En el flujo de tráfico, la relación entre la velocidad y la densidad exhibe una disminución de la monotonía y continuidad, que se caracteriza por varios modelos como los modelos de Greenshields y Greenberg. Sin embargo, algunos modelos existentes, es decir, los modelos de Underwood y Northwestern, introducen un sesgo al utilizar incorrectamente la regresión lineal para la calibración de parámetros. Además, el límite inferior de los errores de ajuste para todos estos modelos sigue siendo desconocido. Para abordar los problemas mencionados, este estudio primero demuestra el sesgo asociado con el uso de regresión lineal en el manejo de los modelos de Underwood y Northwestern y lo corrige, lo que resulta en un error cuadrático medio (ECM) significativamente más bajo. En segundo lugar, se desarrolla un modelo de programación cuadrática para obtener el límite inferior del ECM para estos modelos existentes. Las brechas relativas entre los ECM de los modelos existentes y el límite inferior indican que los modelos existentes todavía tienen mucho potencial de mejora.