Resumen

La adopción de vehículos conectados y autónomos (VAC) está en pañales. Por lo tanto, se sabe muy poco sobre sus posibles repercusiones en el tráfico. Mientras tanto, investigadores y analistas de mercado predicen un amplio abanico de posibilidades sobre sus beneficios potenciales y el calendario de sus despliegues. Los planificadores utilizan tradicionalmente diversos tipos de modelos de demanda de viajes para prever las condiciones futuras del tráfico. Sin embargo, estos modelos aún no integran las repercusiones previstas del despliegue de los vehículos eléctricos compactos. En consecuencia, muchos planes de transporte a largo plazo aún no tienen en cuenta su posible despliegue. Para abordar algunas de estas incertidumbres, este trabajo modificó un modelo existente para Madison, Wisconsin. Para comparar los resultados, los autores utilizaron idénticos cambios de parámetros y escenarios de simulación para un modelo de Gainesville, Florida. Ambos modelos muestran que con niveles crecientes de despliegue de CAV, tanto los kilómetros recorridos por vehículo como la velocidad media de congestión aumentarán. Sin embargo, hay algunas excepciones importantes debidas a las diferencias en el trazado de la red de carreteras, las características geoespaciales, los factores sociodemográficos, el uso del suelo y el acceso al transporte público.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:velocidad media de congestión, condiciones futuras del tráfico, cambios idénticos en los parámetros, planes de transporte de alcance, trazado de la red viaria, modelos de demanda de viajes, modelo, despliegue de cav, despliegue de cav, vehículos autónomos
• Keywords:average congestion speed, future traffic conditions, identical parameter changes, range transportation plans, road network layout, travel demand models, model, cav deployment, cav deployments, autonomous vehicles