Escolar Documentos
Profissional Documentos
Cultura Documentos
C ENTRO DE T ECNOLOGIA
D EPARTAMENTO DE E NGENHARIA DE P RODUÇÃO
C URSO DE G RADUAÇÃO EM E NGENHARIA DE P RODUÇÃO
Natal
2018
JADSON FERREIRA JACOB
Natal
2018
Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede
A Deus, autor e consumador da minha fé, de quem é o reino, e o poder, e a glória, para
sempre. “Ele não é servido por mãos de homens, como se necessitasse de algo, porque ele mesmo
dá a todos a vida, o fôlego e as demais coisas. (...) Deus fez isso para que os homens o buscassem
e talvez, tateando, pudessem encontrá-lo, embora não esteja longe de cada um de nós. ‘Pois nele
vivemos, nos movemos e existimos’ ”. (Atos 17:24-31)
À minha esposa e amiga Katiana, pela compreensão e parceria de todos os dias e noites
em claro, e aos meus filhos Israel e Isabelly. Obrigado pelo amor incondicional que vocês tem
por mim.
Ao meus pais, Manoel Jacob Sobrinho e Francinete Ferreira Jacob (in memorian), não
tenho palavras suficientes para agradecer tudo o que fizeram por mim. Apesar de serem pessoas
humildes, ao ponto de ir dormir sem saber o que colocar à mesa no dia seguinte, sempre me
incentivaram a me esforçar nos estudos.
A todos os meus colegas de graduação, deixo meu respeito e admiração, pessoas maravi-
lhosas que abrilhantaram as nossas discussões nos trabalhos e visitas, além do desempenho e
bons momentos que tivemos nas disciplinas de Empreendedorismo, negócios e gestão de projetos
inovadores; Projetos de Empreendimento; Teoria das Filas e Simulação; Engenharia Econômica;
Ergonomia.
Agradecimentos especiais são direcionados ao Grupo de pesquisa POLO - Pesquisa
Operacional e Logística da Universidade de Federal do Rio Grande do Norte, na pessoa do Prof.
Dr. Werner Kleyson da Silva Soares, que contribuiram e que ainda contribuirão para a evolução
dos estudos em Pesquisa Operacional e Logística da Engenharia de Produção na UFRN.
Aos colegas de trabalho na Biblioteca Setorial de Odontologia da UFRN e todos aqueles
que contribuíram para que a execução e conclusão desse trabalho fosse possível, agradeço pela
ajuda, orientação e paciência.
“Quem não entende, por todas estas coisas, que a mão do Senhor fez isto?
(Bíblia Sagrada, Jó 12:9)
“E não vos conformeis a este mundo, mas transformai-vos pela renovação da vossa mente, para
que experimenteis qual seja a boa, agradável, e perfeita vontade de Deus.
(Bíblia Sagrada, Romanos 12:2)
RESUMO
Os congestionamentos causam prejuízos financeiros, na saúde e no meio ambiente. Entretanto,
para efetuar uma melhoria assertiva no fluxo de veículos, são necesarios investimentos em
infraestrutura, a fim de reduzir os “gargalos” do tráfego. Assim, o presente estudo objetiva
encontrar soluções para beneficiar o fluxo de veículos, por meio da modificação do funcionamento
do semáforo em simulações. Após modelagem e validação do modelo computacional, foram
feitas, no software Anylogic
,R simulações de implementação de tempos de verde diferentes
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1 PROBLEMATIZAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2 OBJETIVOS E JUSTIFICATIVA . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.2 Contextualização e Justificativa . . . . . . . . . . . . . . . . . . . . . . . 17
2 REVISÃO BIBLIOGRÁFICA . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1 CONCEITOS BÁSICOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Distribuição de Probabilidades . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Processos estocásticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 REFERENCIAL TEÓRICO . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 Teoria das filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.3 Estudo de tráfego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.3.1 Controle semi-atuado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3.2 Controle totalmente atuado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.4 Poluentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 SOFTWARES DE SIMULAÇÃO DE TRÁFEGO . . . . . . . . . . . . . . . 30
2.4 SOFTWARE ANYLOGIC
R . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 PROCEDIMENTOS METODOLÓGICOS . . . . . . . . . . . . . . . . . . . 33
3.1 COLETA E ANÁLISE DOS DADOS REAIS . . . . . . . . . . . . . . . . . . 35
3.2 ANÁLISE DAS SIMULAÇÕES . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 DESENVOLVIMENTO, VERIFICAÇÃO E VALIDAÇÃO DO MODELO . . . . 38
4 IMPLEMENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1 A SIMULAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.1 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.1.1 Experimento 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.1.1.2 Experimento 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.1.1.3 Experimento 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.1 ANÁLISE DOS RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . 60
6 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
APÊNDICES 71
15
1 INTRODUÇÃO
1.1 PROBLEMATIZAÇÃO
Destacada com um círculo vermelho na Figura 1 está a Rua dos Pegas e o início da Av.
Bernardo Vieira, na altura do semáforo da intersecção entre as duas vias. A “Ponte de Igapó”
está localizada na parte superior esquerda do mapa. Por esta ponte passavam em média cerca de
32870 veículos todos os dias conforme relatório do Departamento Nacional de Infraestrutura e
Transportes (2009) já em 2009, quando a frota de veículos da cidade era da ordem de 256056
veículos. Com a inauguração do Aeroporto Internacional de Natal Governador Aluízio Alves em
maio de 2014, houve um incremento à taxa de crescimento do número de veículos que passam
pela ponte seguindo pela Av. Bernardo Vieira, passando pelo encontro com a Rua do Pegas
em Natal / RN. Em junho de 2017, a frota em Natal chegou a 387767 veículos (DETRAN/RN,
2017).
Por causa desses fatores, dentre outros, o tempo gasto no deslocamento diário sofre
um acréscimo devido à ocorrência de congestionamentos. Um dos prejuízos gerados por esses
Capítulo 1. INTRODUÇÃO 17
engarrafamentos foi estimado pelo Sistema FIRJAN (2015), cujo relatório apontou que em
Natal, 205 mil trabalhadores levaram, em média, 109 minutos nos deslocamentos casa-trabalho-
casa, considerando apenas os deslocamentos acima de 30 minutos no ano de 2012. Segundo a
instituição, isso gerou o que foi chamado de custo da produção sacrificada, isto é, quanto poderia
ser produzido na economia no mesmo tempo gasto nos deslocamentos, de valores acima de R$
537,6 milhões naquele ano.
A partir dessas informações, e levando em consideração os problemas acarretados por
congestionamentos, no presente estudo foram desenvolvidos modelos computacionais no intuito
de responder ao problema de pesquisa: Os modelos desenvolvidos podem ser usados como
opções de melhoria do trânsito local do estudo para tomada de decisão?
1.2.1 Objetivos
O presente estudo tem como objetivo geral encontrar soluções para melhorar o fluxo de
veículos, por meio da modificação do funcionamento do semáforo em simulações. Para isso,
compõe o escopo do estudo, isto é, os objetivos específicos deste trabalho:
neste estudo constitui mais uma abordagem daquilo que o engenheiro de produção é capacitado
a fazer.
