ads:
ANDRÉ LUIZ BARBOSA NUNES DA CUNHA
AVALIAÇÃO DO IMPACTO DA MEDIDA
DE DESEMPENHO NO EQUIVALENTE
VEICULAR DE CAMINHÕES
Dissertação apresentada à Escola de
Engenharia de São Carlos, da Universidade de
São Paulo, como parte dos requisitos para a
obtenção do título de Mestre em Engenharia
Civil. Área de concentração: Planejamento e
Operação de Sistemas de Transportes.
Orientador: Prof. Dr. José Reynaldo Anselmo Setti
São Carlos
2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE
TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO,
PARA FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE.
Ficha catalográfica preparada pela Seção de Tratamento
de Informação do Serviço de Biblioteca – EESC/USP
Cunha, André Luiz Barbosa Nunes da
C972a Avaliação do impacto da medida de desempenho no
Equivalente veicular de caminhões / André Luiz Barbosa
Nunes da Cunha ; orientador José Reynaldo Anselmo Setti.
-- São Carlos, 2007.
Dissertação (Mestrado-Programa de Pós-Graduação em
Engenharia de Transportes e Área de concentração em
Planejamento e Operação de Sistemas de Transportes) –
Escola de Engenharia de São Carlos da Universidade de São
Paulo, 2007.
1. Equivalente veicular. 2. Caminhões. 3. Tráfego
rodoviário – simulação. 4. Calibração. 5. Algoritmos
genéticos. I. Título.
ads:
Dedico este trabalho aos meus pais,
José Carlos e Miriam,
e aos meus avós.
“Como educador, prefiro formar um grande homem
a um atleta de destaque.”
“Nós somos como diamantes, para se obter a melhor
forma devemos lapidá-lo ainda no começo, no seu
estágio mais bruto.”
Durval e Stopa, amigos e ex-técnicos de natação
“Se você quer ser bem sucedido, precisa ter
dedicação total, buscar seu último limite e dar o
melhor de si mesmo.”
Ayrton Senna
“O que mais vale num trabalho é a dedicação do
trabalhador.”
Zaratustra
“A vontade de se preparar tem que ser maior do que
a vontade de vencer. Vencer será conseqüência da
boa preparação.”
Bernardinho
A
A
G
G
R
R
A
A
D
D
E
E
C
C
I
I
M
M
E
E
N
N
T
T
O
O
S
S
A Deus.
Aos meus pais, José Carlos e Miriam, e aos meus irmãos, Zé Carlos e João Paulo, por estarem
sempre ao meu lado, me apoiando e incentivando em todas as ocasiões. Aos meus avós,
Octávio Moreira e Izabel Gouveia, Gerson Nunes da Cunha (in memoriam) e Laura
Gonçalves Nunes, pelo carinho e educação. A toda minha família, em especial aos meus
padrinhos, Gerson e Laude, e minhas primas, Cláudia e Kátia, por acreditarem no meu esforço
e me confortarem com palavras de incentivo todas as vezes que voltava a Campo Grande-MS.
Ao CNPq pela bolsa de estudos concedida.
Ao professor Dr. José Reynaldo A. Setti, pela orientação na realização deste trabalho e pela
amizade. Seus ensinamentos foram fundamentais para que as idéias fossem, pouco a pouco,
dando forma a este trabalho.
Aos professores da Universidade Federal do Mato Grosso do Sul (UFMS), professor Wagner
Augusto Andreasi, principal incentivador para início do mestrado, e professor Jorge Gonda,
pelo auxílio em São Carlos-SP.
Ao professores Dr. Carlos Felipe Grangeiro e Dr. Sérgio Henrique Demarchi pelas sugestões
dadas à pesquisa. Ao professor Dr. Ricardo Melo pela amizade, sugestões e pelo fornecimento
dos dados necessários a esta pesquisa.
À concessionária Centrovias pelos dados fornecidos para esta pesquisa e o auxílio durante a
realização das coletas em campo, especialmente ao engenheiro Giovane Zito. Ao engenheiro
Fábio Abrita da concessionária AutoBAn por autorizar as coletas de dados em campo.
Aos professores e funcionários do Departamento de Transportes (STT) da EESC-USP pelo
apoio, convívio e amizade, em especial à Magaly. Ao professor Dr. João Alexandre Widmer
pelas sugestões, ao professor Dr. Irineu da Silva e ao Paulo Sérgio Batista pela ajuda com o
aparelho GPS.
Agradecimento à família Duarte, em especial à professora Dra. Ruth de Gouvêa Duarte e ao
professor Dr. Luiz Romariz Duarte (in memoriam), por terem me acolhido em um momento
muito especial; por tudo o que fizeram por mim são considerados como meus avós.
Aos amigos do grupo de pesquisa, Cíntia Egami, Márcia Lika, Juliana Araújo, Diogo Colella
e Flávio Satoshi, pela amizade e ótima convivência. As constantes ajudas, críticas e sugestões
foram essenciais para o término deste trabalho.
Aos amigos do STT, Mateus, Bruno, Marcão, Weslley, Jesner, Toyama, Gigante, e Toco,
fonte inesgotável de animação para todas as horas de trabalho, até por quê: “companheiro é
companheiro!”. Às meninas do STT: Cira, Karênina, Fabíola, Vanessa e a “sobrinha” Kaori.
Em especial ao quarteto Andréa Julia (Tatinha), Camilla Carrara, Celane Nery e Vivianne
Hermógenes pelo convívio e amizade inseparável.
Agradecimento especial à Dra. Ana Paula Larocca pelo apoio inesgotável desde meu primeiro
momento em São Carlos, sempre me incentivando a manter meu hobby: natação! Com este
apoio, fiz inúmeras amizades no São Carlos Clube e agradeço a eles também, pois convivem
comigo diariamente nos incansáveis treinamentos: Mauro Facci, Ricardo Colombo, Aléssio
Matiello, Tiago Moda, Maurício Ninomia, Vivian Torresan, Laura Vetter, Ana, Maurício,
Fabíola, Victória, Fernanda, Flávia Saia e à família Jacques; os salva-vidas Oziel, Denis,
George (in memoriam), Tiago, Ronaldo e Jeferson; e os funcionários Júlio, Jéferson, Rosana,
Rosângela e Mara.
Aos amigos de Campo Grande-MS, em especial ao Durval Barbosa e Luiz Stopa educadores
importantes na minha vida. À Patrícia Pereira de Almeida pelo apoio e incentivo. Ao Eimair
Bottega Ebeling pela convivência durante o período do mestrado, considerado como um
irmão e ao Daniel Anijar pela convivência harmoniosa.
Aos grandes amigos de São Carlos, Rafael Ferreira e César Denari, pela união e espírito de
equipe. À Ana Elisa Serafim Jorge pelo apoio na reta final deste trabalho.
R
R
E
E
S
S
U
U
M
M
O
O
CUNHA, A. L. B. N. Avaliação do impacto da medida de desempenho no equivalente
veicular de caminhões. 2007. 147p. Dissertação (Mestrado) – Escola de Engenharia de São
Carlos, Universidade de São Paulo, São Carlos, 2007.
Esta pesquisa avaliou o efeito do uso de uma medida de desempenho alternativa à densidade
no cálculo dos fatores de equivalência para caminhões típicos em rodovias de pista dupla do
estado de São Paulo. A medida de desempenho investigada foi a velocidade dos automóveis e
os fatores de equivalência foram calculados pelo método do equivalente médio, que considera
mais de um tipo de caminhão na corrente de tráfego, representa melhor a interação entre ca-
minhões e permite o uso de simulação de tráfego para determinação dos equivalentes. Como
este método de cálculo considera uma composição fixa de caminhões, o tráfego de caminhões
em rodovias paulistas de pista dupla foi caracterizado em função de dois aspectos: (1) o fluxo
veicular em dias úteis típicos e (2) o desempenho das configurações de caminhões, a partir da
relação massa/potência. O modelo de simulação utilizado nesta pesquisa foi o CORSIM, o
mesmo modelo usado no HCM-2000. Para tanto, o CORSIM foi calibrado para as condições
observadas em rodovias paulistas de pista dupla. A calibração foi realizada em duas etapas,
ambas baseadas em algoritmos genéticos: a primeira etapa focou no modelo de locomoção
dos caminhões, resultando erros médios da ordem de 5%; a segunda visou à lógica de car-
following, que define o comportamento dos motoristas. A versão calibrada do CORSIM para
as condições paulistas apresentou erros médios de 6,32% na calibração e de 6,58% na valida-
ção. Os equivalentes veiculares foram calculados para diferentes magnitudes de greides,
comprimentos de rampas, porcentagens de caminhões, velocidade de fluxo livre e níveis de
serviço, tanto para a velocidade dos automóveis como para a densidade. Como resultado final,
observou-se que o uso da velocidade dos automóveis como medida de desempenho implica
em equivalentes veiculares muito elevados. Desta forma, a capacidade de tráfego e o nível de
serviço estimado utilizando estes equivalentes foram piores do que utilizando os equivalentes
veiculares obtidos com a densidade como medida de desempenho.
Palavras-chave: equivalente veicular; caminhões; simulação de tráfego; calibração; algorit-
mo genético.
A
A
B
B
S
S
T
T
R
R
A
A
C
C
T
T
CUNHA, A. L. B. N. Evaluation the use of measure of impedance in the passenger-car
equivalents for tucks. 2007. 147p. Dissertação (Mestrado) – Escola de Engenharia de São
Carlos, Universidade de São Paulo, São Carlos, 2007.
The objective of this research was to evaluate the use of a measure of impedance alternative
to density to obtain passenger-car equivalence factors for typical trucks on multilane
highways in the state of São Paulo. The impedance investigated was the passenger-car speed,
and the equivalence factors were obtained through the average equivalent method since it
considers different types of trucks within the traffic flow, is capable to represent interactions
among trucks adequately, and allow the use of traffic simulation. Since the estimation method
employed is based on a fixed truck population, the truck flow on multilane highways in the
state of São Paulo was characterized based on two aspects: (1) a typical traffic flow,
considering the traffic flow on typical weekdays, (2) the truck performance based on
mass/power ratio. The simulation model employed was CORSIM, the same model used in the
HCM-2000, and it was calibrated for the conditions observed in multilane highways in the
state of São Paulo. The calibration was carried out using genetic algorithms and involved two
steps. The first one focused on the truck motion model and produced average errors around
5%. The second one focused on the car-following logic that defines the drivers’ behavior. The
CORSIM calibrated for the state of São Paulo highways produced average errors of 6.32% at
the calibration stage and average errors of 6.58% at the validation stage. Passenger-car
equivalents were calculated for different grade levels, grade lengths, trucks percentages, free-
flow speeds and leves of service using passenger-car speed and density as the impedance
measure. It was observed that, when compared to density, the use of passenger-car speed as a
measure of impedance results in higher values for the equivalence factors. It means smaller
capacities and worse estimates for level of service.
Keywords: passenger-car equivalent; trucks; traffic simulation; calibration; genetic algorithm.
S
S
U
U
M
M
Á
Á
R
R
I
I
O
O
1. INTRODUÇÃO ..................................................................................................................11
1.1. CONTEXTO DA PESQUISA..............................................................................................13
1.2. ESTRUTURA DA DISSERTAÇÃO .....................................................................................13
2. MÉTODO DE PESQUISA ................................................................................................15
2.1. REVISAR A BIBLIOGRAFIA ............................................................................................16
2.2. DEFINIR O MÉTODO DE CÁLCULO DOS FATORES DE EQUIVALÊNCIA E A MEDIDA DE
DESEMPENHO ALTERNATIVA
........................................................................................16
2.3. CARACTERIZAR O FLUXO DE TRÁFEGO DE CAMINHÕES EM RODOVIAS PAULISTAS DE
PISTA DUPLA E EM AUTO
-ESTRADAS.............................................................................16
2.4.
CARACTERIZAR O DESEMPENHO DOS CAMINHÕES EM RODOVIAS PAULISTAS DE PISTA
DUPLA E AUTO
-ESTRADAS............................................................................................17
2.5. CALIBRAR OS PARÂMETROS DO MODELO CORSIM ........................................................17
2.6. CALCULAR OS FATORES DE EQUIVALÊNCIA..................................................................18
2.7. COMPARAR E ANALISAR OS RESULTADOS ....................................................................18
3. EQUIVALENTE VEICULAR PARA CAMINHÕES....................................................21
3.1. NÍVEL DE SERVIÇO EM RODOVIAS DE PISTA DUPLA E AUTO-ESTRADAS ........................21
3.2. MÉTODOS DE CÁLCULO DO FATOR DE EQUIVALÊNCIA..................................................24
3.2.1. Métodos baseados em modelos analíticos ..................................................................25
3.2.1.1. Equivalente veicular baseado no atraso relativo........................................................25
3.2.1.2. Métodos de regressão..................................................................................................27
3.2.1.3. Método de Huber.........................................................................................................28
3.2.2. Métodos baseados em modelos de simulação.............................................................33
3.2.2.1. Equivalente veicular baseado na relação q/C.............................................................33
3.2.2.2. Equivalente veicular baseado na capacidade básica da via.......................................35
3.2.2.3. Método para mais de um tipo de caminhão na corrente de tráfego ...........................36
3.3.
CONSIDERAÇÕES FINAIS...............................................................................................39
3.3.1. Variável escolhida para o critério de equivalência .....................................................39
3.3.2. Método de cálculo do equivalente veicular ................................................................40
4. MODELO DE SIMULAÇÃO DE TRÁFEGO................................................................41
4.1.
O CORSIM.....................................................................................................................41
4.1.1. Lógica de geração dos veículos ..................................................................................44
4.1.2. Lógica de locomoção veicular ....................................................................................45
4.1.2.1. Lógica de car-following ..............................................................................................46
4.1.2.2. Lógica de mudança de faixa........................................................................................48
4.1.2.3. Lógica de desempenho veicular ..................................................................................49
4.2. PARÂMETROS DE CALIBRAÇÃO DO CORSIM ..................................................................50
4.3. CONSIDERAÇÕES FINAIS...............................................................................................52
5. CARACTERIZAÇÃO DO TRÁFEGO DE VEÍCULOS PESADOS EM RODOVIAS
PAULISTAS DE PISTA DUPLA .................................................................................... 53
5.1. COLETA DE DADOS ...................................................................................................... 54
5.2. METODOLOGIA PARA ANÁLISE DO TRÁFEGO VEICULAR............................................... 55
5.2.1. Determinação do fluxo de tráfego em um dia útil típico............................................ 58
5.2.1.1. Critérios para definir o dia útil típico ........................................................................ 59
5.3. CONSIDERAÇÕES FINAIS .............................................................................................. 63
6. CARACTERIZAÇÃO DA FROTA DE CAMINHÕES EM RODOVIAS DO
ESTADO DE SÃO PAULO.............................................................................................. 65
6.1.
DESEMPENHO DOS CAMINHÕES ................................................................................... 65
6.1.1. Coleta de dados .......................................................................................................... 66
6.1.1.1. Nomenclatura dos caminhões..................................................................................... 67
6.1.2. Caminhões típicos em rodovias paulistas de pista dupla ........................................... 68
6.1.2.1. Análise da relação massa/potência em rodovias de pista dupla ............................... 70
6.1.3. Caminhões típicos em rodovias de pista simples....................................................... 71
6.1.3.1. Comparação entre caminhões típicos em rodovias de pista dupla e de pista simples73
6.2.
CATEGORIAS TÍPICAS................................................................................................... 74
6.3. CONSIDERAÇÕES FINAIS .............................................................................................. 75
7. CALIBRAÇÃO E VALIDAÇÃO DO CORSIM ............................................................ 77
7.1. CALIBRAÇÃO DOS PARÂMETROS DE DESEMPENHO DOS CAMINHÕES............................ 77
7.1.1. Curvas de desempenho veicular................................................................................. 78
7.1.1.1. Coleta de dados........................................................................................................... 80
7.1.2. Algoritmo Genético.................................................................................................... 82
7.1.2.1. Criação dos indivíduos da população ........................................................................ 85
7.1.2.2. Criação dos arquivos de simulação............................................................................ 85
7.1.2.3. Simulação.................................................................................................................... 86
7.1.2.4. Obtenção do perfil de velocidade simulado................................................................ 86
7.1.2.5. Comparação entre os perfis de velocidade simulado e observado............................. 86
7.1.2.6. Cálculo do erro médio absoluto (EMA)...................................................................... 87
7.1.2.7. Critérios de parada..................................................................................................... 87
7.1.3. Resultados obtidos...................................................................................................... 87
7.2.
CALIBRAÇÃO DOS PARÂMETROS DOS MOTORISTAS ..................................................... 90
7.2.1. Validação do CORSIM .............................................................................................. 92
7.3.
CONSIDERAÇÕES FINAIS .............................................................................................. 92
8. CÁLCULO DOS FATORES DE EQUIVALÊNCIA ..................................................... 93
8.1. CARACTERÍSTICAS DAS SIMULAÇÕES .......................................................................... 93
8.1.1. Variabilidade nas simulações..................................................................................... 94
8.1.2. Cenários simulados .................................................................................................... 95
8.1.2.1. Características do tráfego .......................................................................................... 95
8.1.2.2. Geometria do trecho ................................................................................................... 97
8.1.2.3. Tempo de simulação.................................................................................................... 97
8.2.
RESULTADOS DAS SIMULAÇÕES................................................................................... 98
8.2.1. Cálculo das variáveis de tráfego .................................................................................98
8.2.2. Geração das curvas fluxo-impedância ........................................................................99
8.3. DETERMINAÇÃO DO EQUIVALENTE VEICULAR ...........................................................101
8.3.1. Definição dos limites dos níveis de serviço..............................................................102
8.3.2. Equivalentes veiculares baseados na velocidade média dos automóveis .................105
8.3.3. Equivalentes veiculares baseados na densidade .......................................................111
8.4. ANÁLISE PRÁTICA DOS FATORES DE EQUIVALÊNCIA ..................................................115
8.4.1. Análise comparativa entre as medidas de impedância..............................................115
8.4.2. Análise comparativa com outros estudos..................................................................120
8.5.
CONSIDERAÇÕES FINAIS.............................................................................................122
9. CONCLUSÕES E RECOMENDAÇÕES ......................................................................125
9.1.
CONCLUSÕES .............................................................................................................125
9.2. RECOMENDAÇÕES......................................................................................................127
REFERÊNCIAS BIBLIOGRÁFICAS ...............................................................................129
APÊNDICE A. VOLUME DE TRÁFEGO NO DIA TÍPICO .........................................137
A.1. RODOVIA WASHINGTON LUIZ (SP-310)......................................................................137
A.2. VIA ANHANGÜERA (SP-330)......................................................................................138
A.3. RODOVIA DOS BANDEIRANTES (SP-348)....................................................................141
APÊNDICE B. O ARQUIVO TSD DO CORSIM.............................................................143
B.1. ESTRUTURA DO ARQUIVO TSD....................................................................................143
B.2. PROGRAMA PARA EXTRAIR OS DADOS DO ARQUIVO TSD ............................................145
B.2.1. Código do programa .................................................................................................145
11
1
1
.
.
I
I
N
N
T
T
R
R
O
O
D
D
U
U
Ç
Ç
Ã
Ã
O
O
As análises de capacidade e nível de serviço em rodovias são aspectos avaliados pelos
engenheiros de tráfego durante o processo de planejamento, projeto e operação do sistema de
transportes. A análise da capacidade permite estimar a taxa máxima de fluxo que uma
determinada seção da rodovia pode acomodar em condições específicas de tráfego e das
características da via. O nível de serviço é uma medida qualitativa que descreve as condições
operacionais da corrente de tráfego, baseado em medidas de desempenho como velocidade e
tempo de viagem, liberdade de manobra, interrupções de tráfego, conforto e conveniência
[TRB, 2000]. De modo geral, quanto menor o fluxo de veículos, melhor a qualidade de
operação; por outro lado, quanto mais o fluxo se aproxima da capacidade, pior o nível de
serviço e, conseqüentemente, maior probabilidade de ocorrer congestionamentos.
No Brasil, as concessionárias de rodovias do estado de São Paulo utilizam o nível de
serviço para garantir a qualidade do serviço prestada aos usuários. Sob a supervisão da
Agência Reguladora de Transporte do Estado de São Paulo (ARTESP), as concessionárias
fornecem revisões anuais do desempenho operacional nas rodovias. De acordo com uma das
cláusulas do contrato de concessão, essas empresas devem “impedir que qualquer trecho da
via [...] venha a superar o nível de serviço D em mais de 50 horas/ano, em acordo com os
critérios estabelecidos pelo Highway Capacity Manual (HCM)”, durante todo o período de
concessão [DER-SP, 1997]. Caso o nível D supere o limite de 50 horas/ano, a concessionária
deve aumentar a capacidade de tráfego investindo na infra-estrutura rodoviária.
A falta de um manual de capacidade rodoviária próprio para as condições brasileiras
remete à utilização direta do HCM. Recentemente, o Departamento Nacional de Infra-
estrutura de Transportes apresentou o Manual de Estudos de Tráfego [DNIT, 2006] cujos
12
procedimentos e valores dos fatores de ajustes, para a análise de capacidade e nível de serviço
em rodovias, são os mesmos apresentados no HCM-2000. Entretanto, o próprio HCM ressalta
que os procedimentos apresentados para rodovias americanas devem ser adaptados às
condições locais de cada região. O desempenho dos caminhões, a composição típica da frota
de caminhões no tráfego, o comportamento dos motoristas, o conceito de congestionamento e,
principalmente, a tolerância ao congestionamento são algumas características do tráfego que
podem diferir de maneira expressiva entre Brasil e EUA.
Demarchi [2000] e Egami [2006] demonstraram as distorções causadas pelo uso direto
do HCM para estimar o nível de serviço em rodovias brasileiras de pista dupla e de pista
simples, respectivamente. Para as rodovias de pista dupla do estado de São Paulo, Demarchi
recalculou os valores de equivalentes veiculares para caminhões com base na densidade da
corrente de tráfego, mesma medida utilizada no HCM. Os resultados dessa pesquisa mostra-
ram que, ao usar os valores de equivalentes apresentados no HCM de 1998, a estimativa do
nível de serviço para as rodovias de pista dupla paulistas é distorcida.
Equivalente veicular é o número de automóveis que são removidos por um único tipo
de caminhão em condições específicas de tráfego e geometria da rodovia. O automóvel, ou
carro de passeio, é considerado pelo HCM como o veículo padrão de uma corrente de tráfego.
Desse modo, os demais veículos são convertidos em carros de passeio equivalentes (cpe), do
inglês passenger car equivalent (pce). Portanto, o fator de equivalência converte o fluxo
observado, expresso em veíc/h, em um fluxo de tráfego equivalente, dado em cpe/h. O
conceito do equivalente veicular é baseado na equivalência entre dois fluxos de veículos, um
composto somente por automóveis e outro composto por automóveis e caminhões, para
mesma medida de desempenho. O HCM-2000 [TRB, 2000] definiu a densidade como medida
de equivalência; porém outras medidas podem ser utilizadas, por exemplo, a velocidade e o
headway. Elefteriadou et al. [1997] enfatizam a falta de consenso sobre o mais adequado mé-
13
todo para cálculo da equivalência veicular e que métodos diferentes produzem valores dife-
rentes para o fator de equivalência.
Com isso, a proposta desta pesquisa de mestrado é avaliar o efeito do uso de uma
medida de desempenho diferente da densidade no cálculo dos valores de equivalência para
veículos pesados típicos de rodovias de pista dupla e auto-estradas no estado de São Paulo.
1.1. CONTEXTO DA PESQUISA
Este trabalho se insere em uma linha de pesquisa desenvolvida no Departamento de
Transportes da Escola de Engenharia de São Carlos (EESC-USP) pelo Professor Dr. José
Reynaldo A. Setti, com vistas à avaliação do impacto dos caminhões na operação de vias e
interseções. Nesta mesma linha já foram investigados os aspectos relativos ao impacto dos
veículos pesados na capacidade e nível de serviço em: rodovias de pista simples [Machado
Neto, 1995; Setti, 1997; Egami, 2006], rodovias de pista dupla [Demarchi, 2000] e cruzamen-
to em nível de interseções rurais controlado por sinal de PARE [Demarchi, 1995].
Para dar continuidade à linha de pesquisa e, principalmente, atender às sugestões
apresentadas por Demarchi [2000], este trabalho de mestrado complementa a avaliação do
impacto de caminhões em rodovias de pista dupla, verificando a implicação do uso de medida
de desempenho alternativa no cálculo do equivalente veicular.
1.2. ESTRUTURA DA DISSERTAÇÃO
Esta dissertação está dividida em nove capítulos, incluindo este primeiro capítulo
introdutório o qual apresenta a proposta da pesquisa. No Capítulo 2 é apresentado o método
proposto para o desenvolvimento desta pesquisa de mestrado. São apresentados as etapas do
método e os objetivos a serem alcançados.
O Capítulo 3 descreve o procedimento apresentado no HCM-2000 [TRB, 2000] para a
análise de nível de serviço em rodovias de pista dupla e auto-estradas e apresenta a revisão
14
dos métodos encontrados na literatura para cálculo do equivalente veicular e as medidas de
desempenho utilizadas.
O Capítulo 4 descreve o modelo de simulação CORSIM e apresenta as lógicas funda-
mentais que regem o movimento dos veículos, além da importância da sua calibração para
representar as condições observadas em cada local.
Os Capítulos 5 e 6 apresentam a caracterização do tráfego de caminhões em rodovia
paulistas de pista dupla. O Capítulo 5 trata da caracterização do fluxo de tráfego e da
porcentagem de caminhões observados em dias típicos do ano, a partir de dados de tráfego em
diversas praças de pedágios do estado. No Capítulo 6, a frota de caminhões típicos é caracte-
rizada através da composição típica e da distribuição da relação massa/potência a partir de
dados obtidos em balanças rodoviárias.
O capítulo 7 relata a calibração do modelo CORSIM para as condições observadas em
rodovia paulistas de pista dupla. Inicialmente, foi calibrada a lógica de desempenho veicular
dos caminhões, a fim de representar os caminhões típicos. Em seguida, foi calibrada a lógica
de car-following com o propósito de refletir o comportamento dos motoristas brasileiros.
No Capítulo 8 é apresentado o método de cálculo do equivalente veicular usado nesta
pesquisa, desde a geração das curvas fluxo-impedância utilizando simulação com o CORSIM
calibrado até os valores dos fatores de equivalência obtidos. Os resultados obtidos foram
comparados entre si pela medida de impedância usada e com os valores apresentados no
HCM-2000 e no estudo anterior realizado em rodovias paulistas [Demarchi, 2000].
Por fim, o Capítulo 9 traz as conclusões desta pesquisa e sugestões para pesquisas
futuras, a fim de indagar a análise do impacto de caminhões na operação de rodovias. Como
resultados desta pesquisa, o Apêndice A mostra o fluxo de tráfego no dia útil típico para as
praças de pedágio analisadas no Capítulo 5, enquanto o Apêndice B descreve o arquivo TSD
do CORSIM e traz o código do programa implementado para extrair os dados deste arquivo.
15
2
2
.
.
M
M
É
É
T
T
O
O
D
D
O
O
D
D
E
E
P
P
E
E
S
S
Q
Q
U
U
I
I
S
S
A
A
A meta desta pesquisa de mestrado é avaliar o efeito do uso de medida de desempenho
alternativa à densidade no cálculo dos fatores de equivalência para caminhões típicos em
rodovias de pista dupla e auto-estradas no estado de São Paulo. Para atingir esta meta, foram
definidos três objetivos:
Caracterizar a composição típica do tráfego e estudar o desempenho de caminhões em
rodovias paulistas de pista dupla do estado de São Paulo;
Recalibrar o modelo de simulação CORSIM; e
Calcular fatores de equivalência para caminhões (E
T
).
O método proposto para desenvolvimento desta pesquisa de mestrado consiste das
seguintes etapas:
1. Revisar a bibliografia disponível;
2. Definir o método para o cálculo dos fatores de equivalência e escolher a medida de de-
sempenho alternativa à densidade;
3. Caracterizar o fluxo de tráfego de caminhões em auto-estradas e em rodovias de pista
dupla do estado de São Paulo;
4. Caracterizar o desempenho dos caminhões típicos encontrados em rodovias paulistas;
5. Calibrar os parâmetros do modelo CORSIM;
6. Calcular os fatores de equivalência para caminhões (E
T
); e
7. Comparar e analisar os resultados.
A seguir, são descritas em detalhes as etapas do método de pesquisa adotado.
16
2.1. REVISAR A BIBLIOGRAFIA
Esta etapa do método serviu para estabelecer o estado da prática e para definir os
métodos utilizados durante a pesquisa no cálculo dos fatores de equivalência, nas coletas de
dados e na calibração do modelo de simulação. A revisão bibliográfica abrangeu os seguintes
tópicos: nível de serviço e capacidade de rodovias de pista dupla e auto-estradas; métodos de
cálculo do fator de equivalência; medidas de impedância utilizadas como critério de equiva-
lência; desempenho de caminhões em rampa; métodos de coletas de dados; simulação de trá-
fego utilizando o modelo de simulação CORSIM; e calibração de modelos de simulação utili-
zando algoritmo genético. A revisão bibliográfica foi realizada, principalmente, através de
consultas a artigos em periódicos especializados, relatórios de pesquisas e o manual américa-
no de capacidade de rodovias – Highway Capacity Manual (HCM-2000). A revisão bibliográ-
fica realizada está sintetizada no Capítulo 3.
2.2. DEFINIR O MÉTODO DE CÁLCULO DOS FATORES DE EQUIVALÊNCIA E A
MEDIDA DE DESEMPENHO ALTERNATIVA
Um dos objetivos da revisão da literatura que trata de métodos para cálculo de fatores
de equivalência foi escolher o método mais adequado para obter os fatores de equivalência
para rodovias no estado de São Paulo. A revisão bibliográfica também possibilitou definir a
medida de desempenho alternativa à densidade da corrente de tráfego como critério de equi-
valência. O Capítulo 3 apresenta com detalhes a revisão bibliográfica e os critérios que
definiram a escolha do método de cálculo e da medida de impedância.
2.3. CARACTERIZAR O FLUXO DE TRÁFEGO DE CAMINHÕES EM RODOVIAS
PAULISTAS DE PISTA DUPLA E EM AUTO-ESTRADAS
O escopo desta etapa foi determinar as características do tráfego de caminhões, através
do volume e da composição de caminhão na corrente de tráfego, a partir de dados de conta-
17
gens desagregadas do tráfego. Os dados de volume forneceram a variação da porcentagem
total de caminhões no tráfego, com o propósito de definir as porcentagens típicas de cami-
nhões no cálculo dos fatores de equivalência. Os dados de distribuição dos tipos de caminhões
forneceram subsídios para definir as categorias típicas de caminhões a serem consideradas no
simulador CORSIM.
Os dados usados nesta etapa foram obtidos de relatórios de contagem do tráfego em
praças de pedágios do estado de São Paulo, disponibilizados pela ARTESP. As contagens de
tráfego forneceram um panorama da variação horária, diária, mensal e anual do tráfego em
diversas praças, próximas à capital e no interior do estado. Um método para o tratamento dos
dados foi proposto de modo a caracterizar o tráfego em dias úteis típico nas rodovias paulis-
tas. Os dados obtidos em balanças rodoviárias foram usados para caracterizar os caminhões
em termos etc. O Capítulo 5 descreve a caracterização dos caminhões nas rodovias estudadas.
2.4. CARACTERIZAR O DESEMPENHO DOS CAMINHÕES EM RODOVIAS
PAULISTAS DE PISTA DUPLA E AUTO-ESTRADAS
O objetivo desta etapa foi caracterizar o desempenho das configurações típicas de
caminhões observadas nas rodovias, em função da desaceleração em rampa. Para esta etapa,
foram utilizados dados coletados em balanças fixas e móveis instaladas em rodovias de pista
simples e dupla, próximas à capital e no interior. Os dados obtidos incluem peso bruto total,
potência nominal do veículo e configuração de eixos. Com base nesses dados, os caminhões
observados foram estratificados nas quatro categorias que podem ser simuladas pelo
CORSIM. Esta etapa está apresentada no Capítulo 6.
2.5. CALIBRAR OS PARÂMETROS DO MODELO CORSIM
O modelo de simulação de tráfego utilizado nesta pesquisa foi o CORSIM. Como o
CORSIM foi desenvolvido nos EUA, os parâmetros default do modelo não refletem as con-
18
dições observadas no Brasil, pois há significativa diferença entre o comportamento dos
motoristas e no desempenho dos caminhões típicos entre esses dois países [Demarchi, 2000].
Por isso, o modelo foi calibrado para as condições observadas em rodovias paulistas de pista
dupla através de um processo automático, baseado em um algoritmo genético.
A calibração do modelo CORSIM foi realizada em duas etapas. Na primeira, os parâ-
metros de desempenho dos caminhões foram calibrados de modo a representar o comporta-
mento da desaceleração em rampas dos caminhões observados. Na segunda etapa, foram
calibrados os parâmetros da lógica de car-following que regem o comportamento dos
motoristas no tráfego. O Capítulo 7 descreve as duas etapas do processo de calibração do
CORSIM.
2.6. CALCULAR OS FATORES DE EQUIVALÊNCIA
Uma vez que o simulador foi calibrado, foram geradas as curvas fluxo-impedância
para diversos cenários que representam combinações de porcentagens de caminhões,
comprimento de rampa, magnitude de greide e velocidade de fluxo livre. Duas medidas de
desempenho foram avaliadas: a velocidade média dos automóveis, como medida alternativa, e
a densidade da corrente de tráfego, medida definida pelo HCM. Os equivalentes veiculares,
calculados pelo método do equivalente médio, estão apresentados em detalhes no Capítulo 8.
2.7. COMPARAR E ANALISAR OS RESULTADOS
O objetivo desta última etapa foi avaliar o efeito de se utilizar a medida alternativa no
cálculo de fatores de equivalência. Inicialmente, para cada medida de desempenho estudada,
foi apresentada a variação dos equivalentes veiculares em função do comprimento da rampa,
da magnitude do greide, da porcentagem de caminhões e para cada nível de serviço. Em
seguida, foram avaliadas as diferenças no resultado do nível de serviço quando usados os
equivalentes para caminhões baseado na velocidade dos automóveis e na densidade, apresen-
19
tados nesta pesquisa. Também foram comparados os resultados do nível de serviço obtido
usando-se os fatores de equivalência desta pesquisa com os fatores apresentados nos estudos
de Demarchi [2000] e no HCM-2000. Esta etapa é apresentada no Capítulo 8.
20
21
3
3
.
.
E
E
Q
Q
U
U
I
I
V
V
A
A
L
L
E
E
N
N
T
T
E
E
V
V
E
E
I
I
C
C
U
U
L
L
A
A
R
R
P
P
A
A
R
R
A
A
C
C
A
A
M
M
I
I
N
N
H
H
Õ
Õ
E
E
S
S
Este capítulo apresenta a revisão bibliográfica sobre fatores de equivalência para caminhões
em rodovias com canteiro central, com ênfase em dois aspectos: (1) o procedimento básico
apresentado no HCM-2000 para determinar a capacidade e nível de serviço em rodovias de
pista dupla e auto-estradas; e (2) os métodos para cálculo do fator de equivalência para
veículos pesados nessas rodovias.
3.1. NÍVEL DE SERVIÇO EM RODOVIAS DE PISTA DUPLA E AUTO-ESTRADAS
O processo adotado pelo HCM-2000 para determinar o nível de serviço em segmentos
básicos de auto-estradas (freeways) é semelhante ao adotado em rodovias de pista dupla
(multilane highways). Inicialmente, obtém-se a curva fluxo-velocidade para a o trecho
estudado, a partir das curvas básicas (Figura 3.1) e da velocidade média dos automóveis em
condições de fluxo livre, denominada free flow speed (FFS). Embora sejam apresentadas
apenas quatro curvas básicas na Figura 3.1, o HCM ressalta que, por interpolação, podem ser
obtidas outras curvas fluxo-velocidade para diferentes valores de FFS.
