Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resumo
O aumento de carros em vias pblicas locais exige
formulao de estratgicas de controle de trnsito
efetivas. A simulao aparece como ferramenta eficaz e
necessria para tomada de decises e desenvolvimento de
alternativas no controle de trfego de veculos.
Este artigo ir demonstrar todos os passos necessrios
para construo de uma simulao para controlar o
trfego de veculos em Canoas. O principal objetivo
identificar a melhor combinao de tempos dos
semforos que minimize os tempos nas filas.
2 Definio do Problema
O controle de trfego em grandes centros algo
necessrio e desafiante. A necessidade d-se em funo da
grande concentrao de carros em horrios de maior
fluxo. O desafio encontra-se na definio da melhor
combinao de controles nos cruzamentos que maximize
o aproveitamento das vias e minimize os tempos das filas.
Com o objetivo de minimizar os tempos de filas em
cruzamentos do bairro Igara em Canoas, este artigo
prope a simulao para analisar e definir as melhores
combinaes de tempos nos cruzamentos. Abaixo so
demonstrados os cruzamentos objeto deste trabalho.
1 Introduo
Atualmente percebe-se um crescente aumento no
nmero de carros nas vias pblicas locais. Este aumento
de carros geralmente no tm sido acompanhado do
aumento de estradas ou mudanas estruturais que
suportem esta demanda. Por isto o uso de mtodos de
controle de trnsito suportados por semforos em
cruzamentos torna-se algo necessrio. O nmero de
possibilidades e variveis de trnsito que devem ser
considerados tornam as configuraes dos tempos dos
semforos um grande desafio. Segundo [1], os clculos
baseados em simulao de vazo de trfego so utilizados
a mais de 60 anos e so bastante teis para avaliar
estratgias antes de sua implementao. Portanto,
simulao imprescindvel quando deseja-se planejar
mudanas no trfego automotivo.
Conforme [3], existem diversas tcnicas que so
utilizadas para simular o controle de trfego de veculos.
Ferramentas matemticas, estatsticas e programas de
computadores, assim como, inteligncia artificial tm sido
utilizados em larga escala para melhorar o controle de
trnsito.
Tendo em vista avaliar as melhores combinaes de
tempo de semforos num bairro em Canoas, este artigo
apresenta uma seqncia de etapas desenvolvidas para a
obteno de uma simulao de controle de trnsito.
Primeiramente sero definidos o problema e apresentado
os limites do modelo, nas sees 2 e 3 respectivamente.
Em seguida, sero discutidas outras solues e abordagens
de controle de trfego de veculos na seo 4. Na seo 5
ser formulado o problema que dar suporte a coleta e
preparao de dados realizados na seo 6. Com o modelo
e os dados em mos, convertido o modelo em uma
aplicao na seo 7. A aplicao da seo 7 executada
3 Limites do Modelo
Neste modelo foram considerados trs componentes
chaves abstrados como: semforo, veculo e trecho da
avenida Boqueiro, chamado neste artigo de trecho 1.
Cada componente foi modelado segundo as suas
caractersticas e comportamentos levantados durante a
coleta de dados.
O semforo um recurso composto de dois subsemforos. Cada sub-semforo formado por um
conjunto de trs cores ou sinais apresentados na seqncia
verde, amarelo e vermelho. Cada sinal do sub-semforo
possui um tempo associado e segue a seqncia
demonstrada anteriormente. Os sub-semforos so
dependentes entre si, de modo que quando um subsemforo encontra-se em verde ou amarelo o outro esta
verde e vice-versa. Foi fixado um tempo de 3 segundos
para o sinal amarelo, visto que, foi observado que este o
tempo mnimo para um veculo atravessar ou parar nos
cruzamentos estudados, alm de ser o tempo utilizado nos
semforos estudados. A figura 2 apresenta o fluxo do subsemforo 1 (S1) e o sub-semforo 2 (S2).
4 Outras Solues
Existem uma srie de abordagens de controle de
trfego de veculos. Destaca-se a utilizao da lgica
fuzzy, como as propostas por [2-4], que a partir de uma
lgica de deciso baseadas em regras pr-definidas
permite tomar decises e mudar o tempo dos semforos.
Entretanto as solues estritamente fuzzy tem sido
abandonadas devido a sua aplicao limitada [5], dando
lugar a novas solues hbridas com uso de redes neurais,
entre outras.
Uma outra abordagem seria a utilizao de filas para o
controle de trfego de veculos, que segundo [6] mais
adequado para problemas tpicos de um incio de dia na
chegada s cidades. Conforme [6], este tipo de situao
pertence ao campo da programao estocstica em regime
no estacionrio, que pode ser resolvido com simulao
de eventos de sistemas discretos.
