Teoria Dos Conjuntos Fuzzy Na Classificacao de Areas Criticas Do Trafego Urbano Do Rio de Janeiro PDF

UNIVERSIDADE ESTÁCIO DE SÁ
TIAGO ABDO GANTE
TEORIA DOS CONJUNTOS FUZZY NA CLASSIFICAÇÃO DE ÁREAS

CRÍTICAS DO TRÁFEGO URBANO DO RIO DE JANEIRO
RIO DE JANEIRO
2012
TIAGO ABDO GANTE

Projeto de final de curso apresentado à

Universidade Estácio de Sá, como requisito
parcial para obtenção de título de Engenheiro de
Produção.
Orientador: Prof. Jesus Domech Moré
RIO DE JANEIRO
2012
TIAGO ABDO GANTE

Projeto de final de curso apresentado à

Universidade Estácio de Sá, como requisito
parcial para obtenção de título de Engenheiro de
Produção.
Projeto aprovado na sua versão final em 05 de junho de 2012.
BANCA EXAMINADORA
________________________________
Prof. Dr. Jesus Domech Moré (Orientador)
Universidade Estácio de Sá
________________________________
Prof. MSc. Marcelo de Araújo Oliveira
________________________________
Prof. Dr. David Fernandes Cruz Moura
AGRADECIMENTOS
Primeiramente, agradeço a Deus por toda a força concedida para o desenvolvimento

deste trabalho. Sem Ele, nada seria.
Agradeço também à minha família, que sempre esteve ao meu lado e tornou-se
principal razão do meu empenho e motivação nessa realização.
Ao meu orientador Prof. Jesus Domech Moré, que confiou na minha proposta e me
direcionou de forma eficiente para atingir meus objetivos.
Ao Professor Marcelo Sucena, pela atenção e disponibilização de suas avaliações.
Ao Fiscal de Contratos de Fiscalização Eletrônica da CET-Rio Jorge Pinheiro, pelo
apoio e contribuições teóricas.
Aos demais funcionários da CET-Rio, que acolheram a razão do projeto e se
disponibilizaram durante toda a etapa de coleta de dados.
A todos meus amigos, que me ajudaram direta ou indiretamente através da
colaboração e compreensão.
RESUMO
A tomada de decisão em qualquer organização privada ou pública exige um nível máximo de

conhecimento e informações para que a decisão final seja caracterizada pela precisão,
segurança e, consequentemente, seja bem-sucedida. A identificação e seleção de áreas críticas
de acidentes de trânsito pela gestão pública é um processo sujeito a incertezas, pelo fato de
inexistirem regras precisas que sirvam como suporte para essa atividade, e está relacionada à
subjetividade de análise das variáveis que cada situação em estudo abrange. A proposta deste
trabalho é consolidar a teoria dos conjuntos fuzzy como uma importante ferramenta de auxílio
no processo de tomada de decisão, sendo aplicada para a classificação e priorização de áreas
críticas de acidentes partindo da coleta de dados estatísticos locais e da aplicação de
questionários direcionados a especialistas em transporte urbano. Adotando os bairros da
Coordenadoria Regional de Tráfego 2.2 da cidade do Rio de Janeiro como objetos de estudo,
buscou-se mensurar “quão crítico é” cada bairro e estabelecer um ranking classificatório, por
meio da vinculação de um grau de criticidade (GC), que corresponde a um valor presente no
intervalo [0,1] e é obtido mediante a avaliação composta das variáveis de estudo. O modelo
foi complementado com as técnicas do Grau de Inclusão (GI) entre conjuntos fuzzy (visando
determinar o grau com que o conjunto fuzzy “padrão de criticidade” está incluído em cada
perfil de bairro) e do Grau de Semelhança (GS) entre os bairros, (objetivando mensurar a
relação de semelhança entre seus respectivos perfis de criticidade diante de futuros projetos de
investimentos em segurança viária).
Palavras-chave: Tomada de decisão. Áreas críticas. Acidentes de trânsito. Conjuntos Fuzzy.

ABSTRACT
The decision on any public or private organization requires a maximum level of knowledge
and information so that the final decision is characterized by precision, safety and therefore be
successful. The identification and selection of critical areas of traffic accidents by public
management is a process subject to uncertainties, because of the inexistence precise rules that
serve as support for this activity, and is related to the subjective analysis of the variables in
each case covered by this study. The purpose of this work is to consolidate the theory of fuzzy
sets as an important tool to aid in decision-making process, applicable to the classification and
prioritization of critical accidents based on the local statistical data collection and
questionnaires presented to urban transport specialists. Adopting the neighborhoods of the
city of CRT 2.2 of Rio de Janeiro as objects of study, we attempted to measure "how critical
is" every neighborhoods and establish a ranking classification, by linking it to a level of
criticality (GC), which corresponds to a present value on the interval [0,1] which is obtained
by an assessment made on the study variables. The model was complemented with the
techniques of the Degree of Inclusion (GI) between fuzzy sets (in order to determine the
degree to which the fuzzy set "standard criticism" is included in each profile neighborhood)
and the degree of similarity (GS) between neighborhoods, (aiming to measure the relationship
of similarity among their profiles to support critical future investment projects in traffic
safety).
Keywords: Decision-making. Critical areas. Traffic accidents. Fuzzy Sets.

LISTA DE ILUSTRAÇÕES
Figura 1 – Composição dos custos de acidente de trânsito (Brasil, 2001) 14

Figura 2 – Modelos clássico e administrativo de tomada de decisão 16
Figura 3 – Fluxograma dos procedimentos no tratamento de locais críticos 24
Figura 4 – Diferença entre conjuntos clássicos e conjuntos fuzzy 29
Figura 5 – Estrutura de um sistema de inferência fuzzy 30
Figura 6 – Pertinência de variáveis de um conjunto 31
Figura 7 – Série histórica de acidentes no Estado do Rio de Janeiro 33
Figura 8 – Distribuição de vítimas de acidentes de trânsito (RJ) 34
Figura 9 – Movimento de passageiros segundo o modo de transporte (2009) 35
Figura 10 – Total da frota ativa do Rio de Janeiro (2009) 35
Figura 11 – Bairros da CRT 2.2. 36
Figura 12 – Exemplos de questões objetivas (I) e subjetivas (II) 38
Figura 13 – Hierarquia dos indicadores críticos 44
Figura 14 – Função de pertinência triangular fuzzy 47
Figura 15 – Gráfico do grau de criticidade dos bairros da CRT 2.2 49
Figura 16 – Gráfico de inclusão 51
Figura 17 – Matriz de relação fuzzy (semelhança entre bairros) 54
Figura 18 – Classificação dos bairros da CRT 2.2 de acordo com GC 55
LISTA DE TABELAS
Tabela 1 – Avaliação do “peso” dos especialistas, conforme questionário 39

39
Tabela 2 – Classificação do grau de incidência dos indicadores 39
Tabela 3 – Avaliação do grau de incidência de indicadores por especialistas 40
Tabela 4 – Dados da CRT 2.2, ano de 2010 4141
Tabela 5 – Grau Padrão de Criticidade (GPC) dos indicadores de trânsito 43
43
Tabela 6 – Dados da CRT 2.2. convertidos em Índice-Fuzzy 4545
Tabela 7 – Hierarquização das áreas conforme Grau de Criticidade 48
48
Tabela 8 – Hierarquização das áreas conforme Grau de Inclusão 5151
Tabela 9 – Grau de Semelhança entre bairros 53
53
LISTA DE ABREVIATURAS E SIGLAS
AP Área de Planejamento
CET-RIO Companhia de Engenharia de Tráfego do Rio de Janeiro
CRT Coordenadoria Regional de Tráfego
CTB Código de Trânsito Brasileiro
DENATRAN Departamento Nacional de Trânsito
DNER Departamento Nacional de Estradas de Rodagem
DNIT Departamento Nacional de Infra-Estrutura de Trânsito
GC Grau de Criticidade
GI Grau de Inclusão
GIT Gerência de Informações de Tráfego
GPC Grau Padrão de Criticidade
GS Grau de Semelhança
IPEA Instituto de Pesquisa Econômica Aplicada
IPP Instituto Municipal de Urbanismo Pereira Passos
ISP Instituto de Segurança Pública
ITE Institute of Transportation Engineers
MT Ministério dos Transportes
PCRJ Prefeitura da Cidade do Rio de Janeiro
PIB Produto Interno Bruto
SESEG Secretaria de Estado de Segurança
UFSC Universidade Federal de Santa Catarina
SUMÁRIO
1 INTRODUÇÃO..............................................................................................................11
1.1 Apresentação do Tema....................................................................................................11
1.2 Técnicas Nacionais de Abordagem.................................................................................12
1.3 Investimento....................................................................................................................13
1.4 O Processo de Tomada de Decisão.................................................................................15
1.4.1 Definição.........................................................................................................................15
1.4.2 Complexidade de Uma Decisão......................................................................................16
1.4.3 Equipe de Decisão...........................................................................................................
17
1.4.4 Seleção de Áreas Críticas de Acidentes..........................................................................17
1.5 Objetivo do Estudo.........................................................................................................18
1.5.1 Objetivo Geral.................................................................................................................18
1.5.2 Objetivo Específico.........................................................................................................18
2 DESENVOLVIMENTO.................................................................................................19
2.1 Referencial Teórico.........................................................................................................19
2.1.1 Redução de Acidentes.....................................................................................................19
2.1.2 Análise Espacial e a Identificação de Pontos Críticos....................................................20
2.1.3 Lógica Fuzzy e a Priorização de Áreas...........................................................................21
2.1.4 Classificação de Áreas Contaminadas............................................................................21
2.1.5 Identificação e Mapeamento de Segmentos Críticos......................................................22
2.1.6 Programa de Redução de Acidentes...............................................................................23
2.1.7 Identificação de Interseções Críticas de Acidentes.........................................................27
2.2 Metodologia Aplicada.....................................................................................................28
2.2.1 Introdução à Lógica Fuzzy..............................................................................................28
2.2.2 29
Conceituação de Lógica Fuzzy........................................................................................
2.2.3 Aplicação dos Conjuntos Fuzzy......................................................................................30
2.3 Tipo de Pesquisa.............................................................................................................32
2.4 Universo e Amostra........................................................................................................32
2.4.1 Área de Estudo................................................................................................................33
2.4.1.1 A Cidade do Rio de Janeiro............................................................................................33
2.4.1.2 Divisões Administrativas................................................................................................35
2.4.2 Indicadores de Desempenho...........................................................................................36
2.4.3 Especialistas...................................................................................................................37
2.5 37
Coleta de Dados..............................................................................................................
2.5.1 38
Peso dos Especialistas.....................................................................................................
2.5.2 39
Grau de Incidência dos Indicadores................................................................................
2.5.3 40
Dados Estatísticos das Regiões.......................................................................................
2.6 41
Tratamento de Dados......................................................................................................
2.6.1 41
Grau Padrão de Criticidade (GPC).................................................................................
2.6.2 44
Estabelecimento do Índice .Fuzzy...................................................................................
2.6.3 46
Classificação de Áreas Críticas.......................................................................................
46
2.6.3.1 Grau de Criticidade (GC)................................................................................................
49
2.6.3.2 Grau de Inclusão (GI).....................................................................................................
2.6.4 52
Grau de Semelhança (GS)...............................................................................................
3 55
RESULTADOS...............................................................................................................
4 57
CONCLUSÃO................................................................................................................
4.1 57
Considerações Finais......................................................................................................
4.2 58
Limitações do Método....................................................................................................
4.3 58
Recomendações...............................................................................................................
60
REFERÊNCIAS............................................................................................................................
63
APÊNDICES.................................................................................................................................
65
ANEXOS......................................................................................................................................
11
1 INTRODUÇÃO
1.1 Apresentação do Tema
A engenharia de tráfego se tornou objeto de estudo imprescindível para qualquer

cidade que aglomere um número significativo de pessoas e veículos automotivos. Isso ocorre
pelo fato de que a segurança no trânsito “é um direito de todos e um dever dos órgãos e
entidades do Sistema Nacional de Trânsito, aos quais cabe adotar as medidas necessárias para
assegurar esse direito” (DENATRAN, 2004, p. 19).
Em muitas dessas cidades, o tráfego exige um sistema de organização, planejamento e
controle, que seja adequado a cada região e eventualidade. É principalmente através de dados
estatísticos que ocorre o controle de tráfego por área, e a partir deles é elaborado um tipo
diferente de estratégia operacional visando atenuar o nível de criticidade local. Por
“criticidade”, neste caso, entende-se o grau crítico que cada área apresenta perante um
conjunto de indicadores que reflete direta ou indiretamente a incidência de acidentes de
trânsito e a necessidade que cada região tem de sofrer intervenções relacionadas ao controle
de tráfego.
A segunda maior metrópole do Brasil é uma das cidades que mais investe no fator
transporte no país. Devido à taxa de crescimento elevada do número de veículos em atividade
e ao intenso fluxo de tráfego que se torna decorrente desse fator, muitas regiões e pontos da
cidade do Rio de Janeiro tornam-se alvos eminentes de altos índices de acidentes que,
consequentemente, geram inúmeras sobrecargas refletidas no trânsito, em forma de
congestionamentos, dificuldades de acessos às vias, transtornos aos condutores além, é claro,
de comprometer a saúde e a vida do homem.
No âmbito da gestão de tráfego, definir uma área como “crítica” é um fator submetido à
subjetividade, já que envolve uma série de variáveis que podem ser interpretadas de maneiras
divergentes por quem as analisa, gerando possíveis incertezas na decisão final de qual área
deve sofrer intervenção. Diante de qualquer medida a ser tomada, o segmento público
necessita de uma avaliação precisa dos perfis de cada área a ser monitorada, não apenas se
baseando em conflitos de opiniões e interpretações subjetivas de quais os indicadores mais
interferem negativamente no trânsito. A subjetividade, em um ponto de vista decisivo para
qualquer organização, acarreta riscos estratégicos e financeiros se o investimento for aplicado
12
sem um mecanismo de análise conciso.

