Escolar Documentos
Profissional Documentos
Cultura Documentos
CÁTEDRA
ETS de
DE PROYECTO FIN DE CARRERA
Ing. Industriales
PROYECTOS ANEXO III
UPM
TÍTULO DEL PROYECTO: Desarrollo de una metodología para generación de ciclos de conducción
representativos del tráfico real urbano. Aplicación para medida de emisiones en banco de rodillos
El objetivo general de este trabajo ha sido el desarrollo de una metodología que permite generar ciclos
reales de conducción para bancos de rodillos, con base en datos medidos en tráfico real urbano.
La metodología propuesta se basa en el uso de herramientas estadísticas (clustering, PCA, análisis
MANOVA, etc.) para determinar patrones de conducción, que se yuxtaponen para formar el ciclo de
conducción representativo. Los patrones de conducción, en el caso de tráfico urbano, se obtienen realizando
un clustering sobre los Segmentos entre Paradas (SeP) y sobre los Segmentos de Parada (SP) de los
recorridos analizados. La cronología de esta yuxtaposición se determina en base a la probabilidad
observada.
Debido a que se ha demostrado que la pendiente del terreno tiene un efecto muy significativo sobre el
consumo del automóvil, de manera innovadora, se ha incluido la pendiente del terreno como parámetro
adicional del ciclo de conducción.
En este informe, la metodología propuesta se ha aplicado para generar un ciclo de conducción para
tráfico congestionado y otro para tráfico fluido del Paseo de la Castellana de Madrid.
La ventaja de la metodología es que permite identificar patrones de conducción típicos de los recorridos
analizados, que pueden ser utilizados para hacer estudios modales de emisiones y consumo en tráfico real o
en banco de rodillos.
PALABRAS CLAVE:
Ciclo de conducción, clustering, pendiente del terreno.
Nombre: Nombre:
POR LA CÁTEDRA DE PROYECTOS EL ALUMNO:
Nombre: Nombre:
2
Índice
Índice
1. INTRODUCCIÓN ...................................................................................... 10
1.1. Objetivos............................................................................................................. 11
1.3. Antecedentes....................................................................................................... 11
2. FUNDAMENTOS TEÓRICOS................................................................... 14
3. DATOS EXPERIMENTALES.................................................................... 26
3
Índice
6. CONCLUSIONES ..................................................................................... 77
4
Índice
8. BIBLIOGRAFÍA ........................................................................................ 79
ANEXOS .......................................................................................................... 81
5
Índice
6
Índice
LISTA DE FIGURAS
7
Índice
Figura 29: Construcción del ciclo de conducción para tráfico fluido. Posicionamiento de
los SeP inicial y final .............................................................................................. 57
Figura 30: Tabla cronológica de SeP. Seleccionamos de la fila número 2 el SeP
disponible que más probabilidad tenga .................................................................. 58
Figura 31: Construcción del ciclo de conducción para tráfico fluido. SeP .................... 58
Figura 32: Ciclo de conducción para tráfico fluido con todos los SeP posicionados..... 59
Figura 33: Construcción del ciclo de conducción para tráfico fluido. Posicionamiento de
los SP ...................................................................................................................... 59
Figura 34: Ciclo de conducción para tráfico fluido completo ........................................ 60
Figura 35: Ciclo de conducción representativo de la Castellana para tráfico fluido...... 60
Figura 36: SeP y SP disponibles para construir el ciclo de conducción representativo de
tráfico no fluido ...................................................................................................... 63
Figura 37: Construcción del ciclo de conducción. Posicionamiento de los SeP inicial y
final......................................................................................................................... 64
Figura 38: Ciclo de conducción para tráfico no fluido completo ................................... 65
Figura 39: Ciclo de conducción representativo de la Castellana para tráfico no fluido. 65
Figura 40: Pendiente media de los SeP .......................................................................... 68
Figura 41: Pendiente del terreno de la Castellana para tráfico fluido ............................ 68
Figura 42: Pendiente del terreno de la Castellana para tráfico no fluido ....................... 69
Figura 43: Nivel de consumo según el tipo de segmento ............................................... 70
Figura 44: Consumo de cada segmento.......................................................................... 71
Figura 45: Matriz de frecuencia de utilización del motor .............................................. 72
Figura 46: Tipología 1.a de utilización del motor para los segmentos de tipo 1............ 74
Figura 47: Tipología 1.b de utilización del motor para los segmentos de tipo 1 ........... 74
8
Índice
LISTA DE TABLAS
Tabla 1: Ensayo del 23 de septiembre a las 10:39. Tabla utilizada para construir la
matriz cronológica de SeP ...................................................................................... 46
Tabla 2: Ensayo del 23 de septiembre a las 10:39. Tabla utilizada para construir la
matriz cronológica de SP........................................................................................ 47
Tabla 3: Análisis de frecuencia para los SeP del tráfico fluido...................................... 50
Tabla 4: Análisis de frecuencia para los SeP del tráfico fluido...................................... 51
Tabla 5: Análisis de frecuencia para los SeP del tráfico fluido...................................... 52
Tabla 6: Análisis de distancia para los SeP del tráfico fluido ........................................ 52
Tabla 7: Análisis de distancia para los SeP del tráfico fluido ........................................ 53
Tabla 8: Análisis del tiempo de duración de los SeP del tráfico fluido.......................... 53
Tabla 9: Análisis final para los SeP del tráfico fluido.................................................... 54
Tabla 10: Análisis de frecuencia para los SP del tráfico fluido ..................................... 55
Tabla 11: Cantidad de SeP de cada tipo para construir el ciclo de conducción
representativo para tráfico fluido............................................................................ 55
Tabla 12: Cantidad de SP de cada tipo para construir el ciclo de conducción
representativo para tráfico fluido............................................................................ 56
Tabla 13: Probabilidad de cada segmento entre paradas de comenzar y finalizar el ciclo
de conducción ......................................................................................................... 56
Tabla 14: Tabla de SeP disponibles mientras estamos construyendo el ciclo de
conducción.............................................................................................................. 57
Tabla 15: Análisis de frecuencia para los SeP del tráfico no fluido............................... 61
Tabla 16: Análisis de la distancia para los SeP del tráfico no fluido ............................. 61
Tabla 17: Análisis del tiempo de duración de los SeP del tráfico no fluido................... 62
Tabla 18: Análisis final para los SeP del tráfico no fluido............................................. 62
Tabla 19: Análisis de frecuencia para los SP del tráfico fluido ..................................... 63
Tabla 20: Cambio de marcha obtenido de datos experimentales para el Seat León ...... 66
Tabla 21: Código de colores para el consumo................................................................ 72
Tabla 22: Tabla del consumo de los SeP de tipo 1......................................................... 73
Tabla 23: Tablas del consumo de los SeP de tipo 2 ....................................................... 75
Tabla 24: Tablas del consumo de los SeP de tipo 3 ....................................................... 76
9
Introducción
1. Introducción
La evolución tecnológica del ser humano en los últimos siglos ha sido espectacular.
Sin embargo en las últimas décadas el ser humano se ha dado cuenta que una evolución
tan grande debe ir acompañada de una gran responsabilidad. Por ello hoy en día, cada
sector de la industria está apostando por ofrecer productos a la sociedad desarrollados
de manera sostenible. Las empresas buscan satisfacer las necesidades de la generación
actual sin comprometer las posibilidades de las generaciones futuras de satisfacer las
suyas. Dentro del desarrollo sostenible se encuentra la sostenibilidad ambiental, cuya
función es usar los recursos naturales según la capacidad e integridad de los ecosistemas.
El gran reto es conseguir una gestión eficaz del medio ambiente para reducir la
contaminación en la mayor medida posible.
Una forma de ser respetuoso con el medio ambiente es hacer productos cada vez
más eficientes. Además los productos eficientes no solo repercuten en el medio
ambiente, sino que permiten generar mayores beneficios a las empresas y conseguir un
reconocimiento de sus productos sobre los de la competencia.
REPSOL tiene como interés ensayar diferentes tipos de lubricantes y combustibles
en condiciones de tráfico real con el fin de aumentar la eficiencia de sus productos. Para
ello necesita ciclos de conducción representativos del tráfico real. En este proyecto se ha
desarrollado una herramienta que permite generar ciclos de conducción representativos
del tráfico real urbano. Esta herramienta le permitirá a REPSOL generar ciclos de
conducción representativos de diferentes zonas y ensayarlos en banco de rodillos. Las
ventajas que esto supondría serían fundamentalmente dos: la primera de ellas es que
REPSOL podría hacer sus ensayos en los bancos de rodillos de sus laboratorios, sin
necesidad de tener que salir a la calle para hacer el ensayo. Y la segunda y más
importante, es que los ciclos de conducción permiten asegurar la repetibilidad de los
ensayos, para así poder comparar distintos lubricantes y combustibles con el fin de
mejorar su eficiencia.
En este trabajo también se desarrolla un estudio sobre la pendiente del terreno para
poder incorporarla en un ciclo de conducción para banco de rodillos. Diversos trabajos
han demostrado que la pendiente influye significativamente en el rendimiento de un
vehículo, así como en las emisiones contaminantes que éste produce. Este trabajo
permite ensayar ciclos de conducción teniendo en cuenta la pendiente del terreno, para
comprobar el efecto que tiene la pendiente sobre la conducción urbana.
10
Introducción
1.1. Objetivos
1.2. Contexto
1.3. Antecedentes
De una manera muy simplificada se puede decir que actualmente existen dos tipos
de metodologías diferentes para generar ciclos de conducción: el método directo y el
método indirecto. El método directo consiste en seleccionar un recorrido de tráfico real
representativo de los datos que estamos analizando. Para seleccionar este tramo o
recorrido de tráfico real representativo se pueden utilizar diferentes criterios (van de
Wiejer et al., 1993). Un ejemplo de este tipo de metodología es el ciclo de conducción
FTP-75 americano. El método indirecto se basa en el procesamiento inicial de los datos.
11
Introducción
Ciclo Madrid
120
100
80
Velocidad (km/h)
60
40
20
0
0 100 200 300 400 500 600
Tiempo (s)
Figura 1: Ciclo Madrid
12
Introducción
está inspirada en el proyecto ARTEMIS (M. André, 2004), aunque con principios
diferentes y sin llegar a entrar en demasiada complejidad.
13
Fundamentos teóricos
2. Fundamentos teóricos
14
Fundamentos teóricos
Los ciclos de conducción NEDC (figura 3) se utilizan actualmente para evaluar las
emisiones contaminantes de los vehículos europeos. Sin embargo, se ha demostrado que
las emisiones contaminantes evaluadas con estos ciclos de conducción difieren
15
Fundamentos teóricos
• Ciclo ARTEMIS
El proyecto ARTEMIS proporciona un conjunto de ciclos de conducción del tráfico
real. Estos ciclos de conducción se suelen usar para la medida de emisiones
contaminantes en los automóviles. Se dividen en tres grupos (urbano, carreteras
secundarias y autopista), y estos a su vez se dividen en subgrupos en función de la
densidad del tráfico (fluido, congestionado, etc.). Para construir estos ciclos se hace un
completo análisis de los datos. El siguiente ciclo se corresponde con un ciclo típico de
carreteras secundarias:
16
Fundamentos teóricos
• Otros ciclos
Existen multitud de ciclos de conducción que han sido creados para representar las
condiciones de conducción de otras muchas ciudades importantes. También se han
desarrollado ciclos de conducción de acuerdo a la potencia de los vehículos (André, M.
