Escolar Documentos
Profissional Documentos
Cultura Documentos
So Carlos
2007
AUTORIZO A REPRODUO E DIVULGAO TOTAL OU PARCIAL DESTE TRABALHO, POR
QUALQUER MEIO CONVENCIONAL OU ELETRNICO, PARA FINS DE ESTUDO E PESQUISA,
DESDE QUE CITADA A FONTE.
Ao Prof. Dr. Jos Reynaldo A. Setti, por toda a orientao fornecida durante a elaborao
deste trabalho, pelas palavras de incentivo nas horas difceis e, principalmente, pela pacincia.
Ao Prof. Dr. Laurence R. Rilett, pela receptividade e apoio indispensveis durante o ano
Ao Prof. Dr. Mounir Khalil El Debs e ao Dr. Luciano Maldonado Ferreira, pelas sugestes
CAPES, pela concesso de uma bolsa de doutorado no Brasil e de uma bolsa PDEE no
exterior.
permisso para que fossem realizadas as coletas de dados e pelo fornecimento de dados essenciais
para a pesquisa.
desta pesquisa.
Aos companheiros de sala, Cntia Yumiko Egami, Diogo Artur Tocacelli Colella e Flvio
Satoshi Utimura, pela tima convivncia e constante troca de informaes. Em especial, Mrcia
Lika Mon-Ma e Andr Luiz Barbosa Nunes da Cunha, sem os quais certamente este trabalho no
Ao meu noivo, Mrcio Augusto de Frana Corra, que percorreu comigo toda essa longa
O objetivo desta pesquisa foi desenvolver um mtodo para estabelecer o efeito das caractersticas
e da operao dos veculos pesados sobre a infra-estrutura rodoviria atravs do uso de resultados
de simulao microscpica de trfego. Para tanto, foram definidos dois objetivos secundrios. O
primeiro deles envolveu a obteno de um banco de dados detalhado sobre as caractersticas de
6.253 veculos pesados. Esses dados foram coletados em sete balanas localizadas em rodovias de
pista dupla do estado de So Paulo. O segundo objetivo secundrio consistiu na calibrao e vali-
dao do simulador de trfego CORSIM com o auxlio de um algoritmo gentico, que adaptou
simultaneamente 19 parmetros do simulador para que ele reproduzisse adequadamente as carac-
tersticas e o comportamento do trfego observado em um trecho de rodovia de pista dupla pau-
lista. A metodologia desenvolvida demonstrada atravs da realizao de um estudo de caso em
que foram simulados dois cenrios de trfego e em que foi considerada uma ponte hipottica
com 100 m de extenso. Nele, foram determinadas as probabilidades de ocorrncias simultneas
dos veculos pesados sobre a ponte. As concluses da pesquisa indicam que o mtodo de calibra-
o de simuladores de trfego com uso de um algoritmo gentico mostrou-se eficaz, reduzindo o
erro mdio de 9,11% para 6,32%. Alm disso, as concluses revelam que a obteno de um car-
regamento mvel a partir de dados extrados de um simulador de trfego possvel e que a asso-
ciao dos dados simulados a um banco de dados detalhado permite o clculo do efeito do trfe-
go dos veculos pesados sobre a infra-estrutura rodoviria. Do estudo de caso, pode-se concluir
que: (1) a probabilidade de ocorrncia simultnea de veculos pesados sobre a ponte muito fre-
qente e est diretamente relacionada s caractersticas do fluxo de trfego e; (2) a distribuio
das cargas e seus respectivos valores so fatores determinantes para o clculo dos esforos. Os
resultados do estudo de caso demonstram a viabilidade do procedimento proposto.
The objective of this research was to develop a method for establishing the effect of heavy vehi-
cles characteristics and operation on highway infra-structure by using the results of a microscopic
traffic simulation model. Therefore, two secondary objectives were defined. The first of them
involved the attainment of a detailed database containing the characteristics of 6,253 heavy vehi-
cles. This data was collected at seven weight stations located on the state of So Paulo multilane
highways. The other secondary objective was to calibrate and validate CORSIM by using a ge-
netic algorithm, which simultaneously adapted 19 model parameters in order to appropriately re-
produce the characteristics and the behavior of the observed traffic flow. The developed meth-
odology is demonstrated through a case study in which two traffic scenarios were simulated and
in which a hypothetic 100 m bridge was considered. In the case study, the probabilities of simul-
taneous presence of heavy vehicles on the bridge were determined. The conclusions of this re-
search indicate that the method of calibrating a traffic simulation model utilizing a genetic algo-
rithm was efficient, reducing the mean error from 9.11% to 6.32%. Additionally, the conclusions
reveal that the attainment of a live load from extracted data through a traffic simulation model is
possible and that the association of simulated data with a detailed database allows the estimation
of heavy vehicle traffic effect on highway infra-structure. From the case study, it can be con-
cluded that: (1) the probability of simultaneous presence of heavy vehicles on the bridge is very
frequent and; (2) the loads distribution and its respective values are determinant in calculating
efforts. The case study results demonstrate the proposed procedure viability.
Keywords: Traffic simulation; calibration; genetic algorithm; heavy vehicles; live load on bridges.
SUMRIO
1. Introduo........................................................................................................................................ 1
1.1 Objetivo da pesquisa............................................................................................................... 2
1.2 Justificativa................................................................................................................................ 2
1.3 Organizao do texto.............................................................................................................. 5
2. Carregamento Mvel para Anlise Estrutural de Pontes................................................... 7
2.1 O modelo de Ghosn e Moses................................................................................................ 8
2.2 O modelo de Moses e Ghosn................................................................................................ 8
2.3 Os modelos de Nowak............................................................................................................ 9
2.4 O modelo de Crespo-Minguilln e Casas............................................................................ 12
2.5 O estudo de Hwang e Koh.................................................................................................... 13
2.6 O estudo de Ferreira................................................................................................................ 14
2.7 O modelo de Luchi.................................................................................................................. 17
2.8 Consideraes finais................................................................................................................ 18
3. Mtodo de Pesquisa...................................................................................................................... 21
3.1 Reviso bibliogrfica................................................................................................................ 21
3.2 Estudo do modelo de simulao CORSIM e determinao do procedimento para
sua calibrao............................................................................................................................ 22
3.3 Coleta de dados........................................................................................................................ 23
3.4 Calibrao e validao do CORSIM..................................................................................... 23
3.5 Estudo de caso......................................................................................................................... 24
4. O Modelo de Simulao CORSIM............................................................................................ 25
4.1 O simulador CORSIM............................................................................................................ 25
4.2 Codificao de uma rede de transportes no CORSIM...................................................... 27
4.3 Dados de entrada relacionados oferta............................................................................... 28
4.4 Dados de entrada relacionados demanda.......................................................................... 28
4.5 Dados de sada.......................................................................................................................... 30
4.6 Descrio da rede simulada no CORSIM............................................................................ 30
4.7 Parmetros de calibrao do CORSIM................................................................................ 32
4.7.1 Parmetros gerais de calibrao..................................................................................................... 32
4.7.1.1 Fatores de sensibilidade para a lgica do car-following.................................................................... 33
4.7.1.2 Fatores de acelerao e desacelerao.............................................................................................. 36
4.7.1.3 Fatores de mudana de faixa......................................................................................................... 36
4.7.1.3.1 Mudana de faixa obrigatria......................................................................................... 38
4.7.1.3.2 Mudana de faixa arbitrria........................................................................................... 39
4.7.1.3.3 Mudana de faixa antecipatria..................................................................................... 43
4.7.2 Parmetros de calibrao por tipo de veculo................................................................................... 43
4.7.2.1 Desacelerao mxima no emergencial......................................................................................... 44
4.7.2.2 Caractersticas da velocidade e da acelerao.................................................................................. 44
4.7.2.3 Distribuio da frota..................................................................................................................... 47
4.8 Consideraes finais................................................................................................................ 47
5. Coleta de Dados.............................................................................................................................. 49
5.1 Dados para caracterizao do trfego e estimativa da matriz origem/destino.............. 50
5.1.1 Dados coletados............................................................................................................................ 52
5.1.1.1 Fluxo de trfego............................................................................................................................ 52
5.1.1.2 Composio do trfego................................................................................................................... 54
5.1.1.3 Matriz origem/destino.................................................................................................................. 56
5.1.1.4 Velocidade mdia da corrente de trfego......................................................................................... 59
5.2 Dados sobre as caractersticas dos veculos pesados.......................................................... 61
5.2.1 Nomenclatura adotada................................................................................................................. 63
5.2.2 Dados coletados............................................................................................................................ 64
5.2.2.1 Peso e relao peso/potncia.......................................................................................................... 65
5.2.2.2 Distncias entre eixos................................................................................................................... 68
5.3 Consideraes finais................................................................................................................ 69
6. Calibrao e Validao do CORSIM........................................................................................ 71
6.1 Definio dos termos calibrao e validao............................................................... 71
6.2 Calibrao manual versus calibrao automtica.................................................................. 73
6.3 Calibrao automtica usando algoritmo gentico............................................................. 74
6.3.1 Mtodo de calibrao..................................................................................................................... 75
6.3.2 Operadores genticos...................................................................................................................... 77
6.3.2.1 Seleo.......................................................................................................................................... 77
6.3.2.2 Cruzamento.................................................................................................................................. 79
6.3.2.3 Mutao....................................................................................................................................... 80
6.3.3 Funo fitness............................................................................................................................... 80
6.3.4 Codificao do algoritmo gentico................................................................................................... 82
6.4 Algoritmo gentico para calibrao do CORSIM............................................................... 83
6.4.1 Escolha das medidas de desempenho.............................................................................................. 84
6.4.2 Escolha dos parmetros do modelo a serem calibrados.................................................................... 85
6.4.3 Escolha dos parmetros do algoritmo gentico................................................................................. 89
6.5 Resultado da calibrao........................................................................................................... 90
6.5.1 Apresentao dos parmetros calibrados........................................................................................ 94
6.6 Validao do modelo calibrado para a rede estudada........................................................ 96
6.7 Consideraes finais................................................................................................................ 100
7. Estudo de Caso............................................................................................................................... 101
7.1 Definio dos cenrios simulados......................................................................................... 101
7.1.1 Fluxo dirio de trfego.................................................................................................................. 102
7.1.2 Localizao da ponte na rede de trfego......................................................................................... 105
7.2 Extrao de dados do CORSIM............................................................................................ 105
7.3 Definio do nmero de dias simulados.............................................................................. 110
7.4 Probabilidades de ocorrncia................................................................................................. 112
7.5 Efeito do trfego de veculos pesados sobre a ponte......................................................... 113
7.5.1 Carga mvel da NBR-7188......................................................................................................... 113
7.5.1.1 Momento fletor mximo causado pelo trem-tipo............................................................................. 115
7.5.2 Carga mvel gerada pelas simulaes............................................................................................. 116
7.5.2.1 Escolha dos segundos analisados................................................................................................... 117
7.5.2.2 Carregamentos analisados............................................................................................................. 118
7.5.2.3 Momento fletor mximo causado pelos veculos simulados.............................................................. 123
7.6 Consideraes finais................................................................................................................ 124
8. Concluses e Recomendaes................................................................................................... 127
8.1 Concluses................................................................................................................................ 128
8.1.1 Calibrao do modelo de simulao................................................................................................ 128
8.1.2 Obteno do carregamento mvel.................................................................................................... 128
8.1.3 Estudo de caso.............................................................................................................................. 129
8.2 Recomendaes........................................................................................................................ 130
Referncias Bibliogrficas............................................................................................................... 133
Apndice A............................................................................................................................................ 143
1
1. Introduo
47,5% da carga brasileira foi feito pelo modo rodovirio, com mais de 790 milhes de toneladas
transportadas por uma frota que ultrapassa os dois milhes de veculos pesados. Esses veculos
trafegam por uma malha rodoviria de cerca de 1,6 milhes de quilmetros (DENATRAN,
2006).
um cenrio em que quase metade de toda a produo nacional transportada atravs de rodovias,
impacto que eles ocasionam no somente em termos de operao, como tambm no projeto e
De forma geral, as leis que regulamentam os pesos e as dimenses dos veculos pesados vi-
sam reduzir o impacto provocado pelo seu trfego. Na fase de projeto da infra-estrutura rodovi-
ria, fatores tais como largura de faixas de rolamento, extenso de faixas de acelera-
caractersticas esto ligadas principalmente aos desgastes dos pavimentos e pontes (TRB, 2002).
dovirio e o conseqente aumento das cargas transportadas pelos veculos podem ocasionar des-
2
gastes maiores do que os previstos tanto para a pavimentao quanto para as obras de arte espe-
infra-estrutura rodoviria.
A meta principal desta pesquisa desenvolver uma metodologia para estabelecer o efeito
das caractersticas e da operao dos veculos pesados sobre a infra-estrutura rodoviria atravs
do uso de resultados de simulao microscpica de trfego. Para tanto, foram estabelecidos dois
objetivos secundrios:
de pista dupla.
A metodologia proposta combina esses dois aspectos na medida em que associa dados mi-
dos veculos pesados para obter um carregamento mvel decorrente do trfego desses veculos.
Para demonstrar como a metodologia desenvolvida pode ser utilizada, efetuou-se um estu-
do de caso que calculou o momento fletor ocasionado pela presena simultnea de veculos pesa-
dos sobre uma ponte, a fim de compar-lo com o provocado pelo trem-tipo normativo.
1.2 Justificativa
dos mais significativos. O valor real do carregamento do trfego considerado difcil de modelar
de uma forma precisa devido sua aleatoriedade e, por isso, os engenheiros estruturais costumam
fazer vrias simplificaes para tornar essa tarefa possvel (Crespo-Minguilln e Casas, 1997).
anlise estrutural de pontes no corresponde aos veculos reais que trafegam sobre as mesmas,
3
mas a um carregamento hipottico que tenta reproduzir as solicitaes provocadas pelo trfego.
norma e de cargas uniformemente distribudas. A esse carregamento total d-se o nome de trem-
Segundo Santos (2003), a maior parte das pontes rodovirias brasileiras foi construda entre
1960 e 1970, poca em que o Brasil experimentou o seu maior desenvolvimento na construo da
malha rodoviria. A norma ento em vigncia, NB-6 - Cargas Mveis em Pontes Rodovirias,
previa como cargas de projeto veculos-tipo em que o peso bruto total mximo permitido era de
de Pedestres, o peso bruto total mximo considerado para os veculos-tipo sofreu uma alterao e
A norma NBR-7188 especifica trs classes de pontes rodovirias: 45, 30 e 12. A utilizao
das diferentes classes fica a critrio dos rgos com jurisdio sobre a via, j que no definida na
norma. De forma geral, nas principais vias rurais e urbanas as pontes so projetadas para a classe
45, sendo as demais classes utilizadas apenas em rodovias secundrias (Luchi, 2006).
Em cada uma das classes de pontes considerado um veculo-tipo, sendo o peso bruto to-
tal desse veculo de 450 kN para a ponte de classe 45, 300 kN para a classe 30 e 120 kN para a
classe 12. Nas classes 45 e 30, o veculo-tipo composto por trs eixos simples, espaados de
1,5 m e com o peso bruto total dividido igualmente em cada uma das seis rodas. Na classe 12, o
veculo-tipo possui dois eixos simples espaados de 3,0 m, com cada uma das duas rodas diantei-
ras pesando 20 kN e cada uma das duas rodas traseiras pesando 40 kN. Em todas as classes, o
A NBR-7188 prev que, alm do veculo-tipo, a carga mvel nas pontes rodovirias tam-
rea ocupada pelo veculo. Ela varia entre 4 kN/m2 e 5 kN/m2, de acordo com a classe da ponte.
A carga q aplicada nos passeios e possui um valor de 3 kN/m2, independente da classe da pon-
veculos mais leves ou mais afastados das zonas onde as cargas produzem maiores esforos solici-
tantes, com um esquema de carregamento mais cmodo para o clculo (El Debs e Takeya, 1995).
Um fato importante a ser observado que, apesar das combinaes de carga apresentadas
tanto na NB-6 quanto na NBR-7188 terem como objetivo reproduzir as solicitaes provocadas
pelo trfego real sobre as pontes, em nenhuma delas prevista a passagem simultnea de dois ou
mais veculos-tipo, ao contrrio do que acontece nas situaes reais de carregamento. Alm disso,
com base em pesquisas realizadas na Alemanha, pode-se afirmar que durante o processo de con-
siderao do carregamento mvel em uma ponte, as variveis mais desfavorveis so aquelas que
Logo, o que se pode perceber que, por um lado, a norma brasileira mostra-se bastante
conservadora, levando em conta para efeito de dimensionamento de pontes veculos pesados que
no representam a frota que efetivamente circula nas rodovias do pas e sim veculos-tipo com
elevadas cargas concentradas muito prximas entre si. Em contrapartida, pode-se dizer que o
valor da carga q uniformemente distribuda pode no ser suficiente para representar as solicita-
Dessa forma, esta pesquisa prope como ferramenta de anlise o uso de um modelo de si-
desses veculos. A associao dessas informaes a um banco de dados que contm as caracters-
ticas dos veculos pesados (tais como pesos por eixo e distncias entre eixos) permite obter os
carregamentos totais nas pontes e as localizaes dessas cargas de uma forma mais realstica, uma
sobre o espaamento e o headway entre veculos na corrente de trfego. Portanto, o mtodo pro-
posto uma contribuio inovadora para a anlise das cargas mveis, uma vez que elimina os
problemas que podem advir de algumas das simplificaes comumente adotadas pelos engenhei-
A hiptese adotada nesta tese a de que possvel analisar o impacto ocasionado pelo tr-
Este texto est organizado em oito captulos. O Captulo 1 essa introduo, que apresenta
o objetivo da pesquisa e uma justificativa para o seu desenvolvimento. O Captulo 2 versa sobre o
carregamento mvel para a anlise estrutural de pontes. O Captulo 3 descreve o mtodo de pes-
presenta um estudo de caso que demonstra a aplicao do mtodo proposto e o Captulo 8 con-
O projeto de componentes estruturais das pontes deve considerar todas as cargas s quais
elas podem ser submetidas ao longo de sua vida til. Essas cargas so derivadas de trs tipos de
Dentre as aes variveis, as cargas mveis (que provm do trfego de veculos) represen-
tam a contribuio mais significativa na anlise estrutural das pontes. A ao do trfego tambm
considerada o efeito mais importante para a anlise da fadiga de pontes com vos pequenos e
Apesar da sua importncia, considera-se que o valor real do carregamento do trfego nas
pontes difcil de modelar de uma forma precisa devido sua aleatoriedade (Crespo-Minguilln e
Casas, 1997). Por isso, foram desenvolvidos alguns modelos que tratam do carregamento mvel
Este captulo apresenta uma reviso sobre os principais modelos e estudos realizados sobre
o assunto. De forma geral, eles se baseiam na teoria dos processos estocsticos, na concepo de
Ghosn e Moses (1985) propuseram um modelo para calcular o mximo efeito do trfego
para uma determinada vida til da ponte. Eles destacam que a teoria dos processos estocsticos
pode ser uma ferramenta muito til para a anlise de estruturas submetidas a carregamentos alea-
trios.
ser adaptado tanto para representar o padro de chegada de caminhes ponte (medido ou idea-
lizado) quanto para representar as caractersticas dos caminhes (pesos e espaamento dos eixos).
Nesse modelo, todas as possveis localizaes dos caminhes na ponte e seus pesos so testados.
ponte.
Ghosn e Moses (1985) sugerem que para vos grandes os caminhes devem ser considera-
dos como cargas pontuais, mas para vos pequenos e mdios (menores que 150 m), o compri-
mento do veculo e a sua distribuio de carga pelos eixos so importantes. Moses e Ghosn
cie da ponte dividida em regies e um evento de carregamento ocorre quando h pelo menos
um caminho em qualquer uma das regies. O primeiro caminho que chega ponte e que faz
estar em uma certa faixa de trfego obtida a partir das estatsticas do trfego para a localidade.
Por exemplo, o estudo cita que na rodovia de pista dupla I-90, no estado americano de Ohio,
corrncia, calculada a partir de dados de campo, que podem ser conseguidos, por exemplo, atra-
ao fluxo de trfego. Devido ao fato de as medidas de campo se restringirem s rodovias com duas
faixas de trfego, os resultados obtidos por Moses e Ghosn (1985) so vlidos apenas para pontes
na faixa da direita e existir um outro caminho na faixa da esquerda, a probabilidade de eles esta-
Moses e Ghosn (1985) consideram apenas dois tipos de caminhes nos eventos de carre-
gamento. Dependendo do tipo, cada caminho associado a um peso e a uma probabilidade ob-
tida dos histogramas de peso bruto. Com as posies dos caminhes e o peso deles, o mximo
efeito calculado e associado a uma probabilidade. Esse procedimento assume que tanto as posi-
es relativas dos caminhes e os pesos brutos quanto os pesos brutos dos diferentes caminhes
so independentes.
Assim, o clculo do esforo na seo mais solicitada feito para todas as combinaes de
caminhes na ponte e para todos os pesos dos caminhes. Seguindo essa metodologia, obtido
um histograma que fornece o efeito (por exemplo, momento fletor) associado a sua probabilida-
de.
Em geral, considera-se uma vida til de projeto para as pontes de 50 ou 75 anos, embora
Moses e Ghosn (1985) demonstrem que o mximo efeito atinge um valor limite com aproxima-
Nowak um dos autores que mais dispe de trabalhos sobre modelagem de cargas mveis
(Luchi, 2006). Em seu primeiro trabalho que aborda o assunto, so utilizados dados de uma ins-
10
peo no trfego de caminhes realizada em 1975 pelo Ministrio do Transporte de Ontrio (Ca-
nad), cuja amostra era de cerca de 10 mil caminhes. Nessa base de dados foram includos ape-
nas caminhes que pareciam possuir elevado peso bruto (Nowak e Lind, 1979).
Os momentos fletores foram calculados para cada um dos veculos observados em campo
para que pudesse ser feita uma comparao com os momentos relativos norma do Departa-
Em outro estudo que utiliza os mesmos dados de Ontrio, Nowak e Hong (1991) criaram
cas da populao de caminhes de Ontrio eram consideradas similares s dos caminhes que
circulavam nos Estados Unidos. Esse trabalho calcula os momentos fletores considerando uma
Segundo Nowak e Hong (1991), para pontes com uma faixa de trfego, o mximo efeito
(momento fletor ou fora cortante) causado por um caminho isolado ou por dois (ou mais)
os veculos e a relao entre seus pesos. Por exemplo, os autores alertam que os caminhes po-
dem possuir similaridades (pertencerem a uma mesma empresa, com a mesma configurao de
eixos e carga similar), podem viajar em grupos e, portanto, podem ser altamente correlacionados
quanto ao peso. Salienta-se que grau de correlao entendido como o grau de dependncia line-
ar entre duas variveis aleatrias. Os coeficientes de correlao () adotados pelo modelo so:
tcnico:
11
15 m;
A cada 50 caminhes, um caminho seguido por outro com correlao parcial de pe-
so; e
A cada 100 caminhes, um caminho seguido por outro com correlao total de peso.
Os momentos fletores mximos foram calculados e os resultados indicaram que para vos
nicos, um caminho isolado crtico para comprimentos de at 40 m. Para vos maiores, de-
lado);
mente correlacionados e a cada 10 vezes eles esto totalmente correlacionados com re-
lao ao peso.
Os resultados indicaram que o caso com dois caminhes totalmente correlacionados lado a
lado crtico.
