Académique Documents
Professionnel Documents
Culture Documents
Tese apresentada Escola de Engenharia de So Carlos da Universidade de So Paulo como parte dos requisitos para obteno do ttulo de Doutor em Engenharia Civil. rea de concentrao: Planejamento e
Operao de Sistemas de Transportes
So Carlos
2007
A663e
AGRADECIMENTOS
Ao Prof. Dr. Jos Reynaldo A. Setti, por toda a orientao fornecida durante a elaborao
deste trabalho, pelas palavras de incentivo nas horas difceis e, principalmente, pela pacincia.
Ao Prof. Dr. Laurence R. Rilett, pela receptividade e apoio indispensveis durante o ano
em que freqentei a Texas A&M University.
Ao Prof. Dr. Mounir Khalil El Debs e ao Dr. Luciano Maldonado Ferreira, pelas sugestes
e ensinamentos transmitidos para que fosse conduzido o estudo de caso.
CAPES, pela concesso de uma bolsa de doutorado no Brasil e de uma bolsa PDEE no
exterior.
Ao CNPq, pela concesso de uma bolsa de doutorado no Brasil.
s concessionrias de rodovias Tringulo do Sol, AutoBAn, Centrovias e Intervias, pela
permisso para que fossem realizadas as coletas de dados e pelo fornecimento de dados essenciais
para a pesquisa.
Aos alunos do curso de graduao em Engenharia Civil da EESC-USP que viabilizaram as
coletas de dados na SP-310.
Aos colegas e funcionrios do Departamento de Transportes da EESC-USP e do Texas
Transportation Institute-TAMU que, de alguma forma, contriburam para o desenvolvimento
desta pesquisa.
Aos companheiros de sala, Cntia Yumiko Egami, Diogo Artur Tocacelli Colella e Flvio
Satoshi Utimura, pela tima convivncia e constante troca de informaes. Em especial, Mrcia
Lika Mon-Ma e Andr Luiz Barbosa Nunes da Cunha, sem os quais certamente este trabalho no
teria sido concludo.
Ao meu noivo, Mrcio Augusto de Frana Corra, que percorreu comigo toda essa longa
jornada e meu apoiou em todos os momentos.
RESUMO
O objetivo desta pesquisa foi desenvolver um mtodo para estabelecer o efeito das caractersticas
e da operao dos veculos pesados sobre a infra-estrutura rodoviria atravs do uso de resultados
de simulao microscpica de trfego. Para tanto, foram definidos dois objetivos secundrios. O
primeiro deles envolveu a obteno de um banco de dados detalhado sobre as caractersticas de
6.253 veculos pesados. Esses dados foram coletados em sete balanas localizadas em rodovias de
pista dupla do estado de So Paulo. O segundo objetivo secundrio consistiu na calibrao e validao do simulador de trfego CORSIM com o auxlio de um algoritmo gentico, que adaptou
simultaneamente 19 parmetros do simulador para que ele reproduzisse adequadamente as caractersticas e o comportamento do trfego observado em um trecho de rodovia de pista dupla paulista. A metodologia desenvolvida demonstrada atravs da realizao de um estudo de caso em
que foram simulados dois cenrios de trfego e em que foi considerada uma ponte hipottica
com 100 m de extenso. Nele, foram determinadas as probabilidades de ocorrncias simultneas
dos veculos pesados sobre a ponte. As concluses da pesquisa indicam que o mtodo de calibrao de simuladores de trfego com uso de um algoritmo gentico mostrou-se eficaz, reduzindo o
erro mdio de 9,11% para 6,32%. Alm disso, as concluses revelam que a obteno de um carregamento mvel a partir de dados extrados de um simulador de trfego possvel e que a associao dos dados simulados a um banco de dados detalhado permite o clculo do efeito do trfego dos veculos pesados sobre a infra-estrutura rodoviria. Do estudo de caso, pode-se concluir
que: (1) a probabilidade de ocorrncia simultnea de veculos pesados sobre a ponte muito freqente e est diretamente relacionada s caractersticas do fluxo de trfego e; (2) a distribuio
das cargas e seus respectivos valores so fatores determinantes para o clculo dos esforos. Os
resultados do estudo de caso demonstram a viabilidade do procedimento proposto.
ABSTRACT
ARAJO, J. J. Study of heavy vehicles impact on highway infra-structure through microscopic traffic simulation. 2007. 160p. Thesis (Doctoral) Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos, 2007.
The objective of this research was to develop a method for establishing the effect of heavy vehicles characteristics and operation on highway infra-structure by using the results of a microscopic
traffic simulation model. Therefore, two secondary objectives were defined. The first of them
involved the attainment of a detailed database containing the characteristics of 6,253 heavy vehicles. This data was collected at seven weight stations located on the state of So Paulo multilane
highways. The other secondary objective was to calibrate and validate CORSIM by using a genetic algorithm, which simultaneously adapted 19 model parameters in order to appropriately reproduce the characteristics and the behavior of the observed traffic flow. The developed methodology is demonstrated through a case study in which two traffic scenarios were simulated and
in which a hypothetic 100 m bridge was considered. In the case study, the probabilities of simultaneous presence of heavy vehicles on the bridge were determined. The conclusions of this research indicate that the method of calibrating a traffic simulation model utilizing a genetic algorithm was efficient, reducing the mean error from 9.11% to 6.32%. Additionally, the conclusions
reveal that the attainment of a live load from extracted data through a traffic simulation model is
possible and that the association of simulated data with a detailed database allows the estimation
of heavy vehicle traffic effect on highway infra-structure. From the case study, it can be concluded that: (1) the probability of simultaneous presence of heavy vehicles on the bridge is very
frequent and; (2) the loads distribution and its respective values are determinant in calculating
efforts. The case study results demonstrate the proposed procedure viability.
Keywords: Traffic simulation; calibration; genetic algorithm; heavy vehicles; live load on bridges.
SUMRIO
1. Introduo........................................................................................................................................
1.1
Objetivo da pesquisa...............................................................................................................
1.2
Justificativa................................................................................................................................
1.3
Organizao do texto..............................................................................................................
2.1
2.2
2.3
Os modelos de Nowak............................................................................................................
2.4
12
2.5
13
2.6
O estudo de Ferreira................................................................................................................
14
2.7
O modelo de Luchi..................................................................................................................
17
2.8
Consideraes finais................................................................................................................
18
3. Mtodo de Pesquisa......................................................................................................................
21
3.1
Reviso bibliogrfica................................................................................................................
21
3.2
22
3.3
Coleta de dados........................................................................................................................
23
3.4
23
3.5
Estudo de caso.........................................................................................................................
24
25
4.1
O simulador CORSIM............................................................................................................
25
4.2
27
4.3
28
4.4
28
4.5
Dados de sada..........................................................................................................................
30
4.6
30
4.7
32
4.7.1
32
33
36
36
4.7.1.3.1
38
4.7.1.3.2
39
4.7.1.3.3
43
4.7.2
43
44
44
47
4.8
Consideraes finais................................................................................................................
47
5. Coleta de Dados..............................................................................................................................
49
5.1
50
5.1.1
Dados coletados............................................................................................................................
52
52
54
56
59
5.2
61
5.2.1
Nomenclatura adotada.................................................................................................................
63
5.2.2
Dados coletados............................................................................................................................
64
65
68
5.3
Consideraes finais................................................................................................................
69
71
6.1
71
6.2
73
6.3
74
6.3.1
Mtodo de calibrao.....................................................................................................................
75
6.3.2
Operadores genticos......................................................................................................................
77
6.3.2.1 Seleo..........................................................................................................................................
77
6.3.2.2 Cruzamento..................................................................................................................................
79
6.3.2.3 Mutao.......................................................................................................................................
80
6.3.3
Funo fitness...............................................................................................................................
80
6.3.4
82
6.4
83
6.4.1
84
6.4.2
85
6.4.3
89
6.5
Resultado da calibrao...........................................................................................................
90
6.5.1
94
6.6
96
6.7
Consideraes finais................................................................................................................
100
7. Estudo de Caso...............................................................................................................................
101
7.1
101
7.1.1
7.1.2
7.2
7.3
110
7.4
Probabilidades de ocorrncia.................................................................................................
112
7.5
7.5.1
105
115
7.5.2
116
117
118
123
7.6
Consideraes finais................................................................................................................
124
8. Concluses e Recomendaes...................................................................................................
127
8.1
Concluses................................................................................................................................
128
8.1.1
8.1.2
8.1.3
8.2
Recomendaes........................................................................................................................ 130
Referncias Bibliogrficas...............................................................................................................
133
Apndice A............................................................................................................................................
143
1. Introduo
Segundo a Confederao Nacional do Transporte (2006), no ano de 2005 o transporte de
47,5% da carga brasileira foi feito pelo modo rodovirio, com mais de 790 milhes de toneladas
transportadas por uma frota que ultrapassa os dois milhes de veculos pesados. Esses veculos
trafegam por uma malha rodoviria de cerca de 1,6 milhes de quilmetros (DENATRAN,
2006).
A importncia do transporte rodovirio para a economia do Brasil evidente. Diante de
um cenrio em que quase metade de toda a produo nacional transportada atravs de rodovias,
os veculos pesados desempenham um papel relevante, suscitando a necessidade de analisar o
impacto que eles ocasionam no somente em termos de operao, como tambm no projeto e
manuteno da infra-estrutura rodoviria.
De forma geral, as leis que regulamentam os pesos e as dimenses dos veculos pesados visam reduzir o impacto provocado pelo seu trfego. Na fase de projeto da infra-estrutura rodoviria, fatores tais como largura de faixas de rolamento, extenso de faixas de acelerao/desacelerao, alinhamento horizontal e vertical de curvas e espessura do pavimento esto
diretamente relacionados s caractersticas dos veculos pesados. Na fase de manuteno, essas
caractersticas esto ligadas principalmente aos desgastes dos pavimentos e pontes (TRB, 2002).
Um aspecto a ser notado que o constante desenvolvimento da indstria de transporte rodovirio e o conseqente aumento das cargas transportadas pelos veculos podem ocasionar des-
gastes maiores do que os previstos tanto para a pavimentao quanto para as obras de arte especiais (ponte e viadutos). Portanto, desejvel aperfeioar a determinao de como a ao do carregamento mvel (trfego) levada em considerao durante o processo de dimensionamento da
infra-estrutura rodoviria.
1.1
Objetivo da pesquisa
A meta principal desta pesquisa desenvolver uma metodologia para estabelecer o efeito
das caractersticas e da operao dos veculos pesados sobre a infra-estrutura rodoviria atravs
do uso de resultados de simulao microscpica de trfego. Para tanto, foram estabelecidos dois
objetivos secundrios:
Aquisio de um conjunto de dados com amostra de tamanho significativo sobre as diversas caractersticas de veculos pesados; e
A metodologia proposta combina esses dois aspectos na medida em que associa dados microscpicos extrados de um simulador a um banco de dados detalhado sobre as caractersticas
dos veculos pesados para obter um carregamento mvel decorrente do trfego desses veculos.
Para demonstrar como a metodologia desenvolvida pode ser utilizada, efetuou-se um estudo de caso que calculou o momento fletor ocasionado pela presena simultnea de veculos pesados sobre uma ponte, a fim de compar-lo com o provocado pelo trem-tipo normativo.
1.2
Justificativa
O dimensionamento de pontes leva em conta vrios fatores, sendo a ao do trfego um
dos mais significativos. O valor real do carregamento do trfego considerado difcil de modelar
de uma forma precisa devido sua aleatoriedade e, por isso, os engenheiros estruturais costumam
fazer vrias simplificaes para tornar essa tarefa possvel (Crespo-Minguilln e Casas, 1997).
De acordo com a norma brasileira (NBR-7188), a ao das cargas mveis no processo de
anlise estrutural de pontes no corresponde aos veculos reais que trafegam sobre as mesmas,
mas a um carregamento hipottico que tenta reproduzir as solicitaes provocadas pelo trfego.
Esse carregamento consta de um veculo-tipo de peso e geometria estabelecidos pela prpria
norma e de cargas uniformemente distribudas. A esse carregamento total d-se o nome de tremtipo (Santos, 2003).
Segundo Santos (2003), a maior parte das pontes rodovirias brasileiras foi construda entre
1960 e 1970, poca em que o Brasil experimentou o seu maior desenvolvimento na construo da
malha rodoviria. A norma ento em vigncia, NB-6 - Cargas Mveis em Pontes Rodovirias,
previa como cargas de projeto veculos-tipo em que o peso bruto total mximo permitido era de
360 kN (ABNT, 1960).
Em 1984, com a publicao da NBR-7188 - Carga Mvel em Ponte Rodoviria e Passarela
de Pedestres, o peso bruto total mximo considerado para os veculos-tipo sofreu uma alterao e
foi estabelecido em 450 kN (ABNT, 1984).
A norma NBR-7188 especifica trs classes de pontes rodovirias: 45, 30 e 12. A utilizao
das diferentes classes fica a critrio dos rgos com jurisdio sobre a via, j que no definida na
norma. De forma geral, nas principais vias rurais e urbanas as pontes so projetadas para a classe
45, sendo as demais classes utilizadas apenas em rodovias secundrias (Luchi, 2006).
Em cada uma das classes de pontes considerado um veculo-tipo, sendo o peso bruto total desse veculo de 450 kN para a ponte de classe 45, 300 kN para a classe 30 e 120 kN para a
classe 12. Nas classes 45 e 30, o veculo-tipo composto por trs eixos simples, espaados de
1,5 m e com o peso bruto total dividido igualmente em cada uma das seis rodas. Na classe 12, o
veculo-tipo possui dois eixos simples espaados de 3,0 m, com cada uma das duas rodas dianteiras pesando 20 kN e cada uma das duas rodas traseiras pesando 40 kN. Em todas as classes, o
veculo-tipo possui 6,0 m de comprimento e 3,0 m de largura.
A NBR-7188 prev que, alm do veculo-tipo, a carga mvel nas pontes rodovirias tambm deve ser constituda por cargas q e q uniformemente distribudas. A carga q aplicada em
todas as faixas da pista de rolamento, nos acostamentos e afastamentos, descontando-se apenas a
rea ocupada pelo veculo. Ela varia entre 4 kN/m2 e 5 kN/m2, de acordo com a classe da ponte.
A carga q aplicada nos passeios e possui um valor de 3 kN/m2, independente da classe da ponte. Essas cargas so fictcias e procuram levar em considerao a ao de multido e de outros
veculos mais leves ou mais afastados das zonas onde as cargas produzem maiores esforos solicitantes, com um esquema de carregamento mais cmodo para o clculo (El Debs e Takeya, 1995).
Um fato importante a ser observado que, apesar das combinaes de carga apresentadas
tanto na NB-6 quanto na NBR-7188 terem como objetivo reproduzir as solicitaes provocadas
pelo trfego real sobre as pontes, em nenhuma delas prevista a passagem simultnea de dois ou
mais veculos-tipo, ao contrrio do que acontece nas situaes reais de carregamento. Alm disso,
com base em pesquisas realizadas na Alemanha, pode-se afirmar que durante o processo de considerao do carregamento mvel em uma ponte, as variveis mais desfavorveis so aquelas que
contemplam o trfego simultneo de mais de um veculo pesado (Santos, 2003).
Logo, o que se pode perceber que, por um lado, a norma brasileira mostra-se bastante
conservadora, levando em conta para efeito de dimensionamento de pontes veculos pesados que
no representam a frota que efetivamente circula nas rodovias do pas e sim veculos-tipo com
elevadas cargas concentradas muito prximas entre si. Em contrapartida, pode-se dizer que o
valor da carga q uniformemente distribuda pode no ser suficiente para representar as solicitaes de carregamento decorrentes da existncia de outros veculos pesados sobre a ponte.
Dessa forma, esta pesquisa prope como ferramenta de anlise o uso de um modelo de simulao de trfego capaz de representar adequadamente os fluxos observados em campo e que
possua um bom nvel de detalhamento. Os resultados da simulao fornecem dados importantes,
como a probabilidade de ocorrncia simultnea de veculos pesados na ponte e a posio relativa
desses veculos. A associao dessas informaes a um banco de dados que contm as caractersticas dos veculos pesados (tais como pesos por eixo e distncias entre eixos) permite obter os
carregamentos totais nas pontes e as localizaes dessas cargas de uma forma mais realstica, uma
vez que leva em considerao os efeitos da composio do trfego e da mecnica de car-following
sobre o espaamento e o headway entre veculos na corrente de trfego. Portanto, o mtodo proposto uma contribuio inovadora para a anlise das cargas mveis, uma vez que elimina os
problemas que podem advir de algumas das simplificaes comumente adotadas pelos engenheiros estruturais neste processo.
A hiptese adotada nesta tese a de que possvel analisar o impacto ocasionado pelo trfego de veculos pesados sobre componentes da infra-estrutura rodoviria a partir da obteno de
um carregamento mvel que associa dados extrados de um modelo de simulao microscpica
de trfego a um banco de dados detalhado sobre as caractersticas desses veculos.
1.3
Organizao do texto
Este texto est organizado em oito captulos. O Captulo 1 essa introduo, que apresenta
o objetivo da pesquisa e uma justificativa para o seu desenvolvimento. O Captulo 2 versa sobre o
carregamento mvel para a anlise estrutural de pontes. O Captulo 3 descreve o mtodo de pesquisa adotado, enquanto o Captulo 4 trata do modelo de simulao CORSIM.
O Captulo 5 relata as coletas de dados realizadas e apresenta os dados coletados. Os procedimentos de calibrao e validao do CORSIM so descritos no Captulo 6. O Captulo 7 apresenta um estudo de caso que demonstra a aplicao do mtodo proposto e o Captulo 8 contm as concluses e recomendaes da pesquisa.
2.1
para uma determinada vida til da ponte. Eles destacam que a teoria dos processos estocsticos
pode ser uma ferramenta muito til para a anlise de estruturas submetidas a carregamentos aleatrios.
A tcnica utilizada no modelo se baseia em um processo de renovao de Markov, capaz de
ser adaptado tanto para representar o padro de chegada de caminhes ponte (medido ou idealizado) quanto para representar as caractersticas dos caminhes (pesos e espaamento dos eixos).
Nesse modelo, todas as possveis localizaes dos caminhes na ponte e seus pesos so testados.
Segundo os autores, as principais restries do modelo esto relacionadas ao fato de que,
nele, as caractersticas dos caminhes so independentes da seqncia de chegadas dos veculos
ponte.
Ghosn e Moses (1985) sugerem que para vos grandes os caminhes devem ser considerados como cargas pontuais, mas para vos pequenos e mdios (menores que 150 m), o comprimento do veculo e a sua distribuio de carga pelos eixos so importantes. Moses e Ghosn
(1985) fornecem maiores informaes sobre o processo de renovao de Markov.
2.2
carregamento de caminhes em pontes de vos pequenos e mdios. Nesses programas, a superfcie da ponte dividida em regies e um evento de carregamento ocorre quando h pelo menos
um caminho em qualquer uma das regies. O primeiro caminho que chega ponte e que faz
parte de um evento de carregamento chamado de caminho principal, cuja probabilidade de
estar em uma certa faixa de trfego obtida a partir das estatsticas do trfego para a localidade.
Por exemplo, o estudo cita que na rodovia de pista dupla I-90, no estado americano de Ohio,
83% dos caminhes viajam pela faixa da direita.
As possveis combinaes de veculos so obtidas e associadas a uma probabilidade de ocorrncia, calculada a partir de dados de campo, que podem ser conseguidos, por exemplo, atravs de pesagens em movimento (weight-in-motion). Essa probabilidade est associada localidade e
ao fluxo de trfego. Devido ao fato de as medidas de campo se restringirem s rodovias com duas
faixas de trfego, os resultados obtidos por Moses e Ghosn (1985) so vlidos apenas para pontes
de rodovias de pista dupla.
De acordo com os autores, na I-90, se um caminho est na faixa da direita, a probabilidade de um outro caminho tambm estar na faixa da direita de 83,5%. E, se um caminho estiver
na faixa da direita e existir um outro caminho na faixa da esquerda, a probabilidade de eles estarem lado a lado de 5,8%.
Moses e Ghosn (1985) consideram apenas dois tipos de caminhes nos eventos de carregamento. Dependendo do tipo, cada caminho associado a um peso e a uma probabilidade obtida dos histogramas de peso bruto. Com as posies dos caminhes e o peso deles, o mximo
efeito calculado e associado a uma probabilidade. Esse procedimento assume que tanto as posies relativas dos caminhes e os pesos brutos quanto os pesos brutos dos diferentes caminhes
so independentes.
Assim, o clculo do esforo na seo mais solicitada feito para todas as combinaes de
caminhes na ponte e para todos os pesos dos caminhes. Seguindo essa metodologia, obtido
um histograma que fornece o efeito (por exemplo, momento fletor) associado a sua probabilidade.
Em geral, considera-se uma vida til de projeto para as pontes de 50 ou 75 anos, embora
Moses e Ghosn (1985) demonstrem que o mximo efeito atinge um valor limite com aproximadamente 25 anos, mantendo-se praticamente inalterado a partir da.
2.3
Os modelos de Nowak
Nowak um dos autores que mais dispe de trabalhos sobre modelagem de cargas mveis
(Luchi, 2006). Em seu primeiro trabalho que aborda o assunto, so utilizados dados de uma ins-
10
peo no trfego de caminhes realizada em 1975 pelo Ministrio do Transporte de Ontrio (Canad), cuja amostra era de cerca de 10 mil caminhes. Nessa base de dados foram includos apenas caminhes que pareciam possuir elevado peso bruto (Nowak e Lind, 1979).
Os momentos fletores foram calculados para cada um dos veculos observados em campo
para que pudesse ser feita uma comparao com os momentos relativos norma do Departamento de Ontrio, com extrapolao para 50 anos de vida til.
Em outro estudo que utiliza os mesmos dados de Ontrio, Nowak e Hong (1991) criaram
um mtodo para a verificao da norma americana. Segundo os autores, na poca, as caractersticas da populao de caminhes de Ontrio eram consideradas similares s dos caminhes que
circulavam nos Estados Unidos. Esse trabalho calcula os momentos fletores considerando uma
distribuio normal para as probabilidades.
Segundo Nowak e Hong (1991), para pontes com uma faixa de trfego, o mximo efeito
(momento fletor ou fora cortante) causado por um caminho isolado ou por dois (ou mais)
caminhes em fila. No caso de mltipla presena, necessrio o conhecimento da distncia entre
os veculos e a relao entre seus pesos. Por exemplo, os autores alertam que os caminhes podem possuir similaridades (pertencerem a uma mesma empresa, com a mesma configurao de
eixos e carga similar), podem viajar em grupos e, portanto, podem ser altamente correlacionados
quanto ao peso. Salienta-se que grau de correlao entendido como o grau de dependncia linear entre duas variveis aleatrias. Os coeficientes de correlao () adotados pelo modelo so:
11
A cada 50 caminhes, um caminho seguido por outro com correlao parcial de peso; e
A cada 100 caminhes, um caminho seguido por outro com correlao total de peso.
Os momentos fletores mximos foram calculados e os resultados indicaram que para vos
nicos, um caminho isolado crtico para comprimentos de at 40 m. Para vos maiores, dependendo do espaamento entre os veculos, o caso de dois caminhes totalmente correlacionados o mais crtico.
Para pontes com duas faixas de trfego, considerou-se que:
Considerando as ocorrncias simultneas, a cada 50 vezes os caminhes so parcialmente correlacionados e a cada 10 vezes eles esto totalmente correlacionados com relao ao peso.
Os resultados indicaram que o caso com dois caminhes totalmente correlacionados lado a
lado crtico.
Em Nowak (1993), o autor utiliza os mesmos dados de 1975 em Ontrio e analisa novamente obras isostticas, incluindo em suas anlises os momentos negativos em vigas contnuas.
Os coeficientes de correlao entre os veculos adotados so os mesmos de Nowak e Hong
(1991) e as concluses so similares.
De acordo com Nowak (1999), so vrias as incertezas na anlise do carregamento mvel
devido s limitaes nos dados obtidos do trfego. Entre elas esto: o pequeno nmero da amostra de caminhes estudada (comparada com o nmero real de caminhes durante a vida til), a
evaso de alguns caminhes sobrecarregados das estaes de pesagens e o desconhecimento das
tendncias futuras das distribuies de pesos e eixos.
12
Em Nowak (1999) admite-se que a legislao quanto aos pesos e dimenses dos veculos
pesados no sofrer alterao com o passar dos anos e que a populao de caminhes ir permanecer inalterada. Nesse estudo, para cada caminho da amostra so calculados os momentos fletores e as foras cortantes. Nele, so considerados vos simplesmente apoiados e dois vos idnticos contnuos.
2.4
no so completos, uma vez que so orientados para a previso dos efeitos mximos em um perodo de tempo definido ou para a definio dos efeitos de fadiga. De acordo com os autores, as
suposies e as simplificaes adotadas em modelos que tentam tratar das duas possibilidades
no os tornam suficientemente confiveis. Essas simplificaes esto relacionadas principalmente
s ferramentas computacionais utilizadas e aos dados de trfego necessrios para a anlise (Crespo-Minguilln e Casas, 1997).
Assim, Crespo-Minguilln e Casas (1997) concluem que um modelo completo, vlido para
todo efeito de carregamento (carregamento mximo em um perodo de referncia, fadiga, carregamento freqente para a verificao dos estados limites de utilizao) e que considere as variveis mais importantes presentes no trfego real, no est disponvel.
Dessa forma, os autores desenvolveram um modelo para o estudo da ao do trfego nas
pontes com os seguintes objetivos:
Disponibilizar um modelo amplo, vlido para a anlise dos estados limites ltimo e de
servio mais importantes, alm do estado limite de fadiga. Esta meta atingida atravs
da simulao do efeito do fluxo real de trfego sobre a ponte em funo do tempo e da
extrapolao dos mximos resultados obtidos na simulao para valores mximos representativos de longos perodos de retorno;
13
Incluir as correlaes mais importantes existentes no trfego real: correlaes entre veculos em uma faixa, entre diferentes faixas, entre o dia da semana e as condies do trfego, entre os tipos dos veculos, etc.;
Nesse modelo, o efeito do trfego sobre a ponte simulado a cada 0,20 segundos durante
uma semana. A simulao feita atravs de um algoritmo que gera fluxos de trfego que representam situaes muito prximas do trfego real (Crespo-Minguilln e Casas, 1997).
Dentre os diversos modelos de carregamento mvel existentes, o trabalho de CrespoMinguilln e Casas (1997) considerado o mais completo e abrangente, revelando o grande potencial dos modelos de simulao do trfego para a anlise estrutural de pontes.
