UNIVERSITÉ DE PIURA

FACULTÉ D'INGÉNIERIE
PROGRAMME ACADÉMIQUE D'INGÉNIEURIE CIVILE

MÉTHODE DE L'OBSERVATEUR MOBILE

COURS Caminos et Transports (CAT)

PROFESSEUR Jorge Timana

INTEGRANTES : Chumacero Dominguez, Sergio

Cordova Gomez, Eleyser
Sernaque Romero, Thais
Torres Barrios, Jenny

CYCLE VII

Piura, 11 septembre 2017

1
Contenu
Antécédents ................................................................................................................................ 3
Introductionn .................................................................................................................................. 6
Objectifs ....................................................................................................................................... 6
Marco théorique................................................................................................................................ 7
Trânsito vehicular...................................................................................................................... 7
Congestion routière.................................................................................................................. 7
Concepts fondamentaux ........................................................................................................ 7
Modèles de Trafic Véhiculaire ................................................................................................... 8
Capacité et niveaux de service............................................................................................... 10
Ondes de choc .................................................................................................................... 10
Mesure des variables de trafic........................................................................................... 10
Zone d'étude ........................................................................................................................... 11
Méthodologiea................................................................................................................................ 15
Analyse......................................................................................................................................... 16
Construction du modèle linéaire.............................................................................................. 16
Description de la composition du flux véhiculer .................................................................. 24
Description des caractéristiques de la vitesse d'exploitation ........................................................... 24
Influence des intersections, avec ou sans feux de circulation, sur la congestion ..................................... 24

Niveau de service des données obtenues.................................................................................. 26

Conclusions
Recommandations
Annexes......................................................................................................................................... 29

2
Antécédents
La surface des pistes était détériorée avant le phénomène El Niño
Costero de 2017 et après cela, leur mauvais état s'est aggravé. Cela fait que les
les véhicules ont plus de difficulté à se déplacer.

Figure 1, État des pistes à Piura après le FEN Côtier

Avec la construction du deuxième échangeur routier Piura- Paita- Sullana, Piura en

2016 s'est mis à l'avant-garde en disposant de cette infrastructure moderne. Ce
L'œuvre bénéficie à plus de 500 000 habitants.

Figure 2, Échange routier Piura-Paita-Sullana

3
En 2016, le transport à Piura a été déclaré en état d'urgence avec l'un de
les objectifs de réduire l'informalité, de mettre à jour le plan régulateur des itinéraires,
mettre fin à la pollution sonore, éradiquer les terminaux terrestres avec
emplacement au centre-ville et création de la direction des Transports
Urbain.

La ville de Piura, la problématique du transport urbain se caractérise

principalement à cause du chaos et du désordre que provoquent les différents types de
véhicules de transport comme : Taxis, combis, motos linéaires et moto-taxis. Les
les autorités essaient de résoudre ce problème et l'un des points qui se
les transporteurs résistent qui essaient de ne pas respecter le système routier.

En 2017, la construction de l'infrastructure moderne de 3 473 km a commencé.

la Av. Sánchez Cerro avec un coût de 78 millions de soles avec un avantage pour
45 000 habitants. Cette œuvre contribuera à la récupération de l'habitat, grâce à la
siembra d'espèces arborelles natives et de plantes exotiques favorables. Ainsi, comme au
apport dans le système routier de la ville, car c'est une avenue très importante
pour la ville.

Figure 3, Conception de la nouvelle construction sur l'Av. Sánchez Cerro

4
L'avenue Grau a une chaussée en mauvais état, en raison de l'accumulation d'eau.
dans le FEN Côtier, cela se produit également à l'intersection avec l'Av. Vice et l'Av.
Gullman, aux deux points il y a un feu de circulation.

Figure 4, Intersection between Av. Grau and Av. Vice

Figure 5, Intersection entre l'Avenue Grau et l'Avenue Gullman

5
Introduction
Connecter les villes à l'extérieur et à l'intérieur est un défi que l'ingénierie a toujours
supera, en particulier au Pérou, on a investi pour connecter la côte, la sierra, la jungle et
jusqu'à relier des pays comme ce qu'est la route asphaltée de l'Interocéanique. Au fur et à mesure que
se connecte aux villes, des accidents sont également signalés, ce qui reflète une grave
problema para el diseñador. La seguridad vial siempre es un tema muy importante y
préoccupant pour l'ingénierie. Étant donné que les accidents de la route augmentent.
L'ingénierie dans le secteur des transports offre des alternatives de solution avec les études de
flux de véhicules pour prévenir les paramètres qui mettent en danger le bon fonctionnement de
l'infrastructure. Le designer doit tenir compte du flux vehiculaire afin que les
les bénéficiaires utilisant une partie du système ne génèrent pas d'inconfort et surtout aident dans le
comportement de la sécurité routière.
Le présent travail a pour objectif fondamental d'analyser le comportement de flux.
véhiculaire par la méthode de l'« Observateur Mobile ». Qui est basé sur le comptage de
véhicules de différentes caractéristiques pour obtenir la relation de leur vitesse et leur
densité, ainsi que de sa densité et de son flux. Cette étude a été réalisée sur l'avenue Grau entre
l'intercession de l'Avenue Vice et de l'Avenue Gullman utilisant le modèle linéaire de
Greenshields pour analyser les données.
Un autre des objectifs est d'identifier le niveau de service que perçoivent les conducteurs.
ce tronçon de l'avenue, déterminé par la congestion traduite en valeurs de densité.
Ainsi, ainsi que les caractéristiques du flux de trafic.

Objectifs
Déterminer à travers la méthode de l'observateur mobile le flux de véhicules et
par ce biais, faire une analyse du volume de trafic qui circule sur la voie qui
nous analysons, servant également à déterminer les temps et les vitesses de
recorrido des médias. Étant donné que cela constitue la source primaire d'information pour
distribuir y proyectar volúmenes de tránsito.

Décrire la composition du trafic routier du tronçon assigné par le

comptage des véhicules prenant des données le matin, l'après-midi et le soir, pendant les heures
pointe.

Avec les données obtenues, établir un lien entre les variables de flux et les aspects examinés.
dans le champ et analyser les facteurs possibles qui affectent le comportement dans le
transit

6
Marco théorique
À travers l'analyse des éléments de flux de véhicules, on pourra comprendre les
caractéristiques et le comportement du transit, exigences de base pour la planification,
projet et opération de routes, rues et leurs ouvrages complémentaires dans le système
de transport. Pour cette analyse, il est nécessaire d'avoir en clair certains concepts,
procédures et calculs pour mieux comprendre le développement du travail.