Segundo o DNIT (2006, p. 91), “praticamente não existem regras precisas para
definição da área de estudo” de um projeto viário. Dessa forma, torna-se necessário a
realização de um estudo aprimorado para mensurar quão críticas se diferem essas áreas de
análise. Essa análise pode ser efetuada baseando-se na teoria dos conjuntos fuzzy devido às
suas características intrínsecas. Introduzida por Zadeh (1965) a teoria de sistema fuzzy é
baseada na idéia intuitiva dos conjuntos fuzzy, e tem o objetivo de desenvolver uma
metodologia para a formulação e solução de sistemas com contornos mal definidos e
imprecisos num sentido estritamente matemático e que não podem ser modelados e resolvidos
por técnicas convencionais (KANDEL, 1982).
Define-se lógica fuzzy como a lógica que suporta os modos de raciocínio que são
aproximados, em vez de exatos, e difere dos sistemas lógicos tradicionais em suas
características e detalhes. A lógica fuzzy tem-se mostrado mais adequada e eficiente para
tratar as imperfeições das informações, em comparação com a teoria das probabilidades e, sua
utilização no presente trabalho visa auxiliar o processo de tomada de decisão de forma tal que
proporcione a redução de acidentes de trânsito, além de uma maior fluidez e acessibilidade em
suas principais vias urbanas, através de medidas como implantação de equipes de
controladores de tráfego, radares, semáforos ou novos projetos viários.
Esse projeto se estrutura da seguinte forma: No capítulo I segue a introdução de como o
tema é abordado nacionalmente e os objetivos do trabalho, o capítulo II é composto pelo
desenvolvimento do trabalho, onde compreende o referencial teórico com os parâmetros
utilizados para o desenvolvimento do trabalho e a metodologia aplicada para atingir o objetivo
descrito, o capítulo III apresenta a análise dos resultados obtidos, a conclusão é abordada no
capítulo IV apresentando as considerações finais, os limites do método e recomendações a
estudos futuros, o capítulo V compreende as referências, o capítulo VI os apêndices e o
capítulo VII é direcionado aos anexos da pesquisa.
1.2 Técnicas Nacionais de Abordagem
A segurança no sistema integrado de transporte urbano é um tema abordado

continuamente em congressos, debates e campanhas nacionais, pelo fato de não possuir uma
solução comum que possibilite um tratamento generalizado, já que cada município apresenta
13
sua característica peculiar. Segundo o CTB (2008, p. 22), os órgãos e entidades municipais
executivos de trânsito, no âmbito de sua circunscrição, são responsáveis pela coleta de dados
estatísticos e elaboração de estudos sobre os acidentes de trânsito e suas causas, visando
melhorias no gerenciamento de segurança viária e a redução de acidentes.
Contudo, a influência de variáveis que diferem de acordo com cada região de estudo
são fatores que podem justificar a inexistência de uma técnica específica de identificação e
priorização de locais críticos de trânsito no Brasil, deixando assim a critério da política
pública optar por uma metodologia eficaz para definição dessas áreas. Dessa forma, cada
município adota a ferramenta que se adéqua melhor ao seu perfil crítico e que apresente as
características ideais para solucionar o problema.
[...] na maioria das cidades a identificação dos locais críticos em ocorrências

de acidentes de trânsito ou é fruto de pressão da mídia, que com frequência veicula
casos de acidentes em suas programações diárias, ao tempo em que demandam
providências da administração local, ou de grupos comunitários, ou ainda de
critérios técnicos estabelecidos pelos gestores do trânsito. Neste último, os
indicadores quase sempre são fundados no número absoluto de ocorrências
verificadas em determinados pontos da malha viária. (MT, 2002, p. 11).
Apesar da existência de ferramentas para identificação de zonas rodoviárias

consideradas críticas, DNIT e UFSC (2009) relevam o desenvolvimento de estudos
complementares que permitam a avaliação de problemas de segurança viária, assim como as
suas possíveis soluções. Além disso, enfatizam a necessidade de estabelecer prioridades entre
as regiões selecionadas, de acordo com o fator que melhor defina a importância do trecho a
ser analisado, como por exemplo, análise de custos e gravidade dos acidentes.
Conforme indicado pelo DENATRAN (2004), a carência de dados confiáveis e de
indicadores de trânsito implica a necessidade de investimento, validação e aplicação de
metodologias alternativas para a avaliação de resultados específicos da área de transporte
urbano. Nas últimas décadas, vêm sendo observadas no Brasil, cinco linhas de atuação para o
tratamento de acidentes de trânsito: por ponto crítico; por segmento crítico; por área crítica (as
três se diferenciam pela extensão da área a ser tratada); por solução-tipo; e por tipo de usuário
(MT, 2002).
1.3 Investimento
O Brasil é um dos protagonistas no cenário mundial ao que se refere à questão

14
segurança de tráfego. A cada ano ocorrem cerca de 350 mil acidentes com vítimas, mais de
33 mil pessoas morrem e cerca de 400 mil tornam-se feridas ou inválidas em ocorrências de
trânsito no país, onde o índice de fatalidade é superior aos de países desenvolvidos (CTB,
2008).
Em estudo de impacto econômico dos acidentes de trânsito nas malhas urbanas
brasileiras, chegou-se a estimativa de um custo anual de R$ 5,3 bilhões (não incluindo
acidentes em rodovias), valor que representa aproximadamente 0,4% do Produto Interno
Bruto (PIB) brasileiro (IPEA, 2003). Conforme apresentado na figura 1, no ano de 2001 os
custos totais de acidentes nas aglomerações urbanas se distribuíram da seguinte forma: 42,8%
decorrentes de perda de produção (feridos inválidos, mortes), 30% decorrentes de danos à
propriedade (veículos, equipamentos de trânsito, sinalização de trânsito), 15,9% decorrentes
de custos médico-hospitalares (resgate, tratamento médico, reabilitação) e 11,3% devido a
outros custos (judiciais, congestionamento, atendimento policial, remoção de veículos, entre
outros).
Figura 1 – Composição dos custos de acidente de trânsito (Brasil, 2001)
Fonte: IPEA (2003)
O modelo imediatista brasileiro, junto à falta de planejamento e de estudo apurado,

faz com que o investimento no processo de identificação e tratamento de áreas críticas
raramente gere os melhores resultados. Isso se justifica pela priorização de áreas não
necessariamente mais críticas em relação a outras efetivamente críticas, pelo envolvimento de
custos às vezes desnecessários ou pelo deferimento de projetos nem sempre economicamente
oportunos (MT, 2002).
Por outro lado, a dificuldade de obtenção de recursos financeiros é um dos principais
15
fatores que acarretam a elaboração de programas com base em ações estratégicas de baixo
custo que buscam reduzir os índices de acidentes e otimizar o fluxo de tráfego local. Segundo
o DNER (1998, p. 4), “[...] a identificação e implantação de medidas de baixo custo aparece
como uma solução viável para o problema de acidentes”, apresentando as seguintes
vantagens:
● identificação relativamente fácil;

● rapidez na elaboração e implantação de projetos;
● redução imediata de acidentes, reduzindo o número de feridos e vítimas fatais e
minimizando danos materiais;
● índices altos de benefício/custo;
● possibilidade de identificação de múltiplos locais que apresentem problemas
semelhantes, o que resulta em economia de escala de projeto e de implantação de medidas de
engenharia.
1.4 O Processo de Tomada de Decisão
1.4.1 Definição
Em termos, a palavra decisão é constituída por de (que vem do latim e significa parar,
extrair, interromper) que se antepõe à palavra caedere (que significa cindir, cortar). Sendo
assim, literalmente significa “parar de cortar” ou “deixar fluir” (GOMES, L.; GOMES, C.;
ALMEIDA, 2006).
Segundo Gomes L., Gomes C., e Almeida (2006, p. 1), uma decisão precisa ser
tomada “sempre que estamos diante de um problema que possui mais de uma alternativa para
sua solução. Mesmo quando, para solucionar o problema, possuímos uma única ação a tomar,
temos as alternativas de tomar ou não essa ação”. Tomar decisões é uma atividade que a
qualquer momento pode ser exigida, seja no trabalho, no ambiente familiar, na faculdade ou
na rua, contudo, cada decisão é acompanhada de um teor de importância, quanto maior a
importância da decisão, maior é a responsabilidade de quem a toma e, consequentemente,
maior é o impacto gerado. Em termos gerais, a tomada de decisão é a ação que separa o certo
do errado, o lucro do prejuízo, e o sucesso do fracasso.
16
1.4.2 Complexidade de Uma Decisão
Decisões podem ser tomadas por meio de parâmetros mensuráveis e não-mensuráveis

quantitativamente. Os parâmetros quantitativos normalmente são de mensuração mais fácil e
garantem maior segurança na decisão (ex: custos operacionais). Contudo, algumas decisões
exigem a utilização de parâmetros não mensuráveis quantitativamente (ex: beleza), porém
medidos qualitativamente, com forte característica subjetiva, o que torna o processo de
tomada de decisão mais complexo (GOMES, L.; GOMES, C.; ALMEIDA, 2006). Segundo
Daft (1997, p. 169), é comum o processo de tomada de decisão se basear em dois modelos:
modelo clássico e modelo administrativo. O modelo clássico é considerado normativo, sendo
“valioso quando aplicado a decisões programadas e caracterizadas pela certeza”, enquanto o
modelo administrativo está inserido em decisões complexas, de metas vagas e conflitantes,
não programadas e baseadas na incerteza (figura 2).
Figura 2 – Modelos clássico e administrativo de tomada de decisão
Fonte: Daft (1997)
Raskin (2000) define esses dois modelos da seguinte forma:
As decisões programadas são repetitivas e rotineiras e fornecem estabilidade,

aumento de eficiência e redução de custos. As decisões não-programadas são novas
e desestruturadas, cujas soluções são encontradas à medida que os problemas
aparecem, por isso requerem mais atividades de pesquisa dos gerentes para
encontrar a solução; elas permitem adaptação a mudanças do ambiente, a encontrar
soluções para novos problemas e a lidar com situações imprevisíveis. A criação de
uma estratégia organizacional requer dos gerentes decisões não programadas para
encontrar a melhor forma de criar valor, usando as melhores habilidades e recursos.
Para essas decisões, os gerentes se baseiam em julgamento, intuição e criatividade
para resolver os problemas, e não em regras e normas. As organizações devem ter a
capacidade para tomar ambas as decisões.
Quanto maior o nível de conhecimento e informações disponíveis, menor torna-se o