(a) auto-estradas (freeways) (b) rodovias de pista dupla (multilane highways)
Figura 3.1: Relação fluxo-velocidade [TRB, 2000].
A seguir, determina-se a taxa de fluxo de tráfego equivalente, em cpe/(h.faixa), que é
22
função do fluxo observado e das características do tráfego e da via. Com este valor, verifica-
se o ponto correspondente na curva fluxo-velocidade, determinando-se em que nível de
serviço a rodovia opera.
Este procedimento, chamado no HCM de análise operacional de rodovias, é definido
para condições básicas do tráfego e da via. Uma das condições básicas é que a corrente de
tráfego seja composta apenas por automóveis. Assim, a conversão do fluxo observado V, em
veíc/h, em fluxo equivalente v
p
, em cpe/(h.faixa), é dada pela seguinte equação:
pHV
p
ffNPHF
V
v
⋅⋅⋅
=
(3.1)
em que: PHF : fator de pico horário;
N : número de faixas;
f
HV
: fator de ajuste para a presença de veículos pesados no tráfego; e
f
p
: fator de ajuste para tipo de motorista.
Os principais fatores de ajuste da Equação 3.1 estão relacionados à variação do fluxo
dentro da hora (PHF) e a composição de veículos pesados no tráfego (f
HV
). O fator de ajuste
para veículos pesados no tráfego é calculado em função da porcentagem do veículo na
corrente de tráfego e do fator de equivalência de cada tipo de veículo pesado previstos no
HCM-2000:
()()
111
1
−⋅+−⋅+
=
RRTT
HV
EPEP
f (3.2)
em que: P
T
: a porcentagem de caminhões na corrente de tráfego;
P
R
: a porcentagem de veículos recreacionais;
E
T
: o fator de equivalência para caminhões; e
E
R
: o fator de equivalência para veículos de recreação.
O automóvel, ou carro de passeio, é considerado pelo HCM como o veículo padrão de
uma corrente de tráfego. Desse modo, os demais veículos são convertidos em carros de
passeio equivalentes (cpe) – do inglês passenger car equivalent (pce) – através dos fatores de
equivalência E
T
e E
R
. O HCM-2000 fornece valores de equivalentes veiculares para três
23
situações distintas: trechos longos e homogêneos, aclives específicos e declives específicos.
Os trechos longos e homogêneos são definidos pelo relevo típico, que pode ser plano,
ondulado ou montanhoso. No relevo montanhoso, os caminhões atingem a velocidade de
equilíbrio e nela se mantém por significativo período do percurso. Para aclives e declives
específicos, os fatores de equivalência são fornecidos em função da magnitude e comprimento
da rampa e da porcentagem de caminhões, como mostra a Tabela 3.1.
Tabela 3.1: Tabela de equivalentes veiculares para aclives em rodovias de pista dupla e em auto-
estradas, apresentada no HCM-2000 [TRB, 2000].
Porcentagem de caminhões (%)
Greide (%)
Compr.
(km)
2 4 5 6 8 10 15 20 25
< 2 Todos 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
0,0 - 0,4 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 0,4 - 0,8 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 0,8 - 1,2 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 1,2 - 1,6 2,0 2,0 2,0 2,0 1,5 1,5 1,5 1,5 1,5
>1,6 - 2,4 2,5 2,5 2,5 2,5 2,0 2,0 2,0 2,0 2,0
>= 2-3
> 2,4 3,0 3,0 2,5 2,5 2,0 2,0 2,0 2,0 2,0
0,0 - 0,4 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 0,4 - 0,8 2,0 2,0 2,0 2,0 2,0 2,0 1,5 1,5 1,5
> 0,8 - 1,2 2,5 2,5 2,0 2,0 2,0 2,0 2,0 2,0 2,0
> 1,2 - 1,6 3,0 3,0 2,5 2,5 2,5 2,5 2,0 2,0 2,0
>1,6 - 2,4 3,5 3,5 3,0 3,0 3,0 3,0 2,5 2,5 2,5
> 3-4
> 2,4 4,0 3,5 3,0 3,0 3,0 3,0 2,5 2,5 2,5
0,0 - 0,4 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 0,4 - 0,8 3,0 2,5 2,5 2,5 2,0 2,0 2,0 2,0 2,0
> 0,8 - 1,2 3,5 3,0 3,0 3,0 2,5 2,5 2,5 2,5 2,5
> 1,2 - 1,6 4,0 3,5 3,5 3,5 3,0 3,0 3,0 3,0 3,0
> 4-5
>1,6 5,0 4,0 4,0 4,0 3,5 3,5 3,0 3,0 3,0
0,0 - 0,4 2,0 2,0 1,5 1,5 1,5 1,5 1,5 1,5 1,5
> 0,4 - 0,5 4,0 3,0 2,5 2,5 2,0 2,0 2,0 2,0 2,0
> 0,5 - 0,8 4,5 4,0 3,5 3,0 2,5 2,5 2,5 2,5 2,5
> 0,8 - 1,2 5,0 4,5 4,0 3,5 3,0 3,0 3,0 3,0 3,0
>1,2 - 1,6 5,5 5,0 4,5 4,0 3,0 3,0 3,0 3,0 3,0
> 5-6
> 1,6 6,0 5,0 5,0 4,5 3,5 3,5 3,5 3,5 3,5
0,0 - 0,4 4,0 3,0 2,5 2,5 2,5 2,5 2,0 2,0 2,0
> 0,4 - 0,5 4,5 4,0 3,5 3,5 3,5 3,0 2,5 2,5 2,5
> 0,5 - 0,8 5,0 4,5 4,0 4,0 3,5 3,0 2,5 2,5 2,5
> 0,8 - 1,2 5,5 5,0 4,5 4,5 4,0 3,5 3,0 3,0 3,0
>1,2 - 1,6 6,0 5,5 5,0 5,0 4,5 4,0 3,5 3,5 3,5
> 6
> 1,6 7,0 6,0 5,5 5,5 5,0 4,5 4,0 4,0 4,0
A diferença entre trechos longos e homogêneos e aclives específicos é dada pelo
comprimento e magnitude do aclive. Em rodovias de pista dupla, rampas com mais de 800 m
e greide superior a 3%, ou rampas com mais de 1.600 m e greide igual ou inferior a 3% são
tratadas como aclives específicos. Em auto-estradas, os aclives específicos são rampas com
mais de 500 m e greide superior ou igual a 3%, ou rampas maiores que 1.000 m e greide
24
inferior a 3%.
Convém ressaltar que os fatores de equivalência do HCM-2000 foram obtidos
considerando-se caminhões típicos com relação massa/potência entre 70 a 90 kg/kW em auto-
estradas e de 100 kg/kW em rodovias de pista dupla; para os veículos recreacionais, a relação
massa/potência considerada varia entre 20 a 40 kg/kW.
3.2. MÉTODOS DE CÁLCULO DO FATOR DE EQUIVALÊNCIA
A premissa básica para o cálculo do fator de equivalência é que, para determinado
nível de impedância, o fluxo equivalente em carros de passeio tem a mesma qualidade de
serviço que o fluxo de tráfego misto [Huber, 1982; Roess e Messer, 1984]. Tal aspecto resulta
na igualdade das duas correntes de tráfego:
(
)
Tmmb
Epqpqq
⋅
⋅
+
−
⋅
= 1 (3.3)
em que: q
b
: fluxo básico, em cpe/h;
q
m
: fluxo misto, em veíc/h;
(1 - p) : porcentagem de automóveis no fluxo misto;
p
: porcentagem de caminhões no fluxo misto; e
E
T
: o fator de equivalência para caminhões.
Na literatura, podem ser encontrados vários métodos para cálculo do fator de equiva-
lência em rodovias de pista dupla e em auto-estradas. Os métodos são fundamentados no com-
ceito básico de equivalência entre as correntes de tráfego, porém, como critérios de equivalên-
cia, adotam diferentes medidas de impedância. Os métodos recentes, na maioria, utilizam
modelos de simulação de tráfego para representar a relação fluxo-impedância, enquanto, no
passado, eram utilizados modelos analíticos. Dessa forma, os métodos foram classificados
quanto ao modelo usado para determinar da relação fluxo-impedância:
Métodos baseados em modelos analíticos; e
Métodos baseado em modelos de simulação.
25
3.2.1. Métodos baseados em modelos analíticos
Os primeiros métodos de cálculo de equivalentes veiculares utilizavam modelos
analíticos para quantificar a medida de impedância. Inicialmente, é apresentado o método
utilizado na segunda edição do HCM [HRB, 1965], que quantificou o atraso relativo sofrido
por automóveis devido à presença de caminhões na corrente de tráfego. Em seguida, são
apresentados dois métodos que ajustaram determinada função fluxo-impedância: Reilly e
Seifert [1969] utilizaram uma função quadrática, enquanto Fan [1990], uma função linear. Por
fim, são apresentados o método de Huber [1982], que utilizou o modelo de Greenshields para
representar a relação entre densidade e velocidade e, também, uma derivação deste método
que considera o headway como medida de impedância [Krammes e Crowley, 1986].
3.2.1.1.
Equivalente veicular baseado no atraso relativo
Na segunda edição do HCM [HRB, 1965], os valores dos equivalentes veiculares em
rodovias de pista dupla foram baseados no atraso pois, ao contrário das rodovias de pista
simples, os veículos mais rápidos são inibidos apenas pelo fluxo na mesma direção. O atraso
foi quantificado pelo método de Walker, apresentado em Craus et al. [1980], que utiliza
curvas de desempenho de caminhões de 200 lb/hp (122 kg/kW) em rampas e distribuições de
velocidades diferentes para carros de passeio e caminhões [Roess e Messer, 1984]. O valor do
equivalente é expresso pela razão do atraso experimentado por um automóvel devido a um
caminhão d
at
e do atraso experimentado pelo automóvel devido a outro automóvel d
aa
:
aa
at
T
d
d
E =
(3.4)
Craus et al. [1980] concluíram que o método dos atrasos relativos reflete mais
precisamente a influência dos caminhões em rodovias rurais do que o método de Walker,
baseado no número de ultrapassagens. Entretanto, Cunagin e Messer [1983] estenderam os
estudos de equivalência do HCM 1965 e combinaram o método de Walker com o método dos
26
atrasos relativos, resultando as Equações 3.5 e 3.6, para determinar o número de carros de
passeio equivalente (cpe) em rodovias de pista dupla. No método de Walker, a premissa
básica considera que os veículos rápidos não são retidos durante a ultrapassagem dos veículos
lentos, por isso é mais indicado para baixos volumes de tráfego:
auto
auto
i
i
T
q
N
q
N
E ⋅=
(3.5)
em que:
N
i
: número de ultrapassagens de carros de passeio em veículos do tipo i;
q
i
: volume por hora de veículos tipo i;
N
auto
: número de ultrapassagens de carros de passeio em carros de passeio;
q
auto
: volume de carros de passeio por hora;
Por outro lado, o método baseado no atraso considera que os veículos rápidos sempre
sofrem retardamento por causa dos veículos lentos, resultando em filas em alguns trechos,
sendo mais indicado para altos volumes de tráfego:
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅
=
aautoauto
auto
ami
i
T
uuq
N
uuq
N
E
11
11
(3.6)
em que:
N
i
: número de ultrapassagens de carros de passeio em veículos do tipo i;
q
i
: volume por hora de veículos tipo i;
N
auto
: número de ultrapassagens de carros de passeio em carros de passeio;
q
auto
: volume de carros de passeio por hora;
u
m
: velocidade média da corrente de tráfego mista;
u
a
: velocidade média da corrente de tráfego composta apenas de automóveis
de alto desempenho;
u
auto
: velocidade média da corrente de tráfego composta apenas de automóveis.
Cunagin e Messer [1983] investigaram a influência da relação massa/potência no
resultado do equivalente veicular e concluíram que os caminhões pesados têm maior impacto
no tráfego do que os caminhões leves. Desta forma, reportam que uma população de
caminhões com relação massa/potência média de 150 lb/hp (91 kg/kW) tem maior impacto na
operação de rodovias do que uma população em que todos os caminhões possuem relação
massa/potência de 150 lb/hp [Roess e Messer, 1984].
27
3.2.1.2. Métodos de regressão
Utilizando métodos baseados em regressão, pesquisadores ajustaram coeficientes que
melhor representassem a função fluxo-impedância. Reilly e Seifert [1969] empregaram uma
função quadrática para representar a relação fluxo-impedância, enquanto Fan [1990] usou
uma função linear.
Reilly e Seifert [1969] observaram o tráfego em duas diferentes vias com canteiro
central nos EUA, sendo uma via expressa com tráfego apenas de automóveis e outra via com
tráfego misto e grande porcentagem de caminhões (80%). A partir dos dados observados em
campo, os autores ajustaram uma função quadrática para representar a variação da velocidade
média
u em função do volume de tráfego q:
cqbqau +⋅+⋅=
2
(3.7)
Os coeficientes
a, b e c foram determinados por um programa de ajuste polinomial,
para a condição observada no tráfego de 80% de caminhões. A partir dessa curva, foram
construídas curvas eqüidistantes para porcentagens de caminhões de 20%, 40% e 60%. Os
autores construíram um nomograma que simplifica a determinação de fluxos equivalentes
q
b
(em cpe/h) a partir dos valores do volume observado
q
m
(em veíc/h) e da porcentagem de
caminhões. O valor do equivalente
E
T
foi determinado considerando que, para uma mesma
velocidade, o número carros de passeio equivalente é igual para os dois fluxos:
Ttautob
ENNN
⋅
+
=
(3.8)
sendo:
N
b
: quantidade de automóveis no fluxo básico;
N
auto
: quantidade de automóveis no fluxo misto;
N
t
: quantidade de caminhões no fluxo misto; e
E
T
: fator de equivalência veicular.
Fan [1990] calculou valores do fator de equivalência para auto-estradas em Cingapura
utilizando regressão linear múltipla para ajustar uma equação da capacidade da via
C
b
em
função do volume observado
q
m
e das porcentagens de cada tipo de veículo p
j
:
28
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
⋅+⋅⋅=⋅⋅
∑
j
jjautoautomb
pXpXqCqNC )/(
(3.9)
em que:
C
b
: capacidade básica da via (cpe/h.faixa);
N
: número de faixas;
q/C
: relação volume/capacidade;
q
m
: fluxo misto (veíc/h);
X
auto
: coeficiente para automóveis;
p
auto
: porcentagem de automóveis na corrente de tráfego;
X
j
: coeficiente para veículos do tipo i; e
p
j
: porcentagem de veículos do tipo i.
A Equação 3.9 tem a forma linear do tipo
Y = ΣA
k
. X
k
, em que a variável dependente
Y é o produto entre o fluxo máximo estimado C
b
, em cpe/h.faixa, o número de faixas N e a
relação volume-capacidade
q/C. As variáveis independentes A
k
correspondem aos volumes de
tráfego observados para cada tipo de veículo (
p
i
.q
m
). Os valores de q/C foram obtidos a partir
da velocidade média observada de acordo com a relação entre velocidade e
volume/capacidade apresentada no HCM de 1985. O equivalente veicular
E
T
é obtido pela
razão entre os coeficientes para caminhões
X
k
e o coeficiente para automóveis X
auto
:
auto
k
T
X
X
E =
(3.10)
3.2.1.3. Método de Huber
Huber [1982] propôs um método de cálculo de equivalentes veiculares pela relação
entre os volumes das correntes básica (
q
b
) e mista (q
m
), para um mesmo nível de impedância:
11
1
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅=
m
b
T
q
q
p
E
(3.11)
Neste método, a composição do tráfego na corrente mista inclui apenas dois tipos de
veículos: automóveis e caminhões. Huber recomendou que a medida de impedância utilizada
esteja diretamente relacionada com o nível de serviço. Os equivalentes foram calculados
adotando-se três diferentes medidas de desempenho:
29
Tempo médio de viagem em um trecho da rodovia, que é uma medida de impedância
que numericamente equivale à velocidade média espacial da corrente de tráfego;
Tempo médio de viagem somente dos automóveis; e
Tempo de ocupação, dado pelo produto do fluxo e do tempo médio de viagem, uma
medida de impedância numericamente equivalente à densidade da corrente de tráfego.
Huber utilizou a relação linear entre velocidade
u e densidade k do modelo de
Greenshields para representar a relação fluxo-impedância. Utilizando a velocidade como
medida de equivalência, conforme Figura 3.2(a), é possível expressar a relação entre as
densidades do fluxo básico e do fluxo misto (
k
b
/k
m
) em função das velocidades de fluxo livre
(
u
fb
e u
fm
) e das densidades de congestionamento (k
jb
e k
jm
) dos fluxos básico e misto:
(
)
()
uuuk
uuuk
k
k
fmfbjm
fbfmjb
m
b
−⋅⋅
−
⋅
⋅
=
(3.12)
(a) (b)
Figura 3.2: Equivalência veicular para fluxos com mesma velocidade, baseado em Huber [1982].
A partir da relação fundamental de tráfego, verifica-se que a razão entre os fluxos para
o critério da mesma velocidade é dada por:
m
b
m
b
k
k
q
q
=
(3.13)
Substituindo as Equações 3.12 em 3.13, por sua vez, na Equação 3.11, o equivalente
veicular
E
T
é expresso por:
k
m
k
b
k
jm
k
jb
k
u
u
fb
u
u
fm
Fluxo Misto
Fluxo Básico
C
b
E
T
q
b
(cpe/h)
p=0,01 p=0,10 p=0,50
30
(
)
()
11
1
+
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
−
−⋅⋅
−⋅⋅
⋅=
uuuk
uuuk
p
E
fmfbjm
fbfmjb
T
(3.14)
sendo: p
: porcentagem de caminhões;
k
jb
: densidade de congestionamento para o fluxo básico;
k
jm
: densidade de congestionamento para o fluxo misto;
u
fb
: velocidade de fluxo livre para o fluxo básico;
u
fm
: velocidade de fluxo livre para o fluxo misto; e
u
: velocidade média da corrente de tráfego;
A Figura 3.2(b) mostra que os equivalentes calculados pela Equação 3.14 são
máximos para fluxos baixos, decrescem com o aumento do fluxo básico q
b
e crescem com a
porcentagem de caminhões. De acordo com a Equação 3.14, o valor do equivalente é limitado
pela velocidade de fluxo livre da corrente mista u
fm
, pois com esse valor o equivalente tende a
infinito e, para valores maiores que u
fm
, o equivalente se torna negativo.
A segunda medida de desempenho utilizada por Huber foi a velocidade média dos
automóveis no fluxo misto. Essa medida implica em supor que sejam iguais a velocidade de
fluxo livre no fluxo básico (u
fb
) e a velocidade dos automóveis no fluxo misto (u
fmb
). Neste
caso, o valor do equivalente é calculado por:
jtft
jbfb
T
ku
ku
E
⋅
⋅
= (3.15)
Em que
u
ft
é a velocidade de fluxo livre dos caminhões e k
jt
a densidade de
congestionamento de uma corrente de tráfego composta apenas por caminhões. O valor do
equivalente neste caso é constante e independe da porcentagem de caminhões e do fluxo de
tráfego.
Utilizando a densidade como medida de desempenho e admitindo que o modelo de
Greenshields é válido, como mostra a Figura 3.3(a), Huber obteve o equivalente expresso por:
(
)
()
11
1
+
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
−
−⋅⋅
−⋅⋅
⋅=
kkuk
kkuk
p
E
jmfmjb
jbfbjm
(3.16)
31
(a) (b)
Figura 3.3: Equivalência veicular para fluxos com mesma densidade, baseado em Huber [1982].
Observando-se a Figura 3.3(b), nota-se que os valores de equivalentes veiculares
baseados na densidade são mínimos para baixos fluxos de tráfego e crescem com o aumento
do fluxo e da porcentagem de caminhões. De acordo com a Equação 3.16, o valor do E
T
não é
definido para densidades maiores que a densidade de congestionamento no fluxo misto k
jm
,
pois, neste caso, o fluxo de tráfego na corrente básica opera abaixo da capacidade básica (C
b
)
enquanto na corrente mista o fluxo opera no regime congestionado. A Figura 3.4 ilustra bem
esse fenômeno.
Figura 3.4: Relação fluxo-densidade para o fluxo misto e básico, com base em Huber [1982].
Huber utiliza a densidade como medida preferencial de desempenho, baseado na
justificativa que, com baixos volumes de tráfego, os veículos pesados têm pouco impacto no
tráfego e, com o aumento do volume, a interação entre veículos é maior e aumenta o valor do
equivalente. St. John, na discussão do artigo de Huber [1982], sugere como a melhor medida
q
k
k
jb
Fluxo Misto
Fluxo Básico
k
jm
C
C
b
k
k
u
u
f
b
u
b
u
fm
Fluxo Misto
Fluxo Básico
C
b
E
T
q
b
(cpe/h)
p=0,10
p=0,01
u
m
k
jm
k
jb
p=0,50
32
de equivalência a velocidade dos automóveis em função da relação volume/capacidade pois,
neste caso, os valores dos equivalentes são independentes do fluxo, implicando em uma
relação fundamental simplificada que não varia entre a curva básica e a mista.
Em outro estudo, Krammes e Crowley [1986] propuseram uma derivação do método
de Huber [1982] em função do headway e introduziram a relação fluxo-headway:
i
i
h
q
3600
= (3.17)
1
1
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
⋅=
b
bm
T
h
hh
p
E
(3.18)
O
headway considera o comprimento do veículo mais o espaço entre os veículos em
unidade de tempo. Cunagin e Chang [1982] estudaram a diferença do tempo de
headway entre
combinações de pares de veículos diferentes e concluíram que a presença de caminhões na
corrente de tráfego aumenta o
headway médio. Krammes [1985] observou que, o espaço entre
veículos é delimitado pelo tipo de veículo, logo, o
headway depende de cada combinação de
pares veículos expressa em
jk
i
h , em que j refere-se ao veículo de interesse e k refere-se ao
veículo líder. A partir da observação de quatro combinações de pares de veículos na corrente
de tráfego, Krammes [1985] estudou a aleatoriedade dos tipos de veículos pela proporção que
representa cada tipo, expressa pela equação:
()
(
)
(
)
TTTPPTPP
mmmmm
hphpphpphph ⋅+⋅−⋅+⋅−⋅+⋅−=
2
2
111 (3.19)
A Equação 3.19 foi simplificada considerando que o
headway entre automóveis é
igual tanto para o fluxo básico como para o fluxo misto (
PPPP
mb
hh = ) e que a diferença dos
volumes é devida à presença de caminhões. Essa simplificação implica que os veículos de
passeio na corrente mista são afetados apenas pelos caminhões. Assim, a combinação das
Equações 3.18 e 3.19 resulta em:
()
(
)
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
⋅+−+⋅−
⋅=
PP
TTPPTPPT
m
mmmm
T
h
hphhhp
p
E
1
1
(3.20)
33
Esta formulação tem a vantagem de usar
headways somente da corrente mista.
Krammes [1985] descobriu que, controlando o fluxo e a velocidade da corrente, o efeito do
tipo do veículo líder no espaçamento mantido por caminhões foi significativamente diferente
do efeito do espaçamento mantido por carros de passeio. Caminhões mantêm um espaçamento
relativamente menor quando viajam atrás de outro caminhão do que de carros de passeio; por
outro lado os carros de passeio mantêm, não muito significativamente, espaçamento maior
atrás de caminhões do que atrás de outro carro de passeio. Com isso adotou-se que
PPPT
mm
hh =
e
TTTP
mm
hh = . Assim a Equação 3.20 reduz para:
P
T
m
m
T
h
h
E =
(3.21)
3.2.2. Métodos baseados em modelos de simulação
Os métodos mais recentes de cálculo dos fatores de equivalência utilizam modelos de
simulação de tráfego para representar a relação fluxo-impedância. Os modelos matemáticos
incorporados aos simuladores consideram maior número de variáveis do tráfego, representan-
do melhor as condições do tráfego real, ao contrário dos modelos analíticos que se baseiam
em simplificações a partir de dados observados [St John e Glauz, 1976]. Os métodos
apresentados neste item são: o equivalente baseado na relação
q/C e na velocidade, método
aplicado desde a terceira edição do HCM [TRB, 1985, 1994, 1998]; o equivalente veicular
baseado na capacidade básica da via [Al-Kaisy
et al., 2002; Al-Kaisy et al., 2005]; e o método
que considera mais de um tipo de caminhão na corrente de tráfego [Sumner
et al., 1984;
Demarchi e Setti, 2003].
3.2.2.1. Equivalente veicular baseado na relação q/C
St. John e Glauz [1976] estudaram a redução da capacidade e do nível de serviço
provocados por caminhões em rampas de rodovias de pista dupla. Após inúmeras simulações
34
de diversas combinações da velocidade operacional em função da relação volume/capacidade,
da porcentagem de caminhões e da declividade da rampa, foram produzidos nomogramas
como o apresentado na Figura 3.5.
Figura 3.5: Nomograma apresentado por St. John e Glauz [1976].
A equivalência dos fluxos básico e misto é dada pela Equação 3.22, em que o fluxo
básico é calculado através do produto da capacidade básica
C
b
, em cpe/h.faixa, e da relação
volume capacidade
q/C.
(
)
pEpqCqC
Tmb
⋅
+
−
⋅
=
⋅ 1)/( (3.22)
Nesse trabalho, os autores introduziram o conceito de população típica de caminhões
para considerar a variação do desempenho dos diferentes caminhões no fluxo. Após levanta-
mento da frota nacional de caminhões nos EUA [Wright e Tignor, 1965], St. John e Glauz
[1976] determinaram a população típica de veículos pesados, resultando na combinação de
quatro tipos diferentes de categorias de caminhões, através da porcentagem de referência
p
R
:
()
78910
06,014,041,116,3 pppppp
R
⋅
+
⋅
+
⋅
+
⋅⋅= (3.23)
St. John e Glauz [1976] alertam que os gráficos padrões (Figura 3.5) apresentados
foram baseados em populações de caminhões com grande porcentagem de veículos de baixo
desempenho; o fluxo de tráfego foi considerado fora do horário de pico.
35
Linzer
et al. [1979] utilizaram os gráficos determinados por St. John e Glauz [1976] e,
através de simulação, determinaram equivalentes veiculares para o caminhão típico com
relação massa/potência de 300 lb/hp (183 kg/kW), o qual se aproxima do veículo de índice 9
da Equação 3.23. Também foram calculados equivalentes para caminhões leves com
150 lb/hp (92 kg/kW) e pesados com 350 lb/hp (215 kg/kW). Com os resultados do trabalho
de Linzer
et al. [1979], Roess et al. [1980] publicaram a Circular 212 divulgando novos
valores de equivalentes veiculares para auto-estradas.
Baseado neste método, a terceira edição do HCM [TRB, 1985] fornece três tabelas de
equivalentes em rampa, para caminhões leves 100 lb/hp (61 kg/kW), médios 200 lb/hp
(122 kg/kW) e pesados 300 lb/hp (182 kg/kW). Os fatores de equivalentes apresentados nas
versões seguintes do HCM (1994 e 1998) foram adaptados da versão de 1985, para refletir as
inovações tecnológicas dos caminhões, utilizando a velocidade da corrente de tráfego como
critério de equivalência [Webster e Elefteriadou, 1999; Demarchi, 2000].
3.2.2.2. Equivalente veicular baseado na capacidade básica da via
Os fatores de carros de passeio equivalente fornecidos pelo HCM representam o efeito
de caminhões e ônibus quando o tráfego está operando em fluxo livre ou condições não
saturadas. Al-Kaisy
et al. [2002] investigaram a hipótese de o impacto de caminhões durante
congestionamento ser maior que em condições de fluxo livre em rodovias no Canadá, através
do equivalente veicular. Anos depois, Al-Kaisy
et al. [2005] utilizando os dados da pesquisa
anterior aplicados no simulador de tráfego INTEGRATION, determinaram valores de
equivalentes em condições saturadas para diferentes greides, comprimentos de rampa e
porcentagens de caminhões. O equivalente foi calculado com base na capacidade básica
C
b
,
em cpe/h.faixa, no número de carros de passeio (
N
auto
) e no número de caminhões (N
t
):
t
autob
T
N
NC
E
−
= (3.24)
36
Nessa pesquisa, foi utilizada a relação massa/potência média de 140 lb/hp (85 kg/kW).
Os autores confirmaram a hipótese de Al-Kaisy
et al. [2002] de o efeito de veículos pesados
durante o congestionamento, na maioria dos casos, ser maior que o efeito em condições de
fluxo não saturado, comparado aos valores apresentados no HCM-2000. Os autores
observaram que, em condições de fluxo não congestionado, o efeito do comprimento da
rampa tem significativo impacto no valor do
E
T
.
3.2.2.3. Método para mais de um tipo de caminhão na corrente de tráfego
Dois estudos propuseram a generalização do método proposto por Huber visando
incorporar mais de um tipo de caminhão no tráfego para o cálculo do equivalente: Sumner
et
al.
[1984] e Demarchi e Setti [2003]. O primeiro estudo propôs um método que inclui um
terceiro fluxo, do veículo tipo, para obter a relação entre os fluxos. O segundo estudo avaliou
a formulação apresentada por Huber [1982] e Sumner
et al. [1984] e propôs uma formulação
baseada no equivalente médio. Os métodos, utilizando simulação de tráfego, podem ser
aplicados para qualquer relação fluxo-impedância.
No primeiro estudo, Sumner
et al. [1984] simularam nove tipos de veículos diferentes
e calcularam os valores do equivalente veicular para cada tipo. O método proposto consiste
em três etapas:
i. Formular a curva para o fluxo básico;
ii. Decidir a distribuição típica dos tipos de veículos que produzem a curva mista;
iii. Selecionar um tipo de veículo (veículo S) e um nível de fluxo de operação para
simular e produzir o ponto C (Figura 3.6), tendo adicionado o volume do veículo
S e
removido a mesma quantidade no volume de automóveis,
q
S
.
Os equivalentes veiculares foram calculados pela expressão:
1
1
+
⎥
⎦
⎤
⎢
⎣
⎡
−⋅
∆
=
m
b
S
b
T
q
q
q
q
p
E
(3.25)
37
em que:
q
b
: fluxo de carros de passeio (cpe/h.faixa);
q
m
: fluxo misto (veic/h), composto de p caminhões e (1-p) carros de passeio;
q
S
: fluxo misto com o veículo tipo S, composto de ∆p veículo S, p caminhões
e (1-
p-∆p) carros de passeio.
Figura 3.6: Veículo-hora em função do fluxo, com base em Sumner et al. [1984].
Os autores utilizaram a ocupação da via como medida de desempenho que corres-
ponde ao fluxo de veículos multiplicado pelo tempo médio de viagem para um determinado
trecho. Dois outros estudos aplicaram esse método para determinação de equivalentes de
caminhões. Elefteriadou
et al. [1997] utilizaram o simulador CORSIM para determinar equi-
valentes para caminhões em auto-estradas, baseado na equivalência da velocidade média da
corrente de tráfego. Os autores verificaram a influência de variáveis como fluxo de tráfego,
porcentagem de caminhões, tipo de caminhão, declividade e comprimento de rampa no valor
do
E
T
.
Webster e Elefteriadou [1999] aplicaram esse mesmo método, com base na densidade,
para determinar equivalentes para cinco tipos de caminhões diferentes e para um único
caminhão típico da frota. Os autores utilizaram o CORSIM para simular várias condições de
tráfego, tais como declividade e comprimento da rampa, porcentagem de caminhões, número
de faixas e velocidade de fluxo livre e, também, verificar a influência dessas variáveis no
valor do
E
T
. Os resultados mostraram que o equivalente tende a aumentar com a taxa de fluxo,
a velocidade de fluxo livre, a declividade e o comprimento da rampa. Por outro lado, o
C
F
luxo
Veículo-hora
Fluxo Misto
Fluxo Básico
q
m
q
b
B A
q
S
38
equivalente tende a diminuir com a porcentagem de caminhões e o número de faixas.
Também foi observado que a relação massa/potência e o comprimento dos veículos
influenciam o valor do
E
T
em rampas. Baseado no método de Webster e Elefteriadou [1999],
o HCM-2000 atualizou os valores dos fatores de equivalência [TRB, 2000].
No segundo estudo, Demarchi e Setti [2003] analisaram a aplicação dos dois métodos
anteriores em uma corrente de tráfego composta por dois tipos de caminhões. Eles
observaram que os métodos de cálculo de equivalentes não consideram o efeito da interação
entre diferentes tipos de caminhões na corrente de tráfego e que essa limitação acarreta em
erros significativos na estimativa de taxas de fluxos equivalentes. Simulação de tráfego
microscópica (INTEGRATION) foi utilizada para determinar os equivalentes baseados na
densidade. Foram calculados equivalentes para os dois tipos de caminhão
e
1
e e
2
, pelo método
de Huber [1982], e
E
1
e E
2
, pelo método proposto por Sumner et al. [1984]. De acordo com
Sumner
et al. [1984] o equivalente veicular para uma classe de caminhão é calculado apenas
pelo impacto marginal da substituição de certo número de carros pelo veículo tipo
S na
corrente. Com isso, o equivalente é subestimado porque o impacto marginal diminui com o
aumento da proporção do veículo-tipo na corrente [St John, 1976]. Portanto, se houver
interação entre os dois tipos de caminhões, deve-se alocar esse efeito entre os caminhões ao
invés de alocar em um único tipo. Para reduzir esse problema os autores propuseram o cálculo
de um equivalente médio para todos os caminhões:
11
1
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅=
∑
S
b
i
i
m
q
q
p
E
(3.26)
Demarchi e Setti [2003] concluíram que a obtenção do
E
m
também implica em erros,
porém menores que os outros (
e
1
, e
2
, E
1
e E
2
). Entretanto, esse método é aplicado para uma
composição fixa de caminhões e somente o percentual total (
Σp
i
) é variável.
Ingle [2004] aplicou o método desenvolvido por Demarchi e Setti [2003], utilizando a
39
densidade como medida de equivalência, para determinar o efeito de variáveis de tráfego no
valor do equivalente. Ingle utilizou o INTEGRATION e simulou o efeito das condições do
pavimento (fator de atrito), do limite de velocidade para os caminhões, da declividade da
rampa, da potência dos caminhões, da proporção de caminhões e do nível de congestiona-
mento. Seus resultados mostraram que a relação massa/potência tem grande efeito no valor do
E
T
e que os valores de equivalentes deveriam se especificados para até 60% de caminhões.
Outro resultado observado foi que o limite de velocidade diferenciado para caminhões
acarretou um aumento de 33% no valor do
E
T
, para fluxos de tráfego com 5% de caminhões.
Ingle verificou que a simplificação de uma única classe de caminhão é válida para cálculo do
equivalente.
3.3. CONSIDERAÇÕES FINAIS
Neste capítulo, foram concluídas duas etapas do método de pesquisa. A primeira foi
apresentar a revisão bibliográfica que estabeleceu o conceito de equivalente veicular para
análise de operação de rodovias e tratar dos métodos de cálculo do fator de equivalência
usados em rodovias de pista dupla e em auto-estradas. A segunda etapa foi, a partir da análise
dos métodos apresentado no item 3.2, definir a medida de impedância a ser usada como
critério de equivalência e o método de cálculo do fator de equivalência a ser utilizado nesta
pesquisa, como descrito a seguir:
3.3.1. Variável escolhida para o critério de equivalência
A velocidade média dos automóveis foi escolhida como a medida de desempenho para
cálculo do equivalente para caminhões. O próprio HCM-2000 recomenda que auto-estradas
(
freeways) e rodovias de pista dupla sejam caracterizadas por uma destas três medidas de
desempenho: densidade, velocidade dos automóveis ou relação volume/capacidade. Brilon e
Bressler [2004] justificam que a velocidade média dos automóveis reflete o comportamento
40
dos motoristas devido à presença de caminhões na corrente de tráfego. Elefteriadou
et
al
. [1997] reforçam que a velocidade é a medida experimentada diretamente pelos motoristas
e fornece um retrato claro de como a rodovia está operando.
