DYNA

http://dyna.medellin.unal.edu.co/

Analysis of vehicular traffic flow using a macroscopic model

Anlisis del flujo de trfico vehicular a travs de un modelo
macroscpico
Fernando Prez a, Alejandro Bautista b, Martin Salazar c & Antonio Macias d
a
Ph.D., Escuela de Ciencias, Universidad Autnoma Benito Jurez de Oaxaca ,Mxico, l_perez_s@yahoo.com.mx
b
Ph.D., Facultad de Ingeniera, Universidad Autnoma de Puebla, Mxico, Alejandro.bautista@hotmail.com
c
Ph.D., Facultad de Ingeniera, Universidad Autnoma de Puebla, Mxico, msalaz_77@hotmail.com
d
M.Sc., Facultad de Ingeniera, Universidad Autnoma de Puebla, Mxico, amacias46@yahoo.com.mx

Received: July 3th, 2013. Received in revised form: November 12th, 2013. Accepted: December 11th, 2013

Abstract
Today the most cities in the world face different problems caused by vehicular traffic due to the increasing number of vehicles on road,
such as traffic congestion, environmental pollution, excessive noise, increased accidents on the road, etc. Therefore it is important to
represent the phenomenon by applying models so as to find better traffic flow patterns in a given city. In this work we introduce a simple
macroscopic model to describe traffic flow in traffic congestion and we obtain the equation that relates the characteristic behavior
between traffic flow and traffic density, known in the literature as fundamental relationship. Finally, we find an analytical solution for
optimal flow passing vehicles on a congested road section.

Keywords: Vehicular traffic; traffic density; macroscopic model.

Resumen
Hoy en da la mayora de las ciudades en el mundo se enfrentan a diversos problemas ocasionados por el trfico vehicular debido al
creciente nmero de vehculos en circulacin, tales como congestionamiento, contaminacin del medio ambiente, exceso de ruido,
incremento del nmero de accidentes viales, etc. De ah la importancia de representar el fenmeno de trfico vehicular mediante modelos
en busca de mejores patrones de flujo vehicular en una determinada ciudad. En este trabajo introducimos un modelo macroscpico
simple para describir el flujo vehicular en un congestionamiento trfico y obtenemos la ecuacin que relaciona el comportamiento
caracterstico entre flujo vehicular y densidad de trfico, conocida en la literatura como relacin fundamental. Finalmente, hallamos una
solucin analtica para la fluidez ptima del paso de vehculos en un tramo de carretera congestionado.

Palabras Clave: Trfico vehicular; densidad de trfico; modelo macroscpico.

1. Introduccin las que son consecuencia de un mal diseo de las vas

El congestionamiento trfico representa en la actualidad
un gran reto a resolver debido al nmero de usuarios cada
vez mayor que necesitan transportarse hacia las grandes
ciudades para realizar sus actividades econmicas, sociales,
culturales y de cualquier ndole. Ms an, el transporte no
es exclusivo de los usuarios, ya que los productos que se
consumen o se comercializan tambin necesitan ser
transportados, lo que agudiza ms el problema acerca del
incremento del nmero de vehculos que transitan a travs
de las ciudades y que provocan problemas serios de trfico
vehicular, adems de contaminacin, exceso de ruido,
incremento del nmero de accidentes viales, etc. La
repercusin que tiene el incremento de vehculos
automotores con el aumento del nmero de accidentes
viales se discute en el trabajo [1] en donde se analiza
ampliamente las causas de la accidentalidad, destacndose
urbanas y las que se deben a una falta de criterios sobre
seguridad vial para una mejor adaptacin de sistemas de
control vehicular.
En lo que respecta a congestionamiento, es tentativo
pensar que un incremento en la infraestructura vial conlleva
necesariamente a una mejora en la fluidez vehicular, pero
no siempre es as; esto se discute en la famosa paradoja de
Braess [2 5]. De hecho la dificultad que surge al agregar
una nueva va es un concepto que ya ha sido ampliado y
aplicado recientemente a sistemas de transporte
mesoscpicos [6,7]. El mal diseo de infraestructuras viales
y el uso de controladores de trfico obsoletos e ineficientes,
son las principales causas que han ocasionado que varias
ciudades en el mundo presenten problemas serios de
transporte (ver por ejemplo [8]), por lo que ltimamente se
han presentado nuevas estrategias e intensificado estudios

The authors; licensee Universidad Nacional de Colombia.