Em Nowak (1993), o autor utiliza os mesmos dados de 1975 em Ontrio e analisa nova-
mente obras isostticas, incluindo em suas anlises os momentos negativos em vigas contnuas.
devido s limitaes nos dados obtidos do trfego. Entre elas esto: o pequeno nmero da amos-
tra de caminhes estudada (comparada com o nmero real de caminhes durante a vida til), a
Em Nowak (1999) admite-se que a legislao quanto aos pesos e dimenses dos veculos
pesados no sofrer alterao com o passar dos anos e que a populao de caminhes ir perma-
necer inalterada. Nesse estudo, para cada caminho da amostra so calculados os momentos fle-
tores e as foras cortantes. Nele, so considerados vos simplesmente apoiados e dois vos idn-
ticos contnuos.
no so completos, uma vez que so orientados para a previso dos efeitos mximos em um pe-
rodo de tempo definido ou para a definio dos efeitos de fadiga. De acordo com os autores, as
suposies e as simplificaes adotadas em modelos que tentam tratar das duas possibilidades
s ferramentas computacionais utilizadas e aos dados de trfego necessrios para a anlise (Cres-
Assim, Crespo-Minguilln e Casas (1997) concluem que um modelo completo, vlido para
gamento freqente para a verificao dos estados limites de utilizao) e que considere as vari-
Disponibilizar um modelo amplo, vlido para a anlise dos estados limites ltimo e de
servio mais importantes, alm do estado limite de fadiga. Esta meta atingida atravs
extrapolao dos mximos resultados obtidos na simulao para valores mximos re-
Incluir as correlaes mais importantes existentes no trfego real: correlaes entre ve-
culos em uma faixa, entre diferentes faixas, entre o dia da semana e as condies do tr-
grande.
Nesse modelo, o efeito do trfego sobre a ponte simulado a cada 0,20 segundos durante
uma semana. A simulao feita atravs de um algoritmo que gera fluxos de trfego que repre-
Minguilln e Casas (1997) considerado o mais completo e abrangente, revelando o grande po-
Hwang e Koh (2000) utilizam como base para o desenvolvimento de seu estudo dados de
100 mil pesagens. Os dados sobre mltipla presena de veculos sobre as pontes foram obtidos
atravs de gravaes em vdeo. Foram considerados na anlise apenas os tipos de caminhes mais
pesados e que aparecem em maior nmero; os demais foram desprezados. No total, foram consi-
vados e o previsto para a vida til da estrutura (75 anos), os mximos pesos brutos foram extra-
Os maiores pesos brutos provenientes da extrapolao para cada tipo de caminho foram
presena simultnea de veculos foi considerada apenas em uma mesma faixa e quando a distncia
entre eles era igual ou menor a 15 m. No entanto, no clculo dos momentos fletores os veculos
Condies de Trfego
Pesos
Normal Congestionado
No correlacionados 1/85 1/37
Correlao total 1/403 1/207
Utilizando essas probabilidades juntamente com a porcentagem de cada veculo e a vida til
desejada, a extrapolao dos pesos brutos permite o clculo dos momentos fletores para o caso
dos pesos no correlacionados e dos pesos com correlao total. No primeiro caso, o caminho
principal seguido por um caminho com peso mdio e no segundo caso os caminhes possuem
pesos iguais.
Os resultados demonstram que um nico caminho produz o mximo esforo para vos
pequenos e dois caminhes com correlao total de peso governam no caso de vos maiores.
Os autores sugerem uma combinao de caminho e carga distribuda para a obteno dos
esforos em projetos (normas), mas ressaltam que a carga distribuda deve ter sua magnitude di-
minuda com o aumento do vo, de modo que os momentos fletores calculados no superesti-
mem o efeito do trfego real. Eles recomendam ainda que os dados do trfego sejam obtidos em
No Brasil, Ferreira (2006) realizou um estudo sobre o carregamento mvel que utiliza da-
dos de balanas rodovirias coletados entre 2001 e 2002 nas rodovias SP-310 e SP-225. Nesse
estudo so utilizados somente os caminhes que aparecem com maior carga e em maior nmero
nas planilhas de pesagem, mesmo procedimento adotado por Hwang e Koh (2000). O autor con-
15
sidera que a no incluso de todos os caminhes na anlise no traz prejuzo ao trabalho, uma
vez que ele utiliza veculos crticos e representativos da amostra. No total, cinco configuraes de
caminhes so analisadas.
Inicialmente so feitas extrapolaes das cargas brutas totais para alguns veculos. Nessa
extrapolao, que adota o mtodo desenvolvido por Nowak (1999), so considerados somente os
Ferreira (2006) lembra que a anlise de dois caminhes sobre as pontes requer a determina-
o de sua posio relativa e da proporo entre seus pesos e que dados estatsticos brasileiros
sobre a probabilidade da ocorrncia simultnea sobre as pontes no esto disponveis. Ele ressalta
ainda que a obteno desse tipo de dados bastante trabalhosa, justificando a opo de usar pro-
Assim, a probabilidade de ocorrncia simultnea de dois caminhes sobre a ponte foi ado-
tada com base nos trabalhos de Hwang e Koh (2000) e Nowak (1999), assumindo que no existe
correlao entre os pesos dos veculos. As probabilidades adotadas em Ferreira (2006) esto con-
tidas na Tabela 2.2. As pontes de tabuleiro estreito (TE) representam rodovias de pista simples e
No caso dos caminhes em fila, duas alternativas foram verificadas por Ferreira (2006):
mais caminhes sobre as pontes e afirma que a sua incidncia considerada muito baixa e de
16
difcil investigao. Alm disso, ele ressalta que esse caso pertinente apenas em pontes longas
e/ou pontes com vrias faixas de trfego e, em se tratando de pontes longas, o peso prprio
Assim, Ferreira (2006) considera que o caso de trs ou mais caminhes no imprescind-
vel para a anlise do carregamento mvel e que a segurana das pontes pode ser confiavelmente
medida atravs do posicionamento de apenas um ou dois veculos. Entretanto, a autor faz uma
Com base na teoria da confiabilidade, Ferreira (2006) desenvolve equaes para a verifica-
to da bridge formula americana, que impor limites para o peso de um grupo de dois ou mais eixos.
Ferreira (2006) afirma que, mesmo sendo considerada excessivamente restritiva, a bridge formula
(apresentada na Equao 2.1) bastante conveniente e de fcil uso, pois determina o peso mxi-
BN
W = 2, 224 + 12 N + 36 (2.1)
0,3048(N 1)
em que: W: peso bruto total para qualquer grupo de dois ou mais eixos consecutivos (kN);
As equaes propostas por Ferreira (2006) se dividem em funo da classe da ponte (36 ou
45) e do estado limite (ltimo ou de servio). As equaes 2.2 e 2.3 se referem anlise do estado
em que: W: mximo peso bruto para qualquer grupo eixos consecutivos (kN); e
viadutos da norma brasileira a partir de dados de pesagens e de fluxos de trfego de uma rodovia
de pista dupla (SP-310). O modelo baseado em simulaes das passagens e cargas de veculos
Nesse estudo, so efetuadas anlises de pontes com vos de 20 m a 300 m, sendo calcula-
dos os momentos fletores no meio do vo e as foras cortantes adjacentes aos apoios para as
estruturas isostticas e os momentos fletores no apoio central de pontes contnuas de dois vos.
O estudo d uma maior nfase s situaes de congestionamento sobre a ponte e so feitas ex-
trapolaes estatsticas para a obteno dos esforos caractersticos, levando em conta as diferen-
O modelo de Luchi (2006) consiste em gerar, por simulao de Monte Carlo, carregamen-
tos aleatrios que podem ocorrer ao longo da vida til da estrutura, atravs das distribuies de
probabilidade de passagem e de pesos para cada uma das categorias de veculos. Os esforos soli-
O autor destaca que existem diversas variveis aleatrias para o problema analisado, entre
elas: probabilidade de passagem diria de veculos, distncia entre os eixos dos veculos, cargas
dos eixos dos veculos e distncia entre os veculos. Assim, em virtude da grande diversidade nas
variveis citadas, Luchi (2006) adota valores determinsticos para todas elas. Alm disso, so feitas
As distncias entre eixos tm como base a mdia dos veculos reais para cada configura-
o;
simulao de Monte Carlo, ainda que incorpore valores de carregamentos observados, no signi-
fica que os carregamentos obtidos sejam representativos da realidade, uma vez que este tipo de
indstria de transporte rodovirio, que busca otimizar esse modo de transporte atravs do uso de
veculos cada vez mais pesados, comprometendo a segurana das obras de arte especiais.
No Brasil, os principais trabalhos que tratam das cargas mveis para a anlise estrutural de
pontes so recentes, uma vez que o foco principal das pesquisas realizadas sempre foi a anlise e
uso de expresses analticas e esse fato restringe muito as anlises que podem ser realizadas.
situaes bsicas: fluxo livre e fluxo congestionado. Eles fazem uma combinao dos resultados
das situaes bsicas e a extrapolam para obter o efeito mximo para a vida til da ponte. Para
isso, eles consideram algumas variveis (comprimentos dos veculos, cargas por eixo, probabili-
dades de localizaes dos veculos e correlaes entre essas possveis localizaes) e definem o
nmero de situaes de fluxo livre ou congestionado esperado para a vida til da ponte.
19
veculos sobre a estrutura os tornam vlidos somente para a anlise de pontes com vos peque-
nos, onde acontecem menos combinaes de posies de veculos. Alm disso, as correlaes
encontradas nos fluxos de trfego, como por exemplo, entre tipos de veculos em uma faixa, en-
tre faixas diferentes, entre as condies de trfego e o dia da semana, etc. no so bem represen-
ricos e os baseados na configurao esttica do trfego. Porm, uma caracterstica desses mode-
los, que pode ser considerada como um aspecto negativo, a grande quantidade de dados que so
maior a preciso na modelagem da correlao entre os tipos de veculos pesados em uma faixa e
entre faixas diferentes, maior a extenso do vo da ponte que pode ser analisado (Crespo-
Esta pesquisa utiliza um modelo de simulao microscpica de trfego rodovirio para ava-
liar o impacto do trfego de veculos pesados sobre pontes e outros elementos da infra-estrutura
rodoviria e procura levar em considerao um grande nmero de variveis para que o modelo
simule de forma realstica o trfego observado em uma rodovia de pista dupla tpica no estado de
So Paulo. A abordagem proposta evita os efeitos causados por suposies simplificadoras e in-
tes.
21
3.Mtodo de Pesquisa
O mtodo usado para o desenvolvimento desta pesquisa consistiu das seguintes atividades:
1. Reviso bibliogrfica;
calibrao;
3. Coleta de dados;
5. Estudo de caso.
zao de algoritmos genticos para calibrao dos modelos de simulao microscpica de trfego
sua calibrao
O modelo de simulao de trfego usado nesta pesquisa foi o CORSIM, que tem sido ex-
tensivamente utilizado em aplicaes prticas e pesquisas por ser considerado eficiente para a
anlise da operao do trfego em uma grande variedade de situaes (Owen et al., 2000). O es-
tudo do modelo visou o conhecimento de sua lgica e das variveis e parmetros relacionados
simulao do fluxo de trfego. Com isso, foi possvel determinar os dados de entrada necessrios,
do modelo para que ele represente realisticamente os componentes do sistema que est sendo
simulado (Brockfeld et al., 2004). Esse processo pode ser feito de duas formas: manual ou auto-
mtica. A forma manual mais simples, entretanto, pode se tornar muito demorada. Alm disso,
na calibrao manual existe uma maior possibilidade de ocorrerem erros, j que o processo ite-
rativo. A calibrao simultnea de alguns parmetros mais trabalhosa e requer mais tempo do
que a calibrao de um nico parmetro por vez. A calibrao de um nico parmetro por vez
deve ser evitada, pois os parmetros de calibrao so, muitas vezes, inter-relacionados. Uma
pesquisa realizada por Egami (2000) evidenciou as limitaes da calibrao manual de um simula-
processo escolhido apresenta algumas vantagens: permite que um nmero maior de parmetros
seja calibrado de forma individual ou simultnea; reduz o tempo de calibrao; diminui significa-
tivamente a possibilidade de ocorrncia de erros, visto que tem como base um algoritmo compi-
lado e testado.
23
O uso de modelos de simulao tem como requisito bsico a entrada de dados referentes
projetos ou, em certos casos, atravs de levantamentos realizados em campo. A qualidade dos
dados coletados muito importante para que fique assegurado, aps os processos de calibrao e
validao do modelo, que o simulador est reproduzindo adequadamente o fluxo de trfego e que
Nesta pesquisa, a coleta dos dados relativos ao trfego foi feita com o auxlio de cmeras de
vdeo e pesquisadores. Os dados relacionados geometria da via foram obtidos atravs do proje-
to geomtrico do trecho.
que margeia o municpio de So Carlos e foram usados com o propsito de calibrar e validar o
Um segundo tipo de coleta de dados usado nesta pesquisa est relacionado s caractersti-
cas dos veculos pesados, tais como peso bruto total, peso por eixo e distncia entre eixos. Esses
dados foram obtidos em balanas do estado de So Paulo, tambm com a utilizao de cmeras
de vdeo e pesquisadores.
calibrao e, para isso, indispensvel o uso de um conjunto de dados de trfego diferente da-
quele usado para a calibrao. Ambos os processos se baseiam na anlise das diferenas entre os
A medida estatstica utilizada para a anlise foi o erro mdio absoluto percentual, que
los, 2004). Alm disso, a sua formulao elimina o risco de existir a compensao entre erros po-
sitivos e negativos, o que poderia acarretar um julgamento incorreto do grau de preciso dos re-
sultados.
computacional baseado em um algoritmo gentico. Essa abordagem foi escolhida por ser consi-
O estudo de caso realizado nesta pesquisa analisou o efeito da operao do trfego de ve-
culos pesados em uma ponte simplesmente apoiada de 100 m. Nele, foram obtidas as probabili-
dades de presena simultnea de caminhes sobre uma ponte hipottica no trecho de rodovia de
pista dupla simulado e os carregamentos mveis decorrentes dessas presenas. Dois cenrios de
ponte 45 e pelo trfego simulado. Essa anlise permitiu verificar a adequabilidade da norma atu-
Este captulo descreve as principais caractersticas do simulador de trfego usado neste tra-
tidos no simulador.
de trfego mais usados nos Estados Unidos e considerado um modelo de alta fidelidade, devido
jetado para simular fluxos de trfego em redes integradas de rodovias e reas urbanas. Uma apli-
cao apropriada do CORSIM requer um bom entendimento da sua capacidade e das suas limita-
es, bem como das suposies nele contidas relacionadas modelagem do fluxo de trfego.
No CORSIM cada veculo modelado individualmente e pode ser identificado pela sua
frota (automvel, caminho, nibus e carpool). Alm disso, um total de nove tipos diferentes de
culos como os processos de tomada de deciso so definidos de forma aleatria. A natureza esto-
cstica e dinmica do modelo permite uma representao mais precisa da rede simulada.
tar intersees entre duas vias ou quaisquer outros pontos onde ocorra mudana nas caractersti-
cas das vias, tais como reduo ou aumento no nmero de faixas. Os tramos promovem a ligao
TRAFVU (TRAF Visualization Utility), que permite que o usurio visualize a rede simulada grafi-
camente e acompanhe seu desempenho atravs da animao (Bloomberg e Dale, 2000). A verso
cada veculo modelado como um objeto que se move a cada segundo, enquanto cada tipo de
Para a execuo de uma simulao no CORSIM necessrio que os dados de entrada este-
jam estruturados atravs de arquivos numerados reunidos em um nico arquivo geral. Esses ar-
quivos so chamados de Record Type (RT) e alguns deles so obrigatrios para o funcionamento
O arquivo geral de entrada do CORSIM possui extenso TRF e, aps a simulao, um ar-
quivo de resultados (ou arquivo de sada) criado com o mesmo nome do arquivo de entrada,
porm com a extenso OUT. Esse arquivo contm um relatrio global da simulao. Ambos
Um segundo arquivo de resultados, usado pelo TRAFVU para realizar a animao, tambm
criado aps a simulao. Esse arquivo possui extenso TSD (time step data) e contm informa-
es detalhadas sobre cada um dos veculos simulados em intervalos de um segundo. Este arqui-
Uma vez que a aplicao do CORSIM nesta pesquisa refere-se simulao de trfego de
uma rodovia, o componente utilizado o FRESIM. Dessa forma, no decorrer deste trabalho, o
do CORSIM compreende dados de entrada sobre a oferta e a demanda. Entre os dados de oferta,
podem ser relacionados os ns, os tramos e os sistemas de controle de trfego, que caracterizam
a rede viria modelada. Os atributos dos ns envolvem as suas coordenadas (x, y). Os atributos
dos tramos incluem comprimento, rampa e vrios outros aspectos tais como nmero de faixas,
velocidade de fluxo livre, tipo de pavimento, etc. O sistema de controle de trfego abrange o tipo
atributos apropriados de cada tipo de controle (localizao do semforo, tempo de ciclo, etc.). Os
funo do tempo ou do espao. As caractersticas que variam com o tempo esto, em geral, rela-
cionadas tanto demanda quanto oferta. Como exemplos dessa variao temporal podem ser
que variam com o espao englobam basicamente dados de oferta, sendo o exemplo mais clssico
Os dados bsicos para a simulao de uma rede de transportes incluem a geometria dos
Os dados de demanda incluem as viagens entre pontos, representadas por uma matriz ori-
O primeiro mtodo inclui a identificao dos fluxos de trfego nos ns de entrada (RT50) e
os dados sobre os movimentos de converso em cada acesso de sada da rede (RT25). A partir
gens dos movimentos de converso em uma tabela com dados percentuais de origem/destino.
O segundo mtodo usado para gerar a demanda no CORSIM uma estimativa de uma ma-
gem. Nessa alternativa, o usurio responsvel por garantir que o fluxo de trfego em cada n de
tribuies normal e de Erlang podem ser usadas para gerar os headways de forma estocstica. A
Equao 4.2:
2
1 t
1
<t < (4.1)
f (t ) = e 2
2
t: headways (s).
f (t ) =
( qa ) a t ( a 1)e ( aqt ) 0<t < (4.2)
( a 1) !
a (totalmente uniforme); e
t: headways (s).
lang ocorre quando a=1. Nesse caso, ela conhecida como a distribuio exponencial negativa,
f ( t ) = qe ( qt ) (4.3)
De fato, o resultado do uso dessa distribuio uma distribuio exponencial negativa alte-
rada, pois no CORSIM a distncia mnima para a gerao de veculos fica proibida de incidir a-
funo dos tramos que formam a rede. As principais informaes que compem esse arquivo
so:
que as informaes fornecidas pelo arquivo OUT possuem um carter macroscpico, j que en-
globam todos os veculos dentro de um tramo, sem estratificao por tipo de veculo.
Washington Lus (SP-310), em seus dois sentidos de trfego, no trecho que margeia a cidade de
So Carlos - SP. A rede simulada tem extenso de aproximadamente 7,5 km e possui vrios aces-
sos de entrada e sada, tanto no sentido Norte (capital-interior) quanto no sentido Sul (interior-
capital).
A interface grfica TRAFVU com a representao geral da rede simulada est apresentada
na Figura 4.1. Na Figura 4.2, pode-se visualizar um trecho da rede de forma mais detalhada.
31
A construo da rede foi baseada no projeto geomtrico da rodovia, que inclui dados im-
portantes tais como extenso e inclinao das rampas. Outros dados que no puderam ser obti-
dos atravs do projeto geomtrico (por exemplo, os comprimentos das faixas auxiliares de acele-
O CORSIM possui uma grande variedade de parmetros de calibrao que permitem que o
usurio ajuste o simulador para que ele possa refletir as condies de trfego existentes. Esses
Uma pesquisa recente mostrou que dentro dessas categorias os parmetros mais crticos e
com comprovado efeito nos resultados da simulao esto relacionados lgica do car-following.
todo, enquanto outros so especficos para cada tipo de veculo. A seguir, apresenta-se cada um
coluna da tabela identifica o nmero do parmetro (P1 a P20), a segunda coluna fornece a descri-
cada parmetro, enquanto a quarta coluna identifica o valor default de cada parmetro considerado
mximo para o parmetro que so aceitos pelo simulador. Vale ressaltar que alguns desses limites
de valores, tanto mnimo como mximo, no so definidos no manual do simulador e foram ado-
trs categorias:
1) fatores de sensibilidade para a lgica do car-following (P1 a P11), que compem o RT68;
jo de um motorista de seguir o veculo sua frente varia de acordo com um nvel de sensibilidade
34
especfico para cada tipo de motorista. Para levar em conta essa variabilidade do comportamento
dos motoristas, o CORSIM permite que 10 fatores diferentes de sensibilidade sejam definidos, ou
veculo na rede e esse fator permanece constante durante toda a simulao. Khan et al. (2000)
afirmam que o ideal seria que o fator de sensibilidade pudesse variar ao longo da simulao, uma
vez que os motoristas tendem a se comportar de maneira diferente em situaes de fluxo livre e
congestionado.
gundo. Assim, para um fator de sensibilidade de 1,05 s, o valor a ser inserido 105.
O CORSIM usa o modelo de Pitt para modelar o car-following. Esse modelo, adotado no
modelo microscpico de simulao de rodovias INTRAS (Integrated TRAffic Simulation), foi desen-
volvido na Universidade de Pittsburgh (Rakha e Crowther, 2002). O modelo de Pitt assume que o
motorista do veculo seguidor tentar manter uma distncia em relao ao veculo lder de acordo
com a Equao 4.4 (Aycin e Benekohal, 1999). A ilustrao dos componentes dessa equao
H = L + P j t + P11 + bP j ( t t )2 j = 1, N (4.4)
Os primeiros trs termos da equao (L + Pjt + P11) so necessrios para garantir uma dis-
tncia mnima entre os veculos. O primeiro termo (L) leva em conta o comprimento do veculo
lder, enquanto o segundo termo (Pjt) usado para representar a variabilidade na distncia entre
os veculos atravs do uso dos fatores de sensibilidade dos motoristas definidos anteriormente. O
terceiro termo, a constante de Pitt (P11), usado para determinar a distncia absoluta mnima e
pode ser calibrado para qualquer valor inteiro entre 3 ps e 10 ps. O termo final da equao, bPj
(t -t )2, foi introduzido para permitir uma velocidade de aproximao relativamente alta baseada
em estudos empricos e a incluso de uma constante de calibrao, b, que assume o valor de 0,1
Com base na Equao 4.4, a acelerao do veculo seguidor pode ser obtida como uma
funo do comprimento do veculo, da distncia mnima e das relaes entre velocidade e posi-
o dos veculos seguidor e lder. A relao resultante apresentada na Equao 4.5, cuja deduo
( ( )
2 x t +T y t L P11 t P j + T bP j ( t +T t ) 2 )
af = j = 1, N (4.5)
T + 2P j T
2
Dessa forma, um fator de sensibilidade alto resulta num headway maior e, conseqentemente, em
reao para acelerar e desacelerar o veculo, decorrente de uma mudana de faixa obrigatria.
