Resumen

La fiabilidad del tiempo de viaje (TTR) basada en el origen-destino (O-D) es fundamental para las herramientas de navegación de próxima generación que pretenden proporcionar información tanto sobre el tiempo de viaje como sobre la fiabilidad. Mientras que los trabajos anteriores se centran principalmente en la fiabilidad del tiempo de viaje basada en la ruta y utilizan datos ad hoc o simulaciones en los análisis, este estudio utiliza datos de código abierto de Uber Movement y Weather Underground para analizar sistemáticamente el impacto de la intensidad de las precipitaciones en la fiabilidad del tiempo de viaje basada en el origen-destino. Los autores clasificaron tres años de datos de tiempo de viaje en el centro de Boston en cien pares origen-destino y los integraron con los datos meteorológicos (lluvia). Se aplicó un modelo de mezcla lognormal para ajustar las distribuciones del tiempo de viaje y calcular el índice de amortiguación. Para cuantificar las características se utilizaron la mediana, la media recortada, el rango intercuartílico y el análisis de varianza unidireccional. El estudio encontró algunos resultados que tendían a coincidir con los hallazgos previos en la literatura, como que, en general, la lluvia reduce la fiabilidad del tiempo de viaje basado en O-D, y algunos parecían ser únicos y dignos de discusión: en primer lugar, aunque en general la reducción de la fiabilidad del tiempo de viaje es mayor a medida que aumenta la intensidad de la lluvia, parece que el cambio es más significativo cuando la intensidad de la lluvia pasa de ligera a moderada, pero se vuelve bastante marginal cuando pasa de normal a ligera o de moderada a extremadamente intensa; en segundo lugar, independientemente de que el tiempo sea normal o lluvioso, la fiabilidad del tiempo de viaje basada en O-D y su coherencia en diferentes pares de O-D con un tiempo medio de viaje similar siempre tienden a mejorar junto con el aumento del tiempo medio de viaje. Además de los hallazgos técnicos, este estudio también contribuye al estado del arte al promover la aplicación de datos del mundo real y disponibles públicamente en los análisis de TTR.

• 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:fiabilidad del tiempo de viaje, estudio, intensidad de las precipitaciones, tiempo medio de viaje similar, datos de weather underground, tiempo medio de viaje, generación de herramientas de navegación, modelo de mezcla lognormal, fuente uber movement, datos del tiempo de viaje
• Keywords:travel time reliability, study, rainfall intensity, similar average travel time, weather underground data, average travel time, generation navigation tools, lognormal mixture model, source uber movement, travel time data