DYNA 81 (184), pp. 36-40 April, 2014 Medelln. ISSN 0012-7353 Printed, ISSN 2346-2183 Online
 Prez et al / DYNA 81 (184), pp. 36-40. April, 2014.
sobre trfico vehicular en sistemas viales, buscando agilizar
la movilidad vehicular [9 11].
En la literatura se han reportado distintos enfoques para
abordar el problema sobre congestionamiento en el trfico
vehicular, destacndose los llamados modelos
macroscpicos y microscpicos. En los modelos
macroscpicos (ver por ejemplo [12,13]) no se toman en
cuenta las caractersticas especficas de los vehculos y
generalmente, por su comportamiento estadstico, las
variables principales que intervienen, tales como tamao de
vehculos y distancia de separacin entre vehculos, se
promedian. Se consideran tambin modelos macroscpicos
aquellos en donde se ha concebido el trfico vehicular como
un flujo compresible de un fluido, por lo que se ha tratado
de describir este fenmeno usando teora hidrodinmica.
Por otro lado, en los modelos microscpicos (ver por
ejemplo [14]), en donde se incluyen los modelos de
autmatas celulares, se toman en cuenta las diferentes
variables que especifican las caractersticas propias de cada
vehculo y adems se especifican las reglas de movimiento
individual de cada vehculo. A pesar de que con estos
modelos se obtiene una informacin ms completa sobre la
dinmica de transito, se requiere de una gran cantidad de
datos especficos sobre infraestructura vial, demanda de
transporte y seguimiento de trayectorias de los vehculos
que no es fcilmente accesible, pero que esta ltima puede
ser recopilada empleando tecnologa de punta [15,16].
El modelo matemtico presentado aqu es macroscpico
y se deduce a partir de la segunda ley de movimiento de
Newton; las suposiciones establecidas para su desarrollo
hacen posible determinar una solucin analtica para la
fluidez ptima a un problema ideal de congestionamiento
trfico en una va, suponiendo movimiento vehicular
homogneo (flujo vehicular estacionario).
Su verdadero valor radica en la simplicidad de su
deduccin, pues no involucra mtodos numricos y su
prediccin de la forma que debe poseer un diagrama de
flujo fundamental, al menos de manera cualitativa, es
correcta.
En la actualidad se encuentran reportados diversos
modelos macroscpicos que estudian dinmica vehicular y
dependiendo del nmero de variables independientes,
necesarios para su descripcin, se han clasificado en modelos
de aproximacin de primer orden [17,18], segundo orden
[13,19 24] y de orden mayor [12,25]. Dicho nmero depende
del nivel de detalle que se desee describir el sistema y de la
complejidad del tipo de va que se est tratando. Por ejemplo,
en los modelos de segundo orden, comnmente consideran a
la densidad de trfico y la rapidez promedio de los vehculos,
como las dos variables independientes.
La mayora de estos modelos han sido aplicados a
situaciones ms complejas de trfico que la de un tramo
recto de carretera de un solo carril, por lo que el uso de los
clculos numricos para resolver las ecuaciones resultantes
de la modelacin, es indispensable, ya que difcilmente se
pueden resolver de manera analtica.
En ese sentido podemos decir que nuestro modelo
necesitara reformularse si queremos incluir un mayor
37
nmero de factores inherentes a una situacin de trfico; sin
embargo, para nuestro fin, consideramos que puede servir
de base para desarrollar modelos ms sofisticados y con
ello, resolver problemas de frontera sobre dinmica
vehicular, que es uno de nuestros prximos objetivos.
El presente artculo presenta la siguiente estructura:
adems de la presente introduccin, en la seccin 2 se plantean
las ecuaciones de movimiento de los vehculos en un tramo
congestionado, analizando las fuerzas aplicadas que
intervienen en cada vehculo. En la seccin 3 se resuelven
dichas ecuaciones para resolver las rapideces de los vehculos
en funcin de la densidad de trfico (x). En la seccin 4 se
introduce el concepto de flujo vehicular y se determina su
comportamiento en funcin de x. En la seccin 5 se obtiene la
solucin de la fluidez ptima para una flota de vehculos en el
caso considerado.
2. Ecuaciones de movimiento de vehculos en un tramo
congestionado
La fuerza resultante sobre el -simo vehculo que se
desplaza a travs de un tramo recto de carretera
(movimiento unidimensional) es
Fuerza de traccin del motor Fuerza de resistencia al avance. (2.1)
La fuerza de resistencia al avance es la resultante de las
fuerzas de friccin presentes: pavimento con neumticos y
rozamiento del vehculo con el aire (se pueden despreciar
las fuerzas de rozamiento del vehculo con el aire ya que
son pequeas en comparacin con las fuerzas de friccin
entre pavimento y neumticos), y est relacionada de
manera proporcional con la intensidad con el que el
conductor pisa el freno.
Suponiendo que al ingresar el vehculo en el tramo
congestionado se deja de acelerar, como normalmente
sucede, entonces la fuerza de traccin del motor en (2.1) es
cero y de la segunda ley de Newton se tiene
Fuerza de resistencia al avance (2.2)
donde es la coordenada de posicin del vehculo en
el instante a lo largo del tramo carretero. Hemos ubicado el
origen de nuestro eje de coordenadas al inicio de dicho
tramo y la direccin del flujo de vehculos es hacia el eje
positivo.
La fuerza de resistencia al avance debe ser directamente
proporcional a la fuerza con que se aplican los frenos y esta
ultima fuerza es, a la vez:
Inversamente proporcional a la distancia relativa entre
los vehculos adyacentes y 1 (hemos ubicado las
posiciones de los vehculos de tal forma que ). Dicho
de otra forma: a mayor espaciamiento entre vehculos, menos
freno; a menor espaciamiento, ms freno.
) Directamente proporcional a la rapidez relativa entre
ambos vehculos (note que . A mayor rapidez
relativa, ms freno y viceversa. Por lo tanto, tomando en
 Prez et al / DYNA 81 (184), pp. 36-40. April, 2014.