(2006): Real-world driving cycles for measuring cars pollutant emissions – Part B:
Driving cycles according to vehicle power).
2.2.1.1. Introducción
El análisis de conglomerados o reconocimiento de patrones es una técnica
estadística multivariante que tiene como función dividir al conjunto de datos en grupos
de manera que los datos que pertenecen a un mismo grupo sean similares pero los datos
que pertenecen a grupos diferentes sean heterogéneos. En la siguiente imagen se
muestra el resultado tras hacer un análisis de conglomerados a un conjunto de datos:
17
Fundamentos teóricos
x2
x1
Figura 6: Análisis de conglomerados
En la imagen anterior se han realizado 3 grupos teniendo en cuenta dos variables (x1
y x2). Como se observa, los grupos que se forman se caracterizan por ser lo más
homogéneos posible, mientras que la variabilidad entre los grupos es alta.
Hay muchas técnicas de análisis de conglomerados, unas más sofisticadas que otras.
La técnica que se utiliza en este trabajo se llama k-medias (o k-means en inglés). Esta
técnica es una de las más sencillas que podemos encontrar para analizar conglomerados.
El algoritmo del k-medias es un método que se utiliza para formar grupos en un
conjunto de datos. Estos grupos se forman en función de la similitud entre los datos.
Este algoritmo es un método de clasificación no supervisado. Esto quiere decir que los
grupos se forman en función de la distancia entre los datos. En un método de
clasificación supervisada, primero lo entrenamos con una serie de datos donde le
decimos a qué grupo corresponde cada dato. En la clasificación no supervisada no se
sabe en un principio a qué grupo pertenece cada dato.
Para saber si un dato es similar a otro hay que calcularse la distancia entre esos dos
puntos. Si la distancia es pequeña quiere decir que los puntos son similares, y
pertenecerán al mismo grupo. Hay diferentes métodos para calcularse la distancia entre
dos datos. El tipo de distancia que hemos utilizado en este trabajo es la euclídea.
Un inconveniente de este algoritmo es que hay que seleccionar el número de grupos
(k grupos). Una vez seleccionado el número de grupos, básicamente el algoritmo trabaja
de la siguiente manera:
1. Se colocan k centroides de manera aleatoria en el espacio de los datos de tal modo
que estos centroides se encuentren lo más alejados posible los unos de otros
2. Se forman k grupos asociando cada dato con el centroide más cercano
3. Se recalculan las coordenadas del nuevo centroide
4. Los pasos 2 y 3 se vuelven a repetir hasta que se alcance la convergencia
18
Fundamentos teóricos
k p ng
k p
min SCDG = min ∑∑ n g s 2jg
g =1 j =1
k ng k ng
19
Fundamentos teóricos
En el siguiente gráfico se observa el valor de la silueta para cada dato en cada uno
de los 8 grupos formados:
20
Fundamentos teóricos
3
4
Cluster
Figura 7: Silueta
Si calculamos el valor medio de todos los coeficientes de la silueta nos da una idea
de la calidad de los grupos formados. Cuanto más cerca esté de +1 este valor, mejor
formados estarán los grupos.
2.2.2.1. Introducción
Cuando se realizan proyectos de investigación, hay que realizar ensayos de
diferentes tipos. En estos ensayos podemos medir gran cantidad de variables a través de
sensores de diferentes tipos. Sin embargo puede darse el caso de que algunas variables
que estamos midiendo no nos sean de gran utilidad debido a que están altamente
correlacionadas con otras variables que también hemos medido. Este fenómeno de
información redundante se acentúa mucho más cuando no sabemos cuál es la fuerza o
variable que gobierna a nuestro experimento. Para solucionar este problema de
información redundante surge el análisis de componentes principales.
La finalidad del análisis de componentes principales es reducir el número de
variables de nuestro experimento perdiendo la menor cantidad de información posible.
El concepto de mayor información está relacionado con el de mayor variabilidad o
varianza. Intuitivamente, un análisis de componentes principales busca hacer un cambio
21
Fundamentos teóricos
de base de los datos (es decir, utilizar otras variables diferentes a las iniciales) de tal
manera que la primera variable maximice la varianza de los datos, la segunda variable
sea la segunda que más maximice la variabilidad de los datos, y así sucesivamente. Por
ejemplo, si tenemos 10 variables, puede darse el caso de que tras cambiar de base a las
variables, con solamente las 4 primeras variables de esta nueva base expliquemos más
del 90% de la variabilidad de los datos.
La técnica de las componentes principales fue desarrollada por Pearson a finales del
siglo XIX. Más tarde Hotelling en los años 30 del siglo XX estudió más profundamente
esta técnica.
z1 = Xa1
Al igual que las variables iniciales, z también tendrá media cero. Su varianza se
calcula como:
1 1
z1′z1 = a1′ X ′Xa1 = a1′Sa1
n n
22
Fundamentos teóricos
∂M
= 2Sa1 − 2λa1 = 0
∂a1
Sa1 = λa1
a1′Sa1 = λa1′a1 = λ
Podemos deducir que el valor propio λ es la varianza de z1. Por lo tanto tenemos
una nueva variable z1 obtenida como combinación lineal de las variables originales que
tiene la mayor varianza posible. Además a1 es el vector que nos da la combinación
lineal de las variables originales (x1, x2,…, xp) de tal manera que obtenemos una nueva
variable z1 con la varianza maximizada. De esta manera a1 es el primer componente
principal.
Para calcular la segunda componente principal establecemos que la suma de las
varianzas de z1 = Xa1 y z2 = Xa2 sea máxima. En este caso la función que queremos
maximizar será:
∂φ
= 2 Sa1 − 2λ1a1 = 0
∂a1
∂φ
= 2 Sa2 − 2λ2a2 = 0
∂a 2
23
Fundamentos teóricos
Sa1 = λ1a1
Sa2 = λ2a2
Se concluye que a1 y a2 son las dos componentes principales, que a su vez son los
vectores propios de la matriz S. Además se comprueba que z1 y z2 están incorreladas, ya
que a´1a2 = 0.
Se puede formular el problema de manera más general. El espacio de dimensión r
que mejor representa a los puntos viene definido por los vectores propios asociados a
los r mayores valores propios de S. En general la matriz S tiene rango p, existiendo
tantas componentes principales como variables. Los valores propios se calculan
mediante la ecuación:
S − λI = 0
( S − λi I )ai = 0
Para calcular las nuevas variables (z1, z2,…, zp) se debe aplicar la siguiente ecuación:
Z = XA
k nk
Wαβ = ∑∑ X αji X βji − X αj • X βj • / n j
j =1 i =1
24
Fundamentos teóricos
k nk
Tαβ = ∑∑ X αji X βji − X α •• X β •• / N
j =1 i =1
k
donde N = ∑ n j .
j =1
T =W + B
25
Datos experimentales
3. Datos experimentales
26
Datos experimentales
así como tramos de autopista de acceso a Madrid. Gran parte del tráfico de Madrid se
condensa en las calles que forman estos circuitos. En el Anexo I se pueden ver los
recorridos de cada circuito, así como sus propiedades más relevantes. Además los
ensayos se han realizado con coches diferentes, tanto gasolina como diesel. En el Anexo
II se puede observar todos los vehículos utilizados en los ensayos.
De cada uno de estos circuitos se tienen diferentes ensayos. El porcentaje de cada
circuito sobre el total de kilómetros recorridos se muestra en el siguiente gráfico:
Chamberí
Castellana
7%
14%
Madrid
Tetuán
30%
48%
Extraurbano
1%
Figura 9: Porcentaje de los kilómetros ensayados en cada circuito con respecto a la totalidad de
kilómetros ensayados
Debido a que este trabajo trata de desarrollar una metodología nueva para crear
ciclos de conducción representativos, se ha optado por utilizar sólo una parte de los
datos disponibles para probar esta metodología. Los datos utilizados se corresponden al
circuito Castellana (Anexo I). De este circuito se disponen de 30 ensayos en los que se
ha recorrido alrededor de 190 km con el vehículo Seat Leon (Anexo II). En el cuarto
apartado de este trabajo se van a utilizar estos datos para explicar paso a paso la
metodología, por lo que finalmente se obtendrá un ciclo de conducción representativo
del circuito Castellana.
Sin embargo, puede ser interesante obtener un ciclo representativo del tráfico urbano
medio de Madrid. Para ello se deberán utilizar datos reales de todas las zonas de Madrid
de forma proporcional a la ocupación media vehicular de cada zona. La ocupación
media vehicular de las calles de Madrid son datos que se pueden obtener del
ayuntamiento de Madrid. A la hora de calcularse el ciclo de conducción representativo
de Madrid, se debería dar un mayor peso al circuito por el que circulan más vehículos al
día.
De todas formas, como hemos dicho anteriormente, en este trabajo se va a obtener
solamente uno o varios ciclos de conducción de la Castellana con motivo de simplificar
el número de datos de entrada, ya que lo que se quiere en un principio es probar la
metodología desarrollada.
27
Datos experimentales
Días de ensayo
60,00%
48,39%
50,00%
40,00%
Porcentaje
30,00%
19,35%
20,00% 16,13% 16,13%
10,00%
0,00%
0,00%
Lunes Martes Miércoles Jueves Viernes
Horas
0% 3%
7%
0%
3% 9:00-10:00
33% 10:00-11:00
11:00-12:00
12:00-13:00
20%
13:00-14:00
14:00-16:00
16:00-17:00
>17:00
33%
28
Datos experimentales
número mucho mayor de ensayos realizados con una conducción normal porque la
mayoría de los conductores conducen sin ser demasiados suaves o demasiado agresivos.
Los datos de la Castellana, que son los que vamos a utilizar en este trabajo para probar
la metodología, han sido todos realizados con un tipo de conducción normal. Sin
embargo, esta metodología se podría utilizar con los ensayos en conducción suave y
agresiva para identificar patrones de conducción característicos de estas formas de
conducción.
29
Desarrollo de una metodología para generación de ciclos de conducción
Ciclos de conducción
representativos de
Conjunto de ensayos
ese conjunto
de ensayos
La función de esta ‘caja negra’ va a ser construir ese ciclo o esos ciclos
representativos. Para ello el principio de construcción del ciclo va a ser el siguiente:
Construir el ciclo representativo a partir de segmentos entre paradas (SeP) y
segmentos de parada (SP), yuxtaponiendo uno tras otro según una metodología
determinada
En la siguiente imagen se puede ver el principio de esta metodología:
60
50
Velocidad (km/h)
40
30
20
10
0
0 50 100 150 200 250
Tiempo (s)
Figura 13: Principio de la metodología. Representación de los SeP (azul, verde y marrón) y de los SP
(rojo, magenta y amarillo)
30
Desarrollo de una metodología para generación de ciclos de conducción
Los segmentos entre paradas (SeP) son el azul, el verde y el marrón. Los segmentos
de parada (SP) son el rojo, el magenta y el amarillo. Primero se coloca el segmento azul
según una serie de criterios que posteriormente explicaremos. A continuación se coloca
la parada (segmento rojo), y así sucesivamente hasta formar el ciclo de conducción
completo. Para saber cuántos SeP hay que utilizar debemos hacer un análisis previo de
los datos.
