Você está na página 1de 7

Simulao de Controle de Trfego de Veculos em Canoas

Giovane Oliveira de Barcelos


Universidade do Vale do Rio dos Sinos
Programa de Ps-Graduao em Computao Aplicada
Av. Unisinos, 950 So Leopoldo, RS
giovanebarcelos@gmail.com
e seus resultados so validados na seo 8. Nas sees 9 e
10 efetuado o planejamento estratgico e ttico
respectivamente. Por fim faz-se a interpretao, a
documentao e toma-se uma deciso, seguida da
concluso, nas sees 11, 12, 13 e 14.

Resumo
O aumento de carros em vias pblicas locais exige
formulao de estratgicas de controle de trnsito
efetivas. A simulao aparece como ferramenta eficaz e
necessria para tomada de decises e desenvolvimento de
alternativas no controle de trfego de veculos.
Este artigo ir demonstrar todos os passos necessrios
para construo de uma simulao para controlar o
trfego de veculos em Canoas. O principal objetivo
identificar a melhor combinao de tempos dos
semforos que minimize os tempos nas filas.

2 Definio do Problema
O controle de trfego em grandes centros algo
necessrio e desafiante. A necessidade d-se em funo da
grande concentrao de carros em horrios de maior
fluxo. O desafio encontra-se na definio da melhor
combinao de controles nos cruzamentos que maximize
o aproveitamento das vias e minimize os tempos das filas.
Com o objetivo de minimizar os tempos de filas em
cruzamentos do bairro Igara em Canoas, este artigo
prope a simulao para analisar e definir as melhores
combinaes de tempos nos cruzamentos. Abaixo so
demonstrados os cruzamentos objeto deste trabalho.

1 Introduo
Atualmente percebe-se um crescente aumento no
nmero de carros nas vias pblicas locais. Este aumento
de carros geralmente no tm sido acompanhado do
aumento de estradas ou mudanas estruturais que
suportem esta demanda. Por isto o uso de mtodos de
controle de trnsito suportados por semforos em
cruzamentos torna-se algo necessrio. O nmero de
possibilidades e variveis de trnsito que devem ser
considerados tornam as configuraes dos tempos dos
semforos um grande desafio. Segundo [1], os clculos
baseados em simulao de vazo de trfego so utilizados
a mais de 60 anos e so bastante teis para avaliar
estratgias antes de sua implementao. Portanto,
simulao imprescindvel quando deseja-se planejar
mudanas no trfego automotivo.
Conforme [3], existem diversas tcnicas que so
utilizadas para simular o controle de trfego de veculos.
Ferramentas matemticas, estatsticas e programas de
computadores, assim como, inteligncia artificial tm sido
utilizados em larga escala para melhorar o controle de
trnsito.
Tendo em vista avaliar as melhores combinaes de
tempo de semforos num bairro em Canoas, este artigo
apresenta uma seqncia de etapas desenvolvidas para a
obteno de uma simulao de controle de trnsito.
Primeiramente sero definidos o problema e apresentado
os limites do modelo, nas sees 2 e 3 respectivamente.
Em seguida, sero discutidas outras solues e abordagens
de controle de trfego de veculos na seo 4. Na seo 5
ser formulado o problema que dar suporte a coleta e
preparao de dados realizados na seo 6. Com o modelo
e os dados em mos, convertido o modelo em uma
aplicao na seo 7. A aplicao da seo 7 executada

Figura 1: Semforos e Cruzamentos.


A figura 1 representa a principal via de acesso do
bairro Igara de Canoas que liga os bairros mais populosos
da regio sudeste da cidade a rodovia federal BR-101.
Este trecho bastante movimentado porque serve tambm
de travessia da rodovia federal para o centro de Canoas e
Porto Alegre, alm de dar acesso a outras cidades. Estas
caractersticas fazem com que este trecho tenha um fluxo
de carros durante o dia inteiro. Entretanto, no incio da
manh, meio-dia e final da tarde o fluxo de carros mais
intenso gerando filas nos semforos.

dos semforos 1 e 2. Foi observado e definido um tempo


triangular entre 15, 20 e 30 segundos de trajeto neste
trecho.
Alm dos limites apresentados at aqui, este modelo
no considera a travessia de pedestres nas faixas de
segurana, que leva em mdia pouco menos de 20
segundos, e os diferentes tipos de veculos com suas
respectivas implicaes.

