Escolar Documentos
Profissional Documentos
Cultura Documentos
Recebido: RESUMO
28 de fevereiro de 2018 Este ar3go tem como obje3vo principal propor um método para a modelagem do pro-
Aceito para publicação: cesso de aceitação de brechas em interseções urbanas não semaforizadas u3lizando o
17 de maio de 2018 microssimulador VISSIM. O método proposto tem como medida-alvo o tempo que o
Publicado: motorista leva no processo de avaliação das brechas, ou seja, o tempo de espera en-
4 de novembro 2018 quanto está na primeira posição da fila. O χ2 da aderência entre as distribuições dos
Editor de área: tempos de espera (simulados e observados) e a diferença entre as médias foram u3liza-
Sara Ferreira dos na es3mação da brecha crí3ca. O método foi aplicado em uma interseção da cidade
de Fortaleza. Os resultados indicaram valores levemente diferentes da brecha crí3ca en-
Palavras-chaves: tre os movimentos de conversão. O segundo obje3vo deste trabalho é comparar o mé-
Interseções não semaforizadas; todo proposto com o método de calibração mais convencional, no qual a medida-alvo é
Aceitação de brechas; uma medida de desempenho do tráfego, como o tamanho médio da fila. O método
Brecha crí3ca; proposto apresentou melhores resultados.
Simulação microscópica;
Calibração. ABSTRACT
The main objec3ve of this paper is to propose a method to model gap acceptance in
Keywords: urban two-way STOP-controlled intersec3ons using VISSIM microscopic simulator. The
Two-way STOP-controlled proposed method is based on the 3me that the driver takes in the process of gap ac-
intersec3ons; ceptance, that is, on the 3me that the vehicle stays in the first posi3on of the queue.
Gap acceptance;
The χ2 of the adherence between the wai3ng 3mes’ distribu3ons (simulated and ob-
Cri3cal gap; Microscopic simula3on;
served) and the difference between the means were used for the cri3cal gap es3ma3on.
Calibra3on.
The proposed method was applied to an intersec3on located in Fortaleza city. The re-
DOI:10.14295/transportes.v26i3.1603 sults indicated slightly different cri3cal gap values between turning movements. The sec-
ond objec3ve of this paper is to compare the proposed calibra3on procedure with the
conven3onal one, in which the calibra3on target is a traffic measure of effec3veness,
such as the average queue length. The proposed method yielded beDer results.
1. INTRODUÇÃO
A modelagem do trá fego urbano tem como objetivo primordial representar a formaçã o e a des-
carga das ilas nas interseçõ es. Para interseçõ es nã o semaforizadas (INS), as ilas nas aproxima-
çõ es secundá rias dependem fortemente do comportamento de aceitaçã o das brechas da via
principal pelos motoristas da via secundá ria. Esse processo de decisã o varia, dentre outros fa-
tores, com a percepçã o de cada condutor (Garber e Hoel, 2015) e com o tipo de conversã o (Bri-
lon et al., 1999; TRB, 2010; Elefteriadou, 2014), e é a partir dele, juntamente com a demanda
veicular na interseçã o e suas caracterı́sticas fı́sicas, que o comportamento da ila é modelado.
O software de microssimulaçã o VISSIM versã o 9.0 (PTV, 2016) disponibiliza dois modelos de
TRANSPORTES | ISSN: 2237-1346 25
Araújo, A.M..; Castro-Neto, M.M. Volume 26 | Número 3 | 2018
aceitaçã o de brechas: o con lict areas, ou á reas de con lito (AC), cuja abordagem é mais com-
plexa, com maior quantidade de parâ metros ajustá veis; e o priority rules, ou regras de priori-
dade (RP). Independente do modelo selecionado, a sua calibraçã o é condiçã o essencial para a
estimaçã o adequada das medidas de desempenho do trá fego.