3.3.2. Método de cálculo do equivalente veicular
Entre os métodos de cálculo de equivalente, optou-se por utilizar o método do
equivalente médio. Segundo Demarchi e Setti [2003], os valores dos equivalentes veiculares
determinados por este método apresentam erros menores do que os do método de Huber
[1982] e de Sumner
et al. [1984]. Além disso, neste método, pode ser considerada qualquer
relação fluxo-impedância. O método do equivalente médio é composto de quatro etapas:
I. Determinar a curva fluxo-impedância para o fluxo básico, composto apenas por carros
de passeio, variando as taxas de fluxo;
II. Determinar a curva fluxo-impedância para a corrente mista, composta por uma
porcentagem total
p de caminhões e (1-p) de automóveis;
III. Determinar, para uma mesma impedância, o fluxo básico
q
b
e o fluxo misto q
m
;
IV. Calcular o equivalente veicular
E
T
pela seguinte equação:
11
1
+
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−⋅=
m
b
T
q
q
p
E
As curvas fluxo-impedância serão obtidas através de modelo de simulação de tráfego
calibrado para as condições observadas em rodovias paulistas de pista dupla. Assim, o
capítulo a seguir descreve o modelo de simulação escolhido para esta pesquisa de mestrado, o
CORSIM.
41
4
4
.
.
M
M
O
O
D
D
E
E
L
L
O
O
D
D
E
E
S
S
I
I
M
M
U
U
L
L
A
A
Ç
Ç
Ã
Ã
O
O
D
D
E
E
T
T
R
R
Á
Á
F
F
E
E
G
G
O
O
Modelos de simulação de tráfego são ferramentas extremamente eficientes e poderosas para a
análise operacional de correntes de tráfego. A principal vantagem de seu uso é oferecer ao
usuário a oportunidade de avaliar estratégias alternativas no sistema de transportes sem
interferência no tráfego real [Demarchi, 2000; Kim e Rillet, 2001]. Os simuladores têm
desempenhado importante papel no desenvolvimento do HCM desde a edição de 1985 [Egami
et al., 2004] e, recentemente, sua importância tem aumentado com a utilização em Sistemas
Inteligentes de Transportes (ITS) [Roess e Ulerio, 1997; Owen
et al., 2000].
O uso de simulação requer do usuário conhecimento das limitações do modelo e,
principalmente, das teorias de fluxo de tráfego [Halati
et al., 1997]. Assim, o objetivo deste
capítulo é apresentar os principais elementos do modelo CORSIM, escolhido para realizar as
simulações desta pesquisa. A sua escolha se deu em função da disponibilidade de uma versão
do
software com a lógica de car-following calibrada para as condições das rodovias paulistas
e por ter sido utilizado na elaboração do HCM-2000 [TRB, 2000].
4.1. O CORSIM
O CORSIM (CORridor traffic SIMulation model), desenvolvido na década de 70 pelo
Federal Highway Administration (FHWA) nos EUA, consiste em um conjunto integrado de
dois modelos microscópicos de simulação que representam o comportamento do tráfego em
função do tempo [FHWA, 2001]. Os dois modelos são o NETSIM (
NETwork SIMulation),
utilizado para simular vias arteriais urbanas, e o FRESIM (
FREeway SIMulation), utilizado
para simular
freeways e rodovias.
Como modelo microscópico, o CORSIM descreve o comportamento da corrente de
42
tráfego a partir das respostas individuais de cada veículo. O modelo também é estocástico,
pois atribui características aleatórias aos motoristas, aos veículos e aos processos de tomada
de decisão, permitindo uma representação mais realista da corrente de tráfego simulada
[FHWA, 2001]. As características atribuídas aos motoristas definem seu comportamento
(passivo ou agressivo) e as aplicadas aos veículos caracterizam seu desempenho (aceleração e
velocidade) [Halati
et al., 1997].
O CORSIM é um dos modelos mais utilizados pela comunidade científica e profissio-
nal, devido à sua capacidade de simular sistemas combinados de vias arteriais e vias expressas
(
freeways), condições saturadas de fluxo, além de diferentes tipos de controle de interseção,
geometria de via e variedade de condições do tráfego [Schultz e Rillet, 2004; Araújo, 2007].
Além disso, possui uma interface amigável com o usuário e, principalmente, é capaz de
produzir uma apresentação visual de alta qualidade da simulação [Owen
et al., 2000; Milam e
Choa, 2002], como mostra a Figura 4.1.
Figura 4.1: Representação gráfica detalhada de um trecho de rodovia simulada no CORSIM
O ponto forte deste simulador é a interface com o usuário, implementada em ambiente
Windows, através do TSIS (Traffic Software Integrated System). O pacote TSIS inclui, além
43
do simulador CORSIM, o pós-processador gráfico TRAFVU (
TRAF Visualization Utility),
através do qual é possível visualizar a animação da rede simulada, como ilustra a Figura 4.1; o
TRAFED, que permite ao usuário criar rapidamente a rede de tráfego desenhando-a direta-
mente no ambiente gráfico e ajustar as características de cada um dos elementos criados a
partir da sua seleção; e o TRANSLATOR que converte o arquivo de simulação do CORSIM
(extensão TRF) no arquivo gráfico do TRAFED (extensão TNO) e vice-versa. A Figura 4.2
ilustra uma rede criada no editor gráfico TRAFED.
Figura 4.2: Ilustração do editor gráfico TRAFED do CORSIM
Como se observa na Figura 4.2, o CORSIM é baseado em um modelo de rede com nós
e tramos (
links). Os nós representam pontos onde ocorrem quaisquer mudanças nas
características da via, tais como interseções e acessos, redução ou aumento no número de
faixas ou alteração da magnitude do greide. Os tramos promovem a ligação entre os nós e
representam a via por onde trafegam os veículos [Bloomberg e Dale, 2000]. Após a criação da
rede, o arquivo gráfico (TNO) é convertido em arquivo de simulação TRF.
Para execução da simulação, é necessário o arquivo TRF. Este arquivo é composto dos
dados de entrada especificados em
Record Type (RT). Cada RT trata de parte do conjunto de
entradas necessários à simulação. Alguns RTs são obrigatórios, como o de demanda de
44
tráfego e das características das vias, enquanto outros são opcionais, como os que armazenam
os parâmetros de comportamento dos motoristas e desempenho veicular, ou específicos para o
FRESIM ou o NETSIM.
Após a simulação do arquivo TRF, três arquivos são gerados: TSD, TID e OUT. O
arquivo binário TSD (
Time Step Data) descreve o estado dos veículos, incidentes e semáforos
a cada unidade mínima de tempo de processamento do CORSIM – um segundo – durante toda
a simulação. O Apêndice B descreve em detalhes o arquivo TSD. O arquivo binário TID
(
Time Interval Data) relata as medidas de desempenho (measure of effectiveness – MOE) em
cada tramo da rede a intervalos de tempo predefinidos. O TID traz estatísticas detalhadas de
61 medidas de desempenho da corrente de tráfego como, por exemplo, fila média, número de
paradas, consumo de combustível e emissão de poluentes dos veículos. Por fim, o arquivo
texto OUT apresenta, em intervalos de tempo predefinidos, o relatório global com dez princi-
pais medidas de desempenho por faixa de tráfego de cada tramo, tais como: fluxo, densidade e
velocidade média.
A versão utilizada neste trabalho foi a TSIS v. 5.1. Como as simulações desta pesquisa
se referem à rodovia, o componente utilizado foi o FRESIM. No entanto, no decorrer deste
trabalho o termo CORSIM faz alusão ao FRESIM. A seguir, são descritas as lógicas
fundamentais do simulador e os parâmetros disponíveis para sua calibração.
4.1.1. Lógica de geração dos veículos
O CORSIM permite que os veículos sejam gerados com headways distribuídos de
forma determinística ou estocástica. Na distribuição determinística, o
headway entre veículos
t (em segundos) é uniforme, definido em função da demanda de tráfego q (em veíc/h.faixa):
q
t
3600
= (4.1)
Na forma estocástica, os
headways podem seguir função de distribuição normal ou de
45
Erlang. A distribuição normal é expressa na Equação 4.2, enquanto a distribuição de Erlang é
apresentada na Equação 4.3.
2
2
1
2
1
)(
⎟
⎠
⎞
⎜
⎝
⎛
−
⋅−
⋅
⋅⋅
=
σ
µ
πσ
t
etf (4.2)
em que:
f(t) : função densidade de probabilidade para os headways;
µ
: média dos headways (s);
σ
: desvio padrão dos headways; e
t
: headways (s).
tqaa
a
et
a
aq
tf
⋅⋅−−
⋅⋅
−
⋅
=
1
)!1(
)(
)(
(4.3)
em que:
f(t) : função densidade de probabilidade para os headways;
q : fluxo de tráfego médio por faixa (veíc/h.faixa);
a
: grau de aleatoriedade para a distribuição, variando de 1 (totalmente
aleatório) a
∞ (totalmente uniforme); e
t
: headways (s).
Um caso especial da distribuição de
Erlang é quando temos a = 1, conhecida como
exponencial negativa [FHWA, 2001], expressa por:
tq
eqtf
⋅−
⋅=)( (4.4)
A escolha do modelo de geração dos veículos é feita no RT02 (
Run Control) no campo
8. Os códigos usados neste campo são: 0 para distribuição determinística, 1 para distribuição
normal e 2 para a de
Erlang. No campo 9 do arquivo RT02, é possível especificar o valor do
grau de aleatoriedade
a, quando a distribuição de Erlang for escolhida.
4.1.2. Lógica de locomoção veicular
O CORSIM modela o movimento dos veículos na rede a partir de algoritmos
matemáticos que descrevem o comportamento dos motoristas ao tráfego e o desempenho
veicular [Roess e Ulerio, 1997]. As lógicas de
car-following e mudança de faixa levam em
consideração as respostas dos motoristas ao tráfego a sua volta que, por sua vez, depende das
46
limitações do desempenho veicular. A partir dessas três principais lógicas de locomoção, o
modelo microscópico atualiza posição, velocidade e aceleração dos veículos a cada segundo.
4.1.2.1. Lógica de car-following
O modelo utiliza a lógica de car-following de Pitt, desenvolvida na Universidade de
Pittsburgh [Halati
et al., 1997]. A Figura 4.3 ilustra o conceito desta lógica que considera a
interação entre dois veículos em uma mesma faixa de tráfego.
Figura 4.3: Ilustração da lógica de car-following
Esta lógica usa o espaçamento e a diferença de velocidade entre os veículos (líder e
seguidor) como variáveis independentes. A premissa básica é que o veículo seguidor procura
manter uma distância segura do veículo líder [Halati
et al., 1997; Roess e Ulerio, 1997]:
2
11
uPbuPPLh
ii
∆⋅⋅+⋅++= (4.5)
em que:
h : espaçamento, distância entre pára-choques dianteiros dos veículos [ft];
L : comprimento do veículo líder [ft];
P
11
: constante de Pitt [ft];
P
i
: fator de sensibilidade do motorista (P
1
a P
10
) para o veículo seguidor [s];
u
: velocidade do veículo seguidor [ft/s];
b
: constante de calibração (b = 0,1 se ∆u < 0; senão b = 0) [s/ft]; e
∆
u
: diferença de velocidade entre os veículos líder e seguidor [ft/s].
O primeiro termo da equação considera o comprimento do veículo líder. O segundo
termo, a constante de Pitt, considera a separação mínima entre veículos, variando de 3 ft a
10 ft. O terceiro termo da equação define o comportamento do motorista, de acordo com o
fator de sensibilidade. O último termo permite representar o comportamento dos motoristas
devido à aproximação dos veículos, baseado em estudos empíricos [Schultz e Rillet, 2004].
47
Este termo só é considerado na Equação 4.5 quando a velocidade do veículo seguidor é maior
do que a velocidade do veículo líder, caso contrário este termo é nulo (
b = 0).
A lógica de
car-following procura descrever o comportamento diferente de motorista
para motorista. Para isso, o CORSIM disponibiliza dez tipos de motoristas especificados pelo
fator de sensibilidade de
car-following (P
i
). Os fatores são distribuídos de forma discreta entre
1,25 s (motorista passivo) e 0,35 s (motorista agressivo) e os outros oito fatores linearmente
distribuídos em intervalos de 0,10 s. O CORSIM atribui o fator de sensibilidade do motorista
ao gerar o veículo na rede, que permanece constante até o final da simulação. Cheu
et
al
. [1998] sugerem que o ideal seria um fator que variasse ao longo da simulação, pois os
motoristas têm reações diferentes no decorrer do tempo.
Quando o
gap é insuficiente para manter um espaçamento que evite uma colisão, o
veículo seguidor desacelera até alcançar uma distância segura. Usando-se a Equação 4.5, a
aceleração do veículo seguidor é calculada por:
(
)
()
tPt
uPbtPuPLyx
a
i
ii
∆⋅⋅+∆
∆⋅⋅−∆+⋅−−−−⋅
=
2
2
2
2
11
(4.6)
sendo:
x : posição do veículo líder;
y : posição do veículo seguidor; e
∆t
: incremento de tempo (1 s).
A aceleração do veículo seguidor depende do comportamento do veículo líder, que é
dado em função das condições geométricas da via (rampas, curvas e adição/redução de faixas
de tráfego), analisada a distância de 500 ft (152 m) à frente do veículo líder [Roess e
Ulerio, 1997]. Cabe lembrar que a aceleração do veículo seguidor, determinada pela lógica de
car-following (Equação 4.6), é também ajustada de acordo com as limitações de desempenho
do veículo e, em casos de emergência – como para evitar uma colisão –, pode ser substituída
pela máxima desaceleração emergencial, assegurando uma parada segura atrás do veículo
líder [Roess e Ulerio, 1997].
48
4.1.2.2. Lógica de mudança de faixa
A lógica de mudança de faixa avalia a risco aceitável pelo motorista que pretende
mudar de faixa, usando critérios de avaliação e aceitação de
gap. A avaliação do gap refere-se
ao processo de verificar a distância disponível entre o veículo que deseja mudar de faixa com
relação aos veículos que trafegam na faixa desejada: o
lead gap, em relação ao veículo líder, e
o
trailing gap, em relação ao veículo seguidor, como mostra a Figura 4.4.
Figura 4.4: Ilustração da lógica de mudança de faixa
O lead gap é avaliado em termos da desaceleração necessária pelo veículo que realiza
a mudança de faixa para manter uma distância segura do veículo líder. O
trailing gap é
avaliado em termos da desaceleração necessária para o veículo seguidor manter uma posição
segura com relação ao veículo que mudou de faixa [Halati
et al., 1997].
A aceitação do
gap ocorre quando o lead gap e o trailing gap são suficientes para se
realizar a manobra ao comparar com o risco aceitável pelo motorista. O risco depende do tipo
de mudança de faixa [Halati
et al., 1997; Roess e Ulerio, 1997]:
Obrigatória (Mandatory Lane Changing) – o motorista aceita um alto risco para a
mudança de faixa, porém sempre limitado pelo desempenho veicular. Geralmente,
ocorre em condições em que uma faixa de tráfego foi removida ou bloqueada ou
quando o veículo pretende sair da rede, mas encontra-se em um faixa não favorável à
sua saída;
Arbitrária (Discretionary Lane Changing) – a mudança de faixa é realizada a fim
de se obter uma posição mais favorável (aumentar a velocidade) ou ultrapassar um
49
veículo lento;
Antecipatória (Anticipatory Lane Changing) – são mudanças de faixa realizadas
pelos veículos que estão na rede simulada quando há interferência de veículos que
entram na rede.
Esta lógica depende de fatores que quantificam o desejo e o risco do motorista em
mudar de faixa, como motivação, vantagem e urgência. Entretanto, não é o objetivo deste
trabalho detalhar os modelos matemáticos usados no modelo CORSIM, recomenda-se para o
leitor mais interessado consultar Wicks e Lieberman [1977], Halati
et al. [1997] e Roess e
Ulerio [1997].
4.1.2.3. Lógica de desempenho veicular
Esta lógica descreve o desempenho dos veículos. O CORSIM disponibiliza nove tipos
diferentes de veículos, os quais são agrupados em quatro grupos, como mostra a Tabela 4.1. O
grupo
carpool representa os automóveis com alta ocupação de passageiros, que podem usar
faixas reservadas para
carpool em vias expressas.
Tabela 4.1: Categorias de veículos do CORSIM
Grupo
ID do
veículo
Tipo de veículo
1 Baixo desempenho
Automóveis
2 Alto desempenho
3 Leves
4 Médios
5 Pesado
Caminhões
6 Extrapesados
Ônibus 7 Convencional
8 Baixo desempenho
Carpool
9 Alto desempenho
A formulação matemática desta lógica não é descrita no manual do CORSIM.
Segundo Roess e Ulerio [1997], visto que o CORSIM segue seu antecessor INTRANS, a
maioria das considerações do desempenho veicular é derivada do estudo de St. John e
Kobett [1978], que caracterizaram os veículos típicos americanos pela aceleração máxima em
50
função da velocidade.
Os parâmetros de desempenho veicular do modelo são inseridos no
Record Type
RT173 (
Maximum Acceleration Table). Este arquivo contém valores de acelerações máximas
para intervalos fixos de velocidades entre 0 ft/s a 110 ft/s (120 km/h), para valores intermédia-
rios de velocidades as acelerações são linearmente interpoladas [FHWA, 2001]. A Figura 4.5
apresenta as acelerações
default para as quatro categorias de caminhões do CORSIM.
-1
0
1
2
3
4
5
6
0 102030405060708090100110
Velocidade (ft/s)
Aceleração (ft/s²)
Leves
Médios
Pesados
Extrapesados
Figura 4.5: Valores default dos parâmetros de aceleração para caminhões no CORSIM
Observa-se que o modelo de desempenho é simplificado e utiliza uma relação linear da
acelaração em função da velocidade, como apresentado em St. John e Kobett [1978],
Fancher [1983] e Bester [2000]. Os simuladores mais antigos possuem modelos matemáticos
simples inseridos em seu algoritmo. Como exemplo, o INTEGRATION possuía essa mesma
lógica de desempenho veicular antes da implementação do novo modelo, mais detalhado,
baseado nas forças de resistência e a potência dos veículos [Demarchi, 2000].
4.2. PARÂMETROS DE CALIBRAÇÃO DO CORSIM
O CORSIM permite que os valores dos parâmetros que definem o comportamento dos
motoristas e dos veículos sejam ajustados para melhor representação do tráfego local [Roess e
Ulerio, 1997]. Esses parâmetros são armazenados em arquivos RTs opcionais.
Os parâmetros dos motoristas descrevem o seu comportamento perante o tráfego
através das lógicas de
car-following e de mudança de faixa. A Tabela 4.2 descreve os
51
parâmetros disponíveis para ajuste, o número do arquivo e o campo onde são armazenados.
Tabela 4.2: Parâmetros ajustáveis para o comportamento dos motoristas
Arquivo Campo Descrição
RT68 1-10 Fator de sensibilidade para o car-following de cada motorista: do tipo 1 ao 10
RT68 11 Constante de Pitt para o car-following
RT69 5 Tempo de reação para acelerar
RT69 6 Tempo de reação para desacelerar
RT70 1 Tempo para completar uma mudança de faixa
RT70 2 Tempo mínimo para geração de veículos
RT70 3 Aceitação de gap para mudança de faixa do tipo obrigatória
RT70 4
Porcentagem de motoristas que cedem o direito de passagem para veículos
mudando de faixa
RT70 5 Multiplicador para o desejo de realizar uma mudança de faixa arbitrária
RT70 6 Valor limite do benefício para realizar uma mudança de faixa arbitrária
RT70 17 Desaceleração máxima do veículo líder percebida pelo seu seguidor
RT147 1-10 Porcentagem da velocidade de fluxo livre para cada motorista
O conjunto de parâmetros do arquivo RT147 (
Free-Flow Speed Percentages) reflete o
comportamento dos motoristas quanto à velocidade em condições de fluxo livre. Cada moto-
rista apresenta comportamento diferente na condução do veículo e, além dos fatores de sensi-
bilidade de
car-following, o CORSIM permite certo grau de variabilidade na velocidade.
A velocidade dos veículos é atribuída ao entrar em cada tramo, de acordo com a velo-
cidade de fluxo livre (FFS) do tramo predefinida no arquivo de simulação. Ao entrar na rede,
em condições de fluxo livre, a velocidade dos veículos é igual ao produto da FFS do tramo
pela porcentagem do tipo de motorista. Os valores
default do modelo para a variabilidade da
velocidade variam de 88% da FFS (motorista menos agressivo) a 112% (motorista mais
agressivo), como mostra a Tabela 4.3.
Tabela 4.3: Variabilidade da velocidade de fluxo livre (FFS) para cada motorista do CORSIM
Tipo de
motorista
1 2 3 4 5 6 7 8 9 10
Porcentagem da
velocidade de
fluxo livre (FFS)
88 91 94 97 99 101 103 106 109 112
Os parâmetros dos veículos descrevem suas características operacionais como desem-
penho, comprimento e ocupação de passageiros, conforme apresentados na Tabela 4.4, dividi-
dos pelo número do arquivo e o campo de preenchimento.
52
Tabela 4.4: Parâmetros ajustáveis dos veículos
Arquivo Campo Descrição
RT70 7-15 Máxima desaceleração não-emergencial para cada tipo de veículo (1-9)
RT71 2 Comprimento do veículo
RT71 3 Taxa de desaceleração [ft/s³]
RT71 10 Ocupação média de passageiros
RT173 4-15 Aceleração máxima para cada velocidade (0 ft/s a 110 ft/s)
4.3. CONSIDERAÇÕES FINAIS
Este capítulo descreveu brevemente os principais elementos do modelo de simulação
CORSIM e as lógicas internas que regem a locomoção dos veículos. Ao final deste capítulo,
foram apresentados os parâmetros ajustáveis do modelo para melhor representação das
condições locais. A calibração do CORSIM está descrita em detalhes no Capítulo 7.
A seguir, é apresentada a caracterização do fluxo de tráfego em rodovias paulistas de
pista dupla para compor os dados de entrada da simulação.
53
5
5
.
.
C
C
A
A
R
R
A
A
C
C
T
T
E
E
R
R
I
I
Z
Z
A
A
Ç
Ç
Ã
Ã
O
O
D
D
O
O
T
T
R
R
Á
Á
F
F
E
E
G
G
O
O
D
D
E
E
V
V
E
E
Í
Í
C
C
U
U
L
L
O
O
S
S
P
P
E
E
S
S
A
A
D
D
O
O
S
S
E
E
M
M
R
R
O
O
D
D
O
O
V
V
I
I
A
A
S
S
P
P
A
A
U
U
L
L
I
I
S
S
T
T
A
A
S
S
D
D
E
E
P
P
I
I
S
S
T
T
A
A
D
D
U
U
P
P
L
L
A
A
No estado de São Paulo, parte relevante da malha rodoviária é operada por concessionárias
privadas, das quais uma concessão federal e doze estaduais. Segundo dados da Secretaria dos
Transportes do Estado de São Paulo [2005], a malha rodoviária sob regime de concessão
representa mais de 4,2 mil km de extensão (20% da malha estadual) e é responsável por cerca
de 50% do volume de tráfego total do estado, em veíc.km. Desta malha concedida, 64% são
rodovias de pista dupla.
Vários trechos das rodovias de pista dupla apresentam elevado fluxo de tráfego com
volume significativo de caminhões. A presença de caminhões no tráfego, aliada à topografia
tipicamente ondulada em boa parte do relevo paulista, ocasiona grande interação entre
caminhões e automóveis, reduzindo a velocidade operacional e, conseqüentemente, reduzindo
a capacidade e a qualidade de operação da rodovia [Demarchi, 2000].
Para que o impacto dos caminhões na operação das rodovias possa ser devidamente
avaliado, devem ser realizados estudos para determinar a participação desses veículos no
tráfego. No passado, as informações do tráfego veicular, geralmente, eram limitadas a bases
de dados agregados [Demarchi, 2000], como os dados de volume diário médio (VDM)
compilados pelo DER [DER-SP, 2005] ou a distribuição modal da matriz de transporte de
carga [CNT, 2005]. Hoje, com o investimento das concessionárias em novas tecnologias de
operação, as Centrais de Controle Operacional (CCO) constantemente monitoram o tráfego
nas rodovias, através de câmeras e sensores, possibilitando a obtenção de dados do tráfego
mais desagregados sem a necessidade de coletas manuais, porém os dados são limitados aos
locais onde os sensores estão instalados.
54
O objetivo deste capítulo é caracterizar o fluxo de tráfego de caminhões em rodovias
paulistas de pista dupla em um dia útil típico, através da análise dos relatórios de contagens de
tráfego em diversas praças de pedágio, próximas à capital e no interior do estado.
5.1. COLETA DE DADOS
Os dados foram obtidos através da ARTESP, que forneceu o banco de dados de 2005
das contagens horárias de tráfego em praças de pedágio de todo o estado de São Paulo. No
total são mais de 200 planilhas eletrônicas, que foram organizadas e separadas por rodovia e
por praça de pedágio através de macros, criadas pelo autor, de modo a facilitar o acesso às
informações.
Figura 5.1: Rodovias selecionadas para o estudo no estado de São Paulo
Das rodovias de pista dupla disponíveis no banco de dados, três foram selecionadas
para este estudo (Figura 5.1), pois algumas apresentam operação de tráfego diferenciada em
dias de tráfego intenso, como no corredor Anchieta-Imigrantes. As rodovias selecionadas
55
ligam a capital às regiões Norte e Noroeste do estado: rodovia Washington Luiz (SP-310), via
Anhangüera (SP-330) e rodovia dos Bandeirantes (SP-348).
As rodovias SP-310 e SP-330 possuem limite de velocidade para automóveis de
110 km/h, acesso não controlado e, próximos às cidades, trechos com restrição da velocidade
a 90 km/h. Ambas possuem duas faixas de tráfego por sentido em toda a extensão, porém
alguns trechos com faixas adicionais. A rodovia SP-348 possui três faixas por sentido de
tráfego até Piracicaba (com a quarta faixa em implantação próximo à capital), limite de
velocidade dos automóveis de 120 km/h e acessos controlados.
Foram analisadas 17 praças de pedágios para as três rodovias. A Figura 5.2 ilustra os
locais e os marcos quilométricos de cada praça. Na SP-310, as praças localizadas no km 181,
pista Sul, e no km 217, pista Norte, foram agrupadas para gerar dados de volume de tráfego
bidirecional, como nas demais praças de pedágio.
Figura 5.2: Ilustração das praças de pedágio estudadas
5.2. METODOLOGIA PARA ANÁLISE DO TRÁFEGO VEICULAR
Na análise operacional de rodovias, foram considerados dois parâmetros que definem
o comportamento do tráfego: o fluxo e a composição veicular do tráfego. A importância
56
desses parâmetros se deve, principalmente, à sua variação dentro da hora, do dia, da semana,
do mês e do ano, além de, no mesmo local, variar entre faixas de tráfego [TRB, 2000;
DNIT, 2006]. A análise dessas variações reflete a atividade econômica e social da região aten-
dida pela via, assim como o tipo de rodovia. As Figuras 5.3, 5.4 e 5.5 ilustram a variação do
volume e da composição do tráfego entre as praças de pedágio para as rodovias selecionadas.
32%
25%
36%
36%
0
2.000
4.000
6.000
8.000
10.000
12.000
14.000
16.000
18.000
km 181 km 282 km 346 km 398
Marco quilométrico
Volume diário médio anual
(veíc/dia)
Caminhões
Automóveis
Figura 5.3: Volume diário médio anual na SP-310
42%
36%
32%
45%
41%
46%
32%
24%
26%
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
km 26 km 82 km 118 km 152 km 168 km 215 km 281 km 350 km 405
Marco quilométrico
Volume diário médio anual
(veíc/dia)
Caminhões
Automóveis
Figura 5.4: Volume diário médio anual na SP-330
20%
17%
23%
29%
0
10.000
20.000
30.000
40.000
50.000
60.000
70.000
80.000
90.000
100.000
km 36 km 77 km 115 km 159
Marco quilométrico
Volume diário médio anual
(veíc/dia)
Caminhões
Automóveis
Figura 5.5: Volume diário médio anual na SP-348
São Paulo Limeira
Divisa
SP/MG
São Paulo
Limeira São José do
Rio Preto
57
Observa-se que o volume diário médio anual (VDMA) é mais intenso nas praças de
pedágio mais próximas à capital (SP-330 e SP-348) e que reduz à medida que as praças ficam
mais distantes de São Paulo. A porcentagem média de caminhões no tráfego apresentou os
maiores valores nessas praças (até 46%). No entanto, o VDMA é uma medida bastante agre-
gada, pois consiste na média dos volumes diários observados em um ano inteiro incluindo-se
todas as variações horárias e os dias atípicos, com fluxo intenso de veículos.
Outra forma de caracterização do tráfego veicular é a partir do volume observado na
i-
ésima hora mais carregada do ano, obtida através da ordenação decrescente dos volumes
horários observados. Segundo o HCM-2000, o fluxo de tráfego estimado para o planejamento,
o projeto e a operação de rodovias deve fornecer um nível de serviço adequado para várias
horas do ano e apresentar viabilidade econômica. A prática recente dos EUA considera o
volume horário entre a 30
a
e a 100
a
horas mais congestionadas do ano [TRB, 2000]. Já no
Brasil, os valores para o projeto e a operação de rodovias estão entre a 30
a
e a 50
a
horas mais
congestionadas [DNIT, 2006].
As Figura 5.6 e Figura 5.7 apresentam o volume e a porcentagem de caminhões
observados para as 1.000 horas mais carregadas de 2005 em duas praças de pedágio na SP-
330, uma localizada próxima à capital, no km 26, e outra no interior do estado, no km 405.
SP-330 km26
0
1.000
2.000
3.000
4.000
5.000
6.000
1 101 201 301 401 501 601 701 801 901
Hora mais carregada
Fluxo horário (veic/h)
0%
10%
20%
30%
40%
50%
60%
Porcentagem de caminhões
Fluxo
% caminhões
Figura 5.6: Volume de tráfego nas 1.000h mais carregadas na capital, SP-330 km 26
58
SP-330 km405
0
200
400
600
800
1.000
1.200
1 101 201 301 401 501 601 701 801 901
Hora mais carregada
Fluxo horário (veic/h)
0%
10%
20%
30%
40%
50%
60%
Porcentagem de caminhões
Fluxo
% caminhões
Figura 5.7: Volume de tráfego nas 1.000h mais carregadas no interior, SP-300 km 405
Para a 50
a
hora, os volumes observados na SP-330 foram 2.029 veíc/h para o km 26 e
451 veíc/h para o km 405, enquanto a porcentagem de caminhões variou de 3% a 25% no
km 26 e de 5% a 27% para o km 405. Constatou-se que, para as 50 horas mais carregadas do
ano, os fluxos de tráfego observados ocorreram em feriados, como a Páscoa e o Ano Novo,
quando há aumento significativo de automóveis. De modo geral, observa-se que, para as
1.000 horas mais carregadas do ano, a variação da porcentagem de caminhões é menor nas
praças de pedágio localizadas mais próximas da capital, comparado com as localizadas no
interior. Na praça de pedágio mais próxima à capital (Figura 5.6) esta variação foi de 3% a
33%, enquanto na praça mais afastada (Figura 5.7), a variação foi de 5% a 53% de caminhões.
A análise do comportamento do tráfego a partir do VDMA ou do volume de tráfego na
i-ésima hora mais congestionada mostrou-se ineficiente para os propósitos de caracterizar o
fluxo de caminhões tipicamente observado nas rodovias. Por isso, o item 5.2.1 apresenta um
método para determinar fluxos de tráfego em dias úteis típicos, sem a influência dos feriados.
5.2.1. Determinação do fluxo de tráfego em um dia útil típico
O processo proposto para determinação do dia útil típico considera a média dos dias
úteis, sem a interferência de feriados ou datas festivas que, via de regra, alteram o tráfego
59
veicular. Essa análise permite avaliar, em princípio, o que ocorre na maior parte do tempo nas
rodovias. No Brasil, Gomes [2004] utilizou critério semelhante para determinar o volume de
tráfego em uma semana típica no sistema Anhangüera-Bandeirantes. O critério utilizado por
Gomes foi eliminar apenas os feriados e os dias em que os sensores de contagem veicular
falharam. A seguir é apresentado o método proposto para definir o dia útil típico.
5.2.1.1. Critérios para definir o dia útil típico
A definição proposta do dia útil típico baseia-se em três critérios criados com base em
dados de tráfego dos anos de 1999 a 2005. Os dados de 1999 a 2004 representam contagens
de alguns meses do ano fornecidos por cinco concessionárias do estado, enquanto que os
dados de 2005 foram a base de dados disponibilizada pela ARTESP.
A primeira etapa consiste em definir os feriados do ano que devem ser eliminados do
banco de dados por causarem maior variação no fluxo de tráfego. Assim, foram definidos os
feriados nacionais e o feriado estadual de 9 de julho, como mostra a Tabela 5.1.
Tabela 5.1: Feriados considerados no ano de 2005
Mês Feriados em 2005
Janeiro 1 (Ano Novo)
Fevereiro 8 (terça de carnaval*)
Março 27 (Páscoa*)
Abril 21 (Tiradentes)
Maio
1 (Dia do Trabalho)
26 (Corpus Christi*)
Julho 9 (Revolução Constitucional)
Setembro 7 (Dia da Independência)
Outubro 12 (N.S. Aparecida)
Novembro
2 (Finados)
15 (Proclamação da República)
Dezembro
24-25 (Natal)
31 (Ano Novo)
* Feriado móvel
É importante ressaltar que existem feriados locais, festas religiosas e eventos culturais
que também alteram o fluxo veicular em cada região. Sua inclusão, porém, implicaria em
analisar cada local isoladamente. O propósito maior do método proposto é considerar as datas
60
mais significativas do ano de modo que possa ser aplicado em qualquer região.
A segunda etapa consiste em definir os demais dias da semana que são afetados por
cada feriado. Por exemplo, se um feriado ocorrer em uma quarta-feira, a terça-feira e a quinta-
feira também sofrem alteração significativa no fluxo de tráfego, de acordo com a análise feita
no banco de dados, e devem ser eliminados do banco de dados. A Tabela 5.2 apresenta o
critério utilizado para definir os dias afetados pelo feriado.
Tabela 5.2: Critério proposto para definir os dias afetados pelos feriados
Se o feriado
ocorrer no(a)...
Dias da semana eliminados
Domingo (dom) sáb – dom – seg
Segunda-feira (seg) sex – sáb – dom – seg – ter
Terça-feira (ter) sex – sáb – dom – seg – ter – qua
Quarta-feira (qua) ter – qua – qui
Quinta-feira (qui) qua – qui – sex – sáb – dom
Sexta-feira (sex) qui – sex – sáb – dom
Sábado (sáb) sex – sáb – dom
A aplicação dessas duas etapas fornece dias do ano em que a interferência dos feria-
dos é mínima. Como exemplo, a Figura 5.8 apresenta os gráficos do volume de tráfego médio
para cada dia da semana, de segunda a domingo, na praça de pedágio da SP-330 no km 152.