3 Limites do Modelo
Neste modelo foram considerados trs componentes
chaves abstrados como: semforo, veculo e trecho da
avenida Boqueiro, chamado neste artigo de trecho 1.
Cada componente foi modelado segundo as suas
caractersticas e comportamentos levantados durante a
coleta de dados.
O semforo um recurso composto de dois subsemforos. Cada sub-semforo formado por um
conjunto de trs cores ou sinais apresentados na seqncia
verde, amarelo e vermelho. Cada sinal do sub-semforo
possui um tempo associado e segue a seqncia
demonstrada anteriormente. Os sub-semforos so
dependentes entre si, de modo que quando um subsemforo encontra-se em verde ou amarelo o outro esta
verde e vice-versa. Foi fixado um tempo de 3 segundos
para o sinal amarelo, visto que, foi observado que este o
tempo mnimo para um veculo atravessar ou parar nos
cruzamentos estudados, alm de ser o tempo utilizado nos
semforos estudados. A figura 2 apresenta o fluxo do subsemforo 1 (S1) e o sub-semforo 2 (S2).

4 Outras Solues
Existem uma srie de abordagens de controle de
trfego de veculos. Destaca-se a utilizao da lgica
fuzzy, como as propostas por [2-4], que a partir de uma
lgica de deciso baseadas em regras pr-definidas
permite tomar decises e mudar o tempo dos semforos.
Entretanto as solues estritamente fuzzy tem sido
abandonadas devido a sua aplicao limitada [5], dando
lugar a novas solues hbridas com uso de redes neurais,
entre outras.
Uma outra abordagem seria a utilizao de filas para o
controle de trfego de veculos, que segundo [6] mais
adequado para problemas tpicos de um incio de dia na
chegada s cidades. Conforme [6], este tipo de situao
pertence ao campo da programao estocstica em regime
no estacionrio, que pode ser resolvido com simulao
de eventos de sistemas discretos.
Sendo assim, foi escolhida para este trabalho a
simulao de eventos de sistemas discretos, que se mostra
uma boa soluo para simular o problema estudado.

5 Formulao do Modelo

Figura 2: Fluxo do sub-semforo 1 e o 2.


O veculo uma entidade dinmica que ao encontrar
um sinal verde no semforo continua seu trajeto ou se
houver fila entra por ltimo na mesma. Se encontrar um
sinal amarelo ou vermelho ele forma ou compe uma fila
no semforo. Quando o semforo fica verde os veculos
que esto na fila aceleram e continuam o trajeto. Foi
observado e definido um tempo de acelerao com
distribuio triangular de 1, 3 e 4 segundos todos os
veculos que esto na fila. Considerando que a pista das
ruas so duplas os veculos sempre aceleram em pares.
Sendo assim, quando o semforo esta verde os veculos
que encontram-se na fila saem em pares com distribuio
triangular de 1, 3 e 4 segundos. A figura 3 abaixo
demonstra o fluxo do veculo ao chegar em um semforo.

O modelo a ser simulado tem por objetivo identificar


as combinaes de tempos dos semforos que minimizem
o tempo de espera nas filas dos veculos. A varivel final
que pretende-se medir o tempo mdio total das esperas.
O tempo mdio total das esperas corresponde soma dos
tempos mdios de espera nas filas em cada um dos quatro
semforos. Sendo assim, a frmula final : TMTE =
TMES1 + TMES2 + TMES3 + TMES4, onde, o tempo
mdio total das esperas (TMTE) igual a soma dos
tempos mdios de espera nas filas (TMES<N>).
O tempo mdio de espera na fila de cada veculo ser
calculado a partir da diferena entre o tempo de sada e o
tempo de chegada do veculo na fila. O tempo de
acelerao no acrescido neste tempo porque, assim
como, o tempo do trecho 1, ele um tempo de percurso
que ir influenciar na chegada ao semforo 3 e no um
tempo de espera na fila propriamente dito. Sendo assim,
este modelo ter quatro eventos de filas que sero
influenciados pela chegada dos veculos, pelo tempo dos
semforos e pelo tempo de acelerao mais o tempo de
percurso no trecho 1.
O modelo apresentado tem foco em simulao discreta
por eventos. O fluxo de eventos, a programao e

Figura 3: Fluxo de chegada do veculo no semforo.