Comumente, a calibraçã o de parâ metros de um modelo de microssimulaçã o tem como me-
dida-alvo (medida cujos erros entre os valores simulados e os observados em campo sã o mini-
mizados) a pró pria medida de desempenho do trá fego que se pretende estimar, como o tempo
de viagem, o atraso veicular, o comprimento de ila ou a capacidade (Liu et al., 2012; Martin-
Gasulla et al., 2017; Lidbe et al., 2016). A grande desvantagem desse procedimento de calibraçã o
é que essas medidas de desempenho podem ser bastante sensı́veis a outras variá veis que nã o
estã o diretamente relacionadas ao processo de aceitaçã o de brechas, como a pró pria demanda
na via secundá ria e o espaçamento entre os veı́culos quando estã o em ila. Portanto, se esses e
outros fatores nã o estã o bem representados no simulador, os valores calibrados para os parâ -
metros do modelo de aceitaçã o de brechas provavelmente nã o serã o adequados, pois a calibra-
çã o tentará compensar os erros de representaçã o desses fatores por meio de valores irreais dos
parâ metros.
Com base no que foi exposto, o objetivo principal deste trabalho é propor um mé todo para
modelagem do processo de aceitaçã o de brechas em interseçõ es nã o semaforizadas urbanas,
com uso do microssimulador VISSIM. Um segundo objetivo deste trabalho é comparar a calibra-
çã o proposta com a calibraçã o que tenha como medida-alvo uma medida de desempenho do
trá fego, como tamanho mé dio de ila, abordagem essa mais comum.
como objetivo a minimizaçã o dos erros de estimaçã o de uma medida-alvo. Sã o apresentados a
seguir alguns detalhes sobre a modelagem de aceitaçã o de brechas no simulador microscó pico
VISSIM.
• Con lict marker: é a seçã o de referê ncia para determinaçã o da brecha disponı́vel;
• Stop line: é a seçã o que de ine o local de parada dos veı́culos nas aproximaçõ es secundá -
rias;
• Min_gap_time: é o mı́nimo intervalo de tempo, entre o con lict marker e o veı́culo mais
pró ximo que está trafegando em direçã o a ele, para que a brecha seja aceita;
• Minimum headway (de espaço): é a mı́nima distâ ncia entre o con lict marker e o veı́culo
da via principal (veı́culo 1) a montante para que seja permitida a passagem do veı́culo
da aproximaçã o secundá ria (veı́culo 2). Ou seja, esse parâ metro impede a entrada do
veı́culo 2 na á rea de con lito quando ela estiver ocupada e, dessa forma, impacta basica-
mente em condiçõ es de congestionamento da via principal; e
• Maximum speed: é o limite de velocidade acima da qual os veı́culos da via principal nã o
sã o considerados na avaliaçã o do minimum headway de espaço. Ou seja, mesmo se o he-
adway de espaço disponı́vel nã o for aceitá vel, o veı́culo 2 irá atravessar a interseçã o caso
o veı́culo 1 esteja trafegando a uma velocidade maior que a de inida pelo parâ metro e se
a brecha disponı́vel for maior que o min_gap_time.
como medida-alvo para calibrar o min_gap_time o tempo de viagem necessá rio para os veı́culos
da aproximaçã o secundá ria se inserirem no luxo principal, cronometrado a partir do local onde
o veı́culo se posiciona para esperar por uma brecha aceitá vel até uma seçã o a jusante localizada
longe o su iciente para os veı́culos completarem sua fase de aceleraçã o. Poré m, vale salientar
que, apesar dessa medida-alvo nã o depender fortemente da demanda da via secundá ria, ela
possui a desvantagem de depender dos per is de aceleraçã o dos veı́culos. Viti et al. (2013) tam-
bé m ajustaram algumas funçõ es que relacionam o min_gap_time com a demanda da via princi-
pal e obtiveram valores de 2,6 a 5,3 segundos para diferentes condiçõ es de trá fego em 5 inter-
seçõ es nã o semaforizadas em forma de “T” localizadas na Lovaina, Bé lgica, totalizando 11 casos
de estudo. Compararam-se os resultados obtidos pela calibraçã o de diferentes modelos (fun-
çõ es mencionadas acima) e os melhores resultados foram obtidos com o modelo exponencial
proposto pelos autores.
