane_highways_in_f babylon (20)

Más de Sierra Francisco Justo

Más de Sierra Francisco Justo (20)

Último

Último (20)

2 speed factors-on_four_lane_highways_in_f babylon