Segunda-feira
49%
59%
68%74%
78%
73%
60%
45%
35%
35%
37%
40%
42%
43%
44%
44%
46%
45%
44%
46%
53%
59%
65%
66%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Terça-feira
70%
79%
84%
85%
86%
82%
71%
57%
45%
40%
43%
46%
47%
47%
48%
47%
47%
47%
45%
46%
53%
60%
66%
68%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Quarta-feira
72%
80%
84%
86%
87%
84%
74%
60%
47%
42%
43%
47%
48%
48%
47%
47%
47%
46%
44%
46%
52%
59%
64%
66%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Quinta-feira
71%
78%
82%
84%
85%
81%
71%
59%
46%
42%
43%
46%
46%
47%
46%
46%
46%
44%
43%
44%
49%
55%
61%
63%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
61
Sexta-feira
69%
76%
80%
83%
84%
80%
73%
60%
46%
42%
43%
46%
44%44%
42%
41%
40%
38%
36%36%
37%
41%
47%
50%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Sábado
54%
62%
66%
71%
73%
70%
63%
53%
43%
38%
35%
35%
34%
35%
37%
37%37%
36%
34%
33%
35%
37%
41%
42%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Domingo
44%
43%
47%
48%
51%
50%
50%
47%
43%
39%
34%
32%
29%
26%
28%
28%
25%
23%
22%
24%
27%
31%
36%
43%
0
200
400
600
800
1.000
1.200
1.400
0:00
2:00
4:00
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
HORA
Fluxo de tráfego (veíc/h)
Caminhões
Automóveis
Figura 5.8: Fluxo de tráfego para cada dia da semana na SP-330 km152
Analisando-se o fluxo de tráfego médio em cada dia da semana, nota-se que as terças,
quartas e quintas-feiras apresentam comportamento do tráfego semelhante durante todo o dia,
o que não ocorre com os demais dias da semana. Assim, baseada nessa semelhança, a terceira
e última etapa foi determinar a média dos volumes horários somente nas terças-feiras, quartas-
feiras e quintas-feiras úteis do ano. Com isso, obteve-se o comportamento do tráfego em um
dia útil típico. As figuras a seguir ilustram o exemplo para duas praças de pedágio, uma
próxima à capital (Figura 5.9) e outra no interior (Figura 5.10). No Apêndice A, são apresen-
tados os dias úteis típicos para todas as 17 praças de pedágio analisadas nas três rodovias.
39%
50%
60%
69%
72%
70%
61%
39%
23%
19%
22%
26%
28%
28%
27%
26%
26%
25%
22%
23%
25%
27%
32%
35%
0
1.000
2.000
3.000
4.000
5.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veic/h)
Caminhões
Automóveis
Figura 5.9: Dia útil típico em uma praça próxima à capital: SP-348, km 36
62
78%
82%
85%
83%
78%
68%
57%
46%
41%
41%
43%
45%
45%
44%
43%
43%
44%
43%
45%
50%
57%
62%
65%
72%
0
200
400
600
800
1.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura 5.10: Dia útil típico em uma praça afastada da capital: SP-330, km 215
Observando-se o dia útil típico em cada praça de pedágio, nota-se que as maiores
participações dos caminhões no tráfego geralmente ocorrem nas noites e madrugadas, com
valores acima de 80% do tráfego por causa da redução do fluxo de automóveis e dos baixos
volumes observados. Entretanto, o tráfego de caminhões é mais intenso durante o dia,
principalmente no horário entre 7:00 e 20:00, como mostram a Figura 5.9 e a Figura 5.10.
Dessa forma, o impacto dos veículos pesados no tráfego é maior durante esse período do dia,
devido a maior interação entre automóveis e caminhões. Entre 7:00 e 20:00, a porcentagem de
caminhões observada variou de 17% a 57%. Logo, para a análise do impacto de veículos
pesados no tráfego, seria interessante considerar porcentagens de caminhões no tráfego de até
60%. Esta constatação questiona os valores de equivalente veicular para caminhões
apresentados no HCM-2000, que considera no máximo 25% de caminhões no tráfego e sugere
utilizar 10% de caminhões em rodovias rurais na falta de dados de campo.
Determinada a participação total dos caminhões no tráfego de rodovias paulistas de
pista dupla, a próxima etapa é conhecer quais as composições típicas de caminhões circulam
nas rodovias paulistas.
Nos pedágios, os caminhões são classificados pelo número de eixos em contato com o
pavimento, com uso de cinco categorias para classificação: 2 eixos, 3 eixos, 4 eixos, 5 eixos e
6 ou mais eixos. A Figura 5.11 apresenta a média da composição de caminhões utilizando a
63
classificação dos pedágios. As praças de pedágio localizadas no marco quilométrico inferior
ao km 100 foram definidas como “capital” e as demais como “interior”.
42%
29%
27%
31%
6%
10%
19%
22%
7%
8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
CAPITAL
INTERIOR
Figura 5.11: Comparação da média da composição de caminhões em praças de pedágio localizadas na
capital e no interior
Esta é uma classificação grosseira para análise da composição típica de caminhões no
tráfego, pois há caminhões que trafegam vazios e erguem um ou mais eixos para redução dos
custos com pedágio. Desse modo, a classificação adotada no pedágio pode não representar
fielmente as configurações de caminhões que realmente trafegam nas rodovias.
5.3. CONSIDERAÇÕES FINAIS
O método do dia útil típico apresentou o volume horário tipicamente observado em
rodovias paulistas de pista dupla. Observou-se que das 7:00 às 20:00 os caminhões causam
maior impacto no tráfego devido à maior interação com os automóveis. Nesse período, a
porcentagem de caminhões variou de 17% a 57%. Portanto, sugere-se que os equivalentes
veiculares para rodovias paulistas de pista dupla sejam calculados para porcentagens de
caminhões de até 60%, como observado por Ingle [2004].
A análise das composições de caminhões a partir dos dados das praças de pedágio
revelou-se ineficiente devido à classificação apresentada. Assim, o Capítulo 6 apresenta a
caracterização da frota de caminhões em rodovias paulistas a partir de dados de balanças.
64
65
6
6
.
.
C
C
A
A
R
R
A
A
C
C
T
T
E
E
R
R
I
I
Z
Z
A
A
Ç
Ç
Ã
Ã
O
O
D
D
A
A
F
F
R
R
O
O
T
T
A
A
D
D
E
E
C
C
A
A
M
M
I
I
N
N
H
H
Õ
Õ
E
E
S
S
E
E
M
M
R
R
O
O
D
D
O
O
V
V
I
I
A
A
S
S
D
D
O
O
E
E
S
S
T
T
A
A
D
D
O
O
D
D
E
E
S
S
Ã
Ã
O
O
P
P
A
A
U
U
L
L
O
O
O objetivo deste capítulo é quantificar e caracterizar os caminhões típicos que trafegam
atualmente nas rodovias do estado de São Paulo, quanto a sua parcela de participação na
composição do tráfego e, principalmente, a sua relação massa/potência a partir de dados
coletados em balanças rodoviárias.
6.1. DESEMPENHO DOS CAMINHÕES
A relação massa/potência está relacionada ao desempenho de veículos automotores e,
por isso, afeta diretamente a perda de velocidade dos caminhões em rampas ascendentes. O
grande interesse na caracterização da relação massa/potência dos caminhões brasileiros reside
no fato de esse parâmetro constituir um dos dados de entrada dos principais modelos de
simulação de tráfego, tais como TWOPAS, TRARR e INTEGRATION.
No Brasil, os primeiros esforços no sentido de determinar relações massa/potência
típicas para caminhões remontam à década de 1970, quando o DNER estimou a relação
massa/potência com base nos dados de potências nominais dos fabricantes e em testes
efetuados na BR-277, no Paraná [Kabbach, 1992]. Nesse estudo, foi verificado que os
veículos dotados de terceiro eixo representavam entre 40% e 60% da frota nacional. Além
disso, estimou-se a relação massa/potência de 180 kg/kW como representativa da frota
nacional de caminhões [DNER, 1979].
No início da década de 1990, com base em dados de massa bruta total e de potência
nominal publicados na Revista Transporte Moderno, Kabbach [1992] verificou que a relação
massa/potência de 180 kg/kW continuava a ser um valor representativo para a frota nacional
66
de caminhões. Contudo, como esse estudo não se baseou em dados obtidos em rodovias,
existe a possibilidade de a relação massa/potência obtida não reflitir o desempenho real dos
veículos da época [Melo, 2002].
Os estudos mais recentes que tratam da caracterização da relação massa/potência dos
caminhões brasileiros incluem os realizados por Demarchi [2000], com dados coletados entre
1997 e 1998 em balanças instaladas na Rodovia Anhangüera (SP-330); por Melo [2002], com
dados coletados em 2000, em balanças instaladas em uma rodovia de pista simples (SP-225);
e por Demarchi e Pierin [2001], com dados sobre caminhões canavieiros coletados em 1995
pelo DER-SP, com balanças móveis na região de Ribeirão Preto. Dos dois primeiros estudos,
o trabalho de Demarchi [2000] é o mais abrangente, pois apresenta 6.744 dados de pesagens.
6.1.1. Coleta de dados
Para determinação da relação massa/potência, foram obtidos dados sobre a massa e o
modelo dos caminhões em balanças rodoviárias, fixas e móveis, no estado de São Paulo. As
referidas balanças realizam pesagem dinâmica dos caminhões, com verificação da massa de
cada eixo isolado, como também da massa de grupos de eixos e da massa bruta total dos
veículos. Todas as coletas foram realizadas em dias úteis.
Durante as coletas, foram utilizadas duas câmeras de vídeo. A primeira câmera foi
instalada logo à frente do local de pesagem, registrando todos os caminhões que realizavam a
pesagem. Junto a esta câmera, um observador falava e anotava as características de cada
caminhão, como: marca, modelo, configuração de eixos, número de eixos erguidos e potência
nominal do motor – quando visível. A gravação da voz do observador permitiu obter os dados
que não foram possíveis serem anotados durante a coleta. A segunda câmera foi instalada na
via que dá acesso à balança com a finalidade de determinar o comprimento dos veículos
através de pontos demarcados no próprio local. Esses pontos foram marcados a cada 5 m de
distância, com uso de uma trena, durante os primeiros instantes da filmagem. Ao assistir a
67
filmagem, as distâncias pré-definidas foram marcadas no monitor para ser possível estimar o
comprimento de cada veículo. Cabe lembrar que algumas operadoras das balanças, no seu
relatório de pesagem, fornecem o comprimento do veículo obtido através de sensores. Ao
final da coleta, a operadora da balança forneceu o relatório das pesagens do dia.
No laboratório, foram consultados
websites e catálogos de cada marca de caminhão
para determinar a potência máxima nominal dos modelos observados. Os modelos de
caminhões que não foram identificados receberam a potência mais representativa da categoria
a que pertencem. Como estes caminhões foram inferiores a 3% da amostra em cada local de
coleta, admitiu-se que esta suposição não invalidaria o dado observado, dado o pequeno
número de caminhões não identificados [Archilla e de Cieza, 1996]. Obtidas a massa e a
potência nominal, foi determinada a relação massa/potência de cada caminhão.
6.1.1.1. Nomenclatura dos caminhões
Como a frota nacional de caminhões é bastante diversificada [Demarchi, 2000], foi
necessário adotar uma nomenclatura para distinguir as diversas configurações de caminhões.
Na literatura, cada trabalho apresenta uma denominação diferente, utilizando apenas números
ou uma combinação de letras e números. Todas as nomenclaturas são baseadas na configura-
ção de eixos do veículo.
Demarchi [2000] utilizou uma nomenclatura mais simples, apenas com números que
representam a quantidade de eixos e o sinal “+” para indicar veículo articulado. Widmer
[2004] apresentou uma nomenclatura mais estruturada, baseada na configuração dos eixos e
no tipo de engate entre as combinações de carga, representada por letras e números. Cada letra
representa um tipo de engate entre as unidades do veículo, enquanto os números, a quantidade
de eixos de cada unidade. O DNIT [2006] adotou uma nomenclatura utilizando três caracteres
(dois números e uma letra) para identificar cada configuração. A letra “C” representa
caminhões rígidos; a letra “S” representa um semi-reboque; a letra “I” um semi-reboque com
68
eixos igualmente espaçados, enquanto o “J” um semi-reboque com espaçamento diferente
entre os eixos; por fim o “T” representa dois semi-reboques.
A Tabela 6.1 compara as três nomenclaturas apresentadas para algumas configurações
de caminhões encontrados nas rodovias.
Tabela 6.1: Comparação entre as nomenclaturas das configurações de caminhões
Nomenclatura
Eixos Composição
Demarchi
[2000]
Widmer
[2004]
DNIT
[2006]
2
11 U2 2C
3
12 U3 3C
4
11+2 2S2 2S2
5
11+3 2S3 2S3
5
11+111 2S3
e
2I3
5
11+12 2S1
e
2 2J3
6
12+3 3S3 3S3
7
12+2+2 3S2A2S2 3T4
Como a nomenclatura adotada pelos operadores das balanças e pelos órgãos de
transportes também não é padronizada, optou-se usar a nomenclatura adotada pelo DNIT;
primeiramente, por ser mais simples para a prática da coleta de dados – definida por apenas
três caracteres – e, segundo, por ter sido a mesma utilizada pela AutoBAn, concessionária
responsável pela operação dos trechos onde cerca de 90% dos dados foram coletados.
6.1.2. Caminhões típicos em rodovias paulistas de pista dupla
Para obtenção da composição típica do tráfego e a distribuição da relação
massa/potência dos caminhões em rodovias paulistas de pista dupla, foram realizadas coletas
em balanças instaladas em diferentes locais do estado. A Tabela 6.2 apresenta a amostra e a
freqüência obtidas em rodovias de pista dupla, assim como, local, data e duração das coletas.
69
Tabela 6.2: Dados coletados em balanças rodoviárias de pista dupla
Concessionária Local Data Duração Amostra Freqüência
AutoBAn SP-330 – km 37 2/mar/2005 3 horas 787 12,6%
SP-330 – km 53 1/mar/2005 3 horas 968 15,5%
SP-348 – km 40 9/mar/2005 3 horas 1.010 16,2%
SP-348 – km 58 8/mar/2005 5 horas 1.901 30,4%
Centrovias SP-225 – km 224 28/set/2004 4 horas 192 3,1%
SP-310 – km 200 12/ago/2005 4 horas 834 13,3%
Intervias SP-330 – km 208 7/out/2004 3 horas 209 3,3%
SP-330 – km 208 16/fev/2005 3 horas 352 5,6%
TOTAL 28 horas 6.253 100,0%
Os dados das rodovias de pista dupla foram agrupados nos caminhões mais representa-
tivos da amostra, conforme a Tabela 6.3, com a respectiva amostra, freqüência relativa,
comprimento médio e potência observada. Foram consideradas configurações mais represen-
tativas aquelas com freqüência relativa superior a 1% da amostra total observada.
Tabela 6.3: Configurações representativas nas rodovias de pista dupla
Potência nominal
Eixos Tipo Amostra
Freqüência
relativa
Comprimento
médio
(m)
Mín. Máx. Média
2 2C 1.881 30,1% 6,9
76 cv
(56 kW)
310 cv
(228 kW)
138 cv
(101 kW)
3 3C 1.809 28,9% 9,0
80 cv
(59 kW)
400 cv
(294 kW)
180 cv
(132 kW)
4 2S2 206 3,3% 18,2
130 cv
(96 kW)
420 cv
(309 kW)
318 cv
(234 kW)
5 2S3 1.527 24,4% 15,0
180 cv
(132 kW)
450 cv
(331 kW)
348 cv
(256 kW)
5 2I3 71 1,1% 15,3
291 cv
(214 kW)
420 cv
(309 kW)
349 cv
(257 kW)
6 3S3 412 6,6% 15,4
140 cv
(103 kW)
460 cv
(338 kW)
370 cv
(272 kW)
7 3T4 244 3,9% 19,2
340 cv
(250 kW)
450 cv
(331 kW)
386 cv
(284 kW)
Outros 103 1,6%
TOTAL 6.253 100,0%
Na Tabela 6.3, observa-se que os caminhões rígidos (2C e 3C) representam 59% da
frota em rodovias de pista dupla, enquanto os veículos articulados (os demais) são 41%.
Dentre os articulados, o 2S3 foi o mais representativo da amostra (60%) e os CVCs de sete
eixos (3T4) representam 9% dos caminhões articulados e 4% do total.
A comparação desta amostra com a obtida há 7 anos por Demarchi [2000], permite
afirmar que, em rodovias de pista dupla, foram mantidas as configurações de caminhões
70
representativas. Entretanto, algumas configurações sofreram alterações significativas na
freqüência observada. Por exemplo, a configuração 2C aumentou de 17,7% para 30,1%, entre
2000 e 2007. Em contrapartida, a configuração 3C sofreu redução substancial, passando de
48,6% para 28,9%. Especial atenção deve ser dada à configuração 3T4, que não foi observada
em 2000 e, em 2007, representa 3,9% da amostra.
O aumento de caminhões rígidos de dois eixos (2C) pode ser atribuído à presença de
grandes centros de distribuição de carga localizados próximos à capital e a mobilidade deste
veículo comercial em grandes áreas urbanas. Por outro lado, o aumento significativo dos
caminhões de sete eixos (3T4) pode ser atribuído à aprovação da Resolução 164/2004
[CONTRAN, 2004], na qual as combinações de veículos de carga (CVC) de 45 a 57 toneladas
ficam dispensadas de trafegar portando a Autorização Especial de Trânsito, antes obrigatória
pela Resolução 68/98 [CONTRAN, 1998].
A distribuição acumulada da relação massa/potência para as configurações mais
representativas em rodovias de pista dupla (Tabela 6.3) é apresentada na Figura 6.1.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300
Massa/Potência (kg/kW)
Frequência Acumulada
2C
3T4
3S3
2S2
2I3
2S3
3C
Figura 6.1: Distribuição acumulada da relação massa/potência para a amostra observada em rodovia
de pista dupla
6.1.2.1. Análise da relação massa/potência em rodovias de pista dupla
A Figura 6.2 permite comparar a distribuição da relação massa/potência para todos os
71
dados observados em rodovias de pista dupla neste trabalho com os de Demarchi [2000]. A
figura mostra, também, a relação massa/potência típica nos EUA para rodovias de pista dupla
(
multilane), 100 kg/kW, e auto-estrada (freeway), 75 a 90 kg/kW, apresentada no HCM-2000.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Frequência Relativa Acumulada
Demarchi [2000]
Cunha [2007]
Multilane
HCM-2000
Freeway
HCM-2000
Figura 6.2: Distribuição da relação massa/potência para todos os dados em rodovias de pista dupla
Em comparação aos dados obtidos por Demarchi [2000], observa-se nitidamente que a
relação massa/potência dos caminhões em rodovias paulistas de pista dupla melhorou. Em
2000, mais de 70% dos caminhões paulistas apresentavam relação massa/potência maior do
que 100 kg/kW – valor usado pelo HCM para rodovias de pista dupla. Neste trabalho, esta
diferença reduziu, com apenas 43% dos caminhões com relação massa/potência maior do que
100 kg/kW. Os valores do 50
o
e do 85
o
percentis da relação massa/potência observados para
amostra total deste trabalho são de 88 kg/kW e de 164 kg/kW, respectivamente. A média da
distribuição é de 105 kg/kW, próxima ao valor do HCM-2000.
6.1.3. Caminhões típicos em rodovias de pista simples
Para complementar a análise de caminhões típicos que trafegam em rodovias paulistas
e verificar possíveis diferenças entre tipos de rodovias, foram realizadas coletas de dados em
rodovias de pista simples. A Tabela 6.4 apresenta os locais, as datas, a duração, a amostra e as
72
freqüências das coletas realizadas.
Tabela 6.4: Dados coletados em balanças rodoviárias de pista simples
Jurisdição Local Data Duração Amostra Freqüência
DER – Araraquara SP-255 – km100 16/dez/2005 4 horas 89 11,5%
DER – Ribeirão Preto SP-253 – km169+450 22/nov/2005 3 horas 262 33,7%
SP-253 – km169+700 22/nov/2005 4 horas 426 54,8%
TOTAL 11 horas 777 100,0%
As composições mais representativas, com freqüência superior a 1,0% do total, em
rodovias de pista simples são apresentadas na Tabela 6.5, com a freqüência da amostra e a
potência mínima, máxima e média observadas.
Tabela 6.5: Configurações representativas em rodovias de pista simples
Potência nominal
Eixos Tipo Amostra
Freqüência
relativa
Mín. Máx. Média
2 2C 88 11,3%
85 cv
(63 kW)
214 cv
(157 kW)
142 cv
(104 kW)
3 3C 185 23,8%
120 cv
(88 kW)
360 cv
(265 kW)
164 cv
(121 kW)
4 2S2 15 1,9%
190 cv
(140 kW)
400 cv
(294 kW)
324 cv
(238 kW)
5 2S3 316 40,7%
291 cv
(214 kW)
420 cv
(309 kW)
351 cv
(259 kW)
5 2J3 14 1,8%
320 cv
(235 kW)
408 cv
(300 kW)
362 cv
(266 kW)
6 3S3 64 8,2%
320 cv
(235 kW)
435 cv
(320 kW)
371 cv
(273 kW)
7 3T4 77 9,9%
354 cv
(260 kW)
435 cv
(320 kW)
385 cv
(283 kW)
Outros 18 2,3%
TOTAL 777 100,0%
Os caminhões rígidos (2C e 3C) em rodovias de pista simples representaram 35% do
total e os articulados (os demais) 65%. A configuração 2S3 foi a mais representativa da
amostra, com mais de 40% do total, e 63% dos caminhões articulados. A combinação 3T4 é
mais expressiva em rodovias de pista simples com cerca de 10% da amostra. Apenas as
configurações 2I3 e 2J3 não foram representativas nos dois tipos de rodovias. A Figura 6.3
apresenta a distribuição da relação massa/potência para as configurações mais representativas
em rodovias de pista simples.
73
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência acumulada
2C
3C
2S3
3T4
3S3
2S2
2J3
Figura 6.3: Distribuição acumulada da relação massa/potência em rodovia de pista simples
6.1.3.1. Comparação entre caminhões típicos em rodovias de pista dupla e de pista simples
A Figura 6.4 apresenta a comparação da composição típica de caminhões, em função
do número de eixos, para os dois tipos de rodovias.
Observações:
a) 2 eixos: caminhões 2C;
b) 3 eixos: caminhões 3C;
c) 4 eixos: caminhões 2S2;
d) 5 eixos: caminhões 2S3 e 2I3 (pista
dupla), caminhões 2S3 e 2J3 (pista
simples);
e) 6 eixos: caminhões 3S3;
f) 7 eixos: 3T4;
g) Outros.
Figura 6.4: Comparação dos caminhões típicos em rodovias de pista dupla e simples
Nota-se que os caminhões de cinco eixos têm participação significativa no tráfego em
rodovias de pista simples. Em rodovias de pista dupla, os caminhões rígidos de dois e três
eixos são os mais expressivos com 30,1% e 28,9%, respectivamente. Isso mostra que em
rodovias de pista simples há maior participação dos caminhões mais longos, com cinco eixos
a sete eixos; em rodovias de pista dupla, por outro lado, há maior concentração de veículos
30,1%
28,9%
3,3%
25,6%
6,6%
3,9%
1,6%
11,3%
23,8%
1,9%
42,5%
8,2%
9,9%
2,3%
0%
10%
20%
30%
40%
50%
2 eixos 3 eixos 4 eixos 5 eixos 6 eixos 7 eixos Outros
PISTA DUPLA
PISTA SIMPLES
74
menores, com dois eixos a quatro eixos.
A Figura 6.5 apresenta a comparação, entre rodovias de pista dupla e de pista simples,
da distribuição acumulada da relação massa/potência.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Frequência Relativa Acumulada
Pista dupla
Pista simples
Figura 6.5: Distribuição da relação massa/potência entre rodovias de pista dupla e de pista simples
Com o propósito de verificar se as duas rodovias apresentam a mesma distribuição da
relação massa/potência, foi realizado o teste de
Kolmogorv-Smirnov para duas amostras.
Como hipótese nula (H
0
) foi considerada que as duas rodovias apresentam a mesma
distribuição acumulada da relação massa/potência. A diferença limite para a distribuição
acumulada das duas amostras, com
α = 5%, foi de 0,0517 e a diferença máxima encontrada
foi de 0,1057. Assim, independentemente da forma da distribuição da população, pode-se
concluir com 95% de confiança que a hipótese nula deve ser rejeitada, ou seja, a distribuição
acumulada da relação massa/potência observada em rodovias de pista dupla é diferente da
observada em rodovias de pista simples.
6.2. CATEGORIAS TÍPICAS
De acordo com os dados apresentados nos itens 6.1.2 e 6.1.3, seriam sete as categorias
mais representativas dos caminhões observados em rodovias paulistas. Entretanto, alguns
75
modelos de simulação de tráfego rodoviário, tais como o TWOPAS, para rodovias de pista
simples, o CORSIM e o INTEGRATION, para pista dupla, permitem ao usuário especificar
no máximo até quatro categorias de caminhões a serem utilizadas nas simulações. Por isso, a
Tabela 6.6 apresenta uma proposta de divisão em quatro categorias típicas baseada na
similaridade das distribuições acumuladas da relação massa/potência observada em rodovias
de pista dupla. A Figura 6.6 mostra a distribuição da relação massa/potência para as quatro
categorias típicas de caminhões sugeridas.
Tabela 6.6: Sugestão para categorias de caminhões típicos em rodovias de pista dupla
Classe Eixos Caminhões Freqüência
Compr.
Médio
(m)
Massa
Média
(kg)
Massa/Potência
Média
(kg/kW)
Leves 2 2C 30% 7 6.795 67
Médios 3 e 4 3C, 2S1 e 2S2 33% 10 14.928 109
Pesados 5 e 6 2S3, 2I3 e 3S3 33% 15 32.551 126
Extra-pesados 7 ou mais 3T4 4% 19 49.435 174
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência Relativa Acumulada
Leves
Extrapesados
Médios
Pesados
Figura 6.6: Distribuição da relação massa/potência para as categorias típicas de caminhões
6.3. CONSIDERAÇÕES FINAIS
O tráfego das combinações de veículos de cargas (CVCs), veículos com maior número
de eixos, nas rodovias vem aumentando nos últimos anos. A análise dos dados coletados em
oito balanças instaladas em rodovias paulistas de pista dupla mostrou que a participação desse
tipo de veículo na composição de veículos passou de 0% em 2000 para 4% do total em 2007.
76
Em rodovias de pista simples, a participação das CVCs no tráfego foi de 10% da amostra.
Os dados coletados indicam que, de modo geral, a relação massa/potência dos
caminhões paulistas melhorou comparando com os dados disponíveis do estudo similar
realizado em 2000. Essa melhora se deve mais ao aumento da potência dos motores dos
caminhões mais novos que à diminuição da massa bruta total. Ainda que essas conclusões não
possam ser aplicadas em trechos onde a fiscalização seja inexistente ou esporádica, é inegável
existir certa tendência da redução da relação massa/potência dos caminhões no Brasil. Como
exemplo, a relação massa/potência média da amostra total obtida em rodovias de pista dupla é
de 105 kg/kW, próxima ao valor do caminhão típico adotado pelo HCM-2000 (100 kg/kW).
A comparação da frota típica de caminhões em rodovias de pista dupla e rodovias de
pista simples, no estado de São Paulo, mostrou-se diferente. Quanto à composição típica em
função do número de eixos, a freqüência dos caminhões mais longos é mais expressiva em
rodovias de pista simples, enquanto os caminhões menores têm maior participação no tráfego
em rodovias de pista dupla. Quanto à distribuição da relação massa/potência, foi apresentada a
diferença estatística entre as distribuições para os dois tipos de rodovias, com base no teste de
Kolmogorv-Smirnov para duas amostras.
Ao final deste capítulo, complementando o Capítulo 5, apresentou-se uma sugestão
para divisão da frota de caminhões em quatro categorias típicas para utilizar em simulação de
tráfego usando o modelo CORSIM. Assim, o Capítulo 7 apresenta a calibração do modelo
CORSIM para as condições observadas em rodovias paulistas de pista dupla.
77
7
7
.
.
C
C
A
A
L
L
I
I
B
B
R
R
A
A
Ç
Ç
Ã
Ã
O
O
E
E
V
V
A
A
L
L
I
I
D
D
A
A
Ç
Ç
Ã
Ã
O
O
D
D
O
O
C
C
O
O
R
R
S
S
I
I
M
M
A calibração de um modelo de simulação é um processo em que o usuário ajusta os valores
dos parâmetros do modelo, avalia se o resultado gerado pelo simulador é aceitável quando
comparado com dados empíricos e verifica a capacidade de reproduzir o comportamento do
tráfego observado [Hellinga, 1998; Ma e Abdulhai, 2002; Egami
et al., 2004]. O usuário deve
sempre realizar a calibração e a validação do modelo de simulação, a fim de assegurar que as
condições do tráfego local e do comportamento dos motoristas sejam reproduzidas com
fidelidade [Helinga, 1998]. A maioria dos modelos de simulação foi desenvolvida em outros
países e os parâmetros
default dos modelos não refletem as condições do tráfego no Brasil
[Araújo, 2007]. Então, o principal desafio no processo de calibração consiste em conseguir os
melhores valores para a grande quantidade de parâmetros contidos nos simuladores [Toledo e
Koutsopoulos, 2004].
O objetivo deste capítulo foi calibrar o modelo de simulação de tráfego CORSIM para
as condições observadas em rodovias paulistas de pista dupla. Para o processo de calibração,
utilizou-se de algoritmo genético para determinar o melhor conjunto de parâmetros que
representasse os dados empíricos. A calibração foi divida em duas etapas. A primeira, descrita
no item 7.1, tratou dos parâmetros de desempenho dos veículos pesados a fim de representar
os caminhões típicos paulistas. Na segunda etapa, Araújo [2007], em pesquisa de doutorado
paralela a esta de mestrado, ajustou os parâmetros da lógica de
car-following que refletem o
comportamento dos motoristas no tráfego, sintetizada no item 7.2.
7.1. CALIBRAÇÃO DOS PARÂMETROS DE DESEMPENHO DOS CAMINHÕES
Pesquisas anteriores sobre o processo de calibração do CORSIM preocuparam-se
78
apenas em ajustar os parâmetros da lógica de
car-following [Payne et al., 1997; Cheu et
al
., 1998; Chundury e Wolshon, 2000; Rakha e Crowther, 2003], visto que esta é uma parte
crítica do modelo. Entretanto, Schultz e Rillet [2004] ressaltam que o uso dos parâmetros
default do desempenho veicular nas simulações pode afetar a qualidade dos resultados da
simulação em locais onde exista alta concentração de caminhões.
O escopo desta etapa foi complementar a calibração para representar os caminhões
típicos observados em rodovias paulistas e suprir a ausência de trabalhos sobre ajuste dos
parâmetros de desempenho veicular do CORSIM.
Conforme apresentado no Capítulo 4, a lógica de desempenho veicular do CORSIM é
baseada em acelerações máximas para intervalos predefinidos de velocidades; por
conseguinte, esta calibração visou ajustar os parâmetros de acelerações dos veículos pesados a
partir de curvas de desempenho dos caminhões observados em rodovias de pista dupla do
estado de São Paulo.
7.1.1. Curvas de desempenho veicular
O desempenho dos caminhões tem sido estudado desde a década de 1940. Saal [1941]
determinou a velocidade de equilíbrio em rampas e Taragin [1945] avaliou o efeito do
comprimento, da declividade e do peso dos veículos na desaceleração veicular em rampas. No
Brasil, Silveira [1974] foi o pioneiro a obter curvas de desempenho da frota de caminhões
nacionais. O Instituto de Pesquisas Rodoviárias (IPR) também fez estudos em diversas
rodovias no Brasil que resultaram em curvas de velocidades de caminhões para análise de
capacidade [DNER, 1977] e análise da necessidade de implantação de faixas adicionais
[DNER, 1979].
O desempenho dos veículos em rampas é expresso por curvas de velocidade
versus
distância percorrida que caracterizam a aceleração/desaceleração do veículo. Essas curvas
podem ser obtidas empírica ou analiticamente; estudos recentes usam uma combinação desses
79
métodos, de forma tal que o modelo analítico gera curvas de velocidade teóricas que são
calibradas e validadas por curvas obtidas em campo por métodos empíricos [Demarchi, 2000;
Melo, 2002].
As curvas empíricas são obtidas pelo monitoramento da velocidade de caminhões,
selecionados aleatoriamente na corrente de tráfego ou usados exclusivamente para o teste,
trafegando em rampas de diferentes inclinações e comprimentos. A velocidade pode ser
obtida de diversas formas. Nos primeiros estudos, usava-se um automóvel que seguia o
caminhão de forma constante; anotava-se a velocidade do veículo observado, a partir da
velocidade do automóvel, em intervalos de distâncias pré-definidos [Wiley, 1949], ou nos
instantes em que ocorrem trocas de marcha [Schwender
et al., 1957]. Hutton [1970] utilizou
um equipamento composto por roda de bicicleta, hodômetro, velocímetro e cronômetro
acoplado à traseira do caminhão de teste para obter as velocidades diretamente. A velocidade
também pode ser calculada a partir de dados de distância e tempo obtidos por câmeras de
vídeo instaladas ao longo da rodovia [Archilla e de Cieza, 1996] ou por dados reais da posição
do veículo em intervalos constantes de tempo, obtidos com aparelho GPS (
Global Position
System
) instalados no próprio caminhão [Melo, 2002]. Curvas empíricas de desempenho,
entretanto, representam apenas os caminhões observados; para se obter um conjunto
representativo de curvas da frota é preciso coletar grande quantidade de dados, o que nem
sempre é viável.
As curvas analíticas de desempenho são obtidas através de modelos matemáticos
baseados na segunda Lei de Newton, a qual estabelece que a resultante das forças aplicada em
um corpo é igual ao produto da sua massa pela aceleração adquirida. O modelo mais
simplificado considera a aceleração como função linear da velocidade para determinar a
resultante das forças [Fancher, 1983; Bester, 2000]. A função linear simplifica a calibração,
pois o modelo é descrito por apenas dois parâmetros (
α
e
β
). Bester [2000] também verificou
80
que esse modelo é representativo tanto para um único caminhão como para uma categoria de
caminhões. Huff e Scrivner [1955] utilizaram um modelo linear um pouco mais sofisticado,
que incluía funções lineares para cada intervalo de velocidade.
Os modelos mais complexos calculam as forças que atuam no veículo separadamente,
nos quais a força motriz é função da potência do motor e a resistência ao movimento é função
da velocidade e de coeficientes empiricamente obtidos [Demarchi, 2000]. Normalmente, a
potência utilizada é suposta constante; estudos recentes buscaram avaliar o efeito de diversos
parâmetros no resultado desses modelos, tais como: mudança de marcha [Rakha
et al., 2001],
potência variável [Rakha e Lucic, 2002], condições do pavimento [Rakha e Yu, 2004] e do
pneu [Rakha e Yu, 2005].
Tanto o HCM [TRB, 2000] como o
Green Book da AASHTO [1990] fornecem curvas
de desempenho para caminhões típicos americanos em diversos greides. No entanto, esses
manuais ressaltam que, para aplicação em outros países, estas curvas devem ser ajustadas para
serem representativas dos caminhões típicos da região [TRB, 2000]. No Brasil,
Demarchi [2000] desenvolveu um modelo analítico calibrado para determinar curvas de
desaceleração, com o qual Demarchi e Pierin [2001] modelaram o desempenho de caminhões
canavieiros carregados e sobrecarregados no estado de São Paulo. Esse mesmo modelo foi
validado por Demarchi
et al. [2001] a partir de curvas empíricas obtidas em rodovias paulistas
por Melo [2002].
Nesta pesquisa, as curvas de desempenho foram calibradas pela combinação de ambos
os métodos. O modelo de simulação CORSIM gerou curvas analíticas para quatro categorias
de caminhões que foram comparadas às curvas empíricas obtidas com aparelhos de GPS.
7.1.1.1. Coleta de dados
As curvas empíricas foram obtidas em rodovias paulistas com aparelho GPS diferen-
cial. Os dados das categorias leves, médios e pesados foram coletadas em um estudo anterior
81
realizado por Melo [2002] na rodovia Washington Luiz (SP-310). Para os caminhões da cate-
goria extrapesados foram realizadas coletas adicionais também na SP-310, partindo da
balança localizada no km 201, sentido Norte. Nesta coleta, o GPS era instalado no caminhão
extrapesado e percorrido um trecho da SP-310 com cerca de 10 km e rampas de vários greides
e comprimentos. Como os caminhões partiam de uma balança, os dados do peso e potência de
cada veículo monitorado eram conhecidos e permitiam determinar a relação massa/potência.
