proyecto fin de carrera - universidad de...

ESCUELA SUPERIOR DE INGENIEROS

UNIVERSIDAD DE SEVILLA

Departamento de Ingeniería y Ciencia

de los Materiales y del Transporte

PROYECTO FIN DE CARRERA

ESTUDIO Y BÚSQUEDA DE INDICADOR CARACTERIZADOR DE LA RELACIÓN ENTRE

CONDUCCIÓN Y CONFORT DE LOS PASAJEROS DE UN VEHÍCULO TURISMO

Autora: Ramírez Hervás, Isabel María

Tutor: Wideberg, Johan Sevilla, Julio 2016

Estudio y búsqueda de indicador caracterizador de la relación entre conducción y confort de los pasajeros de un vehículo turismo

INDICE DE CONTENIDOS

1. Introducción 2

2. Objetivo del proyecto 4

3. Descripción general del proyecto 5

4. Características de los dispositivos y datos utilizados 7

5. Análisis bibliográfico 9

6. Análisis de datos y resultados 34

7. Conclusiones y trabajos futuros 54

8. Bibliografía 56

9. Anexos 57

1


1. Introducción

Hoy día, sólo en España somos unos 26 millones de conductores.

Conductores, que según estudios realizados, se desplazan una media de cinco

días a la semana tanto por zona urbana como interurbana, ya sea por motivos

laborales como por ocio.

Cada uno de estos conductores se desenvuelve de una forma diferentea la

hora de circular, desarrollandoun modo propio de conducción como

consecuencia dediversos motivos:

• formación

• personalidad

• edad

• estado del vehículo con el que circula

Figura 1.- Resultados estadísticos de los desplazamientos medios del conductor español según edades y sexo.

2


• condiciones de la vía por la que se desplaza

• …

El modo de conducir afecta de una forma importante a la eficiencia y

rendimiento del vehículo. De hecho, a nivel profesional, cada vez más se tiene

en cuentala capacidad del conductor para sacar el máximo provecho a las

innovaciones y aplicaciones de los vehículos que permiten conducir de forma

más eficiente. Aunque la conduccióneficienteno sólo la llevan a cabo los

profesionales. Ya que supone un ahorro considerable de combustible, una

disminución del desgaste del vehículo, una reducción de contaminación,…todo

conductor busca esta eficiencia.

Asimismo la forma de conducir afecta en gran medida a la comodidad de

los pasajeros. El conductor se enfrenta, al circular, a semáforos, rotondas,

pasos de peatones y demás elementosvialesque conllevan frenazos, giros,

aceleramientos,… que influyen en el bienestar de los acompañantes del

conductor. Un modo que produce gran incomodidad para los pasajeros es

aquel en el que las aceleraciones y frenazos se realizan de una forma brusca y

en el que las curvas son tomadas con giros cerrados a alta velocidad

produciendo movimientos de vaivén que son muy molestos para los pasajeros.

Por tanto, encontrar el equilibrio perfecto en la forma de conducir sería ideal

para el confort de los acompañantes.

3


2. Objetivo del proyecto

Como se ha visto en la introducción, un punto importante a tener en

cuenta a la hora de conducir es conseguir el máximo confort de los viajeros,

sobre todo para aquellos conductores que profesionalmente se dedican al

transporte de pasajeros.

En este caso vamos a someter a estudio la relación entre el modo de

conducir del conductor de un vehículo de tipo turismo y la comodidad de los

viajeros que lo acompañan.

El objetivo del proyecto es encontrar un parámetro que nos indique cómo

se desarrolla la conducción de un individuo cualquiera y la repercusión en los

pasajeros.

Para ello, se han tomado una serie de muestras de conducción de

diferentes individuos a través de una aplicación móvil que proporciona diversos

parámetros gracias a sensores, como el acelerómetro o el giróscopo, que

posee cualquier Smartphone.

De los datos adquiridos en dichas muestrasse van a tratar

estadísticamente parte de ellos, en concreto, aquellos que afecten a nuestro

caso de estudio(vector de aceleración(valores del mismo en cada uno de los

tres ejes) y su módulo), con el objetivo de obtener resultados gráficos y

numéricos que nos permitan posteriormente compararlos para llegar a concluir

y definir qué parámetro es un buen indicador del modo de conducción de cada

individuo.

Este tratamiento y análisis de datos se realizará a través del programa

estadístico R-studio que nos permitirá graficar los datos y resultados obtenidos,

así como tabular los valores de las diversasvariables para poder alcanzar

nuestro objetivo mediante la manipulación estadística de ellos.

4


3. Descripción general del proyecto

El proyecto fin de carrera se estructura en siete capítulos. En los dos

primeros capítulos se han introducido los objetivos además de presentar el

entorno y las razones que justifican la motivación por el tema.

En el capítulo 4 se han descrito las características y funcionamiento de

las herramientas utilizadas, una justificación con respecto a su elección entre

otras disponibles, así como una especificación de los datos utilizados y del

proceso de depuración efectuado.

En el capítulo 5 se ha expuesto un resumen del análisis bibliográfico

realizado y las conclusiones obtenidas de los artículos examinados, en los que

se analizan la influencia de diversos factores en el confort de los pasajeros

tanto por los sistemas de los que dispone el vehículo para hacerle frente como

por la manera de desarrollar la conducción del conductor así como el propio

sistema humano y todo el entorno en el que se desarrolla esta actividad, es

decir, la suma de todas las medidas que mantienen y mejoran el bienestar de

una persona y reducen su fatiga durante el viaje

En el capítulo 6, se ha descrito el proceso de tratamiento de datos

obtenidos a partir de las herramientas descritas en el capítulo 4. Se ha

realizado una exposición gráfica de los valores de aceleración frente al tiempo

que han caracterizado cada una de las pruebas. Así mismo, se han analizado

estadísticamente dichos datos a partir del cálculo de sus medias, medianas,

cuartiles entre otros parámetros para poder lograr encontrar algún indicador

caracterizador del modo de conducción.

Tras efectuar análisis mediante la herramienta de representación de

Tukey que emplea los datos estadísticos obtenidos se ha definido el ancho de

banda como indicador de confort de pasajeros y modo de conducción del

conductor.

Finalmente, en los capítulos 7 y 8 se han expuesto, respectivamente, las

conclusiones finales del proyecto y las líneas de trabajo futuro, así como las

5


referencias bibliográficas que se han utilizado para la realización de este

trabajo.

En los Anexos, se han adjuntado los programas que han sido necesarios

desarrollar mediante el programa R-studio para el tratamiento de los datos

registrados por el sistema de adquisición mediante el dispositivo Smartphone,

con los que se ha trabajado.

6


4. Características de los dispositivos y datos utilizados

Para la toma y registro de datos se ha utilizado un dispositivo móvil, que

cuenta con un acelerómetro entre otros sensores como se ha comentado

anteriormente. El acelerómetro mide la aceleración que el teléfono experimenta

con respecto a la fuerza de la gravedad, es decir, detecta el movimiento y la

orientación. Para leer los datos de los sensores se ha instalado la aplicación

móvil Sensor Log disponible para sistemas iOS.

Una vez realizada la lectura y el registro de datos la aplicación genera un

archivo con extensión csv. Este archivo se ha depurado posteriormente y se

han extraído de él los datos de la aceleración en los ejes longitudinal,

transversal y vertical.

Figura 2.- Interfaz de la aplicación Sensor Log.

7


Existen multitud de aplicaciones que podrían haberse usado con el

mismo fin que la que hemos decidido utilizar, tanto para dispositivos con

sistema iOS como para Smartphones con sistema Android. Las razones por las

que se ha elegido la aplicación Sensor Log en concreto es por las

características del dispositivo con el que se disponía para medir (iPhone con

sistema iOS) y porque dicha aplicación es gratuita.

Para el tratamiento de los datos ya obtenidos tras la depuración se ha

utilizado el software R-Studio debido a que tenía un tamaño menor que otras

herramientas que se podían haber utilizado como por ejemplo Matlab y que

para el objetivo de estudio, dado su carácter estadístico, es mucho más

apropiado y con un lenguaje similar. Además, el programa se puede descargar

fácilmente y de manera gratuita tanto para sistemas operativos Windows como

Mac.

Figura 3.- Interfaz del software R-Studio.

8


5. Análisis bibliográfico

En este capítulo se realiza una investigación bibliográfica de artículos

que han realizado estudios con anterioridad, en los que en cierto modo se tiene

en cuenta el confort de los ocupantes de un vehículo, considerando el análisis

de diversos factores que pueden afectarlo como por ejemplo la aceleración,

que será indispensable en el caso de estudio de este proyecto.