17
risco de decisões malsucedidas. Segundo Angeloni (2003, p. 18), “o grande desafio dos
tomadores de decisão é o de transformar dados em informações e informações em
conhecimento”. Contudo, nem sempre o conhecimento individual é suficiente em certas
ocasiões. Muitas vezes uma decisão é submetida a avaliações incertas e imprecisas, por não
existirem opções claras que direcionam o tomador de decisão a agir de maneira segura.
1.4.3 Equipe de Decisão
Angeloni (2003, p. 20) destaca a importância do trabalho em equipe e maior

participação de pessoas no processo de tomada de decisão. A autora afirma que “o
estabelecimento de um pensamento comum consiste em considerar o ponto de vista de cada
um, para que as decisões tomadas nas organizações tenham um nível de qualidade superior”.
Neste aspecto, French (1988 apud GOMES, L.; GOMES, C.; ALMEIDA, 2006), afirma que
independente da complexidade de decisão, os grupos envolvidos se interagem socialmente a
ponto de transformarem uma coleção de decisões individuais em uma ação conjunta. A partir
do momento que há maior envolvimento de pessoas, a tomada de decisão tende a resultados
mais qualificados, agregando mais conhecimento e informação para a decisão e,
consequentemente, amenizando as distorções da visão individualizada.
1.4.4 Seleção de Áreas Críticas de Acidentes
Além de colocar em risco a vida do homem, os acidentes de trânsito influenciam

diretamente o fluxo de tráfego local, gerando como principais consequências os
congestionamentos, dificuldades de acesso a vias e transtornos aos condutores envolvidos. A
inexistência de regras precisas para a classificação de áreas críticas de tráfego deixa exposta a
complexidade da tomada de decisão à gestão pública. Definir área a se investir induz,
primeiramente, a mensuração de “quão crítica” é cada área, fator sujeito à avaliação de uma
série indefinida de indicadores, visto que cada área apresenta uma peculiaridade o que torna o
processo submetido à interpretação e opinião de quem o avalia. Tratando-se de uma equipe de
decisão, é passível ocorrer conflitos interpretativos onde um analista interprete que o
indicador A seja mais relevante que o indicador B, porém outro membro da equipe entenda
que o indicador B possua um grau maior de incidência na decisão que o indicador A. Para
18
conter possíveis riscos, é fundamental que os tomadores de decisão sejam capacitados e

tenham adquirido um nível de conhecimento considerável para agirem de modo propício e
chegarem a uma decisão conjunta.
1.5 Objetivos do Estudo
1.5.1 Objetivo Geral
O presente estudo tem como principal objetivo criar uma metodologia, baseando-se na
teoria dos conjuntos fuzzy, para auxiliar o processo de tomada de decisão diante a
classificação e priorização de áreas críticas de acidentes de tráfego urbano, de forma que
proporcione à gestão pública maior segurança e confiança para agir diante de futuros
investimentos e tratamentos nessas áreas.
1.5.2 Objetivo Específico
Para validar tal metodologia pretende-se aplica-la na área da Coordenadoria Regional

de Tráfego 2.2 da cidade do Rio de Janeiro, buscando-se apresentar a classificação dos bairros
que a compõe de acordo com seus graus de criticidade de acidentes de trânsito, de modo que
sejam identificadas as áreas prioritárias a serem adotadas em futuros projetos de redução de
acidentes e, consequentemente, de melhoria do fluxo de tráfego do município.
19
2 DESENVOLVIMENTO
2.1 Referencial Teórico
Neste subcapítulo serão apresentados os referenciais teóricos desta pesquisa, que se

baseiam em estudos realizados por outros autores com objetivo de identificar, classificar,
mapear áreas críticas de tráfego ou auxiliar o processo de tomada de decisão na seleção e
priorização dessas áreas.
2.1.1 Redução de Acidentes
Levando em consideração a alta taxa de óbitos e acidentes provenientes do trânsito,

Cunha e Fontes (2002) aplicaram o método Taxa de acidentes / Controle de Qualidade
desenvolvido em 1981 pelo Institute of Transportation Engineers (ITE) para identificarem
interseções críticas no sistema viário da Zona Sul da cidade do Rio de Janeiro. O método foi
aplicado com fundamento nos dados da região, como por exemplo, o número de acidentes, o
grau de severidade e o volume diário de tráfego local. Baseando-se nessa ferramenta, puderam
constatar se um determinado local possuía taxa de acidentes maior que taxas usualmente
encontradas nas demais regiões. O estudo visou subsidiar um programa contínuo aplicável de
redução dos acidentes de trânsito e, conseqüentemente, proporcionar o decrescimento do
número de vítimas associadas a eles.
Entre o total de interseções analisadas, 93 delas foram consideradas críticas,
quantidade que representa mais de 5% do total avaliado. A análise dos resultados demonstrou
que a região (Zona Sul) apresenta um significativo percentual crítico em suas interseções,
sendo estas definidas como zonas de risco para integridade física e de grande incidência na
fluidez do tráfego da cidade. Os autores ainda implicam que as 10 interseções com o maior
grau crítico representam um alto risco para a vida humana, com taxas que chegam a superar
em 800% a taxa crítica de acidentes.
Também adotando uma região da cidade do Rio de Janeiro como objeto de estudo,
relevando a calamidade que o tráfego da cidade traz muitas vezes como conseqüência, e
buscando mensurar e diferenciar a característica da região estudada por seções de controle, o
presente trabalho se estruturou na lógica fuzzy para tratar o tema e avançar aos resultados.
20
2.1.2 Análise Espacial e a Identificação de Pontos Críticos
A identificação de locais críticos mediante ao comportamento negativo do tráfego e

suas conseqüências indesejadas, também se tornou um elemento de estudo para a aplicação da
metodologia de análise espacial. Queiroz, Loureiro e Yamashita (2004), objetivando
distinguir regiões (interseções, trechos, corredores e áreas) com base nos dados armazenados
no Sistema de Informações de Acidentes de Trânsito de Fortaleza (SIAT-FOR) e seus índices
de severidades de acidentes, aplicaram esta ferramenta de análise para dar suporte e auxiliar
analistas durante a fase de seleção da área mais alarmante e da hierarquização dos locais
prioritários para o tratamento mais propício para ocasião. Miller e Shaw (2001, apud
MENESES; LOUREIRO, 2003), tratam a análise espacial como um campo da geografia que
estuda propriedades que variam geograficamente, enquadrando questões relativas à
extensão, padrões, associações, interações e mudanças destas propriedades no espaço. A
análise espacial envolve três tipos básicos de operações em bases de dados dinâmicos:
consultas sobre atributos, operações espaciais e geração de dados (MENESES; LOUREIRO,
2003). A aplicação da metodologia de análise espacial no setor de transportes é considerada
bastante conhecida e utilizada por pesquisadores e especialistas do assunto, embora as
análises mais simplificadas sejam aderidas mais facilmente, tal como as ferramentas de
seleção e manipulação (TEIXEIRA et. al., 2002, apud QUEIROZ; LOUREIRO;
YAMASHITA, 2004) Entretanto, apesar destas ferramentas possibilitarem a visualização e
geração de novos dados, não estão capacitadas para mensurar as propriedades e a correlação
existente entre os dados espaciais (CÂMARA et. al., 2000, apud QUEIROZ; LOUREIRO;
YAMASHITA, 2004). Durante a execução do estudo, os autores destinaram algumas etapas
para coleta e tratamento de informações, visando obter uma base de dados para o
desenvolvimento do trabalho, incluindo o número de acidentes cadastrados, classificações,
período e tipologia. Esta metodologia depende principalmente de um sistema informatizado
de acidentes e georeferenciamento dos acidentes armazenados. Ao final da pesquisa, foi
possível identificar vários pontos críticos (interseções, trechos e áreas) existentes na malha
viária urbana, consolidando a ferramenta de análise espacial adotada como de caráter efetivo
no tratamento de segurança viária e controle de tráfego.
21
2.1.3. Lógica Fuzzy e a Priorização de Áreas
Outro estudo referente aos problemas de segurança no trânsito e abordagem de

acidentes foi realizado em João Pessoa, com o objetivo de dar apoio aos processos de tomada
de decisão das áreas prioritárias e não-prioritárias a serem tratadas (COSTA, 2011). Para
chegar ao resultado esperado, a pesquisadora adotou conceitos e aplicações de análise espacial
e lógica fuzzy. O desenvolvimento da metodologia nebulosa no estudo levou em consideração
a inserção de variáveis de entrada e de saída, além de representar a função de pertinência para
cada uma delas. Uma amostra de nove bairros da cidade de João Pessoa foi escalada para a
aplicação das regras propostas e o resultado foi satisfatório. Chegando à conclusão que apenas
três bairros possuem condições críticas para tratamento prioritário, a metodologia se
consolidou como importante auxiliadora durante a fase de análise dos perfis urbanos com
maiores índices de acidentes de trânsito. Como parâmetro, pode ser considerada uma
ferramenta de baixo custo e de caráter preciso, pois a lógica fuzzy tornou-se uma eficiente
forma de gerenciamento de incertezas (SHAW; SIMOES, 2007).
2.1.4 Classificação de Áreas Contaminadas
Segundo Bilobrovec, Marçal e Kovaleski (2004), controladores fuzzy são aplicáveis

em situações que ainda não dispõem de uma metodologia exata para seu controle, talvez pela
complexidade ou inviabilidade de obtenção de um modelo matemático ou sistema que
apresente um resultado próximo à precisão necessária. Dessa forma, o emprego da ferramenta
nebulosa não se limita apenas aos estudos de tráfego e adjacências. Silva (2005) direcionou
seus estudos à classificação de áreas contaminadas por vazamentos acidentais de petróleo e
seus derivados. Através de simulações de casos ocorridos, a lógica fuzzy foi capaz de
determinar o grau de contaminação (definido como um número menor ou igual a 100),
indicando o índice de prioridade de cada caso. Chegou-se a conclusão que o lançamento de
informações subjetivas e incertas possibilitou a transformação de variáveis quantitativas e
qualitativas no potencial de contaminação da área, o qual atingiu um grau diferente para cada
ocorrência. Este valor representou o potencial de contaminação da área, podendo ser utilizado
no estabelecimento de ranking de prioridades e nas tomadas de decisões para seleção das
regiões afetadas a serem designadas para remediação.
22
2.1.5 Identificação e Mapeamento de Segmentos Críticos
Em 2008, DNIT e UFSC firmaram um destaque orçamentário (acordo de

descentralização de créditos) para elaborar um programa de controle de segurança rodoviária,
através da identificação e mapeamento dos segmentos críticos da malha viária do DNIT,
tomando como amostras todas as rodovias da malha rodoviária federal.
Esse plano de ações foi dividido em 5 etapas e o resultado em 16 produtos. Em um
destes produtos, DNIT e UFSC (2010), buscaram aplicar metodologias para identificação e
priorização dos trechos críticos para obtenção das soluções, considerando a relevância de
classificar os segmentos por classes homogêneas, de acordo com suas respectivas
características. Para segmentos críticos, entendeu-se o trecho o qual seu índice crítico de
acidentes (I) seja maior que o índice crítico anual médio que enquadre sua respectiva classe.
Na definição do Índice de acidentes do segmento j tem-se:
Onde:
Nj = número anual de acidentes ocorridos no segmento j;
Ej = extensão do segmento j
(VMDa)j = volume médio diário por ano, referente ao segmento j
Além do índice de acidentes de um determinado segmento, ainda foram

desenvolvidas fórmulas do índice crítico anual para um grupo de trechos de mesma classe e
de classes distintas. Em relação ao processo de priorização, foi estabelecido o cálculo do
Índice Relativo de Gravidade (IRG) que é composto pela somatória da frequência (f) de certo
tipo de acidente (k) e custo médio (C) do mesmo tipo acidente de um definido segmento,
conforme apresentado na fórmula a seguir:
A partir do IRG, chegou-se ao Fator de Gravidade (FG) que considera o volume

23
médio diário de tráfego anual (VMDa) e a extensão (E) do segmento crítico:
Além do IRG e FG, foram elaborados os cálculos da média e desvio padrão dos
fatores de gravidade, o intervalo de confiança e a relação dos segmentos críticos em cada
classe de segmentos homogêneos. Foi elaborada, a partir daí, uma listagem dos segmentos
críticos identificados com os maiores desvios entre seus FG individuais e divididos em
classes. A apresentação dos resultados baseou-se na inserção de gráficos, os quais
representavam os estados brasileiros e suas distribuições por classes de segmentos críticos,
sendo que Minas Gerais foi o detentor do maior número de segmentos críticos, concentrando
19% do total analisado na malha nacional. O procedimento utilizado neste trabalho tornou-se
modelo de referência, podendo ser aplicado em qualquer campo municipal, estadual ou
nacional, de acordo com o interesse de quem o utiliza.
2.1.6. Programa de Redução de Acidentes
O alto índice de acidentes de trânsito nos perímetros urbanos brasileiros estimulou o