Esses fatores so introduzidos nas equaes do car-following depois que a acelerao do veculo
seguidor calculada e quando a nova velocidade e posio dele j esto definidas, como pode ser
t +T = t + a f (T P j ) (4.6)
1
(
y t +T = y t + t T + a f T P j
2
)
2
(4.7)
O CORSIM utiliza um algoritmo para mudana de faixa que inclui os dois lados do proces-
so de deciso, ou seja, a oferta (avaliao de gap) e a demanda (aceitao de gap). O algoritmo in-
clui aspectos relacionados ao comportamento dos motoristas ao permitir uma variedade de valo-
res de entrada usados para determinar o desejo de um motorista de melhorar a sua situao na
37
corrente de trfego atravs de uma manobra de mudana de faixa. A Figura 4.4 ilustra o processo
so os gaps existentes entre o veculo que quer realizar a mudana de faixa e os veculos lder e
seguidor. A deciso de mudar de faixa tomada atravs da avaliao desses dois gaps. O gap em
relao ao veculo lder avaliado com base na desacelerao necessria durante o tempo da mu-
dana de faixa e com base na habilidade do motorista de manter uma posio segura entre os dois
veculos (lder e seguidor). Algumas equaes tm sido desenvolvidas para identificar a desacele-
rao necessria para que um veculo que esteja realizando uma mudana de faixa a faa de forma
Alguns parmetros do algoritmo de mudana de faixa podem ser ajustados, como os apre-
sentados anteriormente na Tabela 4.1. Um desses parmetros o tempo para completar uma
mudana de faixa (P14), que um valor de entrada usado nas equaes de acelerao para mudan-
a de faixa e que tem um valor default no CORSIM de 2 s. Esse valor foi determinado com base
em um estudo que mostrou que o tempo para mudar de faixa era uma funo da velocidade, mas
que essa relao no era muito significativa. Esse estudo concluiu que uma constante para repre-
sentar o tempo de mudana de faixa seria uma suposio razovel (Wicks e Lieberman, 1980).
veculos (P15), utilizado para controlar a taxa mxima em que os veculos podem ser inseridos na
rede em uma mesma faixa de trfego (FHWA, 2001). O valor default para esse parmetro 1,6 s
(indicando uma capacidade por faixa de trfego de 2.250 vec/h), com limites mnimo e mximo
de 1 s e 3 s, respectivamente.
gap, um outro aspecto comportamental tambm faz parte dessa anlise. Esse aspecto o grau de
cooperao do motorista do veculo seguidor da faixa adjacente para permitir a manobra (P17). A
taxa de desacelerao mxima aceitvel por um motorista que deseja cooperar com a manobra
fixada em 10 ps/s2 (ou seja, 3,04 m/s2), enquanto que para um motorista que no deseja coope-
rar com a manobra fixada em 8 ps/s2 (2,44 m/s2). O valor default no modelo assume que 20%
dos motoristas cooperam com os veculos que querem mudar de faixa. O CORSIM permite que
sidade da manobra, os motoristas aceitam um maior nvel de risco. As seguintes situaes esto
Veculos que precisam chegar a uma faixa apropriada para sair da via;
Veculos que precisam deixar uma faixa que se encerra mais frente.
39
O risco aceitvel, ou seja, a desacelerao aceitvel por um motorista que sai de um acesso
em uma faixa auxiliar e quer entrar no fluxo de trfego principal determinado pela Equao 4.8
d
a = a min + (e a min ) (4.8)
l
Para os veculos que tentam alcanar a faixa apropriada para sair da via, a desacelerao a-
e d > 200
a= d (4.9)
a min + (e a min ) l d 200
O CORSIM permite que o usurio estabelea o gap aceitvel para mudanas de faixa obri-
gatrias atravs do parmetro de calibrao P16, que utilizado para identificar o grau de agressi-
vidade dos motoristas, podendo variar de 1, o mais agressivo, a 6, o menos agressivo (FHWA,
2001).
los mais lentos, visando a obteno de uma posio mais favorvel na corrente de trfego ou
atingir uma velocidade mais alta. A lgica desse tipo de mudana de faixa se baseia em fatores
uma velocidade intolervel, abaixo da qual o motorista se torna altamente motivado a efetuar a
manobra. Essa velocidade intolervel pode ser calculada pela Equao 4.10 (Halati et al., 1997):
50 + 2c
i = ff (4.10)
100
Uma vez que a velocidade intolervel calculada, o desejo de realizar a manobra de mudana de
100 i
( i )
D = 100 1 i < < ff
(
ff i ) (4.11)
0
ff
A mudana de faixa por vantagem fornece aos motoristas a oportunidade de melhorar sua
situao na corrente de trfego e modelada atravs de dois fatores, Fl e Fp. O fator Fl representa
senta o ganho em mudar para uma outra faixa. O fator Fl calculado pela Equao 4.12, enquan-
to o headway existente na faixa em que o veculo se encontra calculado pela Equao 4.13 (Halati
et al., 1997):
1 h h min
h h min
Fl = 1 h min < h < h max (4.12)
h max h min
0 h h max
41
s Fs d
h= (4.13)
ff
O fator Fp representa o ganho em mudar para uma outra faixa e calculado para as faixas
adjacentes a que o veculo se encontra, sendo a escolhida aquela que tiver o maior Fp. O mtodo
para o clculo desse fator idntico ao do Fl apresentado anteriormente, com uma exceo: no
Fp, o clculo do headway feito em relao ao veculo lder na faixa para a qual o motorista deseja
O benefcio global para a realizao de uma mudana de faixa arbitrria ento calculado
pela diferena entre Fp e Fl, sendo a mudana de faixa permitida se essa diferena exceder o valor
limite do benefcio (P19). O parmetro P19 no CORSIM tem um valor default de 0,4 e limites infe-
O ltimo tipo de mudana de faixa arbitrria o causado pela urgncia. Ele se baseia na
suposio de que o motorista que deseja mudar de faixa e no consegue ir gradualmente se tor-
nar impaciente e, conseqentemente, passar a aceitar um risco maior para realizar a manobra. A
metodologia bsica por trs dessa deciso se baseia no fator de urgncia (U), que obtido atravs
da Equao 4.14, e no fator de impacincia (IMP), calculado com auxlio da Equao 4.15 (Halati
et al., 1997):
U = (1 Fl )IMP (t ) (4.14)
42
c +1
IMP (t ) = IMP (t t ) + X (t ) (4.15)
20
t: instante corrente;
xa; e
A desacelerao aceitvel pelo motorista que deseja mudar de faixa de forma arbitrria ba-
seada no fator de urgncia computada de acordo com a Equao 4.16, em que o valor default
mnimo aceitvel para a desacelerao 5 ps/s2 (1,52 m/s2) e o valor default mximo aceitvel
em que: a: taxa de desacelerao aceitvel pelo motorista que deseja realizar uma mu-
amin: taxa de desacelerao mnima aceitvel pelo motorista que deseja realizar
amax: taxa de desacelerao mxima aceitvel pelo motorista que deseja realizar
Nenhum dos valores e equaes usadas no algoritmo da mudana de faixa arbitrria pode
ser alterado pelo usurio do CORSIM. Entretanto, o multiplicador para o desejo de realizar uma
43
mudana de faixa arbitrria (P18) e o valor limite do benefcio para realizar uma mudana de faixa
realizadas para evitar um congestionamento existente frente. A principal diferena entre a mu-
dana de faixa antecipatria e a arbitrria o mtodo utilizado, que para a antecipatria baseado
no fluxo de trfego e na velocidade mdia das faixas de trfego adjacentes a que o veculo se en-
contra e no desejo de realizar a manobra. Na mudana de faixa antecipatria, P18 fixado em 0,1,
o que indica um alto desejo de mudar de faixa. O valor de P18 varia entre 0,1 e 1,0.
Todo veculo modelado no CORSIM pode ser identificado atravs de uma frota (autom-
vel, caminho, nibus e carpool) e atravs do tipo de veculo existente em cada uma das frotas. O
CORSIM permite que o usurio se utilize de at nove tipos diferentes de veculos para caracteri-
zar as quatro frotas bsicas de veculos. A definio que o modelo usa para identificar os tipos de
motorista, os parmetros de calibrao por tipo de veculo fornecem uma oportunidade de cali-
brar as caractersticas operacionais dos veculos. Esses parmetros de calibrao podem ser classi-
ficados em trs categorias gerais: 1) desacelerao mxima no emergencial por tipo de veculo; 2)
44
parmetros esto contidos no RT70 e podem conter valores distintos para cada uma dos nove
tipos de veculos. O valor default para os nove parmetros de 8 ps/s2 (2,44 m/s2), como indica-
do na Tabela 4.3 (FHWA, 2001). Com base na definio usada pelo CORSIM e apresentada na
tipo 7 representa nibus e os tipos 8 e 9 representam veculos com alta ocupao (carpools).
O modelo INTRAS foi desenvolvido originalmente para representar quatro tipos diferen-
tes de veculos. Alguns estudos identificam as fontes que foram usadas pelo modelo para a carac-
terizao do desempenho dos veculos e uma variedade de caractersticas descritivas para padres
45
de desempenho que so utilizados pelo CORSIM (Huff e Scrivner, 1955; St. John e Kobett, 1978;
ITE, 1965).
procedimento apresentado no estudo realizado por St. John e Kobett (1978), que tem como base
a relao peso/potncia para cada tipo de veculo. Os perfis da acelerao dos veculos no mode-
lo INTRAS foram baseados na hiptese de que ela influenciada pela velocidade, pela existncia
de rampa e pelas caractersticas dos veculos. Sendo assim, intervalos de velocidade de 20 ps/s
foram definidos, nos quais a acelerao foi assumida como constante. A acelerao mdia para os
automveis foi baseada em estudos publicados no Traffic Engineering Handbook (ITE, 1965). As
aceleraes dos veculos foram desenvolvidas com base em duas categorias de desempenho: baixa
e alta. As taxas de acelerao resultantes foram ento ajustadas com base no efeito de rampas,
gerando os perfis da acelerao. As aceleraes dos caminhes tambm foram geradas com base
em estudos anteriores para serem classificadas em funo do tipo de veculo, das rampas e da
velocidade. Os resultados das taxas de acelerao iniciais para rodovias em nvel so fornecidos
Tabela 4.4 Taxas de acelerao para calibrao no INTRAS por tipo de veculo (p/s2)
Velocidade (p/s)
Tipo de Veculo
0 a 20 20 a 40 40 a 60 60 a 80 >80
Carro de passeio de baixo desempenho 6,0 6,0 6,0 3,0 2,0
Carro de passeio de alto desempenho 11,0 11,0 10,0 5,0 3,0
Caminho leve 3,0 2,0 1,0 1,0 1,0
Caminho extra-pesado 1,0 1,0 1,0 1,0 1,0
tou de quatro para nove, apesar de as caractersticas operacionais dos tipos 1 e 2 se igualarem s
dos tipos 8 e 9, o que resulta em caractersticas operacionais diferentes para apenas sete tipos de
veculos. Com esse aumento no nmero de tipos de veculos, as aceleraes tambm sofreram
ajustes para refletir as caractersticas dos novos veculos. No TSIS 5.1, a acelerao mxima para
os veculos segue os valores contidos na Tabela 4.5, que indica algumas das alteraes feitas com
46
relao aos perfis da acelerao, bem como apresenta os perfis atuais em funo de cada um dos
sete ndices de desempenho, definidos na Tabela 4.6. Os dados que compem essa tabela fazem
parte do RT173.
ndice de Desempenho
1 2 3 4 5 6 7
0 8,0 6,0 4,7 2,8 2,8 2,5 7,5
10 9,0 12,0 5,4 2,4 2,4 2,1 5,3
20 6,0 10,0 4,9 2,2 1,8 1,4 3,2
Velocidade (p/s)
Uma caracterstica adicional da acelerao usada pelo modelo CORSIM a taxa de mudan-
a de acelerao. Essa taxa utilizada para controlar a mudana mxima na acelerao permitida
durante o intervalo de atualizao da simulao (1 s). O CORSIM considera que essa taxa de
7 ps/s3. A literatura disponvel possui pouca informao a respeito dessa taxa e do seu efeito no
desempenho no modelo de simulao. Um estudo feito por Botzow (1974) com a finalidade de
desenvolver um conceito de nvel de servio para o transporte pblico apresenta valores aceit-
veis com base no conforto do passageiro e afirma que uma taxa em torno de 0,19 g/s (6 ps/s3)
sistemas inteligentes de rodovias, uma taxa de 0,25 g/s (8,2 ps/s3) foi recomendada. Esse estudo
indicou tambm que a literatura sugere que essa taxa esteja entre 0,20 g/s (6,6 ps/s3) e 0,25 g/s
(8,2 ps/s3).
ficados no RT71 do modelo. Esse arquivo permite que o usurio modifique os valores default
usados pelo CORSIM para representar os componentes de cada frota de acordo com a distribui-
o dos dados obtidos para a rede simulada (FHWA, 2001). A Tabela 4.7 mostra os valores default
Se o usurio considera que esses valores no so aceitveis para a rede simulada, ele pode
estabelecer diferentes distribuies dos veculos em cada frota. Entretanto, o limite de nove tipos
de veculos e o ndice de desempenho de cada um deles, apresentado na Tabela 4.6, devem ser
respeitados.
ra uso nesta pesquisa, o CORSIM. A identificao dos dados necessrios para o uso do simulador
permitiu que fosse realizado um planejamento adequado das coletas de dados, descritas no Cap-
tulo 5.
48
propriadamente as condies de campo foram usados para calibrar o CORSIM para a rede de
5.Coleta de Dados
dados que sirva de entrada para o modelo e que represente as condies observadas em campo.
Contudo, na maioria dos estudos em que simuladores de trfego so usados os recursos para a
obteno de dados em campo so limitados e, mesmo quando eles existem, alguns dados so
muito difceis de serem obtidos diretamente (Hellinga, 1998). Ento, importante que se faa um
temporal e espacial desses dados, alm da cobertura temporal e espacial que se deseja obter. De
forma geral, pode-se afirmar que coletar dados de trfego em campo uma tarefa difcil, onerosa
Este captulo trata das coletas de dados que foram realizadas para o desenvolvimento da
pesquisa. Dois tipos de coletas foram necessrios: o primeiro deles estava relacionado aos dados
de trfego usados na simulao, que serviram para calibrar e validar o CORSIM, e o segundo,
caracterizao da frota de veculos pesados que trafega no estado de So Paulo. Essa caracteriza-
o tornou possvel o conhecimento de dados essenciais para a realizao do estudo de caso pro-
posto nesta pesquisa, tais como os pesos por eixos, as distncias entre eles e as relaes pe-
so/potncia dos veculos pesados. A seguir, so apresentados os locais escolhidos para as coletas
Um nico trecho de rodovia de pista dupla foi selecionado para a coleta de dados de trfe-
go. Esse trecho est localizado no municpio de So Carlos - SP, parte da Rodovia Washington
Luiz (SP-310) e operado sob o regime de concesso. Uma caracterstica desse trecho a pre-
sena de um trfego misto, combinando trfego urbano com trfego interurbano. Ele possui uma
extenso aproximada de 7,5 km e, alm da via principal, compreende 11 acessos no sentido capi-
da, com a presena de rampas curtas de at 5%. Uma foto area de So Carlos - SP com a locali-
Para esta pesquisa, alm de dados caracterizando o fluxo e a composio do trfego, tam-
o da matriz origem/destino foi considerada necessria para que pudesse representar o trfego
trfego em postos de controle ao longo do trecho foram necessrias para o processo de calibra-
o e validao do simulador.
Os dados para caracterizao dos fluxos de trfego e para a estimativa das matrizes ori-
tes em sua placa. Este mtodo, chamado mtodo das placas, comumente utilizado em pesqui-
sas do tipo origem-destino e recomendado para trechos em que o fluxo de trfego muito ele-
vado para ser paralisado para entrevistas e/ou onde o nmero de entradas e sadas grande (Ro-
tante em que o veculo passa por esses postos, o nmero de sua placa registrado, permitindo
com isso o seu rastreamento. Para a aplicao desse mtodo, recomendado que os postos de
controle estejam localizados nos extremos da rede e, se possvel, tambm em pontos intermedi-
rios. Dessa forma, tem-se que a origem de um determinado veculo primeiro posto em que sua
placa foi registrada e o seu destino o ltimo posto com registro de sua passagem.
A grande vantagem desse mtodo a amostra obtida que, em alguns casos, pode chegar a
dos dados, geralmente muito grande. A tarefa de combinao das placas pode ser manual ou
computadorizada, mas em qualquer um dos casos ela muito custosa (DNIT, 2006).
Nesta aplicao do mtodo, foram escolhidos como postos de controle os viadutos locali-
pontos intermedirios e tambm os acessos de entrada e sada da rodovia. Dessa forma, puderam
da sentido do trfego. Nos acessos, um nico pesquisador coletou dados dos veculos que entra-
Alm disso, devido ao volume de trfego e alta velocidade dos veculos na SP-310, os
planilhas. Foram usadas seis cmeras de vdeo nas duas primeiras coletas de dados e oito cmeras
de vdeo na ltima coleta. Essas cmeras so digitais e possuem baterias com autonomia de gra-
vao suficiente para os perodos planejados de coleta. Elas possuem relgios internos com in-
formao sobre hora, minuto e segundo que foram sincronizados antes do incio de cada coleta
de dados.
A seguir, so apresentados os dados obtidos nas trs coletas de dados. Para caracterizar a
em intervalos de 15 minutos. As anlises dos resultados da simulao tambm tiveram como base
intervalos de 15 minutos.
A partir das anotaes registradas nas planilhas e das imagens gravadas em vdeo foram ob-
tidos os fluxos de trfego apresentados nas Figuras 5.2, 5.3 e 5.4. Esses fluxos so referentes aos
postos de controle da SP-310 que representam o incio da rede em cada sentido de trfego. Os
dados so apresentados isoladamente para cada uma das coletas de dados e para cada um dos
300
Norte
250
Sul
200
Fluxo (vec)
150
100
50
0
10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00
Hora
300
Norte
250
Sul
200
Fluxo (vec)
150
100
50
0
09:15 09:30 09:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00
Hora
Norte
300
Sul
250
200
Fluxo (vec)
150
100
50
0
14:15 14:30 14:45 15:00 15:15 15:30 15:45 16:00 16:15 16:30 16:45 17:00
Hora
A anlise dos fluxos evidencia que, exceo de um nico intervalo de 15 minutos na se-
gunda coleta de dados, o fluxo no sentido Norte superior ao do sentido Sul. A diferena mdia
calculada foi de 27% para a primeira coleta de dados, 20% para a segunda coleta de dados e 27%
para a terceira coleta de dados. A Tabela 5.2 apresenta os fluxos horrios mdios observados por
coleta de dados.
Sentido
Coleta de Dados
Norte Sul
6/6/2005 705 558
13/6/2005 744 625
1/7/2005 974 774
Mdia 808 652
A Tabela 5.2 permite verificar a ocorrncia de um crescimento nos fluxos mdios ao longo
das coletas de dados, nos dois sentidos de trfego. Alm disso, os dados da primeira e da segunda
coletas de dados apresentam uma maior similaridade se comparados aos da terceira coleta. A ex-
plicao para esse fato que as duas primeiras coletas foram realizadas no mesmo dia da semana
os dados coletados em dois conjuntos isolados para fins de calibrao e validao do modelo de
simulao CORSIM, os dados da primeira e da segunda coletas de dados foram selecionados para
O trfego observado em todos os postos de controle foi classificado em trs categorias: au-
tomveis, caminhes e nibus. Entretanto, devido combinao de alta velocidade, alto fluxo e
invivel verificar o modelo e a configurao de eixos dos caminhes. Como esse dado conside-
rado de fundamental importncia para o estudo de caso realizado, optou-se pela suposio de que
a distribuio dos veculos pesados na rede simulada segue a observada em balanas localizadas
em rodovias de pista dupla no estado de So Paulo (ver item 5.2). As Figuras 5.5, 5.6 e 5.7 mos-
55
tram as composies de trfego observadas nos postos de controle da SP-310 que representam o
incio da rede em cada sentido de trfego. A Tabela 5.3 apresenta as composies horrias mdias
80%
Porcentagem
60%
40%
20%
0%
10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00
Hora
Figura 5.5 Composio do trfego na primeira coleta de dados (6/6/2005)
80%
Porcentagem
60%
40%
20%
0%
09:15 09:30 09:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00
Hora
Figura 5.6 Composio do trfego na segunda coleta de dados (13/6/2005)
80%
Porcentagem
60%
40%
20%
0%
14:15 14:30 14:45 15:00 15:15 15:30 15:45 16:00 16:15 16:30 16:45 17:00
Hora
Figura 5.7 Composio do trfego na terceira coleta de dados (1/7/2005)
56
composio do trfego do sentido Norte variou entre 67% e 81%. Os caminhes apresentaram
uma variao de 19% a 30% e os nibus, de 0% a 4%. No sentido Sul, a variao foi de 68% a
Tabela 5.3 Composies horrias mdias observadas nas coletas de dados (%)
Norte Sul
Coleta de Dados
Automveis Caminhes nibus Automveis Caminhes nibus
6/6/2005 73 25 2 74 25 1
13/6/2005 71 27 2 74 25 1
1/7/2005 74 24 2 73 25 2
Mdia 73 25 2 74 25 2
Os dados apresentados na Tabela 5.3 indicam que no existe uma variao significativa nas
composies mdias do trfego observadas entre as coletas de dados e tambm entre os sentidos
de trfego.
Atravs do mtodo das placas, foi possvel obter as matrizes origem/destino do trecho
estudado. Elas so matrizes dinmicas, uma vez que o registro da hora de passagem do veculo
pelos postos de controle associado categoria e placa desse veculo permite fazer a anlise para
O sentido Norte possui seis pontos de origem e sete pontos de destino, ou seja, 11 acessos
intermedirios alm dos pontos de incio e fim da SP-310. No sentido Sul, a rede simulada consi-
dera nove pontos de origem e nove pontos de destino, totalizando 16 acessos intermedirios mais
os dois pontos de incio e fim da SP-310. A Figura 5.8 apresenta um desenho esquemtico com
CORSIM.
57
As Tabelas 5.4 a 5.9 apresentam as matrizes mdias de cada uma das coletas de dados e de
cada sentido de trfego. importante ressaltar que, apesar de desejvel, as matrizes no foram
estratificadas por categoria de veculo, visto que o CORSIM no permite essa forma de insero
dos dados.
Tabela 5.4 Matriz mdia da primeira coleta de dados (6/6/2005) Sentido Norte
O/D 15 60 27 32 38 44 46
6 21% 5% 3% 3% 8% 9% 51%
20 - 5% 28% 9% 14% 10% 35%
25 - - 40% 16% 13% 6% 25%
28 - - - 7% 25% 11% 56%
33 - - - - 36% 14% 49%
42 - - - - - 11% 89%
Tabela 5.5 Matriz mdia da primeira coleta de dados (6/6/2005) Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 6% 7% 1% 8% 5% 3% 13% 46%
107 33% 3% 10% 2% 6% 8% 3% 8% 27%
111 - 13% 8% 4% 22% 8% 2% 17% 26%
180 - - 46% 1% 7% 6% 3% 10% 26%
118 - - - 0% 12% 10% 1% 18% 59%
123 - - - - 36% 15% 19% 17% 13%
125 - - - - - 15% 15% 34% 36%
190 - - - - - - 0% 57% 43%
140 - - - - - - - 60% 40%
58
Tabela 5.6 Matriz mdia da segunda coleta de dados (13/6/2005) Sentido Norte
O/D 15 60 27 32 38 44 46
6 23% 4% 2% 3% 9% 8% 51%
20 - 4% 15% 8% 15% 8% 50%
25 - - 23% 14% 11% 7% 46%
28 - - - 5% 24% 10% 61%
33 - - - - 38% 15% 46%
42 - - - - - 12% 88%
Tabela 5.7 Matriz mdia da segunda coleta de dados (13/6/2005) Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 10% 7% 7% 1% 7% 4% 2% 12% 49%
107 33% 2% 10% 2% 6% 7% 3% 8% 29%
111 - 15% 9% 3% 21% 7% 1% 16% 28%
180 - - 45% 1% 5% 7% 5% 10% 28%
118 - - - 0% 10% 10% 3% 17% 61%
123 - - - - 33% 14% 15% 16% 22%
125 - - - - - 13% 13% 30% 43%
190 - - - - - - 1% 54% 46%
140 - - - - - - - 59% 41%
Tabela 5.8 Matriz mdia da terceira coleta de dados (1/7/2005) Sentido Norte
O/D 15 60 27 32 38 44 46
6 17% 4% 2% 3% 7% 9% 58%
20 - 2% 16% 8% 5% 5% 64%
25 - - 24% 15% 7% 5% 50%
28 - - - 6% 17% 9% 68%
33 - - - - 31% 13% 55%
42 - - - - - 11% 89%
Tabela 5.9 Matriz mdia da terceira coleta de dados (1/7/2005) Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 5% 9% 1% 6% 5% 2% 12% 51%
107 28% 1% 11% 2% 6% 9% 3% 7% 33%
111 - 11% 12% 2% 18% 7% 2% 16% 31%
180 - - 57% 1% 5% 7% 3% 9% 18%
118 - - - 1% 9% 13% 5% 15% 58%
123 - - - - 28% 15% 16% 15% 26%
125 - - - - - 16% 14% 32% 38%
190 - - - - - - 0% 51% 49%
140 - - - - - - - 57% 43%
As matrizes mdias aqui apresentadas no mostram uma grande variabilidade entre as cole-
tas de dados. Entretanto, as matrizes obtidas a cada 15 minutos (que serviram de dados de entra-
59
da para o simulador CORSIM e que podem ser encontradas no Apndice A) sofrem uma influ-
ncia considervel do trfego urbano e por isso apresentam uma variao notvel.
aritmtica das velocidades pontuais de todos os veculos que passam por um determinado ponto
ou seo da via durante intervalos de tempo finitos, ainda que sejam muito pequenos. A veloci-
dade pontual a velocidade instantnea de um veculo quando passa por um determinado ponto
ou seo da via.
geral, os mtodos de obteno da velocidade pontual podem ser classificados em dois tipos: base
curta e base longa. O termo base tem sentido de distncia/comprimento e refere-se ao trecho
ao longo do qual se observa o veculo e se obtm os instantes de entrada e sada da seo, que
O mtodo das bases curtas precisa de instrumentos de alta preciso, que captem a passa-
gem do veculo pelo trecho escolhido, enquanto que o das bases longas pode fazer uso de cro-
nmetros. O DNIT (2006) sugere que distncias entre 30 m e 100 m sejam usadas no mtodo das
bases longas.