Tránsito vehiculaire
Le transit vehiculaire est le phénomène causé par le flux de véhicules sur une voie, rue ou
autopista. Antes de cualquier diseño geométrico de una vía se deben conocer las
caractéristiques du trafic qui va emprunter cette route ou rue.

Congestion routière
La congestion routière ou de circulation se réfère à l'état d'un flux de véhicules qui est affecté
saturé en raison de l'excès de demande sur les voies, produisant des augmentations dans les
temps de voyage et congestion. Ce phénomène se produit couramment dans laheure
pointe heures de pointe, et cela devient frustrant pour les automobilistes, car cela résulte en
pertes de temps et consommation excessive de carburant.

Concepts fondamentaux
Le flux véhiculaire a 3 variables principales qui représentent ses caractéristiques : le
écoulement, la vitesse et la densité.
Grâce à la déduction des relations entre elles, on peut déterminer les caractéristiques.
de la circulation de transit, et ainsi prédire les conséquences de différentes options de
opération ou de projet. Ces variables peuvent être exprimées en termes d'autres,
appels variables associées : le volume, l'intervalle, l'espacement, la distance et le
temps.
Las tres características principales que se pueden explicar matemáticamente son:
La vitesse
Le volume ou l'intensité du trafic.
La densité

Partant de : = ∗
En prenant en compte un groupe de véhicules se déplaçant à Ve, h et S sont liés à la
de la manière suivante :

S = espaciamiento
Ve = velocidad media
h = tiempo

7
 = ∗
1 1
= ∗

Équation fondamentale = (équation 1)

L'équation fondamentale représente une relation tridimensionnelle entre les 3 variables du

flux véhiculaire susmentionné :
Si la vitesse augmente, l'espace requis peut augmenter, générant une
diminution de la densité de circulation
La variation du flux dépendra de l'ampleur relative des effets opposés.
La variable la plus facile à mesurer est le flux q, suivi de la vitesse et de la densité.
Pour cette raison, la densité k est considérée comme la variable dépendante.

Modèles de Trafic Vehiculaire

Macroscopiques

Décrivez le comportement général d'un phénomène du monde. Les variables qui se

étudiants restent en termes de moyenne, par exemple, on observe que la moyenne de
la vitesse des véhicules à une certaine heure est de 20 km/h, il ne s'arrête pas en observant que la
La vitesse d'un certain véhicule à cette heure était de 20 km/h. Nous pouvons observer que pour décrire
un modèle macroscopique, nous devons nous baser sur les modèles microscopiques pour
pouvoir trouver les valeurs moyennes des variables.
Microscopiques

La simulation microscopique est utilisée pour étudier la relation entre le comportement

microscopique et un phénomène macroscopique, ce modèle s'applique à différents objets
microscopiques (voitures, animaux, humains), qui déterminent le comportement de certains
phénomènes macroscopiques, comme par exemple le comportement du trafic routier, le
comportement d'une population basé sur le comportement de ses individus
entre autres
Les modèles les plus connus sont :

Modèle de suivi de véhicule

- Modèle linéaire (élaboré par Greenshields)
-Modèles non linéaires :
M. logarithmique
M. exponentiel
M. de régime simple
-Modèles statistiques

8
Le modèle qui sera utilisé est le modèle linéaire de Greenshields :

Elle repose sur les 3 variables macroscopiques décrites dans l'équation.

fondamental
-Représente linéairement la relation vitesse-densité. Cette relation donne lieu à
courbes paraboliques continues pour les relations vitesse - débit et débit -
densité

Où :
V: velocidad (km/hr)
K: densité (véhicules/km/voie)

Vf : vitesse moyenne spatiale ou flux libre (km/h)

Kj : densité de congestion (véh/km/couloir)

9
Capacité et niveaux de service
Les niveaux de service sont déterminés par le niveau de congestion perçu par les
conducteurs pris comme valeur de la densité. Dans le tableau suivant, on présente la
relación entre los niveles de servicio (NDS) y condiciones de flujo.

Tableau [Link] de service en fonction des densités de flux

Ondes de choc
C'est un mouvement de propagation d'un changement de densité et de flux. Définit une
discontinuité dans les conditions de densité et de flux.
Ecuación de onda de choque:
−
=
−
(Équation 2)

Medición de variables de tránsito

Méthode de l'observateur mobile

Pour réaliser cette méthode, il faut un ou plusieurs observateurs qui se déplacent par rapport.
au flux qui est en cours d'étude.

Étapes :
-Définir le tronçon d'étude, d

Véhicules trouvés lorsque la voiture d'essai circule à contresens

du transit étudié, X

10
 Véhicules qui ont dépassé la voiture d'essai, circulant dans la direction de
tránsito,y1

-Véhicules dépassés par la voiture d'essai, voyageant dans la direction de

tránsito,y2

Temps de voyage dans la direction étudiée, tf

Temps de voyage à contre-sens de la direction étudiée, tc

On suppose deux cas :

-Cas 1 : on considère un observateur stationnaire et un flux de trafic en
mouvement
1 = ∗ (Équation 3)

Y1 : nombre de véhicules passant devant l'observateur en un temps t.

-Cas 2 : on considère un observateur en mouvement et un trafic stationnaire

2 = ∗ 0 ∗ (Équation 4)

0 Vitesse du véhicule d'essai

temps nécessaire pour parcourir la distance L.

Équations utilisées selon la direction que l'on a :

Direction en faveur
= 1− 2 = ∗ − ∗ ∗
(Équation 5) (Équation 6)

Dirección en contra
= ∗ − ∗ ∗
(Équation 7)

Zone d'étude
Le tronçon d'étude choisi était l'Av. Grau, entre l'Av. Gulman et l'Av. Vice.
La collecte de données a été réalisée les jours suivants :
Le vendredi 01 septembre 2017 de 15h00 à 18h00
Le vendredi 08 septembre 2017 de 19h30 à 20h30
Le samedi 09 septembre 2017 de 8h30 à 9h00

11
Figure 6, Zone d'étude Av. Grau à l'intersection de l'Av. Vice et de l'Av. Gullman

Figure 7, Mesure du tronçon sélectionné

12
Voici les photos prises du trajet aller-retour : Av Grau entre
Av. Gullman à Av. Vice et l'état des pistes. Où l'on observe que les pistes de
Les deux tronçons sont détériorés, ce qui a rendu l'étude réalisée difficile.