Ministério dos Transportes a elaborar um manual de tratamento de locais críticos de acidentes
de trânsito, através do “Programa PARE”, objetivando constituir um guia simples e prático
capaz de atender a todos os municípios integrados ao Sistema Nacional de Transporte. Em
geral, o programa destinou-se à “melhoria do registro, coleta, organização, análise e
tratamento de dados de acidentes de trânsito, além da capacitação de técnicos municipais para
utilização a metodologia” (MT, 2002, p. 7).
O manual é dividido em três etapas (módulos) principais: a identificação de locais
críticos de acidentes de trânsito, a investigação das causas dos acidentes e, por fim, o
tratamento do local crítico. Essas etapas e seus respectivos procedimentos são representados
na figura 3, conforme a seguir:
24
Figura 3 – Fluxograma dos procedimentos no tratamento de locais críticos
Fonte: MT, 2002
Atribuindo maior ênfase no Módulo I pelo fato de estar correlacionado com o presente
projeto, a identificação de locais críticos é definida como uma etapa fundamental e deve ser
realizada baseando-se em dados disponíveis sobre acidentes de trânsito.
As primeiras ações a serem realizadas para compor o processo de identificação de
áreas críticas são o registro e a coleta de dados, partindo do princípio que:
Não há uma conduta uniforme quanto às formas de registro, coleta e

tratamento dos dados sobre acidentes de trânsito no Brasil. Na maioria das cidades,
o registro e a coleta de informações são realizados por policiais militares e civis [...]
(MT, 2002, p. 17)
25
Independente dessa conduta, a qualidade do registro e a disponibilidade de dados de

acidentes de trânsito das regiões são fatores determinantes para o prosseguimento das
atividades.
A partir do registro e coleta de dados, torna-se necessário apresentar o método de
identificação de locais críticos. O método escolhido pelo manual foi o numérico, que é o mais
simples e baseados em cálculos de indicadores (quantidade de acidentes, taxa de acidentes).
Neste método são consideradas quatro técnicas:
● Número de acidentes: a quantidade de acidentes ocorridos em um determinado período

de tempo na malha viária é comparada à média aritmética das ocorrências registradas em cada
um dos locais analisados.
● Severidade de acidentes: destaca a gravidade dos acidentes, associando a cada tipo de

ocorrência (com vítima fatal, atropelamento, com ferido e com danos materiais) um
determinado peso. É determinado por Unidade Padrão de Severidade (UPS).
Número de UPS = Acidentes somente com danos materiais x 1 +

Acidentes com ferido(s) x 4 +
Acidentes com feridos envolvendo pedestres x 6 +
Acidentes com vítima(s) fatal(is) x 13
Onde:
UPS = Unidade Padrão de Severidade da área
● Taxa de acidentes: relaciona a quantidade de acidentes de trânsito com o volume de

tráfego em cada local (diferencia interseções e trechos viários).
Em interseções:
Onde:
T = número de acidentes por milhões de veículos;
A = número de acidentes na interseção;
P = período do estudo, em dias (geralmente 365 dias);
V = volume médio diário que entra na interseção (soma das aproximações).
26
Em trechos viários:
Onde:
T = acidentes por milhões de veículos x km;
A = número de acidentes no trecho;
V = volume médio diário que passa no trecho;
E = extensão do trecho (em km).
● Taxa de severidade: combina as práticas das técnicas “Severidade de acidentes” e

“Taxa de acidentes”, ao relacionar a quantidade de acidentes, expressa em UPS, com o
volume de tráfego no período de análise.
Em Interseções:
Onde:
T = acidentes em UPS por milhões de veículos;
UPS = unidade padrão de severidade;
V = volume médio diário que entra na interseção(soma das aproximações).
Em trechos viários:
27
Onde:
T = acidentes por milhões de veículos x km;
UPS = unidade padrão de severidade;
V = volume médio diário que passa no trecho;
E = extensão do trecho (em km)
Como visto, o guia desenvolvido pelo Ministério dos Transportes aborda a

metodologia numérica como uma eficiente ferramenta de identificação de locais críticos.
Nota-se, através da técnica de severidade de acidentes, que cada indicador de acidente possui
um determinado valor significativo, o que resulta a necessidade de lhe atribuir um peso. O
presente trabalho se baseia no mesmo sistema (ponderação), de acordo com a avaliação e
opinião de especialistas da área de tráfego urbano, porém, a teoria dos conjuntos fuzzy foi o
método incumbido para a obtenção dos resultados.
2.1.7 Identificação de Interseções Críticas de Acidentes
O resultado positivo da metodologia do manual de procedimentos de tratamento de

locais críticos elaborado pelo “Programa PARE” do Ministério dos Transportes (2002), pode
ser comprovado através do estudo de localização de interseções críticas de acidentes de
trânsito na zona urbana do município de Foz do Iguaçu (JUPPA, 2010). O autor instituiu a
técnica de “Severidade de Acidentes” como a determinante para a solução do problema em
questão, aplicando a seguinte fórmula:
Número de UPS = Acidentes somente com danos materiais x 1 +

Acidentes com ferido(s) x 4 +
Acidentes com feridos envolvendo pedestres x 6 +
Acidentes com vítima(s) fatal(is) x 13
Onde:
UPS = Unidade Padrão de Severidade da área
O estudo baseou-se em dados do ano de 2009, e foram selecionadas 80 interseções

que apresentaram os maiores índices de acidentes no período, totalizando 573 acidentes. A
28
aplicação da fórmula proporcionou a identificação de 10 interseções com altos UPS, ou seja,

alto risco exposto à sociedade. Através das UPS foi possível estabelecer uma classificação dos
pontos mais críticos de Foz do Iguaçu e colaborar com estudos locais focados no tratamento,
diagnóstico e segurança de cada ponto de acordo com suas respectivas necessidades.
2.2 Metodologia Aplicada
2.2.1. Introdução à Lógica Fuzzy
Pioneiro dos estudos formais sobre a lógica clássica, o filósofo grego Aristóteles
(384 – 322 a.C.) considerava a lógica como instrumento de conhecimento em qualquer campo
da sabedoria.
Segundo Chauí (2000), quando se afirma que algo é lógico ou ilógico, pretende-se
referir a noções pressupostas de inferência, coerência, conclusões sem contradições e de
conhecimento preciso e suficiente. A lógica em si, proporciona medidas a serem empregadas
em qualquer tipo de raciocínio que reflete no conhecimento universal através de princípios,
regras ou leis, que não são interferidas por opiniões contrárias.
Após a formulação dos princípios da lógica por Aristóteles, Chrysippus (280 – 205
a.C.) propôs a lógica proposicional como forma de se entender as sentenças como verdadeiras
ou falsas, de acordo com seus componentes. Durante séculos, filósofos buscavam respostas
que se enquadravam apenas na teoria da precisão, e que influenciadas pela lógica clássica
eram sempre limitadas por duas soluções para análise: “sim ou não”, “ser ou não ser”, “bom
ou ruim”, “certo ou errado”.
Entretanto, os primeiros questionamentos dos conceitos de razão, crença e dúvida,
começaram a surgir na Idade Média, por William de Ockham (1285-1349) que dividiu
empiristas e racionalistas por meio do pensamento de que uma tese só pode ser considerada
lógica caso seja demonstrada, comprovada e deduzida (MORUJÃO, 2006). A aceitação do
conceito de lógica clássica passava a ser algo questionável.
Em 1965, abordando a lógica como referencial de estudo, o professor Lofti A. Zadeh
da Universidade da Califórnia (Berkeley), formalizou através da publicação de jornal
acadêmico a Teoria dos Conjuntos Fuzzy (ZADEH,1965), também conhecida como Lógica
Nebulosa. Intitulado de “Fuzzy Sets”, o trabalho objetivou representar informações
29
imprecisas, vagas e mal-definidas comumente encontradas nos problemas cotidianos e

fornecer métodos matemáticos que possibilitam o tratamento desses dados (COX, 1994).
Supondo a mensuração de um índice de dificuldade, por exemplo, além de “fácil ou difícil”, é
possível chegar a uma determinação de “quão difícil é” baseando-se na composição geral e
detalhada do índice. Esse sistema inteligente possibilita chegar a conclusões que mais se
aproximam da realidade, como por exemplo, medianamente fácil e muito difícil. Shaw e
Simões (2007) retratam a lógica aristotélica como bivalente por reconhecer apenas dois
valores: verdadeiro ou falso. Já a lógica difusa de Zadeh como multivalente, isto é, reconhece
uma multitude de valores, assegurando que a verdade é uma questão de opinião ou de
graduação e pode ser representada através da obtenção de um grau especifico. A figura 4
representa essa diferença através das cores, tratando a lógica clássica como um conjunto
definido e conciso, e a lógica fuzzy como um conjunto de avaliação de incertezas.
Figura 4 – Diferença entre Conjuntos Clássicos e Conjuntos Fuzzy
Fonte: Próprio autor
2.2.2 Conceituação de Lógica Fuzzy
A teoria dos conjuntos fuzzy tem como um de seus objetivos o desenvolvimento de

metodologias para a formulação e solução de problemas complexos ou mal formulados sob o
ponto de vista das técnicas convencionais (ZADEH, 1965). Uma característica especial da
lógica fuzzy é a de “representar uma forma inovadora de manuseio das informações
imprecisas, de forma muito distinta da teoria das probabilidades” (SILVA, 2005, p. 94). Nem
30
tudo que é possível é provável. Dessa forma, a lógica fuzzy está mais ligada à teoria das
possibilidades por se especializar em determinar as pertinências entre informações, e não por
calcular quão prováveis elas são. “Expressões verbais, imprecisas, qualitativas, inerentes da
comunicação humana, que possuem vários graus de incerteza, são perfeitamente manuseáveis
através da lógica fuzzy”. (SHAW; SIMÕES, 2007, p. 16).
O sistema de transformação fuzzy é composto por entradas (input) e saídas (output)
conforme o diagrama da figura 5. As entradas correspondem aos dados (valores ou conjuntos)
subjetivos que ao serem agregados às funções de pertinência (fuzzificação) são convertidos
em base fuzzy. A partir da aplicação de regras e metodologias de tratamento das informações
fuzzy, obtém-se o resultado da avaliação das variáveis que sofre processo reverso de
conversão, onde valores fuzzy são refletidos em números reais e saídas não-fuzzy
(defuzzificação). Para situações que requerem uma resposta precisa, o conjunto fuzzy da saída
é transformado num valor único (valor “crisp” ou nítido), pelo processo de defuzzificação
(BELLMAN; ZADEH, 1970).
Figura 5 – Estrutura de um sistema de inferência fuzzy
Fonte: HAMMEL II, 2004
2.2.3 Aplicação dos Conjuntos Fuzzy
A indicação de pertinência de um elemento x em um conjunto A, através da teoria

dos conjuntos clássicos, é expressa pelo símbolo ∈:
Segundo Shaw e Simões (2007, p. 16), “a lógica fuzzy é uma forma de gerenciamento
31
de incertezas, através da expressão de termos com um grau de certeza, num intervalo

numérico [0,1]”. Uma função de pertinência µA(x)= {0; 1} indica se o elemento x pertence ou
não ao conjunto A. O valor [1] é utilizado para representar a pertinência total de x em A. Já o
valor [0] representa a não pertinência de x em A, como apresentado no seguinte caso:
Para exemplificar tal situação, têm-se os conjuntos B = {x1, x2, x3, x4} e A = {x1, x3},
onde seja necessário estabelecer a função de pertinência µA(x) dos elementos de B em A.
Dessa forma:
µA(x1) = 1; µA(x2) = 0; µA(x3) = 1; µA(x4) = 0;
Figura 6 – Pertinência de variáveis de um conjunto
Fonte: (Shaw e Simões, 2007)
Zadeh (1965) define que um conjunto fuzzy A em “x” é caracterizado por uma
função de pertinência µA(x) que associa a cada “x” um número real no intervalo [0,1], onde
µA(x) atribui a “x” o seu grau de pertinência em A. Segundo Braga (1995 apud SILVA, 2005,
p. 99), “as funções de pertinência para a construção dos conjuntos fuzzy têm origem na
opinião e no conhecimento de seres humanos, principalmente especialistas no assunto em
questão”.
32
2.3 Tipo de Pesquisa
Em tese, desenvolveu-se uma metodologia baseada nos conjuntos fuzzy para predizer e
classificar o nível crítico de cada região geográfica de estudo, no que se refere às
características de tráfego urbano e propôs sua aplicação como instrumento de identificação
dos perfis de cada área e a partir daí, possibilitar uma priorização dos pontos de maior
concentração negativa no trânsito, para servir de suporte a um estudo enfático de controle de
tráfego por área.
2.4 Universo e Amostra
O processo de triagem do universo e amostras teve contribuição da Companhia de

Engenharia de Tráfego do Rio de Janeiro (CET-Rio), que é uma sociedade vinculada à
Secretaria Municipal de Transporte e que tem como principal atividade administrar o sistema
viário e de circulação do município.
Segundo Malhotra (2004, p. 320), a população é “a soma de todos os elementos que
compartilham algum conjunto comum de características e que compreende o universo para o
problema de pesquisa”. Neste trabalho, a população será representada por três conjuntos de
variáveis:
I) Conjunto de áreas de estudo