Además, a observação das atividades do cotidiano foi um dos motivadores do tema
deste trabalho. Em muitas ocasiões as filas acabam sendo inevitáveis e por vários motivos
como: falha no sistema, quantidade de atendentes insuficientes, grande variação na demanda
e outros motivos. No transito não é diferente. O crescimento dos congestionamentos demanda
intervenções estruturais para minimizar os problemas causadores dos “gargalos” na via. Para isso
é importante um estudo de viabilidade podendo ser usadas simulações computacionais para um
investimento em melhorias mais assertivo, trazendo assim benefícios à sociedade, quais sejam, a
possibilidade de despender menos tempo nos congestionamentos do trânsito diário.
Ainda, quanto à análise dos benefícios ambientais das melhorias no fluxo de veículos,
estudos de SALDIVA et al. (2007) mostram que aproximadamente 3 mil mortes por ano em
São Paulo estão relacionadas à poluição do ar, representando um custo anual de cerca de R$ 1,5
bilhão, além das 200 doenças associadas, o que evidencia a importancia de estudos para redução
das emissões de poluentes.
Além disso, as pesquisas academicas no tema Simulação na Engenharia de Produção tem
maior relação com a solução de problemas organizacionais e gestão da produção e de serviços,
de modo que os artigos com as palavras chave ’traffic congestion’, ’simulation’, ’computer
simulation’ e ’optimization’ representam apenas 16,2% das buscas em engenharia (dentre 48602
resultados para ’production’ e ’simulation’ em engenharia desde 2013) na base de dados SCOPUS
nos últimos cinco anos, e apenas 0,04% se acrescentada a palavra ’Anylogic’ na busca. Portanto
há uma baixa utilização da simulação de tráfego urbano com o software Anylogic nos estudos
envolvendo engenharia e produção.
A seguir é levantado na revisão bibliográfica o referencial teórico, abordando os conceitos
básicos necessários ao estudo de filas e simulação de sistemas, seguidos do estado da arte no
tema. Depois é introduzido, no capítulo seguinte, o programa de simulação utilizado no estudo.
Na sequência é descrita a metodologia utilizada na execução dos trabalhos e implementação
dos sistemas. São mostrados, em seguida, na seção resultados, os achados da investigação. O
relato termina na seção de análise dos resultados, com a interpretação e os comentários sobre
o significado dos resultados e a comparação com outros achados de pesquisas sobre o assunto,
seguido da conclusão.
19
2 REVISÃO BIBLIOGRÁFICA
A seguir são abordados alguns conceitos das várias áreas a Engenharia de Produção
necessários ao entendimento do estudo e utilizados nas várias etapas deste trabalho, começando
pelas definições mais fundamentais e termina tratando um pouco sobre programas específicos da
engenharia de tráfego.
Para variáveis contínuas, as probabilidades são estabelecidas por intervalos, uma vez que
a probabilidade associada a um número específico é zero, de modo que:
Z b
P(a ≤ X ≤ b) = f (x)dx (2.2)
a
M: Markoviano: Quando for uma distribuição Exponencial, os dados utilizados são os tempos
entre chegadas; quando for distribuição de Poisson, são taxa de chegada;
O modelo markoviano de fila M/M/1 (ou seja, modelo M/M/1/∞/FIFO) é um dos modelos
mais usados nos estudos acerca da teoria de filas (KLEINROCK; GAIL, 1996). Para um processo
representado por esse modelo em um sistema no regime estacionário, as medidas de desempenho
auxiliam na avaliação da produtividade e em seu dimensionamento. Algumas dessas medidas
são:
2. W = Wq + 1µ 4. Lq = L − λ ∗ µ1
Onde:
1
λ : Intervalo entre chegadas;
...possui propriedades que garantem que ’uma variável aleatória com distribui-
ção Erlang de parâmetros k e ku equivale a uma soma de k variáveis aleatórias
exponenciais de parâmetros idênticos ku’ permite simplificar a modelagem do
sistema no estado de regime estacionário, considerando o serviço como uma
sequência de k fases (com tempos identicos e exponencialmente distribuídos
com parâmetros ku).
2.2.2 Simulação
Simulação é a experimentação de um sistema real através de modelos matemáticos e
computacionais, e implica na modelagem de um processo ou sistema, de tal forma que o modelo
imite as respostas do sistema real numa sucessão de eventos que ocorrem ao longo do tempo. É
o processo de projetar um modelo de um sistema real e conduzir experimentos com esse modelo
com o propósito de entender seu comportamento e/ou avaliar estratégias para sua operação
(BATERMAN et al., 2013).
Capítulo 2. REVISÃO BIBLIOGRÁFICA 23
Já para Schmidt e Taylor (1970), Sistemas podem ser definidos como “um conjunto de
objetos, como pessoas ou máquinas, por exemplo, que atuam e interagem com a intenção de
alcançar um objetivo ou um propósito lógico”. Além disso, Modelos podem ser classificados
em físicos e lógicos (ou matemáticos). São uma representação, imitação dos sistemas reais
(KELTON; SADOWSKI; STURROCK, 2007).
Desse modo, a simulação de sistemas é útil para prever o comportamento futuro dos
sistemas usando modelos, isto é, antecipar os efeitos produzidos por alterações ou pelo emprego
de outros métodos em suas operações, o que permite ao analista realizar estudos sobre os
correspondentes sistemas para responder questões do tipo: “O que aconteceria se?” Com isso
é possível construir hipóteses a partir de observações efetuadas através de modelos devido a
facilidade de compreensão e aceitação dos resultados, a qual deve-se a fatores como:
• Níveis de detalhes;
Capítulo 2. REVISÃO BIBLIOGRÁFICA 24
As motivações para a elaboração de simulação de sistemas podem ser das mais variadas,
dentre as quais podem ser destacadas:
1. O sistema modelado ainda não existe: Neste caso a simulação poderá ser usada para
planejar o novo sistema;
2. Experimentar com o sistema real é dispendioso: O modelo poderá indicar, com muito
menos custo, quais os benefícios de se investir em um novo equipamento, por exemplo;
elementos de dois ou mais métodos são utilizados no modelo de simulação (CHWIF; MEDINA,
2006; HOOGENDOORN; BOVY, 2001).
∑ni=1 (vi − 5)
(FS) = , n ≥ 15, vi ≥ 6 (2.3)
∑ni=1 (ti − ti 5)
Onde:
Como mostra a Figura 2, o tempo de verde efetivo é o intervalo do tempo de sinal verde
no qual ocorre o fluxo máximo de automóveis (FS), que é o tempo realmente aproveitado pela
fase do tempo de verde na aproximação semafórica. O tempo de verde perdido ou tempo morto é
o tempo que se perde devido às reações dos motoristas para acelerar no início e, no fim do tempo
de verde de uma dada fase, frenar, quando o fluxo é desprezível. A partir da Figura 2, observa-se
que a taxa de descarga da fila em períodos saturados é máxima entre os tempos perdidos inicial e
final da fase.