3. MÉTODO EMPREGADO
O mé todo adotado neste trabalho é composto de trê s fases. A primeira consistiu na compreensão
do modelo RP, com base em revisã o bibliográ ica e em simulaçõ es preliminares que incluı́ram
aná lises de sensibilidade dos parâ metros.
A segunda fase do mé todo teve como objetivo principal estabelecer a estratégia de calibração
e de validação do modelo. Inicialmente foram escolhidos os parâ metros a serem calibrados,
como també m a medida-alvo de calibraçã o que isolasse os efeitos de outros fatores e cuja coleta
fosse viá vel. Em seguida, foram estabelecidos os crité rios para avaliar a qualidade do ajuste para
a calibraçã o e validaçã o, podendo ser uma simples medida de erro ou um teste estatı́stico para
veri icar a aderê ncia dos dados observados em campo à distribuiçã o de probabilidade que ge-
raram os dados simulados.
A terceira e ú ltima fase do mé todo foi a realizaçã o da calibração e da validação do modelo. O
primeiro passo desta fase foi a coleta dos dados de demanda, da medida-alvo e da infraestru-
tura. Antes da calibraçã o, recomenda-se realizar a comparaçã o entre as distribuiçõ es de fre-
quê ncia modelada no simulador e observada em campo dos headways (ou das brechas) da apro-
ximaçã o principal, já que a aceitaçã o de brechas é bastante dependente do padrã o de chegada
dos veı́culos da via principal (Kyte et al., 2003; TRB, 2010; Elefteriadou, 2014). Para a compara-
çã o entre os valores simulados e os observados em campo na fase de validaçã o, propõ e-se o uso
de intervalos de con iança (IC) em vez de testes de hipó teses de igualdade das mé dias, pois o IC
alé m de oferecer o resultado do referido teste de hipó tese, ele també m oferece uma estimativa
intervalar para a diferença; ou seja, alé m da signi icâ ncia estatı́stica, ele apresenta a signi icâ n-
cia prá tica. O procedimento de calibraçã o e validaçã o foi aplicado separadamente para cada mo-
vimento proveniente da aproximaçã o secundá ria, já que o tipo de conversã o é um dos fatores
que in luenciam o processo de aceitaçã o de brechas (TRB, 2010; Elefteriadou, 2014).
Ao inal, o mé todo de calibraçã o proposto foi comparado com o mé todo convencional, em
que a medida-alvo é a medida de desempenho do trá fego que se deseja estimar, como tamanho
mé dio de ila ou atraso. Para o desenvolvimento deste trabalho, foi criada uma rotina computa-
cional em linguagem de programaçã o Python, que possui fá cil acesso e manipulaçã o aos objetos
e funçõ es do VISSIM por meio de interface COM.
proposto em uma interseçã o cujo luxo principal chegasse à interseçã o de forma mais aleató ria
possı́vel, pois a chegada em pelotõ es permitiria que os veı́culos da via secundá ria se inserissem
apenas apó s a passagem de todo o grupo e, portanto, pouco dependeria da brecha crı́tica dos
condutores. Na escolha da INS, tomou-se como referê ncia o banco de dados contendo a locali-
zaçã o dos semá foros de Fortaleza. A INS selecionada foi a do cruzamento entre as ruas Pereira
Valente (via principal) e Coronel Linhares, ambas de sentido ú nico, indicada na Figura 2 pelo
sinal de “Pare”; nela també m sã o mostrados os semá foros mais pró ximos dessa interseçã o.