En los siguientes apartados se va a explicar la metodología con detalle.
Caja negra
Fase de
análisis Ciclos de
Base de Fase de Construcción conducción
datos clasificación de los del ciclo
datos representativos
Objetivos
Figura 14: Diagrama de flujo general de la metodología
31
Desarrollo de una metodología para generación de ciclos de conducción
construir el ciclo de conducción, de tal manera que nos aseguremos que el ciclo
construido sea representativo de los datos de entrada.
La caja negra ha sido implementada en base a unos objetivos, de modo que
obtengamos varios ciclos representativos en función de la densidad de tráfico.
Normalmente se van a obtener solamente 2 ciclos: un ciclo para tráfico fluido y otro
para tráfico congestionado.
En los apartados que siguen vamos a ir desglosando cada una de estas fases en sus
unidades elementales.
Fase de clasificación
Selección Nº de
Segmentos de grupos Clustering
variables óptimo
Extraer el
Base vector Segmentar
de velocidad y el vector
datos el vector velocidad
aceleración
Selección Nº de
Paradas de grupos Clustering
variables óptimo
32
Desarrollo de una metodología para generación de ciclos de conducción
60
50
Velocidad (km/h)
40
30
20
10
0
0 50 100 150 200 250
Tiempo (s)
60 60 60
50 50 50
Velocidad (km/h)
Velocidad (km/h)
Velocidad (km/h)
40 40 40
30 30 30
20 20 20
10 10 10
0 0 0
0 20 40 0 20 0 50 100
Tiempo (s) Tiempo (s) Tiempo (s)
33
Desarrollo de una metodología para generación de ciclos de conducción
Cada segmento entre paradas se almacena en vectores para que puedan ser
analizados posteriormente con facilidad y de forma independiente.
50
40
30
20
10
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
GRUPO 1 GRUPO 2
45
60
40
35
50
30
25
40
20
15
10
30
0
20
- 10 0 10 0 3 00 500 700 90 0
40
35
10
30
25
15
10
60
0
50
0 10 0 2 00 3 00 4 00 5 00 6 00 7 00 8 00
45
40
40
35
30
30
25
20
20
15
10
10
5
0 10 0 20 0 3 00 400 50 0 60 0 7 00
34
Desarrollo de una metodología para generación de ciclos de conducción
Tras muchas pruebas con diferentes tipos de variables, los mejores resultados se
alcanzan tomando como variables lo que denominamos matriz de frecuencias velocidad-
aceleración. La matriz de frecuencias velocidad-aceleración nos dice cuánto porcentaje
de tiempo ha estado un SeP en un intervalo de velocidad y aceleración determinado.
Para ello la velocidad se ha dividido en intervalos de 5 km/h, desde 2 km/h hasta 70
km/h. Lo mismo hacemos con la aceleración, la cual la dividimos en intervalos de 0.2
m/s2 desde -1.5 m/s2 hasta 1.5 m/s2.
En la siguiente imagen podemos observar gráficamente el aspecto que tiene esta
matriz de frecuencias para el siguiente segmento entre paradas dado:
60
50
Velocidad (km/h)
40
30
20
10
0
0 50 100
Tiempo (s)
0.08
Porcentaje de tiempo
0.06
0.04
0.02
0
60/65
50/55
40/45 >1.5
30/35 0.7/0.9
20/25 -0.1/0.1
10/15 -0.9/-0.7
2/5 <-1.5
Velocidad (km/h)
Aceleración (m/s2)
35
Desarrollo de una metodología para generación de ciclos de conducción
35-40 0.035
30-35 0.03
25-30 0.025
20-25
0.02
15-20
0.015
10-15
0.01
5-10
2-5 0.005
<-1.5 -0.9/-0.7 -0.1/0.1 0.7/0.9 >1.5
2
Aceleración (m/s )
Figura 20: Matriz de frecuencias velocidad-aceleración en vista 2D
36
Desarrollo de una metodología para generación de ciclos de conducción
4.3.4. Clustering
Para el clustering se utiliza el método del k-medias (los fundamentos teóricos de
este algoritmo han sido explicados en el apartado 2). Se pueden utilizar otras técnicas de
clasificación más avanzadas como las redes neuronales, pero para este primer trabajo se
ha decidido trabajar con un método de análisis de conglomerados más sencillo, como es
el k-medias.
37
Desarrollo de una metodología para generación de ciclos de conducción
debe a que en nuestro caso los datos de entrada están todos relativamente cerca los unos
de los otros. Es decir, los datos de entrada están formando una nube de puntos más o
menos uniforme, donde es difícil formar grupos de manera natural. En este caso, utilizar
un número de grupos reducido puede dar un valor más favorable de la silueta que si
utilizáramos un mayor número de grupos. Por ello necesitamos de otra regla que nos
diga el mínimo número de grupos que debemos seleccionar de tal manera que la
variabilidad dentro de cada grupo sea lo suficientemente pequeña. Cuando tengamos el
mínimo número de grupos, seleccionaremos el número de grupos que tenga la mayor
silueta.
Para poder medir de una manera cuantitativa la variabilidad de los datos en cada
grupo vamos a realizar un análisis MANOVA después del clustering. Del análisis
MANOVA se calcula la matriz W (matriz de variabilidad intra-grupos) y la matriz T
(matriz de variabilidad total). A partir de estas matrices se puede sacar la relación
|W|/|T|. En la siguiente imagen podemos ver graficada la relación |W|/|T| con respecto al
número de grupos:
0.9
0.8
0.7
0.6
|W|/|T|
0.5
0.4
0.3
0.2
0.1
0
5 10 15 20 25 30 35 40
Número de grupos
Figura 21: Variabilidad dentro de los grupos con respecto a la variabilidad total
38
Desarrollo de una metodología para generación de ciclos de conducción
debe escoger es 9. Para saber el número óptimo de grupos vamos a sacar el valor de la
silueta en función del número de grupos:
Silueta
0.7
0.65
0.6
Valor medio de la silueta
0.55
0.5
0.45
0.4
X: 14
0.35 Y: 0.3213
0.3
0.25
5 10 15 20 25 30 35 40
Número de grupos
En la gráfica anterior se debe ignorar los valores que toma la media de la silueta
para un número de grupos menor que 9, ya que seleccionando menos de 9 grupos la
variabilidad que hay dentro de los grupos todavía es excesiva. Ahora tenemos que
buscar el máximo del valor de la silueta que se produce a partir de 9 grupos. Este
máximo se da para 14 grupos.
Ya sabemos el número de grupos para el clustering. Tan sólo nos falta definir el
método que va a utilizar el clustering para calcular las distancias. En este trabajo se ha
utilizado la distancia euclídea. Por este motivo se ha tenido que dividir el tiempo por un
factor determinado para que su orden de magnitud sea parecido al del resto de las
variables. Los resultados del clustering para los SeP se pueden observar en el Anexo III
y en el Anexo IV. En el Anexo III se muestran todos los segmentos que se han
introducido en el clustering y el tipo al que pertenecen dentro de los 14 grupos. En el
Anexo IV se muestra gráficamente un segmento tras otro del mismo grupo. Esto es para
comprobar que el clustering ha realizado bien la tarea, es decir, clasificar a los
segmentos de tal manera que los segmentos de un mismo tipo sean bastante parecidos
entre sí. En efecto se puede comprobar que existe una similitud bastante alta entre los
SeP de un mismo grupo. A medida que aumentamos el número de grupo cada vez los
segmentos de un mismo grupo se van pareciendo más. Sin embargo la idea es coger el
mínimo número de grupos que represente suficientemente bien los datos de entrada. Si
seleccionamos un número elevado de grupos podemos tener el problema de crear grupos
que se parezcan mucho entre sí y que no merezca la pena separarlos.
39
Desarrollo de una metodología para generación de ciclos de conducción
18,00%
16,16%
16,00%
14,00%
12,65%
11,71%
12,00%
0,00%
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Grupos
Para construir el ciclo representativo se utilizan los SeP más próximos a los
centroides de cada grupo. Cada uno de estos grupos tiene un centroide matemático. El
centroide es el punto que minimiza las distancias a todos los puntos pertenecientes a ese
grupo. La razón por la cual no utilizamos directamente el centroide de cada grupo para
construir el ciclo de conducción representativo es que los centroides de los grupos no
tienen asignado un SeP. Así logramos tener un segmento real a la hora de montar el
ciclo de conducción representativo.
Podemos ver cómo están posicionados los centroides en un gráfico velocidad media-
aceleración media positiva:
40
Desarrollo de una metodología para generación de ciclos de conducción
1.1
1
Aceleración media positiva (m/s )
2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0 5 10 15 20 25 30 35 40 45
Velocidad media (km/h)
Los centroides están distribuidos de manera uniforme a lo largo del gráfico anterior.
Aunque los centroides están bastante bien distribuidos a lo largo del gráfico, se puede
ver que segmentos de un mismo grupo tienen aceleraciones medias positivas bastante
diferentes. Si se quiere tener más precisión en este sentido se puede aumentar el número
de grupos. Al elevar el número de grupos elevamos la precisión de discriminación de
segmentos diferentes. Sin embargo también pueden formarse grupos muy parecidos
unos a otros, que convenga incluirlos en un mismo grupo y no separarlos. En la
siguiente imagen se puede observar el resultado para 20 grupos. Podemos ver que ahora
existe mayor discriminación entre las aceleraciones medias positivas. Sin embargo
también se forman grupos que lo componen segmentos muy parecidos. En ese caso no
conviene formar dos o más grupos cuando se podrían incluir en uno mismo. Por ello el
criterio que se ha utilizado es el de la silueta, llegando a una solución de compromiso
sabiendo que tiene que haber un número mínimo de grupos para que se pueda
representar bien los datos. Gracias al criterio de minimizar |W|/|T| nos aseguramos
seleccionar el menor número de grupos de tal manera que la variabilidad dentro de los
grupos sea pequeña, y con el criterio de la silueta nos aseguramos escoger el número de
grupos óptimo.
41
Desarrollo de una metodología para generación de ciclos de conducción
1.1
1
Aceleración media positiva (m/s )
2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0 5 10 15 20 25 30 35 40 45
Velocidad media (km/h)
Una vez clasificados los SeP, el siguiente paso es clasificar los SP.