Durante o percurso, o GPS forneceu a posição do caminhão nos planos
x, y e z em
intervalos de um segundo. A partir desses dados, pôde-se obter tanto o perfil vertical da
rodovia como a velocidade instantânea do caminhão. A Tabela 7.1 apresenta a amostra total
de caminhões divididos por greide e por categoria, com a respectiva relação massa/potência
média.
Tabela 7.1: Amostra total de caminhões obtidos com GPS divididos por rampa e por categoria
CATEGORIA
RAMPA
Leves
(85 kg/kW)
Médios
(166 kg/kW)
Pesados
(163 kg/kW)
Extrapesados
(207 kg/kW)
1% 1 11 9 0
2% 4 7 14 9
3% 2 11 9 8
4% 0 0 0 5
5% 1 6 5 0
TOTAL 8 35 37 22
Um aspecto importante na obtenção das curvas empíricas é que a amostra obtida
(Tabela 7.1) deve representar a população de caminhões típicos. Para garantir isso, a relação
massa/potência de cada caminhão desta amostra foi comparada com a amostra das categorias
típicas apresentadas no Capítulo 6. Por isso, alguns caminhões da amostra (médios e pesados)
foram eliminados para que a relação massa/potência dos caminhões observados com GPS
estivesse entre o 50
o
e o 85
o
percentil da distribuição da relação massa/potência observada em
balanças. Nas demais categorias todas as observações foram consideradas, na categoria leve
devido à quantidade da amostra e na categoria extrapesada dada à pequena variação da
relação massa/potência. A Tabela 7.2 resume a amostra usada na calibração e a Figura 7.1
82
ilustra a comparação entre as amostras.
Tabela 7.2: Amostra de caminhões usada na calibração
CATEGORIA
RAMPA
Leves
(85 kg/kW)
Médios
(168 kg/kW)
Pesados
(167 kg/kW)
Extrapesados
(207 kg/kW)
1% 1 9 9 0
2% 4 2 13 9
3% 2 7 9 8
4% 0 0 0 5
5% 1 5 5 0
TOTAL 8 23 36 22
0%
20%
40%
60%
80%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência Acumulada
Leves_balança Leves_GPS
0%
20%
40%
60%
80%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência Acumulada
Médios_balança Médios_GPS
0%
20%
40%
60%
80%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência Acumulada
Pesados_balança Pesados_GPS
0%
20%
40%
60%
80%
100%
0 50 100 150 200 250 300
Relação Massa/Potência (kg/kW)
Freqüência Acumulada
Extrapesados_balança Extrapesados_GPS
Figura 7.1: Comparação da relação massa/potência dos dados coletados com GPS com a distribuição
dos dados coletados em balança (Capítulo 6)
7.1.2. Algoritmo Genético
O algoritmo genético (AG) é uma ferramenta de otimização que utiliza técnicas de
computação evolutiva em que os indivíduos de uma população tentam sobreviver em seu
ambiente. O AG é considerado robusto por desenvolver buscas de soluções em múltiplos
pontos ao invés de iniciar a busca a partir de um único ponto, como ocorre em ferramentas de
otimização tradicionais, aumentando a chance de obter um ótimo global ao invés de um ótimo
local. Essa habilidade de efetuar buscas múltiplas é a chave mestra quando o espaço de
soluções é grande, complexo e pouco compreendido, como ocorre com freqüência em
83
problemas na área de transportes [Kim e Rillet, 2001; Henderson, 2004].
O AG é inspirado na genética e na evolução dos seres vivos. A sobrevivência é
proporcional ao grau de adaptação ao ambiente (
fitness), que é um ranking de uma função
objetivo aplicada a cada indivíduo. Os indivíduos são codificados em
strings que representam
um conjunto de características, denominado cromossomo, e cada unidade do cromossomo
(gene) representa um parâmetro de uma das características.
A Figura 7.2 apresenta o fluxograma resumido dos principais procedimentos do
algoritmo genético implementado para este trabalho, desenvolvido em ambiente VBA (
Visual
Basic for Application
) no Microsoft Excel.
Cria população de
n indivíduos
Cria arquivos de
simulação
(*.TRF)
Obtém perfil de
velocidade
simulado
Compara perfil
simulado com
perfil do GPS
Calcula Erro
Médio Absoluto
(EMA)
Gera parâmetros
de aceleração para
cada indivíduo
Última geração
ou
EMA = 3%?
SIM
NÃO
Nova população
de indivíduos
Técnicas de A.G.
Crossover,
Mutação e
Predação
CORSIM
Simula arquivos
TRF
Parâmetros de
desempenho
veicular calibrado
Figura 7.2: Fluxograma do algoritmo genético implementado
Ao iniciar o programa, deve-se fornecer a quantidade de indivíduos n da população e o
limite máximo de gerações desejado. Após uma análise de sensibilidade realizada na categoria
de caminhões leves, foram definidos os valores de 40 indivíduos e 50 gerações para realizar a
calibração. Cada indivíduo é formado por uma
string composta pelos 12 valores de aceleração
usados pelo CORSIM, correspondentes às velocidades de 0 a 110 ft/s (120 km/h).
A função objetivo usada foi minimizar o erro médio absoluto (
EMA), que representa a
média dos erros médios relativos (
EMR), de forma tal que um indivíduo (conjunto de parâme-
84
tros de acelerações) seja capaz de representar todos os caminhões da sua categoria observados
nas diversas rampas. Assim, um indivíduo da categoria leve deve ser capaz de representar os
8 caminhões observados, enquanto um indivíduo da categoria pesado deve representar todos
os 36 observados, conforme a amostra obtida apresentada na Tabela 7.2.
Ao final de cada geração, o indivíduo com menor erro médio absoluto, ou seja, o mais
adaptado ao ambiente é selecionado (
elitismo). Esse indivíduo realiza uma troca das suas
características (
crossover) com outros indivíduos da população, cujos erros médios absolutos
são menores que a média da geração (
seleção). A cada geração, todo indivíduo tem
probabilidade de sofrer
mutação, uma alteração aleatória em um de seus genes. A taxa de
mutação adotada foi de 30% [Egami
et al., 2004]. Os indivíduos menos adaptados (com erro
maior que a média dos erros da geração) foram eliminados da população e substituídos por
novos indivíduos com características geradas aleatoriamente (
predação).
Os experimentos de simulação foram realizados adotando-se um trecho hipotético
composto de três segmentos: dois segmentos planos com 2 km de extensão e um segmento
intermediário com inclinação variável e 5 km de extensão (Figura 7.3).
Figura 7.3: Trecho hipotético utilizado na calibração
O primeiro segmento foi necessário para limitar a velocidade de entrada na rampa,
visto que cada caminhão observado nela entrou com velocidade diferente. Para suprir esse
problema, uma sub-rotina do algoritmo limitava a velocidade do caminhão no arquivo do
primeiro trecho, de acordo com a velocidade observada em campo, para que curvas simulada
e empírica iniciassem com a mesma velocidade.
O volume de tráfego adotado nas simulações foi de apenas 10 veíc/h para que não
85
houvesse interação entre os veículos, evitando a influência da lógica de
car-following durante
a calibração e focando apenas a lógica do desempenho veicular. O tempo de cada simulação
foi de 30 minutos. A frota de veículos no tráfego foi 100% de caminhões de uma categoria, ou
seja, cada categoria de caminhão foi calibrada separadamente.
7.1.2.1. Criação dos indivíduos da população
Definida a quantidade n de indivíduos na população inicial, o algoritmo gerou
aleatoriamente valores de aceleração para velocidades de 0 a 110 ft/s (120 km/h) para os
n
indivíduos. De acordo com os valores
default do CORSIM, a aceleração em função da
velocidade obedece à função monotônica decrescente. Assim, supôs-se que os parâmetros
gerados seguem esta mesma função. Outra restrição adotada foi limitar os valores das
acelerações, tendo em vista que a aleatoriedade dos valores gerados ocasionou erros na
simulação como, por exemplo, o caminhão não conseguir subir rampas muito inclinadas. A
Figura 7.4 apresenta os limites máximos e mínimos adotados. Para a solução ser aceitável, as
acelerações devem estar dentro desta faixa de valores.
-2
0
2
4
6
8
10
12
14
16
18
20
22
0 102030405060708090100110
Velocidade (ft/s)
Aceleração (ft/s²)
Figura 7.4: Limites adotados para os valores de aceleração
7.1.2.2. Criação dos arquivos de simulação
Após a geração dos n indivíduos da população, foram montados os arquivos para a
simulação no CORSIM. Cada arquivo corresponde a um indivíduo (conjunto de acelerações),
o qual foi simulado tantas vezes necessário para representar o desempenho dos caminhões
86
observados em campo. Por exemplo, um indivíduo da categoria pesado foi simulado 36 vezes
– o que corresponde à quantidade observada em campo (Tabela 7.2) – variando-se apenas a
velocidade inicial observada na entrada da rampa e a magnitude do greide.
7.1.2.3. Simulação
Nesta fase, executou-se a simulação do arquivo TRF no simulador CORSIM. Após a
simulação, foi gerado o arquivo binário TSD (
Time Step Data), com informações dos veículos
durante cada segundo da simulação.
7.1.2.4. Obtenção do perfil de velocidade simulado
O perfil de velocidades foi obtido através do arquivo TSD, como no trabalho de
Dhulipala [2002]. Uma sub-rotina foi implementada para extrair os dados do arquivo TSD,
apresentada em detalhes no Apêndice B. Essa sub-rotina localiza os dados do trecho em
rampa e extrai os dados de velocidades dos veículos para montar o perfil simulado. O arquivo
TSD forneceu velocidades e distâncias percorridas a cada segundo; entretanto, para
compatibilidade com as curvas usadas por Melo [2002], as curvas foram construídas a partir
de velocidades simuladas a cada 100 m.
7.1.2.5. Comparação entre os perfis de velocidade simulado e observado
Como um indivíduo (conjunto de acelerações) deve ser capaz de representar todos os
caminhões observados na categoria, a cada caminhão simulado foi calculado o erro médio
relativo (
EMR). O EMR representa o erro médio entre a curva simulada e a curva empírica,
calculado pela diferença relativa das velocidades a cada 100 m:
0
1
k
ii
m
s
im obs
j
i
i
obs
VV
EMR
mV
=
−
=
∑
(7.1)
em que:
k
j
E
MR
: erro médio relativo para o caminhão k do indivíduo j;
i
sim
V
: velocidade simulada no ponto i da rampa para o caminhão k;
87
i
obs
V
: velocidade observada no ponto i para o caminhão k; e
m : quantidade de pontos na rampa, distanciados de 100 m.
7.1.2.6. Cálculo do erro médio absoluto (EMA)
Após a simulação de todos os caminhões da categoria para um mesmo indivíduo, foi
calculado o erro médio absoluto (
EMA
j
) do indivíduo através da seguinte equação:
1
k
N
j
j
k
k
EMR
EMA
N
=
=
∑
(7.2)
em que:
EMA
j
: erro médio absoluto do indivíduo j;
k
j
E
MR : erro médio relativo para o caminhão k do indivíduo j; e
N
k
: quantidade de caminhões observados na categoria k (Tabela 7.2).
O
EMA representa a média dos erros médios relativos e indica a confiabilidade do
conjunto de parâmetros gerados pelo AG; quanto menor o seu valor, melhor será o conjunto
de acelerações. O
EMA foi a função fitness escolhida para esta calibração.
7.1.2.7. Critérios de parada
Os critérios de parada do algoritmo foram dois: EMA menor ou igual a 3% ou número
máximo de gerações, especificado pelo usuário no início do programa. Para as quatro
categorias calibradas, o critério de parada alcançado foi o máximo de gerações especificado
(50 gerações).
7.1.3. Resultados obtidos
A comparação da eficácia do resultado obtido pelo AG foi feita a partir de outros dois
conjuntos de acelerações: (1) os valores
default do CORSIM e (2) as acelerações obtidas pelo
modelo analítico calibrado por Demarchi
et al. [2001]. Este último conjunto de acelerações
foi obtido considerando-se, para cada categoria de caminhão, o valor do 85
o
percentil da
relação massa/potência observado em balanças apresentada no Capítulo 6. A comparação
entre os três conjuntos de acelerações foi realizada através do
EMA calculado para as quatro
categorias de caminhão, apresentada na Figura 7.5.
88
25,7%
21,0%
6,8%
8,9%
7,8%
10,5%
5,8%
8,2%
3,8%
6,6%
4,9%
4,3%
0% 5% 10% 15% 20% 25% 30%
Leves
Médios
Pesados
Extrapesados
Erro Médio Absoluto
Default CORSIM
Modelo analítico
AG
Figura 7.5: Erros médios absolutos (EMA) obtidos para cada categoria
Os resultados mostram que os valores default do CORSIM forneceram as maiores
diferenças entre o desempenho observado e simulado. Os maiores erros com as acelerações
default ocorreram nas categorias de caminhões leves (25,7%) e médios (21,0%). Pode-se
notar uma sensível melhoria nas estimativas para três das quatro categorias de caminhões
(leves, médios e extrapesados) e uma razoável melhoria para a categoria pesado, com os
parâmetros obtidos pelo AG. Os
EMAs encontrados com o AG variaram entre 3,8% e 6,6%,
enquanto com os valores
default do CORSIM os erros variaram de 6,8% a 25,7%. Deve-se
ressaltar que as comparações foram feitas com dados brutos de velocidade, sem aplicação de
um processo de suavização para reduzir o ruído nos dados empíricos. Os resultados mostram
claramente a eficácia do processo proposto.
A Tabela 7.3 apresenta os valores das acelerações obtidos pelo AG para as quatro
categorias de caminhões utilizadas. Essa tabela tem o formato do arquivo do desempenho
veicular (RT173) com as categorias especificadas segundo o índice adotado pelo CORSIM:
leves (3), médios (4), pesados (5) e extrapesados (6). A Figura 7.6 apresenta os valores das
acelerações obtidas pelo AG dentro do limite adotado na calibração.
89
Tabela 7.3: Valores calibrados das acelerações dos caminhões observados (RT173)
Valores calibrados das acelerações (10
-2
ft/s²)
Índice
do
veículo
0
ft/s
10
ft/s
20
ft/s
30
ft/s
40
ft/s
50
ft/s
60
ft/s
70
ft/s
80
ft/s
90
ft/s
100
ft/s
110
ft/s
3 899 890 360 302 203 176 109 1 49 19 -91 -98
4 1426 339 172 65 51 30 30 36 36 7 4 -20
5 954 804 581 220 101 71 60 41 50 7 -10 -13
6 1311 200 153 52 43 40 37 16 7 5 -55 -66
-2
0
2
4
6
8
10
12
14
16
18
20
0 102030405060708090100110
Velocidade (ft/s)
Aceleração (ft/s²)
Leves
Médios
Pesados
Extrapesados
Figura 7.6: Acelerações calibradas pelo AG dentro do limite adotado
Para maior detalhamento da representação dos parâmetros calibrados, a Figura 7.7
apresenta os erros médios relativos (
EMR) – diferença média entre a curva simulada e a
empírica – de cada categoria de caminhão obtidos com o CORSIM calibrado pelo AG.
Categoria Leves
0%
5%
10%
15%
20%
25%
12345678
Caminhão
Erro Médio Relativo
Categoria Médios
0%
5%
10%
15%
20%
25%
1357911131517192123
Caminhão
Erro Médio Relativo
Categoria Pesados
0%
5%
10%
15%
20%
25%
1357911131517192123252729313335
Caminhão
Erro Médio Relativo
Categoria Extrapesados
0%
5%
10%
15%
20%
25%
1 3 5 7 9 111315171921
Caminhão
Erro Médio Relativo
Figura 7.7: Resultados dos erros médios relativos
Pode-se notar que os caminhões médios e pesados apresentaram as maiores variações
90
do
EMR e alguns caminhões com erros superiores a 15%. Os maiores erros ocorreram em
rampas com greide superior a 4% porque, durante o percurso nelas, ocorrem mais reduções de
marcha o que ocasionam maiores oscilações da velocidade que o CORSIM é incapaz de
reproduzir, devido ao seu modelo simplificado de desempenho.
Este fenômeno pode ser verificado na Figura 7.8 que compara, para três diferentes
magnitudes de greide, a curva de desempenho observada e a curva simulada com os parâme-
tros calibrados. Note-se o quão próximo o CORSIM calibrado representou as curvas empí-
ricas.
Leves
20
30
40
50
60
70
80
90
100
0 300 600 900 1200 1500 1800 2100
Distância (m)
Velocidade (km/h)
CORSIM
GPS
2%
5
%
3
%
Médios
20
30
40
50
60
70
80
90
100
0 300 600 900 1200 1500 1800 2100
Distância (m)
Velocidade (km/h)
CORSIM
GPS
2%
5%
3%
Pesados
20
30
40
50
60
70
80
90
100
0 300 600 900 1200 1500 1800 2100
Distância (m)
Velocidade (km/h)
CORSIM
GPS
2%
5%
3%
Extrapesados
20
30
40
50
60
70
80
90
100
0 300 600 900 1200 1500 1800 2100
Distância (m)
Velocidade (km/h)
CORSIM
GPS
2% 4%
3%
Figura 7.8: Comparação entre as curvas de desempenho empírica e obtida por simulação
7.2. CALIBRAÇÃO DOS PARÂMETROS DOS MOTORISTAS
A segunda etapa da calibração do CORSIM foi realizada por Araújo [2007], em
pesquisa de doutorado realizada paralelamente a esta de mestrado. Araújo calibrou os parâme-
tros das lógicas que regem o comportamento dos motoristas com o propósito de representá-los
em condições observadas nas rodovias de pista dupla do estado de São Paulo. Para isso, foram
realizadas coletas de dados em um trecho de 7,5 km na rodovia Washington Luiz (SP-310),
localizado no entorno da cidade de São Carlos-SP. Nas coletas, seis pontos de controle
91
monitoraram os fluxos de tráfego e os tempos de viagens dos veículos, além da composição
do tráfego e da matriz origem/destino, perfazendo total de cinco horas [Araújo, 2007].
O trecho em estudo foi codificado no CORSIM e os novos parâmetros do desempenho
dos caminhões, calibrados nesta pesquisa (Tabela 7.3), foram usados nesta segunda etapa da
calibração. Araújo [2007] usou um programa computacional, baseado no algoritmo genético
de Kim e Rillet [2001], desenvolvido em
Perl, para ajustar os melhores parâmetros. As
medidas de desempenho utilizadas para avaliar a eficiência do modelo foram velocidade e
fluxo de tráfego [Araújo, 2007].
Tabela 7.4: Parâmetros dos motoristas calibrados por Araújo [2007]
Parâmetro Descrição Valor Calibrado
P
1
Fator de sensibilidade para o car-following para os motoristas do tipo 1 110
P
2
Fator de sensibilidade para o car-following para os motoristas do tipo 2 121
P
3
Fator de sensibilidade para o car-following para os motoristas do tipo 3 96
P
4
Fator de sensibilidade para o car-following para os motoristas do tipo 4 104
P
5
Fator de sensibilidade para o car-following para os motoristas do tipo 5 76
P
6
Fator de sensibilidade para o car-following para os motoristas do tipo 6 82
P
7
Fator de sensibilidade para o car-following para os motoristas do tipo 7 63
P
8
Fator de sensibilidade para o car-following para os motoristas do tipo 8 42
P
9
Fator de sensibilidade para o car-following para os motoristas do tipo 9 58
P
10
Fator de sensibilidade para o car-following para os motoristas do tipo 10 45
P
11
Constante de PITT para o car-following 3
P
12
Tempo de reação para acelerar 8
P
13
Tempo de reação para desacelerar 5
P
14
Tempo para completar uma mudança de faixa 53
P
15
Tempo mínimo para geração de veículos 15
P
16
Aceitação de gap para mudança de faixa obrigatória 3
P
17
Porcentagem de motoristas que cedem o direito de passagem para
veículos mudando de faixa
15
P
18
Multiplicador para o desejo de realizar uma mudança de faixa arbitrária 1
P
19
Valor limite do benefício para realizar uma mudança de faixa arbitrária 0,4
P
20
Desaceleração máxima do veículo líder percebida pelo seu seguidor 12
Foram calibrados todos os parâmetros contidos nos RT68, RT69 e RT70 do CORSIM
(Tabela 7.4), com exceção dos relativos à máxima desaceleração emergencial, pois os valores
default desses parâmetros foram considerados aceitáveis e não teriam influência significativa
nos resultados das simulações [Araújo, 2007]. O erro médio obtido com o modelo calibrado
foi de 6,32%, sendo que, com os valores
default do CORSIM, o erro médio obtido na
simulação foi de 9,11%. A calibração apresentou uma redução relativa de aproximadamente
92
30%. Os valores calibrados por Araújo [2007] estão descritos e apresentados na Tabela 7.4.
7.2.1. VALIDAÇÃO DO CORSIM
A validação envolve a aplicação do modelo de simulação calibrado para verificar se os
resultados da representação de diferentes condições de tráfego são confiáveis [Araújo, 2007].
Para isso, Araújo [2007] validou o modelo com um conjunto de dados diferente da calibração.
Uma nova coleta de dados foi realizada, monitorando-se oito seções do mesmo trecho da SP-
310, totalizando três horas. O resultado da validação foi erro médio de 6,58%, comprovando
que os parâmetros calibrados também produzem resultados válidos para um conjunto de
dados com características diferentes do usado na calibração.
7.3. CONSIDERAÇÕES FINAIS
Este capítulo apresentou a calibração do CORSIM para as condições observadas em
rodovias paulistas de pista dupla. A primeira etapa da calibração focou nos parâmetros de
desempenho dos caminhões, utilizando algoritmo genético (AG). Foram obtidos valores de
acelerações de modo que o modelo representasse o comportamento dos caminhões
observados, a partir de curvas de desempenho obtidas com aparelho GPS. A calibração foi
satisfatória, pois os erros médios obtidos em simulações usando o conjunto de parâmetros
calibrados foram da ordem de 5%, significativamente menores que os erros obtidos em
simulações com os parâmetros
default, que foram da ordem de 15%.
Na segunda etapa, Araújo [2007] usou os parâmetros do desempenho dos caminhões
calibrados e ajustou os parâmetros do comportamento dos motoristas utilizando outro AG. Os
erros médios obtidos foram de 6,32% na calibração e de 6,58% na validação, indicando que a
calibração e a validação do CORSIM foram adequadas para os propósitos das pesquisas
envolvidas. Assim, o modelo CORSIM está calibrado para as condições observadas em
rodovias paulistas e o capítulo a seguir trata do cálculo dos equivalentes utilizando simulação.
93
8
8
.
.
C
C
Á
Á
L
L
C
C
U
U
L
L
O
O
D
D
O
O
S
S
F
F
A
A
T
T
O
O
R
R
E
E
S
S
D
D
E
E
E
E
Q
Q
U
U
I
I
V
V
A
A
L
L
Ê
Ê
N
N
C
C
I
I
A
A
Este capítulo trata das duas últimas etapas do método proposto (cálculo dos equivalentes
veiculares e análise dos resultados) para atingir a meta desta pesquisa: avaliar o uso de uma
medida de impedância alternativa no cálculo de fatores de equivalência para caminhões em
rodovias de pista dupla. Assim, são apresentados e discutidos os resultados dos fatores de
equivalência obtidos a partir de simulação de tráfego usando uma versão do CORSIM
calibrado e validado para as condições observadas em rodovias paulistas.
A primeira parte deste capítulo define algumas características adotadas para a
realização das simulações, como a variabilidade e os cenários considerados. Na segunda parte,
é descrito o método usado para obtenção das curvas fluxo-impedância e os limites dos níveis
de serviço são definidos para o critério da medida de impedância estudada, a velocidade dos
automóveis. Em seguida, são apresentados os fatores de equivalência obtidos usando tanto a
velocidade como medida de impedância como, também, usando a densidade. Por fim, os
resultados obtidos ao se estimar o nível de serviço utilizando-se os equivalentes determinados
para cada uma das medidas estudadas são avaliados e comparados com os resultados de um
estudo anterior [Demarchi, 2000] e com o método original do HCM-2000 [TRB, 2000].
8.1. CARACTERÍSTICAS DAS SIMULAÇÕES
As simulações necessárias para o cálculo dos fatores de equivalência foram realizadas
com o modelo de simulação CORSIM calibrado para as condições observadas em rodovias
paulistas de pista dupla (Capítulo 7). O item 8.1.1 discute e define alguns parâmetros do
CORSIM que são usados para introduzir variabilidade nas simulações. No item 8.1.2 são
descritos os cenários considerados e o trecho hipotético.
94
8.1.1. Variabilidade nas simulações
O CORSIM permite incorporar certo grau de variabilidade nas simulações definido
por três aspectos: a variação da velocidade dos veículos, o processo de geração dos veículos e
o conjunto de números pseudo-aleatórios.
A velocidade dos veículos está diretamente relacionada ao comportamento de cada
motorista. Para condições de fluxo livre, a velocidade máxima em que o motorista conduz o
veículo é dada pelo produto do fator de ajuste para a velocidade do motorista e da velocidade
de fluxo livre (FFS –
free flow speed) do tramo. Os fatores de ajuste para a velocidade são
especificados para cada tipo de motorista no arquivo RT147, conforme apresentado no
Capítulo 4. Entretanto, estes fatores não foram considerados na calibração do modelo
(Capítulo 7), por não apresentarem influência significativa na análise de sensibilidade
[Araújo, 2007]. Assim, optou-se por adotar os valores
default do modelo, que variam de 88%
da FFS (motorista menos agressivo) a 112% (motorista mais agressivo), como mostra a
Tabela 4.3. Como pode ser percebido, os fatores da Tabela 8.1 permitem modificar a
distribuição de velocidades desejadas dos veículos simulados.
Tabela 8.1: Variabilidade da velocidade de fluxo livre escolhida para cada motorista do CORSIM
Tipo de
motorista
1 2 3 4 5 6 7 8 9 10
Porcentagem da
FFS
88 91 94 97 99 101 103 106 109 112
Outro importante aspecto a ser considerado nas simulações é o processo de geração
dos veículos. Os dados de filmagens da rodovia Washington Luiz (SP-310), realizada por
Araújo [2007], permitiram verificar que os
headways observados entre veículos que entram
no sistema apresentam aleatoriedade significativa. Como o CORSIM permite gerar veículos
de forma estocástica, o processo de geração adotado nesta pesquisa foi baseado na distri-
buição exponencial negativa, por ser a que melhor representou as condições observadas em
rodovias paulistas [Demarchi, 2000; Araújo, 2007].
95
Por fim, o CORSIM usa seqüências de números pseudo-aleatórios para criar o grau de
aleatoriedade necessário na geração de veículos e na tomada de decisões. O uso de números
pseudo-aleatórios para a geração de veículos permite variar cada
headway de entrada, de
acordo com a função de distribuição estocástica adotada, e modelar o processo de tomada de
decisões em situações tais como aceitação de
gaps e mudanças de faixa. O uso de uma mesma
seqüência de números pseudo-aletórios permite que o usuário replique simulações para
comparações entre alternativas; por outro lado, a replicação das simulações, usando-se
seqüências diferentes, reduz a variância nos resultados das simulações de tal forma que cada
simulação seja estatisticamente independente [Banks e Carson, 1984]. O próprio manual do
CORSIM [FHWA, 2001] recomenda a utilização de vários conjuntos diferentes de números
peseudo-aleatórios para a simulação de um mesmo cenário, buscando melhor representação
das condições do tráfego simulado. Dessa forma, esta pesquisa adotou dez seqüências de
números pseudo-aleatórios diferentes para replicar cada cenário.
8.1.2. Cenários simulados
Os cenários considerados combinam diversas características do tráfego e da geometria
do trecho hipotético, como: velocidade de fluxo livre (FFS), taxa de fluxo de tráfego,
porcentagem de caminhões, comprimento de rampa e inclinação do greide. Cada alteração de
uma dessas características representou um novo arquivo simulado. A seguir, são detalhadas as
características adotadas para o tráfego, a geometria da via e o tempo de simulação.
8.1.2.1. Características do tráfego
As características do tráfego consideradas foram velocidade de fluxo livre (FFS), fluxo
de tráfego e porcentagem total de caminhões no tráfego, descritas a seguir.
Nesta pesquisa, foram consideradas duas velocidades de fluxo livre: 100 km/h e
110 km/h. A primeira é próxima da usada por Demarchi [2000] (102 km/h), enquanto a FFS
96
de 110 km/h representa o limite da velocidade atual na maioria das rodovias paulistas de pista
dupla.
As taxas de fluxos de tráfego foram determinadas em função da geração das curvas
básica (com tráfego apenas de automóveis) e mista (automóveis e caminhões), de modo a
representar todo o regime de fluxo livre até a capacidade da rodovia. Assim, foram definidas
treze taxas de fluxo de tráfego para simulação, apresentadas na Tabela 8.2.
Tabela 8.2: Cenários considerados
Tráfego Geometria da Rampa
Sementes para geração de
números pseudo-aleatórios
FFS
[km/h]
Taxa de
fluxo
[veic/h]
% de
caminhões
Greide
[%]
Comprimento
[m]
Geração de
veículos
Tomada de
decisões
110
500 0 0 500 22.321.167 72.564.643
100
1.000 10 2 1.250 36.930.463 16.805.073
1.400 20 4 2.000 85.004.683 942.629
2.000 30 6 23.995.653 16.966.139
2.100 40 8 32.582.197 23.500.659
2.200 50 67.755.629 3.682.867
2.500 42.031.469 78.383.393
2.900 43.648.641 21.978.429
3.100
7.750.487 16.278.491
3.200
41.135.427 66.084.279
4.050
4.400
5.000
As porcentagens totais de caminhões no tráfego simulado variaram de 0% até 50%,
como mostra a Tabela 8.2. As porcentagens escolhidas representam valores típicos observa-
dos na caracterização do tráfego de rodovias paulistas, descrita no Capítulo 5. A composição
típica do tráfego de caminhões adotada nas simulações é apresentada na Tabela 8.3 e foi
estabelecida de acordo com a caracterização do Capítulo 6, visto que o método de cálculo do
equivalente veicular deve considerar uma composição fixa de caminhões [Demarchi e
Setti, 2003].
Tabela 8.3: Composição de caminhões simulada (definida no Capítulo 6)
Categoria Porcentagem (p
i
)
Leve 30%
Médios 33%
Pesados 33%
Extrapesados 4%
97
8.1.2.2. Geometria do trecho
O trecho hipotético de rodovia usado nas simulações foi constituído por três segmen-
tos retos com duas faixas de tráfego, conforme ilustra a Figura 7.3. Buscou-se representar uma
composição de greides, que é característica muito comum nos perfis verticais em rodovias
paulistas. O fator de equivalência veicular foi calculado para o trecho em aclive. Os valores
adotados para a magnitude do greide (0 a 8%) e o comprimento de rampa (500 m, 1.250 m e
2.000 m) foram os mesmos da pesquisa anterior [Demarchi, 2000].
Figura 8.1: Croqui do trecho hipotético utilizado na simulação
8.1.2.3. Tempo de simulação
O tempo total adotado para as simulações foi de 3 horas, sendo que nos últimos 15
minutos foi gerado um incidente (bloqueio de uma faixa de tráfego) no terceiro tramo, com o
propósito de reduzir a capacidade do tramo intermediário o que, por sua vez, aumenta a
quantidade de pontos na região congestionada da relação fluxo-impedância.
Uma vantagem do CORSIM em relação a outros simuladores é que, ao se estabelecer
o tempo total de simulação, não é preciso incluir um tempo extra para carregamento da rede
(
warm up). O tempo de warm up é especificado no arquivo RT02 (Run control) no campo 4,
denominado
maximum initialization prior to simulation. Antes de iniciar uma simulação,
como a rede não contém veículos, o modelo carrega a rede até atingir o equilíbrio sem
exceder o tempo de
warm up especificado. Ao atingir-se o equilíbrio, tem início a simulação;
98
caso se exceda o tempo de
warm up sem que um equilíbrio seja atingido, a simulação pára. O
tempo máximo de
warm up adotado nas simulações foi de 15 minutos.
Os cenários simulados combinam as características do tráfego e da geometria da via,
apresentadas na Tabela 8.2. As duas últimas colunas da Tabela 8.2 apresentam os dez pares de
sementes de seqüências de números pseudo-aleatórios utilizados para a replicação de cada
cenário.
A combinação de todas as características da Tabela 8.2 resultou em 23.400 simula-
ções, totalizando 70.200 horas de tráfego simulado. Estas simulações despenderam mais de
1.100 horas de processamento divididas em três computadores: um Pentium IV 3.0 Ghz, um
AMD Sempron 3000 e um Pentium IV 2.8 Ghz. Cada computador, em média, processou
simulações ininterruptamente durante 12 dias. Para isso, foi implementado um programa em
VBA, no Excel, que acionava o CORSIM automaticamente para simular o conjunto de cena-
rios. Este programa era capaz de gerar o arquivo de simulação TRF com as características de
cada cenário, simular este arquivo TRF no CORSIM e extrair os dados do arquivo TSD
produzido na simulação de cada cenário. O Apêndice B descreve o código utilizado para
extrair os dados do arquivo binário TSD produzido pelo CORSIM.
8.2. RESULTADOS DAS SIMULAÇÕES
Os valores das variáveis de tráfego foram extraídos dos resultados das simulações a
intervalos de 5 minutos, para garantir um adequado grau de variabilidade. Como cada simula-
ção representava 3 horas de tráfego, para cada cenário foram obtidas 36 observações das
variáveis de tráfego descritas a seguir.
8.2.1. Cálculo das variáveis de tráfego
As variáveis de tráfego obtidas das simulações foram fluxo de tráfego, velocidade da
corrente de tráfego, velocidade dos automóveis e densidade. O fluxo de tráfego médio
q (em
99
veíc/h.faixa) no tramo intermediário foi determinado por:
t
nn
N
q
ii
∆
−
⋅=
−
)(
3600
1
(8.1)
em que: n
i
, n
i-1
: número acumulado de veículos que passaram pelo tramo desde o início
da simulação (i = 0) até os intervalos i e i-1;
∆
t : intervalo de tempo entre os intervalos i e i-1 (
∆
t = 300 s); e
N
: número de faixas de tráfego (N = 2).
A velocidade média da corrente de tráfego u (em km/h) no tramo foi calculada por:
)(
)(
3600
1
1
−
−
−
−
⋅⋅=
ii
ii
tvtv
nn
Lu (8.2)
sendo: tv
i
, tv
i-1
: soma dos tempos de viagem (em segundos) de todos os veículos que
passaram pelo tramo desde o início da simulação (i = 0) até os intervalos
de tempo i e i-1; e
L
: comprimento do tramo (km).
A velocidade média dos automóveis u
a
(em km/h) no tramo foi determinada por:
)''(
)''(
3600
1
1
−
−
−
−
⋅⋅=
ii
ii
a
tvtv
nn
Lu
(8.3)
em que:
1
','
−ii
nn : número acumulado de automóveis que passaram pelo tramo desde o
início da simulação (i = 0) até os intervalos i e i-1; e
1
','
−ii
tvtv : soma dos tempos de viagem (em segundos) de todos os automóveis que
passaram pelo tramo desde o início da simulação (i = 0) até os intervalos
de tempo i e i-1.
A densidade k (veíc/km.faixa) foi obtida a partir da relação fundamental de tráfego:
u
q
k =
(8.4)
8.2.2. Geração das curvas fluxo-impedância
As curvas fluxo-impedância foram geradas para os diversos cenários apresentados na
Tabela 8.2. A combinação de duas medidas de desempenho (velocidade dos automóveis e
densidade), duas velocidades de fluxo livre, seis porcentagens de caminhões, cinco magnitu-
100
des de greide e três comprimentos de rampa resultou 360 curvas fluxo-impedância diferentes.