Figura 8,Esquina de donde empieza el tramo de ida y primera intersección

Figure 9, Le tronçon aller

13
 Figure 10, Mauvais état du tronçon de départ

Figure 11, Coin où se termine le tronçon aller

14
Méthodologie
Le travail s'est déroulé selon la méthodologie suivante, prendre les données dans les différents
horarios del día:
La première réunion pour la collecte de données a eu lieu le 1er septembre à 15 heures.
de l'après-midi, commençant la promenade au coin de la paroisse du collège Saint-Joseph
Ouvrier, avant le feu de circulation, faisant environ 30 tours dans la section.

Deuxième réunion, elle a eu lieu un vendredi 15 septembre au soir, à 19h30.

a choisi à cette heure-ci pour avoir les valeurs de l'heure de pointe dans le tronçon sélectionné et ainsi obtenir
un flux qui s'adapte à la vie quotidienne sur la route à des heures de la nuit. Cela a été réalisé
10 tours.
Troisième réunion, elle a eu lieu un samedi 16 septembre le matin, à 8h30.
réalisant 10 tours du tronçon, il a été décidé à cette heure d'obtenir des valeurs lors du passage
de l'heure de pointe et pour prendre des valeurs variées car à différents moments, le flux
véhiculaire est différent.

La modalité dans le parcours de l'étape est :

Début -> Au coin de la paroisse du collège San José Obrero, avant le feu de circulation,
Av Grau avec Av. Vice.
À l'angle de la Plaza de la Luna, sans passer le feu de signalisation, Av. Grau avec Av.
Gullman.

15
Analyse

Construction du modèle linéaire

Resumen de los datos (q, v y K) obtenidos con los datos tomados en campo (ver
anexes). À partir de ceux-ci, les calculs seront effectués.

Résumé des données de l'IDA - Sens : Av. vice à Av. Gullman.

Dia Heure q (Veh/hr) V (km/hr) K (Veh/km)

779 31,57 25
1045 29,83 35
1375 23,91 57
904 20.91 43
3:00-4:00 948 26,31 36
01/09/2017
pm 693 30,46 23
858 19,62 44
818 24,70 33
1007 26,17 38
848 23,52 36
844 18.99 44
1365 23,52 58
1110 26,72 42
1274 21,29 60
4:00-5:00 1115 33,05 34
01/09/2017
pm 563 21.02 27
773 22.31 35
1009 24,96 40
956 23.59 41
1130 23.00 49
926 17.68 52
750 25,76 29
817 18,76 44
1144 24,40 47
5:00-6:00 671 17,87 38
01/09/2017
pm 751 20.76 36
735 19,81 37
991 19.25 51
639 18,73 34
843 21,95 38
905 20.48 44
809 24,24 33
1343 16.10 83
1095 21,37 51
7:30-8:30 1223 23.72 52
08/09/2017
pm 953 18,59 51
1110 18,54 60
1019 20.43 50
911 18,74 49
1139 22.33 51
713 29,15 24
8:00-9:00 611 15.83 39
09/09/2017
suis 598 21,86 27
766 24,58 31

16
 656 22.01 30
832 25.07 33
906 18,68 48
769 19,51 39
787 17,54 45
766 25,70 30
Tableau 2Données q V vs K du tronçon d'aller - D'Av. Vice à Av. Gullman

Avec les valeurs trouvées de vitesse et de densité, nous faisons un graphique de dispersion et
créer une ligne de tendance, mais nous nous rendons compte que le coefficient de corrélation est
moins de 0,5 (R<0,5), alors nos données ne s'ajustent pas au modèle linéaire, car cela doit
ser R>0,5 pour se rapprocher de 1. Cela est dû à divers facteurs comme le trafic
présentait diverses difficultés, c'était un trafic variable, instable et parfois
congestionné, en plus d'avoir des pistes détériorées avec des nids de poule, etc. qui ne
cela aidait à une bonne étude. Le résultat est le suivant :

V contre K
35,00

30,00

25,00

20.00

15.00 V contre K

10.00 Linéal (V vs K)

5,00 y = -0.1847x + 30.167

R² = 0,2779
0,00
0 20 40 60 80 100
K (Véhic/km)

Gráfico 1. Relación lineal entre velocidad y densidad de flujo (no corregido)

Pour résoudre ce problème, certains valeurs du tronçon aller sont ignorées pour
obtenir un meilleur ajustement de tendance linéaire, on a choisi les points qui n'affectent pas
cette tendance. Après avoir effectué l'extraction des points, nous obtenons que le facteur de
l'ajustement est supérieur à 0,5 (R>0,5), ce qui indique que nous effectuons un bon ajustement
linéaire avec nos données :

17
 V contre K
35,00

30.00

25,00

20,00

15.00 V contre K

10,00 Linéaire (V vs K)

5.00 y = -0.2022x + 31.624

R² = 0.5084
0,00
0 20 40 60 80 100
K (Véhic/km)

Graphique 2. Relation linéaire entre la vitesse et la densité de flux (corrigée)

Du graphique 2, on obtient :
Vf(km/h) Vf/kj Kj(véh/km) Qmax(véh/h)
31.624 0.2022 156 1233
Tableau 2. Valeurs caractéristiques de l'équation linéaire du Modèle de Greenshields pour le tronçon aller

On peut construire le modèle complet en utilisant l'équation linéaire entre

vitesse et densité et l'équation fondamentale du flux vehiculaire (voir dans le cadre
théorique).

V contre K
35

30

25

20

15 V = 31.624 - 0.2022k
V contre k
10

0
0 50 100 150 200
k (v/km)

Graphique 3. Relation linéaire entre la vitesse et la densité de flux pour le tronçon aller.

18
De la graphique 3, nous obtenons qu'une moyenne de la vitesse en condition d'écoulement libre
(FFS) est de 31.624 km/h, et sa densité de congestion ou d'encombrement est de 156.4
véhicule/km. Bien que cela ne soit pas toujours le cas, car dans la réalité, le FFS d'un conducteur
peut être supérieur à ce qui a été calculé, de même que la densité d'encombrement.

