Predicción de la posibilidad de calibración de modelos de seguimiento vehicular para trayectorias cortas de vehículos individuales
Resumen
El estudio de la variabilidad de conductores (i.e., diferencias de estilo de conducción de un conductor a otro o en el tiempo) requiere calibrar modelos de seguimiento vehicular (MSV) utilizando trayectorias individuales, lo que es un proceso costoso. Un problema que ocurre a menudo, es que la calibración de algunas trayectorias genera parámetros con valores irreales. Para enfrentar este problema, en este artículo se analiza un método para predecir la potencial utilidad de utilizar una trayectoria dada al calibrar.
Para esto, se calibraron dos MSV utilizando un conjunto amplio de trayectorias provenientes de bases de datos diversas. Las calibraciones obtenidas se clasificaron según si sus resultados eran realistas; se entrenó un clasificador random forests para predecir clasificaciones realistas, y se evaluó la calidad de las predicciones generadas.
Se logró predicciones satisfactorias, especialmente al asumir como observable a sólo un subconjunto de parámetros (78% a 98% de exactitud). Las métricas de evaluación más importantes fueron la aceleración máxima y mínima, el intervalo promedio entre vehículos (headway), y la razón entre el espaciamiento y la velocidad