O trecho 1 um recurso esttico utilizado por todos os
veculos que seguem em direo ao semforo 3 originrios

configurao dos eventos foram realizados na aplicao


Arena [7].

Tabela 2: Calculo Erro Quadrtico-Input Analyzer


Erro Quadrtico
Distribuio

6 Coleta e Preparao dos Dados


Formulado o modelo da simulao, foram coletados os
dados referentes aos tempos necessrios para a realizao
da simulao. A coleta ocorreu nos dias 29 e 30 de Maio
de 2008, entre s 11:30h e 13:15h. Foi coletado o tempo
de chegada dos carros, os tempos de acelerao, os
tempos dos semforos e os tempos do percurso do trecho
1.

Figura 4: Histograma de chegada nos semforos.


Conforme apresentado na figura 4, foram coletados os
nmeros de veculos que chegavam nos semforos 1, 2 e 4
a cada 5 segundos. As chegadas dos veculos no semforo
3 no foram coletadas porque a quantidade de veculos
deste semforo igual a soma dos veculos do semforo 1
e 2 que seguem o trecho 1. Foi constatado que 81% dos
veculos do semforo 1 e 23% do semforo 2 convergem
para o trecho 1 e, no existe nenhuma rua ou
estacionamento que alimente o trecho 1 alm destes
semforos.
Os dados dos tempos de chegada foram submetidos
aplicao Input Analyzer [7] constante do pacote Arena,
para calcular e avaliar a distribuio de cada semforo.
Com isto foram obtidas as distribuies apresentadas na
tabela abaixo:
Tabela 1: Distribuies dos Semforos-Input Analyzer
Frmula

0.001578
0.002878

4 Beta

0.004915

-0.5 + 8 * BETA(0.841, 1.95)

Semforo 4

0.00158

0.00839

0.00882

Beta
Erlang

0.00740
0.00158

0.00288
0.00839

0.00492
0.00882

Gamma

0.00581

0.02070

0.02120

Lognormal

0.00498

0.02020

0.02420

Normal

0.05770

0.06710

0.05640

Poisson

0.05750

0.08530

0.07700

Triangular

0.04040

0.01970

0.03200

Uniform
Weibull

0.09290
0.00448

0.06430
0.02000

0.07360
0.02020

Teste do Chi-Quadrado
Nmero de Graus de
Teste
Semforo
Intervalos Liberdade Estatstico

Valor
"p"

6.50

0.180

4.09

0.253

4.98

0.300

Segundo Kelton [8], o valor de p esta associado


probabilidade de se obter um novo conjunto de dados que
seja mais inconsistente com a distribuio ajustada, do
que o conjunto de dados atualmente utilizado.
Considerando que a distribuio ajustada seja a
verdadeira distribuio da varivel aleatria que se esta
tratando. Ou seja, se o valor p for grande, existe uma
grande probabilidade de o atual conjunto de dados ser
apropriado ao ajuste que se est realizando. Conforme [8],
um valor p superior 0,10 pode ser entendido como uma
distribuio terica candidata. Sendo assim, os valores p
obtidos no testes podem ser considerados satisfatrios.

Erro
Quadrtico

1 Exponential -0.5 + EXPO(2.4)


2 Beta
-0.5 + 7 * BETA(0.692, 1.36)

Semforo 2

Exponential

Figura 5: Fit das melhores distribuies.


Como o objetivo de verificar a adequao da amostra
as distribuies possveis foi realizado o teste de
Komolgorov-Smirnov (K-S), cujo resultado demonstrado
na tabela 3 abaixo:
Tabela 3: Resultado do K-S e do p-value.

Distribuies
Semforo Distribuio

Semforo 1

O Input Analyzer decide qual a melhor curva em


funo do erro quadrtico (tabela 2), que a diferena
entre a estimativa e o valor real elevado ao quadrado. Fezse tambm um fit das distribuies como apresentado na
figura 5.