Na simulaçã o, a localizaçã o da seçã o de referê ncia para obtençã o dos dados do tempo de
espera (data collection points) foi escolhida de forma que os veı́culos da via secundá ria, ao ava-
liarem as brechas, parem sobre ela. Tal seçã o nã o poderia coincidir com a faixa de retençã o (stop
line) do modelo porque a maioria dos veı́culos para a montante dela. Em contrapartida, a seçã o
nã o poderia ser posta muito antes porque o tempo de espera começaria a ser contabilizado
precocemente.
Os tempos de espera obtidos no simulador foram ajustados a im de descontar parte do
tempo de desaceleraçã o dos veı́culos da via secundá ria contabilizado nos dados modelados,
pois foi observado que no modelo esse processo de desaceleraçã o ocorre de maneira mais de-
morada. O valor desse ajuste foi estimado de tal forma que, ao subtraı́-lo das observaçõ es simu-
ladas, a diferença absoluta entre as mé dias da medida-alvo obtida em campo e no modelo fosse
mı́nima, considerando apenas os veı́culos que pararam momentaneamente e aceitaram a pri-
meira brecha disponı́vel, representando assim uma situaçã o que depende exclusivamente de
fatores externos ao processo de aceitaçã o de brechas. O intuito dessa correçã o é tornar as ob-
servaçõ es simuladas equipará veis à s obtidas em campo, evitando a superestimaçã o causada
pelo tempo excessivo de desaceleraçã o dos veı́culos computado em forma de tempo de espera
modelado, alé m do efeito de outros fatores como o tempo de reaçã o dos motoristas e a pró pria
localizaçã o da seçã o de referê ncia.
A amostra de campo dos tempos de espera referentes à situaçã o de parada momentâ nea,
desconsiderando os que foram agressivos a ponto de apenas desacelerar mas sem parar, foi es-
tabelecida com base nas ilmagens, enquanto a amostra dos tempos mı́nimos de espera mode-
lados foi obtida a partir dos resultados das simulaçõ es do modelo da interseçã o modi icado
apenas quanto à ausê ncia de demanda na aproximaçã o principal. O ajuste necessá rio foi entã o
estimado pela diferença entre as mé dias dessas duas amostras, para cada movimento de con-
versã o, que foi de 2,3 s para o movimento seguir em frente e 2,1 s para a conversã o à direita.
Tanto para a veri icaçã o dos headways na via principal quanto na calibraçã o e na validaçã o
do modelo, as distribuiçõ es observada em campo e simulada da variá vel em questã o (headway
ou tempo de espera) foram comparadas usando a estatı́stica χ2, com nı́vel de signi icâ ncia de
5%.
Cabe ressaltar um importante contraponto ao que é comumente encontrado na literatura,
onde as frequê ncias da distribuiçã o dos dados observados em campo sã o consideradas como as
frequê ncias esperadas (Jie et al., 2013) no cô mputo da estatı́stica χ2. Neste artigo sugere-se uti-
lizar as frequê ncias segundo as classes da distribuiçã o dos dados simulados como as frequê n-
cias esperadas, pois o teste de aderê ncia deve avaliar se os dados observados em campo podem
ser considerados uma amostra da distribuiçã o de probabilidade da variá vel gerada pelo modelo
de simulaçã o. O mesmo acontece quando se testa se uma variá vel pode ser bem representada
por uma distribuiçã o de probabilidade: tomam-se as frequê ncias segundo o modelo de proba-
bilidade como as frequê ncias esperadas, e nã o o contrá rio. Alé m disso, tratar as frequê ncias
simuladas como esperadas possibilita a obtençã o de quantas observaçõ es forem desejadas, ob-
tendo-se assim frequê ncias esperadas mais representativas da populaçã o de inida pelo modelo.
Para a calibraçã o e validaçã o, estimou-se a diferença entre as mé dias dos valores simulados
e observados da variá vel tempo de espera, sendo a validaçã o apoiada pela estimaçã o intervalar
dessa diferença, com grau de con iança de 95%.