consideracin las dos hiptesis i) y ii) para la fuerza con que
se aplican los frenos y su relacin de sta con la fuerza de
resistencia al avance, (2.2) se transforma en
2
1 ln
2
. (2.3)
1
es una constante de proporcionalidad mayor que cero.
La cantidad denotada en valor absoluto resalta el hecho de
que el denominador se refiere a una distancia y el signo
menos indica que la direccin de la fuerza resultante es en
direccin opuesta a la direccin del flujo.
Suponiendo que hay vehculos en el tramo
considerado en el instante , (2.3) con 1, 2, , , nos
representan sus ecuaciones de movimiento.
3. Rapidez de un vehculo en un tramo congestionado
La primera integracin de (2.3) nos determina la
rapidez. Suponiendo un solo tipo de vehculos de masa ,
se obtiene
1 , (3.5)
que se puede verificar fcilmente derivando temporalmente
(3.5) y ver que se obtiene (2.3). Aqu hemos denotado
.
Suponiendo que los N vehculos, movindose en el
tramo, estn espaciados en una distancia promedio y que
la longitud de los carros es en promedio , entonces la
congestin o densidad de trfico, definido como el nmero
de vehculos por unidad de longitud, est dado por
1
. (3.6)

Analicemos antes que nada las condiciones que debe Usando esta ltima expresin y el hecho de que
satisfacer la rapidez de un vehculo al entrar al tramo de , la ecuacin (3.5) adquiere la forma
carretera congestionado. De manera similar a la situacin en
que un vehculo se acerca a un cruce de paso de tren o al entrar 1
en un tnel, el conductor debe de reducir su rapidez por ln , (3.7)
precaucin. En nuestro caso, la rapidez de un vehculo debe
ser funcin de la densidad de trfico. De hecho a mayor en donde hemos supuesto movimiento vehicular
congestionamiento la rapidez de los carros es menor y homogneo o flujo vehicular estacionario (i.e., el nmero de
viceversa; as que, si denotamos por la rapidez del vehculos que pasan a travs de una seccin transversal del
vehculo y el congestionamiento, entonces es una tramo por unidad de tiempo, es igual a una constante). En
funcin decreciente de y por lo tanto satisface estas condiciones, los vehculos se mueven con la misma
rapidez para un cierto valor de la densidad de trfico .

0. (3.1) Las condiciones (3.2) y (3.4) determinan los valores de
las constantes y , resultando
(La prima indica derivada con respecto a ). En un extremo
de bajo congestionamiento los vehculos podrn moverse (3.8)
ln
al lmite de la rapidez permitida , es decir,
1
ln , (3.9)
, (3.2)

y por lo tanto, al sustituir (3.8) y (3.9) en (3.7), se obtiene

y tambin para congestionamientos menores a :
ln
si 0 , (3.3) , si (3.10)
ln
ya que en este intervalo de bajo congestionamiento los
vehculos son libres de moverse a la velocidad lmite sin Finalmente, tomando en consideracin (3.3), obtenemos
peligro de chocar. la solucin para en todo el intervalo de :
Por otro lado, en un extremo de alto congestionamiento
la rapidez de los vehculos es cero, que corresponde al si 0
estado en que los vehculos estn atrapados en el trfico, ln
inmovilizados; por lo que podemos escribir si . (3.11)
ln
0. (3.4)
Tomando en cuenta que la segunda derivada de
Ahora modelaremos la forma funcional para en el respecto de es positiva en el intervalo , y
intervalo . por ende la concavidad de es hacia arriba en este
intervalo, la grfica de (3.11) adquiere la forma
representada en la Figura 1.

38
 Prez et al / DYNA 81 (184), pp. 36-40. April, 2014.

La grfica de (Fig. 2), es un caso de lo que se conoce

Figura 1. Grfica de la rapidez en todo el intervalo 0
4. Relacin fundamental del flujo vehicular y su
diagrama
Estamos en condiciones de expresar el flujo vehicular
en funcin de la densidad de trfico y de la rapidez de
trfico . Partiendo de la definicin de flujo vehicular,
como el nmero de vehculos que cruzan una seccin
transversal del tramo carretero por unidad de tiempo, se
obtiene
, (4.1)
en la literatura como diagrama fundamental del flujo
vehicular (generalmente resulta ser funcin de varias
variables). En nuestro caso se ha logrado reducir el flujo
vehicular nicamente como una funcin de la densidad de
trfico : , en este sentido, el modelo presentado
aqu es de primer orden.
La fluidez ptima al paso de vehculos en el tramo de
carretera considerado, ocurre en los valores de en los
cuales se maximiza . Tomando en cuenta que la grfica
de es cncava hacia abajo, sta tiene su mximo global en
el punto , que se puede verificar fcilmente
mediante el clculo diferencial. Tiene adems un mximo
local en sobre el intervalo 0 , tal y como se
indica en la Figura 2. Se dice que el trfico es ligero si
.
y pesado si .
La tabla 1 muestra el conjunto de parmetros que
intervienen en este modelo y se mencionan sus significados
fsicos. El valor de cada parmetro puede variarse
ligeramente respecto a los valores caractersticos que se
miden en una va, con el fin de hallar el mejor ajuste, entre
una curva de relacin fundamental emprica con la curva
obtenida aqu de manera terica, y ver el alcance de su
poder predictivo.
En un trabajo posterior planeamos mostrarles como
puede aplicarse este modelo a una situacin simple de
congestionamiento trfico que se observa en una va urbana
comn de nuestra localidad, a pesar de que fue formulada
para un caso de flujo estacionario.