II) Conjunto de indicadores estatísticos
III) Conjunto de especialistas
O conjunto I é composto por regiões afetadas negativamente por ocorrências de

trânsito, de acordo com a estratégia e projeto de melhoria elaborada pela CET-Rio. O
conjunto II constará a compilação das variáveis estatísticas coletadas referentes a cada área,
através da Gerência de Informações de Tráfego (GIT) da CET-Rio. E o conjunto III será
formado por profissionais da área de estudo, neste caso a Engenharia de Tráfego, mais
especificamente os responsáveis pelo controle de tráfego da cidade do Rio de Janeiro.
33
2.4.1 Área de Estudo
2.4.1.1 A Cidade do Rio de Janeiro
Um dossiê elaborado pelo Instituto de Segurança Pública (ISP, 2011) traduz, através
de dados de registros de ocorrência da Polícia Civil, a severidade dos casos de acidentes de
trânsito no Estado do Rio de Janeiro. Somente no ano de 2010, foram contabilizadas 2.400
vítimas fatais de acidentes de trânsito (homicídio culposo de trânsito) e 42.845 vítimas não
fatais (lesão culposa de trânsito). A figura 7 apresenta a série histórica desses acidentes
ocorridos no estado desde 1997 e, simultaneamente, alerta para a tendência de crescimento
existente em relação ao número de vítimas não fatais de acidentes.
Figura 7 – Série histórica de acidentes no Estado do Rio de Janeiro
Fonte: Edição – Dados ISP (2011)
Após mapeamento preciso das áreas mais afetadas pelas ocorrências de acidentes de
trânsito no estado, o ISP (2011, p. 30) concluiu que “o município do Rio de Janeiro é
responsável por 45,2% do total de vítimas de acidente de trânsito, seguido pelas regiões do
Interior (27,2%), da Baixada Fluminense (16,5%) e da Grande Niterói (11,1%)” (figura 8).
34
Figura 8 – Distribuição de vítimas de acidentes de trânsito (RJ)
Fonte: Edição – Dados ISP (2011)
No Rio de Janeiro, de 2000 a 2009, aproximadamente 9.039 mortes decorreram-se de

acidentes de trânsito. O crescimento significativo de veículos em atividade na cidade afeta
consideravelmente o fluxo de tráfego, o que faz com que o risco de ocorrência de acidentes
tenda a crescer proporcionalmente.
Um estudo realizado no ano de 2011 pelo Instituto Municipal de Urbanismo Pereira
Passos (IPP), estabeleceu uma comparação entre os principais modais de transporte de
passageiros (não incluindo veículos particulares) da cidade do Rio de Janeiro: aeroviário,
hidroviário e terrestre. Em levantamento realizado com base em dados do ano de 2009 sobre,
como na maioria das cidades brasileiras o transporte terrestre foi o mais exigido pelos
passageiros em relação aos demais, representando 96,6% das movimentações municipais.
Incluindo-se nessa porcentagem, o transporte via ônibus atingiu maior referência entre outros
(metrô, trem e bonde) perfazendo um total de 72,5% dos passageiros. Dessa forma, conclui-se
o tráfego urbano em ruas e avenidas da cidade se mantém sobrecarregado, englobando mais
de 2/3 dos cidadãos cariocas que utilizam o serviço de transporte público e optam por meio de
ônibus para se deslocarem (figura 9).
35
Figura 9 – Movimento de passageiros segundo o modo de transporte (2009)
Fonte: IPP (2011)
A figura 10 detalha a intensidade do fluxo de tráfego na área urbana do município

onde, no ano de 2009, a frota ativa atingiu 1.947.622 veículos, uma quantidade que representa
3,3% da frota ativa no país (59.361.642 veículos).
Figura 10 – Total da frota ativa do Rio de Janeiro (2009)
Fonte:IPP (2011)
2.4.1.2 Divisões Administrativas
A cidade do Rio de Janeiro, segunda cidade mais populosa do Brasil com

aproximadamente 6.323.037 habitantes, está dividida administrativamente por 5 Áreas de
Planejamento (AP) com 33 regiões administrativas e 160 bairros. A estrutura organizacional
36
da Secretaria Municipal de Transporte e da CET-Rio, está distribuída em 10 Coordenadorias

Regionais de Tráfego (CRT) que atende todo o município. Essa descentralização tem a função
de tornar eficaz o gerenciamento e controle das questões de trânsito da cidade de acordo com
cada região de atendimento. (PCRJ, 2012). Dentre as dez CRT’s, encontra-se a CRT 2.2
(figura 11), a qual foi definida como amostra de estudo deste projeto e atende os seguintes
bairros: Alto da Boa Vista, Andaraí, Grajaú, Maracanã, Praça da Bandeira, Tijuca e Vila
Isabel.
Figura 11 – Bairros da CRT 2.2.
Fonte: CET-Rio, Gerência de Informações de Tráfego
2.4.2 Indicadores de Desempenho
O conjunto de indicadores de desempenho foi definido de forma composta.

Primeiramente, foi disponibilizada uma base de dados (anexo A), pela GIT – Gerência de
Informações de Tráfego da CET-Rio, que contém oito dos dez indicadores tomados neste
estudo: número geral de acidentes, acidentes por km, atropelamento, capotamento, colisão,
37
extensão viária, severidade dos acidentes e tombamentos. Atualmente, esse grupo de variáveis
é estudado e controlado rigorosamente pela CET-Rio, que o considera uma fonte de
imprescindível para a análise de criticidade dos bairros da cidade. Além dos oito indicadores,
mais dois importantes fatores foram adotados para compor este conjunto: população e número
de cruzamentos.
Como amostra, este projeto aglomerou dados estatísticos da cidade do Rio de Janeiro
referente às ocorrências do ano de 2010.
2.4.3 Especialistas
Segundo o DENATRAN (2004, p. 22), “a capacitação de profissionais no setor de

trânsito é condição indispensável para a efetiva gestão com qualidade das organizações do
Sistema Nacional de Trânsito”. Dessa forma, para o sucesso da aplicação da metodologia
fuzzy, o requerimento de um nível de informações confiáveis e seguras é de caráter
fundamental. Buscando considerar a veracidade dessas informações e a obtenção de
resultados que expressem a realidade dos problemas do tráfego urbano do Rio de Janeiro,
efetivou-se a participação de uma equipe composta por 05 (cinco) especialistas da área de
controle e gerenciamento de tráfego que atuam pela CET-Rio, e estão diretamente conectados
ao processo de análise e identificação de regiões críticas da cidade. Segundo Angeloni (2003,
p. 20), “a tomada de decisão em equipe é uma forma a ser utilizada para superar as barreiras
das informações e conhecimentos parciais”.
2.5 Coleta de Dados
Para enquadrar o projeto em seu contexto de pesquisa e garantir a credibilidade quanto

aos resultados alcançados, o processo de coleta de dados teve integração com a principal fonte
responsável pelo controle de informações de tráfego, a Gerência de Informações de Tráfego
(GIT) da CET-Rio. Os dados são fornecidos à CET-Rio através de uma parceria realizada
com o Instituto de Segurança Pública (ISP) e a Secretaria de Estado de Segurança (SESEG).
Durante a etapa de agrupamento de dados foi utilizada a técnica de aplicação de questionários
e a base de dados estatísticos de acidentes municipais. Segundo o DENATRAN (2000), dados
estatísticos contribuem efetivamente para a identificação dos principais pontos de ocorrência
38
de acidentes, sua natureza, gravidade e período. Com estas informações é possível identificar
os pontos críticos de estudo, orientando a priorização de intervenção a ser estabelecida.
Em relação aos questionários, foram elaborados dois, um de caráter objetivo e outro de
caráter subjetivo baseado em lógica fuzzy. Para Chwif (2002, p. 461), “[...] um questionário
baseado em lógica fuzzy pode ser construído a partir de um questionário de um tipo “fechado”
desde que cada questão possua as seguintes pré-condições”:
● Expresse caráter subjetivo e não “puramente” objetivo (figura 12)
● As alternativas possam ser relacionadas a níveis ou graus
● Os graus ou níveis estejam ordenados e sejam estritamente crescentes ou
decrescentes.
Figura 12 – Exemplos de questões objetivas (I) e subjetivas (II)
Fonte: Editado de Chwif (2002)
2.5.1 Peso dos Especialistas
Foi elaborado um questionário de caráter objetivo (apêndice A) correspondente à

pesquisa quantitativa de nivelamento dos respondentes, visando uma adequação de pesos de
acordo com as suas experiências e formações. Para experiência, abrangeram-se participações
em congressos de transporte, elaboração de projetos viários, influência de tomada de decisão
no departamento em que atuam, entre outros. Quanto maior o nível de conhecimento e de
formação do especialista, maior foi o peso vinculado a ele. O cálculo do peso final de cada
especialista (tabela 1) baseou-se na soma de todos os valores obtidos nas questões do
questionário. Os valores provenientes dos resultados ainda foram convertidos de modo que o
39
somatório dos pesos dos respondentes fosse igual a 1.
Tabela 1 – Avaliação do “peso” dos especialistas, conforme questionário.
Índice “peso” dos Especialistas

Especialista Peso
I 0,119
II 0,165
III 0,266
IV 0,229
V 0,220
∑ 1,000
2.5.2 Grau de Incidência dos indicadores
O segundo questionário, de caráter subjetivo (apêndice B), direcionou-se para

pesquisa de opinião. Através da apresentação dos dez indicadores de desempenho de
criticidade de trânsito do estudo, os cinco especialistas deveriam averiguar quão relevante era
cada indicador no processo de tomada de decisão e identificação das áreas críticas da cidade,
definindo um grau de pertinência para cada um ao conjunto “incidência”. Essa avaliação,
classificada como relativa, foi limitada entre o intervalo [0,1] sendo que 0 foi adotado como
um fator de nenhuma incidência e 1 de total incidência na decisão (tabela 2).
Tabela 2 – Classificação do grau de incidência dos indicadores
Grau Incidência
0 Não incide na decisão
0,25 Incide pouco
0,5 Incide moderadamente
0,75 Incide muito
1 Incide totalmente
Caso o especialista “p” atribua um grau 0,75 ao indicador “a”, por exemplo, é
interpretado então que “a” é um indicador de muita incidência nos estudos de controle de
tráfego por área, porém não integralmente. Caso o mesmo especialista atribua um grau 0 ao
40
indicador “b”, então este é considerado um fator de nenhuma incidência no processo de

tomada de decisão. A tabela 3 apresenta a distribuição dos graus de incidência dos indicadores
no processo de tomada de decisão, conforme a opinião individual dos cinco especialistas.
Tabela 3 – Avaliação do grau de incidência de indicadores por especialistas

Especialistas
Indicadores
I II III IV V
Acidentes 0,5 1 0,5 0,75 1
Acidentes por km 0,25 1 0,5 0,75 1
Atropelamento 0,5 0,75 0,5 0,75 1
Capotamento 0,5 0,75 0,5 0,25 0,75
Colisão 0,5 1 0,5 0,25 0,75
Cruzamentos 0,25 0,25 0,75 0,25 0,5
Extensão viária em km 0,75 0,75 0,5 0,25 0,25
População 0,75 0,5 0,75 0,25 0,5
Severidade dos acidentes 0,75 0,75 0,5 0,25 1
Tombamento 0,5 0,75 0,5 0,25 0,75
2.5.3 Dados Estatísticos das Regiões
A obtenção dos dados estatísticos das regiões abordadas é de extrema relevância para
o sucesso e credibilidade do projeto, e deve ser realizada de forma correta e segura, pois
engloba o conjunto de matérias-primas do presente estudo. Angeloni (2003, p. 18) afirma que
“dados sem qualidade levam a informações e decisões da mesma natureza”. Segundo Katz
(1974 apud GIL, 2002, p. 132), a busca de apoio de liderança local e a aliança com grupos e
organizações que tenham interesse na pesquisa, são procedimentos que auxiliam na coleta de
dados, por se estruturar em informações que exigem análise prolongada. Assim sendo, a
coleta dos dados estatísticos de cada bairro em questão decorreu-se da disponibilização da
base de dados utilizada pela GIT da CET-Rio no processo de avaliação de criticidade de áreas
no âmbito de tráfego, conforme apresentado na tabela 4.
41
Tabela 4 – Dados da CRT 2.2, ano de 2010.
Áreas de Estudo
Indicadores Alto da
Praça da Vila
Boa Andaraí Grajaú Maracanã Tijuca
Bandeira Isabel
Vista
Acidentes 332 339 417 1133 564 2579 974
Acidentes por km 4 14 13 36 39 27 20
Atropelamento 4 23 17 54 36 143 51
Capotamento 7 1 2 6 0 5 6
Colisão 312 310 393 1050 512 2423 906
Cruzamentos 74 96 113 82 80 410 153
Extensão Viária
79,38 23,97 31,71 31,25 14,32 96,88 48,57
(km)
População 9343 39365 38671 25256 8662 163805 86018
Severidade 19,90% 17,10% 17,70% 16,10% 17,70% 12,70% 13,40%
Tombamento 9 5 5 23 16 8 11
Fonte: ISP/SESEG; CET-Rio; Gerência de Informações de Tráfego (2011)
2.6 Tratamento de Dados
2.6.1 Grau Padrão de Criticidade (GPC)
Como visto, a teoria dos conjuntos fuzzy (ou nebulosos) requer a função de
pertinência assumindo valores no intervalo [0,1], isto é, a cada elemento é atribuído um grau
de pertinência relativo a um conjunto. Como o quesito “incidência” não se limita apenas em
classificar “incide ou não-incide”, permite-se distinguir os indicadores por intensidade de
incidência, representados por seus graus de pertinência no conjunto, definidos neste artigo
como Grau Padrão de Criticidade (GPC).
A partir do momento que se obtém os pesos dos especialistas e a avaliação que cada
um atribui a cada indicador de desempenho, torna-se possível calcular o GPC ou “Grau de
Importância Padrão” dos indicadores, que corresponde ao valor de pertinência que cada
indicador possui ao conjunto “incidência”, ou seja, “quão incidente” é para o processo de
análise de áreas críticas; e é calculado através da soma ponderada das atribuições
classificatórias dos cinco especialistas a cada indicador de estudo, ou seja, o produto entre o
grau de importância determinado pelo especialista ao indicador “i” e o coeficiente (peso) que
42
ele detém. A fórmula seguinte expressa o cálculo do padrão de criticidade.
(1)
Onde:
GPCi = Grau Padrão de Criticidade do indicador “i”
Xi = Grau de incidência do indicador “i”, avaliado pelo especialista “e”
(p)e = Coeficiente “peso” do especialista “e”
N = Número de indicadores
Adotando a mesma regra do grau de incidência individual (avaliado singularmente