Como fuentes de información para llevar a cabo esta revisión

bibliográfica, se han tomado diferentes revistas y publicaciones científico-

técnicas, algunas especializadas en el sector de la ingeniería mecánica, como:

The American Society of MechanicalEngineers (ASME) y Elsevier, entre otras.

Los artículos revisados abarcan un espacio temporal que va desde 1976

hasta la actualidad.

A continuación se pasa a describir un resumen de los diferentes artículos

analizados.

5.1. Revisión de artículos

a) Development of a method for detecting jerks in safety critical events. Bagdadi, O. &Várheyi, A. [1]

En este artículo se exponeun estudio que fue realizado primeramente

tomando medidas en eventos de seguridad críticos mediante grabaciones de

datos de aceleraciones y su posterior análisis con el objetivo de encontrar un

nuevo método,llamado método de sacudidas crítico, desarrollado para la

detección de seguridad de eventos críticos a partir de los datos cinemáticos

del vehículo.

Para la toma de datos se utilizó un EDR (grabadora de datos de

eventos), que monitoreaba continuamente los cambios en aceleración y

registraba los datos en un disco duro durante un predeterminado período de

tiempo antes y después del evento de seguridad crítico, y un acelerómetro. El

acelerómetro era capaz de medir tanto aceleraciones estáticas, como por

9


ejemplo la gravedad, así como las aceleraciones dinámicas, como por ejemplo

las maniobras de frenado o aceleración.

Los datos se extraían a través de la interfaz Ethernet a un PC para el

posterior procesamiento de señales de aceleración y cálculo de las medidas

para la detección de maniobras críticas.

Las características de las señales durante estos eventos,

específicamente la señal de frecuencias y los valores de duración y de pico,

debían ser analizados con el fin de desarrollar un método de detección fiable.

Con el fin de calcular los tirones o sacudidas a partir de la base de datos

de aceleración medidas, era importante reducir el ruido tanto como fuera

posible. Para ello diferentes filtros fueron probados durante una fase de pre-

estudio, tales como el filtro Savitzky-Golay, filtro de Chebyshev y el filtro de

Kalman.

Por lo tanto, la prueba piloto fue creada con el objetivo de evaluar las

diferencias entre el nivel de respuesta del tirón y la aceleración, en el

comportamiento de frenado que se distingue por el tiempo disponible para que

el conductor reaccione y realice el frenado, y por lo tanto, evaluar la eficacia del

método. Durante las pruebas de campo, los conductores fueron sometidos a

una serie de instrucciones destinadas a obtener un comportamiento de frenado

no crítico y crítico.

Los resultados de los diferentes eventos se analizaron con respecto a

las diferencias entre los tipos de instrucciones dadas a diferentes velocidades.

Un total de cuatro grupos fueron creados según el tiempo dado a los

conductores para reaccionar con respecto a la distancia al punto de colisión

proyectada y la velocidad del vehículo, véase la Tabla 1. Se analizaron los

resultados, mediante ANOVA, para ver si había algunas diferencias

significativas en las medidas entre los subgrupos.

10


Los principales efectos de los diferentes factores y las interacciones se

analizaron con un intervalo de confianza del 95% en todos los casos utilizando

el paquete estadístico SPSS. Las medidas analizadas fueron la aceleración

negativa y las sacudidas causadas por los conductores durante las maniobras

de frenado. Dos medidas diferentes de tirones se analizaron, tirón negativo

mínimo y el valor de pico a pico de tirón, Figura 4. El efecto de la "Instrucción"

en la variable dependiente es de gran interés. El factor "Driver", es decir, el

conductor del vehículo, "velocidad", es decir, la velocidad cuando la instrucción

se le dio al conductor y "orden", es decir, el orden en el que las instrucciones

eran dadas, fueron incluidos en el análisis con el fin de controlar estos factores,

es decir, para poder descartar la interacción no deseada principal y los efectos

de instrucciones.

El cálculo de sacudidas se vio afectado considerablemente por el ruido

en los datos medidos en bruto. Por lo tanto, fue fundamental mejorar la relación

señal a ruido, SNR, tanto como fuese posible y al mismo tiempo distorsionar el

perfil de aceleración tan poco como fuese posible. La Figura 4 muestra el perfil

de aceleración medida por el EDR, es decir, los datos en bruto, en

comparación con el perfil de aceleración suavizado. El acelerómetro disponía

de un filtro de alta frecuencia incorporado en la que reducía la cantidad de ruido

en el perfil original de aceleración en bruto.

Tabla 1.- Número de maniobras de frenado realizadas por tipo de evento.

11


Un análisis visual de la máxima aceleración negativa, ver Figura 4,

apoyó las conclusiones de estudios anteriores de que es probable que se

produzcan una gran cantidad de detecciones falsas si fuese posible distinguir

entre el grupo crítico y potencialmente crítico, es decir, el momento de la

colisión de valor inferior a 1,5 s frente al tiempo de colisión de valor superior a

1,5 s. Un análisis de varianza con comparaciones mediante el método de

Tukey, de los cuatro subgrupos, indicaron que el subgrupo 1 obtuvo

estadísticamente, de forma significativa, valores de aceleración más bajos que

el grupo 4, p = 0,016 y entre los otros subgrupos no hubo significación

estadística diferenciadora en p <0,05. Por lo tanto, no había diferencia

estadísticamente significativa entre medidas de aceleración para eventos con

un tiempo de colisión de menos de 1,5 s y eventos con un tiempo de colisión

superior a 1,5 s. Por lo tanto, la aceleración no fue considerada como una

medida adecuada para distinguir entre los grupos críticos y potencialmente

críticos.

Figura 4.- Datos de aceleración en bruto vs. datos de aceleración filtrados.

12


El análisis visual de los resultados para valores negativos de sacudidas,

Figura 5, mostraban que había un patrón que sugería que eventos dentro del

grupo crítico (Nr1 y Nr2), es decir, con un tiempo de valor de la colisión a

menos de 1,5 s, tienden a producir tirones negativos más potentes que eventos

dentro del grupo potencialmente crítico (Nr3 y Nr4). Sin embargo, un análisis de

varianza con una comparación con el método de Tukey de los cuatro

subgrupos mostraban que no había estadísticamente diferencias significativas

entre los subgrupos 2 y 3 en p<0,05. Se consideró que no es posible

determinar un valor umbral claro para distinguir entre los grupos críticos y

potencialmente críticos por sacudidas.

Figura 5.- Medidas de aceleración negativa para cada subgrupo de acuerdo a la Tabla 2.

13


Una inspección visual, ver Figura 6, de los valores de pico a pico de las

sacudidas mostraba una clara distinción entre los grupos críticos y

potencialmente críticos.

Los resultados de los valores de pico a pico como respuesta a las

instrucciones, sugerían que es posible señalar un valor de umbral para

distinguir entre los grupos críticos y potencialmente críticos. Un análisis visual

sugería un valor tirón de pico a pico de aproximadamente 1,5 g / s para

situaciones críticas, mientras que un umbral valor de aproximadamente 1,0 g /

s es suficiente para detectar eventos potencialmente críticos.

Figura 6.- Medidas de sacudidas negativas para cada subgrupo de acuerdo a la Tabla 2.

14


Figura 7.- Diferencias entre los valores pico a pico para cada subgrupo de acuerdo a la Tabla 2.

Tabla 2.- Medias e intervalos de confianza (95%) de aceleración (g) y sacudidas (g/s).

15


El análisis de varianza, véase la Tabla 3, mostraba que el tiempo de

colisión variable era la única variable explicativa que tiene un efecto

estadísticamente significativo sobre la variable dependiente (valor de pico a

pico de las sacudidas). Ninguno de los pilotos ni el orden en el que ocurrieron

los hechos tenía un efecto estadísticamente significativo sobre la variable

dependiente.

Se analizaron un total de 35 conflictos de tráfico aplicando aceleración

negativa y métodos de sacudidas de pico a pico. Los conflictos de tráfico fueron

divididos en dos grupos, dependiendo del tiempo de colisión observado, TTC

(time-to-collision), en el inicio de la frenada (Tabla 4).

Un análisis visual mostraba que parecía que había una diferencia más

grande en la medida de sacudidas de pico a pico entre los dos grupos que en

valores de aceleración, véase la Figura 8. Un análisis de varianza, ANOVA,

confirmaba que había una diferencia estadísticamente significativa en

sacudidas pico a pico entre los dos grupos, F (1,34) = 8,030, pvalue = 0,008.No

se encontraron diferencias estadísticamente significativas entre los grupos, F

(1,34) = 1,911, p-valor = 0,176 para medidas de aceleración.