Donde es la longitud del tramo y es el tiempo que
tarda un vehculo en recorrerlo. Finalmente, usando (3.11),
obtenemos la relacin fundamental del flujo vehicular:
si 0
ln si ,
Tabla 1. Parmetros y sus significados fsicos que intervienen en el
modelo.
Valor de la rapidez mxima en la que puede circular un
vehculo cuando la va est libre de congestionamiento
Densidad de mximo congestionamiento
Densidad crtica de congestionamiento en el que para
(4.2) valores menores que esta densidad, los vehculos podrn
circular al valor de la rapidez mxima permitida.

donde 5. Anlisis de los resultados

Figura 2. Grfica de
vehicular).
. De acuerdo con los resultados de la seccin anterior, en
ln
el intervalo de densidad de trfico , la
fluidez ptima ocurre en el punto bien definido
(ver Fig. 2). Si la densidad de trfico es cercana a ,
entonces, segn nuestra grfica, lejos de que se alcance una
buena fluidez, los vehculos estn prcticamente
imposibilitados a moverse, que concuerda con lo que
observamos en un trfico muy pesado.
Si la densidad de flujo est en algn valor tal que
entonces . Este ltimo
resultado nos dice que es posible incrementar el nmero de
vehculos que circulan por el tramo carretero (suponiendo
que el acceso a l est siendo controlado por un semforo o
algn otro medio de control de paso vehicular), sin correr el
riesgo de que se entorpezca el trnsito vehicular. De hecho
en funcin de (diagrama fundamental del flujo lo ptimo es incrementar hasta el punto de densidad crtica
donde el flujo tiene su mximo global .
Incrementar ms all de ese valor se induce a un trfico

