Microssimulação da mobilidade ativa

Prof. Dr. Ronny Marcelo Aliaga Medrano

Porque Simular pedestres e transporte não
motorizado?
• Operação da infraestrutura de transporte:

Análise de capacidade,
Nível de serviço das infraestruturas destinadas a transporte não
motorizado

2
Porque Simular pedestres e transporte não motorizado?

• Operação da infraestrutura de transporte:

Análise de capacidade,
Nível de serviço das infraestruturas destinadas a transporte não
motorizado

3
Porque Simular pedestres e transporte não
motorizado?
• Operação da infraestrutura de transporte:

Impacto e interação com transporte motorizado

4
Porque Simular pedestres e transporte não
motorizado?
• Evacuação:
Desempenho da segurança nos predios

5
Porque Simular pedestres e transporte não
motorizado?
• Planejamento urbano: visualização, conceito de espaços compartilhados

Rua de exibição, London, UK Brandenburger Tor, Berlin, Germany

6
Princípios de abordagem microscópica

Modelo de perseguição

• Busca traduzir a variação de velocidade de um veículo (chamado “perseguidor”)

como resposta ao estímulo representado pela velocidade relativa entre ele e o
veículo que se desloca a sua frente numa corrente de tráfego (chamado líder).
Modelo psicológico de “car following”
Reaction

Distance dx(t)
threshold
Condução Livre

Condução Livre

Travagem
Following (Aproximação)
Safety Distance

Travagm (Perigo)

Mais Mesma velocidade Mais rápido

lento que o veículo anterior
Diferença de velocidade dv(t)
Modelo de troca de faixa

Os pontos representam os eixos

de visibilidade

Area de visibilidade do motorista do

veículo
Modelo de troca de faixa
Modelo de troca de faixa
Modelo de troca de faixa
Modelo de troca de faixa
 Métodos para simulação de transporte não
motorizado
• Métodos simples e manuais de desenho de infraestrutura (desde 50 anos
atrás)
• modelos de simulação baseado em grades ( cellular automata)
• modelos de simulação dinâmicos

• Modelos Macroscópicos
• Modelos Microscópicos

• Modelos determinísticos
• Modelos estocásticos

14
Modelos de celulas automatas
• “Cellula Automata”
• 1936 Alam Turing formaliza o “Automata geral” chamado a “Turing
machine”
• Automatas Particulares
• 1945 John Von Newman cria o “Automata Celular”
Modelos de multi - agentes

Direção de destino
do pedestre

Vizinhança Vizinhança
Von Neumann Moore
(a) (a)
 O modelo de forças sociáis em VISSIM
• Desenvolvido pelo Prof. Dirk Helbing, ETH Zurich, Switzerland (1994)

• Cada pedestre é influenciado por um número de forças, exemplo forças repulsivas

de outros pedestres, forças repulsivas das bordas e de forças de direção ao
destino desejado de deslocamento.

Forces from
fellow
pedestrians Forces from borders

Driving force in the

desired direction of
motion

1
7
Calibração do modelo: com dados empíricos
Geralmente de videoprocessamento

1
8
Calibração do modelo: com dados empíricos
• Trajetorias dos pedestres com processamento avançado de video

1
9
Calibração de modelos: experimentos

Source: W. Daamen, Source: D. Helbing,

Technical University of Delft TU Dresden

20
Fatores que influenciam a velocidade de
deslocamento a pé

gradient age

Source: Weidmann
ETH Zurich
2
air temperature 1
time of day
Diagrama fundamental do fluxo de pedestres
• Ainda não existe um consenso científico sobre a forma do diagrama
fundamental

Quelle: W. Daamen,
Technical University of Delft
22
Experimentos: Fluxo atraves de engarrafamentos
• Engarrafamentos determinam os
tempos de viagem e evacuação em
grande medida

• Um entendimento preciso da
dinâmica dos engarrafamentos é
crucial para simulações mais
próximos da realidade

• A maior influencia é a idade do

pedestre

Quelle: T. Kretz,
Universität Duisburg-Essen

2
3
Fluxo atraves de engarrafamentos: efeitos de
arqueamento

Source: Predtetschenski & Milinski

2
4
Fluxo através de engarrafamentos: influência da
largura
• O fluxo específico (pedestres por metro e Segundo)
decresce com o a largura até 70 cm e partir desse ponto ela se mantem constante.

Source: T. Kretz,
University Duisburg-Essen
2
5
Fluxos através de engarrafamentos:
comportamento de concorrência

Em portas estreitas
O comportamento de
concorrência gera
maior demora

Source: H. Muir, Cranfield Institute

for Safety, Risk and Reliability

2
6
 Calibração do modelo: capacidade dos
engarrafamentos

27
Calibração do modelo: simulação do contra fluxo
> Muitos modelos produzem bloqueis completos
> Na realidade, os pedestres se organizam em faixas

28
Caminho curto vs Caminho rápido
Pedestres: Tipos, Classes, e compossições

30
 Pedestres: Área de edição

Control + z possível!
31
Pedestres: Routas

32
Mensuração do tempo de viagem de um pedestre

33
Níveis

show infrastructure

edit

show pedestrians

34
Rampas

35
 Interação com tráfego veicular e Transporte
Público

vehicle pedestrian
link link

pedestrian
area

36
 SUMO: Simulation of urban mobility

37