42
Desarrollo de una metodología para generación de ciclos de conducción
Segmentos de parada
35,00%
29,97% 29,97%
30,00% 28,21%
25,00%
20,00%
15,00% 11,08%
10,00%
5,00%
0,76%
0,00%
1 2 3 4 5
Grupos
43
Desarrollo de una metodología para generación de ciclos de conducción
Cronología de Cronología de
segmentos segmentos de
entre paradas parada
Construcción
del ciclo
Objetivos
30
40 40 40
25
Velocidad (km/h)
Velocidad (km/h)
Velocidad (km/h)
Velocidad (km/h)
30 30 30
20
15 20 20 20
10
10
10 10
5
0
0 0 0 200 400 600 800 1000 0
0 100 200 300 400 0 100 200 300 400 500 0 100 200 300 400 500
44
Desarrollo de una metodología para generación de ciclos de conducción
50 50
40 40
Velocidad (km/h)
Velocidad (km/h)
30 30
20 20
10 10
0 0
0 100 200 300 400 500 0 200 400 600 800 1000
• La cronología de los SP
50
40
Velocidad (km/h)
30
20
10
0
0 100 200 300 400 500
50 50 50 35
30
40 40 40
25
Velocidad (km/h)
Velocidad (km/h)
Velocidad (km/h)
Velocidad (km/h)
30 30 30
20
15
20 20 20
10
10 10 10
5
0 0 0 0
0 100 200 300 400 500 0 200 400 600 800 1000 0 100 200 300 400 500 0 100 200 300 400
En los apartados siguientes se va a aplicar esta fase de análisis de los datos a los
resultados obtenidos del clustering para obtener la información para construir los ciclos
de conducción representativos de la Castellana.
45
Desarrollo de una metodología para generación de ciclos de conducción
Tabla 1: Ensayo del 23 de septiembre a las 10:39. Tabla utilizada para construir la matriz cronológica de
SeP
Cada ensayo tiene una tabla como la anterior. Con todos estos datos construimos
una matriz, donde cada celda representa la frecuencia que un segmento determinado
sigue a uno dado.
En el Anexo VI se adjunta esta tabla. Debemos fijarnos en las filas de esta matriz.
Por ejemplo, fijémonos en la fila correspondiente al segmento entre paradas número 4
(fila 4). En ella podemos observar que, cuando en la conducción se da un segmento de
tipo 4, en 9 ocasiones de nuestros recorridos le sigue un segmento de tipo 8. Además, en
otras 7 ocasiones diferentes le sigue otro de tipo 2. Y así con el resto de elementos de la
fila 4. Si sumamos todos los elementos de esta fila obtenemos el número total de
segmentos que le siguen a uno de tipo 4. Si dividimos cada valor de la fila por este
número obtenemos porcentajes. La matriz de cronología de SeP expresada en
porcentajes también está en el Anexo VI.
Hay que decir que en la primera matriz del Anexo VI, al sumar los valores de cada
fila no siempre se obtiene el número total de segmentos de cada tipo. Esto es debido a
que cuando un segmento finaliza un recorrido, no tiene tipo de segmento posterior
(marcado en la columna ‘tipo de segmento posterior’ con un 0).
46
Desarrollo de una metodología para generación de ciclos de conducción
Tabla 2: Ensayo del 23 de septiembre a las 10:39. Tabla utilizada para construir la matriz cronológica de
SP
47
Desarrollo de una metodología para generación de ciclos de conducción
48
Desarrollo de una metodología para generación de ciclos de conducción
entre los ciclos de conducción para tráfico fluido y congestionado en este caso no van a
tener diferencias muy acusadas.
El diagrama de flujo de esta función se representa en la siguiente figura:
Velocidad
media
Velocidad de
circulación
Porcentaje de
tiempo parado Nº
Recorridos Paradas por km PCA grupos Clustering
Aceleración óptimo
media positiva
Índice de tráfico
Tiempo neutro
Tras analizar los trayectos de manera general, tenemos dos tipos de recorridos
alrededor de la Castellana: los de tráfico fluido y los de tráfico no fluido. Para decidir la
cantidad de SeP de cada tipo que debe incluir el ciclo de conducción representativo, se
van a realizar tres análisis:
1. Análisis de cuántas veces se repite el mismo segmento
49
Desarrollo de una metodología para generación de ciclos de conducción
• Primer análisis
A continuación se van a presentar los resultados del primer análisis para tráfico
fluido:
Tipo segmento Frecuencia Porcentaje Segmentos
1 3 1,20%
2 36 14,34%
3 14 5,58%
4 17 6,77%
5 24 9,56%
6 4 1,59%
7 8 3,19%
8 25 9,96%
9 19 7,57%
10 21 8,37%
11 17 6,77%
12 5 1,99%
13 43 17,13%
14 15 5,98%
251 100%
En los recorridos correspondientes a tráfico fluido hay un total de 251 SeP, como se
muestra en la celda naranja de la imagen anterior. Estos 251 segmentos se distribuyen
según la tabla anterior atendiendo a los diferentes tipos. En la siguiente columna están
50
Desarrollo de una metodología para generación de ciclos de conducción
Como se puede observar en la tabla anterior hemos eliminado los segmentos con
bajo porcentaje hasta que la suma da alrededor del 80%. Estos segmentos que hemos
eliminado (que tienen 0%) no van a tener representación en el ciclo de conducción
representativo.
A continuación vamos a asignar al menor de los porcentajes de la cuarta columna un
segmento representativo. La cantidad del resto de segmentos representativos de los
demás tipos se calculará en proporción a éste.
51
Desarrollo de una metodología para generación de ciclos de conducción
52
Desarrollo de una metodología para generación de ciclos de conducción
Porcentaje
Tipo Porcentaje Nº segmentos
Tiempo Segmentos Redondeo
segmento tiempo representativos
Truncados
1 233,50 1,66% 0,00% 0,000 0
2 2163,10 15,42% 15,42% 2,286 2
3 1281,60 9,14% 9,14% 1,355 1
4 2278,60 16,24% 16,24% 2,408 2
5 737,30 5,26% 0,00% 0,000 0
6 46,70 0,33% 0,00% 0,000 0
7 234,40 1,67% 0,00% 0,000 0
8 1363,00 9,72% 9,72% 1,441 1
9 1810,00 12,90% 12,90% 1,913 2
10 671,70 4,79% 0,00% 0,000 0
11 252,70 1,80% 0,00% 0,000 0
12 946,10 6,74% 6,74% 1,000 1
13 1696,70 12,09% 12,09% 1,793 2
14 313,40 2,23% 0,00% 0,000 0
14.029 100% 82,25% 11
Tabla 8: Análisis del tiempo de duración de los SeP del tráfico fluido
53
Desarrollo de una metodología para generación de ciclos de conducción
una media entre los 3 análisis. Merece la pena insistir en que podría haber sido más
correcto, en vez de hacer la media de los tres análisis, dar mayor importancia al análisis
de frecuencia y menos al de duración y tiempo. El motivo es porque segmentos de largo
recorrido implican en la mayoría de los casos segmentos de larga duración.
• Análisis final
Para calcular el número de segmentos final se calcula el promedio del número de
segmentos de los 3 análisis anteriores. Este promedio se hace sobre la cifra sin
redondear:
Tipo segmento Cantidad Redondeo
1 0 0
2 1,87 2
3 0,82 1
4 1,75 2
5 0,48 0
6 0 0
7 0 0
8 1,31 1
9 1,46 1
10 0,42 0
11 0,34 0
12 0,33 0
13 1,81 2
14 0 0
9
Por lo tanto el ciclo final para tráfico fluido tendrá 9 SeP. Esto quiere decir que
habrá 8 SP, ya que el ciclo comienza y termina con SeP.
Para poder montar completamente el ciclo ya solo nos falta saber de qué tipo son los
SP y la cronología de SeP y de SP.
54
Desarrollo de una metodología para generación de ciclos de conducción
Sobre 8
Tipo parada Frecuencia Porcentaje Paradas Redondeo
segmentos
1 19 8,23% 0,658 1
2 69 29,87% 2,390 2
3 74 32,03% 2,563 3
4 69 29,87% 2,390 2
Tabla 11: Cantidad de SeP de cada tipo para construir el ciclo de conducción representativo para tráfico
fluido
Además sabemos que si hay 9 SeP, tendrá que haber 8 SP. Anteriormente hemos
calculado de qué tipo eran cada uno de estos 8 SP:
55
Desarrollo de una metodología para generación de ciclos de conducción
Tabla 12: Cantidad de SP de cada tipo para construir el ciclo de conducción representativo para tráfico
fluido
Con la ayuda de la matriz cronológica de SeP sabemos qué SeP va detrás de uno
dado. Y con la matriz cronológica de SP sabemos qué SP va detrás de un SeP dado. Lo
único que nos falta saber para empezar a construir el ciclo de conducción representativo
es cuál es el segmento que comienza el ciclo. En la siguiente tabla se muestra la
probabilidad que tiene cada tipo de SeP en tráfico fluido para iniciar el ciclo y también
para terminar el ciclo:
Tabla 13: Probabilidad de cada segmento entre paradas de comenzar y finalizar el ciclo de conducción
56
Desarrollo de una metodología para generación de ciclos de conducción
Figura 29: Construcción del ciclo de conducción para tráfico fluido. Posicionamiento de los SeP inicial y
final
Tabla 14: Tabla de SeP disponibles mientras estamos construyendo el ciclo de conducción
57
Desarrollo de una metodología para generación de ciclos de conducción
Para colocar el siguiente segmento entre paradas nos vamos a ayudar de la matriz
cronológica de SeP (figura 30). Como el segmento es de tipo 2, nos debemos fijar en la
fila número 2:
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 0,00% 14,29% 14,29% 0,00% 14,29% 0,00% 0,00% 14,29% 14,29% 0,00% 0,00% 0,00% 28,57% 0,00%
2 0,00% 0,00% 0,00% 13,89% 16,67% 8,33% 0,00% 5,56% 11,11% 2,78% 22,22% 0,00% 5,56% 13,89%