Dans le graphique 3, nous avons déterminé que son flux maximum ou la capacité du tronçon est de
1236,5 véh/h.

q vs k
1400

1200 1237.704

1000
926.094 934,83
800

600 q=31.624k- 0.2022k2

400

200

0 0 17.472
0 20 40 60 80 100 120 140 160 180
k (véh/km)

Graphique 4. Relation parabolique entre le flux et la densité pour le tronçon d'aller

v contre q
35

30

25

20
q=-4.945v2+156v
15

10

0
0 200 400 600 800 1000 1200 1400
q (véh/h)

Graphique 5. Relation parabolique entre la vitesse et le débit pour le tronçon de départ

19
Résumé des données de VUELTA - Sens : Av. Gullman à Av. Vice.

Jour Heure q (Veh/hr) V (km/hr) K (Véhic/km)

636 22,27 29
907 34,93 26
1373 30,97 44
923 35,35 26
15h00-16h00 681 24,80 27
01/09/2017 890 30.08 30
pm
933 22,93 41
680 30.01 23
1056 30,19 35
1194 29,68 40
760 28,84 26
667 21,67 31
632 19,85 32
779 25,76 30
4h00-5h00 720 18,74 38
01/09/2017
pm 871 17.16 51
702 21.03 33
621 18.54 33
787 24,70 32
654 25,49 26
793 23.02 34
990 30,72 32
926 26,45 35
951 26,78 36
5:00-6:00 752 23,63 32
01/09/2017
pm 801 17.12 47
662 21,61 31
710 22.88 31
735 22,65 32
762 18.86 40
999 19,32 52
851 19,76 43
757 21,64 35
838 26,73 31
7:30-8:30 969 23,70 41
08/09/2017
pm 448 10,84 41
829 18.20 46
686 18.06 38
709 18,71 38
990 21.19 47
692 24,38 28
435 23,95 18
525 22,42 23
849 28,70 30
8:00-9:00 376 20,68 18
09/09/2017
suis 531 26.01 20
520 26,85 19
376 23.15 16
813 32,04 25
569 20,44 28
Tableau 3,Données q vs K du tronçon de retour - D'Av. Gullman à Av. Vice

20
Avec les valeurs trouvées de vitesse et de densité, nous faisons un graphique de dispersion et nous
créez une ligne de tendance, mais nous réalisons que le coefficient de corrélation est
moins de 0,5 (R<05), alors nos données ne s'ajustent pas au modèle linéaire, car il doit
R>0,5 pour se rapprocher de 1. Cela est dû à divers facteurs tels que le trafic
présentait diverses difficultés, c'était un trafic variable, instable et parfois
congestionné, en plus d'avoir des pistes détériorées avec des nids de poule, etc. qui ne
aidait à une bonne étude. Le résultat est le suivant :

V contre K
40,00
35.00
30.00
25,00
20,00
V contre K
15.00
Linéaire (V vs K)
10,00
5,00 y = -0,2495x + 32,053
R² = 0.1836
0,00
0 10 20 30 40 50 60
K (Véhic/km)

Graphique 6. Relation linéaire entre la vitesse et la densité de flux (Non corrigé)

Pour résoudre ce problème, certaines valeurs du tronçon de retour sont négligées pour
pour obtenir un meilleur ajustement de tendance linéaire, on a choisi les points qui n'affectent pas
cette tendance. Après avoir effectué l'extraction des points, nous obtenons que le facteur de
ajuste est supérieur à 0.5 (R>0.5), ce qui nous indique que nous faisons un bon ajustement
linéaire avec nos données :

21
 V contre K
35.00

30,00

25.00

20.00

15,00 V contre K

10.00 Linéaire (V vs K)

5,00 y = -0,3526x + 35,294

R² = 0,5274
0,00
0 10 20 30 40 50 60
K (Véhicule/km)

Graphique 7. Relation linéaire entre la vitesse et la densité de flux (corrigée)

Du graphique 7, nous obtenons

Vf(km/h) Vf/kj Kj(véh/km) Qmax(véh/h)

35.294 0,3526 100 882
Tableau 4,Valeurs caractéristiques de l'équation linéaire du modèle de Greenshields pour la section aller

On peut construire le modèle complet en utilisant l'équation linéaire entre la vitesse

et la densité et l'équation fondamentale du flux vehiculaire (voir dans le cadre théorique).

V contre K
40
35
30
25
20
V = 35.294 - 0.3526k
15 V contre K

10
5
0
0 20 40 60 80 100 120
k (véh/km)

Graphique 8. Relation linéaire entre la vitesse et la densité de flux pour le tronçon de retour

22
 De le graphique 8, nous obtenons qu'une moyenne de la vitesse en condition de flux libre (FFS)
est de 35,294 km/h, et sa densité de congestion ou d'engorgement est de 100 véh/km. Bien que
ce n'est pas toujours le cas, car dans la réalité, le FFS d'un conducteur peut être supérieur à
calculé, de la même manière que la densité de blocage.
Dans le graphique 8, nous avons déterminé que son flux maximal ou la capacité du tronçon est de
807,35 véh/h.

q contre k
1000
900
800
sept cents
600
500
q=35.294k .0.3526 k2
400
300
200
100
0
0 20 40 60 80 100 120
k (véh/km)

Graphique 9. Relation parabolique entre le flux et la densité pour le tronçon de retour

Nous observons dans le graphique 9, ayant pour équation du flux par rapport à la
densité, nous connaîtrons le flux maximal, qui est de 887,7 véh/h, étant donné qu'après
ce valeur, le flux devient instable.

v vs q
40
35
30
25
20
q = -2,836 v2+100v
15
10
5
0
0 200 400 600 800 1000
q (véhicules/heure)

Graphique 10. Relation parabolique entre la vitesse et le débit pour le tronçon de retour

Avec l'équation du graphique 10, on peut trouver la vitesse en condition d'écoulement.

libre, étant la valeur de 35,3

23
Description de la composition du flux de circulation

Comparant les flux moyens des données prises le 01/09, 08/09 et le 09/09 pour le
ida, un flux plus faible a été enregistré le 09/09 de 8h00 à 9h00 avec 741 véh/hr. En attendant,
selon les données, le plus grand flux moyen a eu lieu le 08/09 de 19h30 à 20h30 avec 1051 véh/hr.

En comparant les flux moyens des données prises pour le retour, un flux inférieur a été observé.
le jour 09/09 de 8h00 à 9h00 avec 568,24 véh/hr. Pendant ce temps, selon les données, le plus grand
le flux moyen était le jour 01/09 de 15h00 à 16h00 avec 927,36 véh/hr.
D'autre part, le 01/09, des données ont été prises pendant 3 heures, en faisant la comparaison de celles-ci.
Le plus faible flux de retour se présente de 16h00 à 17h00 avec 719,48 véh/hr.