39
 Prez et al / DYNA 81 (184), pp. 36-40. April, 2014.
pesado, i.e. de transito muy lento, segn se observa en el
diagrama de flujo vehicular (Fig. 2), con una rapidez
correspondiente segn la Figura 1.
6. Conclusiones
Aunque el modelo desarrollado aqu se enfoc a una
situacin muy especfica de tramo congestionado, con l ha
sido posible obtener una solucin analtica para la fluidez
ptima del paso de vehculos sin recurrir a los mtodos
numricos y se ha obtenido, de manera sencilla, la relacin
fundamental del flujo vehicular, cuya grfica reproduce el
comportamiento caracterstico de diagramas fundamentales
de flujo vehicular que se obtienen al tratar casos ms
realistas, empleando modelos ms sofisticados. El modelo
podra replantearse para considerar otras situaciones
especficas de trfico, tales como vialidades de dos o ms
carriles, la presencia de varios tipos de vehculos, e incluso
considerar otro tipo de situaciones fsicas que generan
congestionamiento, tales como reducciones de la capacidad
vial de las carreteras, como sucede en los tramos llamados
cuellos de botella, o aquellos congestionamientos
ocasionados en tramos que se intersectan con otras
vialidades. En el futuro nuestra investigacin estar
enfocada hacia dichas situaciones. En este trabajo, tambin
buscamos despertar el inters de los lectores para estudiar
un tema de investigacin interdisciplinario actual y este
desarrollo podra servir, como punto de partida, para
incursionar en esta disciplina, ya que se sientan las bases y
el lenguaje apropiado sobre dinmica vehicular.
7. Agradecimientos
Este trabajo ha sido apoyado por el Cuerpo Acadmico
UABJO-CA-50 y Cuerpo Acadmico BUAP-CA-236.
Referencias
[1] Garca, R., Delgado, D., Daz, E. and Garca, R., Caracterizacin de la
accidentalidad vehicular y anlisis de las causas en la provincia de Villa
Clara, Cuba. Revista DYNA, 175, pp. 191200, 2012.
[2] Braess, D., Nagurney, A. and Wakolbinger, T., On a paradox of traficc
planning. The journal Transportation Science, 39, pp. 446450, 2005.
[3] Irvine, A., How braess's paradox solves newcomb's problem,
international studies in philosophy of science, 7, 2, pp. 145164, 1993.
[4] Steinberg, R. and Zangwill, W., The prevalence of braess's paradox.
Transportation Science, 17, 3, pp. 301318, 1983.
[5] Rapoport, A., Kugler, T., Dugar, S. and Gisches, E., Choice of routes in
congested traffic networks: Experimental tests of the Braess Paradox.
Games and Economic Behavior 65, pp. 538-571, 2009.
[6] Pala, M., Sellier, H., Hackens, B., Martins, F., Bayot, V. and Huant,
S. A., new transport phenomenon in nanostructures: a mesoscopic analog
of the Braess paradox encountered in road networks. Nanoscale Research
Letters. 7, 1, pp. 472-476, 2012.
40
[7] Pala, M., Baltazar, S., Liu, P., Sellier, H., Hackens, B., Martins, F.,