Sendo assim, foi escolhida para este trabalho a
simulao de eventos de sistemas discretos, que se mostra
uma boa soluo para simular o problema estudado.
5 Formulao do Modelo
0.001578
0.002878
4 Beta
0.004915
Semforo 4
0.00158
0.00839
0.00882
Beta
Erlang
0.00740
0.00158
0.00288
0.00839
0.00492
0.00882
Gamma
0.00581
0.02070
0.02120
Lognormal
0.00498
0.02020
0.02420
Normal
0.05770
0.06710
0.05640
Poisson
0.05750
0.08530
0.07700
Triangular
0.04040
0.01970
0.03200
Uniform
Weibull
0.09290
0.00448
0.06430
0.02000
0.07360
0.02020
Teste do Chi-Quadrado
Nmero de Graus de
Teste
Semforo
Intervalos Liberdade Estatstico
Valor
"p"
6.50
0.180
4.09
0.253
4.98
0.300
Erro
Quadrtico
Semforo 2
Exponential
Distribuies
Semforo Distribuio
Semforo 1
8 Validao do Modelo
Depois de convertido o modelo em uma aplicao para
realizar a simulao, esta foi executada e os resultados
analisados. A primeira analise realizada foi comparao
dos resultados com a realidade do trecho estudado.
Percebeu-se que as simulaes seguiram o mesmo
comportamento de trfego observado nos cruzamentos
deste estudo.
A simulao foi executada durante dez vezes com dez
conjuntos de parmetros distintos de tempos dos
semforos. Cada simulao independente foi equivalente
uma hora e trinta minutos de trfego, correspondente ao
perodo em que foram coletados os dados. Os resultados
das mdias globais por replicao so apresentados na
tabela abaixo:
Tabela 5: Replicaes das simulaes.
7 Converso do Modelo
Finalizada a coleta, preparao e analise dos dados o
modelo proposto foi convertido em um desenho do fluxo,
programao e configurao dos eventos no programa
Arena [8]. Arena um ambiente grfico integrado de
simulao genrica, que contm todos os recursos para
modelagem, desenho e animao, anlise estatstica e
anlise de resultados. O Arena implementa simulao
discreta estocstica orientada a eventos atravs de uma
linguagem de simulao chamada de SIMAN.
Segue abaixo na figura 5 o fluxo de eventos principal
da simulao apresentada neste artigo:
Simulao
Nmero Mdia
Tempo Espera
1
Carros na Fila
Tempo Espera
2
Carros na Fila
Tempo Espera
3
Carros na Fila
Tempo Espera
4
Carros na Fila
Tempo Espera
5
Carros na Fila
Tempo Espera
6
Carros na Fila
Tempo Espera
7
Carros na Fila
Tempo Espera
8
Carros na Fila
Tempo Espera
9
Carros na Fila
Tempo Espera
10
Carros na Fila
Tempo Espera
Mdias
Carros na Fila
1
101
24
93
21
59
14
65
14
62
14
87
21
81
18
99
23
85
19
81
19
81
19
2
95
20
95
23
59
14
67
15
62
14
82
18
82
18
104
24
86
19
77
17
81
18
3
93
22
94
22
59
14
63
14
66
16
82
19
82
18
99
22
88
20
76
17
80
18
4
95
22
93
21
57
14
63
14
61
13
83
19
85
19
100
20
86
19
75
17
80
18
Replicaes
5
6
101 97
26 23
96 93
24 22
58 57
14 13
66 67
16 16
61 62
14 15
87 89
20 20
82 82
18 18
102 100
24 23
86 88
20 21
78 76
17 16
82 81
19 19
7
94
22
92
21
57
13
61
13
64
15
84
20
82
18
105
24
86
20
77
17
80
18
8
94
22
95
21
61
14
63
15
62
13
90
21
81
18
102
22
87
19
76
17
81
18
9
94
19
93
22
59
13
61
13
63
14
83
19
80
18
102
23
86
19
81
18
80
18
10
92
20
93
21
58
12
63
14
63
14
84
19
85
19
106
24
84
18
79
18
81
18
Mdia
96
22
94
22
58
13
64
14
63
14
85
19
82
18
102
23
86
19
78
17
81
18
S1
1
2
3
4
5
6
7
8
9
10
S2
30
40
20
20
25
30
35
40
40
30
40
30
20
25
20
35
30
45
30
30
S3
S4
30
50
20
20
25
30
35
40
40
30
50
30
20
25
20
35
30
45
30
30
Tempo
Mdio
Total
95.58
93.55
58.44
63.99
62.64
85.04
82.20
101.84
86.19
77.55
Nmero
Mdio de
Carros
21.93
21.78
13.40
14.31
14.22
19.49
18.31
22.89
19.48
17.21
T
P
15.83 0.000
0.39 0.710
3.02 0.030
7.04 0.001
5.96 0.002
9 Planejamento Estratgico
Analysis of Variance
Source
DF
SS
MS
F
P
Regression
4 1991.62 497.91 700.56 0.000
Residual Error 5 3.55 0.71
Total
9 1995.18
Source
S1V
S2V
S3V
S4V
DF Seq SS
1 1441.21
1 479.01
1 46.20
1 25.21
Unusual Observations
Obs S1V
TM Fit SE Fit Residual St Resid
1 30.0 95.577 95.577 0.843 -0.000
*X
2 40.0 93.547 93.547 0.843 -0.000
*X
6 30.0 85.043 83.489 0.449 1.553
2.18R
10 Planejamento Ttico
A simulao foi iniciada com os tempos dos semforos
coletados em campo. Verificada uma discrepncia nos
tempos mdios de espera dos veculos nas filas com estes
tempos decidiu-se sugerir outros valores. Para estes novos
valores tomou-se como referncia semforos de
cruzamentos adjacentes ao trecho estudado.
