Académique Documents
Professionnel Documents
Culture Documents
RIO DE JANEIRO
2012
TIAGO ABDO GANTE
RIO DE JANEIRO
2012
TIAGO ABDO GANTE
BANCA EXAMINADORA
________________________________
Prof. Dr. Jesus Domech Moré (Orientador)
Universidade Estácio de Sá
________________________________
Prof. MSc. Marcelo de Araújo Oliveira
Universidade Estácio de Sá
________________________________
Prof. Dr. David Fernandes Cruz Moura
Universidade Estácio de Sá
AGRADECIMENTOS
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).
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
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.
1.3 Investimento
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).
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:
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
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.
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.
2 DESENVOLVIMENTO
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 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.
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:
Onde:
UPS = Unidade Padrão de Severidade da área
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;
P = período do estudo, em dias (geralmente 365 dias);
V = volume médio diário que passa no trecho;
E = extensão do trecho (em km).
Em Interseções:
Onde:
T = acidentes em UPS por milhões de veículos;
UPS = unidade padrão de severidade;
P = período do estudo, em dias (geralmente 365 dias);
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;
P = período do estudo, em dias (geralmente 365 dias);
V = volume médio diário que passa no trecho;
E = extensão do trecho (em km)
Onde:
UPS = Unidade Padrão de Severidade da área
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
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).
Segundo Shaw e Simões (2007, p. 16), “a lógica fuzzy é uma forma de gerenciamento
31
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:
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
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.
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.
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
Fonte:IPP (2011)
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
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.
Grau Incidência
0 Não incide na decisão
0,25 Incide pouco
0,5 Incide moderadamente
0,75 Incide muito
1 Incide totalmente
Fonte: Próprio autor
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
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
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)
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
(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
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
(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
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):
Áreas de Estudo
Padrão de
Indicadores
Criticidade
Alto da Boa Praça da Vila
Andaraí Grajaú Maracanã Tijuca
Vista Bandeira Isabel
(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”;
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
Fonte: Próprio autor
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
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 tabela 8 apresenta a hierarquização dos bairros da CRT 2.2 com seus respectivos
graus de inclusão em ordem decrescente.
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
Fonte: Próprio autor
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.
(5)
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
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:
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).
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
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
REFERÊNCIAS
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.
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.
ISP, Instituto de Segurança Pública. Dossiê trânsito 2011. Série Estudo 6. Rio de Janeiro,
2011.
KANDEL, A. Fuzzy mathematical techinics with applications. Ed. Addison- Wesley Publ.
Co. USA, 1982.
62
MALHOTRA, N.K. Pesquisa de marketing: Uma orientação aplicada. 4ª ed. São Paulo:
Ed. Bookman, 2004.
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
ANEXOS
ANEXO A – Dados de acidentes por bairro da CRT 2.2 no ano de 2010