2.5
14
presena simultnea de veculos foi considerada apenas em uma mesma faixa e quando a distncia
entre eles era igual ou menor a 15 m. No entanto, no clculo dos momentos fletores os veculos
foram dispostos a 5 m de distncia um do outro. As probabilidades de ocorrncia de presena
simultnea consideradas em Hwang e Koh (2000), obtidas atravs de gravaes em vdeo, so
apresentadas na Tabela 2.1.
Tabela 2.1 Probabilidade de ocorrncia de dois caminhes na mesma faixa de trfego
Pesos
No correlacionados
Correlao total
Condies de Trfego
Normal
Congestionado
1/85
1/37
1/403
1/207
Utilizando essas probabilidades juntamente com a porcentagem de cada veculo e a vida til
desejada, a extrapolao dos pesos brutos permite o clculo dos momentos fletores para o caso
dos pesos no correlacionados e dos pesos com correlao total. No primeiro caso, o caminho
principal seguido por um caminho com peso mdio e no segundo caso os caminhes possuem
pesos iguais.
Os resultados demonstram que um nico caminho produz o mximo esforo para vos
pequenos e dois caminhes com correlao total de peso governam no caso de vos maiores.
Os autores sugerem uma combinao de caminho e carga distribuda para a obteno dos
esforos em projetos (normas), mas ressaltam que a carga distribuda deve ter sua magnitude diminuda com o aumento do vo, de modo que os momentos fletores calculados no superestimem o efeito do trfego real. Eles recomendam ainda que os dados do trfego sejam obtidos em
diferentes localidades devido sua elevada variabilidade.
2.6
O estudo de Ferreira
No Brasil, Ferreira (2006) realizou um estudo sobre o carregamento mvel que utiliza da-
dos de balanas rodovirias coletados entre 2001 e 2002 nas rodovias SP-310 e SP-225. Nesse
estudo so utilizados somente os caminhes que aparecem com maior carga e em maior nmero
nas planilhas de pesagem, mesmo procedimento adotado por Hwang e Koh (2000). O autor con-
15
sidera que a no incluso de todos os caminhes na anlise no traz prejuzo ao trabalho, uma
vez que ele utiliza veculos crticos e representativos da amostra. No total, cinco configuraes de
caminhes so analisadas.
Inicialmente so feitas extrapolaes das cargas brutas totais para alguns veculos. Nessa
extrapolao, que adota o mtodo desenvolvido por Nowak (1999), so considerados somente os
100 caminhes mais pesados da amostra. As situaes analisadas so as de um caminho isolado
e a presena simultnea de dois ou trs caminhes na ponte.
Ferreira (2006) lembra que a anlise de dois caminhes sobre as pontes requer a determinao de sua posio relativa e da proporo entre seus pesos e que dados estatsticos brasileiros
sobre a probabilidade da ocorrncia simultnea sobre as pontes no esto disponveis. Ele ressalta
ainda que a obteno desse tipo de dados bastante trabalhosa, justificando a opo de usar probabilidades de ocorrncia simultnea obtidas por pesquisadores estrangeiros.
Assim, a probabilidade de ocorrncia simultnea de dois caminhes sobre a ponte foi adotada com base nos trabalhos de Hwang e Koh (2000) e Nowak (1999), assumindo que no existe
correlao entre os pesos dos veculos. As probabilidades adotadas em Ferreira (2006) esto contidas na Tabela 2.2. As pontes de tabuleiro estreito (TE) representam rodovias de pista simples e
as de tabuleiro largo (TL), rodovias de pista dupla.
Tabela 2.2 Probabilidade de ocorrncia simultnea adotada por Ferreira (2006)
Cenrio
1
2
No caso dos caminhes em fila, duas alternativas foram verificadas por Ferreira (2006):
1. Distncia entre os caminhes igual a 5 m ou 10 m; e
2. Distncia entre os caminhes variando entre 15 m e 30 m, com incrementos de 5 m.
O autor lembra que a literatura no faz referncia probabilidade da presena de trs ou
mais caminhes sobre as pontes e afirma que a sua incidncia considerada muito baixa e de
16
difcil investigao. Alm disso, ele ressalta que esse caso pertinente apenas em pontes longas
e/ou pontes com vrias faixas de trfego e, em se tratando de pontes longas, o peso prprio
predominante e o efeito da carga mvel torna-se secundrio.
Assim, Ferreira (2006) considera que o caso de trs ou mais caminhes no imprescindvel para a anlise do carregamento mvel e que a segurana das pontes pode ser confiavelmente
medida atravs do posicionamento de apenas um ou dois veculos. Entretanto, a autor faz uma
anlise complementar em que insere um terceiro caminho em pontes de tabuleiro largo.
Com base na teoria da confiabilidade, Ferreira (2006) desenvolve equaes para a verificao da compatibilidade de veculos crticos com as obras de arte analisadas no trabalho. Essas
equaes so chamadas de ECPLs (equaes comprimento-peso limite) e tm o mesmo propsito da bridge formula americana, que impor limites para o peso de um grupo de dois ou mais eixos.
Ferreira (2006) afirma que, mesmo sendo considerada excessivamente restritiva, a bridge formula
(apresentada na Equao 2.1) bastante conveniente e de fcil uso, pois determina o peso mximo em funo da distncia entre o grupo de eixos.
BN
W = 2, 224
+ 12 N + 36
0,3048(N 1)
em que:
(2.1)
W:
peso bruto total para qualquer grupo de dois ou mais eixos consecutivos (kN);
B:
N:
As equaes propostas por Ferreira (2006) se dividem em funo da classe da ponte (36 ou
45) e do estado limite (ltimo ou de servio). As equaes 2.2 e 2.3 se referem anlise do estado
limite ltimo, enquanto as equaes 2.4 e 2.5, ao estado limite de servio.
W 36 = 23,9 B + 195,1
(2.2)
W 45 = 26, 2 B + 233,9
(2.3)
W 36 = 20, 2 B + 319,1
(2.4)
17
W 45 = 20,1 B + 213,6
em que:
2.7
W:
B:
(2.5)
O modelo de Luchi
Luchi (2006) apresenta um modelo para a verificao do trem-tipo de projeto de pontes e
viadutos da norma brasileira a partir de dados de pesagens e de fluxos de trfego de uma rodovia
de pista dupla (SP-310). O modelo baseado em simulaes das passagens e cargas de veculos
atravs do mtodo de Monte Carlo.
Nesse estudo, so efetuadas anlises de pontes com vos de 20 m a 300 m, sendo calculados os momentos fletores no meio do vo e as foras cortantes adjacentes aos apoios para as
estruturas isostticas e os momentos fletores no apoio central de pontes contnuas de dois vos.
O estudo d uma maior nfase s situaes de congestionamento sobre a ponte e so feitas extrapolaes estatsticas para a obteno dos esforos caractersticos, levando em conta as diferentes situaes de trfego possveis.
O modelo de Luchi (2006) consiste em gerar, por simulao de Monte Carlo, carregamentos aleatrios que podem ocorrer ao longo da vida til da estrutura, atravs das distribuies de
probabilidade de passagem e de pesos para cada uma das categorias de veculos. Os esforos solicitantes caractersticos so obtidos da extrapolao da distribuio de mximos anuais. O estudo
considera 19 configuraes de eixos para os caminhes, obtidas a partir de 121.078 pesagens.
O autor destaca que existem diversas variveis aleatrias para o problema analisado, entre
elas: probabilidade de passagem diria de veculos, distncia entre os eixos dos veculos, cargas
dos eixos dos veculos e distncia entre os veculos. Assim, em virtude da grande diversidade nas
variveis citadas, Luchi (2006) adota valores determinsticos para todas elas. Alm disso, so feitas
as seguintes consideraes como forma de simplificao:
18
As distncias entre eixos tm como base a mdia dos veculos reais para cada configurao;
O autor considera que a principal contribuio do trabalho a elaborao de procedimentos sistematizados de simulao de passagens de veculos em pontes. No entanto, o uso de uma
simulao de Monte Carlo, ainda que incorpore valores de carregamentos observados, no significa que os carregamentos obtidos sejam representativos da realidade, uma vez que este tipo de
modelo no consegue incorporar os efeitos da corrente de trfego sobre o espaamento e as velocidades dos veculos.
2.8
Consideraes finais
O desenvolvimento de modelos de carregamento mvel vem sendo tema de vrios estudos,
19
21
3.Mtodo de Pesquisa
O mtodo usado para o desenvolvimento desta pesquisa consistiu das seguintes atividades:
1. Reviso bibliogrfica;
2. Estudo do modelo de simulao CORSIM e determinao do procedimento para a sua
calibrao;
3. Coleta de dados;
4. Calibrao e validao do CORSIM; e
5. Estudo de caso.
A seguir, cada uma dessas atividades detalhada.
3.1
Reviso bibliogrfica
A reviso bibliogrfica foi realizada fundamentalmente atravs de consultas a artigos em
22
3.2
tensivamente utilizado em aplicaes prticas e pesquisas por ser considerado eficiente para a
anlise da operao do trfego em uma grande variedade de situaes (Owen et al., 2000). O estudo do modelo visou o conhecimento de sua lgica e das variveis e parmetros relacionados
simulao do fluxo de trfego. Com isso, foi possvel determinar os dados de entrada necessrios,
quais resultados poderiam ser obtidos do modelo e, conseqentemente, realizar um planejamento
adequado da coleta de dados.
A calibrao de um modelo de simulao o processo de ajuste dos valores dos parmetros
do modelo para que ele represente realisticamente os componentes do sistema que est sendo
simulado (Brockfeld et al., 2004). Esse processo pode ser feito de duas formas: manual ou automtica. A forma manual mais simples, entretanto, pode se tornar muito demorada. Alm disso,
na calibrao manual existe uma maior possibilidade de ocorrerem erros, j que o processo iterativo. A calibrao simultnea de alguns parmetros mais trabalhosa e requer mais tempo do
que a calibrao de um nico parmetro por vez. A calibrao de um nico parmetro por vez
deve ser evitada, pois os parmetros de calibrao so, muitas vezes, inter-relacionados. Uma
pesquisa realizada por Egami (2000) evidenciou as limitaes da calibrao manual de um simulador de rodovias de pista simples.
Nesta pesquisa, optou-se pela utilizao de um processo automatizado de calibrao, feito
atravs de um programa computacional que realiza as etapas (iteraes) do processo manual. O
processo escolhido apresenta algumas vantagens: permite que um nmero maior de parmetros
seja calibrado de forma individual ou simultnea; reduz o tempo de calibrao; diminui significativamente a possibilidade de ocorrncia de erros, visto que tem como base um algoritmo compilado e testado.
23
3.3
Coleta de dados
O uso de modelos de simulao tem como requisito bsico a entrada de dados referentes
ao trfego e geometria da rodovia estudada. Os dados de trfego so obtidos, geralmente, atravs de observaes em campo. Os dados referentes geometria podem ser obtidos atravs de
projetos ou, em certos casos, atravs de levantamentos realizados em campo. A qualidade dos
dados coletados muito importante para que fique assegurado, aps os processos de calibrao e
validao do modelo, que o simulador est reproduzindo adequadamente o fluxo de trfego e que
os resultados gerados so confiveis.
Nesta pesquisa, a coleta dos dados relativos ao trfego foi feita com o auxlio de cmeras de
vdeo e pesquisadores. Os dados relacionados geometria da via foram obtidos atravs do projeto geomtrico do trecho.
Os dados de trfego foram coletados em um trecho da Rodovia Washington Luiz (SP-310)
que margeia o municpio de So Carlos e foram usados com o propsito de calibrar e validar o
modelo de simulao CORSIM.
Um segundo tipo de coleta de dados usado nesta pesquisa est relacionado s caractersticas dos veculos pesados, tais como peso bruto total, peso por eixo e distncia entre eixos. Esses
dados foram obtidos em balanas do estado de So Paulo, tambm com a utilizao de cmeras
de vdeo e pesquisadores.
3.4
24
los, 2004). Alm disso, a sua formulao elimina o risco de existir a compensao entre erros positivos e negativos, o que poderia acarretar um julgamento incorreto do grau de preciso dos resultados.
O processo de calibrao utilizado nesta pesquisa foi automatizado e usou um programa
computacional baseado em um algoritmo gentico. Essa abordagem foi escolhida por ser considerada mais eficiente se comparada utilizao de procedimentos manuais.
3.5
Estudo de caso
O estudo de caso realizado nesta pesquisa analisou o efeito da operao do trfego de ve-
culos pesados em uma ponte simplesmente apoiada de 100 m. Nele, foram obtidas as probabilidades de presena simultnea de caminhes sobre uma ponte hipottica no trecho de rodovia de
pista dupla simulado e os carregamentos mveis decorrentes dessas presenas. Dois cenrios de
trfego foram usados na simulao.
Foram tambm comparados os momentos fletores originados pelo trem-tipo da classe de
ponte 45 e pelo trfego simulado. Essa anlise permitiu verificar a adequabilidade da norma atualmente em vigor (NBR-7188) quanto s consideraes da ao das cargas mveis no processo de
anlise estrutural das pontes.
25
O simulador CORSIM
O CORSIM um modelo de simulao microscpica de trfego sofisticado e potente pro-
jetado para simular fluxos de trfego em redes integradas de rodovias e reas urbanas. Uma aplicao apropriada do CORSIM requer um bom entendimento da sua capacidade e das suas limitaes, bem como das suposies nele contidas relacionadas modelagem do fluxo de trfego.
O modelo CORSIM foi desenvolvido e mantido pelo Federal Highway Administration
(FWHA) e consiste em uma integrao de dois modelos de simulao microscpica de trfego:
NETSIM e FRESIM. O NETSIM faz a representao do trfego em reas urbanas, enquanto o
FRESIM fornece a representao em freeways (Milam e Choa, 2002).
26
27
O arquivo geral de entrada do CORSIM possui extenso TRF e, aps a simulao, um arquivo de resultados (ou arquivo de sada) criado com o mesmo nome do arquivo de entrada,
porm com a extenso OUT. Esse arquivo contm um relatrio global da simulao. Ambos
podem ser manipulados em programas editores de texto.
Um segundo arquivo de resultados, usado pelo TRAFVU para realizar a animao, tambm
criado aps a simulao. Esse arquivo possui extenso TSD (time step data) e contm informaes detalhadas sobre cada um dos veculos simulados em intervalos de um segundo. Este arquivo permite a obteno de resultados efetivamente microscpicos da simulao.
Uma vez que a aplicao do CORSIM nesta pesquisa refere-se simulao de trfego de
uma rodovia, o componente utilizado o FRESIM. Dessa forma, no decorrer deste trabalho, o
termo CORSIM faz aluso ao FRESIM.
4.2
do CORSIM compreende dados de entrada sobre a oferta e a demanda. Entre os dados de oferta,
podem ser relacionados os ns, os tramos e os sistemas de controle de trfego, que caracterizam
a rede viria modelada. Os atributos dos ns envolvem as suas coordenadas (x, y). Os atributos
dos tramos incluem comprimento, rampa e vrios outros aspectos tais como nmero de faixas,
velocidade de fluxo livre, tipo de pavimento, etc. O sistema de controle de trfego abrange o tipo
de controle existente na interseo (semforos, placas de pare ou intersees sem controle) e os
atributos apropriados de cada tipo de controle (localizao do semforo, tempo de ciclo, etc.). Os
dados de demanda compreendem as informaes de origem/destino ou as informaes do fluxo
necessrias para a gerao do trfego dentro do simulador e as rotas dos veculos.
Alguns aspectos relacionados aos dados de entrada de um modelo de simulao variam em
funo do tempo ou do espao. As caractersticas que variam com o tempo esto, em geral, relacionadas tanto demanda quanto oferta. Como exemplos dessa variao temporal podem ser
citados as matrizes origem/destino (demanda) e os ciclos semafricos (oferta). As caractersticas
28
que variam com o espao englobam basicamente dados de oferta, sendo o exemplo mais clssico
a geometria dos tramos.
4.3
tramos, os atributos dos ns e as informaes sobre o controle de trfego. No CORSIM, os principais dados de entrada so:
4.4
Os dados de demanda incluem as viagens entre pontos, representadas por uma matriz origem/destino, e tambm os fluxos de trfego nos ns de entrada da rede. No CORSIM, esses
dados podem ser inseridos atravs de dois mtodos, apresentados a seguir.
O primeiro mtodo inclui a identificao dos fluxos de trfego nos ns de entrada (RT50) e
os dados sobre os movimentos de converso em cada acesso de sada da rede (RT25). A partir
dessas informaes, o CORSIM utiliza um modelo gravitacional para transformar as porcentagens dos movimentos de converso em uma tabela com dados percentuais de origem/destino.
O segundo mtodo usado para gerar a demanda no CORSIM uma estimativa de uma matriz origem/destino sinttica em que o usurio especifica um par origem/destino em porcentagem. Nessa alternativa, o usurio responsvel por garantir que o fluxo de trfego em cada n de
destino condizente com o calibrado na alternativa anterior, usando os fluxos e as porcentagens
de movimentos de converso do RT50 e do RT25. Para ambos os mtodos, os fluxos de trfego
devem ser gerados em cada n de entrada da rede.
29
O CORSIM pode gerar os veculos na rede de forma estocstica ou determinstica. As distribuies normal e de Erlang podem ser usadas para gerar os headways de forma estocstica. A
distribuio normal apresentada na Equao 4.1 e a distribuio de Erlang apresentada na
Equao 4.2:
1 t
1
f (t ) =
e 2
2
em que:
<t <
(4.1)
headways (s).
f (t ) =
em que:
( qa ) a
( a 1) !
t ( a 1)e ( aqt )
0<t <
(4.2)
headways (s).
No CORSIM, o valor de a pode variar entre 1 e 4. Um caso especial da distribuio de Erlang ocorre quando a=1. Nesse caso, ela conhecida como a distribuio exponencial negativa,
apresentada na Equao 4.3:
f ( t ) = qe ( qt )
(4.3)
De fato, o resultado do uso dessa distribuio uma distribuio exponencial negativa alterada, pois no CORSIM a distncia mnima para a gerao de veculos fica proibida de incidir abaixo de um determinado valor mnimo especificado pelo usurio.
30
4.5
Dados de sada
31
A construo da rede foi baseada no projeto geomtrico da rodovia, que inclui dados importantes tais como extenso e inclinao das rampas. Outros dados que no puderam ser obtidos atravs do projeto geomtrico (por exemplo, os comprimentos das faixas auxiliares de acelerao e desacelerao) foram obtidos em campo.
32
4.7
O CORSIM possui uma grande variedade de parmetros de calibrao que permitem que o
usurio ajuste o simulador para que ele possa refletir as condies de trfego existentes. Esses
parmetros de calibrao do CORSIM podem ser classificados em duas categorias gerais:
1) comportamento dos motoristas e 2) desempenho dos veculos.
Uma pesquisa recente mostrou que dentro dessas categorias os parmetros mais crticos e
com comprovado efeito nos resultados da simulao esto relacionados lgica do car-following.
Adicionalmente, so considerados importantes na anlise os fatores de acelerao, desacelerao
e mudana de faixa (Schultz, 2003).
Alguns parmetros de calibrao do CORSIM esto relacionados rede simulada como um
todo, enquanto outros so especficos para cada tipo de veculo. A seguir, apresenta-se cada um
desses parmetros de calibrao.
4.7.1
coluna da tabela identifica o nmero do parmetro (P1 a P20), a segunda coluna fornece a descrio sumria do parmetro baseada no manual do CORSIM, a terceira coluna lista a unidade de
cada parmetro, enquanto a quarta coluna identifica o valor default de cada parmetro considerado
pelo CORSIM. A quinta e a sexta colunas apresentam, respectivamente, os valores mnimo e
mximo para o parmetro que so aceitos pelo simulador. Vale ressaltar que alguns desses limites
de valores, tanto mnimo como mximo, no so definidos no manual do simulador e foram adotados com base em um estudo anterior (Schultz, 2003).
Os parmetros gerais para calibrao do modelo de simulao podem ser classificados em
trs categorias:
1) fatores de sensibilidade para a lgica do car-following (P1 a P11), que compem o RT68;
2) fatores de acelerao e desacelerao (P12 e P13), contidos no RT69; e
3) fatores relacionados mudana de faixa (P14 a P20), especificados no RT70.
33
Descrio
Fator de sensibilidade para o car-following
(motoristas do tipo 1)
Fator de sensibilidade para o car-following
(motoristas do tipo 2)
Fator de sensibilidade para o car-following
(motoristas do tipo 3)
Fator de sensibilidade para o car-following
(motoristas do tipo 4)
Fator de sensibilidade para o car-following
(motoristas do tipo 5)
Fator de sensibilidade para o car-following
(motoristas do tipo 6)
Fator de sensibilidade para o car-following
(motoristas do tipo 7)
Fator de sensibilidade para o car-following
(motoristas do tipo 8)
Fator de sensibilidade para o car-following
(motoristas do tipo 9)
Fator de sensibilidade para o car-following
(motoristas do tipo 10)
Valor
Valor
Valor
1/100 s
125
110
140
1/100 s
115
100
130
1/100 s
105
90
120
1/100 s
95
80
110
1/100 s
85
70
100
1/100 s
75
60
90
1/100 s
65
50
80
1/100 s
55
40
70
1/100 s
45
30
60
1/100 s
35
20
50
10
10
Unidade
P11
P12
1/10 s
15
P13
1/10 s
15
P14
1/10 s
20
10
60
P15
1/10 s
16
10
30
20
40
1/10
10
1/10
10
p/s2
15
20
P16
P17
P18
P19
P20
Os fatores de sensibilidade para a lgica do car-following so baseados na idia de que o desejo de um motorista de seguir o veculo sua frente varia de acordo com um nvel de sensibilidade
34
especfico para cada tipo de motorista. Para levar em conta essa variabilidade do comportamento
dos motoristas, o CORSIM permite que 10 fatores diferentes de sensibilidade sejam definidos, ou
seja, 10 tipos de motoristas so considerados, cada um com um nvel diferente de agressividade.
O CORSIM designa aleatoriamente um fator de sensibilidade para o motorista ao inserir o
veculo na rede e esse fator permanece constante durante toda a simulao. Khan et al. (2000)
afirmam que o ideal seria que o fator de sensibilidade pudesse variar ao longo da simulao, uma
vez que os motoristas tendem a se comportar de maneira diferente em situaes de fluxo livre e
congestionado.
No CORSIM, a unidade dos fatores de sensibilidade para o car-following centsimo de segundo. Assim, para um fator de sensibilidade de 1,05 s, o valor a ser inserido 105.
O CORSIM usa o modelo de Pitt para modelar o car-following. Esse modelo, adotado no
modelo microscpico de simulao de rodovias INTRAS (Integrated TRAffic Simulation), foi desenvolvido na Universidade de Pittsburgh (Rakha e Crowther, 2002). O modelo de Pitt assume que o
motorista do veculo seguidor tentar manter uma distncia em relao ao veculo lder de acordo
com a Equao 4.4 (Aycin e Benekohal, 1999). A ilustrao dos componentes dessa equao
apresentada na Figura 4.3.
H = L + P j t + P11 + bP j ( t t )2
em que:
j = 1, N
H:
distncia (p);
L:
Pj:
P11:
t:
t:
N:
b:
(4.4)
35
Os primeiros trs termos da equao (L + Pjt + P11) so necessrios para garantir uma distncia mnima entre os veculos. O primeiro termo (L) leva em conta o comprimento do veculo
lder, enquanto o segundo termo (Pjt) usado para representar a variabilidade na distncia entre
os veculos atravs do uso dos fatores de sensibilidade dos motoristas definidos anteriormente. O
terceiro termo, a constante de Pitt (P11), usado para determinar a distncia absoluta mnima e
pode ser calibrado para qualquer valor inteiro entre 3 ps e 10 ps. O termo final da equao, bPj
(t -t )2, foi introduzido para permitir uma velocidade de aproximao relativamente alta baseada
em estudos empricos e a incluso de uma constante de calibrao, b, que assume o valor de 0,1
ou 0 dependendo da relao entre as velocidades do veculo lder e do veculo seguidor. O valor
de b tambm documentado de outra maneira, assumindo o valor de 0,1 se t - t 10 ou 0 se
essa condio no for atendida (Halati et al., 1997).
Com base na Equao 4.4, a acelerao do veculo seguidor pode ser obtida como uma
funo do comprimento do veculo, da distncia mnima e das relaes entre velocidade e posio dos veculos seguidor e lder. A relao resultante apresentada na Equao 4.5, cuja deduo
pode ser encontrada na literatura (Aycin e Benekohal, 1999):
af =
em que:
2 x t +T y t L P11 t P j + T bP j ( t +T t ) 2
T + 2P j T
2
j = 1, N
af:
yt:
(4.5)
36
T:
xt+T:
t +T:
t +T = t + a f (T P j )
1
y t +T = y t + t T + a f T P j
2
em que:
(4.6)
t+T:
yt+T:
Pj:
j:
(4.7)
O CORSIM utiliza um algoritmo para mudana de faixa que inclui os dois lados do processo de deciso, ou seja, a oferta (avaliao de gap) e a demanda (aceitao de gap). O algoritmo inclui aspectos relacionados ao comportamento dos motoristas ao permitir uma variedade de valores de entrada usados para determinar o desejo de um motorista de melhorar a sua situao na
37
corrente de trfego atravs de uma manobra de mudana de faixa. A Figura 4.4 ilustra o processo
de mudana de faixa, identificando a posio do veculo lder e do veculo seguidor em relao ao
veculo que deseja realizar a manobra.
Figura 4.4 Ilustrao do processo de mudana de faixa
38
As mudanas de faixa obrigatrias so consideradas as mais rigorosas pois, devido necessidade da manobra, os motoristas aceitam um maior nvel de risco. As seguintes situaes esto
includas nessa categoria:
Veculos que precisam chegar a uma faixa apropriada para sair da via;
Veculos que precisam deixar uma faixa que se encerra mais frente.
39
O risco aceitvel, ou seja, a desacelerao aceitvel por um motorista que sai de um acesso
em uma faixa auxiliar e quer entrar no fluxo de trfego principal determinado pela Equao 4.8
(Halati et al., 1997):
a = a min + (e a min )
em que:
d
l
a:
amin:
e:
d:
l:
(4.8)
Para os veculos que tentam alcanar a faixa apropriada para sair da via, a desacelerao aceitvel calculada de acordo com a Equao 4.9 (Halati et al., 1997):
e d > 200
a=
d
a min + (e a min ) l d 200
(4.9)
O CORSIM permite que o usurio estabelea o gap aceitvel para mudanas de faixa obrigatrias atravs do parmetro de calibrao P16, que utilizado para identificar o grau de agressividade dos motoristas, podendo variar de 1, o mais agressivo, a 6, o menos agressivo (FHWA,
2001).