pelos especialistas), o resultado final do GPC deve se enquadrar no intervalo entre [0, 1],
conforme as seguintes aplicações.
Cálculo do GPC do indicador “acidente”, conforme fórmula (1):
Cálculo do GPC do indicador “cruzamentos”:
Para tal avaliação, percebe-se que o indicador “acidente” é considerado de incidência

0,75 no processo de seleção e identificação de áreas críticas da cidade. Relacionando-o como
parâmetro do limite inferior 0 e superior 1, chega-se à conclusão que 0,75 é um grau que
caracteriza “acidente” como uma variável de estudo significativamente importante para o
43
processo de tomada de decisão em questão. Já o indicador “cruzamentos” obteve GPC de

0,44, podendo ser caracterizado como um conjunto menos relevante que o indicador
“acidente”, porém, que de certa forma, incide pouco a medianamente para obtenção dos
resultados finais de identificação da área desejada.
Dando sequência ao procedimento dos demais indicadores de trânsito, obtém-se os
seguintes GPC’s:
Tabela 5 – Grau Padrão de Criticidade (GPC) dos indicadores de trânsito
Indicadores GPC
Acidentes 0,75
Acidentes por km 0,72
Atropelamento 0,71
Capotamento 0,54
Colisão 0,58
Cruzamentos 0,44
Extensão Viária em km 0,46
População 0,54
Severidade dos acidentes 0,62
Tombamento 0,54
∑ 5,90
Fonte: Próprio Autor
A figura 13 apresenta a hierarquia dos indicadores com base em seus respectivos graus
de importância. Foi elaborada através da análise subjetiva de cada especialista, e ordenada de
forma decrescente.
44
Figura 13 – Hierarquia dos Indicadores Críticos
2.6.2 Estabelecimento do Índice-Fuzzy
Como os dados de entrada devem ser fuzzificados, os dados estatísticos referentes a

cada bairro da CRT 2.2 foram convertidos em índices-fuzzy para dar continuidade ao estudo.
Os índices-fuzzy são valores no intervalo [0,1], onde 0 corresponde ao valor de menor
proporção de determinado indicador dentre os sete bairros, e 1 refere-se ao valor do índice-
fuzzy para o bairro que apresenta a mais alta incidência para o indicador em questão. O
cálculo do índice-fuzzy é realizado da seguinte forma (LEMMI; BETTI, 2006):
(2)
Onde:
I.F. a,i = valor do índice - fuzzy calculado para a área “a” e indicador crítico “i”;
V i = valor observado da série do indicador crítico “i” para a área “a”;
45
Mín i = valor mínimo da série do indicador crítico “i”

Max i = valor máximo da série do indicador crítico “i”
Para o indicador crítico “população”, pode-se observar que o bairro Tijuca é o que
abrange o maior número de habitantes entre os demais bairros, recebendo portanto o índice-
fuzzy 1, e o bairro Praça da Bandeira, por possuir o menor número de habitantes do conjunto,
importa o índice-fuzzy 0. Os índices-fuzzy dos bairros adjacentes são calculados de acordo
com a fórmula (2):
Chegando assim, à seguinte tabela:
Tabela 6 – Dados da CRT 2.2. convertidos em Índice-Fuzzy
Áreas de Estudo
Padrão de
Indicadores
Criticidade
Alto da Boa Praça da Vila
Andaraí Grajaú Maracanã Tijuca
Vista Bandeira Isabel
Acidentes 0,75 0 0,003 0,038 0,356 0,103 1 0,286
Acidentes por km 0,72 0 0,283 0,255 0,911 1 0,637 0,451
Atropelamento 0,71 0 0,137 0,094 0,360 0,230 1 0,338
Capotamento 0,54 1 0,143 0,286 0,857 0 0,714 0,857
Colisão 0,58 0,001 0 0,039 0,350 0,096 1 0,282
Cruzamentos 0,44 0 0,065 0,116 0,024 0,018 1 0,235
Extensão Viária em km 0,46 0,788 0,117 0,211 0,205 0 1 0,415
População 0,54 0,004 0,198 0,193 0,107 0 1 0,451
Severidade dos acidentes 0,62 1 0,611 0,694 0,472 0,694 0 0,097
Tombamento 0,54 0,222 0 0 1 0,611 0,167 0,333

46
2.6.3 Classificação de Áreas Críticas
A partir da obtenção do grau de importância (padrão de criticidade) de cada indicador

e dos índices-fuzzy provenientes das ocorrências de acidentes em cada bairro, tem-se o início
das inferências no modelo na busca de classificar cada bairro da CRT 2.2 de acordo com seu
perfil crítico.
2.6.3.1 Grau de Criticidade (GC)
O grau de criticidade é um índice ponderado de atendimento ao grau padrão de

criticidade que avalia o quanto estão sendo atendidos os indicadores de criticidade por bairro.
É um valor presente no intervalo [0, 1] onde 0 representa um índice nulo de criticidade, e 1
representa um índice de criticidade total do bairro. A classificação do grau crítico “x” de uma
área pode estar contido em cinco conjuntos triangulares fuzzy interpretativos: criticidade nula
(quando valor é 0), criticidade baixa (valor 0,25), criticidade média (valor 0,50), criticidade
alta (valor 0,75) e criticidade total (valor 1). Quando uma área possui um desses cinco graus
(valores “crisp”), ela possui índice de pertinência total (representado no eixo y pelo valor 1)
em um desses conjuntos. Contudo, a definição do grau crítico “x” está sujeita a variações, não
sendo necessário pertencer totalmente a um desses conjuntos. A partir do momento que “x”
sofre variação em relação a estes cinco valores, a pertinência do conjunto deixa de ser total,
mas é mantida pelo fato do grau ainda estar inserido no conjunto triangular fuzzy e,
consequentemente, torna-se pertinente também ao conjunto adjacente (figura 14).
0,25: Área de criticidade baixa

X= 0,30: Área de criticidade baixa a média
47
Figura 14 – Função de Pertinência Triangular Fuzzy
Esse procedimento de inferência ajuda a tomada de decisão quanto à priorização de

tratamento das áreas e é semelhante a uma média ponderada. Segundo Barros e Bassanezi
(2006), esse método de defuzzificação talvez seja o preferido pela comunidade científica
fuzzy, e é apresentado conforme a fórmula a seguir:
(3)
Onde:
GCa = Grau de Criticidade da área “a”
Xi = Grau Padrão de Criticidade do indicador “i”;
(I.F)a,i = Valor do índice-fuzzy da área “a” para o indicador “i”;
Grau de Criticidade do bairro “Alto da Boa Vista” conforme fórmula (3):

48
Grau de Criticidade do bairro “Tijuca”:
Em suma, de acordo com os resultados obtidos, a tabela 7 apresenta a hierarquização

dos bairros da CRT 2.2 com seus respectivos graus de criticidade em ordem decrescente.
Tabela 7 – Hierarquização das áreas conforme Grau de Criticidade
Área GC
1. Tijuca 0,75
2. Maracanã 0,48
3. Vila Isabel 0,37
4. Praça da Bandeira 0,30
5. Alto da Boa Vista 0,28
6. Grajaú 0,19
7. Andaraí 0,16
Conclui-se que nenhum bairro obteve grau de criticidade de valor igual a 1, contudo
todos apresentam um respectivo índice crítico, satisfazendo a conceituação de pertinência
intervalar dos conjuntos fuzzy. A figura 15 representa graficamente os graus de criticidade de
cada bairro da CRT 2.2, onde o anel externo reflete o grau de criticidade máximo que um
bairro pode atingir, enquanto o eixo central traduz um perfil crítico nulo.
49
Figura 15 – Gráfico do Grau de Criticidade dos bairros da CRT 2.2
Analisando os graus de criticidade dos bairros da CRT 2.2, nota-se a predominância

do bairro Tijuca em relação aos demais, caracterizando-o como o bairro mais crítico do
conjunto, com o grau de criticidade 0,75 (valor que expressa um alto nível crítico da área
destacada).
2.6.3.2 Grau de Inclusão (GI)
More (2007) estabelece que através da fórmula (2) do Grau de Inclusão, de Kosko
(1992), é possível determinar o nível de pertinência de um elemento em um conjunto fuzzy, e
consequentemente, calcular a distância perceptiva entre eles. O grau de inclusão corresponde
a um valor qualquer no intervalo [0,1] que um conjunto fuzzy A detém em relação a um
determinado conjunto fuzzy B. Assim sendo, utilizando o método neste projeto, é possível
atribuir suas características ao processo de identificação de áreas críticas, determinando quão
incluído está o perfil padrão de criticidade (GPC), estabelecido pelos especialistas, no perfil
crítico de cada bairro.
(4)
50
Onde:
G.I. p,a = valor do grau de inclusão que o perfil padrão de criticidade (GPC) possui em relação
ao bairro “a”.
Card (p) = cardinalidade (soma de todos os valores do conjunto padrão de criticidade)
P. Criticidade = Padrão de criticidade dos indicadores (GPC)
I. Fuzzy = Índices-Fuzzy do bairro “a”
A aplicação da fórmula (4) segue da seguinte maneira:

Grau de Inclusão do perfil do “Padrão de Criticidade” no perfil “Alto da Boa Vista”.
Grau de Inclusão do perfil “Padrão de Criticidade” no perfil “Tijuca”:

51
A tabela 8 apresenta a hierarquização dos bairros da CRT 2.2 com seus respectivos
graus de inclusão em ordem decrescente.
Tabela 8 – Hierarquização das áreas conforme Grau de Inclusão
Área G.I
1. Tijuca 0,82
2. Maracanã 0,62
3. Vila Isabel 0,59
4. Praça da Bandeira 0,39
5. Grajaú 0,31
Alto da Boa Vista 0,31
7. Andaraí 0,26
Criando um paralelo entre os indicadores que compõem o perfil de importância

estabelecido pelos especialistas e o perfil crítico da área, é possível ilustrar melhor o conceito
do grau de inclusão através da elaboração de gráficos comparativos. O gráfico a seguir (figura
16) possibilita uma análise simultânea entre os perfis de criticidade dos bairros Alto da Boa
Vista e Grajaú. Ambos obtiveram grau de inclusão de 0,31 do padrão de criticidade definido,
entretanto não possuem necessariamente as mesmas características.
Figura 16 – Gráfico de Inclusão