Tabla 3.- Variable dependiente: valor pico a pico de sacudida.

Tabla 4.- Media e intervalo de confianza (95%) de aceleración negativa y valores pico a pico de sacudidas.

16


El resultado estaba en línea con los resultados previos del estudio piloto,

ver Figura 9, por lo que un valor umbral de 1,5 g / s podría diferenciar entre

maniobras realizadas por el conductor en situaciones que son críticas y

situaciones que son potencialmente críticas.

Figura 8.- Valores de sacudidas pico a pico y aceleración negativa para situaciones observadas.

17


Los resultados mostraron entonces que mediante el uso de la medida de

sacudidas de pico a pico el método de sacudidas crítico es capaz de distinguir

entre las maniobras realizadas en situaciones donde el conductor tiene menos

de 1,5 s para reaccionar y en situaciones en las el conductor tiene más de 1,5 s

para reaccionar.

Además, los resultados señalaban que la aceleración negativa y el tirón

negativo presentaban diferencias estadísticamente significativas al comparar

los dos tipos diferentes de situaciones (p <0,05).

Se hizo un análisis de la aplicación de este método propuesto para

estudiar la relación entre la medida de tirón de pico a pico y diferente variables

independientes. El análisis mostró que ni la velocidad inicial ni el fin de la

instrucción dada tenían ningún efecto estadísticamente significativo sobre el

resultado. Según el análisis la variable del tiempo de colisión fue la única

estadísticamente significativa y predictora del resultado. Por lo tanto, se

concluyó que, en situaciones donde el conductor tiene un pequeño margen de

tiempo para reaccionar y realizar la maniobra afecta el nivel de la sacudida de

Figura 9.- Estimación de conflictos de gravedad para eventos con umbrales de sacudida pico a pico de 1.5 g/s.

18


pico a pico. Ambas situaciones probadas en el estudio piloto podrían

considerarse más o menos crítica, aunque sólo en teoría ya que ningún

conflicto real era infligido por razones éticas y prácticas.

También se realizó un segundo análisis del método propuesto en un

estudio de conducción natural donde se aplicó el mismo método de suavizado y

el cálculo de los derivados de señal de la aceleración. El resultado del análisis

mostró que el método de sacudidas crítico es capaz de detectar los conflictos

de tránsito mediante el análisis de las maniobras de freno realizadas por los

conductores que utilizan los umbrales obtenidos durante el estudio piloto.

Para el estudio de campo, un registrador de datos de eventos se

desarrolló por dos razones. En primer lugar, asegurar el control total de la

medida de los datos que se obtienen, esto es muy importante durante el

desarrollo y el análisis de nuevos métodos. En segundo lugar, para ver si un

acelerómetro de dos ejes era suficiente para ser capaz de distinguir entre las

respuestas de frenado de los conductores. Los datos de aceleración medidos

por el grabador de los datos de eventos desarrollado tenía una relativamente

buena relación señal-ruido, para empezar.

No obstante, se demostró que incluso un bajo nivel de ruido puede

conducir a un número de valores pico en los derivados, dependiendo de cómo

se calculan los derivados, que causan falsas detecciones de eventos críticos de

seguridad. Se concluyó que con el fin de utilizar la señal de derivados para la

identificación de seguridad crítica de maniobras de conducción y limitar el

número de identificaciones erróneas, era crucial realizar un procesamiento de

señal efectiva sin distorsionar la señal.

Existían varias limitaciones relativas a los estudios realizados. La más

importante era el problema de la utilización de situaciones simuladas, es decir,

instrucciones, en lugar de los eventos críticos reales de seguridad durante el

campo prueba. Por lo tanto, había una incertidumbre en los resultados del

estudio de campo sobre la fiabilidad de las medidas de las maniobras.

19


b) Ride quality of passenger cars: an overview on the research trends. Faris,W.F. , BenLahcene, Z. &Hasbullah, F. [2]

En este trabajo se señalan las principales áreas de investigación en calidad

de marcha centrándose en los vehículos de pasajeros. La calidad de marcha o

confort de marcha, puede definirse como la forma en que un vehículo responde

a las condiciones del camino o a las diferentes entradas de su ocupante. Su

principal preocupación es acerca de cómo esta respuesta afecta a los

ocupantes del vehículo.

La calidad de marcha se convirtió en una ventaja competitiva para la

industria automotriz, con lo que este artículo trata dedemostrar los diferentes

enfoques, ya sean teóricos o experimentales, que se utilizan para evaluar la

calidad de marcha.

El concepto de calidad de marcha barre muchas disciplinas de la

ingeniería automotriz. Sin embargo, este trabajo se centra en un aspecto

específico, que se relaciona con la dinámica del vehículo.

En movimiento, los coches barren una amplia gama de vibraciones que

pueden ser detectadas por el conductor, y él y su conducción influyen también.

Desafortunadamente, hasta ahora las principales pruebas de la calidad del

viaje han sido subjetivas, y la prueba objetiva no está desarrollada de una

manera estandarizada. Las tres principales áreas de investigación en calidad

de marcha son los siguientes: la respuesta humana a la vibración, la respuesta

del vehículo a la excitación, y las formas de las pruebas y la evaluación de la

calidad de marcha.

En general, la respuesta humana a las vibraciones es bastante compleja.

Esto se debe principalmente a las diferencias físicas entre los individuos y sus

diferentes sensibilidades a movimiento. La investigación en esta área comenzó

hace mucho tiempo atrás y sigue creciendo, pero todavía no se ha dicho la

última palabra, lo que abre el camino a una investigación más activa y creativa.

Entre todas las investigaciones caben destacar:

La investigación que llevó a cabo Goldman en 1948 y que divide el nivel

de respuesta humana en tres umbrales:

20


1 Umbral de la percepción (Nivel 1): detectable mediante la medición

sensorial.

2 Umbral de malestar (Nivel 2): estímulo suficientemente intenso como

para que el sujeto sienta un dejo de molestia o incomodidad debido al dolor,

esfuerzo muscular o de cualquier otra fuente.

3 Umbral de tolerancia (Nivel 3): el sujeto no está dispuesto a tolerar

más el estímulo debido al dolor, incomodidad extrema o simplemente la falta de

deseo de cooperar.

Para determinar estos umbrales realizó una prueba en la que todos los

sujetos estaban de pie, sentados o acostados sobre un cuerpo que vibraba con

la dirección de la vibración a lo largo de cualquiera de los tres ejes principales

del cuerpo con una duración de la exposición de entre cinco y diez minutos.

Finalmente los datos se agruparon sin factor direccional con la

suposición de que la dirección fue de importancia secundaria. Además, se

concluyó que el Nivel 1 tiene una aceleración mínima cerca de 5 cps (ciclos por

segundo) y los receptores sensoriales son más sensibles cerca de 250 cps.

Pradko (1965) pretendió desarrollar una técnica para identificar y medir

la respuesta humana de cuerpo entero a las vibraciones y para describir

adecuadamente el comportamiento potencial del hombre en un medio ambiente

de vibración.

La hipótesis de la investigación era que los cambios medibles en el

equilibrio humano son causados por la vibración de entrada y dichos cambios

pueden repercutir en la capacidad de rendimiento físico, capacidad de

concentración, capacidad de comunicación y de la agudeza visual. Los sujetos

fueron evaluados a partir de ocho posiciones experimentales diferentes - de pie

(recto y rodilla doblada), sentados (relajado y arriostrados), reclinados y

caminando (marcha normal, caminata rápida y en funcionamiento).

Concluyó que cuando se aplica la vibración afectando completa o

parcialmente a la cabeza, la tolerancia a las vibraciones se reduce a un nivel

mínimo, y la tolerancia de aceleración está fuertemente influenciada por la

21


dirección y la duración del vector de fuerza y la técnica de medición empleada

para registrar los efectos.

Pradko y Lee (1966) se aventuraron a hacer una suposición acerca de

que la respuesta humana en un entorno vibratorio se puede determinar

mediante la medición de sólo condiciones de entrada. Presentaron entonces el

concepto de potencia absorbida como un método ventajoso en la identificación

de la reacción humana a las vibraciones. Ellos ilustraron algunos resultados

propuestos por diversos investigadores relacionados con estudios de tolerancia

y de la comodidad de la vibración sinusoidal y una comparación entre las

vibraciones sinusoidales y aleatorias.

Utilizaron una función de transferencia para obtener la aceleración para

predecir la respuesta mecánica humana a las vibraciones.

La comparación entre los resultados analíticos de la función de

transferencia con la medida experimental de la respuesta subjetiva mostraba

una buena correlación.

