In the road design process the speed variation along the road segment is an important issue to consider in order to adapt the road geometry to drivers' expectancies. To achieve this objective, speed criteria are used to evaluate road consistency. Therefore, being able to estimate the operating speed in the design phase can lead to a safer road alignment. With this objective, several research have developed operating speed models. Most of these models are based on collected speed spot-data. They assume constant speed on curves and therefore deceleration occurs entirely on the approach tangent. According to these assumptions, speed spot-data are collected at the center of the horizontal curve and at the midpoint of the preceding tangent in order to obtain operating speed models. This paper presents a new methodology based on the use of GPS devices that allow collecting and processing speed continuous data. By means of this new methodology, not only new and more accurate operating speed models can be developed, but also cited hypotheses can be checked. Observed speed continuous profiles allow new studies than previously couldn't be done, specially relating to deceleration and speed variations. New speed models have been calibrated in this research, including three for horizontal curves with radius curve and CCR of a single curve as a variable explanatory, and one for tangents that incorporates the curve speed model. Moreover, tangent-curve speed variations have been evaluated, comparing Δ85V and ΔV85, analyzing the deceleration length occurring on curve, and developing two deceleration models.
This paper covers the inception and development of a new type of Final Degree Project carried out in the Civil Engineering School. More than 20 students collaborate in this Project, which is a major innovation over previous ones. This Project consists on the development of three alternatives for the CV-190 road diversión in Figueroles (Castellón). This kind of project allows the students to reach a deep knowledge on their skills, as well as they are encouraged to collaborate. Some advantages are presented, as well as some drawbacks that should be resolved for further editions.
La velocidad de operación es uno de los factores más estudiados en el análisis de la seguridad vial por su relación con la siniestralidad. En la fase de explotación es relativamente sencillo calcular la velocidad de operación a partir de datos empíricos, pero, en las fases de planeamiento y de proyecto, sólo será posible estimarla. Numerosos autores han modelizado la velocidad de operación de vehículos ligeros en curvas de carreteras convencionales considerando su velocidad mínima. Algunos a partir de observaciones en aquellos puntos de la carretera más significativos como el punto medio de la curva (velocidad mínima), otros a partir de datos continuos utilizando, por ejemplo, dispositivos GPS. La mayoría de los modelos que estiman esta velocidad se basan únicamente en el percentil 85 de la distribución o en su velocidad media. Además, la mayoría de los estudios asumen que sus datos se distribuyen según una normal sin, en muchos casos, comprobar dicha hipótesis. El objetivo de este estudio es analizar la distribución de la velocidad desarrollada por vehículos ligeros circulando en condiciones de flujo libre en curvas de carreteras convencionales. Para ello, la investigación se basa en determinar si los datos de velocidad de 63 curvas disponibles de una base de más de 16.000 vh·km se distribuyen según una normal, y en el análisis del comportamiento de la media y la desviación típica de la distribución de velocidades en curvas. Se ha concluido que la distribución normal no es la que mejor se ajusta al comportamiento de la velocidad en la mayoría de los casos.DOI: http://dx.doi.org/10.4995/CIT2016.2016.4112
Muy diversas investigaciones previas han mostrado cómo la percepción del riesgo afecta el comportamiento de los conductores. Muchas de ellas van dirigidas a observar la diferencia de percepción entre conductores experimentados y noveles, o entre el riesgo objetivo y el percibido. Mientras que el riesgo objetivo puede ser obtenido a partir de las estadísticas de siniestralidad, el riesgo percibido es más complicado de evaluar. Existen diversos métodos, yendo desde la encuesta directa hasta técnicas de rastreo de la visión.En este estudio se presenta una nueva metodología para recoger datos de Percepción Subjetiva de Riesgo (PSR) de forma quasi-naturalística. Con esta metodología, los conductores pueden indicar de forma sencilla su percepción de confort tras recorrer cada una de las curvas que compone un trazado. Posteriormente, la correlación de estos datos con la geometría de las curvas y otras variables permite derivar sencillas reglas para obtener un diseño consistente de la carretera. Igualmente, si esta metodología es válida para ser llevada a cabo en un entorno simulado, permitiría evaluar carreteras en fase de proyecto, convirtiéndose en una valiosa herramienta para los ingenieros.Un total de 28 conductores participaron en la toma de datos, recorriendo el mismo tramo de carretera en la realidad y en entorno simulado, de 32 km. En ambos casos indicaron su percepción de PSR tras cada una de las curvas aisladas. En este estudio se muestran los resultados alcanzados, tanto en el entorno real como el simulado. Igualmente, se establecen conexiones y correlaciones entre ambos métodos, mostrando bajo qué condiciones el entorno simulado arroja valores válidos.DOI: http://dx.doi.org/10.4995/CIT2016.2016.1902
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.