Capítulo 2. REVISÃO BIBLIOGRÁFICA 27
ge f
C p = FS ∗ ( ) (2.4)
C
Onde o tempo de verde efetivo (ge f ) é calculado pela soma do tempo de verde normal
(g) com o tempo de amarelo (ta ), subtraindo o tempo perdido por fase (Ii ):
ge f = (g + ta ) − Ii (2.5)
E, pelo método de Webster apud Santos (2007), o Fluxo de Saturação (FS) pode ser tam-
bém definido, embora não mais representando um comportamento dinâmico, pela multiplicação
da largura L da via (em metros) por 525, para larguras superiores ou iguais a 5,5m:
FS = 525 ∗ L (2.6)
Para largura L menor que 5,5m, o Fluxo de Saturação segue os valores fornecidos pela
tabela 1.
Se a largura da via não compreender algum dos valores da Tabela 1, podem ser usadas,
para a determinação do FS, as equações 2.6 ou 2.3. O fluxo de veículos pode ser melhor
identificado e caracterizado com a ajuda de detectores de tráfego, que são dispositivos que têm a
função de detectar a demanda de tráfego (veículos motorizados, não motorizados e pedestres). A
Figura 3 traz um exemplo de detector de tráfego.
Capítulo 2. REVISÃO BIBLIOGRÁFICA 28
Existem diferentes tecnologias utilizadas para este tipo de dispositivo que são escolhidas
de acordo com a necessidade e características de cada local. Segundo o Conselho Nacional de
Trânsito (2014), os laços detectores indutivos da Figura 3 são um dos mais utilizados para a
detecção do tráfego veicular. O Conselho Nacional de Trânsito (2014) afirma também que:
Os laços indutivos podem ser úteis para a instalação de semáforos dinâmicos, que
funcionam por controle atuado pelo tráfego, e podem ser classificados em semi-atuados e
totalmente atuados.
• Pode ter também o propósito de minimizar o atraso total da interseção a partir da identifi-
cação do melhor instante de corte do verde, chamada de estratégia de corte ótimo.
Para fins de cálculo do tempo de ciclo no sistema atuado pela estratégia de corte ótimo,
adotou-se como tempo de ciclo fixo o tempo de ciclo real. Assim, o tempo de ciclo seria calculado
a partir do tempo de ciclo fixo (Conselho Nacional de Trânsito, 2014):
tc = 1, 4 ∗ tc f ixo (2.7)
em que:
tc : Tempo de ciclo adotado para o cálculo do verde máximo, em segundos;
tc f ixo : Tempo de ciclo real adotado para tempo fixo, em segundos.
2.2.4 Poluentes
Conforme afirma Souza (2017), as emissões veiculares são divididas em gases poluentes
e gases de efeito estufa. As emissões são medidas em g/Km. Em paízes da união européia, e
Japão, os níveis de emissão de CO2 são da ordem de 130 g/Km e 125 g/Km, espectivamente.
Nos EUA, o fator de emissão chega a 240 g/Km, isto é, são produzidas 240 g de CO2 a cada
kilômetro rodado. No Brasil, esse fator para automóveis pode chegar a 271 g/Km (GALBIERI et
al., 2017; PAIVA et al., 2014).
Gases poluentes são os hidrocarbonetos não-metano - NMHC, o monóxido de carbono -
CO e os óxidos de hidrogênio - NOx . Gás de efeito estufa é principalmente o dióxido de carbono -
Capítulo 2. REVISÃO BIBLIOGRÁFICA 30
CO2 . Essas emissões são responsáveis pelo despejo na atmosfera de várias substâncias, que, além
das anteriormente citadas, são também os Hidrocarbonetos - HC, Aldeídeos - RCHO e Material
Particulado - MP. Os gases poluentes são os que mais oferecem riscos à saúde, principalmente
problemas respiratórios (PAIVA et al., 2014).
Os gases de efeito estufa, como o CO2 , causam poucos prejuízos à saúde, mas contribuem
para a formação do fenômeno do aquecimento global. Souza (2017) elenca os principais resíduos
poluentes da queima veicular, que são:
• Monóxido de carbono (CO) é produto da combustão em condições não iteais, com oxigênio
insuficiente para a queima, geralmente em áreas urbanas. Causa fadiga e dores no peito
podendo, em altas concentrações, levar à asfixia e morte;
• AIMSUN: Destaca-se pela alta velocidade de suas simulações e pela junção de modelagem
da demanda, alocação de tráfego estático e dinâmico nas escalas mesoscópica e microscó-
pica. O Software de modelagem de tráfego permite modelar a partir de um único corredor.
Capítulo 2. REVISÃO BIBLIOGRÁFICA 31
Este simulador proporciona uma opção adicional para modelar aspectos dinâmicos de
amplas redes quando comparada com outro micro simulador.
Dentre eles, o AIMSUN possue versões para os sistemas operacionais Windows, Linux,
e Mac OS, enquanto o VISSIM, apenas para Windows. Mas existem também simuladores de
tráfego de código aberto que satisfazerm a maioria das necessidades de simulação de trânsito
como o ITSUMO, desenvolvido pela Universidade Federal do Rio Grande do Sul, e o SUMO,
desenvolvido Instituto de Sistemas e Transportes (NAZARETH; SOUSA; RIBEIRO, 2015;
HALLMANN, 2011).
Contudo, além de simuladores específicos, há outros programas de computador com uma
proposta de suporte a vários tipos de sistemas, podendo ser utilizados desde em sistemas de
manufatura a sistemas simuladores de proliferação de doenças, passando por planos de evacuação
de emergência e trânsito. Um desses programas é o Anylogic
. R
4. Defesa Militar e Aeroespacial (LEE et al., 2014; LYNCH; DIALLO; TOLK, 2013);
1 Segundo Lloyd apud Zancanaro et al. (2015), um framework é um “conjunto de blocos pré-fabricados que os
desenvolvedores podem usar, estender ou personalizar de acordo com a aplicação”
33
3 PROCEDIMENTOS METODOLÓGICOS
Desse modo, a partir da Figura 4, verifica-se que o presente trabalho se classifica, quanto
à sua finalidade, como pesquisa aplicada, uma vez que apresenta aplicações de técnicas de
Simulação e de Teoria de Fila descritas na literatura. Quanto ao objetivo, é enquadrado como
descritiva, pois foi feito na forma de levantamentos ou observações sistemáticas do fatos e
processos escolhidos. Quanto aos procedimentos de coleta de dados, este estudo classifica-se
como modelagem e simulação, uma vez que lançou mão de um ferramental disponibilizado
pela área de pesquisa operacional que permite a geração de cenários, a partir dos quais pode-se
orientar o processo de tomada de decisão, proceder análises e avaliações de sistemas e propor
soluções para a melhoria de performance. Quanto à natureza da pesquisa, é do tipo quantitativa,
abrangendo uma análise dos resultados numéricos da análise. Quanto ao local de realização,
trata-se tanto de uma pesquisa de campo, pois foram coletadas informações in loco para a
modelagem inicial do sistema, quanto de laboratório, pois todo o resto foi elaborado a partir dos
dados resultados das simulções em computador (OLIVEIRA, 2011).