52
Observa-se que o bairro Alto da Boa Vista supera o padrão de importância em três
indicadores: capotamento, severidade dos acidentes e extensão viária. Essa superação
significa a inclusão relativa do modelo crítico dos especialistas nos respectivos indicadores.
Seguindo a mesma linha de raciocínio, o bairro Grajaú contém apenas o indicador “severidade
dos acidentes” superando os indicadores do padrão de criticidade, portanto, qual seria a razão
de possuírem praticamente o mesmo grau de inclusão? A fórmula utilizada para a obtenção do
grau de inclusão do padrão de criticidade em cada perfil crítico dos bairros anula o resultado
negativo da diferença entre o padrão de criticidade e o índice fuzzy, desconsiderando então
qualquer valor que esteja acima do padrão crítico. A partir daí, a distância entre os índices
torna-se o diferencial de medida de inclusão. Caso o perfil padrão de criticidade detenha todos
os índices de indicadores abaixo do perfil de um bairro tem suas diferenças anuladas, sendo
considerado assim, totalmente incluído no perfil do bairro citado recebendo grau de inclusão
igual 1.
2.6.4 Grau de Semelhança (GS)
Para informação complementar do estudo, pode-se calcular o grau de semelhança entre

bairros, através de seus índices-fuzzy, com o objetivo de estabelecer uma relação de
similaridade entre eles.
O grau de semelhança é um número entre [0] e [1] que corresponde ao nível de
semelhança entre dois conjuntos fuzzy. É calculado a partir da razão entre a somatória dos
graus de interseção entre os elementos de dois conjuntos e a somatória dos graus de união
entre os elementos desses mesmos conjuntos.
(5)
A aplicação da fórmula (5) segue da seguinte maneira:

Obtendo grau de semelhança entre Alto da Boa Vista e Andaraí:
53
Obtendo grau de semelhança entre Alto da Boa Vista e Grajaú:
Chegando assim, à seguinte tabela de relação fuzzy:
Tabela 9 – Grau de semelhança entre bairros
Alto da
Grau de Praça da Vila
Boa Andaraí Grajaú Maracanã Tijuca
Semelhança Bandeira Isabel
Vista
Alto da Boa
1 0,237 0,319 0,299 0,189 0,189 0,306
Vista
Andaraí 0,237 1 0,740 0,262 0,323 0,116 0,242
Grajaú 0,319 0,740 1 0,301 0,321 0,150 0,303
Maracanã 0,299 0,262 0,301 1 0,493 0,316 0,546
Praça da B. 0,189 0,323 0,321 0,493 1 0,139 0,255
Tijuca 0,189 0,116 0,150 0,316 0,139 1 0,427
Vila Isabel 0,306 0,242 0,303 0,546 0,255 0,427 1

54
Sistematizando as relações entre os bairros com vínculo maior que 0,7 (ou seja,
fazendo cortes de nível α, para α=0,7) na matriz de relações fuzzy podemos agrupar os bairros
com características similares, conforme a seguir:
Figura 17 – Matriz de relação fuzzy (semelhança entre bairros)
O valor 0,7 foi definido como limite inferior de demonstração de semelhança entre
dois conjuntos. Esse valor representa um índice de semelhança de moderado a alto entre dois
conjuntos fuzzy. Dessa forma, conclui-se que o bairro Grajaú e Andaraí apresentam uma
semelhança de moderada a alta entre si e os demais bairros não apresentam um nível
significativo de semelhança. O resultado obtido reflete que cada bairro da CRT 2.2 possui um
perfil típico de criticidade e se diferem pela variação dos índices apresentados por cada
indicador de acidente. Dois bairros podem ser julgados com alto grau de semelhança quando
seus índices de população, acidentes, cruzamentos e demais indicadores de estudo coincidem
ou apresentam pouca variação entre eles. Assim sendo, a diferença existente entre bairros da
CRT 2.2 alerta aos gestores públicos que o método de tratamento aplicado em um bairro
poderá não ter a mesma eficácia se implantado aos demais, visto que há possibilidade de se
comportarem de maneira distinta.
55
3 RESULTADOS
De acordo com os resultados obtidos foi possível verificar que, no ano de 2010, o
bairro da CRT 2.2 que apresentou o perfil mais crítico de tráfego urbano foi a Tijuca. A
princípio, foi aplicado o cálculo do Grau de Criticidade (GC) para averiguar o índice de
criticidade de cada bairro em relação ao padrão de criticidade elaborado por especialistas.
Como resultado, conclui-se que a Tijuca obteve GC de 0,75, grau considerado de criticidade
alta em relação aos demais bairros. A classificação é seguida pelo bairro Maracanã e Vila
Isabel, com GC de 0,48 e 0,37 respectivamente (criticidade baixa a média). Já o bairro
Andaraí, entre os sete avaliados, obteve o menor GC: 0,16 (criticidade nula a baixa).
Figura 18 – Classificação dos bairros da CRT 2.2 de acordo com GC
A figura 18 apresenta a demarcação das áreas conforme os resultados do Grau de

Criticidade dos bairros. Nota-se a disparidade do bairro Tijuca em relação aos demais bairros
56
através do vácuo existente entre seus graus de criticidade. Dois bairros foram taxados de
criticidade nula a baixa (0 a 0,24), quatro bairros se apresentaram como áreas de criticidade
baixa a média (0,25 e a 0,49), nenhum bairro foi considerado de porte crítico médio a alto,
enquanto apenas a Tijuca estabeleceu-se como um bairro de criticidade alta a totalmente
crítica em relação ao demais.
Objetivando enriquecer e evidenciar o resultado obtido, buscou-se estabelecer uma
relação de pertinência entre conjuntos fuzzy, onde os índices de acidentes dos sete bairros
(Alto da Boa Vista, Andaraí, Grajaú, Maracanã, Praça da Bandeira, Tijuca e Vila Isabel)
foram colocados em pauta pelo cálculo de Grau de Inclusão e, através do resultado, foi
determinado que o bairro Tijuca deteve o maior grau de inclusão (0,82) pelo conjunto fuzzy
“Padrão de Criticidade” elaborado pelos especialistas, seguido de Maracanã (0,62) e Vila
Isabel (0,59). Já o bairro Andaraí, entre os sete avaliados, obteve o menor grau de inclusão
(0,26). Dessa forma, a Tijuca se destaca por apresentar a maior inclusão pelo padrão crítico
estabelecido pelos especialistas, não obtendo grau igual a 1 visto que os indicadores
“acidentes por km”, “tombamento” e “severidade de acidentes” se encontram inferiores aos de
outros bairros e, consequentemente, permanecem abaixo do padrão de criticidade. Uma
avaliação até então subjetiva e incerta, proporcionou chegar-se a conclusão que o bairro
Tijuca é a região mais afetada negativamente em ocorrência de acidentes, e deve ser
priorizada diante futuros investimentos em segurança viária.
Conforme manual elaborado pelo Ministério dos Transportes (2002), a próxima ação
a ser tomada pelos gestores públicos interessados consiste na investigação dos fatores
contribuintes desse desfecho, ou seja, um estudo das causas efetivas dos acidentes ocorridos
no bairro Tijuca, visando compor uma base segura para projetos de segurança local.
Complementarmente, os sete bairros foram submetidos a um processo de avaliação
de similaridade entre eles, com o objetivo de apresentar quão semelhantes são conforme os
dados estatísticos e informações de cada bairro. O maior grau de semelhança atingido foi 0,74
(valor medianamente alto) entre Andaraí e Grajaú, o que reflete no geral uma baixa
semelhança entre os bairros da CRT 2.2 e que cada um apresenta um comportamento singular
de ocorrências de trânsito. Assim conclui-se que a forma de implantação de melhorias em um
bairro pelos gestores públicos, não se adequa completamente nos demais bairros e devem ser
readaptadas, de modo que se evite riscos de intervenções malsucedidas e, consequentemente,
custos indevidos.
57
4 CONCLUSÃO
4.1 Considerações Finais
Segundo DNIT e UFSC (2009, p. 15), “a primeira etapa de qualquer programa de

melhoria na segurança rodoviária, associada à circulação de veículos, é a identificação e
classificação dos locais problemáticos quanto à segurança”. Nesse aspecto, o
desenvolvimento do presente trabalho atingiu resultados satisfatórios ao que se refere ao
estabelecimento de uma classificação de criticidade dos bairros da CRT 2.2 de acordo com
suas peculiaridades e históricos estatísticos de acidentes de trânsito. A decisão de definir uma
região como crítica no âmbito “tráfego urbano” e selecioná-la como principal alvo de
intervenção, é uma questão subjetiva e sujeita a incertezas, visto que absorve uma série de
variáveis que podem ser alteradas dependendo da região ou município de estudo. Quanto
menor a precisão na tomada de decisão, maior é a taxa de risco do investimento. Adotando a
teoria dos conjuntos fuzzy como ferramenta de gerenciamento da complexidade e
subjetividade do problema, tornou-se possível mensurar qual relação de inclusão de cada
bairro com o perfil crítico elaborado por especialistas (Grau de Inclusão), “quão crítico é”
cada um deles (Grau de Criticidade) e “quão semelhantes” são (Grau de Semelhança), através
da vinculação de graus presentes no intervalo [0, 1]. A partir dos resultados obtidos pelas
técnicas do Grau de Inclusão (GI) e Grau de Criticidade (GC), conclui-se que a Tijuca é o
bairro da CRT 2.2 que apresenta um perfil mais crítico em relação aos demais e deve ser
adotado como prioridade diante o tratamento de áreas críticas de tráfego urbano da região.
Com o objetivo de se chegar ao foco do problema, poderá ser realizada a classificação de
zonas (ou interseções) críticas do bairro citado, a ponto de estabelecer uma divisão da Tijuca
por zonas de criticidade. A metodologia de tratamento da área deverá ser definida por
especialistas logo após um estudo aprimorado das causas desse comportamento negativo.
Contudo, a técnica determinada para tratamento da Tijuca deverá ser readequada caso haja
interesse de sua implantação nos bairros Maracanã e Vila Isabel (bairros que seguem a
classificação de criticidade da CRT 2.2), isto porque cada uma dessas regiões apresenta um
perfil crítico peculiar, ou seja, uma solução encontrada para tratamento da criticidade da
Tijuca pode não ser tão eficaz caso aplicada em Vila Isabel, já que apresentam características
58
diferentes em relação aos seus índices e indicadores de trânsito e, consequentemente, podem

se comportar de maneira adversa.
Assim sendo, a metodologia aplicada proporcionou maior facilidade de visualização
da criticidade de cada bairro e, através de um ranking classificatório, tornou claro a
identificação das áreas prioritárias e não-prioritárias para futuros estudos de causas e projetos
viários. Deve-se enfatizar que a ferramenta proposta, indica o grau de criticidade de elementos
pertencentes a um conjunto. Portanto, são tratados conjuntamente a ponto de diferenciá-los.
Em uma operação entre conjuntos fuzzy, uma área que obter grau de criticidade igual a 1 não
indica estar em estado de emergência ou calamidade, apenas reflete “quão crítico” seu perfil
está em relação as demais áreas do conjunto.
4.2 Limitações do Método
Shaw e Simões (2007, p. 8) afirmam que “a lógica fuzzy não tem sido aceita
facilmente, porque a conceituação utilizada em seus princípios parece ser contrária às
tradições e culturas ocidentais, as quais são baseadas em uma definição precisa e bivalente”.
Informações mal compreendidas, valores muito imprecisos de parâmetros, a dimensão e a
complexidade do modelo, distúrbios externos e a deficiência de qualificação técnica
(especialistas) podem comprometer a qualidade do método e conseqüentemente da pesquisa
realizada.
4.3 Recomendações
Entre uma série de utilidades, a aplicação da lógica fuzzy tem sido encontrada em
administração de projetos, formação de preços de produtos, diagnósticos médicos, previsão de
vendas, análise de mercado, identificação criminal, orçamento de capital e avaliação de
aquisição de empresas (SILVA, 2005). Independente da área de atuação, a identificação das
variáveis a serem analisadas torna-se um procedimento complexo, visto que a incorporação de
dados de entrada a serem fuzzificados deve ser bem realizada.
Em função disso, recomenda-se para futuras pesquisas de classificação e priorização
de áreas críticas de tráfego urbano, uma seleção insigne das variáveis de estudo:
59
● Especialistas: O conhecimento aprimorado de especialistas em engenharia de tráfego

é um fator fundamental para a obtenção de resultados seguros e satisfatórios na Lógica Fuzzy.
A seleção de uma equipe qualificada tecnicamente é imprescindível para atingir os objetivos
dos estudos, pois é através dos especialistas que torna-se possível o gerenciamento de
incertezas e tem-se a formação dos conjuntos das demais variáveis.
● Áreas de atuação: O critério de definição do universo e amostra permanece acoplado

aos interesses de especialistas e responsáveis pelo estudo, desde uma área de abrangência
global (regiões, bairros) até pontos concentrados (interseções, ruas, cruzamentos).
● Indicadores: Cada área de estudo possui seu comportamento peculiar ao que se

refere às ocorrências de acidentes. Durante a formação do conjunto de indicadores a serem
avaliados, é necessário uma conscientização dos especialistas diante quais indicadores
induzem uma área a se tornar crítica no âmbito de tráfego urbano.
60
REFERÊNCIAS
ANGELONI, M. T. Elementos intervenientes na tomada de decisão. Brasília, 2003
BARROS, L.C.; BASSANEZI, R.C. Tópicos de lógica fuzzy e biomatemática, volume 5.