Selon les données, on peut noter que dans le flux véhiculaire, certains éléments se distinguent dans sa composition.
les taxis, moto linéaire et moto-taxi. Les bicyclettes ont très peu de fréquence

Description des caractéristiques de la vitesse opérationnelle

En comparant les vitesses moyennes des données prises le 01/09, 08/09 et 09/09
Pour l'aller, la vitesse opérationnelle la plus faible a été le 08/09 de 19h30 à 20h30 avec 20 km/h
et la plus grande vitesse opérationnelle a eu lieu les jours 01/09 et 09/09 de 15h00 à 16h00 et de 20h00-
9h00 respectivement avec 25 km/h pour les deux jours.

En comparant les vitesses opérationnelles moyennes des données prises pour le tour,
la menor vitesse a eu lieu le 08/09 de 19h30 à 20h30 et la plus grande vitesse le 09/09 de
8h00-9h00 à 27,59 km/h.

En faisant une comparaison des vitesses d'aller-retour, ils conviennent que les deux
ce sont les vitesses opérationnelles minimales d'aller-retour du 08/09, de la même manière
pour la plus grande vitesse opérationnelle le 09/09.

Influence des intersections, avec ou sans feux de signalisation, sur la congestion

Sur une voie routière, les intersections avec des feux de circulation permettent le transport de
d'autres véhicules dans d'autres sens de manière contrôlée, génèrent que les véhicules se
acumulent en attendant leur tour. À cela s'ajoute également que dans certaines avenues, il y a
intersections qui permettent à certains véhicules de tourner à gauche.
L'avenue Grau avec son tronçon en enquête qui se trouve entre l'avenue Vice et l'avenue Gullman
cuenta con semáforo en ambas intersecciones y también cuenta con una pequeña
intersection qui est la Rue Las Lomas, qui permet aux utilisateurs de tourner à la
gauche. Cela fait augmenter le temps des véhicules dans ce tronçon, ainsi que le
descente de sa vitesse.
Ci-dessous se trouvent les résultats qui représentent la relation de vitesse (km/h)
vs densité (véh/km) entre tronçon avec feux de circulation et sans feux de circulation aux intersections :

24
Sentido Av. Vice à Av. Gullman - Aller

V contre K
35
30
25
20
15 Avec un feu de signalisation

10 Sans feux de circulation

5
0
0 50 100 150 200
k (véh/km)

Figura 12, Relación de la gráfica Velocidad vs Densidad entre las intersecciones con y sin semáforo tramo ida

Sentido Av. Gullman à Av. Vice - retour

V contre K
40
35
30
25
20
Avec un feu de circulation
15
Sans feux de circulation
10
5
0
0 20 40 60 80 100 120
K (véh/km)

Figure 13, Relation of the Speed vs Density graph between the intersections with and without traffic light on the return section

Dans les deux graphiques, on peut remarquer qu'avec des feux de circulation aux intersections, les véhicules
ils ont une vitesse inférieure à celle des intersections sans feu de circulation, on peut aussi le voir
que la densité est plus grande sans feu de circulation. Cela se produit parce qu'en l'absence d'interruption de la voie
(par feux de circulation ou intersections intermédiaires) les véhicules peuvent effectuer un plus grand
vitesse et en faire circuler un plus grand nombre de véhicules par kilomètre.

25
Niveau de service des données obtenues
Selon ce qui a été mentionné dans le cadre théorique et avec les données obtenues par la méthode du
L'observateur a obtenu les résultats suivants en matière de niveau de service.

CONDITION DÉFINITION NDS

Flux libre 0 ≤ K/Kj ≤ 0,05 Un
Flux stable 0 ≤ K/Kj ≤ 0,05 B
Flux encore stable 0.15 ≤ K/Kj ≤ 0.30 C
Flux presque stable 0,30 ≤ K/Kj ≤ 0,40 D
Flux instable 0,40 ≤ K/Kj ≤ 0,53 E
Flux forcé 0,53 ≤ K/Kj ≤ 1,00 F

A= Excelente B= Muy Bueno C= Bueno D= Regular E= Malo F= Muy malo

Av. Grau : Av. Vice vers Av. Gullman

DIA HEURE K bal K prom/Kj NDS CONDITION
3-4 pm 33,22 0,21 C Flux encore
stable
Vendredi 4-5 pm 46,13 0,3 C Flux encore
01/09 étable
17h-18h 42,17 0,27 C Flux encore
stable
Vendredi 7h30–8h30 52,4 0,34 D Flux presque
08/09 pm stable
Samedi 8:30 - 9:00 29,6 0,19 C Flux encore
09/09 suis stable

Av. Grau : Av. Gullman vers Av. Vice

DIA HEURE K prom K prom/Kj NDS CONDICION
15h-16h 30 0,30 C Flux encore
stable
Vendredi 16h-17h 33.22 0,33 D Flux presque
01/09 stable
5-6 pm 35,33 0,35 D Flujo casi
stable
Vendredi 7:30–8:30 41,21 0,41 E Flux
08/09 pm instable
Samedi 8:30 - 9:00 24,40 0,24 C Flux encore
09/09 je suis étable

26
Conclusions
L'étude et l'analyse réalisées sur le tronçon de l'Av. Grau ne peuvent pas être
considérés comme un cas général, les mesures ont été prises les vendredis
(après-midi), samedi (soir) et dimanche (matin). On pourrait dire que c'est le
comportement durant un week-end, car les autres jours il faut considérer que
c'est différent en raison des activités qui se font normalement comme aller au travail, au
collège, entre autres.

Par les résultats obtenus et la ligne d'ajustement de V-K, on constate qu'aucun

le point doit être éliminé de l'analyse, de plus le coefficient de corrélation indique
qu'est-ce qu'un modèle représentatif pour la méthode utilisée.

Le tronçon Av Grau dans le sens Av. Gullman à Av. Vice a une plus grande quantité
de flux de véhicules, cela peut être noté dans les graphiques de vitesse vs flux, mais non
il en va de même pour la vitesse puisqu'elle est inférieure au sens Av. Vice à Av.
Gullman.

Selon les résultats, on peut noter une nette différence entre un

intersection with traffic lights interference and one without traffic light, since when
il n'y a pas de feux de signalisation, la vitesse des véhicules est plus élevée et la densité aussi, c'est-à-dire

les véhicules se déplacent plus facilement et génèrent une plus grande densité.