Durante o perodo de planejamento das coletas de dados, foi estabelecido que as velocida-
des pontuais dos veculos seriam obtidas usando o mtodo de base longa, atravs do conheci-
mento de uma distncia pr-fixada em campo e do tempo gasto para percorr-la. Essa distncia
foi escolhida em funo das linhas de diviso de fluxos de mesmo sentido, na cor branca, que
fazem parte da sinalizao horizontal. No trecho estudado essas linhas so seccionadas, conforme
60
mostra a Figura 5.9. A medio em campo indicou que o padro adotado no trecho estabelece
linhas seccionadas, foi fixada uma seo de 62 m em cada posto de controle ao longo da SP-310.
Esse valor corresponde distncia de quatro linhas seccionadas e consiste na base do mtodo
Para a obteno do tempo gasto por cada veculo para percorrer a seo de 62 m de rodo-
via fez-se uso de uma macro no Microsoft Excel, escrita na linguagem VBA (Visual Basic for Applica-
tions). A macro desenvolvida permitia a medio do tempo que um veculo demorava para trans-
por a seo, mediante a utilizao do relgio do computador. Esse relgio era acionado atravs
de teclas de atalho, relacionadas entrada e sada do veculo na seo. Dessa forma, com quatro
teclas de atalhos ativadas era possvel registrar a entrada e a sada de todos os veculos em cada
uma das duas faixas de trfego de cada seo. Ento, o comprimento da seo dividido pelo tem-
po gasto para percorr-la fornece a velocidade, que pode ser considerada a velocidade pontual. A
principal desvantagem na utilizao desse mtodo consiste no erro que deriva da deciso do pes-
A Tabela 5.10 apresenta as velocidades mdias obtidas por coleta de dados em cada um dos
postos de controle da SP-310. Na terceira coleta de dados foram adicionados dois postos de con-
categoria veicular porque o arquivo de resultados do CORSIM fornece apenas os dados de velo-
Norte Sul
Coleta de Dados Intermedirio Intermedirio
Incio Fim Incio Fim
1 2 1 2
6/6/2005 79 83 - 82 78 71 - 73
13/6/2005 75 79 - 77 75 71 - 78
1/7/2005 75 77 83 82 75 67 74 76
Mdia 76 80 83 80 76 70 74 76
A observao da Tabela 5.10 indica que, para cada posto de controle, no h uma grande
variao nas velocidades em funo da coleta de dados. Alm disso, verifica-se que as mdias das
velocidades do sentido Norte so superiores s mdias das velocidades do sentido Sul, com exce-
o do posto de incio do sentido Norte, que corresponde ao posto final do sentido Sul.
O fato de as velocidades do sentido Norte serem mais elevadas que no sentido Sul justifi-
cado pela existncia de rampas nos quatro postos de controle do sentido Norte, com declividades
que variam de 2% a 4%. Nos postos de controle do sentido Sul, a inclinao mxima das rampas
Para a caracterizao da frota de veculos pesados que trafega nas rodovias de pista dupla
diferentes rodovias. Essas balanas realizam uma pesagem dinmica dos caminhes, com verifi-
cao no somente do peso de cada eixo isolado, como tambm do peso de grupos de eixos e do
peso bruto total dos veculos. Essas pesagens tm por objetivo conhecer as cargas com as quais
limites de peso e dimenses para veculos que transitam por vias terrestres. Em sntese, os limites
Peso bruto por conjunto de dois eixos em tandem, com distncia entre eixos superior a
Peso bruto por conjunto de trs eixos em tandem, distanciados entre 1,20 m e 2,40 m,
at 25,5 t.
tida atravs de Autorizao Especial de Trnsito (AET), de acordo com a Resoluo n. 211 de
13/11/2006.
A localizao das balanas, as datas das coletas de dados e os tamanhos das amostras obti-
das esto listados na Tabela 5.11. Esse conjunto de balanas foi escolhido para que tornasse pos-
svel a obteno de uma amostra que representasse a variabilidade das caractersticas dos veculos
As coletas de dados nas balanas rodovirias foram realizadas por dois pesquisadores, que
registravam em planilha informaes tais como marca, modelo, configurao de eixos dos vecu-
los e existncia de eixos erguidos. Essas informaes foram posteriormente utilizadas no levan-
tamento da potncia nominal dos veculos, realizado atravs de consulta a dados contidos em
Duas cmeras de vdeo tambm foram utilizadas durante as coletas de dados, a fim de auxi-
liar na associao das informaes obtidas em campo com os dados de pesagem contidos em
Em virtude da grande diversidade de veculos pesados existente na amostra obtida, foi ne-
cessrio adotar uma nomenclatura, estabelecida em funo da configurao bsica dos veculos.
Entende-se por configurao bsica a quantidade de unidades que compem o veculo, sua quan-
Apesar de no haver um consenso com relao nomenclatura que deve ser adotada no
mbito nacional, o DNIT sugere uma identificao representada por um cdigo de at dois alga-
rismos, intercalados por uma letra. O primeiro algarismo indica a quantidade de eixos da unidade
tratora, enquanto o segundo algarismo, caso exista, indica a quantidade de eixos da(s) unidade(s)
I: cavalo mecnico + semi-reboque com distncia entre eixos > 2,40 m (eixos isolados);
nSm: cavalo mecnico com n eixos transporta um semi-reboque (S) de m eixos, sendo o
nIm: cavalo mecnico com n eixos transporta um semi-reboque (I) de m eixos, espaa-
dos de pelo menos 2,40 m, sendo o total de eixos da composio dado por n+m.
nJm: cavalo mecnico com n eixos transporta um semi-reboque (J) de m eixos, com um
deles isolado e outro em tandem. O total de eixos da composio dado por n+m.
nTm: cavalo mecnico com n eixos transporta duas ou trs unidades rebocadas do tipo
semi-reboque (T), que juntas totalizam m eixos. O total de eixos da composio dado
por n+m.
Exemplificando a nomenclatura, tem-se que o veculo 2S3 um cavalo mecnico com dois
eixos tracionando um semi-reboque com trs eixos e que o veculo 3T4 um cavalo mecnico
com trs eixos tracionando dois semi-reboques com dois eixos cada.
eixos. A Tabela 5.12 lista a nomenclatura das principais configuraes observadas, com suas res-
tadas por Widmer (2004). Ainda na Tabela 5.12, so apresentados o tamanho da amostra e a fre-
A anlise da Tabela 5.12 mostra que 59% dos veculos pesados observados nas rodovias
2 2C 1.881 30,08%
3C 1.809 28,93%
3
2S1 39 0,62%
Outros - 64 1,02%
A Figura 5.10 apresenta as distribuies acumuladas dos pesos brutos totais e a Figura 5.11
mostra as distribuies acumuladas das relaes peso/potncia das oito configuraes mais re-
significativa, o modelo de simulao de trfego usado nesta pesquisa (CORSIM), dentro de suas
limitaes, permite ao usurio especificar no mximo quatro categorias de caminhes para serem
utilizadas durante a simulao. Ento, foi necessrio adotar um critrio de agrupamento das con-
figuraes observadas. exemplo do trabalho desenvolvido por Cunha et al. (2005), o critrio
adotado foi a similaridade das distribuies acumuladas da relao peso/potncia. A Tabela 5.13
apresenta o agrupamento das configuraes em apenas quatro categorias, para fins de simulao.
Esta tabela mostra tambm o veculo tpico e a mdia e mediana da relao peso/potncia de
cada categoria.
66
100%
Freqncia Acumulada
80%
2C
3C
60% 2S1
2S2
40% 2S3
2I3
20% 3S3
3T4
0%
0 10 20 30 40 50 60 70 80
Peso (t)
100%
Freqncia Acumulada
80%
2C
3C
60%
2S1
2S2
40%
2S3
2I3
20% 3S3
3T4
0%
0 25 50 75 100 125 150 175 200 225 250 275 300 325 350
Peso/Potncia (kg/kW)
Categoria Eixos Configuraes Veculo Tpico
Mdia Mediana
Leves 2 2C Ford F-4000 67 64
Mdios 3e4 3C, 2S1 e 2S2 Mercedez-Benz L1620 110 98
Pesados 5e6 2S3, 2I3 e 3S3 Scania 113H 126 144
Extra-pesados 7+ 3T4 Volvo FH12 173 200
Uma vez definido o critrio para agrupamento dos veculos pesados, optou-se por incluir
nas categorias as demais configuraes restantes na amostra, que juntas totalizaram apenas 64
pesagens. Dessa forma, o agrupamento geral das 22 configuraes observadas em campo pode
67
ser visualizado na Tabela 5.14. Nessa tabela, o PBT mximo leva em conta a atual legislao rela-
tiva s dimenses e pesos dos veculos e o PBT mdio aquele obtido nas pesagens.
Categoria Configurao Amostra Freqncia Eixos PBT Mximo (t) PBT Mdio (t)
Leves 2C 1.881 30,08% 2 16,0 6,8
3C 1.809 28,93% 3 23,0 14,2
2S2 206 3,29% 4 33,0 21,1
2S1 39 0,62% 3 26,0 14,4
Mdios 2I2 6 0,10% 4 36,0 19,4
2C2 1 0,02% 4 36,0 21,0
4CD 1 0,02% 4 29,0 28,3
4C 1 0,02% 4 31,5 32,1
2S3 1.527 24,42% 5 41,5 31,4
3S3 413 6,61% 6 48,5 36,3
2I3 71 1,14% 5 46,0 34,5
3S2 13 0,21% 5 40,0 28,7
2J3 11 0,18% 5 43,0 34,2
Pesados 3C2 9 0,14% 5 43,0 33,7
3I2 4 0,06% 5 43,0 30,0
2T4 3 0,05% 6 50,0 43,8
3C3 3 0,05% 6 50,0 27,4
3J3 3 0,05% 6 50,0 42,8
3I3 1 0,02% 6 53,0 18,0
3T4 243 3,89% 7 57,0 49,1
Extra-pesados 3T6 5 0,08% 9 74,0 63,3
3S4 3 0,05% 7 57,0 54,5
Total 6.253 100,00%
gorias agrupadas. Observa-se que cada uma das distribuies possui um perfil bem definido,
ponto cada uma delas segue um perfil distinto, justificando a escolha de tais categorias.
68
100%
Freqncia Acumulada
80%
60%
Leves
40%
Mdios
Pesados
20% Extra-pesados
0%
0 25 50 75 100 125 150 175 200 225 250 275 300 325 350
potncia nominal dos veculos (como citado anteriormente), como tambm o conhecimento de
todas as distncias entre eixos existentes. A obteno das distncias entre eixos considerada
A tarefa de obter a distncia entre eixos dos 22 tipos de configuraes observadas nas ba-
lanas consistiu em um trabalho minucioso, visto que existe uma grande variedade nos padres
estabelecidos por cada fabricante e mesmo entre modelos de um mesmo fabricante. Por exemplo,
o modelo 1722 Cargo da Ford, com configurao 3C, pode apresentar distncia entre os dois
Um outro fator importante que os veculos articulados podem utilizar implementos rodo-
virios (carrocerias) de uma grande variedade de fabricantes, cada um adotando um padro dife-
rente de distncias entre eixos, embora semelhantes entre si. Alm disso, os implementos rodovi-
terminado fabricante pode ser projetado para ser um caminho tanque, graneleiro ou porta-
sentou dados mais completos das caractersticas tcnicas de seus produtos foi a Randon S/A.
Dessa forma, esta pesquisa considerou que toda a amostra de veculos articulados utilizava im-
importante destacar que as imagens gravadas nas balanas foram usadas para que pudes-
sem ser feitas consideraes sobre o tipo de carga transportada por cada veculo e, assim, associar
A Tabela 5.15 apresenta uma pequena amostra do banco de dados criado a partir das pesa-
gens dos 6.253 veculos e do conhecimento de suas respectivas configuraes, marcas e modelos.
Essa tabela mostra apenas 10 combinaes dessas trs caractersticas. O total de combinaes
observadas nas balanas foi de 500, sendo que as configuraes que apresentaram uma maior
Configurao Marca/Modelo Distncia entre Eixos (m) Peso por Eixo (kg)
1 2 3 4 1 2 3 4 5
2C Ford 1415 Cargo 4,80 - - - 4.090 4.720 - - -
2C Mercedes-Benz 1113 5,10 - - - 4.070 7.140 - - -
2C Volkswagen 13-180 3,56 - - - 4.170 4.760 - - -
3C Ford 4030 Cargo 5,30 1,22 - - 4.310 8.240 6.120 - -
3C Ford 1722 Cargo 4,80 1,22 - - 6.030 10.020 8.160 - -
3C Mercedes-Benz 1513 5,36 1,36 - - 4.020 3.040 2.320 - -
3C Volkswagen 17-210 4,56 1,37 - - 2.960 6.780 0* - -
2S2 Mercedes-Benz 1630 4,50 7,05 1,25 - 4.390 5.820 3.120 3.700 -
2S3 Scania 113H 3,55 4,55 1,25 1,25 4.640 8.140 2.680 7.670 6.640
2S3 Scania P310 3,55 8,57 1,25 1,25 4.190 4.250 1.700 2.750 3.820
* Peso por eixo igual a zero significa que o eixo do veculo encontrava-se erguido
Com base nos dados apresentados neste captulo, o simulador CORSIM foi codificado de
forma a representar adequadamente a rede de trfego estudada. Essa representao permitiu que
dados importantes para a conduo do estudo de caso, apresentado no Captulo 7 deste texto.
71
poderosas para a anlise e o planejamento de sistemas de trfego. A maioria dos modelos conhe-
cidos e usados no Brasil foi desenvolvida em outros pases, com a incluso de parmetros ajusta-
dos para reproduzir as condies locais de trfego. Como as caractersticas principais dos mode-
los de simulao esto relacionadas ao desempenho dos veculos e ao comportamento dos moto-
ristas, os valores iniciais dos parmetros do simulador podem no ser adequados para representar
as condies de trfego encontradas em outros locais. Portanto, esses parmetros devem ser cali-
brados para melhor representar o funcionamento do sistema que est sendo modelado (Elefteria-
simulao de trfego, o mtodo utilizado para calibrar o CORSIM e os resultados obtidos em sua
calibrao e validao.
A calibrao necessria porque no se pode esperar que um modelo de simulao seja efi-
ciente de forma que consiga representar com preciso suficiente todas as possveis condies de
trfego. At o mais detalhado modelo de simulao microscpica contm somente uma frao de
todas as variveis que afetam o trfego real. Dessa forma, como nenhum modelo consegue incluir
todo esse universo de variveis, eles devem ser adaptados para condies locais (Dowling et al.,
2004).
Todo simulador possui parmetros de calibrao que podem ser ajustados pelos usurios e
que contm inicialmente valores default sugeridos pelos seus desenvolvedores. Entretanto, somen-
te em raras circunstncias esses modelos so capazes de produzir bons resultados para um caso
especfico usando os valores default. O usurio deve sempre realizar uma calibrao para assegurar
que o modelo codificado reproduz com fidelidade as condies de trfego locais e o comporta-
mento dos motoristas. Logo, o objetivo da calibrao procurar valores para os parmetros do
modelo que melhor reproduzam as condies locais. O principal desafio do processo consiste em
conseguir os melhores valores para o grande nmero de parmetros contido nos simuladores.
em que se busca o conjunto de parmetros que maximiza uma funo objetivo (Kim e Rilett,
que os resultados produzidos pelo simulador fiquem o mais prximo possvel dos dados de cam-
po (Hourdakis et al., 2003). Esse processo iterativo envolve a escolha de valores para os parme-
sistema real. A comparao realizada atravs de medidas de desempenho do sistema, tais como
A validao uma etapa ps-calibrao que tem como objetivo verificar a validade dos va-
lores dos parmetros encontrados na fase de calibrao. A validao consiste no processo de de-
terminar se o modelo pode representar de forma acurada as medidas de campo para diferentes
73
cenrios. Para isso, ela deve usar um conjunto de dados diferente daquele utilizado para a calibra-
Em resumo, pode-se dizer que a validao um processo que garante que o modelo efi-
caz de uma forma global, enquanto que a calibrao assegura a sua eficcia para condies espec-
forma manual ou automtica. No primeiro mtodo, o prprio usurio do modelo altera os par-
metros, realiza simulaes e analisa os resultados. Esse processo repetido at que os resultados
ser realizado manualmente, esse mtodo no permite a calibrao simultnea de vrios parme-
trfego. Entre eles, pode-se citar o estudo realizado por Egami e Setti (2002), que fizeram a cali-
brao do modelo TRARR, o estudo desenvolvido por Demarchi e Setti (2001), que calibraram o
A calibrao automtica tem como uma de suas principais vantagens permitir que vrios
parmetros do modelo sejam calibrados simultaneamente (Bayarri et al., 2004). Alm disso, as
sem a interveno do usurio. Neste caso, a etapa que demanda mais tempo e ateno por parte
Devido ao grande nmero de parmetros a ser ajustado nos simuladores de trfego, o pro-
cesso de calibrao pode tornar-se bastante complexo. Por isso, tcnicas de otimizao vm sen-
do empregadas visando a minimizao desse esforo. Dentre elas, pode-se citar os algoritmos de
busca, como os utilizados por Colella e Demarchi (2005) e Colella et al. (2005) para calibrar o
metros simultaneamente para diminuir a discrepncia entre o sistema real e o modelo simulado
Os algoritmos genticos so definidos como algoritmos que realizam buscas iterativas ba-
campo da computao evolutiva que reconhecida como uma variedade de ferramentas flexveis
Apesar de os algoritmos genticos terem sido originalmente desenvolvidos para serem mo-
delos genricos de processos de adaptao, a otimizao tem sido a sua nica aplicao prtica. O
primeiro algoritmo gentico foi desenvolvido por Holland (1975). Entretanto, quem popularizou
Os algoritmos genticos tm sido usados como uma ferramenta de otimizao devido sua
capacidade de fazer mltiplas buscas em espaos grandes, complexos e pouco conhecidos, como
2001). Alm disso, eles exploram de forma eficiente o histrico de informaes para especular
das tcnicas tradicionais, eles procuram uma soluo tima atravs de um processo que imita a
evoluo natural. Basicamente, os algoritmos genticos diferem dos mtodos tradicionais de oti-
parmetros;
Eles usam informaes geradas por eles mesmos e no informaes derivadas ou de ou-
Os algoritmos genticos j foram usados para calibrar alguns parmetros dos simuladores
FRESIM (Cheu et al., 1998), PARAMICS (Lee et al., 2001), TRANSIMS e CORSIM (Kim e Ri-
lett, 2001; Kim e Rilett, 2004; Rilett e Kim, 2001) e TRARR (Egami, 2006).
O mtodo de calibrao que tem como base algoritmos genticos consiste na escolha de
uma soluo inicial que contenha valores para os parmetros de interesse (no caso de modelos de
simulao de trfego, parmetros tpicos esto relacionados s caractersticas dos motoristas e dos
veculos). Essa soluo inicial transformada num vetor binrio, composto por subvetores que
contm os valores da soluo inicial para cada parmetro de interesse (Rilett e Kim, 2001). Esses
vetores binrios so chamados de cromossomos e so compostos por genes. Cada gene a repre-
sentao binria do valor de um nico parmetro de interesse para a calibrao (Ma e Abdulhai,
2001). Um exemplo de cromossomo pode ser visto a seguir, onde cada seqncia binria (subve-
Nesse exemplo, cada um dos trs parmetros tem um comprimento de oito bits, o que sig-
nidas. No caso dos modelos de simulao de trfego, a meta tipicamente desejada a habilidade
ritmo gentico. Nos algoritmos genticos, cada soluo candidata codificada como um cromos-
Populao
Seleo
Operadores
Cruzamento genticos
Mutao
No Critrio de
Parada?
Sim
3. Repetir
genes mais diversificados que ajudam a atingir a soluo tima, mas requerem um maior tempo
computacional. Populaes menores contm genes menos diversificados e podem levar ao risco
de uma convergncia prematura para um timo local. Dessa forma, uma compensao deve ser
feita entre populaes grandes, com esforos computacionais substanciais, e populaes peque-
nas, que podem convergir para um timo local mas requerem menos tempo de processamento.
No existem regras universais para determinao da populao ideal para um problema ou aplica-
o especfica; entretanto, uma regra disseminada indica que o tamanho da populao deve ser
pelo menos do tamanho da string que representa a codificao binria do cromossomo (Hender-
Um algoritmo gentico simples, capaz de obter bons resultados em vrios problemas prti-
cos, deve ser composto por trs operadores: (1) seleo, (2) cruzamento e (3) mutao (Goldberg,
1989). A seguir, cada um desses operadores ser descrito de forma mais detalhada.
6.3.2.1 Seleo
res de sua funo objetivo, tambm chamada de funo fitness. Selecionar cromossomos a partir
dos valores de seu fitness significa fazer com que aqueles que possuem um valor maior tenham
78
uma maior probabilidade de contribuir para a prxima gerao. Esse operador considerado uma
deles pode ser classificada como variantes da seleo proporcional ao fitness (roleta) e da seleo
da roleta. Para exemplificar o uso da roleta, na Tabela 6.1 apresentada uma populao de quatro
cromossomos com seus respectivos valores de fitness. A roleta para a seleo desses cromossomos
Cromossomo 1
14,40%
Cromossomo 4
30,90%
Cromossomo 3
5,50%
Cromossomo 2
49,20%
tm fitness mais altos tm uma maior probabilidade de serem selecionados (nesse exemplo, os
cromossomos 2 e 4). Uma vez selecionado, uma rplica do cromossomo feita para que ele sofra
Um outro tipo de seleo muito utilizada a que faz uso do elitismo. Nela, os melhores
ficar preso a um timo local, esse mtodo til para preservar os melhores indivduos atravs das
6.3.2.2 Cruzamento
prxima gerao.
aleatria e parte da seqncia binria trocada entre eles. Para entender melhor esse processo,
A troca de material gentico pode ocorrer em qualquer posio da seqncia, sendo a esco-
lha tanto do ponto de incio do cruzamento como do seu comprimento um processo aleatrio.