Coleção IMECC - Textos Didáticos. Campinas, 2006.
BELLMAN, R.E.; ZADEH, L.A. Decision making in a fuzzy environment. Management

Science, v.17, n.4, 1970
BILOBROVEC, M.; MARÇAL, R. F. M.; KOVALESKI, J. L. Implementação de um

sistema de controle inteligente utilizando a lógica fuzzy. CEFET–PR, Artigo Técnico
apresentado no XI SIMPEP – Bauru, SP, 2004. Disponível em:
http://www.pessoal.utfpr.edu.br/sumar/disciplinas/fuzzy/index.html Acesso em: 08 dez. 2012.
CHAUI, M. Convite à Filosofia. Ed. Ática, São Paulo, 2000.
CHWIF, L. Questionários para a avaliação institucional baseados na lógica fuzzy. Ensaio:

Aval. pol. públ. Educ. Rio de Janeiro, 2002.
COSTA, D. C. S., Tomada de decisão baseada na lógica fuzzy e na distribuição espacial

da mortalidade por acidentes de trânsito na cidade de João Pessoa – PB. Dissertação de
Mestrado em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba. João Pessoa,
2011.
COX, E. The fuzzy systems handbook. New York: AP Professional, 1994.
CUNHA, C. B. S. H. da; FONTES, A..L., Identificação das interseções críticas da zona sul
da cidade do Rio de Janeiro. Gerência de Informações de Tráfego. CET-Rio. Rio de Janeiro,
2002. Disponível em: http://www0.rio.rj.gov.br/smtr/ Acesso em: 08 dez. 2012.
DAFT, R. L. Administração. LTC – Livros Técnicos e Científicos Editora. Rio de Janeiro,

1997.
DENATRAN, Departamento Nacional de Trânsito. Código de trânsito brasileiro. Lei nº

9.503, de 23 de setembro de 1997. Ministério das Cidades. Brasília, 2008.
DENATRAN, Departamento Nacional de Trânsito. Municipalização no trânsito. Roteiro

para implantação. Ministério da Justiça. Brasília, 2000.
DENATRAN, Departamento Nacional de Trânsito. Política nacional de trânsito. Ministério

das Cidades. Brasília, 2004.
DNER, Departamento Nacional de Estradas de Rodagem. Guia de redução de acidentes

com base em medidas de engenharia de baixo custo. Rio de Janeiro, 1998
DNIT, Departamento Nacional de Infra-Estrutura de Trânsito. Manual de estudos de

tráfego. Publicação IPR, 723. Ministério dos Transportes. Rio de Janeiro, 2006
61
DNIT, Departamento Nacional de Infra-Estrutura de Trânsito; UFSC, Universidade Federal

de Santa Catarina. Elaboração de ações preventivas e corretivas de segurança rodoviária,
por meio de identificação e mapeamento dos segmentos críticos da malha viária do
DNIT. Identificação e proposição de melhorias em segmentos críticos da malha
rodoviária federal do DNIT. Produto I – Metodologia para identificação de segmentos
críticos. Destaque Orçamentário, Portaria nº 1.282 de 31 de outubro de 2008. Florianópolis,
2009

DNIT. Identificação e priorização de segmentos críticos para estudos de intervenção.
Destaque Orçamentário, Portaria nº 1.282 de 31 de outubro de 2008. Florianópolis, 2010

DNIT. Identificação e proposição de melhorias em segmentos críticos da malha
rodoviária federal do DNIT. Produto 4 – Final da Fase 1. Destaque Orçamentário,
Portaria nº 1.282 de 31 de outubro de 2008. Florianópolis, 2010.
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Ed. Atlas, 2002.
GOMES L., F.A.M.; GOMES C., F. S.; ALMEIDA, A. T. de. Tomada de decisão gerencial:
Enfoque multicritério. 2ª Ed. São Paulo, 2006.
HAMMELL, T. Test-driven devellopment. Ed. Springer-Verlag Medical. New York,

2004.
IPEA, Instituto de Pesquisa Econômica Aplicada; ANTP, Associação Nacional de

Transportes Públicos. Impactos sociais e econômicos dos acidentes de trânsito nas
aglomerações urbanas brasileiras. Relatório Executivo. Ministério do Planejamento,
Orçamento e Gestão. Brasília. 2003.
IPP, Instituto Municipal de Urbanismo Pereira Passos. DATARio: O Rio em números.

Prefeitura da Cidade do Rio de Janeiro. Armazém de Dados: Estudo 3066. Rio de Janeiro,
2011
ISP, Instituto de Segurança Pública. Dossiê trânsito 2011. Série Estudo 6. Rio de Janeiro,
2011.
JUPPA, G. Identificação das Interseções críticas de acidentes de trânsito na área urbana

do município de Foz do Iguaçu no ano de 2009. III Seminário Internacional de Arquitetura
& Urbanismo e Engenharia Civil. Foz do Iguaçu, 2010.
KANDEL, A. Fuzzy mathematical techinics with applications. Ed. Addison- Wesley Publ.
Co. USA, 1982.
62
LEMMI, A.; BETTI, G. Fuzzy set approach to multidimensional poverty measurement.

New York. Springer, 2006
MALHOTRA, N.K. Pesquisa de marketing: Uma orientação aplicada. 4ª ed. São Paulo:
Ed. Bookman, 2004.
MENESES, H. B.; LOUREIRO, C. F.G. Modelagem e análise de dados dinâmicos do

tráfego urbano: Uma revisão conceitual e aplicada. UFC/PETRAN, 2003. Disponível em:
http://sinaldetransito.com.br/artigos.php. Acesso em: 08 dez. 2012.
MT, Ministério dos Transportes. Procedimentos para o tratamento de locais críticos de

acidentes de trânsito. Programa PARE de redução de acidentes. Brasília, 2002.
MORÉ, J. D. et al. Identificación de lagunas em los servicios de instituciones bancarias:

Una aplicación de los conjuntos borrosos. XIII International Conference on Industrial
Engineering and Operations Management. Foz do Iguaçu, 2007.
MORUJAO, C. A Lógica modernorum: lógica e filosofia da linguagem na escolástica dos

séculos XIII e XIV. Universidade Católica Portuguesa. Revista Filosófica de Coimbra – nº 28
(2006). Coimbra, 2006.
PCRJ, Prefeitura da Cidade do Rio de Janeiro. Armazém de dados. Disponível em:

http://www.armazemdedados.rio.rj.gov.br/. Acesso em: 02 mar. 2012.
QUEIROZ, M.P; LOUREIRO, C.F.G.; YAMASHITA, Y. Metodologia de análise espacial

para identificação de locais críticos considerando a severidade de acidentes de trânsito.
Revista Transportes, Vol.XII, 2004. Disponível em: http://www.revistatransportes.org.br.
Acesso em: 08 fev. 2012.
RASKIN, S. F. Tomada de decisão e aprendizagem organizacional. Bate Byte. Companhia

de Informática do Paraná. Curitiba, n. 135, set. 2003. Disponível em:
http://www.batebyte.pr.gov.br/modules/conteudo/conteudo.php?conteudo=1121 Acesso em:
07 mai. 2012
SILVA, M. A. B. Sistema de classificação fuzzy para áreas contaminadas. Tese de

Doutorado em Ciências em Engenharia Civil, Universidade Federal do Rio de Janeiro. Rio de
Janeiro, 2005.
SHAW, I. S., SIMÕES, M. G.; Controle e modelagem fuzzy. 2ª Edição Ed. Blucher. São
Paulo, 2007.
ZADEH, L. A. Fuzzy sets. Information and control, vol. 8. Ed. Springer-Verlag Medical.
New York, 1965.
63
APÊNDICES
APÊNDICE A – Questionário de definição de peso dos especialistas

64
APÊNDICE B – Questionário de pesquisa de opinião

65
ANEXOS
ANEXO A – Dados de acidentes por bairro da CRT 2.2 no ano de 2010

Teoria Dos Conjuntos Fuzzy Na Classificacao de Areas Criticas Do Trafego Urbano Do Rio de Janeiro PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Teoria Dos Conjuntos Fuzzy Na Classificacao de Areas Criticas Do Trafego Urbano Do Rio de Janeiro PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE ESTÁCIO DE SÁ

TIAGO ABDO GANTE

TEORIA DOS CONJUNTOS FUZZY NA CLASSIFICAÇÃO DE ÁREAS

TEORIA DOS CONJUNTOS FUZZY NA CLASSIFICAÇÃO DE ÁREAS

Projeto de final de curso apresentado à

Orientador: Prof. Jesus Domech Moré

TEORIA DOS CONJUNTOS FUZZY NA CLASSIFICAÇÃO DE ÁREAS

Projeto de final de curso apresentado à

Projeto aprovado na sua versão final em 05 de junho de 2012.

Primeiramente, agradeço a Deus por toda a força concedida para o desenvolvimento

A tomada de decisão em qualquer organização privada ou pública exige um nível máximo de

Palavras-chave: Tomada de decisão. Áreas críticas. Acidentes de trânsito. Conjuntos Fuzzy.

Keywords: Decision-making. Critical areas. Traffic accidents. Fuzzy Sets.

Figura 1 – Composição dos custos de acidente de trânsito (Brasil, 2001) 14

Tabela 1 – Avaliação do “peso” dos especialistas, conforme questionário 39

1.1 Apresentação do Tema

A engenharia de tráfego se tornou objeto de estudo imprescindível para qualquer

sem um mecanismo de análise conciso.

1.2 Técnicas Nacionais de Abordagem

A segurança no sistema integrado de transporte urbano é um tema abordado

[...] na maioria das cidades a identificação dos locais críticos em ocorrências

Apesar da existência de ferramentas para identificação de zonas rodoviárias

O Brasil é um dos protagonistas no cenário mundial ao que se refere à questão

Figura 1 – Composição dos custos de acidente de trânsito (Brasil, 2001)

Fonte: IPEA (2003)

O modelo imediatista brasileiro, junto à falta de planejamento e de estudo apurado,

● identificação relativamente fácil;

1.4 O Processo de Tomada de Decisão

1.4.2 Complexidade de Uma Decisão

Decisões podem ser tomadas por meio de parâmetros mensuráveis e não-mensuráveis

Figura 2 – Modelos clássico e administrativo de tomada de decisão

Fonte: Daft (1997)

Raskin (2000) define esses dois modelos da seguinte forma:

As decisões programadas são repetitivas e rotineiras e fornecem estabilidade,

Quanto maior o nível de conhecimento e informações disponíveis, menor torna-se o

1.4.3 Equipe de Decisão

Angeloni (2003, p. 20) destaca a importância do trabalho em equipe e maior

1.4.4 Seleção de Áreas Críticas de Acidentes

Além de colocar em risco a vida do homem, os acidentes de trânsito influenciam

conter possíveis riscos, é fundamental que os tomadores de decisão sejam capacitados e

1.5 Objetivos do Estudo

1.5.1 Objetivo Geral

1.5.2 Objetivo Específico

Para validar tal metodologia pretende-se aplica-la na área da Coordenadoria Regional

2.1 Referencial Teórico

Neste subcapítulo serão apresentados os referenciais teóricos desta pesquisa, que se

2.1.1 Redução de Acidentes

Levando em consideração a alta taxa de óbitos e acidentes provenientes do trânsito,

2.1.2 Análise Espacial e a Identificação de Pontos Críticos

A identificação de locais críticos mediante ao comportamento negativo do tráfego e

2.1.3. Lógica Fuzzy e a Priorização de Áreas

Outro estudo referente aos problemas de segurança no trânsito e abordagem de

2.1.4 Classificação de Áreas Contaminadas

Segundo Bilobrovec, Marçal e Kovaleski (2004), controladores fuzzy são aplicáveis

2.1.5 Identificação e Mapeamento de Segmentos Críticos

Em 2008, DNIT e UFSC firmaram um destaque orçamentário (acordo de

Além do índice de acidentes de um determinado segmento, ainda foram

A partir do IRG, chegou-se ao Fator de Gravidade (FG) que considera o volume

médio diário de tráfego anual (VMDa) e a extensão (E) do segmento crítico:

2.1.6. Programa de Redução de Acidentes

O alto índice de acidentes de trânsito nos perímetros urbanos brasileiros estimulou o

Figura 3 – Fluxograma dos procedimentos no tratamento de locais críticos

Fonte: MT, 2002