Na tabela abaixo seguem outras informaes


estatsticas relevantes dos dados coletados:
Tabela 4: Dados estatsticos relevantes.
Semforo
1
2
4

discutidos at aqui: acelerao, trajeto do trecho 1,


nmero de carros por acelerao e nmero de veculos por
simulao.
O maior desafio encontrado neste desenvolvimento foi
a falta de um componente no Arena que simulasse o
comportamento de um semforo, sendo necessrio o
desenvolvimento de um semforo com sub-semforos
como explicado no captulo 2.
Esta simulao foi configurada de modo a produzir
dados estatsticos de todos os eventos de filas, processos,
entidades e contadores. Estas estatsticas foram utilizadas
para gerar o tempo mdio de espera em cada semforo e a
soma de todos estes tempos, que o tempo mdio total de
espera na fila dos semforos. Foram gerados tambm o
nmero mdio de veculos na fila dos semforos e o
nmero mdio total de veculos em espera nas filas.

Resumo dos Dados


Tamanho Valor Valor
Desvio
Mdia
Coleta
Mn Mx
Padro
200
0
8
1.90
2.14
198
0
6
1.86
1.89
198
0
7
1.91
1.89

Alm dos tempos de chegadas dos veculos foram


levantadas as seguintes informaes necessrias
simulao:

Tempos de acelerao: foi observado um tempo


mdio de acelerao dos veculos com no mnimo
1, esperado 3 e mximo 4 segundos;

Tempos dos semforos: levantou-se o tempo de


cada fase (verde, amarelo e vermelho) de todos os
semforos;

Tempos do percurso do trecho 1: fez-se o percurso


do trecho 1 de carro algumas vezes para levantar o
tempo mdio gasto. Constatou-se que o tempo
mnimo 15, esperado 20 e mximo 30
segundos.

8 Validao do Modelo
Depois de convertido o modelo em uma aplicao para
realizar a simulao, esta foi executada e os resultados
analisados. A primeira analise realizada foi comparao
dos resultados com a realidade do trecho estudado.
Percebeu-se que as simulaes seguiram o mesmo
comportamento de trfego observado nos cruzamentos
deste estudo.
A simulao foi executada durante dez vezes com dez
conjuntos de parmetros distintos de tempos dos
semforos. Cada simulao independente foi equivalente
uma hora e trinta minutos de trfego, correspondente ao
perodo em que foram coletados os dados. Os resultados
das mdias globais por replicao so apresentados na
tabela abaixo:
Tabela 5: Replicaes das simulaes.

7 Converso do Modelo
Finalizada a coleta, preparao e analise dos dados o
modelo proposto foi convertido em um desenho do fluxo,
programao e configurao dos eventos no programa
Arena [8]. Arena um ambiente grfico integrado de
simulao genrica, que contm todos os recursos para
modelagem, desenho e animao, anlise estatstica e
anlise de resultados. O Arena implementa simulao
discreta estocstica orientada a eventos atravs de uma
linguagem de simulao chamada de SIMAN.
Segue abaixo na figura 5 o fluxo de eventos principal
da simulao apresentada neste artigo:

Simulao
Nmero Mdia
Tempo Espera
1
Carros na Fila
Tempo Espera
2
Carros na Fila
Tempo Espera
3
Carros na Fila
Tempo Espera
4
Carros na Fila
Tempo Espera
5
Carros na Fila
Tempo Espera
6
Carros na Fila
Tempo Espera
7
Carros na Fila
Tempo Espera
8
Carros na Fila
Tempo Espera
9
Carros na Fila
Tempo Espera
10
Carros na Fila
Tempo Espera
Mdias
Carros na Fila

Figura 6: Fluxo de eventos principal da simulao.


Este modelo de simulao foi desenhado de modo a
permitir que os tempos de sinal verde e amarelo sejam
configurados em todos os semforos e o sinal vermelho
seja gerado a partir destas configuraes. Ou seja, um
vermelho do semforo 1 igual a soma do verde e
amarelo do semforo 2. Alm disto, foram criados
mtodos para que fossem parametrizados todos os tempos

1
101
24
93
21
59
14
65
14
62
14
87
21
81
18
99
23
85
19
81
19
81
19

2
95
20
95
23
59
14
67
15
62
14
82
18
82
18
104
24
86
19
77
17
81
18

3
93
22
94
22
59
14
63
14
66
16
82
19
82
18
99
22
88
20
76
17
80
18

4
95
22
93
21
57
14
63
14
61
13
83
19
85
19
100
20
86
19
75
17
80
18

Replicaes
5
6
101 97
26 23
96 93
24 22
58 57
14 13
66 67
16 16
61 62
14 15
87 89
20 20
82 82
18 18
102 100
24 23
86 88
20 21
78 76
17 16
82 81
19 19