3 0,00% 9,52% 4,76% 0,00% 0,00% 0,00% 4,76% 28,57% 23,81% 0,00% 4,76% 0,00% 23,81% 0,00%
4 0,00% 29,17% 8,33% 0,00% 4,17% 0,00% 0,00% 37,50% 16,67% 0,00% 0,00% 0,00% 4,17% 0,00%
5 2,22% 4,44% 6,67% 4,44% 4,44% 4,44% 0,00% 0,00% 11,11% 0,00% 22,22% 6,67% 11,11% 22,22%
6 0,00% 20,00% 0,00% 0,00% 20,00% 0,00% 10,00% 0,00% 10,00% 10,00% 0,00% 0,00% 20,00% 10,00%
7 0,00% 5,26% 5,26% 0,00% 21,05% 10,53% 5,26% 5,26% 10,53% 21,05% 0,00% 5,26% 5,26% 5,26%
8 0,00% 0,00% 0,00% 5,13% 12,82% 0,00% 0,00% 10,26% 5,13% 7,69% 17,95% 0,00% 25,64% 15,38%
9 8,82% 8,82% 20,59% 8,82% 14,71% 0,00% 0,00% 11,76% 8,82% 2,94% 0,00% 0,00% 14,71% 0,00%
10 0,00% 4,17% 0,00% 8,33% 29,17% 8,33% 12,50% 0,00% 8,33% 12,50% 4,17% 8,33% 4,17% 0,00%
11 0,00% 2,78% 2,78% 5,56% 5,56% 0,00% 5,56% 2,78% 2,78% 2,78% 11,11% 2,78% 50,00% 5,56%
12 14,29% 57,14% 0,00% 0,00% 0,00% 0,00% 0,00% 14,29% 0,00% 0,00% 0,00% 0,00% 14,29% 0,00%
13 2,90% 30,43% 7,25% 1,45% 15,94% 2,90% 2,90% 11,59% 1,45% 7,25% 8,70% 0,00% 5,80% 1,45%
14 0,00% 0,00% 0,00% 26,92% 0,00% 0,00% 3,85% 7,69% 11,54% 0,00% 3,85% 0,00% 46,15% 0,00%
Figura 30: Tabla cronológica de SeP. Seleccionamos de la fila número 2 el SeP disponible que más
probabilidad tenga
Los segmentos que mayor probabilidad tienen de seguir a uno de tipo 2 son el 11 y
el 5. Sin embargo no hay segmentos disponibles de esos tipos, por lo que tenemos que
escoger uno de tipo 4. De esta manera posicionamos el segmento de tipo 4 en la
siguiente tabla:
CICLO Tipo
Segmento 2 segmento Cantidad Utilizados
Parada
1 0 0
Segmento 4
2 2 2
Parada
3 1 0
Segmento
4 2 1
Parada
5 0 0
Segmento
6 0 0
Parada
7 0 0
Segmento
8 1 0
Parada
9 1 0
Segmento
Parada 10 0 0
Segmento 11 0 0
Parada 12 0 0
Segmento 13 2 0
Parada 14 0 0
Segmento 2 9
Figura 31: Construcción del ciclo de conducción para tráfico fluido. SeP
Esta metodología hay que repetirla hasta agotar todos los SeP:
58
Desarrollo de una metodología para generación de ciclos de conducción
CICLO
Segmento 2
Parada
Segmento 4
Parada
Segmento 8
Parada
Segmento 13
Parada
Segmento 3
Parada
Segmento 13
Parada
Segmento 4
Parada
Segmento 9
Parada
Segmento 2
Figura 32: Ciclo de conducción para tráfico fluido con todos los SeP posicionados
El siguiente paso una vez colocados todos los SeP es colocar los SP. Para realizar
esta tarea hay que utilizar la matriz cronológica de SP (figura 33). Debido a que el
primer segmento es de tipo 2, debemos fijarnos en la segunda fila de esta matriz:
CICLO
Segmento 2
Parada 4
1 2 3 4
Segmento 4
1 14,29% 57,14% 28,57% 0,00%
Parada
2 2,86% 34,29% 25,71% 37,14%
Segmento 8
3 0,00% 66,67% 33,33% 0,00%
4 8,33% 45,83% 41,67% 4,17% Parada
5 26,67% 26,67% 20,00% 26,67% Segmento 13
6 20,00% 40,00% 10,00% 30,00% Parada
7 5,26% 10,53% 10,53% 73,68% Segmento 3
8 5,13% 30,77% 30,77% 33,33% Parada
9 23,53% 26,47% 35,29% 14,71% Segmento 13
10 20,83% 8,33% 4,17% 66,67% Parada
11 14,71% 26,47% 35,29% 23,53% Segmento 4
12 0,00% 14,29% 42,86% 42,86% Parada
13 4,35% 36,23% 36,23% 23,19% Segmento 9
14 7,69% 7,69% 26,92% 57,69% Parada
Segmento 2
Figura 33: Construcción del ciclo de conducción para tráfico fluido. Posicionamiento de los SP
59
Desarrollo de una metodología para generación de ciclos de conducción
CICLO
Segmento 2
Parada 4
Segmento 4
Parada 2
Segmento 8
Parada 4
Segmento 13
Parada 3
Segmento 3
Parada 2
Segmento 13
Parada 3
Segmento 4
Parada 3
Segmento 9
Parada 1
Segmento 2
40
20
0
0 100 200 300 400 500 600 700 800 900 1000
Tiempo (s)
60
Desarrollo de una metodología para generación de ciclos de conducción
Porcentaje
Tipo Nº Porcentaje Nº segmentos
segmentos Redondeo
segmento segmentos segmentos representativos
truncados
1 4 2,27% 0,00% 0,000 0
2 18 10,23% 10,23% 1,636 2
3 7 3,98% 0,00% 0,000 0
4 7 3,98% 0,00% 0,000 0
5 26 14,77% 14,77% 2,364 2
6 7 3,98% 0,00% 0,000 0
7 11 6,25% 6,25% 1,000 1
8 14 7,95% 7,95% 1,273 1
9 15 8,52% 8,52% 1,364 1
10 7 3,98% 0,00% 0,000 0
11 21 11,93% 11,93% 1,909 2
12 2 1,14% 0,00% 0,000 0
13 26 14,77% 14,77% 2,364 2
14 11 6,25% 6,25% 1,000 1
176 100,00% 80,68% 12
Tabla 15: Análisis de frecuencia para los SeP del tráfico no fluido
• Segundo análisis
El segundo análisis trata de analizar los segmentos en cuanto a la distancia recorrida
por cada uno. Aquí tienen más importancia los segmentos que han recorrido una
distancia grande con respecto al total recorrido. En este caso creamos un ciclo de
conducción que representa el 80% de la distancia recorrida.
Porcentaje
Tipo Porcentaje Nº segmentos
Distancia segmentos Redondeo
segmento segmentos representativos
truncados
1 3713,47 5,36% 0,00% 0,000 0
2 7422,70 10,71% 10,71% 1,987 2
3 6941,85 10,02% 10,02% 1,858 2
4 9515,70 13,73% 13,73% 2,547 3
5 3035,63 4,38% 0,00% 0,000 0
6 188,96 0,27% 0,00% 0,000 0
7 2271,06 3,28% 0,00% 0,000 0
8 7333,52 10,58% 10,58% 1,963 2
9 13802,72 19,92% 19,92% 3,694 4
10 1267,89 1,83% 0,00% 0,000 0
11 1208,43 1,74% 0,00% 0,000 0
12 3736,03 5,39% 5,39% 1,000 1
13 7999,70 11,54% 11,54% 2,141 2
14 866,57 1,25% 0,00% 0,000 0
69.304 100% 81,89% 16
Tabla 16: Análisis de la distancia para los SeP del tráfico no fluido
61
Desarrollo de una metodología para generación de ciclos de conducción
• Tercer análisis
El tercer análisis tiene en cuenta el tiempo invertido, creando un ciclo de conducción
que representa el 80% del tiempo invertido en todos los recorridos.
Porcentaje
Tipo Porcentaje Nº segmentos
Tiempo segmentos Redondeo
segmento segmentos representativos
truncados
1 233,50 1,66% 0,00% 0,000 0
2 2163,10 15,42% 15,42% 2,286 2
3 1281,60 9,14% 9,14% 1,355 1
4 2278,60 16,24% 16,24% 2,408 2
5 737,30 5,26% 0,00% 0,000 0
6 46,70 0,33% 0,00% 0,000 0
7 234,40 1,67% 0,00% 0,000 0
8 1363,00 9,72% 9,72% 1,441 1
9 1810,00 12,90% 12,90% 1,913 2
10 671,70 4,79% 0,00% 0,000 0
11 252,70 1,80% 0,00% 0,000 0
12 946,10 6,74% 6,74% 1,000 1
13 1696,70 12,09% 12,09% 1,793 2
14 313,40 2,23% 0,00% 0,000 0
14.029 100% 82,25% 11
Tabla 17: Análisis del tiempo de duración de los SeP del tráfico no fluido
• Análisis final
Finalmente hacemos el promedio de los tres análisis anteriores para calcularnos el
número de segmentos de cada tipo:
Tabla 18: Análisis final para los SeP del tráfico no fluido
62
Desarrollo de una metodología para generación de ciclos de conducción
Tras todos estos cálculos obtenemos que el ciclo representativo para tráfico no
fluido tiene 14 SeP. Como el ciclo de conducción comienza y termina con SeP, habrá un
total de 13 SP. A continuación vamos a averiguar de qué tipo son cada uno de estos 13
SP.
Porcentaje Sobre 12
Tipo paradas Frecuencia Redondeo
paradas segmentos
1 25 15,34 1,994 2
2 50 30,67 3,988 4
3 38 23,31 3,031 3
4 50 30,67 3,988 4
Figura 36: SeP y SP disponibles para construir el ciclo de conducción representativo de tráfico no fluido
63
Desarrollo de una metodología para generación de ciclos de conducción
CICLO
5
Figura 37: Construcción del ciclo de conducción. Posicionamiento de los SeP inicial y final
64
Desarrollo de una metodología para generación de ciclos de conducción
Segmento 3
Parada 2
Segmento 9
Parada 3
Segmento 4
Parada 2
Segmento 12
Parada 4
Segmento 2
40
20
0
0 500 1000 1500
Tiempo (s)
65
Desarrollo de una metodología para generación de ciclos de conducción
Tabla 20: Cambio de marcha obtenido de datos experimentales para el Seat León
4.6. Pendiente
Para hacer un ensayo en banco de rodillos necesitamos un ciclo de conducción y una
estrategia de cambio de marchas. En esos ensayos no se tiene en cuenta la pendiente de
la carretera que pudiera haber. Sin embargo se ha demostrado (proyecto MIVECO) que
la pendiente tiene una influencia grande en aspectos como las emisiones contaminantes
o el consumo de combustible.
66
Desarrollo de una metodología para generación de ciclos de conducción
En este trabajo hemos querido hacer un análisis de la pendiente, de tal manera que
se puede incorporar como una resistencia más en los rodillos, según la siguiente
ecuación:
1 1
RT = ( f 0 + f vV 2 )(mg cos θ − ρC Z A f V 2 ) + ρC X A f V 2 + mg sin θ
2 2
h2 − h1
Pendiente media =
d 2 − d1
67
Desarrollo de una metodología para generación de ciclos de conducción
Análisis de la pendiente
16
14
12
Tipo de segmento
10
0
-14,00 -12,00 -10,00 -8,00 -6,00 -4,00 -2,00 0,00 2,00 4,00 6,00
Pendiente media (%)
60 2
1,5
Velocidad (km/h)
50
Pendiente (%)
1
40 0,5
30 0
20 -0,5
-1
10 -1,5
0 -2
0 100 200 300 400 500 600 700 800 900
Tiempo (s)
68
Desarrollo de una metodología para generación de ciclos de conducción
60 2
1,5
Velocidad (km/h)
50 1
Pendiente (%)
40 0,5
0
30 -0,5
-1
20 -1,5
10 -2
-2,5
0 -3
0 200 400 600 800 1000 1200 1400
Tiempo (s)
Estas gráficas se encuentran también en el Anexo XI para que se puedan ver con
más detalle.