Além disso, a Figura 5 a seguir mostra a metodologia da modelagem e simulação de
problema elaborada por Chwif e Medina (2006).
modelo. Por fim, o modelo deve ser representado de acordo com técnicas de representação
de modelos de simulação, chamado de modelo conceitual. Nesta etapa do estudo foi
concretizado o entendimento da notação porposta por Kendall, na forma A/B/C/D/E e suas
representações. Também foram definidas as fórmulas conceituais que iriam ser utilizadas e
os processos dos dados de entrada do sistema (distribuição Erlang para os intervalos entre
chegadas e distribuição Weibull para os tempos de travessia da intersecção semafórica);
3. Análise dos resultados do modelo: feita após implementação, quando o modelo do software
é validado, esta etapa de análise consiste na realização dos experimentos a fim de elaborar
o modelo experimental. Várias “replicações” da simulação são realizadas e os resultados
são documentados. Em caso de necessidade, o modelo computacional é modificado e as
“replicações” são reiniciadas e os resultados, documentados.
Foram feitas gravações em vídeo com diferentes intervalos de duração para a determi-
nação do horário de pico de movimento, entre 6h30min e 8h20min da manhã, para a coleta de
dados de intervalo de chegada e de número de entidades (ou agentes) que entram ou não na
intersecção semafórica.
Segundo o método da contagem abreviada (SOARES, 1975), a quantidade de veículos
que atravessam o cruzamento por hora pode ser feita por um período curto de tempo, sendo
esse tempo o mínimo de 12 minutos, e multiplicado por um fator horário para que os dados
representem um período de 60 minutos proporcionalmente. Os tempos de cada dia de medição
foram multiplicados por um fator horário diferente de modo que o respectivo volume de veículos
contados fosse representado por um valor proporcional ao tempo de 60 minutos para o dia de
coleta.
Definiu-se o ponto de coleta dos dados reais como sendo o trecho onde os automóveis
provavelmente alcançariam a maior velocidade possível no sistema. Esses dados definiriam
a distribuição de probabilidade do intervalo entre chegadas dos veículos no sistema estudado.
O local de coletas foi estabelecido como sendo o ponto de entrada também no sistema do
modelo computacional. Os dados para definição de parâmetros da simulação foram coletados
Capítulo 3. PROCEDIMENTOS METODOLÓGICOS 36
por meio de aplicativos de smartphone, tais como StopWatch & Timer, na contagem de tempos
para a determinação dos intervalos entre chegadas a partir de filmagens efetuadas in loco do
fluxo de veículos. Para fins de contagem, desprezou-se o fluxo de motocicletas, uma vez que
sua agilidade no transito local favorece serem consideradas como causa pouco relevante dos
congestionamentos. Além do mais, elas representavam apenas 23,1% da frota total de veículos
de Natal em junho de 2017, enquanto que os automóveis, caminhões, camionetas, caminhonetes
e utilitários representavam cerca de 71,5% (DETRAN/RN, 2017).
Não há estacionamentos na via estudada. A partir da gravações em vídeo, foi possível
fazer as contagens de carros efetuadas em seis dias diferentes entre os meses de abril e julho de
2017.
O tratamento estatístico dos dados da Figura 6 foi feito em planilha eletrônica. Os dados
em questão são os dados de entrada do sistema, os intervalos entre chegadas. Em seguida foi
assegurada a inexistência de outliers e verificada a ausencia de correlações entre os intervalos
entre chegadas e o tempo de observação, além da correlação entre os tempos de travessia e o
tempo de observação, feita pelo método de análise de correlação linear de Pearson. Assim foi
possível encontrar a distribuição de probabilidade do intervalo entre chegadas dos veículos e dos
tempos de travessia, isto é, o tempo gasto para a travessia da via semaforizada em direção à Rua
dos Pegas, utilizando o software Arena Input Analizer
. R
Os dados de entrada do modelo foram os intervalos entre chegadas dos carros na Av.
Bernardo Vieira, nos dois sentidos da via, e os tempos de travessia entre essa avenida e a Rua dos
Pegas. Também foram coletados os tempos entre chegadas de ônibus urbano, nos dois sentidos a
Av. Bernardo Vieira. Ao todo foram coletados um total de 5536 intervalos entre chegadas em
dias diferentes. O tempo de travessia foi determinado a partir dos dados coletados no horário
de pico, 185 observações, haja vista que Chwif e Medina (2006) afirmam que um tamanho da
amostra entre 100 e 200 observações é suficiente para obter uma distribuição de probabilidades
relevante.
Para análise dos dados dos intervalos entre chegadas e dos tempos de travessia observados
in loco, foram feitos os testes estatísticos de Kolmogorov-Smirnov (aderência à distribuição
normal) e o teste qui-quadrado (comparação de proporções) para validar a significancia dos dados
para a representação da equação de distribuição de probabilidade. Nos testes de Kolmogorov-
Smirnov, obteve-se um valor de p<0,05, confirmando a não aderência dos dados à distribuição
normal para todos as etapas do processo; para o teste do qui-quadrado, obteve-se um valor de
p<0,05, confirmando a significancia dos dados para a representação das equações de distribuição
de probabilidade erlang de fase 2, no caso dos intervalos entre chegadas, e weibull, para o caso
dos tempos de travessia.
Diz-se técnica mista de simulação neste estudo por envolver elementos de simulação
de sistema com modelagem de eventos discretos (onde os agentes, ou entidades, são levados
ou conduzidos, um a um, pelas várias etapas do sistema simulado) e de simulação de sistemas
Capítulo 3. PROCEDIMENTOS METODOLÓGICOS 37
com modelagem baseada em agentes, onde as entidades são capazes de tomar decisões, isto é,
os veículos na simulação são capazes de decidir quando acelerar, desacelerar, qual velocidade
permanecer obedecendo as retrições programadas.
As estimativas de emissão de poluentes foram elaboradas a partir das informações dos
valores médio de emissão de poluentes, os quais foram calculados baseados nos estudos de Souza
(2017), Paiva et al. (2014) para os poluentes CO, HC, NMHC, CH4 , NOx , RCHO, MP, CO2 e
N2 O, nas categorias de motorização: gasolina, flex-gasolina, flex-etanol e diesel; e ponderados
pelo respectivo percentual gerado a partir da frota de veículos na cidade de Natal em 2017
(DETRAN/RN, 2017).
O cálculo das emissões totais de poluentes foram efetuados se utilizando da seguinte
equação (SOUZA, 2017):
E = Fe ∗ Km ∗ N ∗ 10−6 (3.1)
Onde:
• N é a quantidade de veículos.
" #
∗ h 2
n = n ∗ (3.2)
h
Onde:
Capítulo 3. PROCEDIMENTOS METODOLÓGICOS 39
n∗ é o número de replicações necessárias para uma dada precisão h∗ , ou seja, a nova estimativa
para n;
Os colchetes indicam que o resultado deve ser arredondado para o próximo número
inteiro, e a precisão h é dada por:
s
h = tn−1,α/2 √ (3.3)
n
4 IMPLEMENTAÇÃO
Os resultados da análise de correlação para o dia com o maior tempo duração em que
as observações in loco foram feitas (Figura6)apontam para correlação fraca com o tempo, que
durou cerca de 50 min. Esse tempo de obervação foi escolhido para que fosse melhor percebido
no teste caso houvesse alguma correlação significante com o passar do tempo, o que não foi o
caso (com r = −0, 010554, calculado usando a função CORREL do Excel).
