Proyección De Volúmenes De Tránsito

PROYECCIÓN DE VOLÚMENES DE TRÁNSITO A FUTURO | INGENIERÍA DE TRÁNSITO
|
Daniel Alberto Alvarado Perales. 235285Rubén Grijalva Piñón. 235467Alvaro Quezada Arroyo. 235408 7 CV2A 28 DE NOVIEMBRE DEL 2012 | CARRETERA LA JUNTA - YÉCORA |
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA
FACULTAD DE INGENIERÍA
INGENIERÍA CIVILPROYECCIÓN DE VOLÚMENES DE TRÁNSITO A FUTURO
Introducción.
Al conocer el tránsito diario promedio anual (TDPA) de un tramo de una carretera en un tiempo determinado (años), obtenido de los Datos Viales de la SCT, se puede proyectar el volumen probable de vehículos que transitarán por ese tramo carretero en un futuro. Esto se logra a partir de cuatro métodos:
a) Regresión lineal simpleb) Regresión curvilínea tipo exponencial
c) Regresión curvilínea potencial
d) Regresión curvilínea tipo logarítmica.
El presente trabajo muestra la proyección de volúmenes de tránsito para los años 2015, 2020 y 2025 del tramo T. C. Chihuahua – Madera, en la Carretera Federal La Junta – Yécora; utilizando los métodos anteriormente mencionados.
Procedimiento.
Datos viales de laSCT, tramo T.C. Chihuahua – Madera, Carretera Federal La Junta – Yécora.
Año | TDPA |
2001 | 1498 |
2002 | 1600 |
2003 | 1634 |
2004 | 1659 |
2005 | 1693 |
2006 | 2320 |
2007 | 2754 |
2008 | 3012 |
2009 | 3501 |
2010 | 3438 |
2011 | 3974 |
2012 | 4128 |

a) Regresión lineal simple:
Año | TDP (Vehi/Día) | Xi | Yi | Xi^2 | Yi^2 | Xi*Yi |
2004 | 1,659 | 1 | 1,659 | 1 |2,752,281 | 1,659 |
2005 | 1,693 | 2 | 1,693 | 4 | 2,866,249 | 3,386 |
2006 | 2,320 | 3 | 2,320 | 9 | 5,382,400 | 6,960 |
2007 | 2,754 | 4 | 2,754 | 16 | 7,584,516 | 11,016 |
2008 | 3,012 | 5 | 3,012 | 25 | 9,072,144 | 15,060 |
2009 | 3,501 | 6 | 3,501 | 36 | 12,257,001 | 21,006 |
2010 | 3,438 | 7 | 3,438 | 49 | 11,819,844 | 24,066 |
2011 | 3,974 | 8 | 3,974 | 64 | 15,792,676 |31,792 |
2012 | 4,128 | 9 | 4,128 | 81 | 17,040,384 | 37,152 |
∑ | 45 | 26,479 | 285 | 84,567,495 | 152,097 |

na+i=1nxib=i=1nyi
i=1nxia+i=1nxi2b=i=1nxiyi
y=bx+a
r=ni=1nxiyi-i=1nxiyi ni=1nxi2-(i=1nxi)2ni=1nyi2-(i=1nyi)2
n | 9 |
a | 1,300.28 |
b | 328.37 |
r | 98.53% |

Año | X | Y |
Y2015 | 12 | 5,241 |
Y2020 | 17 | 6,883 |
Y2025 | 22 | 8,524 |

b) Regresión curvilíneatipo exponencial:
Año | TDP (Vehi/Día) | Xi | Yi | Xi^2 | lnYi | Xi(lnYi) | (lnYi)^2 |
2004 | 1,659 | 1 | 1,659 | 1 | 7.414 | 7.414 | 54.967 |
2005 | 1,693 | 2 | 1,693 | 4 | 7.434 | 14.869 | 55.268 |
2006 | 2,320 | 3 | 2,320 | 9 | 7.749 | 23.248 | 60.052 |
2007 | 2,754 | 4 | 2,754 | 16 | 7.921 | 31.683 | 62.739 |
2008 | 3,012 | 5 | 3,012 | 25 | 8.010 | 40.052 | 64.166 |
2009 | 3,501 |6 | 3,501 | 36 | 8.161 | 48.965 | 66.599 |
2010 | 3,438 | 7 | 3,438 | 49 | 8.143 | 56.999 | 66.303 |
2011 | 3,974 | 8 | 3,974 | 64 | 8.288 | 66.300 | 68.683 |
2012 | 4,128 | 9 | 4,128 | 81 | 8.326 | 74.930 | 69.315 |
∑ | 45 | 26,479 | 285 | 71.445 | 364.459 | 568.091 |

n(lna )+xi(lnb )=lnyi
xi(lna )+xi2(lnb )=xi(lnyi)
y=abx
r=nxi(lnyi)-xi(lnyi)nxi2-(xi)2n(lnyi)2-(lnyi)2

n | 9 |a | 1,534.56 |
b | 1.13 |
r | 96.65% |

Año | X | Y |
Y2015 | 12 | 6,581 |
Y2020 | 17 | 12,072 |
Y2025 | 22 | 22,144 |

c) Regresión curvilínea potencial:
Año | TPD (Vehi/Día) | Xi | Yi | lnXi | lnYi | (lnXi)^2 | (lnYi)^2 | (lnXi)(lnYi) |
2004 | 1,659 | 1 | 1,659 | 0.0000 | 7.4140 | 0.0000 | 54.9670 | 0.0000 |
2005 | 1,693 | 2 | 1,693 | 0.6931 | 7.4343 | 0.4805 | 55.2682| 5.1530 |
2006 | 2,320 | 3 | 2,320 | 1.0986 | 7.7493 | 1.2069 | 60.0520 | 8.5135 |
2007 | 2,754 | 4 | 2,754 | 1.3863 | 7.9208 | 1.9218 | 62.7392 | 10.9806 |
2008 | 3,012 | 5 | 3,012 | 1.6094 | 8.0104 | 2.5903 | 64.1659 | 12.8922 |
2009 | 3,501 | 6 | 3,501 | 1.7918 | 8.1608 | 3.2104 | 66.5987 | 14.6222 |
2010 | 3,438 | 7 | 3,438 | 1.9459 | 8.1426 | 3.7866 | 66.3027 | 15.8449 |
2011 |...