Las gráficas del Anexo XI han sido desarrolladas para ensayar el ciclo completo. No
obstante, puede ser interesante analizar solamente los tipos de SeP de manera aislada
(patrones de conducción). En este caso sería interesante poder comprobar si, para el
mismo tipo de segmento, las medidas que se quieran realizar del ensayo (emisiones
contaminantes, consumo, etc) varían mucho con el tipo de pendiente que se utiliza. Por
este motivo cada tipo de segmento se ha dividido en subclases según la pendiente. Por
ejemplo, en la gráfica anterior, en el tipo de segmento número 3 se ve claramente que
hay 2 subgrupos en función de la pendiente media. En cambio en el tipo de segmento
número 2 se pueden observar 5 subgrupos. Estos subgrupos se han asignado realizando
un clustering a cada tipo de segmento introduciendo como variable la pendiente media.
Los resultados de este clustering, están reflejados en el Anexo XII.
69
Análisis del consumo de los segmentos entre paradas en función de su tipología
En este apartado vamos a estudiar el nivel de consumo que tiene cada grupo de SeP.
Así podremos descubrir los SeP más perjudiciales en cuanto al consumo del
combustible. También podremos responder a algunas preguntas como las siguientes: ¿el
consumo del coche a lo largo de un SeP depende únicamente de la velocidad y
aceleración del vehículo?, ¿el consumo depende de la pendiente del terreno?, ¿está
relacionada la pendiente con la forma en que utilizamos el motor de nuestro automóvil?.
Conocer las situaciones en las que un automóvil consume más nivel de carburante es
una valiosa información de cara a poder mejorar la eficiencia. Por ello en esta sección se
va a hacer un breve análisis para poder identificar algunas de estas situaciones
perjudiciales para el rendimiento de un vehículo.
Para comenzar vamos a mostrar una gráfica del consumo medio de cada tipo de
segmento entre paradas:
0,7
0,6
Consumo (g/s)
0,5
0,4
0,3
0,2
0,1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Tipo de segmento
Como observamos los segmentos de tipo 1 y 12 son los que más alto nivel de
consumo tienen, mientras que los segmentos de tipo 6, 11 y 14 tienen niveles de
consumo bajo. Sin embargo no sabemos si todos los segmentos que componen cada uno
de los grupos tienen consumos parecidos a la media (tienen una desviación típica
pequeña). Por este motivo en el siguiente gráfico se muestra el nivel medio de consumo
de cada segmento dentro de un mismo grupo:
70
Análisis del consumo de los segmentos entre paradas en función de su tipología
0,9
0,8
0,7
0,6
Consumo (g/s)
0,5
0,4
0,3
0,2
0,1
0
0 2 4 6 8 10 12 14 16
Tipo de segmento
Según la gráfica anterior parece que el consumo no tiene mucha relación con el tipo
de segmento. Un SeP es una secuencia de velocidad en el tiempo. Con un SeP sabemos
la velocidad y la aceleración del vehículo en cada instante. Por lo tanto si el consumo no
está correlacionado con los tipos de segmentos, quiere decir que el consumo no solo
depende de la velocidad y aceleración del vehículo en cada instante. Vamos a añadir
otras dos variables para intentar explicar el consumo dentro de cada tipo de segmento: la
pendiente del terreno y la utilización del motor. La utilización del motor la definimos
como una matriz de frecuencias. Esta matriz de frecuencias es igual a la matriz de
frecuencias velocidad-aceleración que hemos utilizado para construir los ciclos de
conducción representativos, con la única diferencia que en vez de velocidad y
aceleración utilizamos revoluciones por minuto del motor y potencia del motor. En la
siguiente imagen se muestra una gráfica de la utilización del motor para un segmento
determinado. La gráfica muestra el tanto por ciento de tiempo que el motor ha estado en
un intervalo determinado de revoluciones y potencia de tracción. Las revoluciones del
coche se han dividido desde 900 rpm hasta 3700 rpm en intervalos de 100 rpm. La
potencia de tracción del vehículo se ha dividido desde -25 kW hasta 45 kW en
intervalos de 5 kW. La escala de colores a la derecha del gráfico muestra el porcentaje
de tiempo en tanto por uno. Por lo tanto en esta gráfica vemos como el segmento entre
paradas ha estado gran parte del tiempo en revoluciones alrededor de 1500 rpm y
rondando potencias de 10 kW.
71
Análisis del consumo de los segmentos entre paradas en función de su tipología
40/45
0.06
25/30
Potencia del motor (kW)
0.05
15/20
0.04
5/10
0.03
-5/0
-15/-10 0.02
-25/-20 0.01
Para cada tipo de segmento asignamos subgrupos en función del nivel de utilización
del motor. Por ejemplo, para los segmentos de tipo 1, realizamos un clustering de las
matrices de utilización del motor, dando lugar a dos tipologías (o subgrupos) diferentes
de utilización del motor dentro de los segmentos de tipo 1 (subgrupos 1.a y 1.b). Para
los segmentos de tipo 2 se realiza la misma tarea, hasta acabar con los 14 grupos. Es la
misma metodología que se ha utilizado en el apartado 4.5 para clasificar la pendiente.
Ahora la situación es la siguiente: tenemos 14 grupos de SeP. Cada uno de estos
grupos está dividido en subgrupos en función de la pendiente (la clasificación de los
segmentos según la pendiente está explicada en el apartado 4.5 y resumida en el anexo
XII) y subgrupos en función de la utilización del motor. Ahora vamos a analizar cada
tipo de SeP por separado:
• Segmento entre paradas de tipo 1
Estos segmentos tienen altos niveles de consumo, pero lo forman tan solo 7
segmentos. Hemos asignado una escala de colores según el consumo. Esta escala se
resume en la siguiente tabla:
Consumo (g/s) Código color
<0,1
0,1-0,2
0,2-0,3
0,3-0,4
0,4-0,5
0,5-0,6
0,6-0,7
0,7-0,8
>0,8
72
Análisis del consumo de los segmentos entre paradas en función de su tipología
Tipo
Pendiente
Numeración utilización Consumo
media (%)
del motor
1 2,00 1.a
2 -2,31 1.b
3 1,88 1.a
4 1,58 1.a
5 -0,94 1.b
6 1,97 1.a
7 2,13 1.a
El grupo 1 de SeP tiene tres niveles diferentes de pendiente (anexo XII) y dos
maneras diferentes de utilización del motor (1.a y 1.b). En la tabla anterior se puede
observar el valor de la pendiente media de cada segmento, ya que de esta manera se
puede comparar sobre todo los niveles de consumo para pendientes positivas y
negativas. Los segmentos que más consumo tienen se corresponden con los segmentos
que tienen una pendiente media positiva. Los segmentos de pendientes medias negativas
tienen consumos significativamente menores. Y no solo eso, sino que el hecho de tener
una pendiente positiva hace que utilicemos el motor de una manera totalmente diferente
a cuando hay pendientes negativas (lo cual resulta también obvio, ya que con pendientes
positivas necesitamos más potencia del motor para vencer esa resistencia al avance
extra). En efecto podemos observar que cuando tenemos pendiente positiva en este
grupo de segmentos utilizamos el motor según la tipología 1.a, y sin embargo cuando
tenemos pendiente negativa utilizamos el motor según la tipología 1.b. En la siguiente
imagen podemos observar una matriz de frecuencias típica de la tipología de utilización
del motor 1.a y otra del 1.b. En la tipología 1.a, que es la utilizada cuando hay
pendientes positivas para los segmentos de tipo 1, se observa una mayor demanda de
potencia que en la tipología 1.b, siendo el nivel de rpm parecido.
73
Análisis del consumo de los segmentos entre paradas en función de su tipología
Tipología 1.a
>45
0.14
40/45
0.12
25/30
Potencia del motor (kW)
0.1
15/20
0.08
5/10
0.06
-5/0
-15/-10 0.04
-25/-20 0.02
Figura 46: Tipología 1.a de utilización del motor para los segmentos de tipo 1
Tipología 1.b
>45
0.11
40/45
0.1
25/30 0.09
Potencia del motor (kW)
0.08
15/20
0.07
5/10 0.06
0.05
-5/0
0.04
-15/-10 0.03
0.02
-25/-20
0.01
1200/1300 1700/1800 2200/2300 2700/2800 3200/3300 >3700
Revoluciones del motor (rpm)
Figura 47: Tipología 1.b de utilización del motor para los segmentos de tipo 1
Esto quiere decir que la pendiente es muy importante para el consumo (por ahora lo
estamos justificando solamente con este tipo de segmentos) y además la manera en que
utilizamos el motor por parte del conductor está muy relacionada con la pendiente.
74
Análisis del consumo de los segmentos entre paradas en función de su tipología
Tipo Tipo
Pendiente Pendiente
Numeración utilización Consumo Tipos utilización Consumo
media (%) media (%)
del motor del motor
1 1,49 2.a 17 -1,83 2.a
2 1,75 2.a 18 -2,40 2.b
3 1,71 2.c 19 -2,20 2.b
4 1,52 2.c 20 -2,08 2.b
5 1,72 2.c 21 -2,11 2.b
6 1,73 2.c 22 -2,10 2.b
7 1,44 2.b 23 -1,90 2.a
8 1,54 2.c 24 -1,50 2.a
9 1,60 2.a 25 -2,19 2.b
10 1,85 2.c
11 1,53 2.a
12 1,60 2.b
13 1,55 2.b Tipo
Pendiente
Numeración utilización Consumo
media (%)
Tipo del motor
Pendiente 36 2,47 2.b
Numeración utilización Consumo
media (%) 37 2,65 2.c
del motor
14 0,69 2.c 38 2,63 2.c
15 0,43 2.a 39 2,61 2.c
16 0,54 2.a 40 2,66 2.c
41 2,60 2.b
Tipo 42 2,63 2.c
Pendiente 43 2,47 2.c
Numeración utilización Consumo
media (%) 44 2,65 2.b
del motor
26 -0,71 2.b 45 2,62 2.c
27 -0,91 2.d 46 2,65 2.c
28 -0,87 2.d 47 2,53 2.b
29 -0,74 2.a 48 2,63 2.c
30 -0,77 2.c 49 2,38 2.c
31 -0,79 2.b 50 2,62 2.b
32 -0,79 2.d 51 2,57 2.b
33 -0,40 2.d 52 2,44 2.c
34 -0,71 2.a 53 2,57 2.c
35 -0,95 2.a 54 2,37 2.a
75
Análisis del consumo de los segmentos entre paradas en función de su tipología
Tipo Tipo
Pendiente Pendiente
Numeración utilización Consumo Numeración utilización Consumo
media (%) media (%)
del motor del motor
1 -1,63 3.b 14 2,01 3.c
2 -1,75 3.c 15 1,90 3.c
3 -1,77 3.b 16 1,97 3.c
4 -2,13 3.b 17 1,99 3.d
5 -1,80 3.b 18 1,98 3.d
6 -1,80 3.b 19 1,70 3.c
7 -2,25 3.b 20 1,91 3.c
8 -2,15 3.b 21 1,89 3.c
9 -2,13 3.b
10 -1,64 3.a
11 -2,47 3.a
12 -0,99 3.b
13 -1,20 3.a
76
Conclusiones
6. Conclusiones
77
Trabajos futuros
7. Trabajos futuros
78
Bibliografía
8. Bibliografía
André, M., Rapone, M., Joumard, R. (2006): Analysis of the cars pollutant emissions as
regards driving cycles and kinematic parameters. Informe INRETS, nº LTE 0607,
Bron, France. 132 p.