4.7.1.3.2
As mudanas de faixa arbitrrias so aquelas realizadas com o intuito de ultrapassar veculos mais lentos, visando a obteno de uma posio mais favorvel na corrente de trfego ou
atingir uma velocidade mais alta. A lgica desse tipo de mudana de faixa se baseia em fatores
comportamentais dos motoristas: motivao, vantagem e urgncia (Schultz, 2003).
40
i = ff
em que:
50 + 2c
100
i:
ff:
c:
(4.10)
Uma vez que a velocidade intolervel calculada, o desejo de realizar a manobra de mudana de
faixa ento modelado pela Equao 4.11 (Halati et al., 1997):
100 i
( i )
D = 100 1
i < < ff
ff i
0
ff
em que:
D:
(4.11)
A mudana de faixa por vantagem fornece aos motoristas a oportunidade de melhorar sua
situao na corrente de trfego e modelada atravs de dois fatores, Fl e Fp. O fator Fl representa
a desvantagem para o motorista de permanecer na faixa em que se encontra, enquanto Fp representa o ganho em mudar para uma outra faixa. O fator Fl calculado pela Equao 4.12, enquanto o headway existente na faixa em que o veculo se encontra calculado pela Equao 4.13 (Halati
et al., 1997):
1 h h min
h h min
(4.12)
41
h=
em que:
s Fs d
ff
Fl :
fator de desvantagem;
h:
hmin:
hmax:
s:
Fs:
d:
(4.13)
O fator Fp representa o ganho em mudar para uma outra faixa e calculado para as faixas
adjacentes a que o veculo se encontra, sendo a escolhida aquela que tiver o maior Fp. O mtodo
para o clculo desse fator idntico ao do Fl apresentado anteriormente, com uma exceo: no
Fp, o clculo do headway feito em relao ao veculo lder na faixa para a qual o motorista deseja
mudar e no em relao ao veculo lder na faixa em que ele se encontra.
O benefcio global para a realizao de uma mudana de faixa arbitrria ento calculado
pela diferena entre Fp e Fl, sendo a mudana de faixa permitida se essa diferena exceder o valor
limite do benefcio (P19). O parmetro P19 no CORSIM tem um valor default de 0,4 e limites inferior e superior de 0,1 e 1,0, respectivamente (FHWA, 2001).
O ltimo tipo de mudana de faixa arbitrria o causado pela urgncia. Ele se baseia na
suposio de que o motorista que deseja mudar de faixa e no consegue ir gradualmente se tornar impaciente e, conseqentemente, passar a aceitar um risco maior para realizar a manobra. A
metodologia bsica por trs dessa deciso se baseia no fator de urgncia (U), que obtido atravs
da Equao 4.14, e no fator de impacincia (IMP), calculado com auxlio da Equao 4.15 (Halati
et al., 1997):
U = (1 Fl )IMP (t )
(4.14)
42
IMP (t ) = IMP (t t ) +
em que:
U:
c +1
X (t )
20
(4.15)
fator de urgncia;
instante corrente;
t:
c:
X(t):
xa; e
Fl :
A desacelerao aceitvel pelo motorista que deseja mudar de faixa de forma arbitrria baseada no fator de urgncia computada de acordo com a Equao 4.16, em que o valor default
mnimo aceitvel para a desacelerao 5 ps/s2 (1,52 m/s2) e o valor default mximo aceitvel
10 ps/s2 (3,04 m/s2) (Halati et al., 1997):
a min U < 1 0,05c
a=
U + 0,05c 1
U 1 0,05c
a min + (a max a min )
0,05c
em que:
a:
(4.16)
taxa de desacelerao aceitvel pelo motorista que deseja realizar uma mu-
43
mudana de faixa arbitrria (P18) e o valor limite do benefcio para realizar uma mudana de faixa
arbitrria (P19) podem ser ajustados durante a calibrao do modelo.
4.7.1.3.3
vel, caminho, nibus e carpool) e atravs do tipo de veculo existente em cada uma das frotas. O
CORSIM permite que o usurio se utilize de at nove tipos diferentes de veculos para caracterizar as quatro frotas bsicas de veculos. A definio que o modelo usa para identificar os tipos de
veculos est contida na Tabela 4.2.
Tabela 4.2 Frotas e tipos de veculos usados pelo CORSIM
Frota de Veculo
Automvel
Caminho
nibus
Carpool
Tipo
Descrio do Veculo
1
Carro de passeio de baixo desempenho
2
Carro de passeio de alto desempenho
3
Caminho leve
4
Caminho mdio
5
Caminho pesado
6
Caminho extra-pesado
7
nibus convencional
8
Carro de passeio de baixo desempenho
9
Carro de passeio de alto desempenho
44
Descrio
Desacelerao mxima no emergencial
para o veculo do tipo 1
Desacelerao mxima no emergencial
para o veculo do tipo 2
Desacelerao mxima no emergencial
para o veculo do tipo 3
Desacelerao mxima no emergencial
para o veculo do tipo 4
Desacelerao mxima no emergencial
para o veculo do tipo 5
Desacelerao mxima no emergencial
para o veculo do tipo 6
Desacelerao mxima no emergencial
para o veculo do tipo 7
Desacelerao mxima no emergencial
para o veculo do tipo 8
Desacelerao mxima no emergencial
para o veculo do tipo 9
Valor
Valor
Valor
1/10 p/s2
80
70
120
1/10 p/s2
80
70
120
1/10 p/s2
80
40
100
1/10 p/s2
80
40
100
1/10 p/s2
80
40
100
1/10 p/s2
80
40
100
1/10 p/s2
80
40
100
1/10 p/s2
80
70
120
1/10 p/s2
80
70
120
Unidade
O modelo INTRAS foi desenvolvido originalmente para representar quatro tipos diferentes de veculos. Alguns estudos identificam as fontes que foram usadas pelo modelo para a caracterizao do desempenho dos veculos e uma variedade de caractersticas descritivas para padres
45
de desempenho que so utilizados pelo CORSIM (Huff e Scrivner, 1955; St. John e Kobett, 1978;
ITE, 1965).
No CORSIM, a maioria das consideraes sobre o desempenho dos veculos derivada do
procedimento apresentado no estudo realizado por St. John e Kobett (1978), que tem como base
a relao peso/potncia para cada tipo de veculo. Os perfis da acelerao dos veculos no modelo INTRAS foram baseados na hiptese de que ela influenciada pela velocidade, pela existncia
de rampa e pelas caractersticas dos veculos. Sendo assim, intervalos de velocidade de 20 ps/s
foram definidos, nos quais a acelerao foi assumida como constante. A acelerao mdia para os
automveis foi baseada em estudos publicados no Traffic Engineering Handbook (ITE, 1965). As
aceleraes dos veculos foram desenvolvidas com base em duas categorias de desempenho: baixa
e alta. As taxas de acelerao resultantes foram ento ajustadas com base no efeito de rampas,
gerando os perfis da acelerao. As aceleraes dos caminhes tambm foram geradas com base
em estudos anteriores para serem classificadas em funo do tipo de veculo, das rampas e da
velocidade. Os resultados das taxas de acelerao iniciais para rodovias em nvel so fornecidos
na Tabela 4.4 (Wicks e Lieberman, 1980).
Tabela 4.4 Taxas de acelerao para calibrao no INTRAS por tipo de veculo (p/s2)
Velocidade (p/s)
0 a 20 20 a 40 40 a 60 60 a 80 >80
Carro de passeio de baixo desempenho
6,0
3,0
2,0
6,0
6,0
Carro de passeio de alto desempenho
11,0
11,0
10,0
5,0
3,0
Caminho leve
3,0
2,0
1,0
1,0
1,0
Caminho extra-pesado
1,0
1,0
1,0
1,0
1,0
Tipo de Veculo
Com os avanos realizados, o nmero de tipos de veculos disponveis no INTRAS aumentou de quatro para nove, apesar de as caractersticas operacionais dos tipos 1 e 2 se igualarem s
dos tipos 8 e 9, o que resulta em caractersticas operacionais diferentes para apenas sete tipos de
veculos. Com esse aumento no nmero de tipos de veculos, as aceleraes tambm sofreram
ajustes para refletir as caractersticas dos novos veculos. No TSIS 5.1, a acelerao mxima para
os veculos segue os valores contidos na Tabela 4.5, que indica algumas das alteraes feitas com
46
relao aos perfis da acelerao, bem como apresenta os perfis atuais em funo de cada um dos
sete ndices de desempenho, definidos na Tabela 4.6. Os dados que compem essa tabela fazem
parte do RT173.
Velocidade (p/s)
0
10
20
30
40
50
60
70
80
90
100
110
1
8,0
9,0
6,0
5,0
5,0
5,0
4,0
3,0
2,0
2,0
1,0
1,0
2
6,0
12,0
10,0
8,0
7,0
6,0
4,0
4,0
4,0
2,0
2,0
2,0
ndice de Desempenho
3
4
5
4,7
2,8
2,8
5,4
2,4
2,4
4,9
2,2
1,8
3,5
2,0
1,6
3,1
1,7
1,3
2,6
1,4
1,0
2,1
1,1
0,7
1,7
0,8
0,5
1,3
0,6
0,3
0,9
0,3
0,1
0,5
0,1
0,0
0,1
0,0
0,0
6
2,5
2,1
1,4
1,1
0,9
0,6
0,4
0,3
0,1
0,0
0,0
0,0
7
7,5
5,3
3,2
2,7
2,3
1,7
1,4
1,0
0,8
0,5
0,0
0,0
Definio
Automvel de baixo desempenho
Automvel de alto desempenho
Caminho leve
Caminho mdio
Caminho pesado
Caminho extra-pesado
nibus convencional
Uma caracterstica adicional da acelerao usada pelo modelo CORSIM a taxa de mudana de acelerao. Essa taxa utilizada para controlar a mudana mxima na acelerao permitida
durante o intervalo de atualizao da simulao (1 s). O CORSIM considera que essa taxa de
7 ps/s3. A literatura disponvel possui pouca informao a respeito dessa taxa e do seu efeito no
desempenho no modelo de simulao. Um estudo feito por Botzow (1974) com a finalidade de
desenvolver um conceito de nvel de servio para o transporte pblico apresenta valores aceitveis com base no conforto do passageiro e afirma que uma taxa em torno de 0,19 g/s (6 ps/s3)
indesejada para passageiros.
47
Os parmetros finais para a calibrao do CORSIM so os de distribuio da frota, especificados no RT71 do modelo. Esse arquivo permite que o usurio modifique os valores default
usados pelo CORSIM para representar os componentes de cada frota de acordo com a distribuio dos dados obtidos para a rede simulada (FHWA, 2001). A Tabela 4.7 mostra os valores default
contidos no CORSIM para caracterizar as quatro frotas de veculos.
Tabela 4.7 Valores default para os componentes das frotas de veculos
Frota de Veculo Tipo Participao na Frota (%)
1
25
Automvel
2
75
3
31
4
36
Caminho
5
24
6
9
nibus
7
100
8
25
Carpool
9
75
Se o usurio considera que esses valores no so aceitveis para a rede simulada, ele pode
estabelecer diferentes distribuies dos veculos em cada frota. Entretanto, o limite de nove tipos
de veculos e o ndice de desempenho de cada um deles, apresentado na Tabela 4.6, devem ser
respeitados.
4.8
Consideraes finais
Este captulo apresentou as caractersticas principais do simulador de trfego escolhido para uso nesta pesquisa, o CORSIM. A identificao dos dados necessrios para o uso do simulador
permitiu que fosse realizado um planejamento adequado das coletas de dados, descritas no Captulo 5.
48
Os parmetros que permitem que o usurio ajuste o simulador de forma a representar apropriadamente as condies de campo foram usados para calibrar o CORSIM para a rede de
trfego estudada, conforme apresentado no Captulo 6.
49
5.Coleta de Dados
O uso de modelos de simulao torna altamente desejvel a obteno de um conjunto de
dados que sirva de entrada para o modelo e que represente as condies observadas em campo.
Contudo, na maioria dos estudos em que simuladores de trfego so usados os recursos para a
obteno de dados em campo so limitados e, mesmo quando eles existem, alguns dados so
muito difceis de serem obtidos diretamente (Hellinga, 1998). Ento, importante que se faa um
planejamento em que sejam definidos os tipos de dados necessrios e os nveis de agregao
temporal e espacial desses dados, alm da cobertura temporal e espacial que se deseja obter. De
forma geral, pode-se afirmar que coletar dados de trfego em campo uma tarefa difcil, onerosa
e que consome muito tempo (Kim et al., 2005).
Este captulo trata das coletas de dados que foram realizadas para o desenvolvimento da
pesquisa. Dois tipos de coletas foram necessrios: o primeiro deles estava relacionado aos dados
de trfego usados na simulao, que serviram para calibrar e validar o CORSIM, e o segundo,
caracterizao da frota de veculos pesados que trafega no estado de So Paulo. Essa caracterizao tornou possvel o conhecimento de dados essenciais para a realizao do estudo de caso proposto nesta pesquisa, tais como os pesos por eixos, as distncias entre eles e as relaes peso/potncia dos veculos pesados. A seguir, so apresentados os locais escolhidos para as coletas
de dados, os mtodos de coleta empregados e as anlises dos dados coletados.
50
5.1
Um nico trecho de rodovia de pista dupla foi selecionado para a coleta de dados de trfego. Esse trecho est localizado no municpio de So Carlos - SP, parte da Rodovia Washington
Luiz (SP-310) e operado sob o regime de concesso. Uma caracterstica desse trecho a presena de um trfego misto, combinando trfego urbano com trfego interurbano. Ele possui uma
extenso aproximada de 7,5 km e, alm da via principal, compreende 11 acessos no sentido capital-interior (Norte) e 16 acessos no sentido oposto. A geometria do trecho considerada ondulada, com a presena de rampas curtas de at 5%. Uma foto area de So Carlos - SP com a localizao do trecho estudado da SP-310 pode ser vista na Figura 5.1.
Para esta pesquisa, alm de dados caracterizando o fluxo e a composio do trfego, tambm foram coletados dados de origem/destino e da velocidade da corrente de trfego. A obteno da matriz origem/destino foi considerada necessria para que pudesse representar o trfego
observado com o grau de fidelidade desejado. As observaes de velocidade mdia da corrente de
51
trfego em postos de controle ao longo do trecho foram necessrias para o processo de calibrao e validao do simulador.
Os dados para caracterizao dos fluxos de trfego e para a estimativa das matrizes origem/destino foram coletados simultaneamente. O mtodo de coleta utilizado foi a observao e
o registro em planilhas, em intervalos de 15 minutos, do tipo de veculo e dos algarismos existentes em sua placa. Este mtodo, chamado mtodo das placas, comumente utilizado em pesquisas do tipo origem-destino e recomendado para trechos em que o fluxo de trfego muito elevado para ser paralisado para entrevistas e/ou onde o nmero de entradas e sadas grande (Robertson et al., 1994).
Nele, alguns postos de controle estratgicos so selecionados na rede de trfego e, no instante em que o veculo passa por esses postos, o nmero de sua placa registrado, permitindo
com isso o seu rastreamento. Para a aplicao desse mtodo, recomendado que os postos de
controle estejam localizados nos extremos da rede e, se possvel, tambm em pontos intermedirios. Dessa forma, tem-se que a origem de um determinado veculo primeiro posto em que sua
placa foi registrada e o seu destino o ltimo posto com registro de sua passagem.
A grande vantagem desse mtodo a amostra obtida que, em alguns casos, pode chegar a
100% da populao, dependendo da corrente de trfego observada e do nmero de pesquisadores envolvidos. Em contrapartida, a sua principal desvantagem consiste no trabalho de tabulao
dos dados, geralmente muito grande. A tarefa de combinao das placas pode ser manual ou
computadorizada, mas em qualquer um dos casos ela muito custosa (DNIT, 2006).
Nesta aplicao do mtodo, foram escolhidos como postos de controle os viadutos localizados nos extremos do trecho de rodovia selecionado, as passarelas de pedestres localizadas em
pontos intermedirios e tambm os acessos de entrada e sada da rodovia. Dessa forma, puderam
ser obtidos os dados de fluxo e composio do trfego e a matriz origem-destino. As informaes relacionadas s coletas de dados esto contidas na Tabela 5.1.
52
Horrio
6/6/2005
13/6/2005
1/7/2005
10:00 12:00
09:00 12:00
14:00 17:00
Postos de Controle
(SP-310)
6
6
8
Postos de Controle
(Acessos)
27
27
27
Pesquisadores
Envolvidos
23
23
25
Os postos de controle ao longo da rodovia foram monitorados por um pesquisador em cada sentido do trfego. Nos acessos, um nico pesquisador coletou dados dos veculos que entravam e saam, em funo dos baixos fluxos de trfego observados.
Alm disso, devido ao volume de trfego e alta velocidade dos veculos na SP-310, os
pesquisadores localizados ao longo da rodovia utilizaram cmeras de vdeo juntamente com as
planilhas. Foram usadas seis cmeras de vdeo nas duas primeiras coletas de dados e oito cmeras
de vdeo na ltima coleta. Essas cmeras so digitais e possuem baterias com autonomia de gravao suficiente para os perodos planejados de coleta. Elas possuem relgios internos com informao sobre hora, minuto e segundo que foram sincronizados antes do incio de cada coleta
de dados.
5.1.1
Dados coletados
A seguir, so apresentados os dados obtidos nas trs coletas de dados. Para caracterizar a
A partir das anotaes registradas nas planilhas e das imagens gravadas em vdeo foram obtidos os fluxos de trfego apresentados nas Figuras 5.2, 5.3 e 5.4. Esses fluxos so referentes aos
postos de controle da SP-310 que representam o incio da rede em cada sentido de trfego. Os
dados so apresentados isoladamente para cada uma das coletas de dados e para cada um dos
dois sentidos de trfego da rede estudada.
53
300
Norte
Fluxo (vec)
250
Sul
200
150
100
50
0
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
Hora
300
Norte
Fluxo (vec)
250
Sul
200
150
100
50
0
09:15
09:30 09:45
10:00 10:15
10:30 10:45
11:00 11:15
11:30 11:45
12:00
Hora
300
Sul
Fluxo (vec)
250
200
150
100
50
0
14:15
14:30 14:45
15:00 15:15
15:30 15:45
16:00 16:15
16:30 16:45
Hora
17:00
54
A anlise dos fluxos evidencia que, exceo de um nico intervalo de 15 minutos na segunda coleta de dados, o fluxo no sentido Norte superior ao do sentido Sul. A diferena mdia
calculada foi de 27% para a primeira coleta de dados, 20% para a segunda coleta de dados e 27%
para a terceira coleta de dados. A Tabela 5.2 apresenta os fluxos horrios mdios observados por
coleta de dados.
Tabela 5.2 Fluxos mdios observados (vec/h)
Coleta de Dados
6/6/2005
13/6/2005
1/7/2005
Mdia
Sentido
Norte
705
744
974
808
Sul
558
625
774
652
A Tabela 5.2 permite verificar a ocorrncia de um crescimento nos fluxos mdios ao longo
das coletas de dados, nos dois sentidos de trfego. Alm disso, os dados da primeira e da segunda
coletas de dados apresentam uma maior similaridade se comparados aos da terceira coleta. A explicao para esse fato que as duas primeiras coletas foram realizadas no mesmo dia da semana
e no mesmo perodo, diferentemente da terceira coleta. Ento, diante da necessidade de segregar
os dados coletados em dois conjuntos isolados para fins de calibrao e validao do modelo de
simulao CORSIM, os dados da primeira e da segunda coletas de dados foram selecionados para
a calibrao e os dados da terceira coleta, para a validao.
5.1.1.2 Composio do trfego
O trfego observado em todos os postos de controle foi classificado em trs categorias: automveis, caminhes e nibus. Entretanto, devido combinao de alta velocidade, alto fluxo e
posicionamento dos observadores e das cmeras de vdeo em viadutos e passarelas, tornou-se
invivel verificar o modelo e a configurao de eixos dos caminhes. Como esse dado considerado de fundamental importncia para o estudo de caso realizado, optou-se pela suposio de que
a distribuio dos veculos pesados na rede simulada segue a observada em balanas localizadas
em rodovias de pista dupla no estado de So Paulo (ver item 5.2). As Figuras 5.5, 5.6 e 5.7 mos-
55
tram as composies de trfego observadas nos postos de controle da SP-310 que representam o
incio da rede em cada sentido de trfego. A Tabela 5.3 apresenta as composies horrias mdias
por coleta de dados.
100%
Automveis - Norte
Caminhes - Norte
nibus - Norte
Automveis - Sul
Caminhes - Sul
nibus - Sul
Porcentagem
80%
60%
40%
20%
0%
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
Hora
100%
Automveis - Norte
Caminhes - Norte
nibus - Norte
Automveis - Sul
Caminhes - Sul
nibus - Sul
Porcentagem
80%
60%
40%
20%
0%
09:15
09:30
09:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
Hora
Automveis - Norte
Automveis - Sul
100%
Caminhes - Norte
Caminhes - Sul
nibus - Norte
nibus - Sul
Porcentagem
80%
60%
40%
20%
0%
14:15
14:30
14:45
15:00
15:15
15:30
15:45
16:00
16:15
16:30
16:45
Hora
17:00
56
Automveis
73
71
74
73
Norte
Caminhes
25
27
24
25
nibus
2
2
2
2
Sul
Automveis Caminhes nibus
74
25
1
74
25
1
73
25
2
74
25
2
Os dados apresentados na Tabela 5.3 indicam que no existe uma variao significativa nas
composies mdias do trfego observadas entre as coletas de dados e tambm entre os sentidos
de trfego.
5.1.1.3 Matriz origem/destino
Atravs do mtodo das placas, foi possvel obter as matrizes origem/destino do trecho
estudado. Elas so matrizes dinmicas, uma vez que o registro da hora de passagem do veculo
pelos postos de controle associado categoria e placa desse veculo permite fazer a anlise para
cada perodo de 15 minutos.
O sentido Norte possui seis pontos de origem e sete pontos de destino, ou seja, 11 acessos
intermedirios alm dos pontos de incio e fim da SP-310. No sentido Sul, a rede simulada considera nove pontos de origem e nove pontos de destino, totalizando 16 acessos intermedirios mais
os dois pontos de incio e fim da SP-310. A Figura 5.8 apresenta um desenho esquemtico com
os pontos de origem e destino da rede seguindo a numerao feita durante a codificao do
CORSIM.
57
As Tabelas 5.4 a 5.9 apresentam as matrizes mdias de cada uma das coletas de dados e de
cada sentido de trfego. importante ressaltar que, apesar de desejvel, as matrizes no foram
estratificadas por categoria de veculo, visto que o CORSIM no permite essa forma de insero
dos dados.
Tabela 5.4 Matriz mdia da primeira coleta de dados (6/6/2005) Sentido Norte
O/D
6
20
25
28
33
42
15
21%
-
60
5%
5%
-
27
3%
28%
40%
-
32
3%
9%
16%
7%
-
38
8%
14%
13%
25%
36%
-
44
9%
10%
6%
11%
14%
11%
46
51%
35%
25%
56%
49%
89%
Tabela 5.5 Matriz mdia da primeira coleta de dados (6/6/2005) Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
33%
-
116
6%
3%
13%
-
117
7%
10%
8%
46%
-
122
1%
2%
4%
1%
0%
-
124
8%
6%
22%
7%
12%
36%
-
129
5%
8%
8%
6%
10%
15%
15%
-
134
3%
3%
2%
3%
1%
19%
15%
0%
-
151
13%
8%
17%
10%
18%
17%
34%
57%
60%
153
46%
27%
26%
26%
59%
13%
36%
43%
40%
58
Tabela 5.6 Matriz mdia da segunda coleta de dados (13/6/2005) Sentido Norte
O/D
6
20
25
28
33
42
15
23%
-
60
4%
4%
-
27
2%
15%
23%
-
32
3%
8%
14%
5%
-
38
9%
15%
11%
24%
38%
-
44
8%
8%
7%
10%
15%
12%
46
51%
50%
46%
61%
46%
88%
Tabela 5.7 Matriz mdia da segunda coleta de dados (13/6/2005) Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
10%
33%
-
116
7%
2%
15%
-
117
7%
10%
9%
45%
-
122
1%
2%
3%
1%
0%
-
124
7%
6%
21%
5%
10%
33%
-
129
4%
7%
7%
7%
10%
14%
13%
-
134
2%
3%
1%
5%
3%
15%
13%
1%
-
151
12%
8%
16%
10%
17%
16%
30%
54%
59%
153
49%
29%
28%
28%
61%
22%
43%
46%
41%
Tabela 5.8 Matriz mdia da terceira coleta de dados (1/7/2005) Sentido Norte
O/D
6
20
25
28
33
42
15
17%
-
60
4%
2%
-
27
2%
16%
24%
-
32
3%
8%
15%
6%
-
38
7%
5%
7%
17%
31%
-
44
9%
5%
5%
9%
13%
11%
46
58%
64%
50%
68%
55%
89%
Tabela 5.9 Matriz mdia da terceira coleta de dados (1/7/2005) Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
28%
-
116
5%
1%
11%
-
117
9%
11%
12%
57%
-
122
1%
2%
2%
1%
1%
-
124
6%
6%
18%
5%
9%
28%
-
129
5%
9%
7%
7%
13%
15%
16%
-
134
2%
3%
2%
3%
5%
16%
14%
0%
-
151
12%
7%
16%
9%
15%
15%
32%
51%
57%
153
51%
33%
31%
18%
58%
26%
38%
49%
43%
As matrizes mdias aqui apresentadas no mostram uma grande variabilidade entre as coletas de dados. Entretanto, as matrizes obtidas a cada 15 minutos (que serviram de dados de entra-
59
da para o simulador CORSIM e que podem ser encontradas no Apndice A) sofrem uma influncia considervel do trfego urbano e por isso apresentam uma variao notvel.
5.1.1.4 Velocidade mdia da corrente de trfego
60
mostra a Figura 5.9. A medio em campo indicou que o padro adotado no trecho estabelece
uma distncia A+B de 15,5 m.