Recommandations
Pour l'étude du flux de véhicules, il faudrait également prendre en compte les effets de
bâches, tronçons en mauvais état où les véhicules doivent ralentir leur
vitesse ou tendent à essayer de l'esquiver. Par exemple, dans le tronçon étudié, il y avait
une zone comme celles mentionnées (Avenue Grau intersection avec Las Lomas–en face
de l'Église des mormons), bien qu'une partie ait été réparée il y a quelques
mois, on remarque actuellement sa rapide détérioration.

En ce qui concerne la signalisation et le contrôle des mouvements des véhicules, on

ils peuvent mettre en œuvre certaines mesures constructives pour leur amélioration, il a été observé que
Dans certaines parties, il y avait des moto-taxis, des motos linéaires et des voitures qui allaient dans le sens inverse.

para evitar darse la vuelta; de igual manera de debería trabajar en lo que es

Le paradero des combis, bien qu'il y en ait un dans le tronçon analysé, n'est pas respecté car
les combis s'arrêtent n'importe où et bloquent le passage des autres véhicules. Avec
Concernant l'emplacement des feux de signalisation, il est considéré comme correct tout comme les
signalisation.

27
Il est recommandé de travailler les données avec une statistique pour créer des modèles de
comportements des véhicules par rapport au système routier de la ville de
Piura, pour cela, il faut consolider les informations des autres sections.

FEUILLE DE PERFORMANCE

% DE DESEMPEÑO

Chumacero Dominguez, 100%

Sergio

Cordova Gomez, Eleyser 100%

Sernaque Romero, Thais 100 %

Torres Barrios, Jenny 100%

28
 Annexes

Camion Combi MTTXI Autobus Bclta Mtclta Auto Taxi

1,5 1,25 0,33 1.5 0,1 0,2 1 1
Tableau 5, Facteur des véhicules

COMPTE DES VÉHICULES Tramo Av. Grau entre Av. Vice et Av. Gullman
Sens de la section heure d'échantillonnage nombre(de): nombre(de):
observ. de : a: de : a: Avenue Vice Av Gullman
# [Link] Av Gullman 15h00 04:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. Km/h.
1 1 1 7 2 10 7 7 2 1 1 1 2 52 57 779 54,17 475,1 31,57
3 1 14 6 12 13 2 1 1 1 1 2 50 54 1045 57,34 475,1 29,83
5 2 14 2 9 23 11 1 1 1 5 1 1 2 60 50 1375 71,52 475.1 23,91
7 1 21 1 7 12 10 2 3 5 1 2 80 51 904 81,79 475,1 20,91
9 12 1 5 9 18 1 4 1 60 62 948 65,01 475,1 26,31
11 11 1 15 3 13 2 1 2 60 62 693 56,15 475,1 30,46
13 2 13 1 1 11 8 16 1 4 2 68 60 858 87,17 475,1 19,62
15 1 20 2 13 3 12 1 3 2 1 1 2 71 57 818 69,24 475,1 24,70
17 18 13 8 16 2 2 2 1 68 51 1007 65,35 475,1 26,17
19 3 18 1 1 7 6 14 1 2 2 1 75 66 848 72,71 475,1 23,52

Sens du tronçon heure d'échantillonnage nombre(de): nombre(de):

observ. de : a: de : a: Av Gullman Av. Vice
# Av Gullman [Link] 03:00:00 p.m. 16:00:00 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Voiture Taxi seg. seg. veh./heure. seg. m. Km/h.
2 1 3 7 1 1 8 6 6 1 2 57 52 636 76,81 475,1 22,27
4 1 8 4 13 7 2 1 2 54 50 907 48,96 475,1 34,93
6 2 1 13 1 1 9 18 14 4 2 7 2 1 50 60 1373 55,22 475,1 30,97
8 10 2 8 13 12 1 1 1 2 1 51 80 923 48,39 475,1 35,35
10 2 7 8 9 9 1 5 62 60 681 68,97 475,1 24,80
12 10 2 13 neuf 11 1 3 1 2 62 60 890 56,86 475,1 30.08
14 1 12 1 10 9 19 1 1 1 2 60 68 933 74,58 475.1 22.93
16 6 2 11 8 9 2 2 57 71 680 57,00 475,1 30.01
18 12 2 18 12 14 1 2 2 51 68 1056 56,66 475,1 30,19
20 13 1 16 11 24 1 1 1 1 1 1 66 75 1194 57,62 475,1 29,68

Tableau 6, Données de 15h00 à 16h00 aller-retour.

29
 DÉCOMPTE DES VÉHICULES Tramo Av. Grau entre Av. Vice et Av. Gullman
Sentido tramo heure d'échantillonnage nombre(de): nombre(de):
observ. de : a: de : a: Av. Vice Au Gullman
# [Link] Av Gullman 04:00:00 p.m. 17:00:00 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Voiture Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. km/h
1 2 19 1 7 13 11 3 6 1 1 3 1 1 89 62 844 90,07 475,1 18,99
3 4 13 2 22 17 17 1 4 1 5 74 61 1365 72,73 475,1 23.52
5 3 14 1 15 10 16 1 1 1 3 1 60 62 1110 64,02 475,1 26,72
7 1 18 2 15 13 21 2 4 2 4 4 2 3 70 53 1274 80,34 475,1 21,29
9 2 27 1 12 12 11 2 7 1 75 72 1115 51,74 475,1 33,05
11 15 2 6 4 11 1 4 2 1 56 73 563 81,38 475,1 21.02
13 25 17 8 11 2 2 3 1 68 66 773 76,66 475,1 22.31
15 2 17 13 8 19 3 3 3 1 70 66 1009 68,54 475,1 24,96
17 2 17 1 1 19 7 16 3 1 1 1 2 69 65 956 72,50 475,1 23.59
19 2 1 19 1 23 6 18 2 2 1 78 55 1130 74,37 475,1 23h00

Sentido tramo heure d'échantillonnage nombre(de): nombre(de):

observ. de a: de : a: Av Gullman Av. Vice
# Av Gullman [Link] 04:00:00 p.m. 17:00:00 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. Km/h
2 14 2 1 8 10 12 1 1 2 2 1 62 89 760 59,30 475.1 28.84
4 11 1 11 8 13 1 1 4 1 3 61 74 667 78,92 475,1 21,67
6 12 1 16 8 9 1 3 2 62 60 632 86,15 475,1 19,85
8 1 1 16 1 10 7 11 1 1 1 6 1 53 70 779 66,39 475,1 25,76
10 1 1 11 1 7 9 15 1 3 1 3 72 75 720 91,29 475,1 18,74
12 32 1 8 8 16 1 5 5 73 56 871 99,66 475,1 17.16
14 14 2 1 17 4 14 3 2 66 68 702 81,33 475,1 21.03
16 1 15 1 1 11 9 9 1 1 2 2 66 70 621 92,25 475,1 18,54
18 8 13 7 18 2 1 1 65 69 787 69,25 475,1 24,70
20 12 1 1 9 8 11 1 1 1 1 1 55 78 654 67.11 475,1 25,49