Cada curva gerada contém 4.680 pontos fluxo-impedância que correspondem às treze
taxas de fluxo de tráfego simuladas (Tabela 8.2), replicadas dez vezes. Cabe lembrar que cada
taxa de fluxo simulada gerou 36 pontos de variáveis de tráfego. A Figura 8.2 ilustra os pontos
gerados para a curva básica (0% de greide e 0% de caminhões) com FFS de 110 km/h e rampa
de 500 m, enquanto a Figura 8.3 ilustra os pontos para um aclive
i de 4%, porcentagem de
caminhões
p de 30%, FFS de 110 km/h e comprimento de rampa L de 500 m.
A partir dos pontos gerados, foi necessário determinar uma curva ajustada que melhor
representasse os resultados das simulações. Segundo Rakha e Crowther [2003], o modelo
microscópico do CORSIM é caracterizado pelo modelo macroscópico de Pipes, que utiliza
apenas três parâmetros para seu ajuste: velocidade de fluxo livre (
u
f
), capacidade da via (q
c
) e
densidade de congestionamento (
k
j
). Para o regime congestionado, este modelo explica bem
os resultados simulados. Porém, para o regime de fluxo livre, o modelo de Pipes considera a
velocidade de fluxo livre a mesma para a velocidade na capacidade. Esta situação não foi
observada nos resultados obtidos nas simulações, principalmente em situações com maiores
inclinações de greide e porcentagem de caminhões – como a apresentada na Figura 8.3(a).
Assim, optou-se por um ajuste utilizando uma curva média que passa pelos pontos obtidos.
0
20
40
60
80
100
120
140
0 300 600 900 1200 1500 1800 2100 2400
Fluxo (cpe/h.faixa)
Velocidade dos automóveis
(km /h)
0
10
20
30
40
50
60
70
0 300 600 900 1200 1500 1800 2100 2400
Fluxo (cpe/h.faixa)
Densidade (cpe/km.faixa)
(a) Curva básica fluxo-velocidade dos automóveis (b) Curva básica fluxo-densidade
Figura 8.2: Ajuste da curva básica com FFS = 110 km/h, L = 500 m, i = 0% e p = 0%
101
0
20
40
60
80
100
120
140
0 300 600 900 1200 1500 1800 2100 2400
Fluxo (veic/h.faixa)
Velocidade dos automóveis
(km /h)
0
10
20
30
40
50
60
70
0 300 600 900 1200 1500 1800 2100 2400
Fluxo (veic/h.faixa)
Densidade (veic/km.faixa)
(a) Curva fluxo-velocidade dos automóveis (b) Curva fluxo-densidade
Figura 8.3: Ajuste da curva com FFS = 110 km/h, L = 500 m, i = 4% e p = 30%
A curva média foi definida apenas para o regime de fluxo livre até a capacidade da
rodovia, definida pela densidade na capacidade (
k
m
) em 25 veíc/(km.faixa) – máximo valor
determinado nas curvas básicas, como mostra a Figura 8.2(b). Os pontos com densidade
maior que
k
m
foram desprezados na curva ajustada. Em seguida, determinou-se a média dos
pontos a cada intervalo de fluxo de tráfego de 50 veíc/(h.faixa), resultando nas curvas
ajustadas, que também estão mostradas na Figura 8.2 e na Figura 8.3. Ao traçar a curva
média, quando necessário, alguns pontos foram ajustados visualmente.
8.3. DETERMINAÇÃO DO EQUIVALENTE VEICULAR
Determinadas as curvas fluxo-impedância, o fator de equivalência foi calculado pelo
método do equivalente médio proposto por Demarchi e Setti [2003]. O método consiste em
determinar o
E
T
, para uma composição típica de caminhões, a partir do fluxo básico q
b
e do
fluxo misto
q
m
para um mesmo valor da medida de impedância, através da expressão:
11
1
+
⎥
⎦
⎤
⎢
⎣
⎡
−⋅=
m
b
T
q
q
p
E
(8.5)
em que:
p : porcentagem total de caminhões na corrente de tráfego;
q
b
: fluxo de tráfego na corrente básica, em cpe/h.faixa; e
q
m
: fluxo de tráfego na corrente mista, em veíc/h.faixa.
Tal como feito por Demarchi [2000], optou-se por determinar os valores dos fatores de
102
equivalência para os fluxos correspondentes aos limites dos níveis de serviço A, B, C, D e E,
os fluxos de serviço para cada nível de serviço.
8.3.1. Definição dos limites dos níveis de serviço
Como a medida de impedância alternativa avaliada nesta pesquisa é a velocidade dos
automóveis, os limites dos níveis de serviço (NS) foram definidos para este critério.
Historicamente, a velocidade dos automóveis foi usada, inicialmente, como critério
principal para definição de nível de serviço em rodovias de pista dupla na segunda edição do
HCM, em 1965, pois foi considerada a medida diretamente percebida pelos motoristas para
descrever a qualidade experimentada nas rodovias [Roess, 1984]. Roess
et al. [1979] suge-
riram que o nível de serviço em rodovias de pista dupla fosse definido pela velocidade e pela
densidade, sendo a densidade a medida principal. A partir da terceira edição do HCM (1985),
o nível de serviço foi definido em função da densidade como critério principal, porém valores
de velocidades dos automóveis também são apresentados como derivada da densidade e do
fluxo de tráfego [TRB, 1985, 1994, 2000]. A Tabela 8.4 apresenta as velocidades dos
automóveis – derivada da densidade – em três edições do HCM.
Tabela 8.4: Limites dos níveis de serviço para a velocidade dos automóveis em três versões do HCM
Velocidade dos automóveis (km/h)
FFS
Edição do
HCM
NS A NS B NS C NS D NS E
1985 106 101 97 84 58
1994 110 110 107 101 83
110 km/h
2000 110 110 107 99 95
1985 96 91 87 74 48
1994 100 100 99 95 79
100 km/h
2000 100 100 98 91 88
Para determinar as velocidades dos automóveis da Tabela 8.4 foi preciso definir os
níveis de serviço pelo critério da densidade. O HCM-2000 [TRB, 2000] sugere para definição
do nível de serviço em rodovias americanas de pista dupla as densidades apresentadas na
Tabela 8.5.
103
Tabela 8.5: Critério para definição dos níveis de serviço em rodovias de pista dupla [TRB, 2000]
Nível de
Serviço
Densidade
(cpe/km.faixa)
A
k ≤ 7
B
7< k ≤ 11
C
11< k ≤ 16
D
16 < k ≤ 22
E
22 < k ≤ 28
Demarchi [2000] definiu níveis de serviço para rodovias paulistas seguindo os valores
de densidades apresentados no HCM de 1997 [TRB, 1997]. Como o HCM-2000 apresenta
valores de densidades diferentes dos usados por Demarchi [2000], a Tabela 8.6 compara as
densidades adotadas no estudo de Demarchi [2000] e as apresentadas no HCM-2000.
Tabela 8.6: Limites dos níveis de serviço para o critério da densidade
Densidade máxima
(cpe/km.faixa)
Nível de
Serviço
Demarchi [2000] HCM-2000
A 6 7
B 10 11
C 15 16
D 20 22
E 28 28
Para esta pesquisa, os níveis de serviço A, B, C e D foram definidos pelas densidades
de 6, 10, 15 e 20 cpe/km.faixa, respectivamente, conforme os valores adotados no estudo
anterior [Demarchi, 2000]. Para o nível de serviço E, foi adotado o valor de 25 cpe/km.faixa
que corresponde à densidade na capacidade obtida na curva básica (apenas automóveis) –
ilustrada na Figura 8.2(b), uma vez que não se observaram valores superiores nas simulações
realizadas. A partir destas densidades, foi possível estimar os fluxos de tráfego na curva
básica fluxo-densidade – Figura 8.2(b) – e, conseqüentemente, a partir dos valores dos fluxos
obtidos, as velocidades dos automóveis para cada nível de serviço foram determinadas nas
curvas básicas fluxo-velocidade dos automóveis – Figura 8.2(a).
A Tabela 8.7 resume os critérios adotados nesta pesquisa para os níveis de serviço em
rodovias de pista dupla do estado de São Paulo. São apresentados os valores adotados para a
densidade (medida principal), os valores obtidos para a velocidade dos automóveis (variável
104
investigada nesta pesquisa) e o fluxo de serviço obtido para cada nível de serviço.
Tabela 8.7: Critérios dos níveis de serviço adotados para rodovias paulistas de pista dupla
Nível de Serviço (NS)
FFS Critério
A B C D E
Máxima densidade (cpe/km.faixa) 6 10 15 20 25
Velocidade dos automóveis (km/h) 108 106 103 97 84
110 km/h
Máxima taxa de fluxo (cpe/h.faixa) 650 1.065 1.545 1.930 2.100
Máxima densidade (cpe/km.faixa) 6 10 15 20 25
Velocidade dos automóveis (km/h) 97 96 93 90 80
100 km/h
Máxima taxa de fluxo (cpe/h.faixa) 580 960 1.400 1.800 2.000
Os critérios adotados na Tabela 8.7 resultaram em curvas básicas para as rodovias
paulistas de pista dupla que podem substituir as apresentadas no HCM-2000, determinadas
para rodovias americanas. A Figura 8.4 mostra as curvas básicas obtidas por simulação para
as velocidades de fluxo livre (FFS) de 110 km/h e 100 km/h, usando a velocidade dos
automóveis como medida de impedância para caracterizar o nível de serviço.
NSA
NSB
NSC
NSD
NSE
0
20
40
60
80
100
120
0 300 600 900 1200 1500 1800 2100
Fluxo (cpe/h.faixa)
Velocidade dos automóveis
(km/h)
Figura 8.4: Curvas básicas fluxo-velocidade obtidas para rodovias paulistas de pista dupla
O formato das curvas básicas da Figura 8.4 é semelhante ao das curvas apresentadas
na edição de 1985 do HCM [TRB, 1985], devido à sensível redução da velocidade dos auto-
móveis ao aumento do fluxo. As curvas da Figura 8.4, entretanto, diferem das apresentadas no
HCM-2000 que, para fluxos de até 1.400 cpe/h.faixa, consideram constante a velocidade dos
automóveis nos níveis de serviço A e B, como apresentado na Tabela 8.4.
Uma vez definidos os níveis de serviço para a medida de desempenho investigada e,
conseqüentemente, os fluxos de serviço correspondentes, foi possível calcular os fatores de
105
equivalências para caminhões de acordo com a Equação 8.5. Os itens a seguir apresentam os
resultados obtidos em relação aos equivalentes veiculares calculados para diferentes magni-
tudes de greide, comprimentos de rampa, porcentagens de caminhões e níveis de serviço.
8.3.2. Equivalentes veiculares baseados na velocidade média dos automóveis
A Tabela 8.8 apresenta os fatores de equivalência para rodovias de pista dupla com
duas faixas de tráfego por sentido e FFS de 110 km/h, determinados pela Equação 8.5, consi-
derando a velocidade dos automóveis como medida de impedância.
Tabela 8.8: Equivalentes veiculares para caminhões típicos baseados na velocidade dos automóveis,
para FFS = 110 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
% de
cam.
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
10 1,0 1,2 1,5 1,8 2,7 6,1 3,6 12,2 41,4 7,8 63,2 153,5 52,3 223,1 333,1
20 1,2 1,3 1,5 1,8 2,8 4,3 3,0 12,3 41,8 5,8 53,0 121,0 29,5 143,7 199,1
30 1,4 1,5 1,9 1,9 3,2 4,1 2,8 11,8 38,5 4,9 49,3 91,9 22,9 111,7 152,4
40 1,5 1,5 1,8 1,9 3,3 4,0 2,8 11,8 39,1 4,3 46,3 79,8 18,3 100,1 123,5
NS A
50 1,5 1,6 1,8 1,9 3,3 3,8 2,7 11,0 32,3 4,1 42,3 67,4 16,3 85,7 107,3
10 1,7 2,0 2,6 2,6 4,8 6,3 4,5 14,6 29,3 8,2 41,5 104,3 33,6 154,8 222,5
20 1,9 2,3 2,5 2,6 4,7 5,7 4,0 11,1 27,7 5,9 35,7 84,8 19,4 100,4 136,1
30 2,0 2,2 2,5 2,6 4,3 5,6 3,5 9,5 26,3 5,2 33,5 63,4 15,2 78,3 102,1
40 2,1 2,3 2,6 2,5 4,1 5,5 3,3 9,1 26,5 4,8 32,2 55,1 12,3 66,8 87,3
NS B
50 2,0 2,4 2,7 2,5 4,0 5,2 3,1 8,2 22,4 4,6 29,0 47,4 11,0 58,2 72,4
10 2,7 3,5 3,7 3,7 6,4 8,6 5,2 14,5 30,6 8,4 38,1 85,2 19,9 126,5 184,1
20 2,7 3,4 3,6 3,3 5,7 6,9 4,7 12,1 23,8 6,5 28,9 69,6 13,5 82,8 113,0
30 2,6 3,4 3,6 3,3 5,6 6,6 4,3 10,0 23,3 6,0 27,4 52,5 10,9 65,4 85,0
40 2,6 3,4 3,6 3,3 5,1 6,3 4,0 8,9 21,9 5,3 26,5 45,0 9,8 55,3 72,8
NS C
50 2,6 3,3 3,6 3,2 4,9 6,0 3,8 9,0 18,4 4,9 23,9 39,7 9,0 50,5 64,7
10 3,2 4,0 4,2 4,1 6,9 9,9 5,6 12,4 23,1 7,8 28,1 57,8 14,6 64,7 135,0
20 3,3 3,8 4,2 3,8 6,0 7,4 4,7 10,8 18,0 6,2 20,7 52,8 10,3 47,9 80,6
30 3,1 3,7 4,1 3,6 5,7 6,6 4,4 8,6 15,2 5,9 19,1 38,4 8,5 41,7 53,6
40 2,9 3,6 3,8 3,6 5,3 6,3 4,2 7,9 15,9 5,3 17,1 31,5 7,7 38,4 47,7
NS D
50 2,8 3,7 3,6 3,5 5,2 5,8 3,9 7,6 13,5 5,0 15,8 31,2 7,0 34,7 41,4
10 2,9 3,8 4,4 3,5 5,0 7,8 3,8 8,0 15,2 5,4 17,6 32,7 6,4 34,8 60,3
20 2,7 3,2 4,3 3,0 4,5 5,7 3,6 8,1 11,9 4,7 13,2 29,0 5,5 27,8 44,8
30 2,7 3,2 4,2 3,0 4,3 5,5 3,5 6,3 10,8 4,7 11,4 20,5 5,5 26,8 32,3
40 2,6 3,2 3,9 3,0 4,3 5,1 3,5 6,0 9,5 4,5 11,0 17,4 5,5 22,4 27,8
NS E
50 2,7 3,2 3,4 2,9 4,1 4,4 3,5 5,9 9,7 4,3 11,4 16,1 4,8 20,2 23,6
Elefteriadou
et al. [1997] afirmam que os fatores de equivalência baseados na veloci-
dade aumentam com o fluxo de tráfego, comprimento de rampa, magnitude do greide. Linzer
106
et al. [1979], por sua vez, verificam que os fatores decrescem com o aumento da porcentagem
de caminhões. De modo geral, as observações de ambos os autores foram confirmadas nesta
investigação, como mostram os resultados da Tabela 8.8. Como exemplo, a Figura 8.5 e a
Figura 8.6, elaboradas para o nível de serviço C (103 km/h), corroboram a conclusão de que
os fatores de equivalência aumentam com o comprimento da rampa e a magnitude do greide,
respectivamente.
Greide = 2%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
9,0
0,00,51,01,52,0
Comprimento do greide (km)
Fator de Equivalência
Greide = 4%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
6,0
11,0
16,0
21,0
26,0
31,0
36,0
0,0 0,5 1,0 1,5 2,0
Comprimento do greide (km)
Fator de Equivalência
Greide = 6%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
11,0
21,0
31,0
41,0
51,0
61,0
71,0
81,0
91,0
0,00,51,01,52,0
Comprimento do greide (km)
Fator de Equivalência
Greide = 8%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
21,0
41,0
61,0
81,0
101,0
121,0
141,0
161,0
181,0
201,0
0,0 0,5 1,0 1,5 2,0
Comprimento do greide (km)
Fator de Equivalência
Figura 8.5: Variação do fator de equivalência em função do comprimento da rampa para o nível de
serviço C (103 km/h)
Comprimento do greide = 0,5 km
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
3,0
5,0
7,0
9,0
11,0
13,0
15,0
17,0
19,0
21,0
0% 2% 4% 6% 8%
Magnitude do greide
Fator de Equivalência
Comprimento do greide = 1,25 km
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
21,0
41,0
61,0
81,0
101,0
121,0
141,0
0% 2% 4% 6% 8%
Magnitude do greide
Fator de Equivalência
107
Comprimento do greide = 2,0 km
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
1,0
21,0
41,0
61,0
81,0
101,0
121,0
141,0
161,0
181,0
201,0
0% 2% 4% 6% 8%
Magnitude do greide
Fator de Equivalência
Figura 8.6: Variação do fator de equivalência em função da magnitude do greide para o nível de
serviço C (103 km/h)
A Figura 8.7, elaborada para rampa de 1,25 km, mostra que os equivalentes diminuem
com o aumento da porcentagem de caminhões, pois, conforme o HCM-2000, os maiores
valores de equivalentes veiculares ocorrem quando há poucos veículos pesados na corrente de
tráfego.
Nivel de Serviço A
0%
2%
4%
6%
8%
1,0
51,0
101,0
151,0
201,0
251,0
0 1020304050
Porcentagem de caminhões
Fator de Equivalência
Nivel de Serviço B
0%
2%
4%
6%
8%
1,0
21,0
41,0
61,0
81,0
101,0
121,0
141,0
161,0
181,0
01020304050
Porcentagem de caminhões
Fator de Equivalência
Nivel de Serviço C
0%
2%
4%
6%
8%
1,0
21,0
41,0
61,0
81,0
101,0
121,0
141,0
0 1020304050
Porcentagem de caminhões
Fator de Equivalência
Nivel de Serviço D
0%
2%
4%
6%
8%
1,0
11,0
21,0
31,0
41,0
51,0
61,0
71,0
0 1020304050
Porcentagem de caminhões
Fator de Equivalência
108
Nivel de Serviço E
0%
2%
4%
6%
8%
1,0
6,0
11,0
16,0
21,0
26,0
31,0
36,0
41,0
0 1020304050
Porcentagem de caminhões
Fator de Equivalência
Figura 8.7: Variação do fator de equivalência em função da porcentagem de caminhões, para rampa
de 1,25 km
Huber [1982] demonstrou que, se a velocidade da corrente de tráfego for usada como
medida de desempenho, os valores dos equivalentes são máximos e diminuem com o aumento
do fluxo de tráfego; ao se usar a velocidade dos automóveis, os valores dos fatores de
equivalência são constantes e não variam com porcentagem de caminhões e fluxo de tráfego.
A Figura 8.8 mostra o efeito do fluxo de tráfego no valor do equivalente veicular, elaborada
para rampa de 1,25 km de extensão.
Greide = 2%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
0 200 400 600 800 1000 1200 1400 1600
Fluxo de tráfego (veíc/h.faixa)
Fator de Equivalência
Greide = 4%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
16,0
0 200 400 600 800 1000 1200 1400 1600
Fluxo de tráfego (veíc/h.faixa)
Fator de Equivalência
Greide = 6%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
0 100 200 300 400 500 600 700 800 900
Fluxo de tráfego (veíc/h.faixa)
Fator de Equivalência
Greide = 8%
p = 10%
p = 20%
p = 30%
p = 40%
p = 50%
0,0
50,0
100,0
150,0
200,0
250,0
0 100 200 300 400 500 600
Fluxo de tráfego (veíc/h.faixa)
Fator de Equivalência
Figura 8.8: Variação do fator de equivalência em função do fluxo de tráfego, para rampa de 1,25 km
109
Observa-se na Figura 8.8 que, ao contrário do que Huber [1982] demonstrou, os
equivalentes veiculares obtidos usando-se a velocidade dos automóveis como medida de de-
sempenho variam em função da porcentagem de caminhões e do fluxo de tráfego. Nas rampas
mais acentuadas (4%, 6% e 8%), os valores dos equivalentes baseados na velocidade dos
automóveis são máximos para baixos fluxos de tráfego e decrescem com o aumento do fluxo.
A Tabela 8.9 apresenta os fatores de equivalência para rodovias de pista dupla com
duas faixas de tráfego por sentido e FFS de 100 km/h.
Tabela 8.9: Equivalentes veiculares para caminhões típicos baseados na velocidade dos automóveis,
para FFS = 100 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
% de
cam.
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
10 1,7 2,4 2,6 2,3 4,5 6,3 4,0 11,5 35,6 5,9 34,3 65,4 23,8 91,0 104,7
20 1,6 1,8 2,0 2,1 2,9 3,7 2,9 7,3 21,7 4,6 27,2 46,0 13,3 57,7 68,5
30 1,4 1,7 1,7 2,0 2,9 3,5 2,5 7,3 20,1 4,0 24,9 36,3 11,0 47,2 52,9
40 1,3 1,6 1,6 1,8 2,9 3,4 2,4 7,1 16,4 3,6 22,3 30,7 11,0 38,8 43,8
NS A
50 1,3 1,5 1,6 1,7 2,6 3,1 2,6 6,9 15,3 3,3 20,1 28,7 10,0 34,2 39,0
10 6,2 6,6 6,7 6,8 9,5 9,8 8,6 18,7 37,8 11,5 50,3 87,0 22,5 117,3 145,8
20 3,7 4,1 4,7 4,6 5,3 7,0 5,6 12,4 31,0 7,9 38,5 63,6 12,8 80,2 94,0
30 2,9 3,2 3,5 3,7 5,0 6,2 4,2 10,9 28,4 6,5 34,4 51,0 11,0 65,8 73,9
40 2,6 3,0 3,0 3,1 4,7 5,9 4,0 10,3 22,7 5,8 30,9 42,9 10,8 54,3 60,0
NS B
50 2,3 2,7 2,7 2,8 4,3 5,3 3,8 9,8 21,3 5,2 27,7 39,9 10,0 47,0 53,9
10 4,0 3,9 4,7 4,9 7,9 10,6 7,0 16,0 29,4 10,2 43,0 71,0 21,1 110,7 125,6
20 3,1 3,6 3,7 4,0 5,9 7,5 5,5 12,2 26,6 7,3 33,0 54,8 11,6 68,9 82,4
30 2,8 3,5 3,6 3,6 5,5 6,5 4,5 11,4 24,5 6,1 29,9 43,9 10,3 56,7 63,4
40 2,8 3,4 3,5 3,4 4,9 6,4 4,3 10,1 19,7 5,5 27,0 37,0 10,2 46,4 52,3
NS C
50 2,6 3,3 3,5 3,1 4,5 6,3 3,9 9,1 18,4 5,0 23,8 34,4 8,9 40,8 46,5
10 3,5 4,1 4,5 5,0 7,6 9,3 6,8 15,6 28,3 9,3 37,3 58,9 16,3 85,7 107,1
20 3,5 4,0 4,2 4,4 6,6 8,0 5,5 11,8 23,0 7,4 28,0 46,8 11,3 58,9 69,8
30 3,4 3,8 3,9 3,9 5,8 7,2 4,9 10,8 20,7 6,1 25,4 37,7 9,5 48,1 54,3
40 3,1 3,7 3,9 3,7 5,4 6,7 4,6 9,8 16,7 5,8 23,0 31,8 9,4 40,2 45,4
NS D
50 3,0 3,6 3,9 3,6 5,2 6,4 4,2 9,2 15,7 5,4 20,4 29,5 8,4 34,6 39,4
10 3,2 3,4 3,5 3,2 5,2 6,7 4,2 10,1 17,0 5,4 19,0 30,6 9,1 42,9 51,8
20 2,9 3,1 3,4 3,2 4,5 5,8 4,0 8,0 12,2 5,3 14,6 23,0 6,9 29,2 37,2
30 2,9 3,3 3,4 3,3 4,3 5,3 4,0 6,9 9,8 4,8 13,3 18,7 6,5 25,8 29,3
40 2,9 3,3 3,4 3,3 4,4 5,0 3,8 6,4 9,3 4,7 11,5 16,5 6,5 21,5 24,4
NS E
50 2,9 3,3 3,4 3,2 4,2 4,9 3,9 6,1 8,3 4,4 10,7 15,9 5,7 18,9 21,6
Comparando-se os fatores de equivalência com relação à FFS, a Tabela 8.10 apresenta
a diferença absoluta entre os equivalentes obtidos para FFS de 110 km/h (Tabela 8.8) e de
100 km/h (Tabela 8.9). Observa-se que 43% dos equivalentes veiculares obtidos para FFS de
110
110 km/h foram maiores que os obtidos para 100 km/h – geralmente, para NS A e aclives
maiores do que 4%. Os demais fatores de equivalência (56%) diminuíram com o aumento da
FFS, como mostra os valores em destaque na Tabela 8.10. Com estes resultados, não é possi-
vel concluir que haja influência da FFS no valor do equivalente baseado na velocidade dos
automóveis.
Tabela 8.10: Diferença absoluta entre equivalentes veiculares obtidos com FFS de 110 km/h e de
100 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
% de
cam.
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
10 -0,7 -1,2 -1,1 -0,5 -1,8 -0,2 -0,4 0,7 5,8 1,9 28,9 88,1 28,5 132,1 228,4
20 -0,4 -0,5 -0,5 -0,3 -0,1 0,6 0,1 5,0 20,1 1,2 25,8 75,0 16,2 86,0 130,6
30 0,0 -0,2 0,2 -0,1 0,3 0,6 0,3 4,5 18,4 0,9 24,4 55,6 11,9 64,5 99,5
40 0,2 -0,1 0,2 0,1 0,4 0,6 0,4 4,7 22,7 0,7 24,0 49,1 7,3 61,3 79,7
NS A
50 0,2 0,1 0,2 0,2 0,7 0,7 0,1 4,1 17,0 0,8 22,2 38,7 6,3 51,5 68,3
10 -4,5 -4,6 -4,1 -4,2 -4,7 -3,5 -4,1 -4,1 -8,5 -3,3 -8,8 17,3 11,1 37,5 76,7
20 -1,8 -1,8 -2,2 -2,0 -0,6 -1,3 -1,6 -1,3 -3,3 -2,0 -2,8 21,2 6,6 20,2 42,1
30 -0,9 -1,0 -1,0 -1,1 -0,7 -0,6 -0,7 -1,4 -2,1 -1,3 -0,9 12,4 4,2 12,5 28,2
40 -0,5 -0,7 -0,4 -0,6 -0,6 -0,4 -0,7 -1,2 3,8 -1,0 1,3 12,2 1,5 12,5 27,3
NS B
50
-0,3 -0,3 0,0 -0,3 -0,3 -0,1 -0,7 -1,6 1,1 -0,6 1,3 7,5 1,0 11,2 18,5
10 -1,3 -0,4 -1,0 -1,2 -1,5 -2,0 -1,8 -1,5 1,2 -1,8 -4,9 14,2 -1,2 15,8 58,5
20 -0,4 -0,2 -0,1 -0,7 -0,2 -0,6 -0,8 -0,1 -2,8 -0,8 -4,1 14,8 1,9 13,9 30,6
30 -0,2 -0,1 0,0 -0,3 0,1 0,1 -0,2 -1,4 -1,2 -0,1 -2,5 8,6 0,6 8,7 21,6
40 -0,2 0,0 0,1 -0,1 0,2 -0,1 -0,3 -1,2 2,2 -0,2 -0,5 8,0 -0,4 8,9 20,5
NS C
50 0,0 0,0 0,1 0,1 0,4
-0,3 -0,1 -0,1 0,0 -0,1 0,1 5,3 0,1 9,7 18,2
10 -0,3 -0,1 -0,3 -0,9 -0,7 0,6 -1,2 -3,2 -5,2 -1,5 -9,2 -1,1 -1,7 -21,0 27,9
20 -0,2 -0,2 0,0 -0,6 -0,6 -0,6 -0,8 -1,0 -5,0 -1,2 -7,3 6,0 -1,0 -11,0 10,8
30 -0,3 -0,1 0,2 -0,3 -0,1 -0,6 -0,5 -2,2 -5,5 -0,2 -6,3 0,7 -1,0 -6,4 -0,7
40 -0,2 -0,1 -0,1 -0,1 -0,1 -0,4 -0,4 -1,9 -0,8 -0,5 -5,9 -0,3 -1,7 -1,8 2,3
NS D
50
-0,2 0,1 -0,3 -0,1 0,0 -0,6 -0,3 -1,6 -2,2 -0,4 -4,6 1,7 -1,4 0,1 2,0
10 -0,3 0,4 0,9 0,3 -0,2 1,1 -0,4 -2,1 -1,8 0,0 -1,4 2,1 -2,7 -8,1 8,5
20 -0,2 0,1 0,9 -0,2 0,0 -0,1 -0,4 0,1 -0,3 -0,6 -1,4 6,0 -1,4 -1,4 7,6
30 -0,2 -0,1 0,8 -0,3 0,0 0,2 -0,5 -0,6 1,0 -0,1 -1,9 1,8 -1,0 1,0 3,0
40 -0,3 -0,1 0,5 -0,3 -0,1 0,1 -0,3 -0,4 0,2 -0,2 -0,5 0,9 -1,0 0,9 3,4
NS E
50
-0,2 -0,1 0,0 -0,3 -0,1 -0,5 -0,4 -0,2 1,4 -0,1 0,7 0,2 -0,9 1,3 2,0
Os resultados dos equivalentes determinados para o critério da mesma velocidade dos
automóveis mostraram-se muito maiores do que os valores apresentados no HCM-2000 e os
obtidos no estudo de Demarchi [2000], ambos calculados com base na densidade. Em alguns
casos, como rampas maiores que 6% de greide e 1,25 km de extensão, os valores desta pes-
quisa superaram o valor de 100 carros de passeio equivalente (cpe), enquanto que, no HCM-
111
2000, os valores são inferiores a 7 cpe e, na pesquisa de Demarchi [2000], inferiores a
25,1 cpe. Vale lembrar a existência de certas diferenças nas três pesquisas: os equivalentes do
HCM-2000 foram determinados a partir de outro método de cálculo e com condições do
tráfego bastante diferentes desta pesquisa; na pesquisa de Demarchi [2000], a composição
típica de caminhões e o simulador de tráfego foram diferentes dos usados nesta investigação.
Mesmo assim, observa-se que a velocidade dos automóveis como critério de equivalência
implica em maior impacto dos caminhões na corrente de tráfego o que, por sua vez, acarreta
em redução da capacidade de tráfego na rodovia.
Para melhor analisar as diferenças encontradas entre essas pesquisas analisadas, optou-
se por determinar, também, equivalentes veiculares usando-se a densidade como medida de
desempenho, para as mesmas condições de simulações e o mesmo método de cálculo.
8.3.3. Equivalentes veiculares baseados na densidade
Para comparar os equivalentes obtidos com base na velocidade dos automóveis, foram
determinados fatores de equivalência utilizando a densidade como medida de impedância. A
Tabela 8.11 apresenta os equivalentes veiculares para rodovias de pista dupla com duas faixas
de tráfego por sentido e FFS de 110 km/h.
112
Tabela 8.11: Equivalentes veiculares para caminhões típicos baseado na densidade e FFS = 110 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
% de
cam.
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
10 1,0 1,1 1,1 1,1 1,2 1,4 1,2 1,7 2,8 1,3 3,0 4,5 1,9 4,9 6,3
20 1,0 1,1 1,1 1,1 1,3 1,4 1,2 1,7 2,4 1,3 2,5 3,7 1,6 3,9 4,9
30 1,1 1,1 1,1 1,1 1,3 1,4 1,2 1,7 2,3 1,3 2,5 3,3 1,5 3,4 4,2
40 1,1 1,1 1,1 1,1 1,3 1,5 1,2 1,7 2,3 1,3 2,4 3,2 1,5 3,2 3,9
NS A
50 1,1 1,1 1,2 1,1 1,4 1,5 1,2 1,7 2,3 1,3 2,4 3,0 1,5 3,1 3,6
10 1,1 1,2 1,4 1,2 1,5 1,8 1,4 2,5 4,0 1,7 4,2 5,9 2,3 6,2 7,9
20 1,1 1,2 1,4 1,2 1,6 1,9 1,4 2,4 3,2 1,6 3,4 4,5 2,1 4,6 5,7
30 1,2 1,3 1,4 1,3 1,7 2,0 1,4 2,3 2,8 1,7 3,0 3,9 2,1 4,0 4,7
40 1,2 1,4 1,5 1,3 1,8 2,0 1,5 2,2 2,7 1,9 2,9 3,5 2,1 3,6 4,4
NS B
50 1,2 1,6 1,7 1,4 1,9 2,0 1,8 2,2 2,7 1,9 2,8 3,3 2,0 3,4 4,1
10 1,3 1,5 2,0 1,5 2,6 3,0 1,9 3,7 5,3 2,5 5,6 7,9 3,2 8,1 10,0
20 1,5 1,8 2,0 1,8 2,3 2,8 2,0 3,1 4,1 2,4 4,3 5,4 2,9 5,6 6,6
30 1,7 1,9 2,0 1,8 2,3 2,6 2,1 3,0 3,6 2,4 3,8 4,4 2,8 4,6 5,3
40 1,7 2,0 2,0 1,9 2,3 2,6 2,1 2,9 3,3 2,7 3,4 3,9 3,1 4,1 4,8
NS C
50 1,8 2,0 2,1 2,0 2,5 2,7 2,5 2,9 3,1 2,6 3,2 3,6 2,9 3,9 4,5
10 2,3 2,9 3,2 2,5 3,7 4,2 3,0 4,7 6,5 3,8 6,7 8,6 4,2 8,8 10,9
20 2,1 2,6 2,6 2,4 3,0 3,5 2,7 3,9 4,6 3,1 4,9 5,8 3,8 6,0 6,8
30 2,2 2,6 2,6 2,3 2,9 3,1 2,8 3,4 3,9 3,0 4,1 4,7 3,5 4,8 5,4
40 2,2 2,5 2,5 2,4 2,8 2,9 2,7 3,2 3,6 3,3 3,5 4,1 3,7 4,6 4,8
NS D
50 2,2 2,6 2,5 2,4 2,9 3,0 2,8 3,3 3,5 3,1 3,5 3,7 3,5 4,2 4,6
10 2,6 3,5 3,9 3,0 4,2 4,6 3,7 4,8 6,3 4,0 7,3 7,9 4,4 7,9 10,1
20 2,4 3,0 2,9 2,7 3,3 3,5 2,8 4,1 4,4 3,5 4,9 5,5 4,1 5,5 6,1
30 2,3 3,0 2,8 2,6 3,0 3,1 3,1 3,4 3,6 3,5 4,2 4,5 3,6 4,6 4,9
40 2,3 2,7 2,6 2,6 3,0 2,9 2,9 3,2 3,3 3,5 3,5 3,9 3,8 4,5 4,6
NS E
50 2,4 2,8 2,6 2,6 3,0 3,0 2,9 3,4 3,3 3,2 3,5 3,6 3,7 4,0 4,2
Tal como realizado com a velocidade dos automóveis, foram determinados valores de
equivalentes para as duas velocidades de fluxo livre (FFS). A Tabela 8.12 apresenta os fatores
de equivalência para rodovias de pista dupla com duas faixas de tráfego e FFS de 100 km/h.
113
Tabela 8.12: Equivalentes veiculares para caminhões típicos baseado na densidade e FFS = 100 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
% de
cam.