61
Incio
79
75
75
76
Norte
Intermedirio
1
2
83
79
77
83
80
83
Fim
Incio
82
77
82
80
78
75
75
76
Sul
Intermedirio
1
2
71
71
67
74
70
74
Fim
73
78
76
76
A observao da Tabela 5.10 indica que, para cada posto de controle, no h uma grande
variao nas velocidades em funo da coleta de dados. Alm disso, verifica-se que as mdias das
velocidades do sentido Norte so superiores s mdias das velocidades do sentido Sul, com exceo do posto de incio do sentido Norte, que corresponde ao posto final do sentido Sul.
O fato de as velocidades do sentido Norte serem mais elevadas que no sentido Sul justificado pela existncia de rampas nos quatro postos de controle do sentido Norte, com declividades
que variam de 2% a 4%. Nos postos de controle do sentido Sul, a inclinao mxima das rampas
5%, sendo que no h rampas descendentes.
5.2
Para a caracterizao da frota de veculos pesados que trafega nas rodovias de pista dupla
do estado de So Paulo, foram realizadas coletas de dados em balanas rodovirias localizadas em
diferentes rodovias. Essas balanas realizam uma pesagem dinmica dos caminhes, com verificao no somente do peso de cada eixo isolado, como tambm do peso de grupos de eixos e do
peso bruto total dos veculos. Essas pesagens tm por objetivo conhecer as cargas com as quais
os veculos solicitam a infra-estrutura para efeito de fiscalizao, controle, estatstica, avaliao e
dimensionamento de pavimentos e pontes.
62
Peso bruto por conjunto de dois eixos em tandem, com distncia entre eixos superior a
1,20 m e inferior a 2,40 m, at 17 t;
Peso bruto por conjunto de trs eixos em tandem, distanciados entre 1,20 m e 2,40 m,
at 25,5 t.
No entanto, a circulao de Combinaes de Veculos de Carga (CVCs) de at 74 t permitida atravs de Autorizao Especial de Trnsito (AET), de acordo com a Resoluo n. 211 de
13/11/2006.
A localizao das balanas, as datas das coletas de dados e os tamanhos das amostras obtidas esto listados na Tabela 5.11. Esse conjunto de balanas foi escolhido para que tornasse possvel a obteno de uma amostra que representasse a variabilidade das caractersticas dos veculos
pesados, em uma tentativa de caracterizar a frota que circula no estado de So Paulo.
Tabela 5.11 Balanas rodovirias
Localizao
Sentido Data da Coleta Amostra
SP-225 (km 224) Oeste
28/9/2004
192
SP-330 (km 207) Norte
7/10/2004
209
SP-330 (km 207) Norte
16/2/2005
352
SP-330 (km 53)
Sul
1/3/2005
968
SP-330 (km 37)
Norte
2/3/2005
787
SP-348 (km 58)
Sul
8/3/2005
1.901
SP-348 (km 40)
Norte
9/3/2005
1.010
SP-310 (km 200) Norte
12/8/2005
834
63
As coletas de dados nas balanas rodovirias foram realizadas por dois pesquisadores, que
registravam em planilha informaes tais como marca, modelo, configurao de eixos dos veculos e existncia de eixos erguidos. Essas informaes foram posteriormente utilizadas no levantamento da potncia nominal dos veculos, realizado atravs de consulta a dados contidos em
catlogos, publicaes especializadas em veculos pesados e websites dos fabricantes.
Duas cmeras de vdeo tambm foram utilizadas durante as coletas de dados, a fim de auxiliar na associao das informaes obtidas em campo com os dados de pesagem contidos em
relatrios emitidos pelas balanas.
Nomenclatura adotada
5.2.1
Em virtude da grande diversidade de veculos pesados existente na amostra obtida, foi necessrio adotar uma nomenclatura, estabelecida em funo da configurao bsica dos veculos.
Entende-se por configurao bsica a quantidade de unidades que compem o veculo, sua quantidade de eixos e de grupos de eixos, independentemente da rodagem. A adoo dessa nomenclatura visa uma melhor identificao e classificao dos veculos pesados.
Apesar de no haver um consenso com relao nomenclatura que deve ser adotada no
mbito nacional, o DNIT sugere uma identificao representada por um cdigo de at dois algarismos, intercalados por uma letra. O primeiro algarismo indica a quantidade de eixos da unidade
tratora, enquanto o segundo algarismo, caso exista, indica a quantidade de eixos da(s) unidade(s)
rebocada(s). As principais letras e seus respectivos significados so:
I: cavalo mecnico + semi-reboque com distncia entre eixos > 2,40 m (eixos isolados);
64
nSm: cavalo mecnico com n eixos transporta um semi-reboque (S) de m eixos, sendo o
total de eixos da composio dado por n+m.
nIm: cavalo mecnico com n eixos transporta um semi-reboque (I) de m eixos, espaados de pelo menos 2,40 m, sendo o total de eixos da composio dado por n+m.
nJm: cavalo mecnico com n eixos transporta um semi-reboque (J) de m eixos, com um
deles isolado e outro em tandem. O total de eixos da composio dado por n+m.
nTm: cavalo mecnico com n eixos transporta duas ou trs unidades rebocadas do tipo
semi-reboque (T), que juntas totalizam m eixos. O total de eixos da composio dado
por n+m.
Exemplificando a nomenclatura, tem-se que o veculo 2S3 um cavalo mecnico com dois
eixos tracionando um semi-reboque com trs eixos e que o veculo 3T4 um cavalo mecnico
com trs eixos tracionando dois semi-reboques com dois eixos cada.
5.2.2
Dados coletados
No total, foram coletados dados de 6.253 caminhes, distribudos em 22 configuraes de
eixos. A Tabela 5.12 lista a nomenclatura das principais configuraes observadas, com suas respectivas representaes pictogrficas. Essas representaes pictogrficas so as mesmas apresentadas por Widmer (2004). Ainda na Tabela 5.12, so apresentados o tamanho da amostra e a freqncia das principais configuraes observadas.
A anlise da Tabela 5.12 mostra que 59% dos veculos pesados observados nas rodovias
paulistas de pista dupla so do tipo caminho-plataforma (rgidos) e 41% so articulados. Dentre
os articulados, o caminho do tipo 2S3 o mais comum da amostra (59,6%).
65
Configurao
Nomenclatura Amostra
Freqncia
2C
1.881
30,08%
3C
1.809
28,93%
2S1
39
0,62%
2S2
206
3,29%
2S3
1.527
24,42%
2I3
71
1,14%
3S3
413
6,61%
3T4
243
3,89%
64
1,02%
Total
6.253
100,00%
Outros
A Figura 5.10 apresenta as distribuies acumuladas dos pesos brutos totais e a Figura 5.11
mostra as distribuies acumuladas das relaes peso/potncia das oito configuraes mais representativas da amostra de veculos pesados observada nas balanas.
Apesar de existirem oito configuraes na amostra de pesagem com freqncia considerada
significativa, o modelo de simulao de trfego usado nesta pesquisa (CORSIM), dentro de suas
limitaes, permite ao usurio especificar no mximo quatro categorias de caminhes para serem
utilizadas durante a simulao. Ento, foi necessrio adotar um critrio de agrupamento das configuraes observadas. exemplo do trabalho desenvolvido por Cunha et al. (2005), o critrio
adotado foi a similaridade das distribuies acumuladas da relao peso/potncia. A Tabela 5.13
apresenta o agrupamento das configuraes em apenas quatro categorias, para fins de simulao.
Esta tabela mostra tambm o veculo tpico e a mdia e mediana da relao peso/potncia de
cada categoria.
66
Freqncia Acumulada
100%
80%
2C
3C
60%
2S1
2S2
2S3
40%
2I3
3S3
20%
3T4
0%
0
10
20
30
40
50
60
70
80
Peso (t)
Freqncia Acumulada
100%
80%
2C
3C
60%
2S1
2S2
40%
2S3
2I3
20%
3S3
3T4
0%
0
25
50
75
100
125
150
175
200
225
250
275
300
325
350
Eixos Configuraes
2
3e4
5e6
7+
2C
3C, 2S1 e 2S2
2S3, 2I3 e 3S3
3T4
Peso/Potncia (kg/kW)
Mdia
Mediana
Ford F-4000
67
64
Mercedez-Benz L1620
110
98
Scania 113H
126
144
Volvo FH12
173
200
Veculo Tpico
Uma vez definido o critrio para agrupamento dos veculos pesados, optou-se por incluir
nas categorias as demais configuraes restantes na amostra, que juntas totalizaram apenas 64
pesagens. Dessa forma, o agrupamento geral das 22 configuraes observadas em campo pode
67
ser visualizado na Tabela 5.14. Nessa tabela, o PBT mximo leva em conta a atual legislao relativa s dimenses e pesos dos veculos e o PBT mdio aquele obtido nas pesagens.
Tabela 5.14 Caracterizao das categorias dos veculos pesados
Categoria
Leves
Configurao Amostra Freqncia Eixos PBT Mximo (t) PBT Mdio (t)
2C
1.881
30,08%
2
16,0
6,8
3C
1.809
28,93%
3
23,0
14,2
2S2
206
3,29%
4
33,0
21,1
2S1
39
0,62%
3
26,0
14,4
Mdios
2I2
6
0,10%
4
36,0
19,4
2C2
1
0,02%
4
36,0
21,0
4CD
1
0,02%
4
29,0
28,3
4C
1
0,02%
4
31,5
32,1
2S3
1.527
24,42%
5
41,5
31,4
3S3
413
6,61%
6
48,5
36,3
2I3
71
1,14%
5
46,0
34,5
3S2
13
0,21%
5
40,0
28,7
2J3
11
0,18%
5
43,0
34,2
Pesados
3C2
9
0,14%
5
43,0
33,7
3I2
4
0,06%
5
43,0
30,0
2T4
3
0,05%
6
50,0
43,8
3C3
3
0,05%
6
50,0
27,4
3J3
3
0,05%
6
50,0
42,8
3I3
1
0,02%
6
53,0
18,0
3T4
243
3,89%
7
57,0
49,1
Extra-pesados
3T6
5
0,08%
9
74,0
63,3
3S4
3
0,05%
7
57,0
54,5
Total
6.253
100,00%
A Figura 5.12 apresenta as distribuies acumuladas da relao peso/potncia para as categorias agrupadas. Observa-se que cada uma das distribuies possui um perfil bem definido,
principalmente aquelas das categorias de caminhes leves e extra-pesados. Apesar de as demais
distribuies mostrarem perfis semelhantes at aproximadamente o 30o percentil, a partir desse
ponto cada uma delas segue um perfil distinto, justificando a escolha de tais categorias.
68
Freqncia Acumulada
100%
80%
60%
Leves
40%
Mdios
Pesados
20%
Extra-pesados
0%
0
25
50
75
100
125
150
175
200
225
250
275
300
325
350
De posse da configurao de eixos, marca e modelo do caminho, foi feito um levantamento detalhado de suas caractersticas. Esse levantamento visou no somente o conhecimento da
potncia nominal dos veculos (como citado anteriormente), como tambm o conhecimento de
todas as distncias entre eixos existentes. A obteno das distncias entre eixos considerada
fundamental para a realizao do estudo de caso proposto nesta pesquisa.
A tarefa de obter a distncia entre eixos dos 22 tipos de configuraes observadas nas balanas consistiu em um trabalho minucioso, visto que existe uma grande variedade nos padres
estabelecidos por cada fabricante e mesmo entre modelos de um mesmo fabricante. Por exemplo,
o modelo 1722 Cargo da Ford, com configurao 3C, pode apresentar distncia entre os dois
primeiros eixos de 4,34 m ou 4,80 m.
Um outro fator importante que os veculos articulados podem utilizar implementos rodovirios (carrocerias) de uma grande variedade de fabricantes, cada um adotando um padro diferente de distncias entre eixos, embora semelhantes entre si. Alm disso, os implementos rodovirios so projetados em funo da carga a ser transportada, ou seja, um semi-reboque de um determinado fabricante pode ser projetado para ser um caminho tanque, graneleiro ou portacontiner, entre outros.
69
Dentre os principais fabricantes de implementos rodovirios pesquisados, aquele que apresentou dados mais completos das caractersticas tcnicas de seus produtos foi a Randon S/A.
Dessa forma, esta pesquisa considerou que toda a amostra de veculos articulados utilizava implementos desse fabricante.
importante destacar que as imagens gravadas nas balanas foram usadas para que pudessem ser feitas consideraes sobre o tipo de carga transportada por cada veculo e, assim, associar
o modelo de implemento rodovirio que mais se aproximasse da realidade.
A Tabela 5.15 apresenta uma pequena amostra do banco de dados criado a partir das pesagens dos 6.253 veculos e do conhecimento de suas respectivas configuraes, marcas e modelos.
Essa tabela mostra apenas 10 combinaes dessas trs caractersticas. O total de combinaes
observadas nas balanas foi de 500, sendo que as configuraes que apresentaram uma maior
variedade de marcas e modelos foram a 3C e a 2C. As amostras dessas configuraes possuem,
respectivamente, 151 e 105 diferentes veculos.
Tabela 5.15 Exemplo do banco de dados
Configurao
Marca/Modelo
2C
2C
2C
3C
3C
3C
3C
2S2
2S3
2S3
* Peso
1
4.090
4.070
4.170
4.310
6.030
4.020
2.960
4.390
4.640
4.190
por eixo igual a zero significa que o eixo do veculo encontrava-se erguido
5.3
Consideraes finais
Com base nos dados apresentados neste captulo, o simulador CORSIM foi codificado de
forma a representar adequadamente a rede de trfego estudada. Essa representao permitiu que
fossem executadas as etapas de calibrao e validao do simulador, discutidas no Captulo 6.
70
71
A calibrao o processo de ajuste dos parmetros do modelo de simulao de trfego para melhorar a sua habilidade de reproduzir o comportamento dos motoristas e o desempenho dos
veculos para condies locais (Ben-Akiva et al., 2004).
72
A calibrao necessria porque no se pode esperar que um modelo de simulao seja eficiente de forma que consiga representar com preciso suficiente todas as possveis condies de
trfego. At o mais detalhado modelo de simulao microscpica contm somente uma frao de
todas as variveis que afetam o trfego real. Dessa forma, como nenhum modelo consegue incluir
todo esse universo de variveis, eles devem ser adaptados para condies locais (Dowling et al.,
2004).
Todo simulador possui parmetros de calibrao que podem ser ajustados pelos usurios e
que contm inicialmente valores default sugeridos pelos seus desenvolvedores. Entretanto, somente em raras circunstncias esses modelos so capazes de produzir bons resultados para um caso
especfico usando os valores default. O usurio deve sempre realizar uma calibrao para assegurar
que o modelo codificado reproduz com fidelidade as condies de trfego locais e o comportamento dos motoristas. Logo, o objetivo da calibrao procurar valores para os parmetros do
modelo que melhor reproduzam as condies locais. O principal desafio do processo consiste em
conseguir os melhores valores para o grande nmero de parmetros contido nos simuladores.
A calibrao de um modelo de simulao pode ser considerada um problema de otimizao
em que se busca o conjunto de parmetros que maximiza uma funo objetivo (Kim e Rilett,
2001). A calibrao um processo iterativo em que os parmetros do modelo so alterados at
que os resultados produzidos pelo simulador fiquem o mais prximo possvel dos dados de campo (Hourdakis et al., 2003). Esse processo iterativo envolve a escolha de valores para os parmetros do modelo e a comparao entre os resultados do modelo e o comportamento observado no
sistema real. A comparao realizada atravs de medidas de desempenho do sistema, tais como
fluxo, tempo de viagem, velocidade e atraso veicular.
A validao uma etapa ps-calibrao que tem como objetivo verificar a validade dos valores dos parmetros encontrados na fase de calibrao. A validao consiste no processo de determinar se o modelo pode representar de forma acurada as medidas de campo para diferentes
73
cenrios. Para isso, ela deve usar um conjunto de dados diferente daquele utilizado para a calibrao do modelo (Zhang e Owen, 2004).
Em resumo, pode-se dizer que a validao um processo que garante que o modelo eficaz de uma forma global, enquanto que a calibrao assegura a sua eficcia para condies especficas (Zhang et al., 2004).
6.2
74
6.3
Devido ao grande nmero de parmetros a ser ajustado nos simuladores de trfego, o processo de calibrao pode tornar-se bastante complexo. Por isso, tcnicas de otimizao vm sendo empregadas visando a minimizao desse esforo. Dentre elas, pode-se citar os algoritmos de
busca, como os utilizados por Colella e Demarchi (2005) e Colella et al. (2005) para calibrar o
simulador INTEGRATION, e os algoritmos genticos, que realizam a calibrao de vrios parmetros simultaneamente para diminuir a discrepncia entre o sistema real e o modelo simulado
(Ma e Abdulhai, 2002).
Os algoritmos genticos so definidos como algoritmos que realizam buscas iterativas baseadas em mecanismos de seleo natural e na gentica (Goldberg, 1989). Eles pertencem a um
campo da computao evolutiva que reconhecida como uma variedade de ferramentas flexveis
e adaptveis para buscas globais e para soluo de problemas de otimizao difceis.
Apesar de os algoritmos genticos terem sido originalmente desenvolvidos para serem modelos genricos de processos de adaptao, a otimizao tem sido a sua nica aplicao prtica. O
primeiro algoritmo gentico foi desenvolvido por Holland (1975). Entretanto, quem popularizou
o seu uso foi Goldberg (1989).
Os algoritmos genticos tm sido usados como uma ferramenta de otimizao devido sua
capacidade de fazer mltiplas buscas em espaos grandes, complexos e pouco conhecidos, como
em geral so os casos de problemas da rea de simulao de fluxos de trfego (Kim e Rilett,
2001). Alm disso, eles exploram de forma eficiente o histrico de informaes para especular
novos pontos em que o desempenho pode ser melhorado.
Os algoritmos genticos so fundamentalmente tcnicas de otimizao mas, diferentemente
das tcnicas tradicionais, eles procuram uma soluo tima atravs de um processo que imita a
evoluo natural. Basicamente, os algoritmos genticos diferem dos mtodos tradicionais de otimizao nos seguintes aspectos (Carvalho, 2003):
75
parmetros;
Eles fazem buscas em uma populao e no em um nico ponto;
Eles usam informaes geradas por eles mesmos e no informaes derivadas ou de ou-
Os algoritmos genticos j foram usados para calibrar alguns parmetros dos simuladores
FRESIM (Cheu et al., 1998), PARAMICS (Lee et al., 2001), TRANSIMS e CORSIM (Kim e Rilett, 2001; Kim e Rilett, 2004; Rilett e Kim, 2001) e TRARR (Egami, 2006).
6.3.1
Mtodo de calibrao
O mtodo de calibrao que tem como base algoritmos genticos consiste na escolha de
uma soluo inicial que contenha valores para os parmetros de interesse (no caso de modelos de
simulao de trfego, parmetros tpicos esto relacionados s caractersticas dos motoristas e dos
veculos). Essa soluo inicial transformada num vetor binrio, composto por subvetores que
contm os valores da soluo inicial para cada parmetro de interesse (Rilett e Kim, 2001). Esses
vetores binrios so chamados de cromossomos e so compostos por genes. Cada gene a representao binria do valor de um nico parmetro de interesse para a calibrao (Ma e Abdulhai,
2001). Um exemplo de cromossomo pode ser visto a seguir, onde cada seqncia binria (subvetor) desse cromossomo representa um parmetro a ser calibrado:
(01101001 10111010 00101010)
Nesse exemplo, cada um dos trs parmetros tem um comprimento de oito bits, o que significa que a codificao do cromossomo tem 24 bits.
O objetivo dos algoritmos genticos repassar somente as caractersticas benficas para as
novas geraes, visando melhorar a habilidade do pseudo-organismo de alcanar metas predefi-
76
nidas. No caso dos modelos de simulao de trfego, a meta tipicamente desejada a habilidade
de replicar o comportamento da corrente de trfego observada (Kim e Rilett, 2001).
A Figura 6.1 apresenta um fluxograma genrico contendo a estrutura bsica de um algoritmo gentico. Nos algoritmos genticos, cada soluo candidata codificada como um cromossomo e o processo de busca comea a partir de um grupo desses cromossomos, chamado de
populao. Novas solues so geradas atravs de recombinao (cruzamento) e alternncia (mutao) desses cromossomos ao longo das iteraes ou geraes. O algoritmo termina ao atingir um
nmero previamente especificado de geraes ou at que a variao do fitness da populao depois
de vrias geraes se torne muito pequeno.
Populao
Avaliao de Adaptao (Fitness)
Seleo
Cruzamento
Operadores
genticos
Mutao
No
Critrio de
Parada?
Sim
Retornar Melhor Indivduo
77
3. Repetir
i.
ii.
iii.
iv.
Operadores genticos
Um algoritmo gentico simples, capaz de obter bons resultados em vrios problemas prti-
cos, deve ser composto por trs operadores: (1) seleo, (2) cruzamento e (3) mutao (Goldberg,
1989). A seguir, cada um desses operadores ser descrito de forma mais detalhada.
6.3.2.1 Seleo
A seleo o processo no qual os cromossomos so reproduzidos de acordo com os valores de sua funo objetivo, tambm chamada de funo fitness. Selecionar cromossomos a partir
dos valores de seu fitness significa fazer com que aqueles que possuem um valor maior tenham
78
uma maior probabilidade de contribuir para a prxima gerao. Esse operador considerado uma
verso artificial da seleo natural (Goldberg, 1989).
Muitos tipos de seleo so propostos para os algoritmos genticos. Entretanto, a maioria
deles pode ser classificada como variantes da seleo proporcional ao fitness (roleta) e da seleo
elitista (Henderson e Fu, 2004).
A forma mais comum de implementar a seleo em um algoritmo gentico a que se utiliza
da roleta. Para exemplificar o uso da roleta, na Tabela 6.1 apresentada uma populao de quatro
cromossomos com seus respectivos valores de fitness. A roleta para a seleo desses cromossomos
a apresentada na Figura 6.2.
Tabela 6.1 Exemplo de populao de cromossomos e seus valores de fitness
Cromossomo Codificao
1
01101
2
11000
3
01000
4
10011
Total
14,40
49,20
5,50
30,90
100,00
Cromossomo 1
14,40%
Cromossomo 4
30,90%
Cromossomo 3
5,50%
Cromossomo 2
49,20%
79
ficar preso a um timo local, esse mtodo til para preservar os melhores indivduos atravs das
geraes (Henderson e Fu, 2004).
6.3.2.2 Cruzamento
A troca de material gentico pode ocorrer em qualquer posio da seqncia, sendo a escolha tanto do ponto de incio do cruzamento como do seu comprimento um processo aleatrio.
Supondo que o incio do cruzamento se d no sexto bit com um comprimento de seis bits, aps a
troca do material gentico tm-se os cromossomos descendentes com as novas seqncias binrias:
Cromossomo 1: (01100100 00101001 00011010)
Cromossomo 2: (00110101 11100011 01011100)
Holland (1975) percebeu que era o cruzamento que diferenciava os algoritmos genticos
dos outros mtodos de computao evolutiva. Por causa da eficincia dessa operao, probabilidades altas so comumente usadas. A troca de material gentico entre os indivduos permite o
surgimento de solues melhores aps sucessivas geraes.
80
6.3.2.3 Mutao
Outro operador usado para a gerao de novos indivduos na populao a mutao, que
possui um papel secundrio na aplicao de um algoritmo gentico. Em geral, considera-se que a
mutao principalmente uma tcnica para recuperar material gentico perdido e no uma tcnica para buscar uma melhor soluo. A mutao garante que cromossomos diferentes sero testados pelo algoritmo gentico (Kim et al., 2005).
A mutao uma pequena mudana feita na codificao de um cromossomo, usualmente
realizada atravs da alterao de um ou mais bits de sua seqncia binria. Na mutao, os bits so
alterados aleatoriamente. Para um melhor entendimento desse operador gentico, apresenta-se
um cromossomo com a seguinte seqncia binria:
Cromossomo 3: (01110111 10101001 10111010)
A mutao pode ocorrer em qualquer posio da seqncia, sendo a escolha dessa posio
um processo aleatrio. Supondo que a posio escolhida corresponda ao stimo bit, aps a alterao desse bit obtm-se o seguinte cromossomo descendente:
Cromossomo 3: (01110101 10101001 10111010)
Alguns estudos sugerem que uma baixa probabilidade de mutao (Pm) deve ser usada e
que uma boa regra definir Pm= (nmero de bits no cromossomo)-1 (Henderson e Fu, 2004).
6.3.3
Funo fitness
No algoritmo gentico, o valor do fitness calculado com base em uma funo predetermi-
81
rar populaes de cromossomos que incluem os melhores parmetros que atendem funo
fitness (Rilett et al., 2000).
Vrias funes objetivo podem ser usadas para avaliar o desempenho de um modelo de simulao. Dentre elas, pode-se citar: raiz quadrada do erro mdio, raiz quadrada do erro mdio
percentual, erro mdio absoluto e erro mdio absoluto percentual. Essas estatsticas quantificam
o erro global do simulador. A raiz quadrada do erro mdio e a raiz quadrada do erro mdio percentual penalizam os erros grandes a uma taxa maior que os erros pequenos. O erro mdio absoluto e o erro mdio absoluto percentual indicam se nos dados simulados ocorrem erros sistemticos para mais ou para menos (Toledo e Koutsopoulos, 2004).
Apesar da variedade existente, a funo objetivo comumente utilizada em anlises de transportes o erro mdio absoluto percentual (MAER Mean Absolute Error Ratio):
MAER =
em que:
1
N
Oi S i
i =1
Oi
x 100
MAER:
N:
Oi:
valor observado; e
Si:
valor simulado.
(6.1)
82
dida da eficcia global de cada alternativa e produzir uma representao matemtica dos resultados mais consistente. A funo fitness usada por Rilett e Kim (2001) :
F = .e ( . MAER )
em que:
6.3.4
F:
fitness;
, :
constantes; e
MAER:
(6.2)
de existirem vrios esquemas de representao possveis, a codificao dos genes dos cromossomos na forma binria (bits) ainda a preferida pela maioria dos pesquisadores, uma vez que ela
apresenta uma representao do problema de forma mais simplificada.
Se xij representa o valor real de um parmetro j em um cromossomo i com um domnio em
(xmin, xmax), o comprimento Bj do vetor binrio que fornece a preciso desejada pode ser calculado
atravs da Equao 6.3, enquanto que o clculo do valor de xij a partir de uma string binria Aij de
comprimento Bj bits pode ser feito com o uso da Equao 6.4:
x max
x min
j
j
B j log 2
+ 1
Dj
em que:
Bj:
j = 1, NP
(6.3)
Dj:
j:
NP:
nmero de parmetros.