Supondo que o incio do cruzamento se d no sexto bit com um comprimento de seis bits, aps a
troca do material gentico tm-se os cromossomos descendentes com as novas seqncias bin-
rias:
Holland (1975) percebeu que era o cruzamento que diferenciava os algoritmos genticos
dos outros mtodos de computao evolutiva. Por causa da eficincia dessa operao, probabili-
dades altas so comumente usadas. A troca de material gentico entre os indivduos permite o
6.3.2.3 Mutao
Outro operador usado para a gerao de novos indivduos na populao a mutao, que
mutao principalmente uma tcnica para recuperar material gentico perdido e no uma tcni-
ca para buscar uma melhor soluo. A mutao garante que cromossomos diferentes sero testa-
realizada atravs da alterao de um ou mais bits de sua seqncia binria. Na mutao, os bits so
A mutao pode ocorrer em qualquer posio da seqncia, sendo a escolha dessa posio
um processo aleatrio. Supondo que a posio escolhida corresponda ao stimo bit, aps a altera-
Alguns estudos sugerem que uma baixa probabilidade de mutao (Pm) deve ser usada e
que uma boa regra definir Pm= (nmero de bits no cromossomo)-1 (Henderson e Fu, 2004).
No algoritmo gentico, o valor do fitness calculado com base em uma funo predetermi-
usado pelo algoritmo durante o processo de seleo para determinar a probabilidade de o cro-
mossomo ser selecionado para a prxima gerao. Os cromossomos cujos valores do fitness so
altos (ou seja, indivduos mais bem adaptados ao meio ambiente) tm uma maior probabilidade
ritmos genticos utilizam regras de seleo, cruzamento e mutao baseadas na gentica para ge-
81
rar populaes de cromossomos que incluem os melhores parmetros que atendem funo
Vrias funes objetivo podem ser usadas para avaliar o desempenho de um modelo de si-
mulao. Dentre elas, pode-se citar: raiz quadrada do erro mdio, raiz quadrada do erro mdio
percentual, erro mdio absoluto e erro mdio absoluto percentual. Essas estatsticas quantificam
o erro global do simulador. A raiz quadrada do erro mdio e a raiz quadrada do erro mdio per-
centual penalizam os erros grandes a uma taxa maior que os erros pequenos. O erro mdio abso-
luto e o erro mdio absoluto percentual indicam se nos dados simulados ocorrem erros sistemti-
portes o erro mdio absoluto percentual (MAER Mean Absolute Error Ratio):
1 N Oi S i
MAER =
N
Oi
x 100 (6.1)
i =1
por isso, ele uma funo de minimizao difcil de resolver matematicamente, mas que pode ser
facilmente resolvida por uma tcnica robusta tal como o algoritmo gentico (Rilett e Kim, 2001).
Com base no estudo realizado por Rilett e Kim (2001), a funo fitness utilizada para trans-
formar a funo objetivo da medida de desempenho desejada uma funo exponencial que
de uma funo de minimizao para uma maximizao exponencial - fornecer uma melhor me-
82
dida da eficcia global de cada alternativa e produzir uma representao matemtica dos resulta-
dos mais consistente. A funo fitness usada por Rilett e Kim (2001) :
F = .e ( . MAER ) (6.2)
em que: F: fitness;
, : constantes; e
de existirem vrios esquemas de representao possveis, a codificao dos genes dos cromosso-
mos na forma binria (bits) ainda a preferida pela maioria dos pesquisadores, uma vez que ela
(xmin, xmax), o comprimento Bj do vetor binrio que fornece a preciso desejada pode ser calculado
atravs da Equao 6.3, enquanto que o clculo do valor de xij a partir de uma string binria Aij de
x max x min
B j log 2 + 1
j j
j = 1, NP (6.3)
Dj
(inteiro);
x max
j : valor mximo do parmetro (inteiro ou real);
x min
j : valor mnimo do parmetro (inteiro ou real);
x max x min
x ij = x min
j + Aij
j j
j = 1, N (6.4)
Bj
2 1
N: nmero de cromossomos.
Seja um parmetro xij (por exemplo, o tempo mnimo para gerao de veculos no
CORSIM), que pode variar entre 10 e 30. Se a preciso desejada de um nmero inteiro, o com-
30 10
B j log 2 + 1 = 4 ,39
1
Ento, o nmero necessrio de bits para codificar esse parmetro cinco. Supondo que a
seqncia de bits desse parmetro seja igual a (10111), o valor binrio na base 2 correspondente a
ela seria:
1x 2 4 + 0x 2 3 + 1x 2 2 + 1x 2 1 + 1x 2 0 = 23
Dessa forma, o valor do parmetro pode ser calculado atravs da Equao 6.4:
30 10
x ij = 10 + 23 = 25
25 1
librar o CORSIM no trecho de rodovia de pista dupla apresentado no Captulo 4. O programa foi
CORSIM por Kim e Rilett (2001), uma vez que o desenvolvimento do algoritmo usado foi feito
84
em colaborao com o Prof. Laurence Rilett, durante um estgio realizado na Texas A&M Uni-
versity.
Perl (Practical Extraction and Report Language) uma linguagem de programao de uso geral
(Wall et al., 2000). Originalmente projetada para o processamento de textos, a linguagem Perl
lo de simulao, que podem ser comparadas com dados obtidos em campo para determinar o
pode levar a uma superestimao do realismo do modelo. Por isso, em geral so escolhidas duas
(por exemplo, 15 min, 30 min) devem ser escolhidos de tal forma que tornem fcil verificar se o
simulao foram o fluxo de trfego e a velocidade mdia em alguns tramos da rede. Esses dados
esto apresentados no Captulo 5. Os estudos realizados por Rakha et al. (1996) e Cheu et al.
(1998) tambm usaram o fluxo e a velocidade como medidas de desempenho. A razo principal
para a escolha destas variveis como medidas de desempenho baseia-se na facilidade de obteno
desses dados no campo e da sua relao direta com a aplicao do simulador. A composio do
85
trfego no foi escolhida como medida de desempenho porque o mnimo que se espera de um
simulador que ele seja capaz de gerar veculos de acordo com a distribuio veicular observada
ou seja, que o erro observado na composio de trfego seja nulo. Apesar disso, durante a cali-
brao teve-se sempre o cuidado de verificar se o trfego gerado pelo CORSIM estava de acordo
das, a rede foi codificada de tal forma que a extenso dos tramos em que foram obtidas as veloci-
dades simuladas fosse igual ao comprimento das sees em que elas foram coletadas em campo
(62 m). Assim, a velocidade mdia no tramo fornecida pelo arquivo OUT corresponde veloci-
No CORSIM, foram identificados vrios parmetros de entrada que podem ser modifica-
dos para melhor reproduzir as condies de trfego locais, conforme apresentados no Captulo 4.
Esses parmetros compem os seguintes Record Types: RT68, RT69, RT70, RT71 e RT173.
zem pequeno impacto nos resultados da simulao, mais conveniente que se faa ajuste apenas
nos parmetros mais significativos. Alm disso, em um algoritmo gentico o tamanho da seqn-
putacionais. Portanto, apenas os parmetros mais significativos devem ser usados, com o intuito
de permitir que a calibrao seja alcanada dentro do mnimo de geraes possvel (Ma e Abdu-
lhai, 2001).
dos dados de entrada do modelo, uma vez que as coletas dados permitiram a obteno da com-
posio do trfego. Como discutido no Captulo 5, os veculos pesados foram agrupados nas
86
quatro categorias permitidas pelo CORSIM, com base nas suas distribuies acumuladas da rela-
o peso/potncia.
locomoo dos veculos pesados no CORSIM atravs do uso de um algoritmo gentico codifica-
RT173, apresentados anteriormente na Tabela 4.5. Nesse estudo, as curvas de desempenho anal-
ticas para as quatro categorias de veculos pesados do CORSIM foram comparadas com curvas
empricas obtidas com aparelhos de GPS (Global Position System) em rodovias de pista dupla do
ndice de Desempenho
3 4 5 6
0 8,99 14,26 9,54 13,11
10 8,90 3,39 8,04 2,00
20 3,60 1,72 5,81 1,53
Velocidade (p/s)
Por se considerar que a calibrao desses valores levou em conta a frota tpica de veculos
pesados que trafega nas rodovias de pista dupla paulistas e que o mtodo de calibrao mostrou-
se eficiente, esta pesquisa substituiu os valores default do CORSIM pelos obtidos por Cunha e
Setti (2006). Entretanto, os valores das aceleraes mximas que representam os ndices de de-
originalmente contidos no RT173, j que esses veculos no so tratados em Cunha e Setti (2006).
87
Dessa forma, nesta pesquisa optou-se inicialmente pela calibrao de todos os parmetros
contidos no RT68, RT69 e RT70 do CORSIM, com exceo daqueles relativos desacelerao
mxima no emergencial por tipo de veculo (P21 a P29). Esses parmetros foram excludos do
processo por se considerar que os valores default eram aceitveis e no teriam influncia significa-
tiva nos resultados da simulao da rede. Alm disso, um estudo anterior verificou que a incluso
Em funo disso, uma calibrao preliminar do modelo foi feita com a incluso de 20 pa-
rmetros. Para um melhor entendimento, a Tabela 6.3 lista os parmetros selecionados para a
Parmetro Descrio
P1 P10 Fator de sensibilidade para o car-following (motoristas do tipo 1 ao 10)
P11 Constante de Pitt para o car-following
P12 Tempo de reao para acelerar
P13 Tempo de reao para desacelerar
P14 Tempo para completar uma mudana de faixa
P15 Tempo mnimo para gerao de veculos
P16 Aceitao de gap para mudana de faixa obrigatria
P17 Porcentagem de motoristas que cedem o direito de passagem para veculos mudando de faixa
P18 Multiplicador para o desejo de realizar uma mudana de faixa arbitrria
P19 Valor limite do benefcio para realizar uma mudana de faixa arbitrria
P20 Desacelerao mxima do veculo lder percebida pelo seu seguidor
que atingiu o valor mximo permitido pelo CORSIM, reduziu drasticamente o nmero de mu-
danas de faixas realizadas em toda a rede. Ento, como a anlise detalhada desse fenmeno indi-
cou uma distoro entre o comportamento real e o simulado, optou-se por excluir da calibrao o
parmetro P19.
car-following (P1 a P10) representam a mesma varivel para diferentes tipos de motoristas e, de acor-
Segundo Schultz e Rilett (2004), duas alternativas podem ser consideradas para representar
a distribuio desses fatores. A primeira delas tratar cada fator como um parmetro indepen-
independente e distribudos aleatoriamente. Isso significa que, embora os valores default desses
fatores sejam distribudos de forma uniforme (partindo do motorista mais tmido para o mais
limites mnimos e mximos definidos nesta pesquisa para os fatores de sensibilidade para o car-
following so apresentados na Figura 6.3. Como se pode perceber, h uma sobreposio nos limites
de alguns parmetros.
140
120
100
Valor
80
60
40
20
0
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
Parmetro
Figura 6.3 Limites estabelecidos no algoritmo gentico para os parmetros P1 a P10, os fatores de
sensibilidade para o modelo de car-following
Para executar uma calibrao fazendo uso de um algoritmo gentico, devem ser especifica-
de cromossomos versus nmero mximo de geraes. Portanto, vrios testes foram realizados
com o objetivo de obter uma combinao que fornecesse uma boa convergncia do MAER. A
combinao escolhida para a calibrao foi a de 100 cromossomos e 200 geraes, que no caso
possvel saber a priori o nmero total de simulaes para cada gerao porque o nmero de cro-
respectivamente. Esses valores foram determinados a partir de uma anlise de sensibilidade, que
testou diversas combinaes em que Pc e Pm variavam de 10% a 50%, com incrementos de 10%.
A funo fitness utilizada nesta pesquisa a apresentada na Equao 6.5. As constantes des-
sa equao so as mesmas adotadas por Egami et al. (2004) e Schultz e Rilett (2005).
F = 100 e (
5 MAER ) (6.5)
90
Na calibrao, o MAER foi calculado em funo das duas medidas de desempenho esco-
lhidas (fluxo e velocidade mdia) em seis pontos de controle ao longo da rede de trfego, trs em
cada sentido. Os dados utilizados na calibrao foram os observados na primeira e segunda coleta
de dados (realizadas nos dias 6 e 13/6/2005), perfazendo um total de cinco horas. Entretanto,
mximo 19 intervalos de tempo sejam simulados, os dados dos 15 minutos finais da segunda co-
O MAER calculado atravs da Equao 6.1. A Figura 6.4 mostra a evoluo do MAER
verificar que uma boa convergncia do MAER foi obtida aps 56 geraes, com a ocorrncia de
duas pequenas redues obtidas aps a 92 gerao e a 181 gerao, quando o MAER se estabili-
zou em 6,32%. A Figura 6.4 apresenta tambm o MAER calculado antes da calibrao do simu-
10%
9%
8%
7%
6%
MAER
5%
4%
3% Default
2% Calibrao
1%
0%
0 20 40 60 80 100 120 140 160 180 200
Gerao
Equao 6.5. O valor do fitness calculado com os parmetros default do CORSIM 63,41. Ao final
da calibrao, esse valor chegou a 72,89, sendo que o valor mximo 100.
91
100
90
80
70
60
Fitness
50
40
30 Default
20 Calibrao
10
0
0 20 40 60 80 100 120 140 160 180 200
Gerao
Os dados apresentados indicam que a calibrao reduziu o MAER em 2,79%, o que repre-
senta uma reduo relativa do erro mdio de aproximadamente 30%. Paralelamente, o fitness au-
mentou em 9,48.
A Figura 6.6 apresenta a comparao das medidas de desempenho obtidas aps a calibra-
o do modelo no sentido Norte da rede simulada. A Figura 6.7 apresenta os mesmos dados para
o sentido Sul.
A observao das figuras permite constatar que os dados simulados e observados de fluxo
se aproximam mais que os dados de velocidade, nos dois sentidos de trfego. Esse mesmo com-
portamento foi observado por Rakha et al. (1996) no simulador INTEGRATION. Adicional-
mente, os fluxos simulados nos tramos prximos s entradas da rede so os que mais se aproxi-
camente menores que as simuladas. J no sentido Sul, ocorre o inverso: somente no posto de
controle que representa a sada da rede a velocidade observada menor que a simulada.
As Tabelas 6.4 e 6.5 apresentam os valores mdios observados e simulados das medidas de
desempenho em cada posto de controle para os sentidos Norte e Sul, respectivamente. A dife-
rena entre as mdias tambm apresentada, sendo o seu clculo feito pela Equao 6.6.
92
(Observado Simulado )
(% ) = 100 (6.6)
Observado
Velocidade (km/h)
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
250
Ponto Intermedirio Ponto Intermedirio
100
90
200 80
Velocidade (km/h)
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao Intervalo de Simulao
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao Intervalo de Simulao
Figura 6.6 Comparao das medidas de desempenho para o modelo calibrado (Sentido Norte)
Tabela 6.4 Valores mdios das medidas de desempenho na calibrao (Sentido Norte)
Velocidade (km/h)
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao Intervalo de Simulao
Velocidade (km/h)
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao Intervalo de Simulao
70
Fluxo (vec)
150 60
50
100 40
30
Observado Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Intervalo de Simulao Intervalo de Simulao
Figura 6.7 Comparao das medidas de desempenho para o modelo calibrado (Sentido Sul)
Tabela 6.5 Valores mdios das medidas de desempenho na calibrao (Sentido Sul)
Alguns pesquisadores sugerem que um aspecto que deve ser analisado durante o clculo do
MAER a parcela de contribuio de cada uma das duas medidas de desempenho sobre o valor
resultante. De acordo com Dowling et al. (2004), um critrio amplamente aceito para que a cali-
94
brao seja considerada eficiente que o MAER gerado pelos fluxos isoladamente no ultrapasse
5%. Por outro lado, no foi encontrado na literatura um critrio bem estabelecido para a aceita-
A Figura 6.8 mostra a contribuio das duas medidas de desempenho utilizadas no valor fi-
nal do MAER antes e depois da calibrao. Como era de se esperar, a parcela de erro da veloci-
dade superior do fluxo e representa, em mdia, 74% do MAER. Alm disso, verifica-se que o
MAER calculado isoladamente para o fluxo apresenta valor inferior a 5%. Antes da calibrao, o
MAER devido ao volume representava 31% do total. Aps a calibrao, essa porcentagem foi
reduzida para 20%, o que significa que a calibrao afetou mais os dados de fluxo que os de velo-
cidade. Uma das explicaes para isso so as limitaes do modelo de desempenho veicular usa-
do pelo CORSIM, que, ao invs de usar a resultante das foras que atuam sobre os veculos pesa-
dos, baseia-se em aceleraes mdias que so admitidas constantes ao longo de uma faixa relati-
Fluxo Velocidade
Calibrao
1,27% 5,05%
Etapa
Fluxo Velocidade
Default
2,83% 6,28%
0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%
MAER
A Figura 6.9 apresenta a comparao dos valores default dos parmetros P1 a P10 do
CORSIM com os valores calibrados. Observa-se que esses valores seguiram uma distribuio
diferente daquela estabelecida originalmente no CORSIM. Outros estudos que fizeram uso da
mesmo comportamento (Payne et al., 1997; Prevedouros e Wang, 1999; Schultz, 2003). Pode-se
verificar tambm que, enquanto os valores default desses parmetros variam entre 0,35 s e 1,25 s,
no modelo calibrado eles variam entre 0,42 s e 1,21 s, indicando um menor intervalo de variao
1,40
1,20
1,00
Default
Valor (s)
0,80
Calibrao
0,60
0,40
0,20
0,00
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
Parmetro
Figura 6.9 Comparao dos valores default e calibrados dos parmetros P1 a P10
A Tabela 6.6 mostra a comparao entre os valores default e calibrados dos demais parme-
tros. O parmetro P11, que caracteriza a distncia absoluta mnima entre dois veculos, assumiu o
menor valor permitido pelo CORSIM, que 3 ps. O parmetro P12 (tempo de reao para acele-
rar) aumentou de 0,3 s para 0,8 s, enquanto o parmetro P13 (tempo de reao para desacelerar)
Tabela 6.6 Comparao entre os valores default e calibrados dos parmetros P11 a P20
O tempo para completar uma mudana de faixa, P14, saltou de 2,0 s para 5,3 s, valor muito
prximo do mximo permitido pelo simulador (6,0 s). J o tempo mnimo para gerao de vecu-
los (P15), que define a capacidade de uma faixa de trfego, permaneceu praticamente inalterado,
O valor default do P16, que representa a aceitao de gap para mudana de faixa obrigatria,
faixa (P17) sofreu uma reduo de 20% para 15% e o multiplicador para o desejo de realizar uma
mudana de faixa arbitrria, P18, atingiu o menor valor possvel (0,1). Este valor demonstra um
A desacelerao mxima do veculo lder percebida pelo seu seguidor (P20) sofreu uma re-
A validao foi realizada usando um conjunto de dados diferente daquele utilizado na cali-
brao do CORSIM. A adoo do critrio utilizado para separar os dados para calibrao e vali-
dao de um modelo arbitrria (Ni et al. 2004). O conjunto de dados usado na validao foi o
observado na terceira coleta de dados, que compreendeu trs horas e foi realizada em 1/7/2005.
Estes dados apresentaram caractersticas operacionais diferentes dos observados nas outras cole-
tas, com fluxos de trfego superiores. Nessa coleta de dados, foi adicionado um posto de contro-
le em cada sentido de trfego, ou seja, o total de postos de controle passou a ser oito, sendo qua-
A validao envolve a aplicao do modelo de simulao com o uso dos parmetros encon-
trados na fase de calibrao (Merritt, 2004). Ela serve para verificar se os resultados da represen-
rios utilizadas na calibrao. A importncia de simular com a mesma seqncia reside no fato de
97
que se deseja reproduzir as mesmas condies de trfego encontradas na calibrao, j que a se-
qncia de nmeros aleatrios est relacionada aos processos estocsticos de tomada de deciso
envolvidos na simulao.
o. O valor calculado para a validao foi de 6,58%, ligeiramente superior ao valor obtido na
calibrao (6,32%), apesar da incluso de mais dois postos de controle na rede de trfego. Esse
resultado comprova que os parmetros calibrados so vlidos para uso em um conjunto de dados
rada inexpressiva.
modelo para o sentido Norte da rede simulada. A Figura 6.11 apresenta os mesmos dados para o
sentido Sul. As Tabelas 6.7 e 6.8 apresentam os valores mdios observados e simulados das me-
didas de desempenho em cada posto de controle para os sentidos Norte e Sul, respectivamente.
Tabela 6.7 Valores mdios das medidas de desempenho na validao (Sentido Norte)
Tabela 6.8 Valores mdios das medidas de desempenho na validao (Sentido Sul)
mostra que os dados de fluxo se aproximam mais que os dados de velocidade, para os dois senti-
dos de trfego. As velocidades tambm seguem a mesma tendncia notada na calibrao, com
98
valores observados menores em todos os postos de controle do sentido Norte e apenas no posto
Velocidade (km/h)
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0
0
1 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
70
200
Fluxo (vec)
60
150 50
40
100 30
Observado Observado
20
50 Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 20
Simulado Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
Figura 6.10 Comparao das medidas de desempenho obtidas na validao (Sentido Norte)
99
Velocidade (km/h)
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
Velocidade (km/h)
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
200 70
Fluxo (vec)
60
150 50
40
100
Observado 30
Observado
50 Simulado 20
Simulado
10
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de Simulao Intervalo de Simulao
Figura 6.11 Comparao das medidas de desempenho obtidas na validao (Sentido Sul)
100
A Figura 6.12 mostra a contribuio das duas medidas de desempenho utilizadas no valor
final do MAER para cada uma das etapas realizadas nesta pesquisa. Na validao, o MAER devi-
do ao volume representa 27% do total. Esse valor indica que a contribuio de cada um das me-
Fluxo Velocidade
Calibrao
1,27% 5,05%
Etapa
Fluxo Velocidade
Validao
1,76% 4,82%
Fluxo Velocidade
Default
2,83% 6,28%
0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%
MAER
MAER de 9,11%, correspondente a um fitness de 63,41. O MAER obtido com o CORSIM cali-
brado atravs do uso de um algoritmo gentico foi de 6,32%, com um fitness de 72,89. Essa redu-
Dessa forma, pode-se considerar que a calibrao do CORSIM foi realizada com xito e
que o modelo calibrado (e devidamente validado) capaz de reproduzir com a fidelidade desejada
7.Estudo de Caso
Uma vez obtida uma verso calibrada do simulador CORSIM, capaz de reproduzir as con-
rodoviria. Este captulo descreve as etapas percorridas para a execuo do estudo de caso, cujo
propsito foi demonstrar como os dados sobre o carregamento mvel obtidos a partir da simula-
pontes. No estudo de caso, foram considerados dois cenrios de trfego e o efeito analisado foi o
momento fletor mximo positivo ocasionado pela presena simultnea de veculos pesados na
ponte, a fim de fazer uma comparao com aquele provocado pelo veculo-tipo e a carga unifor-
A escolha dos cenrios simulados no estudo de caso deu-se em funo da vida til de pro-
jeto das pontes, que, em geral, de 50 anos para pontes de concreto (Ferreira, 2006). Eles foram
Cenrio 1: crescimento do fluxo de trfego atual a uma taxa de 2% ao ano para um pe-
Cenrio 2: crescimento do fluxo de trfego atual a uma taxa de 2% ao ano para um pe-
rodo de 50 anos, modificando a composio do trfego obtida nas coletas de dados pa-
O clculo do crescimento do trfego foi feito admitindo uma progresso geomtrica, atra-
vs da Equao 7.1:
Vn = V + (1 + i )n (7.1)
O fluxo dirio de trfego atual foi definido como o observado em um dia usual na rede si-
As coletas de dados perfizeram um total de oito horas e foram realizadas em trs dias, con-
forme discutido no Captulo 5. Esse perodo no suficiente para caracterizar a flutuao da de-
manda de trfego ao longo de um dia. Dessa forma, com o objetivo de obter um fluxo dirio de
trfego no trecho da SP-310 estudado, foi feita uma comparao entre os fluxos horrios coleta-
dos e os fluxos horrios medidos por sensores automticos instalados no pavimento pela conces-
sionria que o administra. A partir dessa comparao (e o conseqente ajuste), foi obtida a varia-
possui ao longo de sua rea de concesso, um est localizado a uma distncia aproximada de
400 m do posto de controle que representa o incio da rede simulada, no sentido Norte. Apesar
103
de essa distncia ser relativamente pequena, considerou-se que a existncia de um acesso de sada
da rodovia para a cidade de So Carlos SP poderia gerar uma diferena significativa entre os
fluxos horrios observados nas coletas e os fluxos horrios medidos pelos sensores. Dessa forma,
optou-se por fazer uma comparao entre os dados de contagem cedidos pela concessionria e os
dados coletados em campo. Essa comparao foi feita para cada uma das oito horas em que fo-
ram realizadas as coletas de dados e apresentada na Figura 7.1. Os fluxos das horas 1 e 2 so os
segunda coleta de dados (13/6/2005) e os fluxos das horas 6 a 8 so os obtidos na terceira coleta
de dados (1/7/2005).