Os valores considerados para o dado de entrada desired speed foram obtidos dos estudos de
Lacerda e Castro-Neto (2014) e Lacerda (2016), que foram coletados em vias de Fortaleza loca-
lizadas relativamente pró ximas ao cruzamento de estudo, enquanto os demais parâ metros com-
portamentais do VISSIM, exceto o min_gap_time, foram mantidos em seus valores default.
ré m nã o insigni icantes para a diferença entre as mé dias. Com base em ambos os crité rios, ado-
tou-se o valor de 4,1 s para o parâ metro (em destaque na igura), correspondendo ao menor χ2
(0,6) e a uma pequena diferença absoluta entre as mé dias amostrais simulada e observada (0,2
segundos).
De forma aná loga, realizou-se a calibraçã o do parâ metro para a conversã o à direita. Dentre
os cená rios avaliados para esse movimento, os valores abaixo de 3,3 s e o valor de 4,5 s corres-
ponderam a um χ2 superior ao crı́tico (igual a 9,5), alé m de terem apresentado as maiores dife-
renças absolutas entre as mé dias da medida-alvo. Os menores valores de χ2 foram obtidos com
min_gap_time entre 3,6 e 4,2 s, sendo o valor de 3,9 s o que resultou no menor χ2 (6,1) e a uma
pequena diferença absoluta entre as mé dias amostrais (0,5 s). Atribuindo-se maior peso à com-
paraçã o entre as distribuiçõ es e considerando que 0,5 s de diferença absoluta entre as mé dias
nã o é muito relevante, adotou-se 3,9 s como o valor calibrado para o parâ metro. O valor ó timo
nesse caso foi levemente inferior ao obtido para o movimento de seguir em frente, em acordo
com o esperado (TRB, 2010). Isso possivelmente acontece porque a á rea de con lito no caso da
conversã o é menor, ocorrendo principalmente na faixa de trá fego mais pró xima.
Para a validaçã o do modelo foram obtidas as trê s distribuiçõ es dos tempos de espera do pri-
meiro veı́culo da ila mostradas na Figura 5 (N = 229 observaçõ es): coletada em campo, obtida
pelo modelo com o min_gap_time calibrado (4,1 s) e a com o parâ metro com valor default (3,0
s), para o movimento seguir em frente.
Como é possı́vel perceber, a aderê ncia entre a distribuiçã o de campo e a com o parâ metro
calibrado foi satisfató ria, correspondendo a uma estatı́stica χ2 de validaçã o igual a 7,9 e resul-
tando na nã o rejeiçã o da hipó tese nula de que a amostra observada pode ser bem representada
pelo modelo de simulaçã o; já a distribuiçã o com valor default se distanciou mais, principal-
mente nas classes das extremidades, cuja hipó tese nula foi rejeitada com χ2 de 55,1. A mé dia
dos tempos de espera simulados pelo modelo calibrado foi de 8,4 s, enquanto a mé dia obtida
em campo foi de 8,1 s, com um intervalo de con iança de 95% para a diferença entre as mé dias
igual a [-1,2 s; 0,5 s]. Portanto, há indı́cios que as mé dias dos tempos de espera modelados e
observados sã o muito similares.
As distribuiçõ es da medida-alvo obtidas para a conversã o à direita sã o apresentadas na Fi-
gura 6 (N = 107 observaçõ es). Nesse caso, a aderê ncia entre as distribuiçõ es observada em
campo e simulada com parâ metro calibrado foi melhor do que para o movimento de seguir em
frente, com χ2 de validaçã o de apenas 4,3, enquanto a aderê ncia da distribuiçã o com valor de-
fault foi menos satisfató ria poré m també m sem rejeiçã o da hipó tese nula (χ2 de 5,7). As mé dias
das amostras obtidas em campo e simulada foram, respectivamente, iguais a 6,9 e 7,9 segundos,
com um IC de 95% para a diferença entre as mé dias igual a [-1,9 s; 0,0 s]. Como o zero se encon-
tra no limite do intervalo, há indı́cios para se acreditar que as mé dias populacionais do tempo
de espera simulado e observado sã o similares.
ser observada uma aderê ncia um pouco menos satisfató ria da distribuiçã o referente à calibra-
çã o do parâ metro pelo tamanho mé dio de ila, principalmente nas classes mais extremas, com
χ2 de 9,3, enquanto o valor pelo mé todo proposto foi de 7,9. A hipó tese nula de aderê ncia entre
a distribuiçã o default e a de campo foi rejeitada com um χ2 de 55,1.
