Resumen

Los datos de vehículos flotantes son beneficiosos para estimar las condiciones del tráfico en amplias zonas y desempeñan un papel cada vez más importante en la vigilancia del tráfico. Sin embargo, su aplicación generalizada se ve limitada por la baja frecuencia de muestreo, que dificulta la obtención de una imagen completa del movimiento de un vehículo. Una reconstrucción precisa y fiable de la trayectoria de un vehículo podría traducirse efectivamente en una mayor frecuencia de muestreo que permitiera una estimación más precisa de los parámetros del tráfico rodado. Los métodos existentes requieren información adicional, como vehículos cercanos, estrategias de temporización de señales y patrones de colas, que no siempre están disponibles. Para abordar este problema, este artículo presenta un método utilizado con datos de baja frecuencia de muestreo para reconstruir las trayectorias de los vehículos a través de las intersecciones, sin necesidad de información adicional. Además, se generan los parámetros adicionales para las distribuciones de la curva velocidad-tiempo para la tasa de deceleración y la tasa de aceleración. Se desarrolla un modelo de desaceleración y aceleración a trozos para calcular la tasa de aceleración de los distintos modos de desplazamiento en la trayectoria. A continuación, se estiman los parámetros de distribución de los datos de aceleración para cada modo de desplazamiento mediante un nuevo algoritmo de maximización de expectativas (EM). A continuación, las estadísticas de aceleración se utilizan para reconstruir las partes correspondientes de la trayectoria. En comparación con las trayectorias de referencia (verdad), los resultados de las pruebas muestran que el método desarrollado en este artículo consigue una mejora de la precisión que oscila entre el 16 y el 67% respecto al método de interpolación lineal utilizado habitualmente. Además, el método propuesto no es muy sensible al intervalo de muestreo de los datos del coche flotante, a diferencia del método de interpolación lineal, en el que el error crece rápidamente al aumentar el intervalo de muestreo.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:método de interpolación lineal, método, trayectoria, tasa de aceleración, datos de automóviles, intervalo de muestreo, diferentes modos de desplazamiento, mayor frecuencia de muestreo, nueva maximización de expectativas, parámetros del tráfico rodado
• Keywords:linear interpolation method, method, trajectory, acceleration rate, car data, sampling interval, different travel modes, higher sampling frequency, new expectation maximization, road traffic parameters