7
94
22
92
21
57
13
61
13
64
15
84
20
82
18
105
24
86
20
77
17
80
18

8
94
22
95
21
61
14
63
15
62
13
90
21
81
18
102
22
87
19
76
17
81
18

9
94
19
93
22
59
13
61
13
63
14
83
19
80
18
102
23
86
19
81
18
80
18

10
92
20
93
21
58
12
63
14
63
14
84
19
85
19
106
24
84
18
79
18
81
18

Mdia
96
22
94
22
58
13
64
14
63
14
85
19
82
18
102
23
86
19
78
17
81
18

Aps gerado o resultado das replicaes das


simulaes, foi criado uma tabela (tabela 6) com os
resultados das mdias globais por simulao. Estes
resultados
serviram
de
parmetros
para
o
desenvolvimento do meta-modelo. O meta-modelo uma
frmula matemtica gerada a partir da anlise de

regresso linear. Anlise de regresso linear uma tcnica


estatstica que permite explorar e inferir a relao de uma
varivel dependente, chamada de varivel de resposta ou
de desempenho, com variveis independentes especficas,
denominadas de variveis explicatrias.
Tabela 6: Mdias globais por simulao.
Sinaleiras
Simulao

S1

1
2
3
4
5
6
7
8
9
10

S2

30
40
20
20
25
30
35
40
40
30

40
30
20
25
20
35
30
45
30
30

S3

S4

30
50
20
20
25
30
35
40
40
30

50
30
20
25
20
35
30
45
30
30

Tempo
Mdio
Total
95.58
93.55
58.44
63.99
62.64
85.04
82.20
101.84
86.19
77.55

R denotes an observation with a large standardized residual.


X denotes an observation whose X value gives it large leverage.
Normplot of Residuals for TM

Figura 7: Anlise de regresso linear do MiniTab.


Depois de criado o meta-modelo no MiniTab,
apresentado detalhadamente na figura 7, gerou-se na
mesma ferramenta um grfico de probabilidade normal.
Este grfico tem por objetivo checar a adequao da
frmula em relao aos dados gerados atravs da
simulao. Quanto mais prximo os pontos de simulao
encontram-se da reta resultante da frmula do metamodelo, mais aderncia tem o meta-modelo com a
simulao.

Nmero
Mdio de
Carros
21.93
21.78
13.40
14.31
14.22
19.49
18.31
22.89
19.48
17.21

Para gerar o meta-modelo foi utilizada a ferramenta


MiniTab [9]. O MiniTab um programa voltado para fins
estatsticos. Utilizando os dados dos tempos de verde das
sinaleiras como variveis explicatrias e o tempo mdio
de fila total como varivel resultado, obteve-se o seguinte
meta-modelo: TM = 20.3 + 0.059 S1 + 0.459 S2 + 0.752
S3 + 0.653 VS4.
Neste meta-modelo, TM o tempo mdio total na fila,
que representa a varivel de desempenho que se deseja
medir, enquanto S1, S2, S3 e S4 representam os tempos
em que os sinais ficaro verde nos semforos.
Regression Analysis: TM versus S1V, S2V, S3V, S4V

Figura 8: Anlise de regresso linear do MiniTab.


Analisando o grfico pode-se concluir que a frmula
do meta-modelo aderente a simulao, pois a maioria
dos pontos esta prximo as linhas das retas geradas pelo
meta-modelo. Tambm possvel chegar a esta concluso
a partir do R2 que 99,8%. Isto quer dizer que o metamodelo acertar o resultado em 99,8% das vezes.
Com o meta-modelo desenvolvido, novos testes com
novos tempos de semforo so possveis sem necessidade
de executar simulaes.

The regression equation is


TM = 20.3 + 0.059 S1V + 0.459 S2V + 0.752 S3V + 0.653 S4V
TMTE = TMES1 + TMES2 + TMES3 + TMES4
Predictor Coef SE Coef
Constant 20.270 1.281
S1V
0.0587 0.1492
S2V
0.4589 0.1521
S3V
0.7515 0.1068
S4V
0.6529 0.1096