Baseado nos estudos de Sousa (2011), as taxas máximas de aceleração e desaceleração
dos veículos no sistema simulado foram fixadas em 2,0 m/s2 e 4,2 m/s2 , respectivamente. A
Figura 7 apresenta uma nova nomenclatura para simplificar a interpretação dos movimentos.
Capítulo 4. IMPLEMENTAÇÃO 41
Portanto, a Figura 7 introduz a substituição dos nomes das vias por códigos: V1, V2,
V3, V4 e V5. Na Figura 7, V1 (em azul) e V2 (em verde) representam os dois sentidos da
Avenida Bernardo Vieira, V3 (em lilás) representa a Rua dos Pegas, e V4 (em amarelo) e V5
(em laranja) representam os dois sentidos das raias exclusivas para ônibus urbano na Avenida
Bernardo Vieira.
A contagem dos veículos ocorreu na interseção da V1 apenas a partir da sua origem, pois
o destino dos veículos não foi relevante, uma vez que a finalidade da contagem era de obter o
número de aproximações do cruzamento. Os agentes originados da V2 se constituem em uma
interrupção à corrente de tráfego da V1 para o sistema real.
A hipótese inicial era de que o horário entre 7h30min e 8h apresentaria maior fluxo
de veículos, como constatado inicialmente na contagem do dia 12 de abril de 2017, escolhido
aleatóriamente dentre os dias úteis possíveis. Foram efetuadas então contagens em dias e horários
posteriores, variando aleatoriamente os dias da semana de segunda a sexta, e a duração dos
tempos de observação, começando entre os horários das 6h30min à 8h20min, para validar essa
hipótese, uma vez que a movimentação em finais de semana e feriados é geralmente menor. A
Tabela 2 apresenta o dados obtidos para o volume de tráfego durante cada umas das observações
efetuadas.
Conforme a Tabela 2, o volume horário médio foi de 1573 veículos. O dia com maior
fluxo de automóveis registrado por hora foi o dia 1, com 1810 agentes por hora. Os dias 1 e
Capítulo 4. IMPLEMENTAÇÃO 42
4.1 A SIMULAÇÃO
Como o sistema é composto por muitas filas, apenas empregar os cálculos teóricos da
teoria de filas neste estudo pode vir a ser mais desgantante para o analista. Por isso se faz
necessário também o uso de simulação computacional de sistemas.
Capítulo 4. IMPLEMENTAÇÃO 43
O eixo y à esquerda do gráfico indica a escala de valores dos dados em azul, “Intervalo
entre chegadas”. O eixo secundário y à direita do gráfico refere-se aos valores dos dados “Média”,
em vermelho. Em azul estão representados os valores de intervalo médio entre chegadas para
cada replicação de 59 min, durante as 500 replicações, e em vermelho estão as médias dos
valores entre a replicação 1 e a replicação n, calculadas 500 vezes. Após isso, foram feitas mais
25 rodadas de 500 replicação cada mudando os valores padrão para aceleração, desaceleração,
velocidades dos agentes e ajustes nos comprimentos das vias. Após a execução de 200 simulações
de 59 minutos cada, todos os dados do sistema alcançaram o estado estacionário, apresentando
uma chegada média de 1274 agentes no sistema por hora. Percebe-se pela média representada
em vermelho que o período de warm-up, ou período de “aquecimento” segundo Chwif e Medina
Capítulo 4. IMPLEMENTAÇÃO 44
(2006), termina antes de 200 replicações corroborando os calculos efetuados com a equação
3.1 que aponta para um número de replicações adequado de 184 para o alcance do estado
estacionário, usando o número de replicações iniciais n = 20.
Os dados de tempo médio de espera e quantidade média de entidades na fila se apresen-
taram estabilizados. O Quadro 2 mostra as equações de distribuições de probabilidade geradas a
partir dos dados coletados em campo no dias referidos na Tabela 2.
IMPLEMENTAÇÃO
Fonte: Autor, 2018.
45
Capítulo 4. IMPLEMENTAÇÃO 46
Com a animação 3D da Figura 11, foi possível fazer uma validação inicialmente de
abordagem subjetiva do modelo, e também realizar os ajustes no sistema para uma melhor
representação do tráfego acompanhando o comportamento estatístico do sistema pelos relatórios
gerados enquanto a simulação se procedia.
A partir desse, foram construídos 3 outros sistemas com mudanças no funcionamento
dos modelos. Cada um desses modelos corresponde a um experimento diferente os quais trazem
3 propostas de melhoria ao funcionamento do semáforo.
4.1.1 Experimentos
Doravante, ao referir o sistema de semáforos dinâmicos, será utilizado o termo atuado,
conforme nomeia o Conselho Nacional de Trânsito (2014). Foram feitos, a partir do modelo
estabilizado do sistema, três experimentos a fim de verificar o comportamento dos vários
componentes do sistema frente às mudanças programadas: no primeiro experimento, procedeu-se
uma mudança na simultaneidade dos semáforos. No segundo, a implantação do sistema atuado
Capítulo 4. IMPLEMENTAÇÃO 47
4.1.1.1 Experimento 1
Vermelho para
quem sai da
V2
Verde para
quem sai da
V2
quando o semáforo está verde para os carros na V2, o sinal fica vermelho para a Fila 2 e para a
Fila 3 na V1.
4.1.1.2 Experimento 2
4.1.1.3 Experimento 3
5 RESULTADOS
foi maior a percepção na melhoria em todos os tempos e tamanhos das filas, inclusive da fila 3.
O tempo no sistema para os veículos que enfrentaram a fila 2 reduziu cerca de 75,57%, e, para
os que enfrentaram a fila 3, encolheu 48,54% quando comparados com os dados referentes ao
comportamento do sistema atual.
Os valores médios esperados para o experimento 3 se apresentam com informações mais
heterogêneas, onde os tempos de Fila 1 e 2, além de tempo no sistema para os automóveis que
enfrentaram a Fila 2, diminuíram. Por outro lado, os tempos médios dos agentes na fila 3 e
tempos médios no sistema para os automóveis que saíram do sistema após passarem pela fila 3
aumentaram. Para a fila 1, apesar de o tempo médio de carros na fila ter diminuido em relação ao
tempo médio do modelo inicial (Real), o tamanho médio da fila 1 aumentou.
Para uma melhor visualização das informações sobre os efeitos nos tempos e filas do
sistema, e as relações entre esses dados em cada experimento, os boxplots a seguir elaborados na
mesma escala de valores, os quais permitem melhor visualização das relações para os tempos e
tamanhos das filas do sistemas nos experimentos.
A figura 16 a seguir apresenta um boxplot comparativo entre os tempos dos agentes nas
filas 1 e os tamanhos das filas 1 para os quatro modelos do sistema: o modelo inicial do sistema,
chamado modelo Real, o modelo do experimento 1, o modelo do experimento 2 e o modelo do
experimento 3.