Se llevaron a cabo pruebas adicionales para validar la ventaja de la

potencia absorbida. Llegaron a la conclusión de que los estados de la función

de transferencia se pueden usar para determinar la potencia absorbida para la

condición de vibración aleatoria y la respuesta subjetiva humana puede

describirse con precisión por potencia absorbida.

Pradko et al. (1966) determinaron la respuesta de todo el cuerpo

humano a vibraciones mecánicas por debajo de 60 cps (ciclos por segundo)a

través de la medición de la condición de entrada solamente utilizando el

concepto de potencia absorbida. Esta técnica no requiere información sobre el

espectro de frecuencias y puede identificar la respuesta humana con la sola

distinción numérica.

Llegaron a la conclusión de que la respuesta humana muestra

características lineales a la vibración bajo equilibrio físico. Las sentencias de

función de transferencia describen con precisión la respuesta humana a la

vibración aleatoria, de forma cuantitativa ya que son sensibles al tiempo.

22


En general, una persona musculosa tiene una potencia absorbida inferior

a una persona más obesa del mismo peso corporal. Un asiento contorneado

generalmente produciría una energía más baja de absorción. La potencia

absorbida es una cantidad escalar, por lo tanto, para sistemas con múltiples

grados de libertad, los valores individuales puede ser simplemente añadidos

para una sola medida cuantitativa y cualitativa de la vibración.

Por último, los autores proporcionaron tablas de constantes de energía

absorbida para las cuatro diferentes entradas de vibración y concluyeron que el

método de la potencia absorbida permite medir con precisión la gravedad de

vibración para un corto período de exposición, pero necesita que se establezca

una relación para la exposición a largo plazo.

Corbridge y Griffin (1986) llevaron a cabo tres experimentos:

Experimento 1, para determinar los contornos de confort equivalente

para los sujetos masculinos y femeninos utilizando vibración vertical sinusoidal

en el rango de 0.5 a 5.0 Hz. Los resultados mostraron que: las mujeres son

más sensibles a las vibraciones en 3.15, 4.0 y 5.0 Hz y el aumento de la

sensibilidad a la aceleración de la vibración a frecuencias superiores a 2 Hz.

Experimento 2, similar al Experimento 1, excepto que se trataba de la

determinación de un contorno de comodidad utilizando bandas de vibraciones

aleatorias centradas en 0.5, 1.0, 2.0 y 4.0 Hz y sólo en diez sujetos masculinos.

Aquí la magnitud de comodidad equivalente utilizando estímulos al azar es

menor que utilizando estímulos sinusoidales, es decir, los sujetos son más

sensibles a movimiento aleatorio que a movimiento sinusoidal, pero no muy

significativamente diferente, con un promedio de 7% menor.

Experimento 3, para determinar los contornos de confort equivalentes

para vibración lateral usando la vibración sinusoidal en el intervalo de 0.5 a 5.0

Hz usando diferentes prácticas que en los Experimentos 1 y 2. Los resultados

no mostraron diferencias significativas en cualquiera de las frecuencias entre

los dos grupos y la máxima sensibilidad a la vibración lateral se produjo en el

rango de 1.25 a 2.0 Hz.

23


Demic et al. (2002) sugirieron que la respuesta humana biodinámica a

vibraciones de cuerpo entero puede ser categorizada con cuatro funciones de

respuesta biodinámicas: impedancia de conducción mecánica (DPMI), masa

aparente (APMS), impedancia de transferencia mecánica (TMI), y

transmisibilidad asiento-cabezal (STHT).

Estos son algunos de los casos de estudio de la respuesta del cuerpo

humano a las vibraciones de los que se presenta información en este artículo.

Pasamos ahora a la descripción breve de algunos de los estudios más

importantes acerca de la respuesta del vehículo a las vibraciones, que se

desarrollan en dicho artículo.

La respuesta del vehículo a excitaciones se analiza generalmente en dos

enfoques. Una primera aproximación utilizael modelado discreto. Este enfoque

divide en varios conjuntos el coche, en sistemas concentrados de masas,

resortes y amortiguadores, y es el más popular entre los investigadores debido

a su simplicidad y se argumenta que da resultados razonables con el mínimo

esfuerzo de cálculo.

En el segundo enfoque se utiliza lo que se conoce en la dinámica como

el modelado continuo. En este enfoque, el coche se toma por completo en

consideración incluyendo su geometría. La herramienta principal para este

enfoque es el método de elementos finitos. Este enfoque se está volviendo

popular en las industrias pero las principales desventajas son el esfuerzo

computacional y la necesidad de una experiencia en el uso de FEM. Como se

mencionó anteriormente, el enfoque de sistema discreto sigue siendo el más

común entre los investigadores.

Stone y Demetriou (2000) describieron en detalle un modelo de vehículo

automóvil completo utilizando el enfoque newtoniano. Este modelo es capaz de

simular el efecto de la suspensión, así como el frenado y dirección en los tres

movimientos de traslación, cabeceo, balanceo y guiñada (oscilación vertical).

Las suposiciones generales para desarrollar el modelo eran: la masa del

vehículo puede ser agrupada en una sola masa que se conoce como la masa

suspendida, el centro de gravedad del vehículo se encuentra por encima de los

centros de balanceo y cabeceo, los muelles de suspensión del vehículo no se

24


les permite subir hasta arriba durante las maniobras; los muelles de suspensión

estarán siempre en compresión, elevación aerodinámica y la fuerza de arrastre,

y la resistencia a la rodadura se desprecian, el vehículo permanece conectado

a tierra en todo momento, es decir, el contacto de los cuatro neumáticos

siempre permanece con el suelo, y una flexión de cabeceo y balanceo si son

pequeñas pueden simplificarse con un pequeño ángulo de aproximación.

Según Rajamani (2006), hay varios parámetros de rendimiento que

necesitan ser optimizados en cualquier sistema de suspensión del vehículo. Sin

embargo, ningún sistema de suspensión puede minimizar todos los requisitos

al mismo tiempo. Los requisitos en conflicto son:

1 Proporcionar una buena calidad de marcha: Un sistema de suspensión debe

ser capaz de aislar un cuerpo en el coche de perturbaciones de la carretera

para proporcionar una buena calidad de marcha mediante la reducción de las

fuerzas vibratorias transmitidas desde el eje a la carrocería del vehículo. Esto

reduce la aceleración de la carrocería del vehículo. Por lo tanto, la calidad de

conducción en general se puede cuantificar por la aceleración vertical de las

ubicaciones de los pasajeros.

2 Minimizar los movimientos del cuerpo: Una buena conducción se mide por el

balanceo y cabeceo de aceleraciones de un vehículo en las curvas, frenado y

la tracción. Un buen sistema de suspensión debe minimizar estos movimientos.

3 Mantener el agarre en carretera: Este rendimiento se puede caracterizar en

términos de curvas, frenado y tracción de los vehículos. Éste se puede mejorar

reduciendo al mínimo las variaciones en las cargas normales de neumáticos.

Esto se debe a que las fuerzas laterales y longitudinales generadas por un

neumático dependen directamente de la carga normal del neumático. Las

variaciones en la carga normal de los neumáticos pueden estar directamente

relacionadas con la desviación vertical de los neumáticos ya que un neumático

se comporta más o menos como un resorte en respuesta a las fuerzas

verticales. Por lo tanto, el rendimiento de agarre a la carretera de una

suspensión se puede cuantificar en términos de rendimiento de la deformación

de los neumáticos.

25


4 Vehículo de apoyo peso estático: El peso estático del vehículo está bien

apoyado si los requisitos de espacio de traqueteo del vehículo se mantienen

pequeños. En el caso del modelo de coche convencional, se puede cuantificar

en términos de máxima deflexión de suspensión sufrida por la suspensión.

Ihsan et al. (2008) estudiaron varias políticas de control de coches con

sistema de muelles semi-activos. Se derivan de un modelo general para todos

los esquemas de control semi-activos y analizan tanto las respuestas de

estados transitorios y constantes en el dominio del tiempo y la respuesta de

transmisibilidad en el dominio de la frecuencia.

Como continuación de los trabajos anteriores, Ihsan et al. analizaron y

compararon sus actuaciones de confort de marcha, desplazamiento de

suspensión y la adherencia con sistema pasivo. Encontraron que al igual que

con el modelo de coche convencional, el control híbrido rinde mejor confort que

una suspensión pasiva sin reducir otros criterios de rendimiento y demostró ser

un mejor compromiso entre confort, agarre a la carretera y el desplazamiento

de suspensión.