1.200
Sensor
1.000 Coleta de Dados
Fluxo (vec/h)
800
600
400
200
0
1 2 3 4 5 6 7 8
Horas de Coleta
Figura 7.1 Comparao entre os fluxos horrios coletados e medidos pelo sensor (sentido Norte)
tro horas os fluxos coletados so maiores que os medidos pelo sensor e nas quatros horas restan-
tes ocorre o inverso. Alm da influncia do acesso de sada da rodovia, essas diferenas podem
ser justificadas pelo fato de que a hora da cmera de vdeo no estava sincronizada com a hora do
sensor. A diferena mdia calculada entre os dados coletados e os medidos pelo sensor para as
oito horas foi de 2,28%. Entretanto, uma diferena de 16,83% foi calculada para a segunda hora
A observao da Figura 7.1 permite verificar que os dados que representam a segunda cole-
ta de dados (horas 3 a 5) so os que apresentam uma maior uniformidade nas diferenas encon-
Fluxo (vec)
Hora (%)
Sensor Coleta de Dados
09:00 789 743 -6,19
10:00 756 714 -5,88
11:00 790 775 -1,94
Mdia -4,67
Assim, foi definido que o ajuste para a obteno de um trfego dirio seria feito com os
dados da segunda coleta de dados. Esse ajuste aplicou um fator de correo aos fluxos das 21
horas do dia 13/6/2005 em que no foram feitas coletas de dados e corresponde mdia calcu-
A variao dos fluxos horrios ao longo do dia est apresentada na Figura 7.2. Essa figura
mostra tambm a variao dos fluxos previstos para o horizonte de projeto, calculado pela Equa-
o 7.1. O fluxo previsto foi usado na codificao do CORSIM para a simulao dos cenrios de
trfego definidos para o estudo de caso. A matriz origem/destino usada foi a matriz mdia do
sentido Norte obtida para a segunda coleta de dados, apresentada anteriormente na Tabela 5.6.
3.000
Fluxo Atual
2.500
Fluxo Previsto
Fluxo (vec)
2.000
1.500
1.000
500
0
00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00
Hora
Figura 7.2 Variao dos fluxos atual e previsto ao longo do dia (sentido Norte)
105
O tramo escolhido para representar a ponte est localizado no sentido Norte da rede, uma
vez que a variao do fluxo foi obtida para esse sentido. Durante a escolha do tramo, o nico
aspecto considerado foi a sua posio em relao ao ponto de incio da rede, pois um tramo loca-
lizado muito prximo da entrada da rede sofreria uma grande influncia do processo de gerao
que no seria desejvel. Dessa forma, o tramo escolhido est situado a uma distncia aproximada
de 2 km do incio da rede.
O tramo que representa a ponte possui extenso de 100 m. Para fins desta pesquisa, consi-
dera-se que a ponte simplesmente apoiada, apesar de, na prtica, vos maiores que 50 m dificil-
mente serem empregados em pontes com esse sistema estrutural. A razo para isso que vigas
pois, uma vez imposto um determinado vo, existem poucas possibilidades de melhorar a distri-
quivo OUT do CORSIM no poderia ser utilizado, j que ele contm apenas relatrios globais e
esse tipo de informao no atende aos propsitos desta pesquisa. Nesse caso, a fim de obter
dados individuais de cada veculo simulado, foi usado o TSD, um arquivo de resultados binrio
gerado pelo CORSIM em que so escritas a cada segundo de simulao diversas informaes
sobre cada um dos veculos. Apesar de esse arquivo conter dados variados tais como velocidade,
acelerao, tipo de motorista, entre outros, os dados que foram usados nesta pesquisa foram ba-
sicamente:
Tipo do veculo;
Para ler o arquivo TSD, foi desenvolvida uma macro escrita na linguagem VBA. Essa ma-
cro se baseou no programa de extrao de dados do arquivo TSD criado por Dhulipala (2002) e
codificado em C++.
rem a presena dos veculos do tipo 3 a 6 (que representam os caminhes no CORSIM). Aqui, o
tramo de interesse o que representa a ponte. Para os instantes em que se verifica a existncia de
veculos (3, 4, 5 e 6), as faixas de trfego em que eles se encontram naquele instante (faixa 1 ou 2)
e suas posies nessas faixas, medidas em relao ao incio do tramo. A Tabela 7.2 exemplifica a
extrao de um instante em que ocorre a presena de seis caminhes na ponte, estando quatro
juntamente com os caminhes, eles no so levados em conta neste trabalho porque no chegam
ra 7.4 detalha o funcionamento de algumas de suas etapas. A Equao 7.2 apresenta o clculo da
te, o nmero de eventos o total de segundos em que essa quantidade N ocorre e o espao a-
nA
P(A) = (7.2)
n
107
n: espao amostral.
Escolhe o tramo
Para cada
Gera nmero Gera nmero Gera nmero
caminho
aleatrio aleatrio aleatrio
simulado
Como mostrado na Figura 7.4, o banco de dados utilizado pela macro possui trs subdivi-
ses. Todas as informaes contidas nesse banco de dados tm como base os dados coletados
Marca/Modelo Probabilidade
Scania 124G 46,16%
Scania 113H 23,08%
Scania 142H 15,38%
Mercedes-Benz 1944S 15,38%
109
Por fim, a terceira subdiviso do banco de dados contm as probabilidades dos pesos por
eixo de cada caminho de um determinado modelo e suas respectivas distncias entre eixos. A
Tabela 7.5 mostra esses dados para os caminhes da configurao 3S2. O mtodo da roleta, des-
crito no Captulo 6 e utilizado no algoritmo gentico que calibrou o simulador CORSIM, foi usa-
Tabela 7.5 Probabilidades dos pesos por eixo e distncias entre eixos (configurao 3S2)
Marca/Modelo Probabilidade Peso por Eixo (kg) Distncia entre Eixos (m)
1 2 3 4 5 1 2 3 4
Scania 124G 16,66% 4.420 8.150 0 4.730 5.350 3,55 1,31 7,57 1,25
Scania 124G 16,66% 5.850 9.350 7.730 8.730 7.770 3,55 1,31 7,57 1,25
Scania 124G 16,66% 5.790 9.430 7.290 9.430 8.190 3,55 1,31 7,57 1,25
Scania 124G 16,66% 6.230 9.250 6.940 9.000 8.000 3,55 1,31 7,57 1,25
Scania 124G 16,66% 4.500 6.150 0 5.500 4.950 3,55 1,31 7,57 1,25
Scania 124G 16,66% 4.650 7.200 4.450 6.800 7.400 3,55 1,31 7,57 1,25
Scania 113H 33,33% 4.240 6.930 0 4.330 0 3,55 1,31 7,57 1,25
Scania 113H 33,33% 4.400 6.640 0 1.810 2.560 3,55 1,31 7,57 1,25
Scania 113H 33,33% 5.450 8.290 6.050 5.650 5.700 3,55 1,31 7,57 1,25
Scania 142H 50,00% 4.660 8.940 2.980 6.760 5.640 3,55 1,31 7,57 1,25
Scania 142H 50,00% 5.200 9.100 4.600 4.950 4.800 3,55 1,31 7,57 1,25
Mercedes-Benz 1944S 50,00% 5.390 5.120 3.600 7.540 4.140 4,20 1,36 7,57 1,25
Mercedes-Benz 1944S 50,00% 5.290 9.150 7.500 6.200 5.970 4,20 1,36 7,57 1,25
Um aspecto que foi observado durante o uso da macro que o CORSIM considera que um
veculo se encontra no tramo a partir do instante de passagem do seu pra-choque dianteiro pelo
n montante do tramo. Da mesma forma, ele s identifica a sada do veculo do tramo aps a
passagem do seu pra-choque traseiro pelo n jusante. Assim, mesmo que apenas uma pequena
poro do veculo esteja no tramo (por exemplo, o seu primeiro ou ltimo eixo), a sua presena
detectada.
A posio do veculo que consta no arquivo TSD a do seu pra-choque dianteiro. Logo,
para efeito de posicionamento das cargas por eixo, foi feita a suposio de que o balano diantei-
ro de todos os caminhes era igual a 1,35 m. Essa suposio deu-se em virtude da grande varie-
encontrada para os balanos dos modelos cujas especificaes tcnicas disponibilizadas pelos
A definio da quantidade de dias que seriam simulados para cada um dos cenrios teve
te, obtida com o uso da macro. Para isso, foram feitas replicaes da simulao. Cada replicao
usa uma seqncia diferente de nmeros aleatrios e assim se introduz uma variabilidade aos
es realizadas descrevem a variao do trfego ao longo de dois dias. Esse valor foi determinado
em funo de uma limitao existente no simulador quanto ao nmero mximo de segundos que
mdia, 15 minutos para ser concluda, a macro despende outros 20 minutos para ler o arquivo
TSD gerado por essa replicao. Isso ocorre devido grande quantidade de dados a ser extrada
rena de probabilidade foi 15, o que significa 30 dias de simulao. Contudo, os resultados obti-
dos com esse nmero de replicaes no foram satisfatrios, ou seja, as diferenas entre as pro-
babilidades no se estabilizaram. Dessa forma, foi definido que um nmero de 45 replicaes (ou
Cenrio 1. Entretanto, como esse evento aconteceu apenas uma vez (um segundo), no foi poss-
vel analisar o comportamento da probabilidade. Sendo assim, a anlise foi feita com base na o-
do Cenrio 1, esse evento ocorreu poucas vezes (nove segundos em 90 dias de simulao). Dessa
111
Figura 7.6.
15
Dif. Probabilidade (x106)
9 Caminhes na ponte
10
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90
Dias Simulados
15
Dif. Probabilidade (x106)
11 Caminhes na ponte
10
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90
Dias Simulados
A Figura 7.5 demonstra que, a partir do 70 dia simulado, a diferena nas probabilidades
sofre uma alterao muito pequena. O mesmo ocorre com os dados mostrados na Figura 7.6,
trfego para cada cenrio, foram obtidas as probabilidades de ocorrncia de caminhes sobre a
Cenrio 1 Cenrio 2
Quantidade de
Caminhes na Ponte Nmero de Nmero de
Probabilidade Probabilidade
Segundos Segundos
12 - - 9 1 / 864.000
11 - - 194 1 / 40.082
10 1 1 / 7.776.000 1.458 1 / 5.333
9 43 1 / 180.837 7.608 1 / 1.022
8 233 1 / 33.373 31.771 1 / 245
7 1.950 1 / 3.988 98.821 1 / 79
6 10.984 1 / 708 227.730 1 / 34
5 48.620 1 / 160 406.220 1 / 19
4 161.009 1 / 48 611.143 1 / 13
3 437.294 1 / 18 831.925 1/9
2 1.008.948 1/8 1.147.965 1/7
1 2.057.484 1/4 1.701.233 1/5
que era de 27% no Cenrio 1 e passou a 50% no Cenrio 2, fez com que a ocorrncia de todas as
um nico caminho, que sofreu uma pequena reduo. A alterao na composio do trfego
no ocorreu no Cenrio 1.
Um aspecto a ser mencionado que entre os nove instantes em que existem 12 caminhes
na ponte, apenas quatro deles apresentam uma diviso equilibrada por faixa (ou seja, seis cami-
nhes em cada faixa de trfego). Nos cinco segundos restantes, foram observados at sete cami-
nhes em uma mesma faixa de trfego, como mostrado na Figura 7.7. Esse fato leva a crer que,
apesar de se constituir em um evento raro e no ter sido observado nesse experimento, a possibi-
Para a anlise do efeito do trfego dos veculos pesados sobre a ponte (nesse caso, o mo-
mento fletor mximo positivo), fez-se uso da verso 2.11 do FTOOL, que um programa que se
destina anlise do comportamento estrutural de prticos planos (Martha, 2002). Ele uma fer-
ramenta simples, que combina em uma nica interface recursos para uma eficiente criao e ma-
nipulao do modelo (pr-processamento) aliados a uma anlise da estrutura rpida e a uma vi-
mente em vigncia e aquelas derivadas da simulao. O efeito que esses carregamentos provocam
tipo e por cargas q e q uniformemente distribudas. Enquanto a carga q procura levar em consi-
(ABNT, 1984).
114
Nesse estudo de caso, considera-se que a ponte da classe 45, o que implica que a carga q
tem valor de 5 kN/m2. Essa carga deve ser aplicada nas faixas de trfego e nos acostamentos,
deduzindo-se apenas a rea ocupada pelo veculo, conforme mostrado na Figura 7.8.
A carga q, que possui valor de 3 kN/m2 para todas as classes de ponte e aplicada nos
passeios, no foi considerada nesta pesquisa. A razo para tal reside no fato de que o efeito pro-
vocado por ela seria o mesmo para as situaes de carregamento mvel da norma e carregamento
A Figura 7.9 apresenta o veculo-tipo normativo para classe de ponte 45. O tabuleiro con-
siderado para a ponte foi de 8,20 m, ou seja, duas faixas de trfego com 3,60 m cada e um acos-
tamento com 1 m (Figura 7.10). A largura do tabuleiro levada em conta no clculo da carga q.
Para a ponte simplesmente apoiada, o veculo-tipo, com suas trs cargas concentradas de
150 kN cada uma, posicionado no meio do vo. Essa localizao representa o caso mais crtico
calculadas para o local em que o veculo-tipo est posicionado e para o restante da ponte, respec-
tivamente. A Figura 7.11 apresenta o carregamento mvel da NBR-7188 resultante sobre a ponte
meio do vo e tem valor de 6.009 kNm. O diagrama desse momento mostrado na Figura 7.12.
O carregamento mvel gerado pelos veculos simulados corresponde s cargas por eixo dos
caminhes e suas respectivas localizaes na ponte. Essas cargas e locais foram obtidos com o
uso da macro descrita neste captulo, que permitiu definir o conjunto de caractersticas dos cami-
nhes com base em anlises probabilsticas a partir da gerao de nmeros aleatrios. As solicita-
(Loriggio,1993).
Destaca-se que no caso em que se obtm toda a distribuio de cargas sobre a ponte, que
multido (q), uma vez que ela admitida na norma para reproduzir as solicitaes provocadas por
minhes sobre a ponte de 100 m, optou-se por fazer a anlise do efeito provocado pela presena
de mltiplos caminhes apenas para as trs maiores quantidades verificadas para cada cenrio
simulado. Entende-se que, de forma geral, maiores quantidades de caminhes implicam em maio-
Dessa forma, para o Cenrio 1 foram analisados os efeitos provocados em alguns segundos
em que ocorre a presena de 8, 9 e 10 caminhes sobre a ponte, enquanto que para o Cenrio 2,
alguns segundos em que ocorre a presena de 10, 11 e 12 caminhes. A escolha dos segundos
caminhes foi verificada nove vezes. Essas so as maiores quantidades de caminhes observadas
em cada cenrio e foram usadas para estabelecer um critrio para a escolha dos segundos que
seriam analisados. Esse critrio baseou-se na verificao do comportamento dos valores obtidos
para o momento fletor mximo em funo do peso total na ponte decorrente da presena dos 12
caminhes (Cenrio 2), j que a presena de 10 caminhes aconteceu uma nica vez (Cenrio 1).
O peso total engloba apenas os pesos dos eixos efetivamente sobre a ponte, obtidos a par-
tir da posio fornecida pelo arquivo TSD e das distncias entre eixos geradas pela macro. A Fi-
gura 7.13 mostra a relao momento fletor mximo versus peso total na ponte para os segundos
3.000
Momento Fletor Mximo (kNm)
2.500
2.000
1.500
1.000
1.200 1.300 1.400 1.500 1.600 1.700 1.800 1.900 2.000
Peso Total (kN)
A observao da figura indica que, mesmo para uma amostra pequena, a variao do peso
total na ponte grande, com limites entre 1.304 kN e 1.984 kN. Alm disso, percebe-se que o
maior momento fletor foi obtido com o segundo maior peso total na ponte, uma conseqncia
A Figura 7.14 mostra as distribuies dos pesos totais na ponte para as situaes que pos-
suem amostras maiores. Como se pode perceber, para uma mesma quantidade de caminhes
118
sobre a ponte, a diferena entres os pesos totais mximo e mnimo grande. Por exemplo, para o
caso de 10 caminhes, o valor mnimo (704 kN) consiste em apenas 25% do valor mximo
(2.843 kN).
3.000
11 Caminhes (Cenrio 2)
2.400 10 Caminhes (Cenrio 2)
Peso na Ponte (kN)
9 Caminhes (Cenrio 1)
8 Caminhes (Cenrio 1)
1.800
1.200
600
0 100 200 300 400 500 600 700 800 900 1.000 1.100 1.200 1.300 1.400 1.500
Ocorrncias
esta pesquisa limitou-se a verificar o efeito da carga mvel gerado pelas simulaes apenas para os
As Figuras 7.15 a 7.30 apresentam os carregamentos originados pelos trs maiores pesos de
cada situao, exceo da ocorrncia de 10 caminhes no Cenrio 1, que s aconteceu uma vez.
A Tabela 7.7 mostra uma comparao do peso total mximo dos veculos simulados com o
Figura 7.16 Carregamento gerado por 9 caminhes (Cenrio 1), maior peso
Figura 7.17 Carregamento gerado por 9 caminhes (Cenrio 1), segundo maior peso
Figura 7.18 Carregamento gerado por 9 caminhes (Cenrio 1), terceiro maior peso
120
Figura 7.19 Carregamento gerado por 8 caminhes (Cenrio 1), maior peso
Figura 7.20 Carregamento gerado por 8 caminhes (Cenrio 1), segundo maior peso
Figura 7.21 Carregamento gerado por 8 caminhes (Cenrio 1), terceiro maior peso
Figura 7.22 Carregamento gerado por 12 caminhes (Cenrio 2), maior peso
121
Figura 7.23 Carregamento gerado por 12 caminhes (Cenrio 2), segundo maior peso
Figura 7.24 Carregamento gerado por 12 caminhes (Cenrio 2), terceiro maior peso
Figura 7.25 Carregamento gerado por 11 caminhes (Cenrio 2), maior peso
Figura 7.26 Carregamento gerado por 11 caminhes (Cenrio 2), segundo maior peso
122
Figura 7.27 Carregamento gerado por 11 caminhes (Cenrio 2), terceiro maior peso
Figura 7.28 Carregamento gerado por 10 caminhes (Cenrio 2), maior peso
Figura 7.29 Carregamento gerado por 10 caminhes (Cenrio 2), segundo maior peso
Figura 7.30 Carregamento gerado por 10 caminhes (Cenrio 2), terceiro maior peso
123
dos nas Figuras 7.15 a 7.30 foi calculado com o uso do programa FTOOL. O valor do momento
para cada uma das 16 situaes analisadas est apresentado na Tabela 7.8. Essa tabela mostra
tambm uma comparao entre os momentos mximos gerados pelos veculos simulados e aque-
Os dados da Tabela 7.8 apontam que o momento mais crtico o gerado pela presena de
10 caminhes na ponte (Cenrio 2), com um valor de 4.082 kNm. Esse momento corresponde a
A relao momento fletor mximo versus peso total na ponte para as 16 situaes analisadas
est apresentada na Figura 7.31. Como se pode perceber, o momento fletor mximo produzido
pelo maior peso na ponte (2.843 kN) e o menor momento, que tem valor de 2.144 kNm, pro-
duzido pelo menor peso (1.709 kN). Esse menor momento ocasionado pela presena de 12
caminhes.
124
4.100
Momento Fletor Mximo (kNm)
3.600
3.100
2.600
2.100
1.700 1.900 2.100 2.300 2.500 2.700 2.900
Peso Total (kN)
Figura 7.31 Momentos fletores versus peso total das situaes analisadas
Os resultados aqui apresentados indicam que o nmero de caminhes na ponte, que a prin-
cpio pode ser visto como um fator crtico, no predominante no clculo do momento fletor. A
razo para isso decorre do fato de que quanto maior o nmero de caminhes, menores ele ten-
vel estabelecido pela NBR-7188. Para o estudo de caso realizado, enquanto o peso total na ponte
causado pelos veculos simulados chegou a um mximo de 2.843 kN, o peso total do trem-tipo
nesse caso especfico, demonstrou ser muito elevado para representar as cargas de outros veculos
sobre a ponte alm do veculo-tipo. Observando que a ponte hipottica considerada tem 100 m
(450 kN) e a rea ocupada por ele (18 m2), obtm-se um valor correspondente para a carga q de
aproximadamente 3 kN/m2 para a situao mais crtica simulada (peso total de 2.843 kN).
Esse estudo de caso serviu para demonstrar que um modelo de simulao de trfego deta-
lhado pode ser uma ferramenta de anlise muito til durante o processo de dimensionamento de
125
mento mvel da ponte podem ser includas no clculo do mximo efeito sobre a estrutura. Essas
variveis so o nmero de caminhes, suas posies relativas, seus pesos dos eixos e seus espa-
amentos entre eixos. A importncia na considerao de todas essas variveis justificada pelo
fato de que o mximo efeito da carga mvel em uma ponte ocorre devido presena simultnea
Um outro tipo de anlise que poderia ser realizada atravs da simulao do trfego a que
diz respeito fadiga, que a diminuio gradual da resistncia de um material por efeito de solici-
taes repetidas. Para a anlise da fadiga, necessrio que seja estabelecido um trem-tipo repre-
Armado e Protendido considerada muito rigorosa, uma vez que se baseia na premissa de que
todas as oscilaes de tenses so iguais mxima provocada pelo trem-tipo (Galgoul e Chamon,
1990). Assim, com a simulao do trfego, pode-se verificar a probabilidade de ocorrncia dos
carregamentos e os seus valores, investigando com que freqncia os carregamentos muito pesa-
dos ocorrem.