Tableau 7, Données de 16h00 à 17h00 aller-retour

30
 DÉCOMPTE DES VÉHICULES Tramo Av. Grau entre Av. Vice et Av. Gullman
Sentido tramo heure de prélèvement nombre(de): nombre(de):
observ. de a: de: a: Avenue Vice Av Gullman
# [Link] Av Gullman 05:00:00 p.m. 18h00 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véhic./heure. seg. m. Km/h.
1 1 32 3 3 15 22 2 1 1 1 98 65 926 96,72 475,1 17,68
3 1 14 1 1 8 16 2 1 2 1 69 54 750 66,41 475,1 25,76
5 1 29 1 17 22 1 2 2 1 2 100 75 817 91,19 475,1 18,76
7 2 4 29 1 13 20 1 1 1 2 1 2 5 2 79 61 1144 70,10 475,1 24,40
9 1 19 1 1 10 19 1 3 3 2 2 2 1 95 66 671 95,70 475,1 17,87
11 1 23 2 16 18 1 1 1 2 1 1 1 76 76 751 82,38 475,1 20,76
13 1 24 3 2 15 13 2 1 1 3 63 60 735 86,32 475,1 19,81
15 1 1 24 1 24 24 3 1 1 2 92 60 991 88,84 475,1 19,25
17 2 20 1 16 15 5 1 3 64 71 639 91,34 475,1 18,73
19 1 16 1 11 23 1 4 1 1 68 64 843 77,91 475,1 21,95

Sens de la section heure d'échantillonnage nombre(de): nombre(de):

obs. de: a: de: a: Av Gullman Av. Vice
# Av Gullman [Link] 17:00:00 06:00:00 p.m. 01/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Voiture Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi seg. seg. véhicule/heure. seg. m. Km/h
2 9 1 1 12 15 16 1 5 2 1 65 98 793 74,30 475,1 23.02
4 2 13 1 2 9 9 15 1 2 54 69 990 55,67 475,1 30,72
6 2 11 2 6 9 23 3 1 2 1 1 75 100 926 64,65 475,1 26,45
8 1 15 2 1 21 7 17 1 1 2 2 1 1 3 61 79 951 63,88 475,1 26,78
10 2 12 1 15 10 14 1 1 66 95 752 72,37 475.1 23,63
12 1 9 1 17 13 17 4 2 2 76 76 801 99,92 475,1 17.12
14 11 1 10 6 13 4 1 1 1 60 63 662 79,15 475,1 21,61
16 1 14 1 1 12 9 14 2 1 2 3 60 92 710 74,76 475,1 22,88
18 19 1 1 13 6 12 2 4 71 64 735 75,51 475,1 22,65
20 1 18 2 12 6 15 2 1 7 1 4 64 68 762 90,69 475,1 18,86

Tableau 8, Données de 17h00 à 18h00 aller-retour

31
 COMPTAGE DE VÉHICULES Tramo Av. Grau entre Av. Vice et Av. Gullman
Sens de la section heure d'échantillonnage nombre(de): nombre(de):
observ. de : a: de : a: Av. Vice Av Gullman
# [Link] Av Gullman 07:30:00 p.m. 08:30:00 p.m. 08/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. km/h
1 2 17 1 25 12 14 2 1 1 5 3 1 78 78 905 83,53 475,1 20.48
3 1 25 1 15 6 13 1 1 1 1 2 1 78 70 809 70,57 475,1 24,24
5 23 2 37 22 25 3 1 3 1 2 1 6 94 68 1343 106.22 475,1 16.10
7 17 2 2 24 11 18 3 1 1 4 2 2 75 60 1095 80,03 475,1 21.37
9 1 32 1 28 13 15 3 6 2 3 1 1 78 66 1223 72,11 475,1 23,72
11 14 2 23 13 19 1 6 2 4 1 2 89 75 953 91,98 475.1 18,59
13 2 13 1 24 16 20 1 1 3 2 6 67 67 1110 92,28 475,1 18,54
15 20 4 1 14 11 17 1 1 6 1 3 1 70 70 1019 83,71 475,1 20.43
17 11 1 21 11 21 1 3 1 1 1 1 5 81 72 911 91,27 475,1 18,74
19 1 23 1 10 12 23 1 1 1 4 3 3 68 73 1139 76.60 475,1 22,33

Sentido tramo heure d'échantillonnage nombre(de): nombre(de):

observation. de : a: de : a: Av Gullman Av. Vice
# Av Gullman [Link] 07:30:00 p.m. 08:30:00 p.m. 08/09/2017
X Y1 Y2 tf tc q tm long vm.
CamionCombi MTTXI Bus Bclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. Km/h.
2 1 2 23 4 13 8 18 1 2 5 1 1 78 78 999 88,53 475,1 19,32
4 1 15 1 23 11 17 1 2 2 70 78 851 86,54 475,1 19,76
6 9 2 2 16 8 19 2 4 2 1 68 94 757 79,04 475,1 21.64
8 18 1 1 14 7 15 1 2 2 1 60 75 838 64,00 475,1 26,73
10 1 29 23 9 16 1 2 1 1 66 78 969 72,17 475.1 23,70
12 14 1 13 6 16 2 7 4 6 75 89 448 157,84 475,1 10,84
14 13 14 13 17 4 4 1 1 1 3 67 67 829 94,00 475,1 18,20
16 2 23 1 16 6 12 7 2 1 1 70 70 686 94,72 475,1 18.06
18 16 1 16 6 18 1 1 2 72 81 709 91,44 475,1 18,71
20 23 3 14 10 16 2 4 1 1 73 68 990 80.71 475,1 21,19