A Figura 16, apresenta oito boxplots para os tempos e tamanhos médios da fila 2, onde
o primeiro, da esquerda para a direita, é o boxplot para o sistema do modelo real, o segundo
boxplot representa os dados do experimento 1, o terceiro boxplot, dados do experimento 2 e o
quarto boxplot foi elaborado com dados gerados no experimento 3 na plotagem dos dados para
os tempos de fila (em verde), seguidos da plotagem para os tamanhos das filas.
Os tempos médios da fila 1, na Figura 16, sofreram pouca mudança no experimento 1.
Contudo foi significativa a diminuição desses tempos ao realizar as mudanças nos sistemas dos
experimentos 2 e 3. Os tamanhos das filas também sofreram alterações, tendo em média menos
veículos na fila no experimento 3 e, dentre os quatro modelos, mais carros na fila em média no
experimento 3.
A seguir, há também um boxplot comparativo entre os tempos dos agentes nas Filas
2 e os tamanhos das Filas 2 para os quatro modelos do sistema: o modelo inicial do sistema,
chamado modelo Real, o modelo do experimento 1, o modelo do experimento 2 e o modelo do
experimento 3.
Analogamente, a Figura 17 traz os dados referentes aos tempos e tamanhos médios nas
Fila 2, para os sistemas do modelo real, experimento 1, experimento 2 e experimento 3, da
esquerda para a direita. Os tempos médios da fila 2 , Figura 17, sofreram as mudanças mais
significativas nos experimentos 2 e 3. A diminuição desse tempo também ocorreu no experimento
1, embora fosse menor a diferença. Os tamanhos da fila 2 também diminuíram para todos os
experimentos, com menos veículos na fila nos experimentos 2 e 3.
Analogamente, há ainda a seguir um boxplot comparativo entre os tempos dos carros
nas Filas 3 e os tamanhos destas Filas 3 para os quatro modelos do sistema: o modelo inicial
do sistema, chamado modelo Real, o modelo do experimento 1, o modelo do experimento 2 e o
modelo do experimento 3.
Os tempos médios no sistema foram medidos em função da direção tomada pelos agentes,
onde na figura 19 são representados os resultados para o tempos médios no sistema para os
veículos que entraram na V1 e saíram do sistema pela V3 passando pela Fila 2 (gráfico Tempo
médio sistema Fila 2), para os quatro modelos (real, experimento 1, experimento 2 e experimento
3); também representa os resultados para o tempos médios no sistema para os veículos que
entraram na V1 e saíram do sistema pela V1, após enfrentar a Fila 3, para os quatro modelos
(gráfico Tempo médio sistema Fila 3). O terceiro gráfico da Figura 19 é o tempo médio no
sistema para todos os agentes.
Para os automóveis que passaram pela intersecção à esquerda, em direção à V3 (Rua dos
Pegas), os tempos médios no sistema reduziram nos 3 experimentos. Os maiores decrescimentos
ocorreram nos experimentos 2 e 3, onde foi simulado o sistema atuado para esta via. Por outro
lado, ocorreu aumento nos tempos médios dos experimentos para os veículos que seguiram na V1
após o semáforo, à excessão dos tempos no experimento 2 (Figura 19), onde também ocorreram
reduções no tempo médio de travessia.
Entretanto, essas mudanças interferiram também no fluxo de outros veículos que pas-
saram em sentido oposto (V2) ao fluxo objeto do estudo, incluindo também perturbações no
tráfego de ônibus urbano, como mostra a Figura 20. Para verificar os impactos no fluxo dos
demais veículos, foram coletados dados referentes aos tempos médios de fila de ônibus nos dois
sentidos e dos veículos que se aproximavam do semáforo no sentido oposto à V1, ou seja, V2.
Capítulo 5. RESULTADOS 56
Houveram oscilações nas filas de veículos de outras vias na intesecção (vias 2 a 5).
Dentre estas filas afetadas, o tamanho da fila de automóveis na V2, sentido oposto ao carros
da V1, diminuiu no experimento 1 e aumentou nos experimentos 2 e 3 quando comparadas ao
comportamento do sistema real. Variação análoga sobreveio aos tempos de fila (gráfico à direira
da Figura 20) desses veículos. Para uma visualização mais detalhada dos valores plotados no
gráfico, ver Apêndice. Da mesma maneira, foram analisadas as interferências nos fluxos de ônibus
urbano que passam por raias exclusivas para ônibus, mas também tem o fluxo interrompido pela
intersecção semafórica (Figuras 21 e 22).
Capítulo 5. RESULTADOS 57
Assim, quanto às pertubações nas faixas exclusivas para ônibus urbano na V5 (advindos
das extremidades da Av. Bernardo Vieira em sentido oposto ao da origem que os veículos da V2),
bem como os da V4, não ocorreram mudanças significativas nos três experimentos, (Figuras 21 e
22).
Para os três experimentos, os tempos de espera mostrados no gráfico 20 aumentaram de
cerca de 0,5 min para quase 1,5 min. Não houveram aumentos significativos nas filas de ônibus.
Por outro lado, houve redução de cerca de 2 min para menos de 0,5 min para os automóveis
que viessem na Fila 2 (Gráfico 17), de 1 para menos de 0,5 min para os que enfrentaram a Fila
3 no experimento 2. Para o experimento 3 houve aumento nos tempos e tamanhos da Fila 3.
Comportamento semelhante ocorreu na Fila 1, com redução relevante para os experimentos 2
e 3. Em termos de somatório do tempo total no sistema, houve queda nas medidas de tempos
totais de perto de 3 min para menos de 1 minuto conforme se oberva na Figura 19.
Também foram analisados os tempos de travessia, para os automóveis que encararam a
Fila 2, saindo do sistema pela V3, conforme a Figura 32.
Capítulo 5. RESULTADOS 59
Segundo se observa da Figura 24, as taxas de emissões de uma maneira geral reduziram
nos experimentos 1 e 3, e aumentaram no experiento 2.
Pelo motivo de as emissões de CO e CO2 serem, em valores absolutos, muito altos
quando comparados com os valores das taxas dos demais poluentes anteriormente estimadas, a
tabela 4 foi elaborada apenas com dados fererentes a esses dois poluentes, a fim de proporcionar
uma melhor compreensão e análise dos dados.
o fluxo de veículos advindos da V2, que passaram a esperar mais que o dobro do tempo, em
filas quase duas vezes maiores para cruzarem a intersecção. O Conselho Nacional de Trânsito
(2014) afirma que a estratégia de corte ótimo, adotada neste estudo, tenta identificar o melhor
instante para o corte do verde a fim de minimizar o atraso total da intersecção. Esses resultados
coincidem com as afirmações desse Conselho Nacional de Trânsito (2014), que recomenda
também que seja escolhido exclusivamente a detecção do movimento crítico para instalação
do semáforo atuado, qual seja, a V1, somente no horário da manhã pelo período de uma hora,
podendo, segundo eles, “ser definidos diferentes movimentos críticos ao longo do dia, associados
a diferentes planos”. Como consequência, os demais planos da intersecção passam a ter menores
tempos de verde. Como já eram vias pouco movimentadas, esses aumentos nos tempos e filas
podem ser consideradas aceitáveis, ou não, pelo tomador de decisão.