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
10 1,0 1,0 1,0 1,1 1,2 1,3 1,2 1,7 2,4 1,4 2,9 3,9 1,7 4,4 5,5
20 1,0 1,0 1,0 1,1 1,2 1,3 1,2 1,7 2,3 1,3 2,5 3,4 1,6 3,6 4,4
30 1,1 1,1 1,1 1,1 1,2 1,3 1,2 1,7 2,2 1,3 2,5 3,1 1,5 3,3 3,8
40 1,1 1,1 1,1 1,1 1,2 1,4 1,2 1,7 2,2 1,3 2,3 2,9 1,5 3,1 3,5
NS A
50 1,1 1,1 1,1 1,1 1,3 1,4 1,2 1,7 2,2 1,3 2,3 2,8 1,5 2,9 3,3
10 1,2 1,2 1,2 1,3 1,5 1,7 1,4 2,4 3,7 1,7 4,0 5,4 2,3 5,8 7,1
20 1,2 1,2 1,2 1,3 1,6 1,8 1,4 2,3 3,0 1,7 3,3 4,1 2,1 4,4 5,1
30 1,2 1,2 1,3 1,3 1,6 1,8 1,4 2,1 2,7 1,7 3,0 3,5 2,1 3,8 4,4
40 1,2 1,3 1,4 1,3 1,7 1,8 1,4 2,1 2,6 1,7 2,8 3,2 2,0 3,5 4,0
NS B
50 1,2 1,4 1,5 1,3 1,7 1,9 1,4 2,1 2,5 1,7 2,6 3,1 2,0 3,3 3,8
10 1,3 1,4 1,5 1,6 2,1 2,6 2,0 3,7 4,8 2,3 5,4 7,0 3,4 7,4 9,0
20 1,4 1,5 1,6 1,6 2,1 2,6 2,0 3,0 3,7 2,3 4,1 5,0 2,8 5,2 5,9
30 1,5 1,8 1,8 1,8 2,1 2,4 2,0 2,8 3,3 2,3 3,6 4,1 2,7 4,4 5,0
40 1,7 1,9 1,9 1,8 2,2 2,4 2,0 2,7 3,0 2,3 3,2 3,7 2,7 4,0 4,4
NS C
50 1,7 1,9 1,9 1,9 2,2 2,4 2,1 2,6 2,9 2,4 3,1 3,5 2,7 3,7 4,1
10 2,1 2,2 2,5 2,2 3,1 3,8 2,5 4,7 6,2 3,3 6,6 8,4 4,5 8,5 10,5
20 2,1 2,3 2,4 2,3 3,0 3,3 2,6 3,8 4,5 3,2 4,8 5,6 3,6 5,9 6,6
30 2,1 2,4 2,4 2,3 2,9 3,0 2,6 3,5 3,8 3,2 4,0 4,4 3,6 4,8 5,5
40 2,1 2,5 2,4 2,4 2,8 2,8 2,6 3,1 3,4 3,0 3,6 4,0 3,4 4,3 4,7
NS D
50 2,2 2,5 2,4 2,4 2,7 2,9 2,6 3,0 3,2 2,9 3,4 3,7 3,2 4,0 4,4
10 2,2 2,6 3,3 2,8 3,5 3,9 3,1 5,0 6,4 3,3 6,5 8,5 4,8 8,5 10,8
20 2,2 2,7 2,8 2,7 3,0 3,5 3,0 3,8 4,7 3,3 5,0 5,5 3,9 5,8 6,4
30 2,3 2,7 2,7 2,7 3,0 3,2 3,0 3,7 4,0 3,6 4,1 4,3 3,9 4,7 5,2
40 2,3 2,7 2,6 2,7 3,0 3,2 3,0 3,3 3,4 3,3 3,5 3,8 3,5 4,3 4,4
NS E
50 2,3 2,7 2,6 2,7 3,0 3,2 3,0 3,1 3,2 3,1 3,3 3,5 3,4 4,0 4,3
Os resultados obtidos com o critério da mesma densidade (Tabela 8.11 e Tabela 8.12)
mostram que, ao contrário das tabelas do HCM-2000 e de Demarchi [2000], os equivalentes
em trechos planos (0% de greide) apresentam variação nos valores com o aumento do compri-
mento da rampa. Quanto à variação dos equivalentes veiculares, os valores obtidos nesta
pesquisa para FFS de 100 km/h (Tabela 8.12) variaram de 1,0 a 10,8 carros de passeio equiva-
lente (cpe). Os equivalentes veiculares determinados por Demarchi [2000], FFS de 102 km/h,
variaram de 1,2 a 25,1 cpe, enquanto, no HCM-2000, os fatores de equivalência variam de 1,5
a 7,0 cpe – independente da FFS considerada.
Considerando os fatores de equivalência obtidos nesta pesquisa, para as duas medidas
de impedância (velocidade dos automóveis e densidade), observa-se que os equivalentes cal-
culados pelo critério da velocidade dos automóveis (Tabela 8.8 e Tabela 8.9) são maiores do
114
que os calculados pela densidade (Tabela 8.11 e Tabela 8.12). Para rampas com maiores
inclinação e comprimento, os valores dos equivalentes com base na velocidade dos automó-
veis são muito maiores do que os baseados na densidade. Essa significativa diferença deve-se
ao fato de a medida velocidade dos automóveis ser muito sensível à presença de caminhões na
corrente de tráfego. A Figura 8.9 ilustra este fato na determinação dos fluxos básico e misto
para o cálculo do equivalente veicular.
0
20
40
60
80
100
120
0 300 600 900 1200 1500 1800 2100
Fluxo (veíc/h.faixa)
Velocidade dos automóveis
(km /h)
0
10
20
30
40
50
60
0 300 600 900 1200 1500 1800 2100
Fluxo (veíc/h.faixa)
Densidade (veíc/km.faixa)
(a) velocidade dos automóveis (b) densidade
Figura 8.9: Determinação dos fluxos básico (q
b
) e misto (q
m
) para L = 2.000 m, i = 4% e p = 30%
A Figura 8.9 apresenta a obtenção do equivalente veicular, para as duas medidas de
desempenho, em uma rampa de 2.000 m, com greide de 4% e 30% de caminhões no tráfego
(fluxo misto). Na Figura 8.9a, os fluxos básico
q
b
e misto q
m
, correspondentes ao nível de
serviço C (103 km/h), são de 1.545 cpe/h.faixa e 210 veíc/h.faixa, respectivamente, o que
resulta em equivalente veicular de 23,3 cpe. Para a medida densidade (Figura 8.9b), os fluxos
q
b
e q
m
correspondentes ao nível C (15 veíc/km.faixa) são, respectivamente, 1.545 cpe/h.faixa
e 871 veíc/h.faixa, resultando em 3,6 cpe.
Dessa forma, pode-se concluir que a estimativa do impacto dos caminhões na corrente
de tráfego usando-se os equivalentes baseados na velocidade dos automóveis será maior que o
impacto estimado pelos equivalentes calculados a partir da densidade.
básica
mista
básica
mista
q
m
q
b
q
m
q
b
115
8.4. ANÁLISE PRÁTICA DOS FATORES DE EQUIVALÊNCIA
Para uma análise prática, foram elaboradas tabelas de fluxos máximos por faixa de
tráfego para comparação nível de serviço estimado. O item 8.4.1 avalia a implicação do uso
da medida de desempenho nos fluxos de serviços e, conseqüentemente, no nível de serviço. O
item 8.4.2 traz os resultados obtidos no nível de serviço usando-se os equivalentes baseados
apenas na densidade, utilizando os equivalentes desta pesquisa, os apresentados por Demarchi
[2000] e os do HCM-2000.
8.4.1. Análise comparativa entre as medidas de impedância
Para fins práticos, Demarchi [2000] sugere utilizar tabelas de fluxos máximos por
faixa de tráfego para cada nível de serviço, os denominados fluxos de serviço. Dessa forma,
os fluxos de serviço obtidos através do critério da mesma velocidade dos automóveis estão
apresentados na Tabela 8.13, para FFS de 110 km/h, e na Tabela 8.14, para FFS de 100 km/h.
Observe-se que os baixos fluxos de serviço obtidos refletem o impacto dos maiores fatores de
equivalência calculados para esta medida de impedância. Os fluxos de serviços do nível E
correspondem à capacidade da via, em veíc/h.faixa.
116
Tabela 8.13: Fluxos de serviço (veíc/h.faixa) usando a velocidade dos automóveis como medida de
impedância e para FFS de 110 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
%
cam
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
0 650 650 650 650 650 650 650 650 214 650 650 214 158 102 100
10 648 640 622 600 555 430 514 306 129 387 90 40 106 28 19
20 630 615 594 560 480 391 461 200 71 330 57 26 97 22 16
30 574 565 512 514 389 337 421 153 53 300 42 23 86 19 14
40 549 544 487 484 340 295 381 122 40 282 34 20 82 16 13
NS A
50 519 508 463 453 302 269 350 108 39 253 30 19 75 15 12
0 1065 1065 1065 1060 1065 1060 1060 1065 600 1060 775 504 372 240 231
10 991 970 920 916 772 696 789 452 278 620 211 94 250 65 46
20 900 850 820 803 610 551 669 353 168 537 134 60 228 51 38
30 810 780 742 717 535 448 605 299 124 474 99 54 203 44 34
40 750 709 651 667 478 383 552 252 95 425 79 47 193 39 30
NS B
50 699 627 575 610 426 343 518 232 91 381 71 44 177 36 29
0 1545 1545 1545 1545 1545 1545 1545 1545 1080 1475 935 806 648 420 408
10 1322 1237 1212 1213 1001 880 1085 658 390 886 328 164 534 114 80
20 1145 1050 1010 1055 800 706 883 480 278 734 235 105 441 89 66
30 1053 903 864 921 650 574 774 418 201 620 173 94 389 76 59
40 936 795 752 812 583 498 707 371 165 572 138 83 341 68 52
NS C
50 870 724 679 730 526 439 648 310 159 526 124 76 309 60 47
0 1930 1930 1930 1910 1808 1759 1877 1723 1612 1749 1282 1115 1200 800 777
10 1581 1487 1462 1478 1212 1020 1321 900 601 1146 520 289 819 262 134
20 1316 1240 1176 1244 966 850 1104 650 439 944 390 170 677 186 114
30 1183 1073 1007 1090 799 720 955 586 367 785 300 158 594 146 115
40 1104 940 902 950 705 620 850 511 278 708 260 146 524 121 98
NS D
50 1005 820 840 850 622 570 780 450 267 647 230 120 483 108 91
0 2100 2100 2100 2060 2023 1994 2014 1930 1850 1998 1600 1568 1850 1320 1346
10 1771 1638 1573 1683 1503 1250 1639 1236 867 1460 790 504 1361 480 303
20 1570 1462 1272 1493 1234 1086 1388 867 660 1212 610 318 1110 330 215
30 1400 1266 1079 1320 1050 896 1193 811 534 1002 511 307 898 240 202
40 1271 1128 978 1173 910 798 1056 702 478 869 420 278 755 220 179
NS E
50 1130 1005 950 1079 826 771 930 610 391 798 340 246 724 198 171
117
Tabela 8.14: Fluxos de serviço (veíc/h.faixa) usando a velocidade dos automóveis como medida de
impedância e para FFS de 100 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
%
cam
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
0 580 580 580 580 580 580 580 580 580 580 580 580 580 176 219
10 540 509 498 515 429 380 447 283 130 389 134 78 177 58 51
20 516 500 480 472 421 377 423 257 113 337 93 58 168 47 40
30 514 481 477 451 368 329 402 200 86 305 71 50 145 39 35
40 511 471 465 438 333 295 374 168 81 283 61 45 116 36 32
NS A
50 502 459 440 425 320 282 324 147 71 267 55 39 105 33 29
0 960 960 960 960 960 960 960 960 673 960 960 673 646 334 265
10 633 617 610 609 518 510 545 347 205 468 162 100 305 76 62
20 624 593 550 557 516 436 501 293 137 403 113 71 285 57 49
30 610 574 551 533 438 375 489 242 104 363 87 60 240 47 42
40 583 535 530 524 389 326 433 203 99 328 74 54 195 43 39
NS B
50 575 519 513 507 359 303 398 178 86 308 67 47 175 40 35
0 1400 1400 1400 1400 1400 1400 1400 1400 1000 1400 1244 1000 902 560 444
10 1078 1087 1022 1008 829 714 877 559 365 729 269 175 465 117 104
20 983 922 905 870 705 607 735 432 229 617 189 119 450 96 81
30 914 804 780 783 599 527 678 341 174 554 145 101 370 79 71
40 822 720 704 718 544 443 605 302 165 499 123 91 299 73 65
NS C
50 770 650 629 683 506 385 568 276 144 467 113 79 282 67 59
0 1800 1800 1800 1800 1800 1800 1800 1800 1280 1750 1544 1280 1164 860 666
10 1440 1375 1337 1289 1087 985 1141 732 483 983 389 265 712 190 155
20 1196 1132 1091 1069 850 753 951 571 333 789 281 177 590 143 122
30 1052 978 963 969 735 632 832 458 261 711 216 150 509 119 106
40 980 859 840 866 649 550 742 398 247 616 184 135 413 108 96
NS D
50 911 780 732 775 579 485 698 354 215 562 168 118 383 101 89
0 2000 2000 2000 2000 2000 2000 2000 2000 1822 1925 1858 1763 1811 1600 1300
10 1640 1609 1598 1638 1406 1271 1517 1049 768 1390 715 505 1102 385 329
20 1453 1399 1355 1393 1174 1016 1243 833 618 1077 538 370 917 301 243
30 1270 1174 1170 1181 998 872 1056 723 548 932 427 317 751 237 211
40 1136 1032 1027 1044 848 771 943 629 464 807 386 278 628 217 193
NS E
50 1034 935 916 945 762 682 822 562 428 734 342 236 600 201 177
Para o critério da mesma densidade, os fluxos de serviço obtidos estão apresentados na
Tabela 8.15, para FFS de 110 km/h, e na Tabela 8.16, para FFS de 100 km/h.
118
Tabela 8.15: Fluxos de serviço (veíc/h.faixa) usando a densidade como medida de impedância e para
FFS de 110 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
%
cam
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
0 650 650 650 650 650 650 650 650 630 650 650 630 620 600 610
10 648 645 645 644 636 626 637 608 553 630 543 482 599 468 424
20 644 642 640 636 619 602 625 566 507 609 497 424 579 412 366
30 639 634 630 628 597 573 614 539 469 594 452 382 561 377 331
40 634 624 614 620 573 542 601 511 427 577 414 349 541 345 299
NS A
50 627 608 592 610 549 518 588 480 395 559 388 326 523 320 280
0 1065 1065 1065 1060 1065 1060 1060 1065 1060 1060 1015 1060 990 950 990
10 1052 1045 1020 1041 1011 988 1025 927 817 999 804 715 944 701 630
20 1035 1019 980 1018 952 903 987 831 741 949 723 630 871 616 551
30 1015 977 959 987 876 812 944 765 690 877 661 574 793 564 507
40 988 914 875 946 800 759 874 718 627 775 607 530 735 520 454
NS B
50 949 823 800 871 745 710 766 661 579 745 566 497 713 481 415
0 1545 1545 1545 1545 1545 1545 1545 1545 1520 1545 1460 1500 1450 1400 1350
10 1495 1472 1400 1469 1331 1290 1422 1216 1080 1344 1057 913 1268 905 812
20 1398 1331 1280 1334 1229 1144 1287 1084 957 1206 927 819 1122 805 730
30 1285 1228 1196 1253 1103 1038 1161 969 871 1084 838 762 1000 745 674
40 1211 1116 1094 1145 1009 947 1062 869 804 926 796 718 840 686 617
NS C
50 1115 1016 987 1043 883 833 891 786 747 852 734 665 790 626 564
0 1930 1930 1930 1920 1930 1920 1910 1900 1860 1900 1800 1760 1850 1700 1630
10 1711 1627 1581 1680 1518 1464 1605 1411 1245 1510 1233 1094 1457 1082 969
20 1582 1466 1458 1507 1374 1290 1448 1229 1124 1360 1090 985 1241 967 894
30 1411 1292 1307 1375 1221 1186 1258 1119 1038 1198 1000 916 1102 901 835
40 1310 1198 1200 1238 1111 1085 1138 1017 955 1013 967 863 935 796 763
NS D
50 1191 1084 1090 1130 993 955 1011 890 862 940 862 813 853 747 693
0 2100 2100 2100 2060 2030 2030 2020 2010 2000 2010 1950 1920 1940 1870 1800
10 1810 1683 1631 1750 1590 1544 1650 1523 1373 1610 1290 1245 1570 1243 1101
20 1650 1504 1530 1561 1443 1393 1540 1300 1248 1400 1180 1104 1290 1104 1035
30 1500 1318 1370 1430 1301 1300 1280 1224 1180 1200 1070 1020 1180 1013 964
40 1370 1243 1280 1280 1173 1182 1200 1115 1091 1060 1050 976 990 878 867
NS E
50 1250 1104 1170 1180 1060 1050 1080 947 977 1000 929 922 900 841 801
119
Tabela 8.16: Fluxos de serviço (veíc/h.faixa) usando a densidade como medida de impedância e para
FFS de 100 km/h
Greides - inclinação e comprimento (km)
0% 2% 4% 6% 8%
%
cam
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
0 580 580 580 580 580 580 580 580 580 580 580 580 580 560 550
10 580 580 580 575 567 562 569 543 507 560 489 450 540 432 400
20 575 575 576 569 558 545 560 512 458 546 444 391 521 380 347
30 570 571 571 565 542 525 552 485 426 533 401 358 502 345 314
40 568 563 562 561 528 503 542 457 392 517 377 329 482 316 290
NS A
50 565 554 549 553 512 474 533 429 367 507 352 304 462 297 270
0 960 960 960 960 960 960 960 960 940 960 960 940 930 880 870
10 942 941 939 932 912 894 920 839 756 895 740 666 849 650 595
20 932 922 922 913 863 828 887 766 690 845 659 589 790 572 525
30 918 894 891 892 813 768 850 715 636 796 600 545 730 525 475
40 897 851 830 858 759 718 820 660 585 748 564 508 690 483 434
NS B
50 868 796 776 830 717 660 800 612 549 713 527 463 641 448 404
0 1400 1400 1400 1400 1400 1400 1400 1400 1340 1400 1380 1340 1320 1250 1260
10 1363 1345 1337 1326 1259 1202 1270 1103 1014 1239 974 873 1127 855 779
20 1287 1265 1260 1248 1150 1064 1171 994 906 1120 864 780 1023 757 708
30 1214 1138 1133 1139 1041 993 1068 915 828 1007 790 726 921 696 636
40 1111 1037 1042 1052 946 900 993 830 772 916 739 678 825 638 591
NS C
50 1038 973 960 982 874 827 911 769 721 824 683 629 764 593 552
0 1800 1800 1800 1800 1800 1800 1800 1800 1700 1800 1750 1680 1700 1600 1560
10 1620 1602 1566 1610 1483 1401 1569 1311 1183 1461 1151 1035 1335 1028 921
20 1479 1432 1413 1425 1290 1232 1373 1159 1056 1255 1019 940 1180 911 848
30 1350 1273 1280 1285 1150 1122 1210 1028 986 1079 942 885 1016 839 770
40 1254 1127 1151 1166 1038 1044 1100 970 927 998 878 821 927 774 731
NS D
50 1122 1042 1044 1057 984 924 996 890 853 923 815 769 851 715 666
0 2000 2000 2000 2000 2000 2000 2000 2000 1910 1950 1910 1870 1900 1810 1780
10 1791 1720 1628 1700 1600 1550 1650 1430 1300 1620 1290 1143 1450 1140 1008
20 1620 1502 1464 1500 1430 1340 1430 1280 1149 1361 1115 1050 1270 1020 960
30 1450 1324 1334 1320 1250 1200 1260 1100 1050 1129 1040 1005 1065 950 887
40 1300 1202 1216 1200 1100 1060 1120 1050 1030 1042 994 950 997 867 846
NS E
50 1198 1089 1099 1080 1010 960 1000 975 950 980 920 894 900 800 750
Pode-se observar que os fluxos de serviço obtidos para o critério da densidade são
maiores que os fluxos de serviço obtidos pelo critério da velocidade dos automóveis. Desta
forma, para um determinado fluxo de tráfego, o nível de serviço estimado pelo critério da
velocidade dos automóveis será pior que o estimado pelo critério da densidade. O exemplo a
seguir ilustrar este efeito, considerando-se o fluxo veicular observado na caracterização do
tráfego em dias típicos apresentados no Capítulo 5 e no Apêndice A.
De modo geral, o fluxo de tráfego no dia típico em praças de pedágio localizados nas
120
rodovias do interior do estado de São Paulo, com duas faixas de tráfego, foi da ordem de
415 veíc/h (208 veíc/h.faixa) e 30% de caminhões no tráfego (
p). Considerando-se, como
exemplo, FFS de 110 km/h e rampa com 4% de greide (
i) e 1,25 km de comprimento (L). Para
esta situação os fluxos de serviços para cada medida de impedância são apresentados na
Tabela 8.17 – obtidos das Tabela 8.13 (velocidade dos automóveis) e Tabela 8.15 (densidade).
Tabela 8.17: Exemplo de fluxos de serviço para i = 4%, L = 1,25 km e p = 30%
Fluxo de serviço (veíc/h.faixa)
FFS Medida de impedância
NS A NS B NS C NS D NS E
Velocidade dos automóveis 153 299 418 586 811
110 km/h
Densidade 539 765 969 1.119 1.224
Como o fluxo de tráfego típico é 208 veíc/h.faixa, o nível de serviço estimado para o
critério da velocidade dos automóveis é NS B, pois o fluxo máximo neste nível de serviço é
de 299 veíc/h.faixa, conforme Tabela 8.17. Para o critério da densidade, o nível de serviço
estimado seria NS A, pois o fluxo máximo é 539 veíc/h.faixa (Tabela 8.17). Não se sabe, ao
certo, qual resultado representa fielmente as condições analisadas, porém, de fato, a estima-
tiva do nível de serviço pelo critério da mesma velocidade dos automóveis será degradada
com relação ao critério da densidade.
8.4.2. Análise comparativa com outros estudos
A velocidade dos automóveis como medida de impedância apresentou fatores de equi-
valência muito elevados e, conseqüentemente, piores níveis de serviço. Como a literatura
recomenda a densidade como medida de impedância e, nesta pesquisa, foram determinados
novos valores de equivalentes veiculares baseados na densidade, este item compara os níveis
de serviços obtidos usando-se os fatores de equivalência desta pesquisa, os apresentados no
estudo de Demarchi [2000] e os do HCM-2000 – todos baseados na densidade.
A Tabela 8.18 traz dois exemplos utilizados por Demarchi [2000] e os compara com o
resultado obtido ao utilizar os equivalentes desta pesquisa e os equivalentes do HCM-2000, os
121
três estudos utilizaram a densidade como medida de impedância. O Exemplo 1 refere-se ao
limite do NS A, enquanto o Exemplo 2 ilustra um caso de capacidade da rodovia (NS E).
Tabela 8.18: Comparação do nível de serviço com base na densidade
Exemplo 1 Exemplo 2
FFS = 100 km/h
L = 1,25 km
i = 6%
p = 10%
FFS = 100 km/h
L = 1,25 km
i = 4%
p = 10%
Demarchi [2000]*
q
m
= 486 veíc/h.faixa
k = 6 cpe/km.faixa (NSA)
q
m
= 1272 veíc/h.faixa
k = 28 cpe/km.faixa (NSE)
Cunha [2007] (densidade)
E
T
= 2,9 (Tabela 8.12)
q
b
= 486.[1+0,1.(2,9-1)] = 578 cpe/h.faixa
u = 100 km/h
k = 578 / 100 = 5,9 cpe/km.faixa (NSA)
E
T
= 5,0 (Tabela 8.12)
q
b
= 1272.[1+0,1.(5,0-1)] = 1781 cpe/h.faixa
u = 90 km/h
k = 1781 / 90 = 19,8 cpe/km.faixa (NSD)
HCM-2000 [TRB, 2000]
E
T
= 3,0 (Tabela 21-9 p. 21-10)
q
b
= 486.[1+0,1.(3,0-1)] = 583 cpe/h.faixa
u = 100 km/h
k = 583 / 100 = 5,8 cpe/km.faixa (NSA)
E
T
= 2,5 (Tabela 21-9 p. 21-10)
q
b
= 1272.[1+0,1.(2,5-1)] = 1463 cpe/h.faixa
u = 99,6 km/h
k = 1463 / 99,6 = 14,7 cpe/km.faixa (NSC)
* Exemplos extraído de Demarchi [2000], Tabela 8.6 – página 141.
Para o Exemplo 1 da Tabela 8.18, os três estudos estimaram o mesmo nível de serviço
(NSA) e as densidades obtidas foram iguais. Para o Exemplo 2, a diferença percentual relativa
entre a densidade obtida nesta pesquisa (19,8 cpe/km.faixa) e a obtida usando-se o HCM-2000
(14,7 cpe/km.faixa) foi de -25,8%, o que resultou em um pior nível de serviço (NS D) do que
o estimado pelo HCM-2000 (NS C); comparando-se a densidade desta pesquisa com o de
Demarchi [2000], a diferença percentual relativa foi de 41,4%, resultando um nível de serviço
melhor (NS D) do que o estimado por Demarchi [2000] (NS E).
Para uma análise prática entre as duas duas pesquisas realizadas em rodovias paulistas,
a Tabela 8.19 traz a diferença percentual relativa entre os fluxos de serviços obtidos nesta
pesquisa, para o critério da densidade (Tabela 8.16), e os fluxos apresentados no estudo de
Demarchi [2000].
122
Tabela 8.19: Diferença percentual relativa entre fluxos máximos de Demarchi [2000] e da Tabela 8.16
Greides - inclinação e comprimento (km)
2% 4% 6% 8%
Nível de
Serviço
Porcentagem
de
Caminhões
0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00 0,50 1,25 2,00
0 5% 5% 5% 5% 5% 5% 5% 5% 5% 5% 9% 11%
10 2% 2% 1% 1% 0% 4% -1% -1% 2% -7% -9% -10%
20 -1% -2% -2% -3% -4% -1% -5% -9% -6% -18% -15% -16%
30 -5% -5% -5% -8% -9% -5% -15% -11% -9% -28% -20% -21%
NS A
40
-9% -9% -8% -14% -14% -8% -22% -16% -14% -33% -26% -24%
0 5% 5% 5% 5% 5% 8% 5% 5% 8% 9% 15% 16%
10 -2% -4% -4% -4% -3% 3% -8% -5% -3% -14% -12% -13%
20 -8% -6% -3% -10% -9% -6% -16% -11% -9% -23% -21% -25%
30 -14% -9% -6% -19% -12% -9% -21% -13% -15% -27% -25% -25%
NS B
40
-17% -11% -8% -23% -13% -9% -25% -21% -20% -35% -27% -26%
0 7% 7% 7% 7% 7% 12% 7% 9% 12% 14% 20% 19%
10 -9% -10% -8% -13% -9% -6% -18% -11% -8% -20% -15% -17%
20 -17% -11% -5% -18% -12% -8% -22% -16% -15% -26% -22% -27%
30 -16% -10% -7% -18% -13% -11% -24% -18% -18% -29% -25% -28%
NS C
40
-15% -8% -4% -19% -12% -10% -23% -22% -22% -31% -29% -30%
0 8% 8% 8% 8% 8% 14% 8% 11% 16% 14% 22% 25%
10 -19% -15% -10% -22% -13% -9% -23% -14% -13% -24% -19% -19%
20 -19% -12% -9% -23% -14% -10% -23% -19% -19% -29% -25% -27%
30 -16% -7% -5% -20% -13% -12% -21% -21% -45% -28% -28% -28%
NS D
40
-12% -2% -3% -18% -14% -13% -23% -23% -24% -29% -30% -32%
0 12% 12% 12% 12% 12% 18% 15% 18% 20% 18% 24% 26%
10 -15% -11% -9% -19% -11% -4% -23% -14% -8% -23% -15% -13%
20 -14% -9% -3% -18% -12% -5% -22% -14% -14% -25% -22% -24%
30 -7% -1% 5% -14% -5% -4% -16% -17% -19% -23% -25% -25%
NS E
40 -3%
8% 14% -10% -6% -6% -16% -20% -20% -25% -24% -28%
Legenda:
>15%
5% a 15%
-5% a 5%
-15 a -5%
< -15%
De modo geral, os fluxos máximos estimados na pesquisa de Demarchi [2000] foram
menores que os fluxos apresentados nesta pesquisa, apresentando as maiores reduções nos
greides acentuados de 6% e 8%. Desta forma, a estimativa do nível de serviço usando-se os
fluxos de serviços apresentados por Demarchi [2000] tende a ser pior do que usando os deter-
minados nesta pesquisa, com base na densidade.
8.5. CONSIDERAÇÕES FINAIS
Este capítulo apresentou equivalentes veiculares determinados para rodovias paulistas
de pista dupla, com duas faixas de tráfego, considerando-se duas medidas de desempenho:
123
velocidade dos automóveis e densidade. Foram apresentados os valores dos equivalentes para
diferentes comprimentos de rampa, magnitudes de greides, porcentagens de caminhões, níveis
de serviço e velocidade de fluxo livre (FFS), para as duas medidas. Para fins práticos, foram
apresentadas tabelas de fluxos máximos para cada medida de desempenho investigada.
Quanto à medida de desempenho, concluiu-se que o uso da velocidade dos automóveis
implica em equivalentes veiculares que indicam maiores impactos do caminhão na corrente de
tráfego do que a densidade. Conseqüentemente, o uso desses maiores fatores de equivalência
resultam em estimar piores níveis de serviço. Deste modo, recomenda-se que a densidade seja
considerada no cálculo de equivalentes veiculares para rodovias paulistas de pista dupla,
como verificado em estudos anteriores [Huber, 1982; Sumner
et al., 1984; Demarchi, 2000;
TRB, 2000; Ingle, 2004].
Quanto ao nível de serviço, foram comparados os resultados obtidos utilizando os
fatores de equivalência obtidos nesta pesquisa, na de Demarchi [2000] e do próprio HCM-
2000, todos com base na densidade. O resultado mostrou que, para baixo fluxo de tráfego, o
nível de serviço estimado não sofreu alteração nos três estudos; porém, para fluxos próximos
à capacidade, os resultados dos níveis de serviço foram diferentes em cada estudo. Não se
sabe, contudo, qual dos resultados representa fielmente as condições analisadas, sendo dese-
jável que sejam realizadas investigações sobre a percepção do usuário quanto ao nível de
operação da rodovia.
124
125
9
9
.
.
C
C
O
O
N
N
C
C
L
L
U
U
S
S
Õ
Õ
E
E
S
S
E
E
R
R
E
E
C
C
O
O
M
M
E
E
N
N
D
D
A
A
Ç
Ç
Õ
Õ
E
E
S
S
A meta desta pesquisa de mestrado foi avaliar a implicação do uso de medidas de desempenho
distintas no cálculo fatores de equivalência para caminhões típicos em rodovias de pista dupla
no estado de São Paulo. Para atingir esta meta, foram definidos três objetivos:
• Caracterizar a composição típica do tráfego e estudar o desempenho de caminhões em
rodovias paulistas de pista dupla do Estado de São Paulo;
• Recalibrar o modelo de simulação CORSIM; e
• Calcular fatores de equivalência para caminhões (E
T
);
A meta e os objetivos propostos para esta pesquisa foram plenamente atingidos, uma
vez que os três objetivos propostos foram alcançados. A seguir são apresentadas as conclu-
sões obtidas para cada objetivo proposto.
9.1. CONCLUSÕES
Quanto ao primeiro objetivo, a caracterização da composição típica e desempenho dos
caminhões em rodovias de pista dupla do estado de São Paulo, podem ser tecidas diversas
conclusões, a primeira das quais é que o método proposto para obtenção do dia útil típico foi
capaz de caracterizar, de forma satisfatória, o tráfego veicular que é tipicamente observado em
rodovias paulistas de pista dupla. A partir destes resultados, determinou-se que os fatores de
equivalência devem ser calculados para porcentagens de caminhões no tráfego de até 60%, já
que foram observadas porcentagens de caminhões desta ordem em dias típicos.
Pode-se também constatar que, nos últimos anos, houve um crescimento no tráfego de
combinações de veículos de cargas (CVCs), veículos com maior número de eixos e maior
capacidade de carga. A participação destes veículos no tráfego de rodovias de pista dupla do
126
estado de São Paulo passou de menos de 0,3%, em 2000, para 3,9% da amostra observada
nesta pesquisa; em rodovias de pista simples, a participação de CVCs no tráfego em 2005 foi
de 10%. Este aumento significativo pode ser atribuído à Resolução 164/2004 [CONTRAN,
2004], que dispensa o porte de Autorização Especial de Trânsito (AET) para combinações de
veículos de carga de 45 a 57 toneladas.
Além do aumento da participação dos veículos maiores e mais pesados no tráfego,
pode-se também notar que, de modo geral, a relação massa/potência dos caminhões paulistas
apresentou uma pequena melhora, comparada com os resultados do estudo realizado por
Demarchi [2000]. Esta melhora pode ser atribuída ao aumento da potência dos motores dos
caminhões mais novos, já que não houve grande alteração na distribuição da massa total dos
veículos. Embora esta conclusão não possa ser aplicada em trechos onde a fiscalização por
balanças seja inexistente ou esporádica, parece existir certa tendência de redução da relação
massa/potência dos caminhões; fato esse exemplificado pela relação massa/potência média da
amostra obtida em rodovias paulistas de pista dupla (105 kg/kW), bem próxima ao valor do
caminhão típico adotado pelo HCM-2000 (100 kg/kW) para rodovias similares nos EUA.
Quanto à frota típica de caminhões em rodovias de pista simples e dupla do estado de
São Paulo, constatou-se que a freqüência dos caminhões mais longos foi mais expressiva em
rodovias de pista simples, enquanto os caminhões menores (dois a quatro eixos) tiveram
maior participação no tráfego em rodovias de pista dupla.
Quanto ao segundo objetivo, recalibração do CORSIM, esta pesquisa propôs um méto-
do para a calibração dos parâmetros de aceleração dos caminhões usando algoritmo genético,
uma vez que a literatura pesquisada não reporta a calibração do modelo de desempenho do
CORSIM. Os resultados da calibração do modelo de desempenho pela calibração foram
satisfatórios, tendo-se obtido erros médios de 5%, significativamente menores que os erros
médios obtidos em simulações com os valores
default para os parâmetros de desempenho, que
127
foram da ordem de 15%. A recalibração do CORSIM também envolveu os parâmetros da
lógica de
car-following, para o qual foi usado um algoritmo genético criado por Araújo
[2007]. A versão recalibrada do modelo, com novos parâmetros para o desempenho veicular e
a lógica de
car-following, apresentou erros médios de 6,32% para a calibração e 6,58% na
validação, considerada adequada para uso nas pesquisas envolvidas.
Do terceiro objetivo pode-se concluir que os fatores de equivalência para caminhões
determinados com base na velocidade dos automóveis como medida de desempenho corrobo-
ram o que apresentam a literatura: os equivalentes aumentam com a inclinação do greide e o
comprimento da rampa; porém, ao contrário do que Huber [1982] demonstrou, os equiva-
lentes veiculares não são constantes com aumento do fluxo de tráfego e a porcentagem de
caminhões, de modo geral, decrescem. Concluiu-se também que a adoção da velocidade dos
automóveis como medida de desempenho implica em equivalentes que indicam maiores
impactos dos caminhões na corrente de tráfego. Desta forma, a estimativa do nível de serviço
usando os equivalentes baseados na velocidade dos automóveis foi pior do que utilizando os
equivalentes baseados na densidade.
A opção da densidade como medida de desempenho revelou ser válida para o propó-
sito de análise de nível de serviço em rodovias paulistas de pista dupla. Por melhor
representar a proximidade dos veículos, a densidade é menos sensível que a velocidade dos
automóveis às alterações das condições básicas (geometria da via e condições do tráfego),
proporcionando maiores fluxos de serviço.
9.2. RECOMENDAÇÕES
Este trabalho apresentou resultados e conclusões que complementam as sugestões de
Demarchi [2000] sobre impacto de caminhões em rodovias de pista dupla. No entanto, os
resultados apresentados não esgotam a necessidade de pesquisas futuras sobre o assunto.