6. CONCLUSÕES
Embora a literatura apresente diversos trabalhos publicados sobre aceitaçã o de brechas em in-
terseçõ es nã o semaforizadas, relativamente pouca atençã o tem sido dada à modelagem por
meio da microssimulaçã o. Este trabalho propõ e um mé todo de calibraçã o e de validaçã o do mo-
delo RP do VISSIM que tem como medida-alvo o tempo de espera do veı́culo que aguarda por
uma brecha. Embora tenha se utilizado o VISSIM, o mé todo proposto pode ser aplicado em ou-
tros simuladores cujos modelos de aceitaçã o de brechas també m sã o baseados em parâ metros
de brecha crı́tica, como o TransModeler e o Aimsun.
O valor calibrado de min_gap_time para o movimento seguir em frente foi um pouco superior
ao da conversã o à direita, corroborando o conhecimento pré vio. Ambos os valores foram supe-
riores ao valor default do VISSIM, sugerindo que os motoristas do cruzamento em aná lise apre-
sentaram per il mais cauteloso quando comparado ao per il padrã o adotado no microssimula-
dor.
Na etapa de validaçã o, a hipó tese de que os dados observados de tempo de espera se aderem
bem ao modelo nã o pô de ser rejeitada. Alé m disso, as mé dias dos tempos de espera modelados
para ambos os movimentos foram similares à s observadas em campo, com uma leve superesti-
maçã o para o caso do movimento de conversã o à direita. Para a obtençã o de um intervalo de
con iança e uma segmentaçã o do tempo de espera em classes mais estreitas e uma maior sen-
sibilidade da estatı́stica χ2, pode-se coletar mais observaçõ es em campo. Destaca-se també m a
importâ ncia de estabelecer um crité rio que combine ambas as medidas de ajuste adotadas (χ2
e diferença entre as mé dias) a im de tornar a calibraçã o mais objetiva.
O comparativo realizado entre os mé todos de calibraçã o considerados indicou que o ajuste
feito com base em medidas de desempenho do trá fego, como tamanho mé dio de ila, pode gerar
resultados menos precisos, já que tais medidas dependem de outras variá veis como a demanda
e o espaçamento entre os veı́culos. O problema pode ser agravado nos casos de ilas mais exten-
sas e variá veis e na calibraçã o de mais de um parâ metro, pois pode resultar em combinaçõ es de
valores inadequados dos parâ metros, mesmo que as diferenças entre os valores da medida de
desempenho simulados e observados em campo sejam pequenas. Dessa forma, propõ e-se a ca-
libraçã o do min_gap_time com base na medida-alvo tempo de espera do primeiro veı́culo da ila,
pois essa medida depende primordialmente do parâ metro.
Por se tratar de um mé todo com base na distribuiçã o de frequê ncia de variá veis desagrega-
das, ele é relativamente exigente quanto ao esforço de coleta em campo. Por im, sugere-se que
em trabalhos futuros o mé todo aqui proposto seja aplicado para outras interseçõ es, possibili-
tando comparaçõ es entre os resultados para cruzamentos nã o semaforizados com diferentes
caracterı́sticas fı́sicas e operacionais. A menos que as caracterı́sticas da interseçã o em aná lise
sejam semelhantes, os valores de min_gap_time aqui obtidos nã o devem ser utilizados, poré m o
mé todo proposto pode ser aplicado, com possı́veis adaptaçõ es.