Faris et al. se dedicaron a estudiar la raíz media de respuestas

cuadradas (RMS) a la entrada de aceleración para cuatro variables de estado:

la aceleración vertical de masa suspendida, la aceleración angular de masa

suspendida y las deflexiones delantera y trasera de las suspensiones (Ihsan et

al., 2009). Se analizaron y compararon un modelo de coche de esquema de

control semi-activo con el sistema de suspensión pasiva convencional. Los

resultados mostraron que las mejoras significativas se lograron en la oscilación

vertical y cabeceo de respuestas de masa suspendida utilizando esquema de

control semi-activo. Sin embargo, los resultados para la parte delantera y la

deflexión de la suspensión trasera mostraban que había valores limitantes de

coeficiente de amortiguación más allá del cual el régimen de semi-activo se

convierte en una desventaja del sistema pasivo.

Faris et al. (2009a), compararon el confort de marcha, el desplazamiento

de suspensión, y las actuaciones de carreteras de retención de tres modelos

diferentes. Su análisis cubre respuestas transitorias y de estado estacionario en

la respuesta de dominio de tiempo y la transmisibilidad en el dominio de la

26


frecuencia. Llegaron a la conclusión que, en general, todos los modelos dan

tendencia muy similar de respuestas como se puede observar claramente en el

análisis de dominio de frecuencia. Los dominios transitorio de tiempo y estado

constante también indican acuerdo con algunas excepciones. Sin embargo, se

encontraron con que el modelo de coche completo no se puede analizar con

precisión por el simple uso de un modelo de coche convencional. También

encontraron que el modelo más simple es incapaz de captar las variaciones en

la respuesta debido a las funciones de paso y de entrada de rotación. Además,

el modelo de coche convencional es incapaz de predecir la respuesta de

cabeceo y balanceo.

Tras el estudio de la respuesta del cuerpo humano a las vibraciones y la

respuesta del vehículo a las vibraciones, este artículo se comenta.

Von EldikThieme (1961) trató sólo con el confort de conducción con el

foco solamente en el problema de vibraciones mecánicas en la región de la

frecuencia de 0,1-100 cps (ciclos por segundo).

Janeway (1966) revisó varios instrumentos de marcha y dio

recomendaciones sobre equipos de medición que son relativamente sencillos,

económicos y comercialmente disponibles y los procedimientos de prueba de

carreteras que facilitan la adquisición y tratamiento de datos esenciales.

Sostuvo que a través de evidencias experimentales disponibles, la simple

analogía del cuerpo humano como un sistema de vibración en todo el rango de

frecuencia de marcha no es exacta y la suposición parece ser correcta para

bajas frecuencias (1-8 cps), pero no más allá de este rango. También confirmó

la conclusión de que sacudida constante y potencia absorbida constante son

sinónimos.

Llegó a la conclusión de que los principales problemas de marcha

implican los principales modos de baja frecuencia de vibración y una sencilla

configuración de dos a cuatro canales en el oscilógrafo con acelerómetros de

calibración de tensión y filtros de paso bajo es la instrumentación más práctica.

Butkunas (1966) tenía intención de presentar los métodos de análisis y

evaluación de mediciones de vibración. Se centró sólo el movimiento de

27


entrada en el intervalo de 0,5-25 cps porque a frecuencias más altas la

percepción del movimiento de vibración disminuye y gradualmente la

percepción de la vibración como ruido se lleva a cabo. Él llevó a cabo

experimentos para ilustrar la integración del cojín del asiento, el respaldo y la

bandeja del suelo para calcular un índice único de marcha. Señaló que a pesar

de que un índice de viaje combinado individual es una buena herramienta de

comparación de los vehículos, no proporciona información sobre qué parte del

sistema total contribuye con el efecto global, de modo que la mejora se puede

centrar en y para la información detallada, por lo tanto, cada entrada de

pasajero debe ser analizada individualmente para su espectro de frecuencia (o

PSD de vibración aleatoria).

Van Deusen (1968) se centró en la entrada de la rugosidad del suelo con

el objetivo de desarrollar criterios para la evaluación de la vibración del

vehículo, para en última instancia, establecer las escalas numéricas para

determinar la calidad en términos de mediciones objetivas físicas realizadas en

el vehículo.

Se clasificó en cuatro enfoques diferentes en la evaluación de la

respuesta humana a las vibraciones del vehículo mediante la definición de la

modalidad cruzada y discutió a fondo las obras anteriores y sus limitaciones.

Finalmente, concluyó que la técnica de modalidad cruzada es un método

significativo de medir la sensación subjetiva de marcha de un vehículo, la

importancia de la composición espectral en las pruebas subjetivas de resultado

significativo, y la dirección de la vibración que afecta a la sensación. Por lo

tanto, la variación de la aceleración en cada banda de frecuencia y la

covarianza entre las direcciones deben ser tabuladas para cuantificar la calidad

de montar en vehículos reales.

Allen (1975) presentó una técnica para evaluar la calidad de marcha en

función de los parámetros de aislamiento de la cabina. Se utilizó la técnica o

criterios recomendados por la SAE para la "medición de vibraciones de cuerpo

entero - SAE J1013 ', para evaluar la capacidad de los sistemas de aislamiento

de la cabina para mejorar la calidad de conducción de tractores de carretera. El

autor utilizó un modelo de computadora analógica para simular diversos

28


parámetros de suspensión y describió la adquisición de configuración de

prueba y los datos. Llegó a la conclusión de que mediante la modificación de

los elementos de suspensión en la parte trasera de la cabina, ninguna mejora

en el trayecto vertical puede ser obtenida y una cierta mejora en el trayecto

longitudinal se puede obtener, pero a expensas de la pérdida de trayecto en

vertical.

Dempsey et al. (1979) llevaron a cabo un trabajo experimental para

desarrollar criterios para la predicción de la calidad de conducción en un

entorno de ruido de vibraciones donde los sujetos están sentados en un equipo

que se parece al interior de un transporte de reacción moderno y pidió evaluar

la comodidad mediante la comparación de la vibración de prueba a una

referencia.

Observaron que la adición de ruido al ambiente de vibraciones en

general, aumenta las respuestas de malestar, aumentando la aceleración en

cada combinación de bandas o nivel de ruido, en general, el aumento de nivel

de incomodidad. La calificación de malestar aumenta de nivel linealmente con

la aceleración de la vibración cuando el ruido está ausente, y pierde su

linealidad cuando el ruido éste aumenta, y el valor logarítmico de la calificación

de nivel aumenta el malestar linealmente con el nivel de ruido. También se

obtuvo un conjunto de constantes curvas de malestar o curvas de criterios para

la respuesta humana al medio ambiente combinado.

Ihsan et al. (2007) el objetivo de su trabajo era mejorar el confort de

marcha y manejo de un coche de pasajeros. Los criterios de análisis incluyeron

la respuesta transitoria, el estado de equilibrio y la respuesta de frecuencia.

Aceleraciones del cuerpo del vehículo (oleaje, cabeceo y balanceo) se

utilizaron para evaluar el confort de marcha. Los rendimientos de la política de

control híbrido mejoraron el confort de una suspensión pasiva, sin reducir la

calidad de las carreteras o aumentando el desplazamiento de suspensión para

automóviles típicos de pasajeros. La política de control híbrido también se

demostró que es un mejor compromiso entre confort, agarre a la carretera y el

desplazamiento de suspensión.

29


BenLahcene (2010) en su libro, extendió el trabajo realizado por

Ihsanmediante el uso de un modelo, el análisis completo se usó para la

evaluación del confort de marcha. Del mismo modo, la aceleración del cuerpo

(oleaje, cabeceo y balanceo) se utilizó para evaluar el confort de marcha.

Sistemas semi-activos se utilizaron y compararon con sistemas pasivos para

mejorar el confort de marcha y la maniobrabilidad del vehículo. Una mejora

significativa se obtuvo mediante el uso del sistema híbrido en comparación con

el sistema pasivo en términos de respuesta de tiempo de aceleración vertical y

de pico a pico. Por otra parte, en el dominio de frecuencia como una respuesta

al perfil de ruta sinusoidal, el sistema híbrido mostró tener un mejor

compromiso entre confort, agarre a la carretera y el desplazamiento de la

suspensión.