Bayot, V., Wallart, X., Desplanque, L. and Huant, S., Transport
inefficiency in branched-out mesoscopic networks: an analog of the Braess
paradox. Phys Rev Lett. 108,7, pp. 076802(1)-076802(5), 2013.
[8] Gonzlez, C., Posada, J. and Snchez, I., The need for congestion
pricing in medellin: an economic perspective. Revista DYNA, 171, pp.
123131, 2012.
[9] Espinosa, F., Gordillo, C., Jimnez, R. and Avils, O., Machine vision
algorithms applied to dynamic traffic light control. Revista DYNA, 178,
pp. 132140, 2013.
[10] Jimnez, M. y Sarmiento, I., Sistema adaptativo de control y
optimizacin del trfico de un corredor vial semaforizado. Revista DYNA,
169, pp. 7178, 2011.
[11] Angel, P. y Marn, L., Un mtodo computacional para la obtencin de
rutas ptimas en sistemas viales. Revista DYNA, 167, pp. 112121, 2011.
[12] Shvetsov, V. and Helbing, D., Macroscopic Dynamics of multilane
traffic, Phys. Rev. E 59, pp. 6328-6339, 1999.
[13] Velasco, R. M. and Saavedra, P., Macroscopic models in traffic flow,
Qualitative Theory on Dynamical Systems, 7, 1, pp. 237-252, 2008.
[14] Knospe, W., Santen, L., Schadschneider, A. and Schreckenberg, M.
M., Towards a realistic microscopic description of highway traffic. J. Phys
A: Math. Gen 33, pp. L477-L485, 2000.
[15] Moreno, F. and Arango, F., A conceptual trajectory multidimensional
model: an application to public transportation. Revista DYNA,166, pp.
142-149, 2011.
[16] Brakatsoulas, S., Pfoser, D. and Tryfona, N., Modeling, storing, and
mining moving object databases 8th International Database Engineering
and Applications, pp. 68-77, 2004
[17] Velasco, R. M. and Saavedra, P., A first order Model in Traffic Flow,
Physica D. Nonlinear Phenomena. 228, 2, pp. 153-158, 2007.
[18] Nelson, P., Synchronized traffic flow from a modified Lighthill-
Witham model. Phys. Rev. E. 61, pp. R6052-R6055, 2000.
[19] Wagner, C., Hoffmann, C., Sollacher, R., Wagenhuber, J. and
Schurmann, B., Second-order continuum traffic model. Phys. Rev. E. 54,
pp. 5073-5085, 1996.
[20] Kerner, B. and Konhauser, P., Cluster effect in initially
homogeneous traffic flow. Phys. Rev. E. 48, pp. R2335-R2338,1993.
[21] Zhang, H., A non-equilibrium traffic model devoid of gas-like
behavior.
Transportation Research Part B, 36, pp. 275-290, 2002.
[22] Velasco, R. and Marques, W., Navier-Stokes-like equations for traffic
flow. Phys. Rev. E 72, p. 46102, 2005.
[23] Mndez, A. and Velasco, R., An alternative model in traffic flow
equations.Transp. Res. Part B, 42 (9), pp. 782-797, 2008.
[24] Marques, W. and Velasco, R. An improved second-order continuum
traffic model. J. Stat. Mech. p. 2012, 2010.
[25] Helbing, D., Improved fluid-dynamic model for vehicular traffic,
Phys. Rev. E. 51, pp. 3164-3169, 1995.