André, M. (2006): Real-world driving cycles for measuring cars pollutant emissions –
Part A: The ARTEMIS European driving cycles. Informe INRETS, nº LTE 0411,
Bron, France. 97 p.
André, M. (2006): Real-world driving cycles for measuring cars pollutant emissions –
Part B: Driving cycles according to Vehicle power. Informe INRETS, nº LTE 0412,
Bron, France. 70 p.
Degobert, Paul. Automobiles and Pollution. París: Éditions Technip, 1995. 491 p. ISBN:
2-7108-0676-2
79
Bibliografía
Newman, P., Kenworthy, J., Lyons, T. (1991): The ecology of urban driving II –
Driving cycles across a city: Their validation and implications. Informe Murdoch
University, Perth, Australia. 19 p.
Lyons, T., Kenworthy, J., Austin, P., Newman, P. (1986): The development of a driving
cycle for fuel consumption and emissions evaluation. Informe Murdoch University,
Perth, Australia. 16 p.
Kent, J., Allen, G., Rule, G. (1977): A driving cycle for Sydney. Informe University of
Sydney, Sydney, Australia. 7 p.
Van de Weijer, C.J.T.; Hendriksen, P. y Verbeek, R.P (1993). Urban bus driving cycle.
SAE Paper 937165.
80
Anexos
Anexos
735 8
725 7
6
Altura s.n.m. (m)
715
5
705
4
695
3
685
2
675 1
665 0
0 1 2 3 4 5 6 7
Distancia (km )
81
Anexos
725 7
720 6
Altura s.n.m. (m)
5
715
4
710
3
705
2
700 1
695 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Distancia (km )
82
Anexos
700.000 12
695.000 10
Altura s.n.m. (m)
690.000
8
685.000
6
680.000
4
675.000
670.000 2
665.000 0
-1 0 1 2 3 4 5 6 7 8 9
Distancia (km )
83
Anexos
725 9
720 8
715 7
Altura s.n.m. (m)
710 6
705
5
700
4
695
690 3
685 2
680 1
675 0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5
Distancia (km )
84
Anexos
12
740
720 10
Altura s.n.m. (m)
700
8
680
660 6
640 4
620
2
600
580 0
0 5 10 15 20 25 30 35 40
Distancia (km )
85
Anexos
695 5
693
4
691
Altura s.n.m. (m)
689 3
687
685 2
683
1
681
679 0
0 0.5 1 1.5 2 2.5 3 3.5 4
Distancia (km )
86
Anexos
87
Anexos
Kilometros ensayados
Tiempo de ensayos FREELANDER 10MY
Kilometros ensayados
Tiempo de ensayos FREELANDER 9MY
88
Anexos
89
Anexos
90
Anexos
91
Anexos
92
Anexos
93
Anexos
94
Anexos
95
Anexos
96
Anexos
30-sep 1556
30-sep 1556 1 61,2 22,44 0,45 381,45 -2,19 2
30-sep 1556 2 99,7 32,88 0,56 910,68 1,37 9
30-sep 1556 3 113 43,26 0,29 1357,76 1,94 4
30-sep 1556 4 37 14,56 0,45 149,64 0,83 5
30-sep 1556 5 126 32,42 0,26 1134,77 -1,12 4
30-sep 1556 6 78 40,05 0,30 867,79 -2,47 3
30-sep 1556 7 42,8 29,81 0,46 354,46 -1,77 13
30-sep 1556 8 52,4 31,51 0,35 458,67 -0,82 8
30-sep 1556 9 13,4 10,52 0,39 39,14 -2,55 11
30-sep 1556 10 41,9 25,31 0,60 294,56 1,22 13
30-sep 1556 11 27,7 25,43 0,58 195,69 1,60 10
30-sep 1556 12 48,3 16,56 0,37 222,17 3,27 5
30-sep 1617
30-sep 1617 1 31,9 16,65 0,39 147,55 1,42 5
30-sep 1617 2 21,6 7,49 0,25 44,92 -5,00 11
30-sep 1617 3 24,4 16,23 0,63 109,98 -4,04 10
30-sep 1617 4 173,5 39,24 0,31 1891,10 1,43 12
30-sep 1617 5 60 32,59 0,43 543,12 1,57 8
30-sep 1617 6 27,6 14,97 0,33 114,78 0,97 14
30-sep 1617 7 100,8 37,18 0,31 1040,98 -1,20 9
30-sep 1617 8 81,2 28,44 0,46 641,50 -2,58 9
30-sep 1617 9 35,7 24,40 0,49 241,99 -2,15 13
30-sep 1617 10 36,9 11,62 0,28 119,05 -0,68 11
30-sep 1617 11 22,4 14,06 0,43 87,48 0,07 11
30-sep 1617 12 28,9 10,87 0,38 87,27 -4,59 11
30-sep 1617 13 19,1 13,80 0,53 73,20 -2,61 14
30-sep 1617 14 52,6 30,81 0,55 450,12 -0,76 8
30-sep 1617 15 13,7 13,77 0,66 52,41 -2,40 5
30-sep 1617 16 37,6 27,17 0,55 283,81 1,26 13
30-sep 1617 17 72,1 21,39 0,45 428,41 2,44 2
30-sep 1641
30-sep 1641 1 34,2 20,38 0,40 193,57 0,03 7
30-sep 1641 2 16 13,84 0,58 61,51 -3,74 5
30-sep 1641 3 190,2 38,37 0,26 2027,22 1,37 12
30-sep 1641 4 53,6 29,40 0,42 437,79 1,60 2
30-sep 1641 5 30,1 13,37 0,31 111,75 1,01 14
30-sep 1641 6 110,7 42,45 0,44 1305,43 -1,48 4
30-sep 1641 7 60,5 33,21 0,38 558,05 -2,20 8
30-sep 1641 8 24,9 21,28 0,55 147,17 -2,39 10
30-sep 1641 9 24,7 18,01 0,43 123,53 0,13 10
30-sep 1641 10 26,5 18,63 0,49 137,12 -3,92 10
30-sep 1641 11 48,8 34,02 0,45 461,19 -0,74 13
30-sep 1641 12 15 12,22 0,45 50,92 -3,50 11
30-sep 1641 13 42,8 24,85 0,48 295,38 1,10 13
30-sep 1641 14 64 23,22 0,61 412,73 2,57 2
30-sep 1703
30-sep 1703 1 36,2 18,97 0,40 190,79 0,19 7
30-sep 1703 2 10,3 7,94 0,75 22,71 -8,20 6
30-sep 1703 3 25,1 15,79 0,55 110,10 -2,72 5
30-sep 1703 4 101,5 32,43 0,45 914,43 1,05 9
30-sep 1703 5 97,7 38,36 0,29 1041,07 2,13 1
30-sep 1703 6 52,4 30,24 0,46 440,16 1,63 13
30-sep 1703 7 27,7 14,90 0,33 114,66 1,04 5
30-sep 1703 8 95,9 36,42 0,40 970,29 -0,99 3
97
Anexos
98
Anexos
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 2
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 3
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 4
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 5
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
99
Anexos
Grupo 6
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 7
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 8
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 9
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 10
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
100
Anexos
Grupo 11
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 12
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 13
60
50
Velocidad (km/h)
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
Grupo 14
60
Velocidad (km/h)
40
20
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
x 10
101
Anexos
23-sep 1014
23-sep 1014 1 10,7 4
23-sep 1014 2 52 1
23-sep 1014 3 56,1 1
23-sep 1014 4 23,8 3
23-sep 1014 5 36,3 2
23-sep 1014 6 52,5 1
23-sep 1014 7 9,6 4
23-sep 1014 8 37,8 2
23-sep 1014 9 35,6 2
23-sep 1014 10 51,9 1
23-sep 1014 11 3,7 4
23-sep 1014 12 27,1 3
23-sep 1014 13 32,1 2
23-sep 1014 14 28,4 3
23-sep 1014 15 7 4
23-sep 1039
23-sep 1039 1 0,4 4
23-sep 1039 2 29,5 3
23-sep 1039 3 10 4
23-sep 1039 4 13,3 4
23-sep 1039 5 23,5 3
23-sep 1039 6 36,4 2
23-sep 1039 7 47 2
23-sep 1039 8 8,7 4
23-sep 1039 9 28,9 3
23-sep 1039 10 44,2 2
23-sep 1039 11 6,5 4
23-sep 1039 12 40,7 2
23-sep 1039 13 29,2 3
23-sep 1039 14 12,6 4
23-sep 1039 15 5,5 4
23-sep 1039 16 3,3 4
23-sep 1104
23-sep 1104 1 4,5 4
23-sep 1104 2 7,1 4
23-sep 1104 3 3,4 4
23-sep 1104 4 29,7 3
23-sep 1104 5 42,4 2
23-sep 1104 6 1,6 4
23-sep 1104 7 17,5 3
23-sep 1104 8 13,2 4
23-sep 1104 9 59,3 1
23-sep 1104 10 12,5 4
23-sep 1104 11 33,9 2
23-sep 1104 12 29,8 3
23-sep 1104 13 6,1 4
23-sep 1104 14 10,3 4
23-sep 1421
23-sep 1421 1 8,3 4
102
Anexos
103
Anexos
23-sep 1607
23-sep 1607 1 36,3 2
23-sep 1607 2 32,1 2
23-sep 1607 3 14,4 4
23-sep 1607 4 37,8 2