83
x ij = x
em que:
min
j
+ Aij
x max
x min
j
j
2
Bj
j = 1, N
xij:
Aij:
i:
N:
nmero de cromossomos.
(6.4)
Ento, o nmero necessrio de bits para codificar esse parmetro cinco. Supondo que a
seqncia de bits desse parmetro seja igual a (10111), o valor binrio na base 2 correspondente a
ela seria:
1x 2 4 + 0x 2 3 + 1x 2 2 + 1x 2 1 + 1x 2 0 = 23
Dessa forma, o valor do parmetro pode ser calculado atravs da Equao 6.4:
x ij = 10 + 23
6.4
30 10
= 25
25 1
Um programa computacional baseado em um algoritmo gentico foi desenvolvido para calibrar o CORSIM no trecho de rodovia de pista dupla apresentado no Captulo 4. O programa foi
desenvolvido na linguagem Perl e, em muitos aspectos, semelhante ao usado na calibrao do
CORSIM por Kim e Rilett (2001), uma vez que o desenvolvimento do algoritmo usado foi feito
84
em colaborao com o Prof. Laurence Rilett, durante um estgio realizado na Texas A&M University.
Perl (Practical Extraction and Report Language) uma linguagem de programao de uso geral
implementada nas principais plataformas computacionais e disponibilizada de forma gratuita
(Wall et al., 2000). Originalmente projetada para o processamento de textos, a linguagem Perl
tornou-se sofisticada, com um conjunto completo de depuradores, referncias cruzadas, compiladores, interpretadores e bibliotecas.
A seguir, so descritas as etapas percorridas para a execuo da calibrao.
6.4.1
lo de simulao, que podem ser comparadas com dados obtidos em campo para determinar o
grau de qualidade dos resultados da simulao. A escolha de medidas de desempenho apropriadas
o primeiro passo para a calibrao de um modelo de simulao (Toledo e Koutsopoulos, 2004).
A calibrao de um modelo de simulao em funo de uma nica medida de desempenho
pode levar a uma superestimao do realismo do modelo. Por isso, em geral so escolhidas duas
ou mais medidas de desempenho.
As medidas de desempenho e o nvel de agregao temporal em que elas so calculadas
(por exemplo, 15 min, 30 min) devem ser escolhidos de tal forma que tornem fcil verificar se o
modelo captura corretamente a dinmica do trfego (Toledo e Koutsopoulos, 2004).
Nesta pesquisa, as medidas de desempenho utilizadas para avaliar a eficincia do modelo de
simulao foram o fluxo de trfego e a velocidade mdia em alguns tramos da rede. Esses dados
foram medidos em campo juntamente com a composio do trfego e a matriz origem/destino e
esto apresentados no Captulo 5. Os estudos realizados por Rakha et al. (1996) e Cheu et al.
(1998) tambm usaram o fluxo e a velocidade como medidas de desempenho. A razo principal
para a escolha destas variveis como medidas de desempenho baseia-se na facilidade de obteno
desses dados no campo e da sua relao direta com a aplicao do simulador. A composio do
85
trfego no foi escolhida como medida de desempenho porque o mnimo que se espera de um
simulador que ele seja capaz de gerar veculos de acordo com a distribuio veicular observada
ou seja, que o erro observado na composio de trfego seja nulo. Apesar disso, durante a calibrao teve-se sempre o cuidado de verificar se o trfego gerado pelo CORSIM estava de acordo
com a composio observada.
Para a realizao de uma comparao apropriada entre as velocidades simuladas e observadas, a rede foi codificada de tal forma que a extenso dos tramos em que foram obtidas as velocidades simuladas fosse igual ao comprimento das sees em que elas foram coletadas em campo
(62 m). Assim, a velocidade mdia no tramo fornecida pelo arquivo OUT corresponde velocidade mdia na seo.
6.4.2
dos para melhor reproduzir as condies de trfego locais, conforme apresentados no Captulo 4.
Esses parmetros compem os seguintes Record Types: RT68, RT69, RT70, RT71 e RT173.
A fim de evitar um gasto desnecessrio de tempo na calibrao de parmetros que produzem pequeno impacto nos resultados da simulao, mais conveniente que se faa ajuste apenas
nos parmetros mais significativos. Alm disso, em um algoritmo gentico o tamanho da seqncia binria proporcional ao nmero de parmetros codificados em cada cromossomo e, quanto
maiores as seqncias binrias que formam os cromossomos, maiores so as necessidades computacionais. Portanto, apenas os parmetros mais significativos devem ser usados, com o intuito
de permitir que a calibrao seja alcanada dentro do mnimo de geraes possvel (Ma e Abdulhai, 2001).
Nesta pesquisa, os parmetros de calibrao de distribuio da frota (RT71) so considerados dados de entrada do modelo, uma vez que as coletas dados permitiram a obteno da composio do trfego. Como discutido no Captulo 5, os veculos pesados foram agrupados nas
86
quatro categorias permitidas pelo CORSIM, com base nas suas distribuies acumuladas da relao peso/potncia.
Adicionalmente, um estudo desenvolvido por Cunha e Setti (2006) calibrou o modelo de
locomoo dos veculos pesados no CORSIM atravs do uso de um algoritmo gentico codificado em VBA. Esse modelo de locomoo representado pelos parmetros de calibrao do
RT173, apresentados anteriormente na Tabela 4.5. Nesse estudo, as curvas de desempenho analticas para as quatro categorias de veculos pesados do CORSIM foram comparadas com curvas
empricas obtidas com aparelhos de GPS (Global Position System) em rodovias de pista dupla do
estado de So Paulo. As curvas de desempenho obtidas com a verso calibrada do CORSIM apresentam erros mdios da ordem de 5% para as quatro categorias. As aceleraes resultantes
dessa calibrao so apresentadas na Tabela 6.2.
Velocidade (p/s)
0
10
20
30
40
50
60
70
80
90
100
110
ndice de Desempenho
3
4
5
6
8,99
14,26
9,54
13,11
8,90
3,39
8,04
2,00
3,60
1,72
5,81
1,53
3,02
0,65
2,20
0,52
2,03
0,51
1,01
0,43
1,76
0,30
0,71
0,40
1,09
0,30
0,60
0,37
1,00
0,36
0,41
0,16
0,49
0,36
0,50
0,07
0,19
0,07
0,07
0,05
-0,91
0,04
-0,10
-0,55
-0,98
-0,20
-0,13
-0,66
Por se considerar que a calibrao desses valores levou em conta a frota tpica de veculos
pesados que trafega nas rodovias de pista dupla paulistas e que o mtodo de calibrao mostrouse eficiente, esta pesquisa substituiu os valores default do CORSIM pelos obtidos por Cunha e
Setti (2006). Entretanto, os valores das aceleraes mximas que representam os ndices de desempenho 1, 2 e 7 do CORSIM (relacionados aos automveis e nibus) permaneceram aqueles
originalmente contidos no RT173, j que esses veculos no so tratados em Cunha e Setti (2006).
87
Dessa forma, nesta pesquisa optou-se inicialmente pela calibrao de todos os parmetros
contidos no RT68, RT69 e RT70 do CORSIM, com exceo daqueles relativos desacelerao
mxima no emergencial por tipo de veculo (P21 a P29). Esses parmetros foram excludos do
processo por se considerar que os valores default eram aceitveis e no teriam influncia significativa nos resultados da simulao da rede. Alm disso, um estudo anterior verificou que a incluso
desses parmetros na calibrao piorou o desempenho do simulador (Schultz, 2003).
Em funo disso, uma calibrao preliminar do modelo foi feita com a incluso de 20 parmetros. Para um melhor entendimento, a Tabela 6.3 lista os parmetros selecionados para a
calibrao do CORSIM, que so os parmetros gerais de calibrao apresentados no Captulo 4.
Tabela 6.3 Parmetros selecionados para a calibrao do CORSIM
Parmetro
P1 P10
P11
P12
P13
P14
P15
P16
P17
P18
P19
P20
Descrio
Fator de sensibilidade para o car-following (motoristas do tipo 1 ao 10)
Constante de Pitt para o car-following
Tempo de reao para acelerar
Tempo de reao para desacelerar
Tempo para completar uma mudana de faixa
Tempo mnimo para gerao de veculos
Aceitao de gap para mudana de faixa obrigatria
Porcentagem de motoristas que cedem o direito de passagem para veculos mudando de faixa
Multiplicador para o desejo de realizar uma mudana de faixa arbitrria
Valor limite do benefcio para realizar uma mudana de faixa arbitrria
Desacelerao mxima do veculo lder percebida pelo seu seguidor
car-following (P1 a P10) representam a mesma varivel para diferentes tipos de motoristas e, de acordo com Cohen (2004), so os principais parmetros de calibrao do CORSIM.
88
Segundo Schultz e Rilett (2004), duas alternativas podem ser consideradas para representar
a distribuio desses fatores. A primeira delas tratar cada fator como um parmetro independente e modelar esses parmetros individualmente (por exemplo, distribudos aleatoriamente). A
segunda alternativa gerar os parmetros a partir de distribuies de tendncia e disperso (por
exemplo, mdia e varincia).
Nesta pesquisa, os fatores de sensibilidade para o car-following foram considerados de forma
independente e distribudos aleatoriamente. Isso significa que, embora os valores default desses
fatores sejam distribudos de forma uniforme (partindo do motorista mais tmido para o mais
agressivo), os valores resultantes da calibrao no necessariamente seguiro essa distribuio. Os
limites mnimos e mximos definidos nesta pesquisa para os fatores de sensibilidade para o car-
following so apresentados na Figura 6.3. Como se pode perceber, h uma sobreposio nos limites
de alguns parmetros.
140
120
Valor
100
80
60
40
20
0
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
Parmetro
Figura 6.3 Limites estabelecidos no algoritmo gentico para os parmetros P1 a P10, os fatores de
sensibilidade para o modelo de car-following
89
6.4.3
5 MAER )
(6.5)
90
6.5
Resultado da calibrao
Na calibrao, o MAER foi calculado em funo das duas medidas de desempenho escolhidas (fluxo e velocidade mdia) em seis pontos de controle ao longo da rede de trfego, trs em
cada sentido. Os dados utilizados na calibrao foram os observados na primeira e segunda coleta
de dados (realizadas nos dias 6 e 13/6/2005), perfazendo um total de cinco horas. Entretanto,
como foram definidos intervalos de simulao de 15 minutos e o CORSIM s permite que no
mximo 19 intervalos de tempo sejam simulados, os dados dos 15 minutos finais da segunda coleta de dados foram descartados.
O MAER calculado atravs da Equao 6.1. A Figura 6.4 mostra a evoluo do MAER
do melhor cromossomo de cada gerao ao longo do tempo. A observao da figura permite
verificar que uma boa convergncia do MAER foi obtida aps 56 geraes, com a ocorrncia de
duas pequenas redues obtidas aps a 92 gerao e a 181 gerao, quando o MAER se estabilizou em 6,32%. A Figura 6.4 apresenta tambm o MAER calculado antes da calibrao do simulador, ou seja, com os parmetros default do CORSIM. O MAER default 9,11%.
10%
9%
8%
MAER
7%
6%
5%
4%
3%
Default
2%
Calibrao
1%
0%
0
20
40
60
80
100
120
140
160
180
200
Gerao
91
100
90
80
Fitness
70
60
50
40
30
Default
20
Calibrao
10
0
0
20
40
60
80
100
120
140
160
180
200
Gerao
Os dados apresentados indicam que a calibrao reduziu o MAER em 2,79%, o que representa uma reduo relativa do erro mdio de aproximadamente 30%. Paralelamente, o fitness aumentou em 9,48.
A Figura 6.6 apresenta a comparao das medidas de desempenho obtidas aps a calibrao do modelo no sentido Norte da rede simulada. A Figura 6.7 apresenta os mesmos dados para
o sentido Sul.
A observao das figuras permite constatar que os dados simulados e observados de fluxo
se aproximam mais que os dados de velocidade, nos dois sentidos de trfego. Esse mesmo comportamento foi observado por Rakha et al. (1996) no simulador INTEGRATION. Adicionalmente, os fluxos simulados nos tramos prximos s entradas da rede so os que mais se aproximam dos fluxos observados, como era de se esperar.
Pode-se perceber tambm que no sentido Norte as velocidades observadas so sistematicamente menores que as simuladas. J no sentido Sul, ocorre o inverso: somente no posto de
controle que representa a sada da rede a velocidade observada menor que a simulada.
As Tabelas 6.4 e 6.5 apresentam os valores mdios observados e simulados das medidas de
desempenho em cada posto de controle para os sentidos Norte e Sul, respectivamente. A diferena entre as mdias tambm apresentada, sendo o seu clculo feito pela Equao 6.6.
92
(% ) = 100
(Observado Simulado )
Entrada da Rede
Fluxo (vec)
200
150
100
Observado
50
Entrada da Rede
100
Velocidade (km/h)
250
(6.6)
Observado
Simulado
90
80
70
60
50
40
30
Observado
20
Simulado
10
0
0
1
10 11 12 13 14 15 16 17 18 19
Ponto Intermedirio
250
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Intervalo de Simulao
Ponto Intermedirio
100
Fluxo (vec)
200
150
100
Observado
50
Velocidade (km/h)
90
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Sada da Rede
250
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Sada da Rede
100
Fluxo (vec)
200
150
100
Observado
50
Simulado
Velocidade (km/h)
90
80
70
60
50
40
30
Observado
20
Simulado
10
0
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Figura 6.6 Comparao das medidas de desempenho para o modelo calibrado (Sentido Norte)
Tabela 6.4 Valores mdios das medidas de desempenho na calibrao (Sentido Norte)
Posto de Controle
Entrada
Intermedirio
Sada
93
Entrada da Rede
250
Entrada da Rede
100
Fluxo (vec)
200
150
100
Observado
50
Velocidade (km/h)
90
Simulado
80
70
60
50
40
30
20
Observado
Simulado
10
0
1
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Ponto Intermedirio
250
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Ponto Intermedirio
100
Fluxo (vec)
150
100
Observado
50
Velocidade (km/h)
90
200
Simulado
80
70
60
50
40
30
Observado
20
10
Simulado
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Sada da Rede
250
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Sada da Rede
100
90
80
150
100
Observado
50
Simulado
Velocidade (ft/s)
Fluxo (vec)
200
70
60
50
40
30
Observado
20
Simulado
10
0
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao
Figura 6.7 Comparao das medidas de desempenho para o modelo calibrado (Sentido Sul)
Tabela 6.5 Valores mdios das medidas de desempenho na calibrao (Sentido Sul)
Posto de Controle
Entrada
Intermedirio
Sada
Alguns pesquisadores sugerem que um aspecto que deve ser analisado durante o clculo do
MAER a parcela de contribuio de cada uma das duas medidas de desempenho sobre o valor
resultante. De acordo com Dowling et al. (2004), um critrio amplamente aceito para que a cali-
94
brao seja considerada eficiente que o MAER gerado pelos fluxos isoladamente no ultrapasse
5%. Por outro lado, no foi encontrado na literatura um critrio bem estabelecido para a aceitao da calibrao quanto velocidade.
A Figura 6.8 mostra a contribuio das duas medidas de desempenho utilizadas no valor final do MAER antes e depois da calibrao. Como era de se esperar, a parcela de erro da velocidade superior do fluxo e representa, em mdia, 74% do MAER. Alm disso, verifica-se que o
MAER calculado isoladamente para o fluxo apresenta valor inferior a 5%. Antes da calibrao, o
MAER devido ao volume representava 31% do total. Aps a calibrao, essa porcentagem foi
reduzida para 20%, o que significa que a calibrao afetou mais os dados de fluxo que os de velocidade. Uma das explicaes para isso so as limitaes do modelo de desempenho veicular usado pelo CORSIM, que, ao invs de usar a resultante das foras que atuam sobre os veculos pesados, baseia-se em aceleraes mdias que so admitidas constantes ao longo de uma faixa relativamente ampla de velocidades (10 ps/s ou quase 11 km/h).
Fluxo
1,27%
Velocidade
5,05%
Etapa
Calibrao
Fluxo
2,83%
Default
0%
1%
2%
Velocidade
6,28%
3%
4%
5%
6%
7%
8%
9%
10%
MAER
6.5.1
CORSIM com os valores calibrados. Observa-se que esses valores seguiram uma distribuio
diferente daquela estabelecida originalmente no CORSIM. Outros estudos que fizeram uso da
calibrao para os parmetros relacionados lgica do car-following do CORSIM verificaram esse
95
mesmo comportamento (Payne et al., 1997; Prevedouros e Wang, 1999; Schultz, 2003). Pode-se
verificar tambm que, enquanto os valores default desses parmetros variam entre 0,35 s e 1,25 s,
no modelo calibrado eles variam entre 0,42 s e 1,21 s, indicando um menor intervalo de variao
para o grau de agressividade dos motoristas.
1,40
1,20
Valor (s)
1,00
Default
0,80
Calibrao
0,60
0,40
0,20
0,00
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
Parmetro
Figura 6.9 Comparao dos valores default e calibrados dos parmetros P1 a P10
A Tabela 6.6 mostra a comparao entre os valores default e calibrados dos demais parmetros. O parmetro P11, que caracteriza a distncia absoluta mnima entre dois veculos, assumiu o
menor valor permitido pelo CORSIM, que 3 ps. O parmetro P12 (tempo de reao para acelerar) aumentou de 0,3 s para 0,8 s, enquanto o parmetro P13 (tempo de reao para desacelerar)
aumentou de 0,3 s para 0,5 s.
Tabela 6.6 Comparao entre os valores default e calibrados dos parmetros P11 a P20
Parmetro Unidade Valor Default Valor Calibrado
P11
p
10
3
P12
s
0,3
0,8
P13
s
0,3
0,5
s
2,0
5,3
P14
s
1,6
1,5
P15
3
3
P16
P17
%
20
15
0,5
0,1
P18
p/s2
15
12
P20
96
O tempo para completar uma mudana de faixa, P14, saltou de 2,0 s para 5,3 s, valor muito
prximo do mximo permitido pelo simulador (6,0 s). J o tempo mnimo para gerao de veculos (P15), que define a capacidade de uma faixa de trfego, permaneceu praticamente inalterado,
saindo de 1,6 s para 1,5 s.
O valor default do P16, que representa a aceitao de gap para mudana de faixa obrigatria,
mostrou-se adequado para a rede simulada e no sofreu alterao.
A porcentagem de motoristas que cedem o direito de passagem para veculos mudando de
faixa (P17) sofreu uma reduo de 20% para 15% e o multiplicador para o desejo de realizar uma
mudana de faixa arbitrria, P18, atingiu o menor valor possvel (0,1). Este valor demonstra um
alto desejo de mudar de faixa.
A desacelerao mxima do veculo lder percebida pelo seu seguidor (P20) sofreu uma reduo de 15 ps/s2 para 12 ps/s2.
6.6
A validao foi realizada usando um conjunto de dados diferente daquele utilizado na calibrao do CORSIM. A adoo do critrio utilizado para separar os dados para calibrao e validao de um modelo arbitrria (Ni et al. 2004). O conjunto de dados usado na validao foi o
observado na terceira coleta de dados, que compreendeu trs horas e foi realizada em 1/7/2005.
Estes dados apresentaram caractersticas operacionais diferentes dos observados nas outras coletas, com fluxos de trfego superiores. Nessa coleta de dados, foi adicionado um posto de controle em cada sentido de trfego, ou seja, o total de postos de controle passou a ser oito, sendo quatro em cada sentido.
A validao envolve a aplicao do modelo de simulao com o uso dos parmetros encontrados na fase de calibrao (Merritt, 2004). Ela serve para verificar se os resultados da representao de diferentes condies de trfego so confiveis (Sacks et al., 2002).
Na validao, executa-se uma simulao empregando a mesma seqncia de nmero aleatrios utilizadas na calibrao. A importncia de simular com a mesma seqncia reside no fato de
97
que se deseja reproduzir as mesmas condies de trfego encontradas na calibrao, j que a seqncia de nmeros aleatrios est relacionada aos processos estocsticos de tomada de deciso
envolvidos na simulao.
O MAER foi calculado na validao com as mesmas medidas de desempenho da calibrao. O valor calculado para a validao foi de 6,58%, ligeiramente superior ao valor obtido na
calibrao (6,32%), apesar da incluso de mais dois postos de controle na rede de trfego. Esse
resultado comprova que os parmetros calibrados so vlidos para uso em um conjunto de dados
com caractersticas diferentes. A diferena entre o MAER da validao e da calibrao considerada inexpressiva.
A Figura 6.10 apresenta a comparao das medidas de desempenho obtidas na validao do
modelo para o sentido Norte da rede simulada. A Figura 6.11 apresenta os mesmos dados para o
sentido Sul. As Tabelas 6.7 e 6.8 apresentam os valores mdios observados e simulados das medidas de desempenho em cada posto de controle para os sentidos Norte e Sul, respectivamente.
Tabela 6.7 Valores mdios das medidas de desempenho na validao (Sentido Norte)
Posto de Controle
Entrada
Intermedirio 1
Intermedirio 2
Sada
Tabela 6.8 Valores mdios das medidas de desempenho na validao (Sentido Sul)
Posto de Controle
Entrada
Intermedirio 1
Intermedirio 2
Sada
98
valores observados menores em todos os postos de controle do sentido Norte e apenas no posto
de controle da sada da rede no sentido Sul.
Entrada da Rede
300
90
Velocidade (km/h)
250
Fluxo (vec)
Entrada da Rede
100
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
10
11
12
Intervalo de Simulao
Ponto Intermedirio 1
300
Velocidade (km/h)
Fluxo (vec)
10
11
12
90
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
10
Simulado
0
1
10
11
12
Ponto Intermedirio 2
300
10
11
12
Intervalo de Simulao
Intervalo de Simulao
Ponto Intermedirio 2
100
90
Velocidade (km/h)
250
Fluxo (vec)
Ponto Intermedirio 1
100
250
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
10
11
12
Intervalo de Simulao
10
11
12
Intervalo de Simulao
Sada da Rede
300
Sada da Rede
100
90
Velocidade (km/h)
250
Fluxo (vec)
Intervalo de Simulao
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
Intervalo de Simulao
10
11
12
10
Intervalo de Simulao
Figura 6.10 Comparao das medidas de desempenho obtidas na validao (Sentido Norte)
11
12
99
Entrada da Rede
300
90
Velocidade (km/h)
250
Fluxo (vec)
Entrada da Rede
100
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
10
11
12
Intervalo de Simulao
Ponto Intermedirio 1
300
Velocidade (km/h)
Fluxo (vec)
10
11
12
90
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
10
11
12
Intervalo de Simulao
10
11
12
Intervalo de Simulao
Ponto Intermedirio 2
300
Ponto Intermedirio 2
100
90
Velocidade (km/h)
250
Fluxo (vec)
Ponto Intermedirio 1
100
250
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
10
11
12
Intervalo de Simulao
10
11
12
Intervalo de Simulao
Sada da Rede
300
Sada da Rede
100
90
Velocidade (km/h)
250
Fluxo (vec)
Intervalo de Simulao
200
150
100
Observado
50
Simulado
80
70
60
50
40
30
Observado
20
Simulado
10
0
1
Intervalo de Simulao
10
11
12
10
Intervalo de Simulao
Figura 6.11 Comparao das medidas de desempenho obtidas na validao (Sentido Sul)
11
12
100
A Figura 6.12 mostra a contribuio das duas medidas de desempenho utilizadas no valor
final do MAER para cada uma das etapas realizadas nesta pesquisa. Na validao, o MAER devido ao volume representa 27% do total. Esse valor indica que a contribuio de cada um das medidas de desempenho na validao se assemelha quela obtida com os parmetros default.
Etapa
Calibrao
Fluxo
1,27%
Velocidade
5,05%
Fluxo
1,76%
Validao
Velocidade
4,82%
Fluxo
2,83%
Default
0%
1%
2%
Velocidade
6,28%
3%
4%
5%
6%
7%
8%
9%
10%
MAER
6.7
Consideraes finais
101
7.Estudo de Caso
Uma vez obtida uma verso calibrada do simulador CORSIM, capaz de reproduzir as condies de trfego observadas em campo, procedeu-se a um estudo de caso em que se buscou
estabelecer o efeito do trfego dos veculos pesados sobre um componente da infra-estrutura
rodoviria. Este captulo descreve as etapas percorridas para a execuo do estudo de caso, cujo
propsito foi demonstrar como os dados sobre o carregamento mvel obtidos a partir da simulao microscpica de uma rede de trfego podem ser usados no processo de dimensionamento de
pontes. No estudo de caso, foram considerados dois cenrios de trfego e o efeito analisado foi o
momento fletor mximo positivo ocasionado pela presena simultnea de veculos pesados na
ponte, a fim de fazer uma comparao com aquele provocado pelo veculo-tipo e a carga uniformemente distribuda estabelecidos na NBR-7188. Essa ponte hipottica e est localizada em um
dos tramos da rede simulada.
7.1
A escolha dos cenrios simulados no estudo de caso deu-se em funo da vida til de projeto das pontes, que, em geral, de 50 anos para pontes de concreto (Ferreira, 2006). Eles foram
definidos com o intuito de demonstrar a metodologia proposta nesta pesquisa e no tm a pretenso de prever as alteraes das caractersticas da corrente de trfego ao longo do tempo. Os
cenrios foram assim estabelecidos:
102
Cenrio 1: crescimento do fluxo de trfego atual a uma taxa de 2% ao ano para um perodo de 50 anos, mantendo a composio do trfego obtida nas coletas de dados; e
Cenrio 2: crescimento do fluxo de trfego atual a uma taxa de 2% ao ano para um perodo de 50 anos, modificando a composio do trfego obtida nas coletas de dados para contemplar uma participao de 50% da frota de veculos pesados.
O clculo do crescimento do trfego foi feito admitindo uma progresso geomtrica, atravs da Equao 7.1:
Vn = V + (1 + i )n
em que:
Vn:
V:
i:
n:
(7.1)
O fluxo dirio de trfego atual foi definido como o observado em um dia usual na rede simulada, cuja obteno detalhada a seguir.
7.1.1
forme discutido no Captulo 5. Esse perodo no suficiente para caracterizar a flutuao da demanda de trfego ao longo de um dia. Dessa forma, com o objetivo de obter um fluxo dirio de
trfego no trecho da SP-310 estudado, foi feita uma comparao entre os fluxos horrios coletados e os fluxos horrios medidos por sensores automticos instalados no pavimento pela concessionria que o administra. A partir dessa comparao (e o conseqente ajuste), foi obtida a variao do fluxo para um perodo de 24 horas.