Tableau 9, Données de 7300 am à 4300 am aller-retour

32
 COMPTAGE DES VÉHICULES Tramo Av. Grau entre Av. Vice et Av. Gullman
Sens de l'itinéraire heure d'échantillonnage nombre(de): nombre(de):
observ. de : a: de: a: Av. Vice Av Gullman
# [Link] Av Gullman 08:00:00 a.m. 09:00:00 a.m. 09/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. Km/h.
1 1 12 1 11 6 8 1 1 1 57 57 713 58,67 475,1 29,15
3 15 1 12 6 13 1 3 2 2 90 56 611 108,02 475,1 15,83
5 2 13 3 10 4 9 1 2 65 80 598 78,24 475,1 21,86
7 15 2 1 16 4 10 1 1 1 1 61 49 766 69.60 475,1 24,58
9 1 22 1 8 2 11 1 2 1 1 73 51 656 77,72 475,1 22.01
11 19 1 9 7 14 1 1 2 1 1 1 76 64 832 68,22 475,1 25.07
13 1 19 3 13 7 13 1 1 1 95 46 906 91,54 475,1 18,68
15 3 19 1 13 8 9 1 1 1 2 1 1 1 3 2 1 86 58 769 87,69 475,1 19.51
17 1 14 3 12 10 9 1 1 1 1 83 49 787 97.50 475,1 17,54
19 1 13 1 1 10 5 13 1 1 1 2 65 61 766 66,55 475,1 25.70

Sens tronçon heure d'échantillonnage nombre(de): nombre(de):

observ. de : a: de : a: Av Gullman Av. Vice
# Av Gullman [Link] 08:00:00 a.m. 09:00:00 a.m. 09/09/2017
X Y1 Y2 tf tc q tm long. vm.
CamionCombi MTTXI AutobusBclta Mtclta Auto Taxi Camion Combi MTTXI Bus Bclta Mtclta Auto Taxi Camion Combi MTTXI AutobusBclta Mtclta Auto Taxi seg. seg. véh./heure. seg. m. Km/h.
2 2 8 1 9 7 9 1 1 1 1 57 57 692 70,16 475,1 24,38
4 13 1 1 8 4 8 2 1 1 56 90 435 71,40 475,1 23,95
6 1 13 9 5 8 1 1 2 80 65 525 76,29 475,1 22.42
8 1 10 1 7 8 13 1 1 49 61 849 59,60 475,1 28,70
10 12 1 9 3 6 1 2 2 1 51 73 376 82,69 475,1 20,68
12 10 2 17 3 11 2 2 64 76 531 65,76 475,1 26.01
14 8 1 14 5 11 2 1 2 46 95 520 63.71 475,1 26,85
16 10 12 2 9 2 1 58 86 376 73,89 475,1 23.15
18 1 17 1 2 15 6 13 3 49 83 813 53,38 475,1 32,04
20 1 9 1 2 8 5 11 1 1 3 1 1 1 61 65 569 83,70 475.1 20.44

Tableau 10, Données de 20h00 à 21h00 aller-retour

33
 Ida Retour Ida Retour

Xeq Y1eq Y2eq Xeq Y1eq Y2eq Xeq Y1eq Y2eq

X'eq Y1eq Y2eq
24.1 1.9 2.3 22,8 0.0 3.5 35.7 3.2 3.4 31,3 2.2 1.7
32,3 1.4 3.5 24,9 2.0 0,7 50,7 2.1 1,7 28,3 1.2 4.5
46,4 1,7 6.1 43,9 1,7 3,7 38,9 1.2 2.4 25,7 0,0 4.2
33,3 3.4 3,9 32,9 1.5 0,9 47,2 3.5 7.1 29,5 1.3 4.2
33,5 0,2 1,5 24,4 0,3 1,7 38,3 7.4 0,2 33.3 0,3 4.2
22,7 1.4 0,7 28,9 1.9 0,7 24,2 0,0 4.0 37.7 0,2 6.7
35.1 0,0 4,6 37,0 0.0 3.8 30.7 0,4 2.3 29.1 0.0 3,0
28,7 2.9 2.5 24.2 0,7 0,7
37,7 3.0 2.6 28.0 0,0 4.5
32,5 2.4 1.7 36,6 1,0 2,7
44.0 3,8 1.0 36,5 1.6 2.5 30.2 0,4 1.3
32,7 2.2 1.7
40,6 2.0 0,9 26,4 0,3 2,5
Tableau 11, Résultats de x1, Y1 et Y2 de 15h00 à 16h00
Tableau 14, Résultats de x1, Y1 et Y2 de 16h00 à 17h00

Ida Retour Ida Retour

Xeq Y1eq Y2eq Xeq Y1eq Y2eq Xeq Y1eq Y2eq
Xeq Y1eq Y2eq
41,6 0,9 0,5 38,0 1,0 3.1 40,6 1.9 3.3 46,2 0,7 3.7
25.1 1.4 0,9 34,3 0,2 0,7 31.6 2,5 0,9 38.9 0.0 3,9
65,0 4.6 9.2 36,4 0,4 2.7
37,7 4.2 2.2 42,3 3.2 0,5
42,6 2.2 3.7 32,3 0,7 1.7
41,7 6,5 3.7 37,8 3.2 4.0
46,9 4.2 2.2 40,4 1.0 2.7
30.1 3.9 4.1 35.0 0,0 1.3
44,2 3.5 4.3 30,7 2.0 12,3
33.0 1,5 2,9 39.1 0.0 5.3 49.1 1.2 9.0 37.1 0,8 7.0
29,9 0,0 4.8 26.1 0,0 3,5 43,5 1.2 5.1 31,4 0,0 4.7
41.0 1.6 0,7 32,9 2.0 4.9 41,3 2.9 5,5 34.0 0.0 3.8
28,8 0,0 4.9 28,5 0,4 1.3 47,3 2.2 4.9 40,9 0,4 2,5
33,2 1.0 3.3 33,6 0,9 6.5
Tableau 13, Résultats de x1, Y1 et Y2 de 19h30 à 20h30
Tabla 12, Resultados de x1, Y1 y Y2 de 5:00 pm a 6:00pm

34
 Ida Vuelta
Xeq Y1eq Y2eq Xeq Y1eq Y2eq
22,9 1.0 1.3 24,4 0,0 2,5
27,9 0,3 3.4 19,5 0,0 1,9
26,3 0,0 2.2 20,6 1.2 0,7
25.3 0,2 2,0 28,5 0,0 2,5
23,5 1,0 1,9 16,3 0,0 3.3
30.6 3.3 1.5 20.9 0,4 0,7
34.6 1,2 0,3 22,9 0.0 2.6
31.1 4,8 5.1 16,7 0,0 1.7
32,0 0,3 3,5 30,8 0.0 1.0
27.1 2,0 2.3 23,5 0.2 3.8
Tableau 15, Résultats de x1, Y1 et Y2 de 8h00 à 9h00

35