Otro trabajo realizado por Ihsan et al. (2009) introduce la aceleración

RMS como criterios de rendimiento para el análisis de confort de marcha. El

trabajo tuvo como objetivo estudiar las respuestas de RMS a la entrada de

aceleración para las variables de cuatro estados: la aceleración ms vertical, la

aceleración angular de cabeceo ms y la parte delantera y trasera de deflexión

de las suspensiones. Se analizó un modelo de esquema de control semi-activo

con dos grados de libertad y se comparó con el sistema de suspensión pasiva

convencional. La respuesta de frecuencia de la función de transferencia para la

sacudida, el cabeceo de la masa suspendida y la deflexión de suspensión se

compararon inicialmente y luego el análisis cuadrado se utilizó para ver el

efecto del régimen de semi-activo. Los resultados indicaron que las mejoras

significativas se lograron en la oscilación vertical de la masa suspendida y en la

respuesta de cabeceo utilizando el esquema de control semi-activo. Sin

embargo, los resultados para la parte trasera y la deflexión de la suspensión

delantera mostraron que había valores de coeficiente de amortiguación

limitados más allá del cual, el esquema semi-activo se convierte en una

desventaja frente al sistema pasivo.

BenLahcene et al. (2011) en su obra reciente, analizó el modelo del

coche fuera de la carretera completamente utilizando el sistema de suspensión

semiactiva y comparó con el sistema de suspensión pasiva convencional.

Protuberancias de entradas sinusoidales fueron utilizadas en el perfil de la

30


carretera. Las aceleraciones verticales, de cabeceo y rotación se

utilizaroncomo criterios de evaluación de confort de marcha. Además, se

analizaron suspensión y deformación de los neumáticos. El análisis se basó en

un modelo de vehículo militar utilizado para la simulación de unidad de

conducción de un vehículo todo terreno. El análisis abarcó dos respuestas

transitorias y la respuesta de la transmisibilidad de dominio de la frecuencia. La

respuesta de frecuencia y aceleraciones de masa suspendida y las respuestas

de suspensión y neumáticos a la desviación en el dominio del tiempo se

mejoraron claramente con el uso de las políticas de control semi-activas

comparando con el sistema pasivo.

Hasbullah et al. (2011) se dirigieron al desarrollo del modelo de dos ejes

para ilustrar la aplicación y la comparación de los tres sistemas de suspensión

diferentes: pasiva, activa y semiactiva. Varias políticas de control del sistema

de semi-activa fueron analizadas. Su confort de marcha, desplazamiento de

suspensión y la adherencia en actuaciones en los dominios de tiempo y

frecuencia se compararon con el sistema pasivo. Se utilizaron desplazamiento

y aceleración vertical y cabeceo como evaluación para el confort de marcha. En

general, el control semi-activo tuvo mejores efectos de confort de marcha que

la comodidad del sistema de suspensión activa y pasiva, mientras que el

control activo mejoró el rendimiento de la respuesta de la suspensión y la

deformación de los neumáticos comparado con el control pasivo.

c) Safety as a key performance indicator: Creating a safety culture for enhanced passenger safety, comfort and accessibility. Wretstrand A. , Holmberg, B. &Berntman, M. [3]

Este documento tiene como objetivo describir la seguridad desde la

perspectiva de la cadena de viaje y sugerir un enfoque para el uso de los datos

de accidentes como indicadores de rendimiento. Los resultados de un estudio

de accidentes de autobús muestran que el número de casos de lesiones no

declaradas es muy grande.

Las estadísticas oficiales no pudieron proporcionar información completa

y los conductores con frecuencia no informaron de los accidentes a los

31


operadores de autobuses a pesar de que podrían haber resultado

lesionadoscon daños moderados o graves. Debido a que las situaciones de

conducción que se producen durante los viajes (frenado / aceleración), los

pasajeros corren el riesgo de sufrir lesiones si el autobús está involucrado en

una colisión. Por lo tanto, parece que la cultura organizacional o corporativa

pertinente no da prioridad a la seguridad como un factor de calidad a pesar de

que a veces se menciona como un indicador clave del rendimiento.

En este artículo se discuten los medios para mejorar la cultura de

seguridad para todos los interesados y reducir las lesiones, aumentar el uso de

los autobuses, y aumentar la calidad y el confort de viaje.

La calidad total del transporte público contiene diversos criterios, y según la

norma EN 13816 estos se dividen en las siguientes ocho categorías:

disponibilidad, accesibilidad, información, tiempo de impacto ambiental,

atención al cliente, comodidad y seguridad. Una oferta atractiva, el acceso, la

comodidad, la fiabilidad y la integración intermodal son algunas de las

principales características de la calidad del servicio y un tema clave en las

políticas de transporte para hoy.

Este estudio tiene dos objetivos:

- ilustrar la imagen total de accidentes de viajar en autobús y las

razones de los accidentes

- comparar el riesgo de un usuario de la carretera que viaja en bus

con aquel que maneja o es un pasajero en un coche

Un total de 1.290 casos de lesiones fueron utilizados en el análisis. La

proporción abrumadoramente dominante del riesgo fue dirigida por los propios

pasajeros, y sus movimientos constituyeron una gran parte de estas lesiones.

El estudio distingue entre dos medidas de riesgo. La primera medida fue

el riesgo en que los respectivos viajeros incurren cuando viajan en autobús o

en coche y la segunda medida fue el riesgo colectivo de viajeros y otros

usuarios de tráfico de ser golpeados por un autobús o coche. La primera

medida de riesgo es relevante cuando el viajero elige el modo de transporte

32


que va a tomar. La segunda medida es más relevante para la sociedad cuando

se analizan los efectos de los diferentes modos de transporte.

La Tabla 5 muestra los riesgos para el viajero (riesgo individual). Una

mayor distancia recorridapor el bus conduce a un mayor riesgo en comparación

con los viajes en coche, y la elección de un bus sobre un coche aumenta el

riesgo de lesiones en relación con el viaje alrededor de un 40%. En contraste

con los autobuses, los coches causan considerables riesgos de seguridad para

otros usuarios de la vía, especialmente vulnerables en carretera, y el número

de heridos es un 12% más alto (por millón de personas-kilómetros) para los

vehículos en comparación con los autobuses.

5.2. Conclusión bibliográfica

Como conclusiones acerca del primer artículo, comentar que el método

propuesto en éste parece ser capaz de distinguir entre situaciones críticas y

potencialmente críticas en a pequeña escala mediante una prueba piloto, así

como de detectar conflictos de tráfico y también distinguir entre los conflictos de

tráfico estimados más graves y conflictos con menor severidad. El hecho de

que se solapen la aceleración obtenida durante las situaciones críticas y

potencialmente críticas, por lo que es imposible distinguir entre los dos eventos

por la aceleración medida, sugiere una alta sensibilidad del método de

Tabla 5.- Niveles de riesgo para bus y coche durante el periodo 2006-2009.

33


sacudidas críticas. Sin embargo, parece ser que se necesita más investigación

para validar el método contra situaciones críticas de seguridad.

En este artículo, se revisan las principales áreas de investigación

relacionadas con la calidad del confort de los pasajeros que viajan en los

coches. Las tres categorías principales son la respuesta humana a las

vibraciones, la respuesta del vehículo a las vibraciones, y las pruebas de

calidad de marcha. Se han demostrado los diferentes enfoques ya sea teórica o

experimentalmente que se utilizan para evaluar la calidad de conducción para

cada categoría. Se encontró que todas estas áreas no están saturadas y hay

un montón de trabajo por hacer. La principal complejidad de estos campos es

que están relacionados entre sí y se influyen mutuamente.

Como conclusión al último artículo, se consideró que la dirección y el

personal deben colaborar hacia una cultura de seguridad compartida. Si esto

ocurre, y si se aprecia la perspectiva del conductor del autobús, las acciones de

los controladores pueden estar más alineadas con los deseos de gestión. Estos

argumentos, junto con los niveles de riesgo reales de los servicios modernos

de autobuses, exigen la introducción de un enfoque más estructural al medir el

desempeño de seguridad.

La seguridad como un indicador de rendimiento clave simplemente como

un intento de reducir el número de accidentes podría ser insuficiente. Esto no

quiere decir que el número de accidentes (o el número de incidentes y lesiones

leves, moderadas y graves) no deben registrarse. Sin embargo, los incentivos

para el desempeño de seguridad mejorada deberían dar lugar a una mejor

supervisión, así, que en una perspectiva a corto plazo podría dar lugar a la

detección de más lesiones. Dados los resultados presentados en este trabajo y

el marco propuesto, todos los interesados deben participar en la mejora de la

seguridad, la comodidad y la accesibilidad de los usuarios, los cuales tienen

que sortear los diversos obstáculos y peligros en la cadena de viajes de puerta

a puerta.

34


Un enfoque de cultura de seguridad debe estar sujeto tanto al impacto y

la evaluación del proceso con el fin de elaborar directrices concretas para la

seguridad mejorada del transporte público y el uso de los accidentes y lesiones,

como indicadores clave de rendimiento, especialmente para los servicios de

autobús.

35


6. Análisis de datos y resultados

En el desarrollo de este apartado se analizarán los diferentes datos

obtenidos mediante la realización de las pruebas llevadas a cabo para la toma

y registro de sucesos así como su tratamiento posterior como método de

adquisición de conclusiones.