O experimento 3 neste estudo constituiu um “meio termo” entre os experimentos 1 e 2,
pois as simulações ocorreram também com o sistema atuado, mas com a sincronia de tempos de
verde do sistema real. Os resultados, embora indiquem melhorias para muitas filas, em alguns
pontos apontam para o problema inicial, qual seja, quando a demanda do sistema se encontra
elevada e fecha-se apenas o semáforo para quem deseja seguir na V1, forma-se uma fila (Fila 3)
enquanto a fila do lado (Fila 2) é esvaziada, pois para esta o sinal está verde. Ocorre que a Fila 3
cresce ao ponto de impedir o acesso dos veículos da Fila 1 que desejem entrar na Fila 2, onde o
sinal ainda está verde, mas nenhum veículo consegue mais sequer entrar na fila impedido pelo
trânsito, o chamado engarrafamento.
Ao contrário do que se imaginava, a extensão de verde gerada pelo sistema atuado não
provocou grandes mudanças nas filas de ônibus. Este fato pode ter sido favorecido pela via
exclusiva para ônibus urbano existente no local.
É possível identificar uma influência do tamanho da fila no tempo de processamento, de
modo que para um tamanho maior da fila 2 (Ver Figura 17), o tempo de travessia tende a ser
mais elevado (Ver Figura 32). Para um tamanho de fila menos expressivo, o tempo de travessia
tende a ser pequeno.
Por isso entende-se que o sistema estudado apresenta comportamento não markoviano no
movimento dos automóveis, haja vista que a velocidade de travessia, ou seja, o chamado tempo
de processamanto, em eventos discretos, de um agente depende da velocidade do veículo à frente
na intersecção (FOGLIATTI; MATTOS, 2007). Esse comportamento ocorreu nos intervalos
entre chegadas, com distribuição Erlang para a Fila 2, o que vai ao encontro das afirmações
de Fogliatti e Mattos (2007) e Shortle et al. (2008), que dizem que, satisfeitas as condições,
o sistema semi-markoviano com distribuição Ek pode, ou não, ser reduzido a um processo de
Markov por causa da propriedade sem memória dessas variáveis aleatórias, isto é, os tempos de
travessia e entre chegadas.
Na literatura, os materiais oficiais para taxas de emissões de poluentes em função do
tempo de permanência no sistema são poucos, de modo que não foi possível encontrar essas
Capítulo 5. RESULTADOS 62
relações de forma esquematizada para trabalhos acadêmicos. Por isso, os achados para emissões
automotivas expressas em gramas por hora (g/h) trouxeram apenas dados referentes aos resíduos
de MP, o que inviabilizou uma modelagem mais fidedigna das emissões. O mais comun nas
literaturas oficiais é expressar essas emissões em grama de poluentes emidido por kilômetro
percorrido (g/Km).
Por esse motivo, a simulação mais otimizada desse estudo foi a que gerou as maiores
emissões, pois permitiu que passasse pelo sistema uma quantidade maior de veículos, que
acarretaram em mais poluições.
63
6 CONCLUSÃO
REFERÊNCIAS
ASIF, F. M.; LIEDER, M.; RASHID, A. Multi-method simulation based tool to evaluate
economic and environmental performance of circular product systems. Journal of Cleaner
Production, Elsevier, v. 139, p. 1261–1281, 2016. Citado na página 31.
BORSHCHEV, A. The Big Book of Simulation Modeling: Multimethod Modeling with AnyLogic
6. Chicago: AnyLogic North America, 2013. ISBN 9780989573177. Citado 3 vezes nas páginas
79, 82 e 85.
CINTRA, M. A crise do trânsito em são paulo e seus custos. GV-executivo, v. 12, n. 2, p. 58–61,
2013. Citado na página 63.
CURCIO, D. et al. Passengers’ flow analysis and security issues in airport terminals using
modeling & simulation. In: European Conference on Modeling & Simulation, Praga-Repubblica
Ceca. [S.l.: s.n.], 2007. p. 4–6. Citado na página 31.
DOWNS, A. Still Stuck in Traffic: Coping with Peak-Hour Traffic Congestion. Brookings
Institution Press, 2005. (James A. Johnson Metro Series). ISBN 9780815796558. Disponível em:
<https://books.google.com.br/books?id=ckLcxEb5tM8C>. Citado na página 15.
GONÇALVES, E. Eclipse IDE: dicas e truques. Ciência Moderna, 2007. ISBN 9788573935912.
Disponível em: <https://books.google.com.br/books?id=no5ePgAACAAJ>. Citado na página
32.
KELTON, W.; SADOWSKI, R.; STURROCK, D. Simulation with Arena. McGraw-Hill Higher
Education, 2007. (McGraw-Hill series in industrial engineering and management science). ISBN
9780073523415. Disponível em: <https://books.google.com.br/books?id=DeymQgAACAAJ>.
Citado 2 vezes nas páginas 23 e 38.
KLEINROCK, L.; GAIL, R. Queuing Systems. New York: Interciência, 1996. ISBN
9780471555681. Citado na página 21.
Referências 68
LEE, J. et al. A study of experimental design for unmanned ground vehicle effectiveness based
on a small unit combat scenario. Journal of the Korean Society for Quality Management, The
Korean Society for Quality Management, v. 42, n. 4, p. 591–606, 2014. Citado na página 31.
LOBÃO, E. d. C.; PORTO, A. J. V. Evolução das técnicas de simulação. Production, SciELO
Brasil, v. 9, n. 1, p. 13–21, 1999. Citado na página 23.
LUNA, M. d. S. d. Sobre o fluxo de saturação: conceituação, aplicação, determinação e
variação. Tese (Doutorado), 2003. Citado na página 25.
LYNCH, C. J.; DIALLO, S. Y.; TOLK, A. Representing the ballistic missile defense
system using agent-based modeling. In: SOCIETY FOR COMPUTER SIMULATION
INTERNATIONAL. Proceedings of the Military Modeling & Simulation Symposium. [S.l.],
2013. p. 3. Citado na página 31.
MARCONI, M. d. A.; LAKATOS, E. M. Fundamentos de metodologia científica. [S.l.]: 5.
ed.-São Paulo: Atlas, 2003. Citado na página 33.
MARSHALL, D. A. et al. Transforming healthcare delivery: integrating dynamic simulation
modelling and big data in health economics and outcomes research. PharmacoEconomics,
Springer, v. 34, n. 2, p. 115–126, 2016. Citado 2 vezes nas páginas 31 e 32.
MONTGOMERY, D. C. Design and analysis of experiments. [S.l.]: John wiley & sons, 2017.
Citado na página 38.
MONTGOMERY, D. C.; RUNGER, G. C.; CALADO, V. Estatística Aplicada E Probabilidade
Para Engenheiros . [S.l.]: Grupo Gen-LTC, 2000. Citado na página 19.
NAZARETH, V. S.; SOUSA, L. A. P. d.; RIBEIRO, P. C. M. Analise comparativa entre
simuladores de fluxo de tráfego. Rio de Transportes, Rio de Janeiro, 2015. Citado 2 vezes nas
páginas 30 e 31.