T
P
15.83 0.000
0.39 0.710
3.02 0.030
7.04 0.001
5.96 0.002

S = 0.843046 R-Sq = 99.8% R-Sq(adj) = 99.7%

9 Planejamento Estratgico

Analysis of Variance

Neste trabalho o planejamento dos experimentos foi


realizado a partir dos valores de tempo de verde de cada
semforo, tendo como principal objetivo medir e
minimizar o tempo mdio total dos veculos nas filas dos
semforos. Sendo assim, a varivel de desempenho que se
deseja obter o tempo mdio total dos veculos nas filas
do semforos, que corresponde a soma dos tempos mdios
de fila em cada um dos semforos. Na tabela 6 do captulo
anterior foram apresentados os tempos simulados para
cada um dos quatros semforos.
Como pode-se perceber, foram utilizadas dez
combinaes de tempo de verde, entre 20 e 45 segundos.
Apesar do trfego de pedestres no ter sido considerado
neste trabalho, os tempos testados das sinaleiras esto
acima 20 segundos porque foi constatado que o tempo

Source
DF
SS
MS
F
P
Regression
4 1991.62 497.91 700.56 0.000
Residual Error 5 3.55 0.71
Total
9 1995.18
Source
S1V
S2V
S3V
S4V

DF Seq SS
1 1441.21
1 479.01
1 46.20
1 25.21

Unusual Observations
Obs S1V
TM Fit SE Fit Residual St Resid
1 30.0 95.577 95.577 0.843 -0.000
*X
2 40.0 93.547 93.547 0.843 -0.000
*X
6 30.0 85.043 83.489 0.449 1.553
2.18R

mdio para um grupo de pedestres atravessar a avenida


prximo deste tempo limite. Estes tempos foram
escolhidos a partir dos tempos observados em outros
semforos adjacentes ao trajeto estudado, ou seja, tomouse como referncia para este estudo tempos de semforos
que podem influenciar nos semforos da simulao.
Cada simulao foi executada dez vezes. Considerando
que houveram dez simulaes com tempos de sinal
diferentes entre elas, foram executadas 100 replicaes da
simulao. O tempo de cada simulao foi equivalente a
1:30h e correspondeu ao perodo em que foi realizada a
coleta de dados. O tempo total de mquina para rodar as
100 replicaes foi de 1:43h.

verde nos semforos esto com o menor tempo analisado,


que 20 segundos. Este resultado mostra-se coerente
quando consideramos que 89,13% dos veculos, conforme
figura 4 (Histograma de chegadas nos semforos), chega
no intervalo de at 20 segundos, ficando o restante do
tempo com apenas 10,87% das chegadas. Para este
conjunto de cruzamentos estudados a simulao 3
representa o melhor tempo, ficando em 2, 3 e 4 lugares
respectivamente as simulaes 5, 4 e 10. Os tempos de
semforos atualmente utilizados esto em penltimo lugar
entre os parmetros utilizados, o que representa uma
grande oportunidade de melhoria.

10 Planejamento Ttico
A simulao foi iniciada com os tempos dos semforos
coletados em campo. Verificada uma discrepncia nos
tempos mdios de espera dos veculos nas filas com estes
tempos decidiu-se sugerir outros valores. Para estes novos
valores tomou-se como referncia semforos de
cruzamentos adjacentes ao trecho estudado.
Inicialmente as simulaes foram executadas uma a
uma com o objetivo de minimizar o tempo de cada
experimento e checar os resultados da simulao e sua
acuracidade. Depois de algumas rodadas e verificaes do
sucesso das execues, decidiu-se rodar todo o
experimento devido ao nvel de confiana alcanado com
a simulao.

11 Interpretao
Objetivando avaliar o melhor conjunto de tempos em
verde dos semforos dos cruzamentos estudados, foram
realizadas simulaes e coletados os resultados para
anlise. A figura 9 apresenta o resultado das mdias das
dez replicaes de cada um dos dez conjuntos de
parmetros para os sinais verdes simulados. Como podese perceber cada simulao possui um nmero que vai de
1 a 10 e tem um valor correspondente de tempo mdio
total dos veculos nas filas dos semforos.

Figura 10: Histograma dos resultados das


simulaes.
Pode-se perceber tambm analisando a figura 10, que
para qualquer um dos dois conjuntos de semforos do
trajeto analisado, os melhores tempos totais so obtidos
com tempos pequenos em todos os semforos.
Entretanto necessrio considerar que os tempos dos
semforos no podem ser menores que 20 segundos
devido ao trfego de pedestres, que apesar de no ter sido
modelado nesta simulao, observou-se que o tempo
mdio para travessia de um grupo de pedestres na avenida
principal prximo deste tempo limite. Alm disso, uma
deciso de mudana exigiria uma anlise mais acurada de
toda a malha rodoviria adjacente ao permetro estudado,
pois corre-se o risco de gerar gargalos no modelados
nesta simulao.