Tras la toma de datos de los distintos parámetros mediante el uso de un

dispositivo Smartphone, como se describió anteriormente en apartados de este

trabajo, se ha realizado un proceso de cribado para poder apropiarse solo de

aquellos valores específicos que más tarde han sido objeto de estudio y

análisis aplicando además diagnosis estadísticas.

A partir de dichos datos, con el desarrollo de diversas programaciones

realizadas a través de la herramienta o software R-studiose han obtenido una

serie de resultados, que a continuación sevan a presentar y describir, así como

su análisis estadístico y las conclusiones a la que estos datos examinados han

permitido llegar.

En primer lugar, de los datos ya seleccionados, se ha procedido al

graficado de los mismos para poder observar el comportamiento que en cada

una de las pruebas se ha desarrollado. Se han realizado un total de 9

muestreos y captación de datos en diferentes circunstancias de circulación y

aceleración variando la forma de conducción siendo unas más bruscas que

otras. Como casos extremos, la prueba numerada en este documento como 4,

ha sido la que se ha llevado a cabo de manera más brusca en contra de la

prueba numerada como 7, que ha sido la realizada con la mayor suavidad

posible, según la valoración, con asignación entre 1 y 5, que ha adjudicado el

ocupante que ha realizado el trayecto junto con el conductor en cada una de

las pruebas. En estas pruebas se ha procedido del modo descrito con el fin de

encontrar el indicador que señale o caracterice de manera lo más precisa

posible el modo de conducción y la comodidad de los acompañantes.

En las siguientes gráficas se pueden observar cada una de las pruebas

que se han realizado. Para cada una de las pruebas se muestran tres gráficas

36


apareciendo en los ejes x de cada una de ellas la dimensión tiempo mientras

que en los ejes y aparecen los datos de aceleración tomados en función de los

ejes x, y y z.

Figura 10.- Datos graficados de aceleración en función del tiempo de la prueba 1.


37




38




39




40



Con el graficado mostrado se ha conseguido visualizar el

comportamiento de las diferentes formas de conducción respecto a modus de

aceleración, y con el posterior cálculo de datos estadísticos a partir de estos

graficados, mediante el programa de tratamiento que se ha realizado contenido

en los Anexos como “Cálculo del mínimo, máximo, cuartiles, mediana, media,

desviación típica e incremento de banda de los componentes x, y, z de la

aceleración y su módulo”se han obtenido los datos estadísticos que se

muestran a continuación con el fin de ser analizados.

41


mínimo q1 q3 mediana media máximo

p1

ax -0,899680031 -0,064162148 0,052689659 -0,011114968 -1,51E-18 1,073769676 ay -0,550300049 -0,030494141 0,048019958 -0,000663208 6,10E-19 0,450325562 az -0,908612228 -0,038197494 0,040339493 -0,000271774 2,125E-14 0,640734696

mod -0,568594517 -0,048428017 0,034183483 -0,004256517 -8,40E-19 0,915573483

p2

ax -0,50594017 -0,01790306 0,009516984 -0,001682967 1,11E-18 0,669200211 ay -0,389764817 -0,033792527 0,033330886 0,000966995 7,91E-18 0,484319656 az -0,389238758 -0,015276356 0,014981823 -3,282571265 -9,90E-19 0,418927746

mod -0,39946303 -0,01686103 0,01573497 -0,00382203 2,591E-14 0,38364497

p3

ax -0,458968052 -0,010378727 0,016678921 0,004304043 1,21E-18 1,092255703 ay -0,852850425 -0,023191917 0,040708077 0,016198647 -7,31E-18 0,506936562 az -0,82799227 -0,019371817 0,014613321 -0,003903219 2,278E-14 2,000575235

mod -0,60328202 -0,01634127 0,01501848 -0,00307402 2,006E-14 0,81274598

p4

ax -2,655791876 -0,045150397 0,050415399 -4,541621853 1,70E-18 0,858291986 ay -1,677416164 -0,03697427 0,049405735 0,003919285 3,13E-18 0,441526096 az -4,482968877 -0,042050908 0,037859371 -0,003369878 -2,612E-14 1,804552486

mod -0,66264489 -0,04347589 0,03688911 -0,00295689 -5,318E-14 5,07749911

p5

ax -0,370870145 -0,02415994 0,028147189 -0,011266264 2,40E-19 0,498300997 ay -0,325194901 -0,026496476 0,032585556 -0,005004471 8,90E-19 0,519531662 az -0,321920896 -0,02046063 0,019692873 -0,000525022 1,516E-14 0,342339968

mod -0,324142951 -0,017901951 0,021434049 -0,001546951 -1,091E-14 0,335334049

p6

ax -0,597880811 -0,048228711 0,03554967 -0,007274121 1,38E-18 0,993198901 ay -1,043704292 -0,071276924 0,063717583 0,013958672 -2,76E-18 0,494869927 az -0,293082384 -0,038382677 0,029923292 -0,003577379 3,84E-17 1,105706068

mod -0,481999216 -0,038502716 0,034452784 -0,007242216 4,082E-14 0,436697784

Tabla 6.- Datos de mínimo, máximo, cuartiles, mediana y media calculado para las aceleraciones en función de cada eje y del módulo de la misma para las pruebas p1, p2, p3, p4, p5 y p6.

42


mínimo q1 q3 mediana media Máximo

p7

ax -0,246937749 -0,02332401 0,022768977 0,002848628 -1,09E-18 0,318079951 ay -0,25247953 -0,053295112 0,038364434 -9,915845964 1,99E-18 0,461372399 az -0,286575672 -0,021538136 0,022842052 0,001037243 3,158E-14 0,285964611

mod -0,274366102 -0,022239852 0,021801398 -0,002481102 4,294E-14 0,295198898

p8

ax -0,802969326 -0,061674465 0,067079197 0,00127567 1,222E-14 1,687829625 ay -1,829700094 -0,044055563 0,053135294 0,005733866 5,28E-18 2,181515116 az -2,28781703 -0,052114515 0,068773241 0,012598009 1,882E-14 0,788705798

mod -0,868203299 -0,043778799 0,039495701 -0,005629299 1,512E-14 2,054330701

p9

ax -1,235760015 -0,049068731 0,062396723 0,013629633 1,106E-14 0,723376948 ay -1,667614481 -0,021984598 0,062442282 0,019137839 7,11E-18 2,114535788 az -1,505473884 -0,029292854 0,062336174 0,015079704 9,54E-18 0,878803459

mod -0,649563091 -0,040653091 0,036524909 -0,002925091 -9,947E-14 1,924814909

Tabla 7.- Datos de mínimo, máximo, cuartiles, mediana y media calculado para las aceleraciones en función de cada eje y del módulo de la misma para las pruebas p7, p8 y p9.

43


Estos datos estadísticos obtenidos se han graficado mediante el uso de

las tablas de Tukeypara así poderlos comparar y observar para poder buscar

algún parámetro que ayude a identificar en todos los casos el modo de

conducción, reconociendo a través de él la suavidad o sacudidas que implican

una conducción estable y constante o una conducción brusca que incomoda a

los pasajeros.

Se ha elegido la tabla de Tukey para la ilustración de los datos ya que

ésta permite observar de una forma clara la distribución de los datos y sus

principales características.Permite comparar diversos conjuntos

simultáneamente y como herramienta visual, permite realizar supuestos sobre

la distribución,además de posibilitar la comparación de las diferentes

poblaciones.

En las siguientes gráficas se muestran los valores de las medias,

medianas y cuartiles de las aceleraciones para los ejes x, y y z así como

aquellos puntos que han quedado fuera de estos rangos para cada una de las

pruebas que se han llevado a cabo.

Figura 19.- Representación gráfica de los datos estadísticos de las aceleraciones en los ejes x, y y z asociados a la prueba 1.

44




45




46




47


Figura 26.-Representación gráfica de los datos estadísticos de las aceleraciones en los ejes x, y y z asociados a la prueba 8.


De estas gráficas se puede observar que un posible parámetro para

identificar el método de conducción podría ser el ancho de banda ya éste varía

en función del perfil de aceleraciones y muestra como depende de la

distribución de la misma durante la prueba realizada, por lo que se ha

dispuesto a calcular el valor de dicho parámetro pero en función del módulo de

la aceleración debido a que se ha estimado oportuno hacerlo ya que así se

determinará de una forma más concisa el valor total del ancho de banda con la

48


finalidadde identificar más fácilmente el modo de conducción. Los valores

obtenidos de dichos cálculos para todas y cada una de las pruebas se

especifican a continuación:

∆bandas

p1 Mod 1,484168

p2 Mod 0,783108

p3 Mod 1,416028

p4 Mod 5,740144

p5 Mod 0,659477

p6 Mod 0,918697

p7 Mod 0,569565

p8 Mod 2,922534

p9 Mod 2,574378

Tabla 8.- Valores de ancho de banda del módulo de la aceleración obtenidos para cada una de las pruebas que se han realizado.