Pelo fato de o tráfego de CVCs ter crescido em 4% entre 2000 e 2007, sugere-se que a
128
composição de caminhões no tráfego veicular seja constantemente atualizada, por meio de
dados representativos da população de caminhões, principalmente de CVCs. Recomenda-se
que as coletas sejam realizadas, principalmente, em balanças móveis onde a fiscalização é
esporádica.
Sugere-se também que a calibração do modelo de simulação – neste caso, o CORSIM
– seja atualizada constantemente, haja vista a variação da composição típica de caminhões.
Para a recalibração dos parâmetros de desempenho dos caminhões, recomenda-se utilizar uma
amostra que seja proporcional à distribuição da composição típica da frota observada nas
rodovias.
Com o propósito de adaptar o manual de capacidade rodoviária para as condições de
rodovias brasileiras, sugere-se que, além das curvas básicas criadas nesta pesquisa para
velocidades de fluxo livre (FFS) de 110 km/h e 100 km/h, outras curvas básicas, tais como
120 km/h, 90 km/h e 80 km/h, sejam criadas para representar as velocidades mais comuns na
maioria das rodovias de pista dupla do estado de São Paulo.
Os equivalentes veiculares desta pesquisa foram determinados para rodovias com duas
faixas de tráfego. Seria interessante verificar se estes fatores de equivalência podem ser
usados em rodovias com maior número de faixas.
Recomenda-se também verificar o quão fiel o nível de serviço estimado pelo uso dos
equivalentes obtidos por cada método (e para cada medida de desempenho) representa uma
condição real conhecida. Dados obtidos de sensores de tráfego, como velocidade dos veículos
e contagem de tráfego classificada, podem apresentar as condições de operação observadas
em um trecho da rodovia. Seria mais interessante identificar qual o nível de serviço na
rodovia de acordo com a percepção do usuário e relacionar isso com os níveis de serviços
estimados em cada método.
129
R
R
E
E
F
F
E
E
R
R
Ê
Ê
N
N
C
C
I
I
A
A
S
S
B
B
I
I
B
B
L
L
I
I
O
O
G
G
R
R
Á
Á
F
F
I
I
C
C
A
A
S
S
AASHTO (1994) A policy on geometric design of rural highway. American Association of
State Highway Officials, Washington, D.C.
AL-KAISY, A.; HALL, F. L.; REISMAN, E. S. (2002) Developing passenger car equivalents
for heavy vehicles on freeways during queue discharge flow.
Transportation
Research Part A, v. 36-A, p. 725-742.
AL-KAISY, A.; JUNG, Y.; RAKHA, H. (2005) Developing passenger car equivalents for
heavy vehicles during congestion.
ASCE Journal of Transportation Engineering, p.
514-523, jul.
ARAÚJO, J. J. (2007)
Estudo do impacto de veículos pesados sobre a infra-estrutura
rodoviária através de simulação microscópica de tráfego. 154p. Tese (doutorado) –
Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos.
ARCHILLA, A. R.; DE CIEZA, A. O. F. (1996) Truck performance on Argentinean highway.
Transportation Research Record 1555, Transportation Research Board, National
Research Council, Washington, p. 114-123.
BANKS, J.; CARSON, J. S. (1984)
Discrete-event system simulation. New Jersey:
Prenticel-Hall, Inc.
BESTER, C. J. (2000) Truck speed profile.
Transportation Research Record 1701,
Transportation Research Board, National Research Council, Washington, p. 111-115.
BLOOMBERG, L.; DALE, J. (2000) Comparasion of VISSIM and CORSIM traffic
simulation models on a congested network.
Transportation Research Record 1727,
Transportation Research Board, National Research Council, Washington, p. 52-60.
BRILON, W.; BRESSLER, A. (2004) Traffic flow on freeway upgrades.
Transportation
Research Record 1883
, Transportation Research Board, National Research Council,
Washington, p. 112-121.
CHEU, R.; JIN, X.; NG, K.; NG, Y.; SRINIVASAN, D. (1998) Calibration of FRESIM for
Singapure expressway using genetic algorithm.
ASCE Journal of Transportation
Engineering
, p. 526-535, dez.
CHUNDURY, S. E B. WOLSHON (2000) Evaluation of CORSIM car-following model using
global position system field data.
Transportation Research Record 1710,
Transportation Research Board, National Research Council, Washington, p. 114-121.
CNT (2005)
Boletim Estatístico CNT 2005. Confederação Nacional dos Transportes.
Disponível em: <http://www.cnt.org.br/informacoes/pesquisas_bol_estatistico. asp>.
Acesso em: 8 de fev.2006.
CONTRAN (1998)
Resolução 68/98: Requisitos de segurança necessários à circulação de
Combinações de Veículo de Carga. Conselho Nacional de Trânsito, Ministério da
Justiça do Brasil, Brasília, DF.
130
CONTRAN (2004)
Resolução 164/04: Acresce parágrafo único ao artigo 1º da Resolução
CONTRAN nº 68/98. Conselho Nacional de Trânsito, Ministério da Justiça do Brasil,
Brasília, DF.
CRAUS, J.; POLUS, A.; GRINBERG, I. (1980) A revised method for the determination of
passenger car equivalencies.
Transportation Research Part A, v. 14-A, p. 241-246.
CUNAGIN, W. D.; CHANG, E. C. (1982) Effects of trucks on freeway vehicle headways
under off-peak flow conditions.
Transportation Research Record 869, Transportation
Research Board, National Research Council, Washington, p. 54-59.
CUNAGIN, W. D.; MESSER, C. J. (1983) Passenger-car equivalents for rural highways.
Transportation Research Record 905, Transportation Research Board, National
Research Council, Washington, p. 61-68.
DEMARCHI, S. H. (1995)
Influência de veículos pesados na capacidade de interseções
rodoviárias. 164p. Dissertação (mestrado) – Escola de Engenharia de São Carlos,
Universidade de São Paulo, São Carlos.
DEMARCHI, S. H. (2000)
Influência dos veículos pesados na capacidade e nível de
serviço de rodovias de pista dupla. 166p. Tese (doutorado) – Escola de Engenharia de
São Carlos, Universidade de São Paulo, São Carlos.
DEMARCHI, S. H; PIERIN, I. (2001) Impacto da sobrecarga no desempenho de caminhões
canavieiros em rampas ascendentes.
Transporte em Transformação VI – Trabalhos
Vencedores do Prêmio CNT Produção Acadêmica 2001, p. 91-107.
DEMARCHI, S. H.; SETTI, J. R. A. (2003) Limitations of passenger-car equivalents
derivation for traffic streams with more than one truck type.
Transportation Research
Record 1852, Transportation Research Board, National Research Council,
Washington, p. 96-104.
DER-SP (1997)
Edital de Licitação No. 007/CIC/97 – Lote 01: Sistema Rodoviário
Anhangüera-Bandeirantes. Disponível em: <http://www.artesp.sp.gov.br/download/
editais/edital_lote01_ autoban.pdf>. Acesso em: 18 out.2005.
DER-SP (2005)
Estatística de tráfego - 2005. Departamento de Estradas de Rodagem.
Disponível em: <http://www.der.sp.gov.br/malha/estatisticas_trafego/estat_trafego/
comercial.aspx.>. Acesso em: 7 abr. 2006.
DHULIPALA, S. H. (2002)
A system for travel time estimation on urban freeways. 115p.
Dissertação (mestrado) – Faculty of the Virginia Polytechnic Institute and State
University, Blacksburg, Virginia. Disponível em: < http://scholar.lib.vt.edu
/theses/available/etd-06052002-154359/unrestricted/dhulipala.pdf >. Acesso em: 18
jun.2006.
DNER (1977)
Pesquisa de capacidade de rodovias. Departamento Nacional de Estrada de
Rodagem. Rio de Janeiro. (Citado por Melo [2002])
DNER (1979)
Instruções para Implantação de Terceiras Faixas. Departamento Nacional
de Estrada de Rodagem. Rio de Janeiro.
131
DNIT (2006)
Manual de estudos de tráfego. Departamento Nacional de Infra-estrutura de
Transportes. Instituto de Pesquisas Rodoviárias. Rio de Janeiro.
EGAMI, C. Y.; SETTI, J. R. A.; RILETT, L. R. (2004) Algoritmo genético para calibração
automática de um simulador de tráfego em rodovias de pista simples.
Transportes, Rio
de Janeiro, v.12, n.2, p.5-14.
EGAMI, C. Y. (2006)
Adaptação do HCM-2000 para determinação do nível de serviço
em rodovias de pista simples sem faixas adicionais no Brasil. 233p. Tese
(doutorado) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São
Carlos.
ELEFTERIADOU, L.; TORBIC, D.; WEBSTER, N. (1997) Development of passenger car
equivalents for freeways, two-lane highways, and arterials.
Transportation Research
Record 1572, Transportation Research Board, National Research Council,
Washington, p.51-58.
FAN, H. S. L. (1990) Passenger car equivalents for vehicles on Singapure expressway.
Transportation Research Part A, v. 24-A, n.5, p.391-396.
FANCHER, P. (1983) Vehicle acceleration characteristics including highway design.
NCHRP Interim Report. Transportation Research Board, National Research Council,
Washington, D.C. maio, 1983, 88p.
FHWA (2001) CORSIM user’s guide.
Federal Highway Administration, U.S. Department
of Transportation, Washington, D.C.
GOMES, G. Z. (2004)
Uso de microssimulação na avaliação da sustentabilidade de
corredores rodoviários. 103p. Dissertação (mestrado) – Escola de Engenharia de São
Carlos, Universidade de São Paulo, São Carlos.
HALATI, A.; LIEU, H.; WLAKER, S. (1997) CORSIM – Corridor traffic simulation model.
In: TRAFFIC CONGESTION AND TRAFFIC SAFETY IN THE 21
st
CENTURY:
Challenges, Innovations and Opportunities, 1997, Chicago.
Proceedings... Chicago:
American Societty of Civil Engineering, p.570-576.
HELLINGA, B. R. (1998) Requeriments for the calibration of traffic simulations models. In:
PROCEEDINGS OF ANNUAL CONFERENCE, 1998, Halifax.
Proceedings...
Halifax: Canadian Society for Civil Engineering, v.4b, p.221-222. Disponível em:
<http://gorge.uwaterloo.ca/bhellinga/publications%20Page/ Conference.htm>. Acesso
em: 8 abr. 2006.
HENDERSON, J. (2004) Application of genetic algorithm in transportation engineering. In:
83
rd
ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD,
2004, Washington.
Proceedings... 1 CD-ROM.
HRB (1965)
Highway Capacity Manual. Highway Research Board, Transporation Research
Council, Washington, D.C.
HUBER, M. J. (1982) Estimation of passenger-car equivalents of trucks in traffic stream.
Transportation Research Record 869, Transportation Research Board, National
Research Council, Washington, p.60-70.
132
HUFF, T. S.; SCRIVNER, F. H. (1955) Simplified climbing-lane design theory and road tests
results.
HRB Bulletin 104. Highway Research Board, Washington, D.C., p.1-11.
HUTTON, T. D. (1970) Acceleration performance of highway diesel trucks.
SAE paper
700664. Society of Automotive Engineers, New York, NY.
INGLE, A. (2004)
Development of passenger car equivalent for basic freeway segments.
122p. Dissertação (mestrado) – Faculty of the Virginia Polytechnic Institute and State
University, Blacksburg, Virginia. Disponível em:
<http://scholar.lib.vt.edu/theses/available/etd07102004112810/unrestricted/passenger_c
ar_equivalents_ingle.pdf>. Acesso em: 10 mar.2006.
KABBACH, F. I. J. (1992)
Contribuição para o estudo de implantação de faixas
adicionais em rampas ascendentes de rodovias de pista simples
. 333p. Tese
(Doutorado) – Escola Politécnica, Universidade de São Paulo.
KIM, K.; RILLET, L. R. (2001) Genetic-algorithm-based approach for calibration
microscopic simulation models. In: IEEE INTELLIGENT TRANSPORTATION
SYSTEM CONFERENCE, 2001, Oakland.
Proceedings... 1 CD-ROM.
KRAMMES, R. A. (1985)
Effect of trucks on the capacity of level, basic freeways
segments. Tese (Doutorado) – Pennsylvania State University, University Park, Pa.
(Citado por Krammes e Crowley [1986])
KRAMMES, R. A.; CROWLEY, K. W. (1986) Passenger car equivalents for trucks on level
freeway segments.
Transportation Research Record 1091, Transportation Research
Board, National Research Council, Washington, p.10-17.
LINZER, E. M.; ROESS, R. P.; MCSHANE, W. R. (1979) Effect of trucks, buses, and
recreational vehicles on freeway capacity and service volume.
Transportation
Research Record 699, Transportation Research Board, National Research Council,
Washington, p.17-25.
MA, T.; ABDULHAI, B. (2002) Genetic algorithm-based optimization approach and generic
tools for calibrating traffic microscopic simulation parameters.
Transportation
Research Record 1800
, Transportation Research Board, National Research Council,
Washington, p.6-15.
MACHADO NETO, E. F. (1995)
Influência de veículos pesados na capacidade de
rodovias de pista simples. 136p. Dissertação (Mestrado) – Escola de Engenharia de
São Carlos, Universidade de São Paulo, São Carlos.
MELO, R. A. (2002)
Faixas adicionais para aclives de rodovias de brasileiras. 178p. Tese
(Doutorado) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São
Carlos.
MILAM, R. T. E F. CHOA (2002)
Recomended guidelines for the calibration and
validation of traffic simulation models
. Disponível em : <http://transportation.
ky.gov/planning/traffic/traffic_files/CORSIM%20Validation.pdf#search=%22%22reco
mmended%20guidelines%20for%20the%20calibration%20and%20validation%22%22.
> Acesso em: 9 set.2006.
133
OWEN, L. E; ZHANG, Y.; RAO, L.; MC HALE, G. (2000) Traffic flow simulation using
corsim. In: WINTER SIMULATION CONFERENCE, 2000, Orlando.
Proceedings...
Orlando: INFORMS Simulation Society, p. 1143-1147.
PAYNE, H. J.; THOMPSON, S.; CHANG, S. (1997) Calibration of FRESIM to achieve
desired capabilities.
Transportation Research Record 1591, Transportation Research
Board, National Research Council, Washington, p.23-30.
RAKHA, H.; DEMARCHI, S. H.; SETTI, J.; VAN AERDE, M. (2001) Vehicle dynamics
model for predicting maximum truck accelerations.
Journal of Transportation
Engineering, v.127(5), p. 418-425, out.
RAKHA, H.; CROWTHER, B. (2002) Comparasion of Greenshields, Pipes and Van Aerde
car-following and traffic stream models.
Transportation Research Record 1802,
Transportation Research Board, National Research Council, Washington, p.248-262.
RAKHA, H.; LUCIC, I. (2002) Variable power vehicle dynamics model for estimation
maximum truck acceleration levels.
Journal of Transportation Engineering,
v.128(5), p. 412-419, set/out.
RAKHA, H.; CROWTHER, B. (2003) Comparasion and calibration of FRESIM and
INTEGRATION steady-state car-following behavior.
Transportation Research Part
A, v.37-A, n.1, p. 1-27, jan.
RAKHA, H.; YU, B. (2004) Truck performance curves reflective of truck and pavement
characteristics.
Journal of Transportation Engineering, v.130(6), p. 753-767,
nov/dez.
RAKHA, H.; YU, B. (2005) Impacto of tire and aerodynamic aids on truck performance
along upgrade sections. In: TRANSPORTATION RESEARCH BOARD 84
th
ANNUAL MEETING. Washington, D.C.
Proceedings... 1 CD-ROM.
REILLY, E. F.; SEIFERT, J. (1969) Truck Equivalency.
Highway Research Record, n.28, p.
25-37.
ROESS, R. P. (1984) Level of Service Concepts: Development, Philosophies, and
Implications.
Transportation Research Record 971, Transportation Research Board,
National Research Council, Washington, p.1-6.
ROESS, R. P.; LINZER, E. M.; MC SHANE, W. R.; PIGNATARO, L. J. (1980) Freeway
Capacity Procedures. In:
Transportation Research Circular 212: Interim Materials
on Highway Capacity, Transportation Research Board, National Research Council,
Washington, D.C. 276 p.
ROESS, R. P.; MESSER, C. J. (1984) Passenger Car Equivalents for Uninterrupted Flow:
Revision of Circular 212 Values.
Transportation Research Record 971,
Transportation Research Board, National Research Council, Washington, p.7-13.
ROESS, R. P.; ULERIO J. M. (1997) Comparasion of the 1994 HCM ramp analysis
procedures and the FRESIM model.
NCHRP Report 385. Transportation Research
Board, National Research Council, Washington, D.C.
134
SAAL, C. C. (1941) Hill-climbing ability of motor trucks.
Highway Research Board
Proceedings, v.21, p.393-407. (Citado por Demarchi [2000])
SCHULTZ, G. G.; RILLET, L. R. (2004) An analysis of the distribution and calibration of
car-following sensitivity parameters in microscopic traffic simulation models. In: 83
rd
ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington.
Proceedings... 1 CD-ROM.
SCHWENDER, H. C.; Norman, O. K.; Granum, J. O. (1957) New method of capacity
determination for rural roads n mountainous terrain.
HRB Bulletin 167, Highway
Research Board, Washington, D.C., p.10-37.
SECRETARIA DE TRANSPORTES DO ESTADO DE SÃO PAULO (2005)
Boletim
estatístico 2005
. Governo do Estado de São Paulo, 113 p. Disponível em: <http://www.
transportes.sp.gov.br/v20/boletim.asp>. Acesso em 21 jan.2006.
SETTI, J. R. (1997)
Capacidade e nível de serviço de rodovias de pista simples. 117p. Tese
(Livre-Docência) – Escola de Engenharia de São Carlos, Universidade de São Paulo,
São Carlos.
SILVEIRA, A. (1974)
Considerações sobre a influência dos caminhões nos greides em
rampa na capacidade das rodovias. 110p. Dissertação (Mestrado) – Escola de
Engenharia de São Carlos, Universidade de São Paulo, São Carlos.
ST. JOHN, A. D. (1976) Nonlinear truck factor for two-lane highways.
Transportation
Research Record 615, Transportation Research Board, National Research Council,
Washington, p.49-53.
ST. JOHN, A. D.; GLAUZ, D. (1976) Speeds and service on multilane upgrades.
Transportation Research Record 615, Transportation Research Board, National
Research Council, Washington, p.4-9.
ST. JOHN, A. D.; KOBETT, D. R. (1978) Grade effects on traffic flow stability and capacity.
NCHRP Report 185, Transportation Research Board, National Research Council,
Washington, 110p.
SUMNER, R.; HILL, D.; SHAPIRO, S. (1984) Segment passenger car equivalent values for
cost allocation on urban arterial roads.
Transportation Research Part A, v.18-A,
n.5/6, p. 399-406.
TARAGIN, A. (1945) Effect of length of grade on speed of motor vehicle.
Highway
Research Board Proceedings, v.25, p. 342-353.
TOLEDO, T.; KOUTSOPOULOS, H. (2004) Statistical validation of traffic simulation
models. In: 83
rd
ANNUAL MEETING OF THE TRANSPORTATION RESEARCH
BOARD, 2004, Washington.
Proceedings... 1 CD-ROM.
TRB (1985)
Highway Capacity Manual, Special Report 209. Transportation Research
Board, National Research Council, Washington, D.C., EUA, 3ª ed.
TRB (1997) Metric Analysis Reference Guide
– Suplement to 1997 update of Special Report
209, Highway Capacity Manual.
Transportation Research Circular 489.
135
Transportation Research Board, National Research Council, Washington, D.C., EUA
(Citado por Demarchi [2000])
TRB (2000)
Highway Capacity Manual. Transportation Research Board, National Research
Council, Washington, D.C., EUA.
WEBSTER, N.; ELEFTERIADOU, L. (1999) A simulation study of truck passenger car
equivalents on basic freeway sections.
Transportation Research Part B, v.33-B, p.
323-336.
WICKS; D. A.; LIEBERMAN, E. B. (1977) Development and testing of INTRANS, a
microscopic freeway simulation model, v.1,
FHWA: US Department of Transportation.
(Citado por Halati
et al. [1997])
WIDMER, J. A. (2004) Proposta de nomenclatura de caminhões. In: CONGRESSO DE
PESQUISA E ENSINO EM TRANSPORTES, 2004, Florianópolis.
Anais...
Associação Nacional de Pesquisa e Ensino em Transportes, v.1, p.624-635.
WILEY, W. E. (1949) Survey of uphill speeds of trucks on mountain grades. In:
Proceedings
of HRB, Highway Research Board, Washington, D.C., v. 29, p. 304-310. (Citado por
Demarchi [2000])
WRIGHT, J. M.; TIGNOR, S. C. (1965) Relationship between gross weights and
horsepowers of commercial vehicle operating on pubic roads.
SAE Transportation,
v.73. (Citado por St. John e Glauz [1976]).
136
137
A
A
P
P
Ê
Ê
N
N
D
D
I
I
C
C
E
E
A
A
.
.
V
V
O
O
L
L
U
U
M
M
E
E
D
D
E
E
T
T
R
R
Á
Á
F
F
E
E
G
G
O
O
N
N
O
O
D
D
I
I
A
A
T
T
Í
Í
P
P
I
I
C
C
O
O
Esta seção apresenta os resultados dos volumes de tráfego obtidos para as 17 praças de
pedágio estudadas a partir da aplicação do método do dia útil típico, proposto no capítulo 5.
A.1. RODOVIA WASHINGTON LUIZ (SP-310)
63%
70%
75%
76%
79%
75%
65%
52%
39%
33%
34%
37%
38%
38%
40%
38%
39%
38%
37%
38%
42%
49%
55%
58%
0
200
400
600
800
1.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veic/h)
Caminhões
Automóveis
Figura A.10: Dia típico na SP-310 km 181 (praças Rio Claro e Itirapina)
71%
75%
79%
75%
67%
57%
51%
42%
32%
32%
33%
36%
37%
38%
38%
37%
37%
38%
40%
43%
50%
56%
59%
65%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.11: Dia típico na SP-310 km 282 (praça Araraquara)
138
68%
75%
75%
70%
60%
54%
51%
35%
28%
27%
29%
29%
32%
34%
33%
33%
34%
35%
35%
41%
48%
54%
59%
61%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.12: Dia típico na SP-310 km 346 (praça Agulha)
57%
64%
66%63%
53%
51%
41%
27%
23%
21%
23%
23%
24%
23%
22%
24%
24%
25%
26%
30%
36%
41%
42%
47%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.13: Dia típico na SP-310 km 398 (praça Catiguá)
A.2. VIA ANHANGÜERA (SP-330)
42%
49%
57%
64%
66%
66%
55%
34%
23%
22%
29%
32%
33%
33%
32%
32%32%
31%
25%
24%
25%
28%
32%
35%
0
400
800
1.200
1.600
2.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.14: Dia típico na SP-330 km 26 (praça Perus)
139
33%
44%
54%
64%
67%
66%
56%
42%
25%
21%
25%
29%
29%
29%
28%
28%
28%
27%
24%
23%
24%
26%
29%
28%
0
400
800
1.200
1.600
2.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.15: Dia típico na SP-330 km 82 (praça Valinhos)
54%
67%
75%
80%
81%
78%
65%
47%
31%
27%
30%
33%
34%
34%
32%
33%
32%
32%
29%30%
35%
43%
48%
47%
0
400
800
1.200
1.600
2.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.16: Dia típico na SP-330 km 118 (praça Nova Odessa)
71%
79%
84%
85%
86%
82%
72%
59%
46%
41%
43%
46%
47%
47%
47%
47%
47%
46%
44%
45%
51%
58%
64%
66%
0
200
400
600
800
1.000
1.200
1.400
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.17: Dia típico na SP-330 km 152 (praça Limeira-A)
140
76%
80%
83%
84%
79%
69%
54%
41%
37%
38%
41%
42%
42%
41%
41%
41%
40%
39%
40%
45%
53%
58%
60%
67%
0
200
400
600
800
1.000
1.200
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veic/h)
Caminhões
Automóveis
Figura A.18: Dia típico na SP-330 km 168 (praça Leme)
78%
82%
85%
83%
78%
68%
57%
46%
41%
41%
43%
45%
45%
44%
43%
43%
44%
43%
45%
50%
57%
62%
65%
72%
0
200
400
600
800
1.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.19: Dia típico na SP-330 km 215 (praça Pirassununga)
66%
75%
79%
75%
68%
58%
47%
35%
30%
31%
33%
33%
32%
31%
30%
31%
31%
31%
32%
35%
41%
46%
52%
57%
0
200
400
600
800
1.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.20: Dia típico na SP-330 km 281 (praça São Simão)
141
69%
74%
79%
79%
72%
63%
50%
38%
34%
34%
36%
37%
35%
32%
33%
34%
34%
33%
35%
39%
46%
52%
56%
61%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.21: Dia típico na SP-330 km 350 (praça Sales de Oliveira)
74%
77%
78%
79%
75%
65%
56%
47%
41%
41%
41%
41%
40%
38%
39%
39%40%
40%
43%
47%
53%
58%
62%
67%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.22: Dia típico na SP-330 km 405 (praça Ituverava)
A.3. RODOVIA DOS BANDEIRANTES (SP-348)
39%
50%
60%
69%
72%
70%
61%
39%
23%
19%
22%
26%
28%
28%
27%
26%
26%
25%
22%
23%
25%
27%
32%
35%
0
1.000
2.000
3.000
4.000
5.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veic/h)
Caminhões
Automóveis
Figura A.23: Dia típico na SP-348 km 36 (praça Campo Limpo)
142
46%
55%
64%
71%
75%
71%
58%
42%
27%
23%
25%
30%
31%
32%
31%
31%
30%
30%
29%
30%
33%
39%
44%
49%
0
500
1.000
1.500
2.000
2.500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.24: Dia típico na SP-348 km 77 (praça Itupeva)
31%
38%
46%
52%
55%
54%
40%
29%
19%
17%
18%
20%
21%
21%
21%
21%
20%
20%
19%
19%
20%
22%
25%
27%
0
200
400
600
800
1.000
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.25: Dia típico na SP-348 km 115 (praça Sumaré)
41%
49%
55%
59%
63%
60%
48%
35%
23%
21%
22%
24%
25%
25%
25%
25%
24%
24%
24%24%
25%
28%
31%
34%
0
100
200
300
400
500
0:00
1:00
2:00
3:00
4:00
5:00
6:00
7:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
23:00
HORA
Volume horário (veíc/h)
Caminhões
Automóveis
Figura A.26: Dia típico na SP-348 km 159 (praça Limeira-B)
143
A
A
P
P
Ê
Ê
N
N
D
D
I
I
C
C
E
E
B
B
.
.
O
O
A
A
R
R
Q
Q
U
U
I
I
V
V
O
O
T
T
S
S
D
D
D
D
O
O
C
C
O
O
R
R
S
S
I
I
M
M
Esta seção está dividida em duas partes: a primeira apresenta a estrutura do arquivo binário
Time Step Data (TSD) e a segunda o programa desenvolvido em Visual Basic for Application
(VBA), em planilha Excel, para extrair os dados dos veículos no arquivo TSD, com base no
trabalho de Dhulipala [2002].
B.1. ESTRUTURA DO ARQUIVO TSD
Após a simulação do arquivo TRF, um dos resultados gerados pelo CORSIM é o
arquivo binário TSD o qual contém o relatório dos veículos que trafegaram na rede a cada
segundo de simulação. Os dados contidos no TSD são lidos de acordo com o tamanho de cada
parâmetro. No VBA, a variável do tipo
Long lê dados de 4 bytes; a do tipo Integer lê dados de
2 bytes; e do tipo
Byte lê dados de 1 byte.
Ao iniciar a leitura do TSD, os primeiros 16 bytes representam o cabeçalho do
arquivo. Em seguida, 28 bytes apresentam características da simulação e por fim 6 bytes
descrevem o
link (tramo simulado). A Tabela B.1 apresenta os parâmetros do cabeçalho.
Tabela B.1: Dados do cabeçalho do arquivo TSD.
Campo
Tamanho
(bytes)
Descrição
Message Name
4 LG_DATA_GP = 3001
Message Lenght
4
Comprimento em bytes deste arquivo,
excluindo os três primeiros parâmetros
Simulation Time
4 Tempo em segundos da simulação
Request Type
4 DR_TS_VEHICLE = 14000
Simulation Attributes
28 Parâmetros da simulação
Instance ID
4 ID do link contendo veículos
Instance ID Count
2 Número de veículos no link
O primeiro campo
Message Name corresponde ao tipo de listagem dos dados de
resultados, assumindo os seguintes valores: 3001 para os dados detalhados a cada segundo e
144
3003 para o resumo dos resultados. Nesta pesquisa, foram utilizados os dados detalhados. O
terceiro campo
Request Type representa o tipo de dado a ser extraído, sendo: 13000 para
dados dos
links; 14400 para dados de incidentes; 14300 para os dados dos acessos (ramp
meter
); 14200 para os dados dos semáforos; e 14000 para os dados dos veículos. Nesta
pesquisa, foram obtidos os dados dos veículos. O campo
Instance ID indica o número do link
atual (
LinkID). A numeração de cada link é função do número do nó anterior (up-stream node
– USN
) e do nó posterior (down-stream node – DSN), dada pela seguinte equação:
DSNUSNLinkID
+
⋅
=
10000 (B.1)
Após a leitura do cabeçalho, os próximos bytes do TSD descrevem as características
dos veículos. Essas características correspondem a 18 parâmetros, totalizando 32 bytes a cada
segundo de simulação. A Tabela B.2 relata esses parâmetros [FHWA, 2001].
Tabela B.2: Características dos veículos no arquivo TSD.
Campo
Tamanho
(bytes)
Descrição
Global vehicle ID
4 ID do veículo
Fleet
1
0 = automóvel; 1 = caminhão; 2=carpool;
3= ônibus
Vehicle Type
1
1-2 = automóvel (baixo e alto
desempenho);
3-6 = caminhões (leve, médio, pesado e
extrapesado);
7 = ônibus; e
8-9 = carpool (baixo e alto desempenho).
Vehicle Length
1 Comprimento do veículo (ft)
Driver Type
1 Tipo do motorista (1 a 10)
LaneID
1 Número da faixa que o veículo trafega
Vehicle Position
4 Distância do nó anterior ao veículo (ft)
Previous USN
2
ID do nó anterior ao link que o veículo
trafega
Turn Code
1
0= esquerda; 1= reto; 2= direita; 3=
diagonal esquerda; 4= diagonal direita
Queue Status
1 0= não está em fila; 1= veículo em fila
Acceleration
1 Aceleração instantânea do veículo (ft/s²)
Velocity
1 Velocidade instantânea do veículo (ft/s)
Lane Change Status
1
0= veículo não deseja mudar de faixa; 1=
veículo deseja mudar de faixa.
Target Lane
1
ID da faixa que o veículo gostaria de
ocupar
Destination Node
2 ID do nó de destino do veículo
Leader Vehicle ID
4 ID do veículo líder
Follower Vehicle ID
4 ID do veículo seguidor
Previous Lane ID
1 ID da faixa que o veículo está ocupando
145
B.2. PROGRAMA PARA EXTRAIR OS DADOS DO ARQUIVO TSD
O programa foi escrito em VBA (Visual Basic for Application) dentro do Microsoft
Excel e está dividido em três sub-rotinas: a primeira
Read_File é a principal, em que se inicia
o programa e abre o arquivo TSD para a leitura; a segunda
Write_Title escreve os títulos de
cada campo extraído do arquivo TSD; e a terceira
Write_Data escreve na planilha do Excel os
dados dos veículos obtidos no arquivo TSD a cada segundo da simulação.
Antes de executar o programa, devem estar especificados nas células B4 e B5 os nós
do tramo a ser extraído os dados: nó anterior (
up node) na célula B4 e nó posterior (down
node
) na célula B5. Ao iniciar o programa, uma caixa de diálogo é aberta para seleção do
arquivo TSD que contém os dados para serem extraídos. A seguir, é apresentado o código do
programa.
B.2.1. Código do programa
Sub Read_File()
Dim TSD As String, Lelinha As String, i As Integer, LinkID as Long
Dim msg_name As Long, msg_length As Long, sim_time As Long, request_type As Long
Dim ID As Long, ID_count As Integer, Veh_data(1 To 18) As Long
Dim veh_id As Long, fleet As Byte, veh_type As Byte, veh_len As Byte, dr_type As Byte
Dim lane_id As Byte, veh_pos As Long, prev_usn As Integer, turn_code As Byte
Dim queue_st as Byte, acc As Byte, vel As Byte, lane_change As Byte
Dim target_lane As Byte, dest_node As Integer
Dim lead_veh_id As Long, foll_veh_id As Long, prev_lane_id As Byte
TSD = Application.GetOpenFilename("Arquivos TSD, *.tsd")
Activesheet.Range("B8:V65536,I3,I4").Clear
LinkID = ActiveSheet.Range(“B4”) * 10000 + ActiveSheet.Range(“B5”)
Call Write_Title
Open TSD For Binary As #3
Seek #3, 17
Do Until Loc(3) = LOF(3)
' Lê o cabeçalho: Message Info
Get #3, , msg_name
Get #3, , msg_length
Get #3, , sim_time
Get #3, , request_type
146
If (msg_name = 3001) And (request_type = 14000) Then
' Compara se os dados são do tipo veículos: Vehicle Info
Seek #3, Loc(3) + 29
Get #3, , ID
Get #3, , ID_count
If ID = LinkID Then
For i = 0 To ID_count - 1
' Lê os dados: Vehicle Message
Get #3, , veh_id
Get #3, , fleet
Get #3, , veh_type
Get #3, , veh_len
Get #3, , dr_type
Get #3, , lane_id
Get #3, , veh_pos
Get #3, , prev_usn
Get #3, , turn_code
Get #3, , queue_st
Get #3, , acc
Get #3, , vel
Get #3, , lane_change
Get #3, , target_lane
Get #3, , dest_node
Get #3, , lead_veh_id
Get #3, , foll_veh_id
Get #3, , prev_lane_id
Veh_data(1) = veh_id
Veh_data(2) = fleet
Veh_data(3) = veh_type
Veh_data(4) = veh_len
Veh_data(5) = dr_type
Veh_data(6) = lane_id
Veh_data(7) = CLng(veh_pos)
Veh_data(8) = prev_usn
Veh_data(9) = turn_code
Veh_data(10) = queue_st
Veh_data(11) = acc
Veh_data(12) = vel
Veh_data(13) = lane_change
Veh_data(14) = target_lane
Veh_data(15) = dest_node
Veh_data(16) = lead_veh_id
Veh_data(17) = foll_veh_id
Veh_data(18) = prev_lane_id
Write_Data (sim_time)
Next i
147
Else
Seek #3, Loc(3) + (msg_length - 37)
End If
Else
Seek #3, Loc(3) + msg_length - 3
End If
Loop
Close #3
End Sub
Sub
Write_Title ()
ActiveSheet.Range("B6:V6") = Array("Time", "UpNode", "DnNode", "VehID", _
"Fleet", "VehType", "Veh Len", "DrType", "LaneID", "VehPos", "Previous USN", _
"Turn Code", "Queue Status", "Accel", "Speed", "Lane Change", "Target Lane",_
"Dest Node", "LeaderID", "FollowerID", "Previous Lane")
ActiveSheet.Range("B6:V6").Font.Bold = True
End Sub
Sub
Write_Data (clock As Long)
Dim ulinha As Long, col As Integer, j As Integer
ulinha = Activesheet.Range("C65536").End(xlUp).Row + 1
Activesheet.Cells(ulinha, 2) = clock + 1
Activesheet.Cells(ulinha, 3) = Int(ID / 10000)
Activesheet.Cells(ulinha, 4) = ID - Int(ID / 10000) * 10000
col = 4
For j = 1 To 18
Activesheet.Cells(ulinha, col + j) = Veh_data(j)
Next j
End Sub
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