OLIVEIRA, C. Análise da Interseção semaforizada em nível entre as avenidas Governador
Tarcísio Maia e Prefeito Omar O’grady em Natal/Rn. Dissertação (B.S. thesis) — Universidade
Federal do Rio Grande do Norte, 2016. Citado na página 25.
OLIVEIRA, M. F. d. Metodologia científica: um manual para a realização de pesquisas em
administração. 2011. Citado 2 vezes nas páginas 33 e 34.
OLIVEIRA, M. L. M. de et al. Utilização da simulação baseada em agentes combinada a
simulação a eventos discretos para representar o elemento humano em uma célula de manufatura.
2015. Citado na página 31.
PAIVA, E. P. L. d. et al. Heurísticas aplicadas a um estudo de caso de distribuição de pequenas
encomendas utilizando a bicicleta. [sn], 2014. Citado 3 vezes nas páginas 29, 30 e 37.
PEREIRA, A. P. A. et al. Simulação de sistemas de produção lean. 2009. Citado 2 vezes nas
páginas 31 e 32.
PIGNATARO, L. J. Traffic Engineering: Theory and Practice. New Jersey: Prentice Hall, 1973.
Citado na página 25.
POSTEMA, B. F.; HAVERKORT, B. R. An anylogic simulation model for power and
performance analysis of data centres. In: SPRINGER. European Workshop on Performance
Engineering. [S.l.], 2015. p. 258–272. Citado na página 31.
Referências 69
RUSSO, D. et al. Business process modeling and efficiency improvement through an agent-based
approach. Journal of Systemics, Directory of Open Access Journals, v. 11, n. 8, p. 1–6, 2013.
Citado na página 31.
SHORTLE, J. F. et al. Fundamentals of queueing theory. [S.l.]: John Wiley & Sons, 2008.
Citado 2 vezes nas páginas 20 e 61.
Sistema FIRJAN. Custo dos deslocamentos nas regiões metropolitanas do Brasil - Natal. [S.l.],
2015. Citado na página 17.
TAYLOR, M.; BONSALL, P.; YOUNG, W. Understanding Traffic Systems: Data, Analysis, and
Presentation. Avebury Technical, 1996. Disponível em: <https://books.google.com.br/books?id=
C3knAQAAMAAJ>. Citado na página 25.
WIDENER, M. J.; HORNER, M. W.; METCALF, S. S. Simulating the effects of social networks
on a population’s hurricane evacuation participation. Journal of geographical systems, Springer,
v. 15, n. 2, p. 193–209, 2013. Citado na página 32.
Referências 70
YANG, Y.; LI, J.; ZHAO, Q. Study on passenger flow simulation in urban subway station based
on anylogic. Journal of Software, Academy Publisher, v. 9, n. 1, p. 140–146, 2014. Citado na
página 32.
ZHANG, Y.; WANG, Y.; WU, L. Research on demand-driven leagile supply chain operation
model: a simulation based on anylogic in system engineering. Systems Engineering Procedia,
Elsevier, v. 3, p. 249–258, 2012. Citado na página 31.
Apêndices
Referências 72
76
Referências 77
Para uma melhor visualização do comportamento dos dados para as filas da V2 e dos tempos
médios de travessia com relação aos experimentos, os boxplots a seguir foram gerados em outras
escalas diferentes.
Workspace do Anylogic
Como se sabe, o Anylogic foi desenvolvido a partir do IDE de desenvolvimento Eclipse, que
permite testar o código com o JUnit integrado; Depurar as aplicações de forma simples; gerar
documentação Java rapidamente; criar aplicativos Desktop pelo Visual Editor (VE); Criar
aplicações Web utilizando o Web Tools Platform (WTP). Ele foi feito em Java e segue o modelo
open source de desenvolvimento de software. O software Eclipse tem a licença EPL (Eclipse
Public License).
Assim, a seguir, para um melhor entendimento do trabalho, serão apresentadas informações
básicas necessárias ao manuseio do software Anylogic. Para um estudo mais completo, ver o que
diz o trablho de Borshchev (2013).
A Figura 33 apresenta a área de trabalho do software de simulação Anylogic.
Referências
Figura 33 – Área de trabalho do Anylogic.
80
Referências 81
Com isso é possível identificar que à esquerda da Figura 33 se encontram as classes de active
objects, classes Java e outros recursos. À direita estão as propriedades do elemento ou
componente do modelo e ao centro se encontra o editor gráfico, onde tanto os processos lógicos
quanto as animações gráficas são desenvolvidos. A versão do software utilizada foi a Anylogic
Personal Learning Edition.
A utilização das ferramentas depende do nível de complexidade do sistema a ser modelado. Na
aba Palette, na parte superior esquerda da Figura 33 se encontram as principais bibliotecas de
ferramentas do programa.
Ferramentas do Anylogic
O desenvolvimento de modelos de trânsito pode ser feito a partir de objetos da Road Traffic
Library e da Process Modeling Library principalmente. A Figura 34 mostra as ferramentas da
biblioteca Road Traffic.
Se utilizando dos objetos da biblioteca Road Traffic (Figura 34), o sistema pode ser modelado
em função de agentes e processos. Os agentes podem representar o movimento de pessoas,
veículos, etc. Os processos representam ações, operações e/ou uso de recursos. Assim, a
elaboração da lógica do modelo passa a ter a forma de fluxograma, para uma melhor
Referências 82
Esta biblioteca, mostrada na Figura 35, fornece as principais ferramentas para a modelagem de
eventos discretos contidas no campo Blocks. O campo Space markup fornece ferramentas que
dão suporte à modelagem 3D do sistema.
Uma biblioteca importante para estudos e análises de dados também é a Connectivity, de onde
dados podem ser extraídos, tratados e armazenados. A Figura 36 a serguir mostra as ferramentas
disponíveis na biblioteca Connectivity da versão Personal Learn Edition do Anylogic.
Referências 83
É por ferramentas desta biblioteca da Figura 36 que o software pode se comunicar com outros
programas de armazenamento de dados, tais como arquivos de texto (em .txt), planilhas
eletrônicas (em .xlsx) e sistemas de gerenciamento de banco de dados mais robustos como o
MySQL.
Além disso, aos objetos das bibliotecas das Figuras 35 e 34 podem ser associados eventos, os
quais são, em sua maioria, campos do tipo onEnter e onExit, isto é, ocorrem quando o agente
entre ou sai do objeto. O algoritmo desenvolvido em Java pode ser inserido também nesses
campos. Uma vez que é possível criar as próprias classes, é viabilizada a personalização dos
parâmetros associados a essas classes, os chamados Agentes.
Biblioteca Agent
No Anylogic, os agentes estão associados a classes Java. Os objetos, ou seja, as ferramentas da
Road Traffic Library e da Process Modeling Library possuem parâmetros e variáveis. A Figura
37 mostra a biblioteca Agent do Anylogic.
Referências
Figura 37 – Biblioteca Agent.
84
Referências 85
Os parâmetos (Parameter da biblioteca Agent, Figura 37), podem ser usados para definir o
comportamento do modelo; o uso das variáveis (Variable, Figura 37) é aconselhado quando se
pretende guardar valores que se alteram em tempo de simulação (BORSHCHEV, 2013).