Inicialmente as simulaes foram executadas uma a
uma com o objetivo de minimizar o tempo de cada
experimento e checar os resultados da simulao e sua
acuracidade. Depois de algumas rodadas e verificaes do
sucesso das execues, decidiu-se rodar todo o
experimento devido ao nvel de confiana alcanado com
a simulao.
11 Interpretao
Objetivando avaliar o melhor conjunto de tempos em
verde dos semforos dos cruzamentos estudados, foram
realizadas simulaes e coletados os resultados para
anlise. A figura 9 apresenta o resultado das mdias das
dez replicaes de cada um dos dez conjuntos de
parmetros para os sinais verdes simulados. Como podese perceber cada simulao possui um nmero que vai de
1 a 10 e tem um valor correspondente de tempo mdio
total dos veculos nas filas dos semforos.
12 Documentao
Para utilizao efetiva desta simulao necessrio
apenas o projeto Arena [7] que foi desenhado para este
trabalho enviado em anexo. Os fluxos de eventos deste
projeto foram apresentados nas figuras 2, 3 e 6. Estes
fluxos so a espinha dorsal da aplicao e podem ser
facilmente estendidos se necessrio.
importante observar tambm para os parmetros
descritos no captulo 7 (Converso do Modelo). Eles so
essenciais para o bom funcionando desta simulao e
devem ser considerados em caso de extenso do modelo.
13 Deciso
Considerando os resultados das simulaes gerados e
estudados anteriormente, assim como, as anlises
levantadas no captulo 11 (Interpretao), entende-se
como necessrio alterar os tempos dos semforos para
baixo, preferencialmente para os parmetros da simulao
3. Com isto seria obtido um ganho global e os tempos
mdios dos veculos nas filas seriam minimizados.
A simulao 3 demonstrou-se como tendo o melhor
tempo dos veculos na fila e deveria ser a soluo
candidata a implementao. Entretanto, quando
implementar esta soluo torna-se importante monitorar a
malha rodoviria do permetro estudado, para verificar
possveis formaes de gargalos de cruzamentos
adjacentes que no foram modelados nesta simulao.
14 Concluso
Neste artigo foram apresentados todos os passos
necessrios ao desenvolvimento de uma simulao para
controlar o trnsito de veculos no bairro Igara de Canoas.
Foram realizadas dez simulaes replicadas dez vezes
com propostas de tempos diferentes para os semforos.
Estas simulaes tinham como objetivo identificar os
melhores tempos mdios dos veculos nas filas dos
semforos. Como resultado destas simulaes foi
desenvolvido o meta-modelo da simulao que mostrou-se
adequado com os experimentos realizados.
Por fim, foram analisados os resultados gerados pelos
experimentos e identificou-se que possvel utilizar novas
combinaes de tempos dos semforos para minimizar o
tempo mdio dos veculos nas filas. Com isto tomou-se a
deciso de implementar a soluo com o melhor ganho
global, melhorando assim o trfego nas vias simuladas.
15 Referncias
[1] PINTO, Antnio Cerveira; COSTA, Amrico H. Pires
da. Simulao do funcionamento de um cruzamento
regulado por sinais luminosos, In: Investigao
Operacional, Lisboa Portugal, 2005, p. 25-35.
[2] FINDLER, Nicholas V.; STAPP, John. A Distributed
Approach to Optimized Control of Street Traffic Signals,