Contemplando los valores que muestra la Tabla 8, se puede observar

que hay dos de las pruebas, resaltadas en un tono más oscuro, que contienen

los valores máximo y mínimo del ancho de banda. Como se comentaba

anteriormente, en al comienzo de la realización de las pruebas, éstas

destacaban por ser, la p4 la de conducción más brusca y la p7 la de

conducción más suave, por lo que éste parámetro se ha considerado como un

indicador válido del modo de conducción y comodidad de los pasajeros.

A continuación se muestran las representaciones gráficas de los datos

estadísticos calculados para cada una de las pruebas en función de módulo de

la aceleración:

49




50




51




52




53



Así se ha establecido finalmente a partir de todo el estudio que se ha

llevado a cabo, que aquellos análisis realizados del modo de conducción con

anchos de banda menores a 1.5 permiten clasificar dicha conducción como

suave y cómoda mientras que aquellos que presenten valores superiores a 1.5

resultarán de clasificación de conducción brusca e incómoda. Esta clasificación

ha sido establecida en una comparación en la que se ha tenido en cuenta las

valoraciones que asignaron los acompañantes del conductor durante el

trayecto respecto a la comodidad que sentían durante el mismo.

54


7. Conclusiones y trabajos futuros

Tras la exposición y análisis de los diferentes datos y ante los resultados

obtenidos se ha llegado a las siguientes conclusiones y planteamientos frente a

trabajos futuros:

- Existe una relación entre el confort o comodidad experimentada en el

propio vehículo en carretera y el modo de conducción llevada a cabo

por el conductor del mismo que puede ser caracterizada por un

parámetro.

- El ancho de banda se puede establecer como el parámetro que

determina la relación entre conducción y confort, instaurando un valor

de 1.5 como punto de inflexión y caracterización de la conducción

como brusca o incómoda o como suave y confortable.

- La relación entre las valoraciones de los pasajeros ha permitido el

establecimiento del indicador mediante la comparación con los datos

de ancho de banda obtenidos. La buena correlación entre los datos

obtenidos entre las pruebas subjetivas y objetivas han posibilitado la

obtención de este parámetro indicador.

- El confort de los ocupantes del vehículo se podría analizar para

examinar si el establecimiento de una clasificación más específica en la

comodidad de los pasajeros podría dar lugar a una determinación más

precisa de los valores del ancho de banda.

- La búsqueda de un método que no implicase pruebas subjetivas para

la determinación del modo de conducción sería conveniente para

encontrar un parámetro que identificase y clasificase inequívocamente

y de forma objetiva la manera de conducir en relación a la comodidad

de los pasajeros.

55


- El análisis a mayor escala con más recursos disponibles en relación a

las pruebas realizadas permitiría también una mayor precisión en la

definición del parámetro y de sus valores tales como el punto de

inflexión marcado.

56


8. Bibliografía

1. Wretstrand A., Holmberg B., Berntman M. “Safety as a key performance

indicator: Creating a safety culture for enhanced passenger safety, comfort,

and accessibility”. Research in Transportation Economics 48, 2014, 109-115.

2. Int.J., 2010. “Reliability of automobile car wheel subjected fatigue radial

loading by Weibull analysis”.

3. Zuo L., Zhang P. “Energy harvesting, ride comfort, and road handling of

regenerative vehicle suspensions”. Journal of Vibration and Acoustics. 135,

2013,5-8.

4. Bagdadi O., Várhelyi A. “Development of a method for detecting jerks in safety

critical events”. Accident Analysis and Prevention. 50, 2013,83-91.

5. Faris W. F., BenLahcene Z., Hasbullah F. “Ride quality of passenger cars: an

overview on the research trends”. Vehicle Noise and Vibration. 8 (3), 2012,

185-199.

6. Smith C., McGehee D., Healey A., 1976. “The prediction of passenger riding

comfort from acceleration data”.

7. Ducit, 2014. “Estudio del conductor español: Hábitos en los desplazamientos y

viajes”. Disponible en: http://www.ducit.es/estudios-ducit.

8. Demic, M., Lukic, J. and Milic, Z. “Some aspect of the investigation of random

vibration influence on ride comfort”, J. of Sound and Vibration, 253 (1), 2002,

109–129.

9. Corbridge, C. and Griffin, M.J. “Vibration and comfort: vertical and lateral

motion in the range 0.5 to 5.0 Hz”. Ergonomics. 29 (2), 1986, 249–272.

57


ANEXOS: Programas de tratamiento de datos en R-studio

Cálculo de la media, centralización de la aceleración respecto al valor 0 y representación de la aceleración respecto al tiempo según los ejes vertical, transversal y longitudinal.

setwd('C:/Users/windows/Desktop/PROYECTO/datos')

datos = read.table("p1.txt")

tiempo=datos[,1]

ax=datos[,2]

ay=datos[,3]

az=datos[,4]

vector=datos[,5]

dimension=length(tiempo)

mediax=mean(ax)

axmod=ax-mediax

mediay=mean(ay)

aymod=ay-mediay

mediaz=mean(az)

azmod=az-mediaz

old.par<- par(mfrow=c(1, 3))

plot( 1:dimension, axmod, type="l", col="blue" )

plot( 1:dimension, aymod, type="l", col="red" )

plot( 1:dimension, azmod, type="l", col="green" )

58


Cálculo de la media, centralización de la aceleración respecto al valor 0 y representación de la distribución de los datos de aceleración según los ejes vertical, transversal y longitudinal.


datos = read.table("p1.txt")

tiempo=datos[,1]

ax=datos[,2]

ay=datos[,3]

az=datos[,4]

vector=datos[,5]

dimension=length(tiempo)

mediax=mean(ax)

axmod=ax-mediax

mediay=mean(ay)

aymod=ay-mediay

mediaz=mean(az)

azmod=az-mediaz

boxplot(axmod,aymod,azmod)

boxplot(vector)

59


Cálculo del mínimo, máximo, cuartiles, mediana, media, desviación típica e incremento de banda de los componentes x, y, z de la aceleración y su módulo.


minimo=array()

cuartiles=matrix(,nrow = 36, ncol = 2)

mediana=array()

media=array()

maximo=array()

desviacion=array()

bandaboxplot=array()

k=1 #k variable dependiente del numero de pruebas k=4*n siendo n el numero de pruebas

for(i in 1:9)

{

data=list()

nombre=sprintf(paste("p",i,".txt",sep="")) #asignacion del nombre de cada fichero que se va a abrir

data[[i]]=read.table(nombre) #asignacion a la lista del archivo leido 'nombre'

for(j in 2:5)

{

vector=data[[i]][,j]

premedia=mean(vector)

vectormod=vector-premedia

minimo[k]=min(vectormod)

cuartiles[k,]=quantile(vectormod,c(0.25,0.75))

mediana[k]=median(vectormod)

media[k]=mean(vectormod)

60


maximo[k]=max(vectormod)

desviacion[k]=sd(vectormod, na.rm = TRUE)

bandaboxplot[k]=cuartiles[k,2]-cuartiles[k,1]

k=k+1

}

}

tabla=data.frame(minimo=minimo,q1=cuartiles[,1],q3=cuartiles[,2],mediana=mediana,media=media,maximo=maximo,desviacion=desviacion,bandaboxplot)

write.table(round(tabla,20),"tabla1.txt", sep="\t")

61


Cálculo de la media móvil.


for(i in 1:9)

{

data=list()

nombre=sprintf(paste("p",i,".txt",sep="")) #asignacion del nombre de cada fichero que se va a abrir

data[[i]]=read.table(nombre) #asignacion a la lista del archivo leido 'nombre'

m=length(data[[i]][,1])

mediamovil=matrix(,nrow=m,ncol=4)

l=1

for(j in 2:5)

{

vector=data[[i]][,j]

premedia=mean(vector)

vectormod=vector-premedia

mediamovil[,l]=filter(vectormod,rep(1/(m),m),"conv",1 T,NULL)

l=l+1

}

tablamediamovil=data.frame(mediamovil=mediamovil)

write.table(round(tablamediamovil,20),sprintf(paste("mediamovil",i,".txt",sep="")), sep="\t")

}

62


63

proyecto fin de carrera - universidad de...

Documents