Dentre os sensores automticos de contagem permanente de trfego que a concessionria
possui ao longo de sua rea de concesso, um est localizado a uma distncia aproximada de
400 m do posto de controle que representa o incio da rede simulada, no sentido Norte. Apesar
103
de essa distncia ser relativamente pequena, considerou-se que a existncia de um acesso de sada
da rodovia para a cidade de So Carlos SP poderia gerar uma diferena significativa entre os
fluxos horrios observados nas coletas e os fluxos horrios medidos pelos sensores. Dessa forma,
optou-se por fazer uma comparao entre os dados de contagem cedidos pela concessionria e os
dados coletados em campo. Essa comparao foi feita para cada uma das oito horas em que foram realizadas as coletas de dados e apresentada na Figura 7.1. Os fluxos das horas 1 e 2 so os
obtidos na primeira coleta de dados (6/6/2005), os fluxos das horas 3 a 5 so os obtidos na
segunda coleta de dados (13/6/2005) e os fluxos das horas 6 a 8 so os obtidos na terceira coleta
de dados (1/7/2005).
1.200
Sensor
Fluxo (vec/h)
1.000
Coleta de Dados
800
600
400
200
0
1
Horas de Coleta
Figura 7.1 Comparao entre os fluxos horrios coletados e medidos pelo sensor (sentido Norte)
Como pode ser observado, as diferenas encontradas no so sistemticas, ou seja, em quatro horas os fluxos coletados so maiores que os medidos pelo sensor e nas quatros horas restantes ocorre o inverso. Alm da influncia do acesso de sada da rodovia, essas diferenas podem
ser justificadas pelo fato de que a hora da cmera de vdeo no estava sincronizada com a hora do
sensor. A diferena mdia calculada entre os dados coletados e os medidos pelo sensor para as
oito horas foi de 2,28%. Entretanto, uma diferena de 16,83% foi calculada para a segunda hora
da primeira coleta de dados.
104
A observao da Figura 7.1 permite verificar que os dados que representam a segunda coleta de dados (horas 3 a 5) so os que apresentam uma maior uniformidade nas diferenas encontradas entre os dois fluxos. Essas diferenas so mostradas na Tabela 7.1.
Tabela 7.1 Diferenas entre os fluxos no sentido Norte (13/6/2005)
Hora
09:00
10:00
11:00
Sensor
789
756
790
Mdia
Fluxo (vec)
Coleta de Dados
743
714
775
(%)
-6,19
-5,88
-1,94
-4,67
Assim, foi definido que o ajuste para a obteno de um trfego dirio seria feito com os
dados da segunda coleta de dados. Esse ajuste aplicou um fator de correo aos fluxos das 21
horas do dia 13/6/2005 em que no foram feitas coletas de dados e corresponde mdia calculada para as trs horas em que foram feitas as coletas (-4,67%).
A variao dos fluxos horrios ao longo do dia est apresentada na Figura 7.2. Essa figura
mostra tambm a variao dos fluxos previstos para o horizonte de projeto, calculado pela Equao 7.1. O fluxo previsto foi usado na codificao do CORSIM para a simulao dos cenrios de
trfego definidos para o estudo de caso. A matriz origem/destino usada foi a matriz mdia do
sentido Norte obtida para a segunda coleta de dados, apresentada anteriormente na Tabela 5.6.
3.000
Fluxo Atual
Fluxo Previsto
Fluxo (vec)
2.500
2.000
1.500
1.000
500
0
00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00
Hora
Figura 7.2 Variao dos fluxos atual e previsto ao longo do dia (sentido Norte)
105
7.1.2
O tramo escolhido para representar a ponte est localizado no sentido Norte da rede, uma
vez que a variao do fluxo foi obtida para esse sentido. Durante a escolha do tramo, o nico
aspecto considerado foi a sua posio em relao ao ponto de incio da rede, pois um tramo localizado muito prximo da entrada da rede sofreria uma grande influncia do processo de gerao
de veculos do simulador de trfego e pouca influncia do car-following e da mudana de faixa, o
que no seria desejvel. Dessa forma, o tramo escolhido est situado a uma distncia aproximada
de 2 km do incio da rede.
O tramo que representa a ponte possui extenso de 100 m. Para fins desta pesquisa, considera-se que a ponte simplesmente apoiada, apesar de, na prtica, vos maiores que 50 m dificilmente serem empregados em pontes com esse sistema estrutural. A razo para isso que vigas
simplesmente apoiadas sem balano se constituem em um tipo estrutural relativamente pobre,
pois, uma vez imposto um determinado vo, existem poucas possibilidades de melhorar a distribuio dos esforos (El Debs e Takeya, 1995).
7.2
Diante da necessidade de obter dados microscpicos da simulao, verificou-se que o arquivo OUT do CORSIM no poderia ser utilizado, j que ele contm apenas relatrios globais e
esse tipo de informao no atende aos propsitos desta pesquisa. Nesse caso, a fim de obter
dados individuais de cada veculo simulado, foi usado o TSD, um arquivo de resultados binrio
gerado pelo CORSIM em que so escritas a cada segundo de simulao diversas informaes
sobre cada um dos veculos. Apesar de esse arquivo conter dados variados tais como velocidade,
acelerao, tipo de motorista, entre outros, os dados que foram usados nesta pesquisa foram basicamente:
Tipo do veculo;
106
Para ler o arquivo TSD, foi desenvolvida uma macro escrita na linguagem VBA. Essa macro se baseou no programa de extrao de dados do arquivo TSD criado por Dhulipala (2002) e
codificado em C++.
Em sntese, a macro busca em um determinado tramo da rede os segundos em que ocorrem a presena dos veculos do tipo 3 a 6 (que representam os caminhes no CORSIM). Aqui, o
tramo de interesse o que representa a ponte. Para os instantes em que se verifica a existncia de
caminhes no tramo, so extrados os nmeros de identificao dos veculos (ID), os tipos de
veculos (3, 4, 5 e 6), as faixas de trfego em que eles se encontram naquele instante (faixa 1 ou 2)
e suas posies nessas faixas, medidas em relao ao incio do tramo. A Tabela 7.2 exemplifica a
extrao de um instante em que ocorre a presena de seis caminhes na ponte, estando quatro
em uma mesma faixa de trfego. Apesar da possibilidade de existncia de automveis ou nibus
juntamente com os caminhes, eles no so levados em conta neste trabalho porque no chegam
a produzir solicitaes suficientes para causar danos s pontes (Loriggio,1993).
Tabela 7.2 Exemplo dos dados extrados pela macro
Segundo
34092
34092
34092
34092
34092
34092
Um fluxograma geral da macro desenvolvida apresentado na Figura 7.3, enquanto a Figura 7.4 detalha o funcionamento de algumas de suas etapas. A Equao 7.2 apresenta o clculo da
probabilidade. O evento A se refere presena de uma quantidade N de caminhes sobre a ponte, o nmero de eventos o total de segundos em que essa quantidade N ocorre e o espao amostral o total de segundos da simulao.
P(A) =
nA
n
(7.2)
107
em que:
nmero de eventos; e
n:
espao amostral.
Abre o arquivo TSD
Escolhe o tramo
Etapas detalhadas
na Figura 7.4
Para cada
caminho
simulado
Para cada
1 s de
simulao
Determina a
quantidade N de
caminhes na ponte
No
Adiciona uma
ocorrncia de N
caminhes
Banco de dados:
probabilidade de
ocorrncia de cada
caminho
Para cada
caminho
simulado
Gera nmero
aleatrio
Gera nmero
aleatrio
Gera nmero
aleatrio
Banco de dados:
probabilidades das
configuraes de
eixo da categoria
Banco de dados:
probabilidades das
marcas/modelos
Banco de dados:
probabilidades dos
pesos por eixo e
distncias entre eixos
Define a
configurao de
eixos do caminho
Define a
marca/modelo do
caminho
108
Como mostrado na Figura 7.4, o banco de dados utilizado pela macro possui trs subdivises. Todas as informaes contidas nesse banco de dados tm como base os dados coletados
em balanas rodovirias, discutidos no Captulo 5.
Na primeira subdiviso do banco de dados so definidas as probabilidades de ocorrncia
das diversas configuraes de eixo em cada categoria, mostradas na Tabela 7.3.
Tabela 7.3 Probabilidades das configuraes na categoria
Categoria
Leves
Tipo do Veculo
3
Mdios
Pesados
Extra-pesados
Probabilidade
46,16%
23,08%
15,38%
15,38%
109
Por fim, a terceira subdiviso do banco de dados contm as probabilidades dos pesos por
eixo de cada caminho de um determinado modelo e suas respectivas distncias entre eixos. A
Tabela 7.5 mostra esses dados para os caminhes da configurao 3S2. O mtodo da roleta, descrito no Captulo 6 e utilizado no algoritmo gentico que calibrou o simulador CORSIM, foi usado na definio das caractersticas dos caminhes a partir do banco de dados.
Tabela 7.5 Probabilidades dos pesos por eixo e distncias entre eixos (configurao 3S2)
Marca/Modelo
Probabilidade
Scania 124G
Scania 124G
Scania 124G
Scania 124G
Scania 124G
Scania 124G
Scania 113H
Scania 113H
Scania 113H
Scania 142H
Scania 142H
Mercedes-Benz 1944S
Mercedes-Benz 1944S
16,66%
16,66%
16,66%
16,66%
16,66%
16,66%
33,33%
33,33%
33,33%
50,00%
50,00%
50,00%
50,00%
1
4.420
5.850
5.790
6.230
4.500
4.650
4.240
4.400
5.450
4.660
5.200
5.390
5.290
5
5.350
7.770
8.190
8.000
4.950
7.400
0
2.560
5.700
5.640
4.800
4.140
5.970
Um aspecto que foi observado durante o uso da macro que o CORSIM considera que um
veculo se encontra no tramo a partir do instante de passagem do seu pra-choque dianteiro pelo
n montante do tramo. Da mesma forma, ele s identifica a sada do veculo do tramo aps a
passagem do seu pra-choque traseiro pelo n jusante. Assim, mesmo que apenas uma pequena
poro do veculo esteja no tramo (por exemplo, o seu primeiro ou ltimo eixo), a sua presena
detectada.
A posio do veculo que consta no arquivo TSD a do seu pra-choque dianteiro. Logo,
para efeito de posicionamento das cargas por eixo, foi feita a suposio de que o balano dianteiro de todos os caminhes era igual a 1,35 m. Essa suposio deu-se em virtude da grande variedade de modelos de caminhes existentes na amostra e o valor adotado corresponde mdia
encontrada para os balanos dos modelos cujas especificaes tcnicas disponibilizadas pelos
fabricantes eram mais completas.
110
7.3
A definio da quantidade de dias que seriam simulados para cada um dos cenrios teve
como base a estabilizao da diferena de probabilidade de ocorrncia de caminhes sobre a ponte, obtida com o uso da macro. Para isso, foram feitas replicaes da simulao. Cada replicao
usa uma seqncia diferente de nmeros aleatrios e assim se introduz uma variabilidade aos
processos estocsticos envolvidos na simulao (Cohen, 2004).
Os arquivos do CORSIM foram codificados para reproduzir 48 horas, ou seja, as simulaes realizadas descrevem a variao do trfego ao longo de dois dias. Esse valor foi determinado
em funo de uma limitao existente no simulador quanto ao nmero mximo de segundos que
pode ser simulado.
importante ressaltar que, enquanto cada replicao da simulao de 48 horas leva, em
mdia, 15 minutos para ser concluda, a macro despende outros 20 minutos para ler o arquivo
TSD gerado por essa replicao. Isso ocorre devido grande quantidade de dados a ser extrada
para um perodo de 172.800 segundos.
Inicialmente, o nmero de replicaes escolhido para verificar o comportamento da diferena de probabilidade foi 15, o que significa 30 dias de simulao. Contudo, os resultados obtidos com esse nmero de replicaes no foram satisfatrios, ou seja, as diferenas entre as probabilidades no se estabilizaram. Dessa forma, foi definido que um nmero de 45 replicaes (ou
90 dias) seria testado.
A simulao de 90 dias verificou a ocorrncia de at dez caminhes sobre a ponte para o
Cenrio 1. Entretanto, como esse evento aconteceu apenas uma vez (um segundo), no foi possvel analisar o comportamento da probabilidade. Sendo assim, a anlise foi feita com base na ocorrncia de nove caminhes. A Figura 7.5 apresenta o comportamento da diferena de probabilidade ao longo dos 90 dias simulados.
Para o Cenrio 2, foi verificada a ocorrncia de at 12 caminhes na ponte, mas, exemplo
do Cenrio 1, esse evento ocorreu poucas vezes (nove segundos em 90 dias de simulao). Dessa
111
15
9 Caminhes na ponte
10
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90
Dias Simulados
15
11 Caminhes na ponte
10
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90
Dias Simulados
A Figura 7.5 demonstra que, a partir do 70 dia simulado, a diferena nas probabilidades
sofre uma alterao muito pequena. O mesmo ocorre com os dados mostrados na Figura 7.6,
com as diferenas permanecendo praticamente estveis a partir do 80 dia simulado. Portanto,
considera-se que o perodo de 90 dias suficiente para representar o comportamento da probabilidade de ocorrncias de caminhes sobre a ponte para os dois cenrios.
112
7.4
Probabilidades de ocorrncia
Cenrio 1
Nmero de
Probabilidade
Segundos
1
1 / 7.776.000
43
1 / 180.837
233
1 / 33.373
1.950
1 / 3.988
10.984
1 / 708
48.620
1 / 160
161.009
1 / 48
437.294
1 / 18
1.008.948
1/8
2.057.484
1/4
Cenrio 2
Nmero de
Probabilidade
Segundos
9
1 / 864.000
194
1 / 40.082
1.458
1 / 5.333
7.608
1 / 1.022
31.771
1 / 245
98.821
1 / 79
227.730
1 / 34
406.220
1 / 19
611.143
1 / 13
831.925
1/9
1.147.965
1/7
1.701.233
1/5
113
7.5
Para a anlise do efeito do trfego dos veculos pesados sobre a ponte (nesse caso, o momento fletor mximo positivo), fez-se uso da verso 2.11 do FTOOL, que um programa que se
destina anlise do comportamento estrutural de prticos planos (Martha, 2002). Ele uma ferramenta simples, que combina em uma nica interface recursos para uma eficiente criao e manipulao do modelo (pr-processamento) aliados a uma anlise da estrutura rpida e a uma visualizao de resultados efetiva (ps-processamento).
A seguir, demonstra-se como so obtidas as cargas mveis estabelecidas na norma atualmente em vigncia e aquelas derivadas da simulao. O efeito que esses carregamentos provocam
na estrutura tambm apresentado.
7.5.1
tipo e por cargas q e q uniformemente distribudas. Enquanto a carga q procura levar em considerao a existncia de outros veculos na ponte, a carga q tenta reproduzir a ao de multido
(ABNT, 1984).
114
Nesse estudo de caso, considera-se que a ponte da classe 45, o que implica que a carga q
tem valor de 5 kN/m2. Essa carga deve ser aplicada nas faixas de trfego e nos acostamentos,
deduzindo-se apenas a rea ocupada pelo veculo, conforme mostrado na Figura 7.8.
A carga q, que possui valor de 3 kN/m2 para todas as classes de ponte e aplicada nos
passeios, no foi considerada nesta pesquisa. A razo para tal reside no fato de que o efeito provocado por ela seria o mesmo para as situaes de carregamento mvel da norma e carregamento
mvel das simulaes.
A Figura 7.9 apresenta o veculo-tipo normativo para classe de ponte 45. O tabuleiro considerado para a ponte foi de 8,20 m, ou seja, duas faixas de trfego com 3,60 m cada e um acostamento com 1 m (Figura 7.10). A largura do tabuleiro levada em conta no clculo da carga q.
115
Para a ponte simplesmente apoiada, o veculo-tipo, com suas trs cargas concentradas de
150 kN cada uma, posicionado no meio do vo. Essa localizao representa o caso mais crtico
para o clculo do momento fletor. Os valores de 26 kN/m e 41 kN/m correspondem s cargas q
calculadas para o local em que o veculo-tipo est posicionado e para o restante da ponte, respectivamente. A Figura 7.11 apresenta o carregamento mvel da NBR-7188 resultante sobre a ponte
fictcia de 100 m, chamado de trem-tipo.
116
7.5.2
caminhes e suas respectivas localizaes na ponte. Essas cargas e locais foram obtidos com o
uso da macro descrita neste captulo, que permitiu definir o conjunto de caractersticas dos caminhes com base em anlises probabilsticas a partir da gerao de nmeros aleatrios. As solicitaes na estrutura dependem bastante do posicionamento das cargas mveis sobre ela
(Loriggio,1993).
Destaca-se que no caso em que se obtm toda a distribuio de cargas sobre a ponte, que
poderia ser chamada de um trem-tipo representativo, no necessria a considerao da carga de
multido (q), uma vez que ela admitida na norma para reproduzir as solicitaes provocadas por
outros veculos na ponte alm do veculo-tipo.
Devido alta freqncia das probabilidades de ocorrncia de algumas quantidades de caminhes sobre a ponte de 100 m, optou-se por fazer a anlise do efeito provocado pela presena
de mltiplos caminhes apenas para as trs maiores quantidades verificadas para cada cenrio
simulado. Entende-se que, de forma geral, maiores quantidades de caminhes implicam em maiores carregamentos, levando anlise dos casos mais crticos.
Dessa forma, para o Cenrio 1 foram analisados os efeitos provocados em alguns segundos
em que ocorre a presena de 8, 9 e 10 caminhes sobre a ponte, enquanto que para o Cenrio 2,
alguns segundos em que ocorre a presena de 10, 11 e 12 caminhes. A escolha dos segundos
analisados detalhada no item a seguir.
117
3.000
2.500
2.000
1.500
1.000
1.200
1.300
1.400
1.500
1.600
1.700
1.800
1.900
2.000
A observao da figura indica que, mesmo para uma amostra pequena, a variao do peso
total na ponte grande, com limites entre 1.304 kN e 1.984 kN. Alm disso, percebe-se que o
maior momento fletor foi obtido com o segundo maior peso total na ponte, uma conseqncia
da influncia do posicionamento das cargas no clculo do momento.
A Figura 7.14 mostra as distribuies dos pesos totais na ponte para as situaes que possuem amostras maiores. Como se pode perceber, para uma mesma quantidade de caminhes
118
sobre a ponte, a diferena entres os pesos totais mximo e mnimo grande. Por exemplo, para o
caso de 10 caminhes, o valor mnimo (704 kN) consiste em apenas 25% do valor mximo
(2.843 kN).
3.000
11 Caminhes (Cenrio 2)
2.400
10 Caminhes (Cenrio 2)
9 Caminhes (Cenrio 1)
8 Caminhes (Cenrio 1)
1.800
1.200
600
0
100
200
300
400
500
600
700
800
900
Ocorrncias
As Figuras 7.15 a 7.30 apresentam os carregamentos originados pelos trs maiores pesos de
cada situao, exceo da ocorrncia de 10 caminhes no Cenrio 1, que s aconteceu uma vez.
A Tabela 7.7 mostra uma comparao do peso total mximo dos veculos simulados com o
peso do trem-tipo da NBR-7188. Os dados indicam que o carregamento mximo obtido
(2.843 kN) representa apenas 63,74% do peso do trem-tipo normativo.
Tabela 7.7 Comparao entre o peso total das simulaes e do trem-tipo
Quantidade de Caminhes Cenrio Peso Total Mximo (kN) % do Peso do Trem-Tipo
12
2
1.984
44,48
11
2
2.602
58,34
10
2
2.843
63,74
10
1
1.712
38,39
9
1
2.373
53,21
8
1
2.198
49,28
119
Figura 7.16 Carregamento gerado por 9 caminhes (Cenrio 1), maior peso
Figura 7.17 Carregamento gerado por 9 caminhes (Cenrio 1), segundo maior peso
Figura 7.18 Carregamento gerado por 9 caminhes (Cenrio 1), terceiro maior peso
120
Figura 7.19 Carregamento gerado por 8 caminhes (Cenrio 1), maior peso
Figura 7.20 Carregamento gerado por 8 caminhes (Cenrio 1), segundo maior peso
Figura 7.21 Carregamento gerado por 8 caminhes (Cenrio 1), terceiro maior peso
Figura 7.22 Carregamento gerado por 12 caminhes (Cenrio 2), maior peso
121
Figura 7.23 Carregamento gerado por 12 caminhes (Cenrio 2), segundo maior peso
Figura 7.24 Carregamento gerado por 12 caminhes (Cenrio 2), terceiro maior peso
Figura 7.25 Carregamento gerado por 11 caminhes (Cenrio 2), maior peso
Figura 7.26 Carregamento gerado por 11 caminhes (Cenrio 2), segundo maior peso
122
Figura 7.27 Carregamento gerado por 11 caminhes (Cenrio 2), terceiro maior peso
Figura 7.28 Carregamento gerado por 10 caminhes (Cenrio 2), maior peso
Figura 7.29 Carregamento gerado por 10 caminhes (Cenrio 2), segundo maior peso
Figura 7.30 Carregamento gerado por 10 caminhes (Cenrio 2), terceiro maior peso
123
O momento fletor mximo positivo decorrente de cada um dos carregamentos apresentados nas Figuras 7.15 a 7.30 foi calculado com o uso do programa FTOOL. O valor do momento
para cada uma das 16 situaes analisadas est apresentado na Tabela 7.8. Essa tabela mostra
tambm uma comparao entre os momentos mximos gerados pelos veculos simulados e aquele gerado pelo trem-tipo (6.009 kNm).
Tabela 7.8 Momentos fletores mximos (veculos simulados)
Quantidade
de Caminhes
12
12
12
11
11
11
10
10
10
10
9
9
9
8
8
8
Cenrio
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1.984
1.919
1.709
2.602
2.533
2.492
2.843
2.803
2.712
1.712
2.373
2.025
1.982
2.198
2.195
2.162
Momento Fletor
Mximo (kNm)
2.250
2.523
2.144
3.434
3.097
3.161
4.082
3.561
3.417
2.193
2.473
2.878
2.991
2.756
3.226
2.512
% do Momento Fletor
Mximo do Trem-Tipo
37,44
41,99
35,68
57,15
51,54
52,60
67,93
59,26
56,86
36,50
41,15
47,89
49,78
45,86
53,69
41,80
Os dados da Tabela 7.8 apontam que o momento mais crtico o gerado pela presena de
10 caminhes na ponte (Cenrio 2), com um valor de 4.082 kNm. Esse momento corresponde a
67,93% do causado pelo trem-tipo normativo.
A relao momento fletor mximo versus peso total na ponte para as 16 situaes analisadas
est apresentada na Figura 7.31. Como se pode perceber, o momento fletor mximo produzido
pelo maior peso na ponte (2.843 kN) e o menor momento, que tem valor de 2.144 kNm, produzido pelo menor peso (1.709 kN). Esse menor momento ocasionado pela presena de 12
caminhes.
124
4.100
3.600
3.100
2.600
2.100
1.700
1.900
2.100
2.300
2.500
2.700
2.900
Figura 7.31 Momentos fletores versus peso total das situaes analisadas
Os resultados aqui apresentados indicam que o nmero de caminhes na ponte, que a princpio pode ser visto como um fator crtico, no predominante no clculo do momento fletor. A
razo para isso decorre do fato de que quanto maior o nmero de caminhes, menores ele tendem a ser, implicando em menores quantidades de eixos e carregamentos totais.
Outro aspecto relevante o conservadorismo que se verifica quanto ao carregamento mvel estabelecido pela NBR-7188. Para o estudo de caso realizado, enquanto o peso total na ponte
causado pelos veculos simulados chegou a um mximo de 2.843 kN, o peso total do trem-tipo
para essa ponte de 4.460 kN.
O conservadorismo da norma reside principalmente no valor da carga q (5 kN/m2) que,
nesse caso especfico, demonstrou ser muito elevado para representar as cargas de outros veculos
sobre a ponte alm do veculo-tipo. Observando que a ponte hipottica considerada tem 100 m
de extenso e 8,2 m de largura e descontando a carga referente ao veculo-tipo considerado
(450 kN) e a rea ocupada por ele (18 m2), obtm-se um valor correspondente para a carga q de
aproximadamente 3 kN/m2 para a situao mais crtica simulada (peso total de 2.843 kN).
7.6
Consideraes finais
Esse estudo de caso serviu para demonstrar que um modelo de simulao de trfego detalhado pode ser uma ferramenta de anlise muito til durante o processo de dimensionamento de
125
pontes ou viadutos. Atravs do uso da simulao, as variveis aleatrias envolvidas no carregamento mvel da ponte podem ser includas no clculo do mximo efeito sobre a estrutura. Essas
variveis so o nmero de caminhes, suas posies relativas, seus pesos dos eixos e seus espaamentos entre eixos. A importncia na considerao de todas essas variveis justificada pelo
fato de que o mximo efeito da carga mvel em uma ponte ocorre devido presena simultnea
de vrios caminhes (Ghosn, 2000).
Um outro tipo de anlise que poderia ser realizada atravs da simulao do trfego a que
diz respeito fadiga, que a diminuio gradual da resistncia de um material por efeito de solicitaes repetidas. Para a anlise da fadiga, necessrio que seja estabelecido um trem-tipo representativo e o nmero de ocorrncias correspondentes (Galgoul e Chamon, 1990).
A anlise da fadiga a partir da NBR-7187 Projeto e Execuo de Pontes de Concreto
Armado e Protendido considerada muito rigorosa, uma vez que se baseia na premissa de que
todas as oscilaes de tenses so iguais mxima provocada pelo trem-tipo (Galgoul e Chamon,
1990). Assim, com a simulao do trfego, pode-se verificar a probabilidade de ocorrncia dos
carregamentos e os seus valores, investigando com que freqncia os carregamentos muito pesados ocorrem.
127
8.Concluses e Recomendaes
Com base nos resultados e anlises apresentados no decorrer deste texto, pode-se considerar que foi alcanado o objetivo principal da tese: desenvolver uma metodologia que permita determinar o efeito do trfego real de veculos pesados sobre a infra-estrutura rodoviria com auxlio de um modelo de simulao microscpica de trfego. A metodologia desenvolvida foi demonstrada a partir da gerao de um carregamento mvel para uma ponte rodoviria. A modelagem das cargas mveis de forma acurada se constitui na base para um projeto mais racional e
econmico dos componentes da infra-estrutura rodoviria (Nowak, 1995).