127
8.Concluses e Recomendaes
Com base nos resultados e anlises apresentados no decorrer deste texto, pode-se conside-
rar que foi alcanado o objetivo principal da tese: desenvolver uma metodologia que permita de-
terminar o efeito do trfego real de veculos pesados sobre a infra-estrutura rodoviria com aux-
monstrada a partir da gerao de um carregamento mvel para uma ponte rodoviria. A modela-
gem das cargas mveis de forma acurada se constitui na base para um projeto mais racional e
Para alcanar o objetivo principal, foram estabelecidos dois objetivos secundrios. O pri-
meiro deles era obter uma amostra de dados sobre as caractersticas dos veculos pesados, que foi
as foi feita de forma a possibilitar a caracterizao da frota de veculos pesados que trafega nas
rodovias de pista dupla do estado de So Paulo. No total, foram coletados dados de 6.253 vecu-
los em sete diferentes balanas. Esses veculos estavam distribudos em 22 configuraes de ei-
xos, que produziram um total de 500 combinaes de marcas e modelos de caminhes e de semi-
CORSIM. Esse objetivo foi atingido com o uso de um algoritmo gentico codificado em Perl,
128
que realizou a calibrao a partir de dados coletados em um trecho de rodovia de pista dupla pau-
Para demonstrar como a metodologia desenvolvida pode ser utilizada, efetuou-se um estu-
do de caso que calculou o momento fletor ocasionado pela presena simultnea de veculos pesa-
dos sobre uma ponte, a fim de compar-lo com o provocado pelo trem-tipo normativo.
8.1 Concluses
A calibrao do CORSIM foi realizada com o auxlio de um algoritmo gentico, uma tcni-
no trecho escolhido para a calibrao. As medidas de desempenho usadas para medir essas dife-
renas na calibrao do CORSIM foram o fluxo de trfego em alguns tramos da rede e a veloci-
A calibrao fez com que o erro mdio do simulador fosse reduzido de 9,11% para 6,32%.
de validao comprovou que os parmetros obtidos na calibrao poderiam ser usados para um
mtodos atualmente usados na Engenharia de Estruturas, que se baseiam na teoria dos processos
Carlo, uma vez que incorpora um modelo de car-following para representar o posicionamento dos
Apesar da necessidade de agregar veculos com caractersticas similares para fins de simula-
aleatrios torna possvel a desagregao dos dados de uma maneira que no compromete os re-
sultados obtidos.
O carregamento mvel obtido a partir da extrao dos dados do simulador juntamente com
as informaes contidas em um banco de dados composto no somente pelas cargas dos eixos
dos veculos como tambm pelo posicionamento dessas cargas. A importncia da aquisio de
um banco de dados detalhado sobre a frota de veculos pesados (com informaes de configura-
o de eixos, marca/modelo, pesos por eixos e espaamento entre eixos dos caminhes e dos
implementos rodovirios) reside no fato de que a considerao de uma varivel global, tal como o
peso bruto, se revela incapaz de fornecer subsdios para o clculo do efeito do trfego desses
veculos sobre a infra-estrutura rodoviria. Mais importante do que o carregamento total sobre a
estrutura a distribuio desse carregamento, uma vez que so as concentraes de cargas dos
Apesar de o estudo de caso ter sido realizado para a anlise estrutural de uma ponte, o m-
todo de obteno do carregamento mvel desenvolvido nesta tese pode ser adaptado para aplica-
A partir das anlises feitas no estudo de caso, que verificou o efeito do trfego de veculos
pesados sobre uma ponte hipottica de 100 m simplesmente apoiada, pode-se concluir que:
As presenas simultneas de veculos pesados nas pontes podem ser muito freqentes e
A quantidade de veculos pesados sobre a ponte no indica a situao mais crtica para
o clculo dos esforos. A distribuio das cargas e seus respectivos valores so fatores
determinantes;
O maior momento fletor gerado pelo trfego simulado foi ocasionado pela presena
dora para representar as solicitaes provocadas por outros veculos na ponte alm do
veculo-tipo.
Cabe lembrar que essas concluses esto limitadas ao estudo de caso especfico que foi rea-
lizado, ou seja, elas so vlidas apenas para as condies de trfego e caractersticas da frota simu-
ladas.
importante ressaltar tambm que, embora o estudo de caso tenha feito a anlise de um
8.2 Recomendaes
sua ampla utilizao no meio tcnico e cientfico. Ainda que o CORSIM seja considerado eficaz
na representao das mais variadas situaes dos fluxos de trfego, um outro modelo de simula-
o microscpica poderia se mostrar mais adequado para as anlises realizadas. Por exemplo,
poderia ter sido utilizado algum modelo cujas lgicas de car-following e de locomoo veicular fos-
sem mais refinadas, que possusse menos limitao quanto ao nmero de veculos simulados ou
que usasse uma resoluo menor que um segundo para descrever a operao do trfego.
131
Outras medidas de desempenho poderiam ter sido usadas no processo de calibrao e vali-
pal aspecto que deve ser levado em conta na escolha das medidas de desempenho utilizadas a
possibilidade de aquisio dos dados em campo da mesma forma que eles estejam disponveis no
Quanto macro criada para desagregar os veculos pesados simulados, nela poderia ter sido
culos para cada tipo simulado e no um veculo nico. Esse procedimento permitiria a criao de
intervalos de confiana para as configuraes de eixos dentro de um mesmo tipo de veculo con-
siderado pelo CORSIM e tambm entre os pesos dos eixos desses veculos, enriquecendo as an-
lises realizadas.
No estudo de caso realizado no foi previsto aumento nos pesos dos eixos dos veculos, ou
seja, admite-se que no ocorrero mudanas na legislao ao longo da vida til da ponte. Varia-
es deste tipo poderiam ser introduzidas na anlise, mas envolveriam, necessariamente, suposi-
es sobre o desempenho dos veculos futuros que no poderiam ser verificadas durante o pro-
cesso de calibrao do CORSIM. O efeito dinmico das cargas mveis, traduzido em termos de
CORSIM gerar informaes tais como velocidade e acelerao dos veculos a cada segundo, so-
mente o componente esttico das cargas mveis foi analisado nesta pesquisa.
Um dos temas que podem ser explorados em novas pesquisas a fadiga de pontes a partir
trfego. Uma outra aplicao da metodologia aqui desenvolvida o clculo do nmero N para
dimensionamento de pavimentos.
133
Referncias Bibliogrficas
______. (1984). NBR-7188: Carga mvel em ponte rodoviria e passarela de pedestres. Rio de
Janeiro.
______. (1986). NBR-7187: Projeto e execuo de pontes de concreto armado e protendido. Rio
de Janeiro.
BAYARRI, M. J.; BERGER, J. O.; MOLINA, G.; ROUPHAIL, N. M., SACKS, J. (2004). As-
sessing uncertainties in traffic simulation: A key component in model calibration and validation.
In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington. Proceedings... 1 CD-ROM.
BEN-AKIVA, M. E.; DARDA, D.; JHA, M.; KOUTSOPOULOS, H. N.; TOLEDO, T. (2004).
Calibration of microscopic traffic simulation models with aggregate data. In: 83rd ANNUAL
MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Pro-
ceedings... 1 CD-ROM.
BLOOMBERG, L.; DALE, J. (2000). Comparison of VISSIM and CORSIM traffic simulation
models on a congested network. Transportation Research Record 1727, Transportation Re-
search Board, National Research Council, Washington, p.52-60.
134
BROCKFELD, E.; KHNE, R. D.; WAGNER, P. (2004). Calibration and validation of micro-
scopic traffic flow models. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION
RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
CHEU, R.; JIN, X.; NG, K.; NG, Y.; SRINIVASAN, D. (1998). Calibration of FRESIM for Sin-
gapore expressway using genetic algorithm. ASCE Journal of Transportation Engineering,
p.526-535, dez.
COHEN, S. L. (2004). An approach to calibration and validation of traffic simulation models. In:
83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004,
Washington. Proceedings... 1 CD-ROM.
CUNHA, A. L. B. N.; MON-MA, M. L.; ARAJO, J. J.; EGAMI, C. Y.; SETTI, J. R. A. (2005).
Caracterizao da frota de caminhes no sistema Anhanguera-Bandeirantes. In: XIX
CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES, 2005, Recife. Anais... 1
CD-ROM.
135
DHULIPALA, S. (2002). A system for travel time estimation on urban freeways. 115p. Dis-
sertao (Mestrado) Virginia Polytechnic Institute and State University, Blacksburg, 2002.
DOWLING, R.; SKABARDONIS, A.; HALKIAS, J.; MCHALE, G.; ZAMMIT, G. (2004).
Guidelines for calibration of microsimulation models: framework and applications. In: 83rd
ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washing-
ton. Proceedings... 1 CD-ROM.
EGAMI, C. Y.; SETTI, J. R. A (2002). Recalibrao do modelo TRARR para simulao de rodo-
vias de pista simples no Brasil. Transporte em Transformao V Trabalhos Vencedores do
Prmio CNT Produo Acadmica 2000, So Paulo, p.31-46.
EGAMI, C. Y.; SETTI, J. R. A; RILETT, L. R. (2004). Algoritmo gentico para calibrao auto-
mtica de um simulador de trfego em rodovias de pista simples. Transportes, Rio de Janeiro,
v.12, n.2, p.5-14.
EL DEBS, M. K.; TAKEYA, T. (1995). Pontes de concreto: Fascculo 2 - Aes nas pontes.
29p. (Notas de Aula) - Departamento de Engenharia de Estruturas, Escola de Engenharia de So
Carlos, Universidade de So Paulo, So Carlos, 1995.
136
______. (1995). Pontes de concreto: Fascculo 3 Sistemas estruturais. 15p. (Notas de Aula)
- Departamento de Engenharia de Estruturas, Escola de Engenharia de So Carlos, Universidade
de So Paulo, So Carlos, 1995.
ELEFTERIADOU, L.; LEONARD II, J. D.; LIST, G.; LIEU, H; THOMAS, M.; GIGUERE,
R.; JOHNSON, G.; BREWISH, R. (1999). Beyond the Highway Capacity Manual: Framework
for selecting simulation models in traffic operational analyses. Transportation Research Re-
cord 1678, Transportation Research Board, National Research Council, Washington, p.96-106.
FHWA (2001). TSIS: Traffic software integrated system. Version 5.0. Colorado Springs: ITT
Industries.
FRANKEL, J.; ALVAREZ, L.; HOROWITZ, R.; LI, P. (1996). Safety oriented maneuvers for
IVHS. Vehicle System Dynamics, v.26, n.4, p.271-299, out.
GHOSN, M.; MOSES, F. (1985). Markov renewal model for maximum bridge loading. ASCE
Journal of Engineering Mechanics, v.111, n.9, p.1093-1104.
GHOSN, M. (2000). Development of truck weight regulations using bridge reliability model.
Journal of Bridge Engineering, p.293-303, nov.
HALATI, A.; LIEU, H.; WALKER, S. (1997). CORSIM Corridor traffic simulation model. In:
TRAFFIC CONGESTION AND TRAFFIC SAFETY IN THE 21ST CENTURY : Challenges,
Innovations and Opportunities, 1997, Chicago. Proceedings... Chicago: American Society of
Civil Engineers, p.570-576.
137
HELLINGA, B. R. (1998). Requirements for the calibration of traffic simulation models. In:
PROCEEDINGS OF ANNUAL CONFERENCE, 1998, Halifax. Proceedings... Halifax:
Canadian Society for Civil Engineering , v.4b, p.211-222.
HOLLAND, J. H. (1975). Adaptation in natural and artificial systems. Ann Arbor: University
of Michigan Press.
HUFF, T. S.; SCRIVNER, F. H. (1955). Simplified climbing-lane design theory and road test
results. Bulletin 104, Highway Research Board, National Research Council, Washington, p.1-11.
HWANG, E. S.; KOH, H. M. (2000). Simulation of bridge live load effects. In: 16TH
CONGRESS OF IABSE, 2000, Lucerne. Proceedings... 1 CD-ROM.
KHAN, S; MAINI, P.; THANASUPSIN, K. (2000). Car-following and collision constraint mod-
els for uninterrupted traffic. Transportation Research Record 1710, Transportation Research
Board, National Research Council, Washington, p.37-46.
______. (2004). A genetic algorithm based approach to traffic micro-simulation calibration using
ITS data. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH
BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
KIM, S.; KIM, K.; RILETT, L. R. (2005). Calibrating of microsimulation models using nonpara-
metric statistical techniques. Journal of the Transportation Research Board 1935, Transporta-
tion Research Board of the National Academies, Washington, p.111-119.
138
LEE, D.; YANG, X.; CHANDRASEKAR, P. (2001). Parameter calibration for PARAMICS
using genetic algorithm. In: 80th ANNUAL MEETING OF THE TRANSPORTATION
RESEARCH BOARD, 2001, Washington. Proceedings... 1 CD-ROM.
LUCHI, L. A. R. (2006). Reavaliao do trem-tipo luz das cargas reais nas rodovias brasi-
leiras. 257p. Tese (Doutorado) Escola Politcnica, Universidade de So Paulo, So Paulo,
2006.
______. (2002). Genetic algorithm-based optimization approach and generic tool for calibrating
traffic microscopic simulation parameters. Transportation Research Record 1800, Transporta-
tion Research Board, National Research Council, Washington, p.6-15.
MERRITT, E. (2004). Calibration and validation of CORSIM for Swedish road traffic condi-
tions. In: 83rd ANNUAL MEETING OF THE TRANSPORTATION RESEARCH BOARD,
2004, Washington. Proceedings... 1 CD-ROM.
MILAM, R. T.; CHOA, F. (2002). Recommended guidelines for the calibration and valida-
tion of traffic simulation models. Disponvel em:
<http://www.fehrandpeers.com/publications/papers/traff_simulation.pdf>. Acesso em: 18
mar. 2003.
MOSES, F.; GHOSN, M. (1985). A comprehensive study of bridge loads and reliability.
Columbus: Ohio Department of Transportation. Report n. FHWA/OH-85/005.
NI, D.; LEONARD II, J. D.; GUIN, A.; WILLIAMS, B. M. (2004). A systematic approach for
validating traffic simulation models. In: 83rd ANNUAL MEETING OF THE
TRANSPORTATION RESEARCH BOARD, 2004, Washington. Proceedings... 1 CD-ROM.
139
NOWAK, A. S.; LIND, N. C. (1979). Practical bridge code calibration. Journal of the Struc-
tural Division, v.105, n.ST12, p.2497-2510, dez.
NOWAK, A. S.; HONG, Y. K. (1991). Bridge live-load models. Journal of Structural Engi-
neering, v.117, n.9, p.2757-2767, set.
NOWAK, A. S. (1993). Live load model for highway bridges. Journal of Structural Safety, v.13,
p.53-66.
NOWAK, A. S. (1999). Calibration of LRFD bridge design code. NCHRP Report 368. Trans-
portation Research Board, National Research Council, Washington.
PAYNE, H. J.; THOMPSON, S.; CHANG, G. (1997). Calibration of FRESIM to achieve de-
sired capabilities. Transportation Research Record 1591, Transportation Research Board, Na-
tional Research Council, Washington, p.23-30.
PREVEDOUROS, P. D.; WANG, Y. (1999). Simulation of large freeway and arterial network
with CORSIM, INTEGRATION and WATSim. Transportation Research Record 1678,
Transportation Research Board, National Research Council, Washington, p.197-207.
RAKHA, H.; HELLINGA, B.; VAN AERDE, M.; PEREZ, W. (1996). Systematic verification,
validation and calibration of traffic simulation models. In: 75th ANNUAL MEETING OF THE
TRANSPORTATION RESEARCH BOARD, 1996, Washington. Proceedings... 1 CD-ROM.
RAKHA, H.; CROWTHER, B. (2002). Comparison of Greenshields, Pipes, and Van Aerde car-
following and traffic streams models. Transportation Research Record 1802, Transportation
Research Board, National Research Council, Washington, p.248-262.
______. (2003). Comparison and calibration of FRESIM and INTEGRATION steady-state car-
following behavior. Transportation Research Part A, v.37, n.1, p.1-27, jan.
140
RILETT, L. R.; KIM, K. (2001). Automatic calibration of surface transportation demand and
supply modes using ITS data. In: 9th WORLD CONGRESS ON TRANSPORT RESEARCH,
2001, Seoul. Proceedings... 1 CD-ROM.
RILETT, L. R.; KIM, K. K.; RANEY, B. (2000). Comparison of low-fidelity TRANSIMS and
high-fidelity CORSIM highway simulation models with intelligent transportation system data.
Transportation Research Record 1739, Transportation Research Board, National Research
Council, Washington, p.1-8.
SACKS, J.; ROUPHAIL, N. M.; PARK, B.; THAKURIAH, P. (2002). Statistically-based valida-
tion of computer simulation models in traffic operations and management. Journal of Transpor-
tation and Statistics, v.5, n.1, p.1-15.
SCHULTZ, G. G.; RILETT, L. R. (2004). An analysis of the distribution and calibration of car-
following sensitivity parameters in microscopic traffic simulation models. In: 83rd ANNUAL
MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Pro-
ceedings... 1 CD-ROM.
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.
TRB (2002). Regulation of weights, lengths, and widths of commercial motor vehicle. TRB Spe-
cial Report 267. Transportation Research Board, National Research Council, Washington.
WALL, L.; CHRISTIANSEN, T.; ORWANT, J. (2000). Programming Perl. 3thed. Sebastopol:
OReilly.
ZHANG, L.; COLYAR, J.; HALKIAS, J.; ZHANG, Y. (2004). CORSIM sensitivity analysis and
its application in model validation and calibration at signalized intersections. In: 83rd ANNUAL
MEETING OF THE TRANSPORTATION RESEARCH BOARD, 2004, Washington. Pro-
ceedings... 1 CD-ROM.
* De acordo com:
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR-6023: informao e docu-
mentao: referncias: elaborao. Rio de Janeiro, 2002.