AGRADECIMENTOS
Os autores agradecem ao CNPq o suporte inanceiro por meio de bolsas e recursos de custeio.
REFERÊNCIAS
Brilon, W.; R. Koenig e R. J. Troutbeck (1999) Useful estimation procedures for critical gaps. Transportation Research Part A:
Policy and Practice, v. 33, n. 3-4, p. 161-186. DOI:10.1016/S0965-8564(98)00048-2.
Depiante, V. S. e J. J. Galarraga (2012) Intervalos Criticos y Capacidad en Intersecciones no Semaforizadas de Tres Ramas. Con-
greso Panamericano de Ingeniería de Tránsito, Transporte y Logística, PANAM, Santiago, Chile.
Elefteriadou, L. (2014) An Introduction to Traf ic Flow Theory. Ed. Springer, New York. DOI:10.1007/978-1-4614-8435-6.
Garber, N. J. e L. A. Hoel (2015) Traf ic and Highway Engineering. 5. Ed. CL Engineering.
Jie, L.; H. V. Zuylen; Y. Chen; F. Viti e I. Wilmink (2013) Calibration of a Microscopic Simulation Model for Emission Calculation.
Transportation Research Part C: Emerging Technologies, v. 31, n. 0, p. 172-184. DOI:10.1016/j.trc.2012.04.008.
Kyte, M.; M. Dixon e P. M. Basavaraju (2003) Why Field Measurements Differ from Model Estimates. Transportation Research
Record: Journal of the Transportation Research Board, v. 1852, p. 32-39. DOI:10.3141/1852-05.
Lacerda, V. M. e M. M. Castro-Neto (2014) Consideraçõ es sobre a Calibraçã o do Modelo de Car-following do VISSIM para Vias
Arteriais Urbanas. Anais do XXVIII Congresso de Pesquisa e Ensino em Transportes, ANPET, Curitiba.
Lacerda, V. M. (2016) Estimação da Velocidade Média em Vias Urbanas com Uso do Microssimulador VISSIM. Dissertaçã o (Mes-
trado em Engenharia de Transportes). Programa de Pó s-Graduaçã o em Engenharia de Transportes, Universidade Federal
do Ceará , Fortaleza, CE.
Lidbe, A. D.; A. M. Hainen e S. L. Jones Jr. (2016) Comparative Study of Simulated Annealing and Genetic Algorithm for Calibra-
tion of Microsimulation Model. In: Transportation Research Board 95th Annual Meeting, Washington, USA.
Liu, P.; X. Q. H. Yu; W. Wang e B. Cao (2012) Development of a VISSIM Simulation Model for U-Turns at Unsignalized Intersec-
tions. Journal of Transportation Engineering, v. 138, n.11, p. 1333-1339. DOI:10.1061/(ASCE)TE.1943-5436.0000438.
Martin-Gasulla, M.; A. Garcı́a e C. Llorca (2017) Headway Acceptance Decisions on Single-Lane Roundabouts in Spain. Critical
and Follow Headway. In: Transportation Research Board 96th Annual Meeting, Washington, USA.
Mohan, M. e S. Chandra (2016) In luence of Major Stream Composition on Critical Gap at Two-Way Stop-Controlled Intersec-
tions. In: Transportation Research Board 95th Annual Meeting, Washington, USA.
PTV (2016) VISSIM 9.0. Manual do Usuá rio. Plannung Transport Verkehr AG, Karlsruhe, Germany.
Raff, M. S. (1950) A Volume Warrant for Urban Stop Signs. Eno Foundation for Highway Traf ic Control, Saugatuck, Connecticut.
Tarko, A. e Z. Tian (2003) Example Analysis and Handling of Uncertainty in the Highway Capacity Manual with Consideration
of Traf ic Diversion. Transportation Research Record: Journal of the Transportation Research Board, v. 1852, p. 40-46.
DOI:10.3141/1852-06.