23-sep 1607 5 49,3 1
23-sep 1607 6 3,3 4
23-sep 1607 7 3,7 4
23-sep 1607 8 42,2 2
23-sep 1607 9 23,3 3
23-sep 1607 10 3,6 4
23-sep 1607 11 31,3 3
23-sep 1607 12 21,3 3
23-sep 1607 13 2,2 4
23-sep 1628
23-sep 1628 1 43,9 2
23-sep 1628 2 3,6 4
23-sep 1628 3 60 1
23-sep 1628 4 18,9 3
23-sep 1628 5 40,8 2
23-sep 1628 6 49,8 1
23-sep 1628 7 4,9 4
23-sep 1628 8 4,6 4
23-sep 1628 9 33,8 2
23-sep 1628 10 35,6 2
23-sep 1628 11 22,2 3
23-sep 1628 12 25,2 3
23-sep 1628 13 29,4 3
23-sep 1628 14 0,2 4
25-sep 1650
25-sep 1650 1 39 2
25-sep 1650 2 3,5 4
25-sep 1650 3 4,6 4
25-sep 1650 4 22,7 3
25-sep 1650 5 39,1 2
25-sep 1650 6 65 1
25-sep 1650 7 31,1 3
25-sep 1650 8 21,1 3
25-sep 1650 9 49,9 1
25-sep 1650 10 22,2 3
25-sep 1650 11 23,3 3
25-sep 1650 12 34,9 2
25-sep 1712
25-sep 1712 1 36 2
25-sep 1712 2 5,7 4
25-sep 1712 3 30,2 3
25-sep 1712 4 26,3 3
25-sep 1712 5 76,9 1
25-sep 1712 6 6,8 4
25-sep 1712 7 21,9 3
25-sep 1712 8 36,5 2
25-sep 1712 9 1,2 4
25-sep 1712 10 24,1 3
25-sep 1712 11 35,2 2
25-sep 1733
104
Anexos
105
Anexos
28-sep 1355
28-sep 1355 1 1,8 4
28-sep 1355 2 6,5 4
28-sep 1355 3 69,5 1
28-sep 1355 4 3,3 4
28-sep 1355 5 14,9 4
28-sep 1355 6 41,7 2
28-sep 1355 7 18,7 3
28-sep 1355 8 4,8 4
28-sep 1355 9 48,1 1
28-sep 1355 10 29,3 3
28-sep 1355 11 45 2
28-sep 1355 12 34,3 2
28-sep 1355 13 36 2
28-sep 1355 14 41,7 2
28-sep 1355 15 37,2 2
28-sep 1616
28-sep 1616 1 3,9 4
28-sep 1616 2 12,4 4
28-sep 1616 3 67 1
28-sep 1616 4 32,1 2
28-sep 1616 5 41,9 2
28-sep 1616 6 190,3 5
28-sep 1616 7 36,7 2
28-sep 1616 8 6,2 4
28-sep 1616 9 32,6 2
28-sep 1616 10 28 3
28-sep 1616 11 20,2 3
28-sep 1616 12 24 3
28-sep 1640
28-sep 1640 1 4,9 4
28-sep 1640 2 10,8 4
28-sep 1640 3 23,6 3
28-sep 1640 4 41,1 2
28-sep 1640 5 68,1 1
28-sep 1640 6 10 4
28-sep 1640 7 28 3
28-sep 1640 8 36 2
28-sep 1640 9 22,3 3
28-sep 1640 10 27,5 3
28-sep 1640 11 9 4
28-sep 1640 12 3,6 4
28-sep 1701
28-sep 1701 1 3,5 4
28-sep 1701 2 32,9 2
28-sep 1701 3 5 4
28-sep 1701 4 21,4 3
28-sep 1701 5 34,9 2
28-sep 1701 6 27,5 3
28-sep 1701 7 37,7 2
28-sep 1701 8 11,2 4
28-sep 1701 9 33 2
28-sep 1701 10 35,4 2
28-sep 1701 11 36,8 2
28-sep 1701 12 26 3
106
Anexos
107
Anexos
29-sep 1650
29-sep 1650 1 19,9 3
29-sep 1650 2 51,1 1
29-sep 1650 3 43,9 2
29-sep 1650 4 26,1 3
29-sep 1650 5 41,2 2
29-sep 1650 6 35,2 2
29-sep 1650 7 37,6 2
29-sep 1650 8 54,3 1
29-sep 1650 9 22,4 3
29-sep 1650 10 31,6 3
29-sep 1650 11 21,1 3
29-sep 1713
29-sep 1713 1 10,4 4
29-sep 1713 2 1,7 4
29-sep 1713 3 28,5 3
29-sep 1713 4 15,4 4
29-sep 1713 5 84,2 1
29-sep 1713 6 2,5 4
29-sep 1713 7 3,2 4
29-sep 1713 8 32,2 2
29-sep 1713 9 18 3
29-sep 1713 10 44,3 2
29-sep 1713 11 17,3 3
29-sep 1713 12 33,7 2
29-sep 1713 13 27,2 3
29-sep 1713 14 25,2 3
29-sep 1713 15 42 2
29-sep 1713 16 3,8 4
29-sep 1713 17 4,8 4
30-sep 1556
30-sep 1556 1 27,9 3
30-sep 1556 2 45,3 2
30-sep 1556 3 22,2 3
30-sep 1556 4 45,6 2
30-sep 1556 5 14,4 4
30-sep 1556 6 34,7 2
30-sep 1556 7 41,8 2
30-sep 1556 8 12,6 4
30-sep 1556 9 26,7 3
30-sep 1556 10 29,8 3
30-sep 1556 11 3,4 4
30-sep 1617
30-sep 1617 1 9,9 4
30-sep 1617 2 8,6 4
30-sep 1617 3 17,8 3
30-sep 1617 4 23,8 3
30-sep 1617 5 28,5 3
30-sep 1617 6 5,7 4
30-sep 1617 7 22 3
30-sep 1617 8 18,6 3
30-sep 1617 9 13,3 4
30-sep 1617 10 7,4 4
30-sep 1617 11 53,6 1
30-sep 1617 12 43,6 2
108
Anexos
109
Anexos
Suma
1 2 3 4 5 6 7 8 9 10 11 12 13 14 filas
1 0 1 1 0 1 0 0 1 1 0 0 0 2 0 7
2 0 0 0 5 6 3 0 2 4 1 8 0 2 5 36
3 0 2 1 0 0 0 1 6 5 0 1 0 5 0 21
4 0 7 2 0 1 0 0 9 4 0 0 0 1 0 24
5 1 2 3 2 2 2 0 0 5 0 10 3 5 10 45
6 0 2 0 0 2 0 1 0 1 1 0 0 2 1 10
7 0 1 1 0 4 2 1 1 2 4 0 1 1 1 19
8 0 0 0 2 5 0 0 4 2 3 7 0 10 6 39
9 3 3 7 3 5 0 0 4 3 1 0 0 5 0 34
10 0 1 0 2 7 2 3 0 2 3 1 2 1 0 24
11 0 1 1 2 2 0 2 1 1 1 4 1 18 2 36
12 1 4 0 0 0 0 0 1 0 0 0 0 1 0 7
13 2 21 5 1 11 2 2 8 1 5 6 0 4 1 69
14 0 0 0 7 0 0 1 2 3 0 1 0 12 0 26
110
Anexos
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 0,00% 14,29% 14,29% 0,00% 14,29% 0,00% 0,00% 14,29% 14,29% 0,00% 0,00% 0,00% 28,57% 0,00%
2 0,00% 0,00% 0,00% 13,89% 16,67% 8,33% 0,00% 5,56% 11,11% 2,78% 22,22% 0,00% 5,56% 13,89%
3 0,00% 9,52% 4,76% 0,00% 0,00% 0,00% 4,76% 28,57% 23,81% 0,00% 4,76% 0,00% 23,81% 0,00%
4 0,00% 29,17% 8,33% 0,00% 4,17% 0,00% 0,00% 37,50% 16,67% 0,00% 0,00% 0,00% 4,17% 0,00%
5 2,22% 4,44% 6,67% 4,44% 4,44% 4,44% 0,00% 0,00% 11,11% 0,00% 22,22% 6,67% 11,11% 22,22%
6 0,00% 20,00% 0,00% 0,00% 20,00% 0,00% 10,00% 0,00% 10,00% 10,00% 0,00% 0,00% 20,00% 10,00%
7 0,00% 5,26% 5,26% 0,00% 21,05% 10,53% 5,26% 5,26% 10,53% 21,05% 0,00% 5,26% 5,26% 5,26%
8 0,00% 0,00% 0,00% 5,13% 12,82% 0,00% 0,00% 10,26% 5,13% 7,69% 17,95% 0,00% 25,64% 15,38%
9 8,82% 8,82% 20,59% 8,82% 14,71% 0,00% 0,00% 11,76% 8,82% 2,94% 0,00% 0,00% 14,71% 0,00%
10 0,00% 4,17% 0,00% 8,33% 29,17% 8,33% 12,50% 0,00% 8,33% 12,50% 4,17% 8,33% 4,17% 0,00%
11 0,00% 2,78% 2,78% 5,56% 5,56% 0,00% 5,56% 2,78% 2,78% 2,78% 11,11% 2,78% 50,00% 5,56%
12 14,29% 57,14% 0,00% 0,00% 0,00% 0,00% 0,00% 14,29% 0,00% 0,00% 0,00% 0,00% 14,29% 0,00%
13 2,90% 30,43% 7,25% 1,45% 15,94% 2,90% 2,90% 11,59% 1,45% 7,25% 8,70% 0,00% 5,80% 1,45%
14 0,00% 0,00% 0,00% 26,92% 0,00% 0,00% 3,85% 7,69% 11,54% 0,00% 3,85% 0,00% 46,15% 0,00%
111
Anexos
1 2 3 4 Suma filas 1 2 3 4
1 1 4 2 0 7 1 14,29% 57,14% 28,57% 0,00%
2 1 12 9 13 35 2 2,86% 34,29% 25,71% 37,14%
3 0 14 7 0 21 3 0,00% 66,67% 33,33% 0,00%
4 2 11 10 1 24 4 8,33% 45,83% 41,67% 4,17%
5 12 12 9 12 45 5 26,67% 26,67% 20,00% 26,67%
6 2 4 1 3 10 6 20,00% 40,00% 10,00% 30,00%
7 1 2 2 14 19 7 5,26% 10,53% 10,53% 73,68%
8 2 12 12 13 39 8 5,13% 30,77% 30,77% 33,33%
9 8 9 12 5 34 9 23,53% 26,47% 35,29% 14,71%
10 5 2 1 16 24 10 20,83% 8,33% 4,17% 66,67%
11 5 9 12 8 34 11 14,71% 26,47% 35,29% 23,53%
12 0 1 3 3 7 12 0,00% 14,29% 42,86% 42,86%
13 3 25 25 16 69 13 4,35% 36,23% 36,23% 23,19%
14 2 2 7 15 26 14 7,69% 7,69% 26,92% 57,69%
112
Anexos
113
Anexos
40
20
0
0 100 200 300 400 500 600 700 800 900 1000
Tiempo (s)
40
20
0
0 500 1000 1500
Tiempo (s)
114
Anexos
60 5
Velocidad (km/h)
50 4
40
Marcha
3
30
2
20
10 1
0 0
0 100 200 300 400 500 600 700 800 900
Tiempo (s)
60 5
Velocidad (km/h)
50 4
40
Marcha
3
30
2
20
10 1
0 0
0 200 400 600 800 1000 1200 1400
Tiempo (s)
115
Anexos
Anexo XI – Pendiente
A11.1. Pendiente para tráfico fluido
Pendiente para tráfico fluido
60 2
1,5
Velocidad (km/h)
50
Pendiente (%)
1
40 0,5
30 0
20 -0,5
-1
10 -1,5
0 -2
0 100 200 300 400 500 600 700 800 900
Tiempo (s)
60 2
1,5
Velocidad (km/h)
50 1
Pendiente (%)
40 0,5
0
30 -0,5
-1
20 -1,5
10 -2
-2,5
0 -3
0 200 400 600 800 1000 1200 1400
Tiempo (s)
116
Anexos
117