Para alcanar o objetivo principal, foram estabelecidos dois objetivos secundrios. O primeiro deles era obter uma amostra de dados sobre as caractersticas dos veculos pesados, que foi
conseguida atravs de coletas de dados em balanas rodovirias. A escolha do conjunto de balanas foi feita de forma a possibilitar a caracterizao da frota de veculos pesados que trafega nas
rodovias de pista dupla do estado de So Paulo. No total, foram coletados dados de 6.253 veculos em sete diferentes balanas. Esses veculos estavam distribudos em 22 configuraes de eixos, que produziram um total de 500 combinaes de marcas e modelos de caminhes e de semireboques, cada qual correspondendo a um arranjo de eixos e de distncias entre eixos.
O segundo objetivo secundrio consistia na calibrao e validao do simulador de trfego
CORSIM. Esse objetivo foi atingido com o uso de um algoritmo gentico codificado em Perl,
128
que realizou a calibrao a partir de dados coletados em um trecho de rodovia de pista dupla paulista. A calibrao tornou o simulador capaz de reproduzir adequadamente as caractersticas e o
comportamento do trfego observado.
Para demonstrar como a metodologia desenvolvida pode ser utilizada, efetuou-se um estudo de caso que calculou o momento fletor ocasionado pela presena simultnea de veculos pesados sobre uma ponte, a fim de compar-lo com o provocado pelo trem-tipo normativo.
8.1
Concluses
129
mtodos atualmente usados na Engenharia de Estruturas, que se baseiam na teoria dos processos
estocsticos, na considerao de configuraes estticas do trfego ou na simulao de Monte
Carlo, uma vez que incorpora um modelo de car-following para representar o posicionamento dos
veculos sobre as pontes.
Apesar da necessidade de agregar veculos com caractersticas similares para fins de simulao (devido a uma limitao do CORSIM), a anlise probabilstica a partir da gerao de nmeros
aleatrios torna possvel a desagregao dos dados de uma maneira que no compromete os resultados obtidos.
O carregamento mvel obtido a partir da extrao dos dados do simulador juntamente com
as informaes contidas em um banco de dados composto no somente pelas cargas dos eixos
dos veculos como tambm pelo posicionamento dessas cargas. A importncia da aquisio de
um banco de dados detalhado sobre a frota de veculos pesados (com informaes de configurao de eixos, marca/modelo, pesos por eixos e espaamento entre eixos dos caminhes e dos
implementos rodovirios) reside no fato de que a considerao de uma varivel global, tal como o
peso bruto, se revela incapaz de fornecer subsdios para o clculo do efeito do trfego desses
veculos sobre a infra-estrutura rodoviria. Mais importante do que o carregamento total sobre a
estrutura a distribuio desse carregamento, uma vez que so as concentraes de cargas dos
veculos que podem produzir esforos nocivos.
Apesar de o estudo de caso ter sido realizado para a anlise estrutural de uma ponte, o mtodo de obteno do carregamento mvel desenvolvido nesta tese pode ser adaptado para aplicao no dimensionamento de pavimento, um outro componente da infra-estrutura rodoviria.
Estudo de caso
8.1.3
A partir das anlises feitas no estudo de caso, que verificou o efeito do trfego de veculos
pesados sobre uma ponte hipottica de 100 m simplesmente apoiada, pode-se concluir que:
As presenas simultneas de veculos pesados nas pontes podem ser muito freqentes e
esto diretamente relacionadas s caractersticas do fluxo de trfego;
130
A quantidade de veculos pesados sobre a ponte no indica a situao mais crtica para
o clculo dos esforos. A distribuio das cargas e seus respectivos valores so fatores
determinantes;
O maior momento fletor gerado pelo trfego simulado foi ocasionado pela presena
simultnea de 10 caminhes sobre a ponte. Esse momento corresponde a 67,93% do
causado pelo trem-tipo normativo; e
A carga uniformemente distribuda q (estabelecida pela NBR-7188) se mostra conservadora para representar as solicitaes provocadas por outros veculos na ponte alm do
veculo-tipo.
Cabe lembrar que essas concluses esto limitadas ao estudo de caso especfico que foi realizado, ou seja, elas so vlidas apenas para as condies de trfego e caractersticas da frota simuladas.
importante ressaltar tambm que, embora o estudo de caso tenha feito a anlise de um
nico vo em um sistema estrutural especfico, a metodologia desenvolvida pode ser aplicada
para vos de quaisquer magnitude e sistema estrutural.
8.2
Recomendaes
131
Outras medidas de desempenho poderiam ter sido usadas no processo de calibrao e validao do CORSIM e, talvez, produzido melhores resultados na calibrao do modelo. O principal aspecto que deve ser levado em conta na escolha das medidas de desempenho utilizadas a
possibilidade de aquisio dos dados em campo da mesma forma que eles estejam disponveis no
arquivo de resultados do simulador.
Quanto macro criada para desagregar os veculos pesados simulados, nela poderia ter sido
introduzido um mecanismo capaz de selecionar, a partir do banco de dados, um conjunto de veculos para cada tipo simulado e no um veculo nico. Esse procedimento permitiria a criao de
intervalos de confiana para as configuraes de eixos dentro de um mesmo tipo de veculo considerado pelo CORSIM e tambm entre os pesos dos eixos desses veculos, enriquecendo as anlises realizadas.
No estudo de caso realizado no foi previsto aumento nos pesos dos eixos dos veculos, ou
seja, admite-se que no ocorrero mudanas na legislao ao longo da vida til da ponte. Variaes deste tipo poderiam ser introduzidas na anlise, mas envolveriam, necessariamente, suposies sobre o desempenho dos veculos futuros que no poderiam ser verificadas durante o processo de calibrao do CORSIM. O efeito dinmico das cargas mveis, traduzido em termos de
um coeficiente dinmico, tambm no foi considerado no estudo de caso realizado. Apesar de o
CORSIM gerar informaes tais como velocidade e acelerao dos veculos a cada segundo, somente o componente esttico das cargas mveis foi analisado nesta pesquisa.
Um dos temas que podem ser explorados em novas pesquisas a fadiga de pontes a partir
de dados de simulao microscpica, j que ela depende substancialmente das caractersticas do
trfego. Uma outra aplicao da metodologia aqui desenvolvida o clculo do nmero N para
dimensionamento de pavimentos.
133
Referncias Bibliogrficas
ABNT (1960). NB-6: Cargas mveis em pontes rodovirias. Rio de Janeiro.
______. (1984). NBR-7188: Carga mvel em ponte rodoviria e passarela de pedestres. Rio de
Janeiro.
______. (1986). NBR-7187: Projeto e execuo de pontes de concreto armado e protendido. Rio
de Janeiro.
AYCIN, M. F.; BENEKOHAL, R. F. (1999). Comparison of car-Following models for simulation. Transportation Research Record 1678, Transportation Research Board, National Research Council, Washington, p.116-127.
BAYARRI, M. J.; BERGER, J. O.; MOLINA, G.; ROUPHAIL, N. M., SACKS, J. (2004). Assessing uncertainties in traffic simulation: A key component in model calibration and validation.
In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington. Proceedings... 1 CD-ROM.
BEN-AKIVA, M. E.; DARDA, D.; JHA, M.; KOUTSOPOULOS, H. N.; TOLEDO, T. (2004).
Calibration of microscopic traffic simulation models with aggregate data. In: 83rd ANNUAL
MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
BLOOMBERG, L.; DALE, J. (2000). Comparison of VISSIM and CORSIM traffic simulation
models on a congested network. Transportation Research Record 1727, Transportation Research Board, National Research Council, Washington, p.52-60.
134
em:
CHEU, R.; JIN, X.; NG, K.; NG, Y.; SRINIVASAN, D. (1998). Calibration of FRESIM for Singapore expressway using genetic algorithm. ASCE Journal of Transportation Engineering,
p.526-535, dez.
COHEN, S. L. (2004). An approach to calibration and validation of traffic simulation models. In:
83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington. Proceedings... 1 CD-ROM.
COLELLA, D. A. T; DEMARCHI, S. H. (2005). Calibrao do modelo fluxo-velocidade do simulador INTEGRATION a partir de tempos de percurso em vias urbanas. In: CONGRESSO
DE PESQUISA E ENSINO EM TRANSPORTES, 19., 2005, Recife. Anais... Recife: Associao Nacional de Pesquisa e Ensino em Transportes. v.2, p.1058-1069.
COLELLA, D. A. T; LIMA, E. P.; DEMARCHI, S. H. (2005). Calibrao e validao do modelo
fluxo-velocidade do INTEGRATION para vias urbanas semaforizadas. Transporte em Transformao IX Trabalhos Vencedores do Prmio CNT Produo Acadmica 2004, Braslia,
p.101-121.
CONFEDERAO NACIONAL DO TRANSPORTE (2006). Boletim estatstico da CNT.
Disponvel em: <http://www.cnt.org.br>. Acesso em: 30 dez. 2006.
CRESPO-MINGUILLN, C.; CASAS, J. R. (1997). A comprehensive traffic load model for
bridge safety checking. Structural Safety, v.19, n.4, p.339-359.
CUNHA, A. L. B. N.; MON-MA, M. L.; ARAJO, J. J.; EGAMI, C. Y.; SETTI, J. R. A. (2005).
Caracterizao da frota de caminhes no sistema Anhanguera-Bandeirantes. In: XIX
CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES, 2005, Recife. Anais... 1
CD-ROM.
135
CUNHA, A. L. B. N.; SETTI, J. R. A. (2006). Calibrao do modelo de desempenho de caminhes do CORSIM atravs de um algoritmo gentico. In: XX CONGRESSO DE PESQUISA E
ENSINO EM TRANSPORTES, 2006, Braslia. Anais... 1 CD-ROM.
DEMARCHI, S. H.; SETTI, J. R. A. (2001). Recalibrao do simulador INTEGRATION para
uma rodovia de pista dupla brasileira. Transportes: Experincias em Rede. Rio de Janeiro, p.87102.
DENATRAN
(2006).
Frota
de
veculos.
Disponvel
<http://www.denatran.gov.br/frota_UF_fabr.htm>. Acesso em: 30 dez. 2006.
em:
DHULIPALA, S. (2002). A system for travel time estimation on urban freeways. 115p. Dissertao (Mestrado) Virginia Polytechnic Institute and State University, Blacksburg, 2002.
DNIT (2006). Manual de estudos de trfego. Verso preliminar. Departamento Nacional de
Infra-Estrutura de Transportes, Ministrio dos Transportes, Brasil.
DOWLING, R.; SKABARDONIS, A.; HALKIAS, J.; MCHALE, G.; ZAMMIT, G. (2004).
Guidelines for calibration of microsimulation models: framework and applications. In: 83rd
ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
EGAMI, C. Y. (2000). Recalibrao de um modelo de simulao do trfego em rodovias de
pista simples. 137p. Dissertao (Mestrado) - Escola de Engenharia de So Carlos, Universidade
de So Paulo, So Carlos, 2000.
______. (2006). Adaptao do HCM-2000 para determinao do nvel de servio em rodovias de pista simples sem faixas adicionais no Brasil. 233p. Tese (Doutorado) Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2006.
EGAMI, C. Y.; SETTI, J. R. A (2002). Recalibrao do modelo TRARR para simulao de rodovias de pista simples no Brasil. Transporte em Transformao V Trabalhos Vencedores do
Prmio CNT Produo Acadmica 2000, So Paulo, p.31-46.
EGAMI, C. Y.; SETTI, J. R. A; RILETT, L. R. (2004). Algoritmo gentico para calibrao automtica de um simulador de trfego em rodovias de pista simples. Transportes, Rio de Janeiro,
v.12, n.2, p.5-14.
EL DEBS, M. K.; TAKEYA, T. (1995). Pontes de concreto: Fascculo 2 - Aes nas pontes.
29p. (Notas de Aula) - Departamento de Engenharia de Estruturas, Escola de Engenharia de So
Carlos, Universidade de So Paulo, So Carlos, 1995.
136
______. (1995). Pontes de concreto: Fascculo 3 Sistemas estruturais. 15p. (Notas de Aula)
- Departamento de Engenharia de Estruturas, Escola de Engenharia de So Carlos, Universidade
de So Paulo, So Carlos, 1995.
ELEFTERIADOU, L.; LEONARD II, J. D.; LIST, G.; LIEU, H; THOMAS, M.; GIGUERE,
R.; JOHNSON, G.; BREWISH, R. (1999). Beyond the Highway Capacity Manual: Framework
for selecting simulation models in traffic operational analyses. Transportation Research Record 1678, Transportation Research Board, National Research Council, Washington, p.96-106.
FERREIRA, L. M. (2006). Aplicao da teoria da confiabilidade na obteno de limites
para o peso de veculos de carga em pontes de concreto. 273p. Tese (Doutorado) Escola
de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2006.
FHWA (2001). TSIS: Traffic software integrated system. Version 5.0. Colorado Springs: ITT
Industries.
FRANKEL, J.; ALVAREZ, L.; HOROWITZ, R.; LI, P. (1996). Safety oriented maneuvers for
IVHS. Vehicle System Dynamics, v.26, n.4, p.271-299, out.
GALGOUL, N. S.; CHAMON, R. (1990). Avaliao do trem-tipo de norma para o dimensionamento fadiga de vigas de pontes rodovirias de concreto armado. II Simpsio EPUSP sobre
Estruturas de Concreto, Universidade de So Paulo, So Paulo, p. 103-131.
GHOSN, M.; MOSES, F. (1985). Markov renewal model for maximum bridge loading. ASCE
Journal of Engineering Mechanics, v.111, n.9, p.1093-1104.
GHOSN, M. (2000). Development of truck weight regulations using bridge reliability model.
Journal of Bridge Engineering, p.293-303, nov.
GOLDBERG, D. E. (1989). Genetic algorithms in search, optimization, and machine
learning. Reading: Addison-Wesley.
HALATI, A.; LIEU, H.; WALKER, S. (1997). CORSIM Corridor traffic simulation model. In:
TRAFFIC CONGESTION AND TRAFFIC SAFETY IN THE 21ST CENTURY : Challenges,
Innovations and Opportunities, 1997, Chicago. Proceedings... Chicago: American Society of
Civil Engineers, p.570-576.
137
HELLINGA, B. R. (1998). Requirements for the calibration of traffic simulation models. In:
PROCEEDINGS OF ANNUAL CONFERENCE, 1998, Halifax. Proceedings... Halifax:
Canadian Society for Civil Engineering , v.4b, p.211-222.
HENDERSON, J.; FU, L. (2004). Applications of genetic algorithms in transportation engineering. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD,
2004, Washington. Proceedings... 1 CD-ROM.
HOLLAND, J. H. (1975). Adaptation in natural and artificial systems. Ann Arbor: University
of Michigan Press.
HOURDAKIS, J.; MICHALOPOULOS, P. G.; KOTTOMMANNIL, J. (2003). Practical procedure for calibrating microscopic traffic simulation models. Transportation Research Record
1852, Transportation Research Board, National Research Council, Washington, p.130-139.
HUFF, T. S.; SCRIVNER, F. H. (1955). Simplified climbing-lane design theory and road test
results. Bulletin 104, Highway Research Board, National Research Council, Washington, p.1-11.
HWANG, E. S.; KOH, H. M. (2000). Simulation of bridge live load effects. In: 16TH
CONGRESS OF IABSE, 2000, Lucerne. Proceedings... 1 CD-ROM.
ITE (1965). Traffic Engineering Handbook. 3thed. Englewood Cliffs: Prentice-Hall.
KHAN, S; MAINI, P.; THANASUPSIN, K. (2000). Car-following and collision constraint models for uninterrupted traffic. Transportation Research Record 1710, Transportation Research
Board, National Research Council, Washington, p.37-46.
KIM, K.; RILETT, L. R. (2001). Genetic-algorithm-based approach for calibrating microscopic
simulation models. In: IEEE INTELLIGENT TRANSPORTATION SYSTEMS
CONFERENCE, 2001, Oakland. Proceedings 1 CD-ROM.
______. (2004). A genetic algorithm based approach to traffic micro-simulation calibration using
ITS data. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH
BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
KIM, S.; KIM, K.; RILETT, L. R. (2005). Calibrating of microsimulation models using nonparametric statistical techniques. Journal of the Transportation Research Board 1935, Transportation Research Board of the National Academies, Washington, p.111-119.
138
LEE, D.; YANG, X.; CHANDRASEKAR, P. (2001). Parameter calibration for PARAMICS
using genetic algorithm. In: 80th ANNUAL MEETING OF THE TRANSPORTATION
RESEARCH BOARD, 2001, Washington. Proceedings... 1 CD-ROM.
LORIGGIO, D. D. (1993). Contribuies para a normalizao da fadiga na reviso da norma
NB1/93. III Simpsio EPUSP sobre Estruturas de Concreto, Universidade de So Paulo,
So Paulo, p. 293-322.
LUCHI, L. A. R. (2006). Reavaliao do trem-tipo luz das cargas reais nas rodovias brasileiras. 257p. Tese (Doutorado) Escola Politcnica, Universidade de So Paulo, So Paulo,
2006.
MA, T.; ABDULHAI, B. (2001). Genetic algorithm-based combinatorial parametric optimization
for the calibration of microscopic traffic simulation models. In: IEEE INTELLIGENT
TRANSPORTATION SYSTEMS CONFERENCE, 2001, Oakland. Proceedings 1 CDROM.
______. (2002). Genetic algorithm-based optimization approach and generic tool for calibrating
traffic microscopic simulation parameters. Transportation Research Record 1800, Transportation Research Board, National Research Council, Washington, p.6-15.
MARTHA, L. F. (2002). FTOOL Verso 2.11. Disponvel em: <http://www.tecgraf.pucrio.br/ftool/manual/>. Acesso em: 30 out. 2006.
MERRITT, E. (2004). Calibration and validation of CORSIM for Swedish road traffic conditions. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD,
2004, Washington. Proceedings... 1 CD-ROM.
MILAM, R. T.; CHOA, F. (2002). Recommended guidelines for the calibration and validation
of
traffic
simulation
models.
Disponvel
em:
<http://www.fehrandpeers.com/publications/papers/traff_simulation.pdf>. Acesso em: 18
mar. 2003.
MOSES, F.; GHOSN, M. (1985). A comprehensive study of bridge loads and reliability.
Columbus: Ohio Department of Transportation. Report n. FHWA/OH-85/005.
NI, D.; LEONARD II, J. D.; GUIN, A.; WILLIAMS, B. M. (2004). A systematic approach for
validating traffic simulation models. In: 83rd ANNUAL MEETING OF THE
TRANSPORTATION RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
139
NOWAK, A. S.; LIND, N. C. (1979). Practical bridge code calibration. Journal of the Structural Division, v.105, n.ST12, p.2497-2510, dez.
NOWAK, A. S.; HONG, Y. K. (1991). Bridge live-load models. Journal of Structural Engineering, v.117, n.9, p.2757-2767, set.
NOWAK, A. S. (1993). Live load model for highway bridges. Journal of Structural Safety, v.13,
p.53-66.
NOWAK, A. S. (1995). Calibration of LRFD bridge code. Journal of Structural Engineering,
v.121, n.8, p.1245-1251, ago.
NOWAK, A. S. (1999). Calibration of LRFD bridge design code. NCHRP Report 368. Transportation Research Board, National Research Council, Washington.
OWEN, L. E. ; ZHANG, Y. ; RAO, L. ; MCHALE, G. (2000). Traffic flow simulation using
CORSIM. In: WINTER SIMULATION CONFERENCE, 2000, Orlando. Proceedings...
Orlando: INFORMS Simulation Society, p.1143-1147.
PAYNE, H. J.; THOMPSON, S.; CHANG, G. (1997). Calibration of FRESIM to achieve desired capabilities. Transportation Research Record 1591, Transportation Research Board, National Research Council, Washington, p.23-30.
PREVEDOUROS, P. D.; WANG, Y. (1999). Simulation of large freeway and arterial network
with CORSIM, INTEGRATION and WATSim. Transportation Research Record 1678,
Transportation Research Board, National Research Council, Washington, p.197-207.
RAKHA, H.; HELLINGA, B.; VAN AERDE, M.; PEREZ, W. (1996). Systematic verification,
validation and calibration of traffic simulation models. In: 75th ANNUAL MEETING OF THE
TRANSPORTATION RESEARCH BOARD, 1996, Washington. Proceedings... 1 CD-ROM.
RAKHA, H.; CROWTHER, B. (2002). Comparison of Greenshields, Pipes, and Van Aerde carfollowing and traffic streams models. Transportation Research Record 1802, Transportation
Research Board, National Research Council, Washington, p.248-262.
______. (2003). Comparison and calibration of FRESIM and INTEGRATION steady-state carfollowing behavior. Transportation Research Part A, v.37, n.1, p.1-27, jan.
140
RILETT, L. R.; KIM, K. (2001). Automatic calibration of surface transportation demand and
supply modes using ITS data. In: 9th WORLD CONGRESS ON TRANSPORT RESEARCH,
2001, Seoul. Proceedings... 1 CD-ROM.
RILETT, L. R.; KIM, K. K.; RANEY, B. (2000). Comparison of low-fidelity TRANSIMS and
high-fidelity CORSIM highway simulation models with intelligent transportation system data.
Transportation Research Record 1739, Transportation Research Board, National Research
Council, Washington, p.1-8.
ROBERTSON, H. D.; HUMMER, J. E.; NELSON, D. C. (1994). Manual of transportation
engineering studies. Englewood Cliffs: Prentice-Hall.
SACKS, J.; ROUPHAIL, N. M.; PARK, B.; THAKURIAH, P. (2002). Statistically-based validation of computer simulation models in traffic operations and management. Journal of Transportation and Statistics, v.5, n.1, p.1-15.
SANTOS, M. F. (2003). Contribuio ao estudo do efeito de combinao de veculos de
carga sobre pontes rodovirias de concreto. 152p. Dissertao (Mestrado) Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003.
SCHULTZ, G. G. (2003). Developing a methodology to account for commercial motor
vehicles using microscopic traffic simulation models. 332p. Tese (Doutorado) - Texas A&M
University, College Station, 2003.
SCHULTZ, G. G.; RILETT, L. R. (2004). An analysis of the distribution and calibration of carfollowing sensitivity parameters in microscopic traffic simulation models. In: 83rd ANNUAL
MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
______. (2005). Calibration of distributions of commercial motor vehicles in CORSIM. Journal
of the Transportation Research Board 1934, Transportation Research Board of the National
Academies, Washington, p.246-255.
SKABARDONIS, A. (2002). Simulation of freeway weaving areas. Transportation Research
Record 1802, Transportation Research Board, National Research Council, Washington, p.115124.
SOUSA, D. L. M; RIBEIRO, P. C. M. (2004). Anlise dos impactos causados no trfego por
alteraes na rede viria utilizando micro-simulao. In: CONGRESSO DE PESQUISA E
ENSINO EM TRANSPORTES, 18., 2004, Florianpolis. Anais... Florianpolis: Associao
Nacional de Pesquisa e Ensino em Transportes. v.1, p.441-452.
141
ST. JOHN, A. D.; KOBETT, D. R. (1978). Grade effects on traffic flow stability and capacity.
NCHRP Report 185. Transportation Research Board, National Research Council, Washington.
TOLEDO, T.; KOUTSOPOULOS, H. (2004). Statistical validation of traffic simulation models.
In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington. Proceedings... 1 CD-ROM.
TRB (2002). Regulation of weights, lengths, and widths of commercial motor vehicle. TRB Special Report 267. Transportation Research Board, National Research Council, Washington.
WALL, L.; CHRISTIANSEN, T.; ORWANT, J. (2000). Programming Perl. 3thed. Sebastopol:
OReilly.
WICKS, D. A.; LIEBERMAN, E. B. (1980). Development and testing of INTRAS, a microscopic freeway simulation model. Vol. 1 - Program design, parameter calibration and
freeway dynamics component development. Washington: U.S. Department of Transportation. Report FHWA/RD-80/106.
WIDMER, J. A. (2004). Proposta de nomenclatura de caminhes. In: CONGRESSO DE
PESQUISA E ENSINO EM TRANSPORTES, 18., 2004, Florianpolis. Anais... Florianpolis:
Associao Nacional de Pesquisa e Ensino em Transportes. v.1, p.624-635.
Genetic
Algorithm.
Disponvel
WIKIPEDIA
(2006).
<http://en.wikipedia.org/wiki/Genetic_algorithm >. Acesso em: 27 dez. 2006.
em:
* De acordo com:
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR-6023: informao e documentao: referncias: elaborao. Rio de Janeiro, 2002.