Apndice A
145
Tabela A.1 Matriz da primeira coleta de dados (6/6/2005) 10:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 18% 3% 4% 3% 10% 11% 51%
20 - 0% 29% 0% 14% 14% 43%
25 - - 33% 13% 13% 7% 33%
28 - - - 7% 27% 13% 53%
33 - - - - 44% 22% 33%
42 - - - - - 22% 78%
Tabela A.2 Matriz da primeira coleta de dados (6/6/2005) 10:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 12% 5% 5% 1% 5% 6% 3% 14% 49%
107 38% 3% 8% 0% 5% 13% 3% 8% 23%
111 - 13% 5% 3% 13% 11% 3% 18% 34%
180 - - 32% 0% 9% 9% 5% 9% 36%
118 - - - 0% 9% 9% 0% 18% 64%
123 - - - - 25% 17% 8% 17% 33%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 62% 38%
140 - - - - - - - 65% 35%
Tabela A.3 Matriz da primeira coleta de dados (6/6/2005) 10:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 24% 5% 3% 3% 9% 11% 45%
20 - 0% 33% 22% 11% 11% 22%
25 - - 56% 13% 13% 6% 13%
28 - - - 6% 28% 11% 56%
33 - - - - 43% 17% 40%
42 - - - - - 18% 82%
Tabela A.4 Matriz da primeira coleta de dados (6/6/2005) 10:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 16% 3% 10% 1% 5% 2% 4% 13% 46%
107 48% 0% 14% 3% 7% 3% 3% 7% 14%
111 - 4% 4% 4% 13% 4% 4% 17% 50%
180 - - 59% 5% 5% 5% 5% 9% 14%
118 - - - 0% 0% 0% 0% 0% 100%
123 - - - - 17% 8% 25% 17% 33%
125 - - - - - 13% 13% 38% 38%
190 - - - - - - 0% 54% 46%
140 - - - - - - - 62% 38%
146
Tabela A.5 Matriz da primeira coleta de dados (6/6/2005) 10:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 22% 4% 4% 1% 10% 10% 48%
20 - 0% 40% 0% 20% 10% 30%
25 - - 45% 9% 18% 9% 18%
28 - - - 6% 29% 12% 53%
33 - - - - 47% 16% 37%
42 - - - - - 12% 88%
Tabela A.6 Matriz da primeira coleta de dados (6/6/2005) 10:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 10% 5% 7% 1% 4% 4% 2% 14% 54%
107 31% 3% 10% 0% 5% 8% 3% 8% 33%
111 - 13% 10% 3% 17% 7% 3% 17% 30%
180 - - 40% 0% 0% 7% 0% 13% 40%
118 - - - 0% 0% 20% 0% 20% 60%
123 - - - - 27% 18% 9% 18% 27%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 59% 41%
140 - - - - - - - 65% 35%
Tabela A.7 Matriz da primeira coleta de dados (6/6/2005) 11:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 16% 3% 3% 3% 8% 9% 58%
20 - 8% 23% 8% 15% 8% 38%
25 - - 29% 18% 12% 6% 35%
28 - - - 8% 25% 8% 58%
33 - - - - 33% 14% 52%
42 - - - - - 15% 85%
Tabela A.8 Matriz da primeira coleta de dados (6/6/2005) 11:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 7% 8% 2% 5% 5% 2% 18% 45%
107 29% 3% 9% 3% 6% 9% 3% 9% 29%
111 - 14% 11% 4% 11% 7% 0% 18% 36%
180 - - 55% 0% 9% 9% 0% 18% 9%
118 - - - 0% 10% 10% 0% 30% 50%
123 - - - - 40% 13% 13% 27% 7%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 67% 33%
140 - - - - - - - 80% 20%
147
Tabela A.9 Matriz da primeira coleta de dados (6/6/2005) 11:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 20% 5% 5% 5% 7% 9% 50%
20 - 25% 25% 25% 25% 0% 0%
25 - - 62% 15% 15% 8% 0%
28 - - - 6% 24% 12% 59%
33 - - - - 29% 18% 53%
42 - - - - - 15% 85%
Tabela A.10 Matriz da primeira coleta de dados (6/6/2005) 11:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 9% 7% 2% 11% 3% 4% 13% 42%
107 29% 6% 13% 3% 6% 6% 3% 10% 23%
111 - 20% 11% 3% 29% 6% 3% 17% 11%
180 - - 54% 0% 8% 0% 8% 0% 31%
118 - - - 0% 15% 8% 8% 15% 54%
123 - - - - 44% 13% 19% 13% 13%
125 - - - - - 18% 18% 36% 27%
190 - - - - - - 0% 44% 56%
140 - - - - - - - 53% 47%
Tabela A.11 Matriz da primeira coleta de dados (6/6/2005) 11:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 19% 4% 2% 3% 7% 8% 57%
20 - 0% 25% 13% 13% 13% 38%
25 - - 29% 14% 14% 7% 36%
28 - - - 10% 20% 10% 60%
33 - - - - 24% 10% 67%
42 - - - - - 10% 90%
Tabela A.12 Matriz da primeira coleta de dados (6/6/2005) 11:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 7% 7% 1% 9% 5% 4% 11% 46%
107 26% 3% 9% 0% 6% 9% 3% 6% 40%
111 - 19% 7% 4% 22% 7% 0% 15% 26%
180 - - 50% 0% 6% 6% 6% 11% 22%
118 - - - 0% 13% 13% 0% 13% 63%
123 - - - - 40% 15% 30% 10% 5%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 50% 50%
140 - - - - - - - 56% 44%
148
Tabela A.13 Matriz da primeira coleta de dados (6/6/2005) 11:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 18% 9% 3% 2% 9% 7% 52%
20 - 13% 38% 13% 13% 13% 13%
25 - - 50% 20% 10% 10% 10%
28 - - - 7% 29% 14% 50%
33 - - - - 40% 15% 45%
42 - - - - - 8% 92%
Tabela A.14 Matriz da primeira coleta de dados (6/6/2005) 11:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 8% 5% 7% 2% 10% 6% 4% 11% 46%
107 28% 3% 10% 3% 8% 8% 3% 8% 33%
111 - 13% 9% 7% 26% 11% 2% 17% 15%
180 - - 43% 0% 14% 7% 0% 7% 29%
118 - - - 0% 18% 9% 0% 18% 55%
123 - - - - 35% 24% 24% 18% 0%
125 - - - - - 18% 18% 36% 27%
190 - - - - - - 0% 55% 45%
140 - - - - - - - 50% 50%
Tabela A.15 Matriz da primeira coleta de dados (6/6/2005) 12:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 30% 4% 2% 3% 7% 6% 48%
20 - 5% 19% 5% 10% 10% 52%
25 - - 24% 24% 12% 0% 41%
28 - - - 9% 18% 9% 64%
33 - - - - 25% 5% 70%
42 - - - - - 3% 97%
Tabela A.16 Matriz da primeira coleta de dados (6/6/2005) 12:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 13% 5% 5% 1% 11% 5% 4% 12% 44%
107 39% 4% 11% 4% 7% 7% 4% 7% 18%
111 - 11% 8% 3% 30% 8% 1% 16% 23%
180 - - 40% 0% 10% 10% 0% 10% 30%
118 - - - 0% 17% 8% 0% 17% 58%
123 - - - - 47% 13% 20% 20% 0%
125 - - - - - 18% 18% 36% 27%
190 - - - - - - 0% 60% 40%
140 - - - - - - - 55% 45%
149
Tabela A.17 Matriz da segunda coleta de dados (13/6/2005) 9:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 22% 3% 2% 2% 8% 10% 53%
20 - 0% 10% 0% 20% 10% 60%
25 - - 24% 6% 12% 6% 53%
28 - - - 0% 16% 11% 74%
33 - - - - 37% 17% 47%
42 - - - - - 12% 88%
Tabela A.18 Matriz da segunda coleta de dados (13/6/2005) 9:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 12% 11% 8% 1% 7% 3% 3% 12% 42%
107 37% 2% 11% 0% 7% 4% 0% 9% 30%
111 - 20% 10% 0% 20% 3% 0% 17% 30%
180 - - 52% 0% 8% 4% 4% 12% 20%
118 - - - 0% 14% 14% 0% 14% 57%
123 - - - - 31% 8% 8% 15% 38%
125 - - - - - 13% 0% 38% 50%
190 - - - - - - 0% 56% 44%
140 - - - - - - - 57% 43%
Tabela A.19 Matriz da segunda coleta de dados (13/6/2005) 9:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 18% 4% 2% 2% 10% 9% 55%
20 - 0% 29% 0% 14% 14% 43%
25 - - 18% 6% 12% 6% 59%
28 - - - 0% 25% 13% 63%
33 - - - - 45% 10% 45%
42 - - - - - 14% 86%
Tabela A.20 Matriz da segunda coleta de dados (13/6/2005) 9:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 4% 6% 2% 6% 3% 2% 11% 55%
107 37% 2% 8% 2% 3% 7% 3% 7% 31%
111 - 11% 6% 6% 11% 6% 0% 17% 44%
180 - - 33% 0% 6% 6% 6% 11% 39%
118 - - - 0% 25% 0% 0% 25% 50%
123 - - - - 38% 8% 15% 15% 23%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 44% 56%
140 - - - - - - - 48% 52%
150
Tabela A.21 Matriz da segunda coleta de dados (13/6/2005) 9:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 21% 2% 2% 4% 11% 9% 50%
20 - 0% 17% 17% 17% 8% 42%
25 - - 21% 21% 14% 7% 36%
28 - - - 12% 29% 12% 47%
33 - - - - 47% 18% 35%
42 - - - - - 18% 82%
Tabela A.22 Matriz da segunda coleta de dados (13/6/2005) 9:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 8% 6% 1% 6% 4% 3% 12% 51%
107 33% 4% 10% 2% 4% 6% 4% 6% 29%
111 - 17% 9% 4% 17% 9% 0% 13% 30%
180 - - 42% 0% 0% 11% 5% 5% 37%
118 - - - 0% 7% 13% 7% 7% 67%
123 - - - - 25% 13% 13% 0% 50%
125 - - - - - 13% 13% 25% 50%
190 - - - - - - 0% 47% 53%
140 - - - - - - - 59% 41%
Tabela A.23 Matriz da segunda coleta de dados (13/6/2005) 10:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 27% 5% 2% 2% 14% 11% 39%
20 - 13% 25% 0% 13% 13% 38%
25 - - 25% 8% 17% 8% 42%
28 - - - 5% 26% 11% 58%
33 - - - - 55% 21% 24%
42 - - - - - 13% 87%
Tabela A.24 Matriz da segunda coleta de dados (13/6/2005) 10:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 7% 9% 2% 7% 3% 1% 14% 45%
107 35% 2% 13% 2% 5% 6% 2% 8% 27%
111 - 15% 12% 4% 15% 8% 0% 19% 27%
180 - - 57% 0% 5% 10% 5% 10% 14%
118 - - - 0% 0% 17% 0% 17% 67%
123 - - - - 25% 13% 13% 19% 31%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 59% 41%
140 - - - - - - - 68% 32%
151
Tabela A.25 Matriz da segunda coleta de dados (13/6/2005) 10:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 20% 4% 1% 3% 9% 6% 57%
20 - 0% 0% 0% 25% 0% 75%
25 - - 13% 13% 13% 7% 53%
28 - - - 5% 27% 5% 64%
33 - - - - 39% 16% 45%
42 - - - - - 10% 90%
Tabela A.26 Matriz da segunda coleta de dados (13/6/2005) 10:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 14% 8% 8% 2% 7% 5% 2% 13% 41%
107 44% 2% 12% 2% 7% 10% 2% 8% 14%
111 - 19% 7% 4% 15% 11% 0% 19% 26%
180 - - 56% 6% 6% 6% 6% 11% 11%
118 - - - 0% 13% 13% 0% 13% 63%
123 - - - - 36% 18% 9% 18% 18%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 62% 38%
140 - - - - - - - 63% 38%
Tabela A.27 Matriz da segunda coleta de dados (13/6/2005) 10:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 21% 4% 2% 3% 9% 9% 52%
20 - 0% 19% 6% 19% 13% 44%
25 - - 27% 18% 18% 9% 27%
28 - - - 6% 29% 12% 53%
33 - - - - 40% 20% 40%
42 - - - - - 12% 88%
Tabela A.28 Matriz da segunda coleta de dados (13/6/2005) 10:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 10% 3% 8% 2% 6% 4% 2% 10% 55%
107 33% 2% 9% 2% 4% 7% 4% 9% 30%
111 - 9% 9% 3% 18% 6% 3% 15% 36%
180 - - 50% 0% 0% 6% 6% 11% 28%
118 - - - 0% 0% 9% 0% 18% 73%
123 - - - - 25% 19% 13% 19% 25%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 54% 46%
140 - - - - - - - 50% 50%
152
Tabela A.29 Matriz da segunda coleta de dados (13/6/2005) 10:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 25% 5% 2% 4% 9% 10% 46%
20 - 8% 0% 8% 17% 8% 58%
25 - - 20% 20% 15% 10% 35%
28 - - - 10% 30% 10% 50%
33 - - - - 42% 17% 42%
42 - - - - - 13% 88%
Tabela A.30 Matriz da segunda coleta de dados (13/6/2005) 10:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 8% 8% 2% 5% 3% 1% 13% 51%
107 32% 2% 11% 2% 5% 7% 2% 9% 30%
111 - 22% 7% 4% 15% 7% 0% 19% 26%
180 - - 50% 0% 0% 6% 6% 11% 28%
118 - - - 0% 0% 9% 0% 18% 73%
123 - - - - 25% 13% 13% 19% 31%
125 - - - - - 17% 0% 33% 50%
190 - - - - - - 0% 53% 47%
140 - - - - - - - 65% 35%
Tabela A.31 Matriz da segunda coleta de dados (13/6/2005) 11:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 18% 3% 2% 3% 8% 11% 54%
20 - 7% 21% 7% 14% 7% 43%
25 - - 29% 18% 6% 6% 41%
28 - - - 5% 24% 10% 62%
33 - - - - 37% 16% 47%
42 - - - - - 18% 82%
Tabela A.32 Matriz da segunda coleta de dados (13/6/2005) 11:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 8% 8% 8% 1% 7% 4% 4% 14% 47%
107 21% 3% 10% 3% 8% 5% 3% 8% 41%
111 - 17% 14% 3% 17% 3% 3% 17% 24%
180 - - 57% 0% 7% 0% 0% 7% 29%
118 - - - 0% 15% 8% 8% 15% 54%
123 - - - - 25% 13% 25% 19% 19%
125 - - - - - 10% 20% 30% 40%
190 - - - - - - 0% 56% 44%
140 - - - - - - - 67% 33%
153
O/D 15 60 27 32 38 44 46
6 21% 5% 2% 4% 6% 4% 58%
20 - 0% 13% 13% 0% 0% 75%
25 - - 31% 23% 8% 0% 38%
28 - - - 9% 18% 0% 73%
33 - - - - 23% 9% 68%
42 - - - - - 9% 91%
Tabela A.34 Matriz da segunda coleta de dados (13/6/2005) 11:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 8% 8% 5% 1% 10% 3% 3% 10% 53%
107 23% 3% 9% 0% 6% 6% 3% 9% 43%
111 - 16% 9% 3% 25% 3% 3% 19% 22%
180 - - 35% 0% 5% 10% 5% 10% 35%
118 - - - 0% 10% 10% 0% 20% 60%
123 - - - - 46% 15% 15% 15% 8%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 58% 42%
140 - - - - - - - 52% 48%
Tabela A.35 Matriz da segunda coleta de dados (13/6/2005) 11:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 26% 4% 2% 2% 8% 6% 54%
20 - 7% 0% 7% 14% 7% 64%
25 - - 16% 5% 5% 11% 63%
28 - - - 7% 14% 14% 64%
33 - - - - 24% 18% 59%
42 - - - - - 7% 93%
Tabela A.36 Matriz da segunda coleta de dados (13/6/2005) 11:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 8% 5% 2% 8% 4% 2% 13% 50%
107 29% 2% 7% 2% 7% 10% 2% 7% 33%
111 - 19% 7% 4% 19% 7% 0% 19% 26%
180 - - 33% 0% 6% 6% 6% 11% 39%
118 - - - 0% 25% 0% 0% 25% 50%
123 - - - - 33% 17% 11% 17% 22%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 56% 44%
140 - - - - - - - 69% 31%
154
Tabela A.37 Matriz da segunda coleta de dados (13/6/2005) 11:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 28% 4% 3% 4% 8% 7% 48%
20 - 5% 16% 11% 21% 11% 37%
25 - - 30% 20% 10% 0% 40%
28 - - - 5% 19% 10% 67%
33 - - - - 29% 12% 59%
42 - - - - - 10% 90%
Tabela A.38 Matriz da segunda coleta de dados (13/6/2005) 11:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 13% 7% 5% 2% 12% 5% 5% 10% 43%
107 43% 3% 10% 3% 8% 8% 3% 5% 20%
111 - 13% 9% 4% 30% 9% 2% 4% 28%
180 - - 37% 5% 5% 11% 5% 11% 26%
118 - - - 0% 10% 10% 10% 20% 50%
123 - - - - 41% 18% 24% 12% 6%
125 - - - - - 15% 23% 23% 38%
190 - - - - - - 14% 43% 43%
140 - - - - - - - 51% 49%
Tabela A.39 Matriz da segunda coleta de dados (13/6/2005) 12:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 24% 4% 2% 3% 7% 9% 51%
20 - 0% 29% 14% 0% 0% 57%
25 - - 25% 13% 6% 6% 50%
28 - - - 6% 24% 12% 59%
33 - - - - 33% 14% 52%
42 - - - - - 11% 89%
Tabela A.40 Matriz da segunda coleta de dados (13/6/2005) 12:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 6% 5% 1% 10% 4% 2% 12% 49%
107 25% 2% 8% 2% 8% 8% 4% 8% 33%
111 - 12% 8% 3% 26% 7% 1% 16% 26%
180 - - 36% 0% 7% 7% 0% 7% 43%
118 - - - 0% 20% 10% 0% 20% 50%
123 - - - - 47% 13% 20% 20% 0%
125 - - - - - 17% 17% 33% 33%
190 - - - - - - 0% 50% 50%
140 - - - - - - - 59% 41%
155
Tabela A.41 Matriz da terceira coleta de dados (1/7/2005) 14:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 17% 4% 1% 2% 8% 8% 60%
20 - 0% 5% 5% 10% 0% 80%
25 - - 15% 12% 12% 4% 58%
28 - - - 4% 16% 8% 72%
33 - - - - 36% 12% 52%
42 - - - - - 10% 90%
Tabela A.42 Matriz da terceira coleta de dados (1/7/2005) 14:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 9% 10% 2% 4% 3% 2% 12% 49%
107 33% 4% 13% 2% 6% 7% 2% 7% 26%
111 - 17% 17% 4% 13% 9% 0% 17% 22%
180 - - 59% 2% 2% 5% 0% 10% 22%
118 - - - 0% 7% 7% 7% 13% 67%
123 - - - - 21% 7% 14% 14% 43%
125 - - - - - 0% 0% 40% 60%
190 - - - - - - 0% 58% 42%
140 - - - - - - - 60% 40%
Tabela A.43 Matriz da terceira coleta de dados (1/7/2005) 14:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 17% 4% 2% 2% 7% 9% 60%
20 - 0% 13% 0% 0% 13% 73%
25 - - 20% 7% 7% 7% 60%
28 - - - 3% 21% 12% 64%
33 - - - - 33% 17% 50%
42 - - - - - 14% 86%
Tabela A.44 Matriz da terceira coleta de dados (1/7/2005) 14:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 5% 7% 1% 5% 4% 3% 13% 53%
107 36% 1% 10% 1% 6% 7% 2% 7% 28%
111 - 12% 8% 0% 19% 4% 0% 19% 38%
180 - - 44% 0% 7% 4% 4% 11% 30%
118 - - - 0% 0% 13% 0% 13% 75%
123 - - - - 32% 11% 16% 16% 26%
125 - - - - - 20% 20% 40% 20%
190 - - - - - - 0% 58% 42%
140 - - - - - - - 63% 38%
156
Tabela A.45 Matriz da terceira coleta de dados (1/7/2005) 14:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 18% 4% 2% 3% 9% 11% 52%
20 - 0% 0% 14% 14% 14% 57%
25 - - 22% 13% 13% 13% 39%
28 - - - 5% 26% 11% 58%
33 - - - - 38% 21% 41%
42 - - - - - 13% 88%
Tabela A.46 Matriz da terceira coleta de dados (1/7/2005) 14:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 11% 7% 9% 1% 6% 5% 2% 10% 48%
107 35% 2% 11% 3% 5% 8% 2% 6% 29%
111 - 17% 14% 3% 21% 7% 0% 14% 24%
180 - - 55% 0% 5% 10% 0% 10% 20%
118 - - - 0% 11% 11% 5% 16% 58%
123 - - - - 27% 18% 9% 18% 27%
125 - - - - - 13% 0% 38% 50%
190 - - - - - - 0% 50% 50%
140 - - - - - - - 43% 57%
Tabela A.47 Matriz da terceira coleta de dados (1/7/2005) 15:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 14% 5% 2% 2% 9% 8% 61%
20 - 0% 10% 10% 10% 0% 70%
25 - - 13% 13% 7% 0% 67%
28 - - - 5% 18% 9% 68%
33 - - - - 39% 10% 52%
42 - - - - - 5% 95%
Tabela A.48 Matriz da terceira coleta de dados (1/7/2005) 15:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 8% 5% 11% 1% 5% 4% 2% 16% 49%
107 26% 2% 11% 0% 5% 8% 3% 8% 37%
111 - 8% 12% 4% 16% 8% 0% 16% 36%
180 - - 70% 0% 4% 9% 4% 9% 4%
118 - - - 0% 7% 13% 7% 13% 60%
123 - - - - 24% 18% 18% 18% 24%
125 - - - - - 14% 14% 36% 36%
190 - - - - - - 0% 57% 43%
140 - - - - - - - 74% 26%
157
Tabela A.49 Matriz da terceira coleta de dados (1/7/2005) 15:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 14% 4% 3% 3% 6% 10% 60%
20 - 0% 27% 9% 0% 9% 55%
25 - - 36% 18% 0% 9% 36%
28 - - - 6% 6% 12% 76%
33 - - - - 21% 17% 62%
42 - - - - - 13% 87%
Tabela A.50 Matriz da terceira coleta de dados (1/7/2005) 15:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 4% 9% 1% 5% 4% 3% 11% 55%
107 25% 0% 11% 1% 6% 7% 3% 8% 39%
111 - 5% 14% 0% 18% 9% 0% 18% 36%
180 - - 47% 0% 0% 6% 6% 12% 29%
118 - - - 0% 8% 15% 8% 15% 54%
123 - - - - 30% 20% 20% 20% 10%
125 - - - - - 18% 18% 36% 27%
190 - - - - - - 0% 56% 44%
140 - - - - - - - 57% 43%
Tabela A.51 Matriz da terceira coleta de dados (1/7/2005) 15:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 19% 3% 2% 3% 6% 8% 58%
20 - 0% 8% 8% 0% 0% 85%
25 - - 21% 17% 4% 8% 50%
28 - - - 5% 13% 8% 74%
33 - - - - 28% 11% 61%
42 - - - - - 5% 95%
Tabela A.52 Matriz da terceira coleta de dados (1/7/2005) 15:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 9% 3% 7% 1% 7% 4% 3% 12% 53%
107 31% 0% 12% 2% 5% 8% 3% 7% 32%
111 - 10% 10% 3% 20% 7% 3% 17% 30%
180 - - 48% 0% 8% 8% 4% 12% 20%
118 - - - 0% 15% 15% 8% 15% 46%
123 - - - - 25% 17% 17% 17% 25%
125 - - - - - 11% 11% 33% 44%
190 - - - - - - 0% 50% 50%
140 - - - - - - - 58% 42%
158
Tabela A.53 Matriz da terceira coleta de dados (1/7/2005) 15:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 17% 4% 2% 2% 8% 7% 59%
20 - 0% 20% 7% 0% 7% 67%
25 - - 25% 15% 5% 5% 50%
28 - - - 4% 21% 8% 67%
33 - - - - 33% 6% 61%
42 - - - - - 0% 100%
Tabela A.54 Matriz da terceira coleta de dados (1/7/2005) 15:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 10% 6% 13% 2% 10% 6% 1% 12% 40%
107 28% 1% 12% 4% 7% 10% 1% 9% 25%
111 - 15% 12% 3% 27% 9% 0% 18% 15%
180 - - 67% 5% 5% 10% 0% 10% 5%
118 - - - 0% 10% 10% 0% 20% 60%
123 - - - - 33% 11% 11% 22% 22%
125 - - - - - 18% 9% 36% 36%
190 - - - - - - 0% 60% 40%
140 - - - - - - - 59% 41%
Tabela A.55 Matriz da terceira coleta de dados (1/7/2005) 16:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 16% 4% 3% 4% 5% 9% 59%
20 - 0% 20% 20% 0% 10% 50%
25 - - 38% 19% 0% 6% 38%
28 - - - 13% 13% 13% 63%
33 - - - - 16% 16% 69%
42 - - - - - 14% 86%
Tabela A.56 Matriz da terceira coleta de dados (1/7/2005) 16:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 8% 3% 8% 1% 7% 4% 4% 12% 53%
107 25% 2% 11% 0% 6% 8% 6% 8% 36%
111 - 8% 11% 0% 19% 5% 3% 14% 41%
180 - - 54% 0% 8% 4% 4% 12% 19%
118 - - - 0% 12% 12% 6% 18% 53%
123 - - - - 25% 17% 17% 8% 33%
125 - - - - - 17% 17% 33% 33%
190 - - - - - - 0% 42% 58%
140 - - - - - - - 59% 41%
159
Tabela A.57 Matriz da terceira coleta de dados (1/7/2005) 16:15 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 14% 5% 2% 2% 7% 8% 62%
20 - 0% 8% 8% 0% 0% 83%
25 - - 24% 14% 5% 5% 52%
28 - - - 7% 17% 7% 70%
33 - - - - 32% 14% 54%
42 - - - - - 10% 90%
Tabela A.58 Matriz da terceira coleta de dados (1/7/2005) 16:15 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 10% 5% 8% 2% 6% 7% 3% 10% 48%
107 30% 2% 11% 2% 3% 11% 3% 7% 31%
111 - 9% 13% 3% 16% 9% 3% 19% 28%
180 - - 54% 4% 4% 8% 4% 0% 25%
118 - - - 6% 6% 19% 6% 6% 56%
123 - - - - 21% 14% 21% 14% 29%
125 - - - - - 18% 18% 27% 36%
190 - - - - - - 0% 33% 67%
140 - - - - - - - 48% 53%
Tabela A.59 Matriz da terceira coleta de dados (1/7/2005) 16:30 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 12% 3% 3% 2% 6% 9% 65%
20 - 0% 15% 5% 5% 5% 70%
25 - - 8% 17% 8% 0% 67%
28 - - - 5% 14% 5% 77%
33 - - - - 30% 15% 56%
42 - - - - - 13% 87%
Tabela A.60 Matriz da terceira coleta de dados (1/7/2005) 16:30 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 7% 5% 7% 3% 6% 3% 1% 10% 57%
107 20% 0% 9% 4% 7% 7% 2% 7% 44%
111 - 8% 8% 3% 19% 3% 3% 14% 43%
180 - - 50% 5% 9% 9% 0% 9% 18%
118 - - - 6% 12% 12% 6% 18% 47%
123 - - - - 31% 13% 13% 13% 31%
125 - - - - - 18% 9% 27% 45%
190 - - - - - - 0% 43% 57%
140 - - - - - - - 49% 51%
160
Tabela A.61 Matriz da terceira coleta de dados (1/7/2005) 16:45 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 17% 6% 2% 4% 7% 8% 56%
20 - 11% 22% 11% 11% 6% 39%
25 - - 25% 13% 6% 0% 56%
28 - - - 5% 16% 5% 74%
33 - - - - 34% 14% 52%
42 - - - - - 10% 90%
Tabela A.62 Matriz da terceira coleta de dados (1/7/2005) 16:45 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 6% 4% 8% 2% 4% 6% 2% 13% 54%
107 21% 1% 12% 3% 5% 10% 3% 8% 38%
111 - 11% 11% 3% 8% 8% 3% 19% 38%
180 - - 58% 0% 4% 8% 4% 8% 17%
118 - - - 0% 8% 12% 0% 16% 64%
123 - - - - 22% 17% 11% 17% 33%
125 - - - - - 14% 14% 29% 43%
190 - - - - - - 0% 50% 50%
140 - - - - - - - 63% 37%
Tabela A.63 Matriz da terceira coleta de dados (1/7/2005) 17:00 hs Sentido Norte
O/D 15 60 27 32 38 44 46
6 29% 5% 4% 5% 8% 7% 43%
20 - 7% 36% 14% 7% 0% 36%
25 - - 47% 27% 7% 0% 20%
28 - - - 12% 21% 9% 58%
33 - - - - 35% 12% 53%
42 - - - - - 14% 86%
Tabela A.64 Matriz da terceira coleta de dados (1/7/2005) 17:00 hs Sentido Sul
O/D 109 116 117 122 124 129 134 151 153
170 7% 5% 10% 1% 8% 6% 3% 11% 49%
107 21% 0% 12% 2% 7% 11% 4% 7% 37%
111 - 10% 15% 3% 23% 8% 3% 15% 23%
180 - - 72% 0% 8% 8% 4% 8% 0%
118 - - - 0% 13% 13% 4% 13% 58%
123 - - - - 39% 17% 22% 11% 11%
125 - - - - - 19% 25% 25% 31%
190 - - - - - - 0% 33% 67%
140 - - - - - - - 52% 48%