Figura 9: Histograma dos resultados das


simulaes.
Analisando o histograma gerado na figura 9, nota-se
que o melhor tempo ocorre quando todos os tempos de

In: Journal of Transportation Engineering, 118, No. 1,


Virginia EUA. 1992, 14p.
[3] NIITTYMAKI, Jarkko; NEVALA, Riku; TURUNEN,
Esko . Fuzzy traffic signal control and a new inference
method Maximal Fuzzy similarity, 2000, disponvel
em:
http://www.iasi.rm.cnr.it/ewgt/13conference/127_niittyma
ki.pdf. acesso em: 08/06/2008.
[4] KOSONEN, Lisakki. Multi-agent fuzzy signal
control based on real-time simulation, In: Transportation
Research Part C, 11(5), p. 389-403, 2003.
[5] RENTERIA, Alexandre R. Controle de semforos
por lgica FUZZY e Redes Neurais, 2002, PUC/RJ.
[6] CASTRUCCI, Plnio; GODOY, Roberto. Controle de
Congestionamento Veicular, 2006, IEEE.
[7] ARENA, Arena Simulation Software, disponvel
em: http://www.arenasimulation.com/, acessado em:
08/06/2008.
[8] KELTON, David W.; SADOWSKI, Randall P.;
STURROCK, David D., Simulation with Arena, 2003,
McGraw-Hill.
[9] MINITAB, MatLab - Matrix Laborator, . disponvel
em: http://www.mathworks.com. Acesso em: 08/06/2008.

12 Documentao
Para utilizao efetiva desta simulao necessrio
apenas o projeto Arena [7] que foi desenhado para este
trabalho enviado em anexo. Os fluxos de eventos deste
projeto foram apresentados nas figuras 2, 3 e 6. Estes
fluxos so a espinha dorsal da aplicao e podem ser
facilmente estendidos se necessrio.
importante observar tambm para os parmetros
descritos no captulo 7 (Converso do Modelo). Eles so
essenciais para o bom funcionando desta simulao e
devem ser considerados em caso de extenso do modelo.

13 Deciso
Considerando os resultados das simulaes gerados e
estudados anteriormente, assim como, as anlises
levantadas no captulo 11 (Interpretao), entende-se
como necessrio alterar os tempos dos semforos para
baixo, preferencialmente para os parmetros da simulao
3. Com isto seria obtido um ganho global e os tempos
mdios dos veculos nas filas seriam minimizados.
A simulao 3 demonstrou-se como tendo o melhor
tempo dos veculos na fila e deveria ser a soluo
candidata a implementao. Entretanto, quando
implementar esta soluo torna-se importante monitorar a
malha rodoviria do permetro estudado, para verificar
possveis formaes de gargalos de cruzamentos
adjacentes que no foram modelados nesta simulao.

14 Concluso
Neste artigo foram apresentados todos os passos
necessrios ao desenvolvimento de uma simulao para
controlar o trnsito de veculos no bairro Igara de Canoas.
Foram realizadas dez simulaes replicadas dez vezes
com propostas de tempos diferentes para os semforos.
Estas simulaes tinham como objetivo identificar os
melhores tempos mdios dos veculos nas filas dos
semforos. Como resultado destas simulaes foi
desenvolvido o meta-modelo da simulao que mostrou-se
adequado com os experimentos realizados.
Por fim, foram analisados os resultados gerados pelos
experimentos e identificou-se que possvel utilizar novas
combinaes de tempos dos semforos para minimizar o
tempo mdio dos veculos nas filas. Com isto tomou-se a
deciso de implementar a soluo com o melhor ganho
global, melhorando assim o trfego nas vias simuladas.

15 Referncias
[1] PINTO, Antnio Cerveira; COSTA, Amrico H. Pires
da. Simulao do funcionamento de um cruzamento
regulado por sinais luminosos, In: Investigao
Operacional, Lisboa Portugal, 2005, p. 25-35.
[2] FINDLER, Nicholas V.; STAPP, John. A Distributed
Approach to Optimized Control of Street Traffic Signals,