Apndice A
145
15
18%
-
60
3%
0%
-
27
4%
29%
33%
-
32
3%
0%
13%
7%
-
38
10%
14%
13%
27%
44%
-
44
11%
14%
7%
13%
22%
22%
46
51%
43%
33%
53%
33%
78%
Tabela A.2 Matriz da primeira coleta de dados (6/6/2005) 10:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
12%
38%
-
116
5%
3%
13%
-
117
5%
8%
5%
32%
-
122
1%
0%
3%
0%
0%
-
124
5%
5%
13%
9%
9%
25%
-
129
6%
13%
11%
9%
9%
17%
11%
-
134
3%
3%
3%
5%
0%
8%
11%
0%
-
151
14%
8%
18%
9%
18%
17%
33%
62%
65%
153
49%
23%
34%
36%
64%
33%
44%
38%
35%
Tabela A.3 Matriz da primeira coleta de dados (6/6/2005) 10:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
24%
-
60
5%
0%
-
27
3%
33%
56%
-
32
3%
22%
13%
6%
-
38
9%
11%
13%
28%
43%
-
44
11%
11%
6%
11%
17%
18%
46
45%
22%
13%
56%
40%
82%
Tabela A.4 Matriz da primeira coleta de dados (6/6/2005) 10:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
16%
48%
-
116
3%
0%
4%
-
117
10%
14%
4%
59%
-
122
1%
3%
4%
5%
0%
-
124
5%
7%
13%
5%
0%
17%
-
129
2%
3%
4%
5%
0%
8%
13%
-
134
4%
3%
4%
5%
0%
25%
13%
0%
-
151
13%
7%
17%
9%
0%
17%
38%
54%
62%
153
46%
14%
50%
14%
100%
33%
38%
46%
38%
146
Tabela A.5 Matriz da primeira coleta de dados (6/6/2005) 10:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
22%
-
60
4%
0%
-
27
4%
40%
45%
-
32
1%
0%
9%
6%
-
38
10%
20%
18%
29%
47%
-
44
10%
10%
9%
12%
16%
12%
46
48%
30%
18%
53%
37%
88%
Tabela A.6 Matriz da primeira coleta de dados (6/6/2005) 10:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
10%
31%
-
116
5%
3%
13%
-
117
7%
10%
10%
40%
-
122
1%
0%
3%
0%
0%
-
124
4%
5%
17%
0%
0%
27%
-
129
4%
8%
7%
7%
20%
18%
11%
-
134
2%
3%
3%
0%
0%
9%
11%
0%
-
151
14%
8%
17%
13%
20%
18%
33%
59%
65%
153
54%
33%
30%
40%
60%
27%
44%
41%
35%
Tabela A.7 Matriz da primeira coleta de dados (6/6/2005) 11:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
16%
-
60
3%
8%
-
27
3%
23%
29%
-
32
3%
8%
18%
8%
-
38
8%
15%
12%
25%
33%
-
44
9%
8%
6%
8%
14%
15%
46
58%
38%
35%
58%
52%
85%
Tabela A.8 Matriz da primeira coleta de dados (6/6/2005) 11:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
29%
-
116
7%
3%
14%
-
117
8%
9%
11%
55%
-
122
2%
3%
4%
0%
0%
-
124
5%
6%
11%
9%
10%
40%
-
129
5%
9%
7%
9%
10%
13%
14%
-
134
2%
3%
0%
0%
0%
13%
14%
0%
-
151
18%
9%
18%
18%
30%
27%
29%
67%
80%
153
45%
29%
36%
9%
50%
7%
43%
33%
20%
147
Tabela A.9 Matriz da primeira coleta de dados (6/6/2005) 11:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
20%
-
60
5%
25%
-
27
5%
25%
62%
-
32
5%
25%
15%
6%
-
38
7%
25%
15%
24%
29%
-
44
9%
0%
8%
12%
18%
15%
46
50%
0%
0%
59%
53%
85%
Tabela A.10 Matriz da primeira coleta de dados (6/6/2005) 11:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
29%
-
116
9%
6%
20%
-
117
7%
13%
11%
54%
-
122
2%
3%
3%
0%
0%
-
124
11%
6%
29%
8%
15%
44%
-
129
3%
6%
6%
0%
8%
13%
18%
-
134
4%
3%
3%
8%
8%
19%
18%
0%
-
151
13%
10%
17%
0%
15%
13%
36%
44%
53%
153
42%
23%
11%
31%
54%
13%
27%
56%
47%
Tabela A.11 Matriz da primeira coleta de dados (6/6/2005) 11:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
19%
-
60
4%
0%
-
27
2%
25%
29%
-
32
3%
13%
14%
10%
-
38
7%
13%
14%
20%
24%
-
44
8%
13%
7%
10%
10%
10%
46
57%
38%
36%
60%
67%
90%
Tabela A.12 Matriz da primeira coleta de dados (6/6/2005) 11:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
26%
-
116
7%
3%
19%
-
117
7%
9%
7%
50%
-
122
1%
0%
4%
0%
0%
-
124
9%
6%
22%
6%
13%
40%
-
129
5%
9%
7%
6%
13%
15%
14%
-
134
4%
3%
0%
6%
0%
30%
14%
0%
-
151
11%
6%
15%
11%
13%
10%
29%
50%
56%
153
46%
40%
26%
22%
63%
5%
43%
50%
44%
148
Tabela A.13 Matriz da primeira coleta de dados (6/6/2005) 11:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
18%
-
60
9%
13%
-
27
3%
38%
50%
-
32
2%
13%
20%
7%
-
38
9%
13%
10%
29%
40%
-
44
7%
13%
10%
14%
15%
8%
46
52%
13%
10%
50%
45%
92%
Tabela A.14 Matriz da primeira coleta de dados (6/6/2005) 11:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
8%
28%
-
116
5%
3%
13%
-
117
7%
10%
9%
43%
-
122
2%
3%
7%
0%
0%
-
124
10%
8%
26%
14%
18%
35%
-
129
6%
8%
11%
7%
9%
24%
18%
-
134
4%
3%
2%
0%
0%
24%
18%
0%
-
151
11%
8%
17%
7%
18%
18%
36%
55%
50%
153
46%
33%
15%
29%
55%
0%
27%
45%
50%
Tabela A.15 Matriz da primeira coleta de dados (6/6/2005) 12:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
30%
-
60
4%
5%
-
27
2%
19%
24%
-
32
3%
5%
24%
9%
-
38
7%
10%
12%
18%
25%
-
44
6%
10%
0%
9%
5%
3%
46
48%
52%
41%
64%
70%
97%
Tabela A.16 Matriz da primeira coleta de dados (6/6/2005) 12:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
13%
39%
-
116
5%
4%
11%
-
117
5%
11%
8%
40%
-
122
1%
4%
3%
0%
0%
-
124
11%
7%
30%
10%
17%
47%
-
129
5%
7%
8%
10%
8%
13%
18%
-
134
4%
4%
1%
0%
0%
20%
18%
0%
-
151
12%
7%
16%
10%
17%
20%
36%
60%
55%
153
44%
18%
23%
30%
58%
0%
27%
40%
45%
149
Tabela A.17 Matriz da segunda coleta de dados (13/6/2005) 9:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
22%
-
60
3%
0%
-
27
2%
10%
24%
-
32
2%
0%
6%
0%
-
38
8%
20%
12%
16%
37%
-
44
10%
10%
6%
11%
17%
12%
46
53%
60%
53%
74%
47%
88%
Tabela A.18 Matriz da segunda coleta de dados (13/6/2005) 9:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
12%
37%
-
116
11%
2%
20%
-
117
8%
11%
10%
52%
-
122
1%
0%
0%
0%
0%
-
124
7%
7%
20%
8%
14%
31%
-
129
3%
4%
3%
4%
14%
8%
13%
-
134
3%
0%
0%
4%
0%
8%
0%
0%
-
151
12%
9%
17%
12%
14%
15%
38%
56%
57%
153
42%
30%
30%
20%
57%
38%
50%
44%
43%
Tabela A.19 Matriz da segunda coleta de dados (13/6/2005) 9:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
18%
-
60
4%
0%
-
27
2%
29%
18%
-
32
2%
0%
6%
0%
-
38
10%
14%
12%
25%
45%
-
44
9%
14%
6%
13%
10%
14%
46
55%
43%
59%
63%
45%
86%
Tabela A.20 Matriz da segunda coleta de dados (13/6/2005) 9:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
37%
-
116
4%
2%
11%
-
117
6%
8%
6%
33%
-
122
2%
2%
6%
0%
0%
-
124
6%
3%
11%
6%
25%
38%
-
129
3%
7%
6%
6%
0%
8%
14%
-
134
2%
3%
0%
6%
0%
15%
14%
0%
-
151
11%
7%
17%
11%
25%
15%
29%
44%
48%
153
55%
31%
44%
39%
50%
23%
43%
56%
52%
150
Tabela A.21 Matriz da segunda coleta de dados (13/6/2005) 9:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
21%
-
60
2%
0%
-
27
2%
17%
21%
-
32
4%
17%
21%
12%
-
38
11%
17%
14%
29%
47%
-
44
9%
8%
7%
12%
18%
18%
46
50%
42%
36%
47%
35%
82%
Tabela A.22 Matriz da segunda coleta de dados (13/6/2005) 9:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
33%
-
116
8%
4%
17%
-
117
6%
10%
9%
42%
-
122
1%
2%
4%
0%
0%
-
124
6%
4%
17%
0%
7%
25%
-
129
4%
6%
9%
11%
13%
13%
13%
-
134
3%
4%
0%
5%
7%
13%
13%
0%
-
151
12%
6%
13%
5%
7%
0%
25%
47%
59%
153
51%
29%
30%
37%
67%
50%
50%
53%
41%
Tabela A.23 Matriz da segunda coleta de dados (13/6/2005) 10:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
27%
-
60
5%
13%
-
27
2%
25%
25%
-
32
2%
0%
8%
5%
-
38
14%
13%
17%
26%
55%
-
44
11%
13%
8%
11%
21%
13%
46
39%
38%
42%
58%
24%
87%
Tabela A.24 Matriz da segunda coleta de dados (13/6/2005) 10:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
35%
-
116
7%
2%
15%
-
117
9%
13%
12%
57%
-
122
2%
2%
4%
0%
0%
-
124
7%
5%
15%
5%
0%
25%
-
129
3%
6%
8%
10%
17%
13%
14%
-
134
1%
2%
0%
5%
0%
13%
14%
0%
-
151
14%
8%
19%
10%
17%
19%
29%
59%
68%
153
45%
27%
27%
14%
67%
31%
43%
41%
32%
151
Tabela A.25 Matriz da segunda coleta de dados (13/6/2005) 10:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
20%
-
60
4%
0%
-
27
1%
0%
13%
-
32
3%
0%
13%
5%
-
38
9%
25%
13%
27%
39%
-
44
6%
0%
7%
5%
16%
10%
46
57%
75%
53%
64%
45%
90%
Tabela A.26 Matriz da segunda coleta de dados (13/6/2005) 10:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
14%
44%
-
116
8%
2%
19%
-
117
8%
12%
7%
56%
-
122
2%
2%
4%
6%
0%
-
124
7%
7%
15%
6%
13%
36%
-
129
5%
10%
11%
6%
13%
18%
11%
-
134
2%
2%
0%
6%
0%
9%
11%
0%
-
151
13%
8%
19%
11%
13%
18%
33%
62%
63%
153
41%
14%
26%
11%
63%
18%
44%
38%
38%
Tabela A.27 Matriz da segunda coleta de dados (13/6/2005) 10:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
21%
-
60
4%
0%
-
27
2%
19%
27%
-
32
3%
6%
18%
6%
-
38
9%
19%
18%
29%
40%
-
44
9%
13%
9%
12%
20%
12%
46
52%
44%
27%
53%
40%
88%
Tabela A.28 Matriz da segunda coleta de dados (13/6/2005) 10:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
10%
33%
-
116
3%
2%
9%
-
117
8%
9%
9%
50%
-
122
2%
2%
3%
0%
0%
-
124
6%
4%
18%
0%
0%
25%
-
129
4%
7%
6%
6%
9%
19%
11%
-
134
2%
4%
3%
6%
0%
13%
11%
0%
-
151
10%
9%
15%
11%
18%
19%
33%
54%
50%
153
55%
30%
36%
28%
73%
25%
44%
46%
50%
152
Tabela A.29 Matriz da segunda coleta de dados (13/6/2005) 10:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
25%
-
60
5%
8%
-
27
2%
0%
20%
-
32
4%
8%
20%
10%
-
38
9%
17%
15%
30%
42%
-
44
10%
8%
10%
10%
17%
13%
46
46%
58%
35%
50%
42%
88%
Tabela A.30 Matriz da segunda coleta de dados (13/6/2005) 10:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
32%
-
116
8%
2%
22%
-
117
8%
11%
7%
50%
-
122
2%
2%
4%
0%
0%
-
124
5%
5%
15%
0%
0%
25%
-
129
3%
7%
7%
6%
9%
13%
17%
-
134
1%
2%
0%
6%
0%
13%
0%
0%
-
151
13%
9%
19%
11%
18%
19%
33%
53%
65%
153
51%
30%
26%
28%
73%
31%
50%
47%
35%
Tabela A.31 Matriz da segunda coleta de dados (13/6/2005) 11:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
18%
-
60
3%
7%
-
27
2%
21%
29%
-
32
3%
7%
18%
5%
-
38
8%
14%
6%
24%
37%
-
44
11%
7%
6%
10%
16%
18%
46
54%
43%
41%
62%
47%
82%
Tabela A.32 Matriz da segunda coleta de dados (13/6/2005) 11:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
8%
21%
-
116
8%
3%
17%
-
117
8%
10%
14%
57%
-
122
1%
3%
3%
0%
0%
-
124
7%
8%
17%
7%
15%
25%
-
129
4%
5%
3%
0%
8%
13%
10%
-
134
4%
3%
3%
0%
8%
25%
20%
0%
-
151
14%
8%
17%
7%
15%
19%
30%
56%
67%
153
47%
41%
24%
29%
54%
19%
40%
44%
33%
153
15
21%
-
60
5%
0%
-
27
2%
13%
31%
-
32
4%
13%
23%
9%
-
38
6%
0%
8%
18%
23%
-
44
4%
0%
0%
0%
9%
9%
46
58%
75%
38%
73%
68%
91%
Tabela A.34 Matriz da segunda coleta de dados (13/6/2005) 11:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
8%
23%
-
116
8%
3%
16%
-
117
5%
9%
9%
35%
-
122
1%
0%
3%
0%
0%
-
124
10%
6%
25%
5%
10%
46%
-
129
3%
6%
3%
10%
10%
15%
14%
-
134
3%
3%
3%
5%
0%
15%
14%
0%
-
151
10%
9%
19%
10%
20%
15%
29%
58%
52%
153
53%
43%
22%
35%
60%
8%
43%
42%
48%
Tabela A.35 Matriz da segunda coleta de dados (13/6/2005) 11:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
26%
-
60
4%
7%
-
27
2%
0%
16%
-
32
2%
7%
5%
7%
-
38
8%
14%
5%
14%
24%
-
44
6%
7%
11%
14%
18%
7%
46
54%
64%
63%
64%
59%
93%
Tabela A.36 Matriz da segunda coleta de dados (13/6/2005) 11:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
29%
-
116
8%
2%
19%
-
117
5%
7%
7%
33%
-
122
2%
2%
4%
0%
0%
-
124
8%
7%
19%
6%
25%
33%
-
129
4%
10%
7%
6%
0%
17%
11%
-
134
2%
2%
0%
6%
0%
11%
11%
0%
-
151
13%
7%
19%
11%
25%
17%
33%
56%
69%
153
50%
33%
26%
39%
50%
22%
44%
44%
31%
154
Tabela A.37 Matriz da segunda coleta de dados (13/6/2005) 11:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
28%
-
60
4%
5%
-
27
3%
16%
30%
-
32
4%
11%
20%
5%
-
38
8%
21%
10%
19%
29%
-
44
7%
11%
0%
10%
12%
10%
46
48%
37%
40%
67%
59%
90%
Tabela A.38 Matriz da segunda coleta de dados (13/6/2005) 11:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
13%
43%
-
116
7%
3%
13%
-
117
5%
10%
9%
37%
-
122
2%
3%
4%
5%
0%
-
124
12%
8%
30%
5%
10%
41%
-
129
5%
8%
9%
11%
10%
18%
15%
-
134
5%
3%
2%
5%
10%
24%
23%
14%
-
151
10%
5%
4%
11%
20%
12%
23%
43%
51%
153
43%
20%
28%
26%
50%
6%
38%
43%
49%
Tabela A.39 Matriz da segunda coleta de dados (13/6/2005) 12:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
24%
-
60
4%
0%
-
27
2%
29%
25%
-
32
3%
14%
13%
6%
-
38
7%
0%
6%
24%
33%
-
44
9%
0%
6%
12%
14%
11%
46
51%
57%
50%
59%
52%
89%
Tabela A.40 Matriz da segunda coleta de dados (13/6/2005) 12:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
25%
-
116
6%
2%
12%
-
117
5%
8%
8%
36%
-
122
1%
2%
3%
0%
0%
-
124
10%
8%
26%
7%
20%
47%
-
129
4%
8%
7%
7%
10%
13%
17%
-
134
2%
4%
1%
0%
0%
20%
17%
0%
-
151
12%
8%
16%
7%
20%
20%
33%
50%
59%
153
49%
33%
26%
43%
50%
0%
33%
50%
41%
155
Tabela A.41 Matriz da terceira coleta de dados (1/7/2005) 14:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
17%
-
60
4%
0%
-
27
1%
5%
15%
-
32
2%
5%
12%
4%
-
38
8%
10%
12%
16%
36%
-
44
8%
0%
4%
8%
12%
10%
46
60%
80%
58%
72%
52%
90%
Tabela A.42 Matriz da terceira coleta de dados (1/7/2005) 14:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
33%
-
116
9%
4%
17%
-
117
10%
13%
17%
59%
-
122
2%
2%
4%
2%
0%
-
124
4%
6%
13%
2%
7%
21%
-
129
3%
7%
9%
5%
7%
7%
0%
-
134
2%
2%
0%
0%
7%
14%
0%
0%
-
151
12%
7%
17%
10%
13%
14%
40%
58%
60%
153
49%
26%
22%
22%
67%
43%
60%
42%
40%
Tabela A.43 Matriz da terceira coleta de dados (1/7/2005) 14:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
17%
-
60
4%
0%
-
27
2%
13%
20%
-
32
2%
0%
7%
3%
-
38
7%
0%
7%
21%
33%
-
44
9%
13%
7%
12%
17%
14%
46
60%
73%
60%
64%
50%
86%
Tabela A.44 Matriz da terceira coleta de dados (1/7/2005) 14:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
36%
-
116
5%
1%
12%
-
117
7%
10%
8%
44%
-
122
1%
1%
0%
0%
0%
-
124
5%
6%
19%
7%
0%
32%
-
129
4%
7%
4%
4%
13%
11%
20%
-
134
3%
2%
0%
4%
0%
16%
20%
0%
-
151
13%
7%
19%
11%
13%
16%
40%
58%
63%
153
53%
28%
38%
30%
75%
26%
20%
42%
38%
156
Tabela A.45 Matriz da terceira coleta de dados (1/7/2005) 14:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
18%
-
60
4%
0%
-
27
2%
0%
22%
-
32
3%
14%
13%
5%
-
38
9%
14%
13%
26%
38%
-
44
11%
14%
13%
11%
21%
13%
46
52%
57%
39%
58%
41%
88%
Tabela A.46 Matriz da terceira coleta de dados (1/7/2005) 14:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
11%
35%
-
116
7%
2%
17%
-
117
9%
11%
14%
55%
-
122
1%
3%
3%
0%
0%
-
124
6%
5%
21%
5%
11%
27%
-
129
5%
8%
7%
10%
11%
18%
13%
-
134
2%
2%
0%
0%
5%
9%
0%
0%
-
151
10%
6%
14%
10%
16%
18%
38%
50%
43%
153
48%
29%
24%
20%
58%
27%
50%
50%
57%
Tabela A.47 Matriz da terceira coleta de dados (1/7/2005) 15:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
14%
-
60
5%
0%
-
27
2%
10%
13%
-
32
2%
10%
13%
5%
-
38
9%
10%
7%
18%
39%
-
44
8%
0%
0%
9%
10%
5%
46
61%
70%
67%
68%
52%
95%
Tabela A.48 Matriz da terceira coleta de dados (1/7/2005) 15:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
8%
26%
-
116
5%
2%
8%
-
117
11%
11%
12%
70%
-
122
1%
0%
4%
0%
0%
-
124
5%
5%
16%
4%
7%
24%
-
129
4%
8%
8%
9%
13%
18%
14%
-
134
2%
3%
0%
4%
7%
18%
14%
0%
-
151
16%
8%
16%
9%
13%
18%
36%
57%
74%
153
49%
37%
36%
4%
60%
24%
36%
43%
26%
157
Tabela A.49 Matriz da terceira coleta de dados (1/7/2005) 15:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
14%
-
60
4%
0%
-
27
3%
27%
36%
-
32
3%
9%
18%
6%
-
38
6%
0%
0%
6%
21%
-
44
10%
9%
9%
12%
17%
13%
46
60%
55%
36%
76%
62%
87%
Tabela A.50 Matriz da terceira coleta de dados (1/7/2005) 15:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
25%
-
116
4%
0%
5%
-
117
9%
11%
14%
47%
-
122
1%
1%
0%
0%
0%
-
124
5%
6%
18%
0%
8%
30%
-
129
4%
7%
9%
6%
15%
20%
18%
-
134
3%
3%
0%
6%
8%
20%
18%
0%
-
151
11%
8%
18%
12%
15%
20%
36%
56%
57%
153
55%
39%
36%
29%
54%
10%
27%
44%
43%
Tabela A.51 Matriz da terceira coleta de dados (1/7/2005) 15:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
19%
-
60
3%
0%
-
27
2%
8%
21%
-
32
3%
8%
17%
5%
-
38
6%
0%
4%
13%
28%
-
44
8%
0%
8%
8%
11%
5%
46
58%
85%
50%
74%
61%
95%
Tabela A.52 Matriz da terceira coleta de dados (1/7/2005) 15:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
9%
31%
-
116
3%
0%
10%
-
117
7%
12%
10%
48%
-
122
1%
2%
3%
0%
0%
-
124
7%
5%
20%
8%
15%
25%
-
129
4%
8%
7%
8%
15%
17%
11%
-
134
3%
3%
3%
4%
8%
17%
11%
0%
-
151
12%
7%
17%
12%
15%
17%
33%
50%
58%
153
53%
32%
30%
20%
46%
25%
44%
50%
42%
158
Tabela A.53 Matriz da terceira coleta de dados (1/7/2005) 15:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
17%
-
60
4%
0%
-
27
2%
20%
25%
-
32
2%
7%
15%
4%
-
38
8%
0%
5%
21%
33%
-
44
7%
7%
5%
8%
6%
0%
46
59%
67%
50%
67%
61%
100%
Tabela A.54 Matriz da terceira coleta de dados (1/7/2005) 15:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
10%
28%
-
116
6%
1%
15%
-
117
13%
12%
12%
67%
-
122
2%
4%
3%
5%
0%
-
124
10%
7%
27%
5%
10%
33%
-
129
6%
10%
9%
10%
10%
11%
18%
-
134
1%
1%
0%
0%
0%
11%
9%
0%
-
151
12%
9%
18%
10%
20%
22%
36%
60%
59%
153
40%
25%
15%
5%
60%
22%
36%
40%
41%
Tabela A.55 Matriz da terceira coleta de dados (1/7/2005) 16:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
16%
-
60
4%
0%
-
27
3%
20%
38%
-
32
4%
20%
19%
13%
-
38
5%
0%
0%
13%
16%
-
44
9%
10%
6%
13%
16%
14%
46
59%
50%
38%
63%
69%
86%
Tabela A.56 Matriz da terceira coleta de dados (1/7/2005) 16:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
8%
25%
-
116
3%
2%
8%
-
117
8%
11%
11%
54%
-
122
1%
0%
0%
0%
0%
-
124
7%
6%
19%
8%
12%
25%
-
129
4%
8%
5%
4%
12%
17%
17%
-
134
4%
6%
3%
4%
6%
17%
17%
0%
-
151
12%
8%
14%
12%
18%
8%
33%
42%
59%
153
53%
36%
41%
19%
53%
33%
33%
58%
41%
159
Tabela A.57 Matriz da terceira coleta de dados (1/7/2005) 16:15 hs Sentido Norte
O/D
6
20
25
28
33
42
15
14%
-
60
5%
0%
-
27
2%
8%
24%
-
32
2%
8%
14%
7%
-
38
7%
0%
5%
17%
32%
-
44
8%
0%
5%
7%
14%
10%
46
62%
83%
52%
70%
54%
90%
Tabela A.58 Matriz da terceira coleta de dados (1/7/2005) 16:15 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
10%
30%
-
116
5%
2%
9%
-
117
8%
11%
13%
54%
-
122
2%
2%
3%
4%
6%
-
124
6%
3%
16%
4%
6%
21%
-
129
7%
11%
9%
8%
19%
14%
18%
-
134
3%
3%
3%
4%
6%
21%
18%
0%
-
151
10%
7%
19%
0%
6%
14%
27%
33%
48%
153
48%
31%
28%
25%
56%
29%
36%
67%
53%
Tabela A.59 Matriz da terceira coleta de dados (1/7/2005) 16:30 hs Sentido Norte
O/D
6
20
25
28
33
42
15
12%
-
60
3%
0%
-
27
3%
15%
8%
-
32
2%
5%
17%
5%
-
38
6%
5%
8%
14%
30%
-
44
9%
5%
0%
5%
15%
13%
46
65%
70%
67%
77%
56%
87%
Tabela A.60 Matriz da terceira coleta de dados (1/7/2005) 16:30 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
7%
20%
-
116
5%
0%
8%
-
117
7%
9%
8%
50%
-
122
3%
4%
3%
5%
6%
-
124
6%
7%
19%
9%
12%
31%
-
129
3%
7%
3%
9%
12%
13%
18%
-
134
1%
2%
3%
0%
6%
13%
9%
0%
-
151
10%
7%
14%
9%
18%
13%
27%
43%
49%
153
57%
44%
43%
18%
47%
31%
45%
57%
51%
160
Tabela A.61 Matriz da terceira coleta de dados (1/7/2005) 16:45 hs Sentido Norte
O/D
6
20
25
28
33
42
15
17%
-
60
6%
11%
-
27
2%
22%
25%
-
32
4%
11%
13%
5%
-
38
7%
11%
6%
16%
34%
-
44
8%
6%
0%
5%
14%
10%
46
56%
39%
56%
74%
52%
90%
Tabela A.62 Matriz da terceira coleta de dados (1/7/2005) 16:45 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
6%
21%
-
116
4%
1%
11%
-
117
8%
12%
11%
58%
-
122
2%
3%
3%
0%
0%
-
124
4%
5%
8%
4%
8%
22%
-
129
6%
10%
8%
8%
12%
17%
14%
-
134
2%
3%
3%
4%
0%
11%
14%
0%
-
151
13%
8%
19%
8%
16%
17%
29%
50%
63%
153
54%
38%
38%
17%
64%
33%
43%
50%
37%
Tabela A.63 Matriz da terceira coleta de dados (1/7/2005) 17:00 hs Sentido Norte
O/D
6
20
25
28
33
42
15
29%
-
60
5%
7%
-
27
4%
36%
47%
-
32
5%
14%
27%
12%
-
38
8%
7%
7%
21%
35%
-
44
7%
0%
0%
9%
12%
14%
46
43%
36%
20%
58%
53%
86%
Tabela A.64 Matriz da terceira coleta de dados (1/7/2005) 17:00 hs Sentido Sul
O/D
170
107
111
180
118
123
125
190
140
109
7%
21%
-
116
5%
0%
10%
-
117
10%
12%
15%
72%
-
122
1%
2%
3%
0%
0%
-
124
8%
7%
23%
8%
13%
39%
-
129
6%
11%
8%
8%
13%
17%
19%
-
134
3%
4%
3%
4%
4%
22%
25%
0%
-
151
11%
7%
15%
8%
13%
11%
25%
33%
52%
153
49%
37%
23%
0%
58%
11%
31%
67%
48%