INFLUÊNCIA DE DIFERENTES MÉTODOS DE COBRANÇA E COMPOSIÇÕES

VIÁRIAS NO DESEMPENHO DE PRAÇAS DE PEDÁGIO

Marcos Vinicius Santos Osório
Helena Beatriz Bettella Cybis
Laboratório de Sistema de Transportes – LASTRAN
Programa de Pós-Graduação em Engenharia de Produção – PPGEP
Universidade Federal do Rio Grande do Sul – UFRGS
Felipe Caleffi
Laboratório de Mobilidade e Logística - LAMOT
Universidade Federal de Santa Maria - UFSM
RESUMO
Este estudo busca avaliar a influência da composição viária, taxas de adoção de meios de
cobrança e tempos de atendimento para praças de pedágio em relação a diferentes indicadores
de desempenho encontrados na literatura. Foi realizado um projeto de experimentos com os
ensaios realizados em cenários simulados alternando-se as variáveis citadas inicialmente. Os
resultados indicaram que todos os fatores são estatisticamente relevantes, exceto a limitação de
velocidade imposta por alguns tipos de sensores de cobrança eletrônica. As variáveis “tempo
de atendimento” e “porcentagem de adoção de cobrança manual por veículos leves” foram as
mais significativas em explicar a variação nos indicadores. O produto deste trabalho permite
identificar quais alterações devem ser priorizadas de modo a melhorar o nível de serviço de
praças de pedágio.

ABSTRACT
This study aims to evaluate the influence of traffic composition, adoption rates of paying
methods and, service times for toll plazas about different performance indicators found in the
literature. A project of experiments was developed with the cases carried out in simulated
scenarios, alternating the variables mentioned before. The results indicated that all factors are
statistically relevant, except the speed limitation imposed by some types of sensors used in
electronic billing. The variables “time of service” and “percentage of adoption of manual
charging by small vehicles” were the most significant in explaining the variation in the
indicators. The product of this work allows us to identify which changes should be prioritized
to improve the plaza’s level of service.

1. INTRODUÇÃO
Praças de pedágio representam, comumente, uma restrição ao fluxo de tráfego gerando uma
redução na capacidade e um incômodo aos usuários (Lin e Su, 1994). Quando a taxa de chegada
de veículos é superior a taxa de processamento formam-se filas que geram desconfortos e
aumentam o tempo necessário para percorrer o trecho. A análise dos parâmetros que impactam
no desempenho de praças de pedágio pode subsidiar a tomada de decisões para mitigar possíveis
gargalos. Uma das ferramentas disponíveis é a simulação que permite avaliar diferentes
cenários com baixo custo. Também é possível estudar o impacto que um novo tipo de
pagamento terá ou o efeito da demanda prevista naquela rodovia.
O desempenho de praças de pedágio possui relevância no contexto nacional devido ao aumento
no número de concessões. A nível federal cerca de 15,83% do total de vias pavimentadas
encontra-se sob gestão privada (ABCR, 2020) com previsão de novos projetos A operação
adequada dessas estruturas é de interesse dos usuários que pagam pela sua utilização, das
concessionárias que administram e possuem metas quanto ao desempenho e ao governo que
fiscaliza o uso do bem público.
Este estudo busca avaliar o processo de interação ao investigar a influência da composição
viária, taxas de adoção de meios de cobrança e tempos de atendimento em praças de pedágio
para as variáveis de desempenho selecionadas: tempo de percurso, fila média e máxima,
capacidade, paradas e atrasos. Para tal, inicialmente foi realizada uma revisão bibliográfica, em
seguida definiu-se a metodologia a ser utilizada e finalmente a análise e resultados obtidos a
partir das simulações realizadas.

2. FUNDAMENTAÇÃO TEÓRICA
O Highway Capacity Manual (TRB, 2016) apresenta metodologias para algumas estruturas
com fluxo interrupto tais como intersecções sinalizadas, rotatórias e alças de acesso mas não
para praças de pedágio. Devido a isso, diversos estudos tem buscado oferecer alternativas para
a avaliar o desempenho desses trechos (Edie, 1954 ; Woo e Hoel, 1991; Lin e Su, 1994; Zarrillo
et al., 1997; Klodzinski e Al-Deek, 2002; dentre outros) e mais recentemente (Araújo, 2001;
Oliveira, 2009 e Obelheiro, 2010).
Uma das características mais importantes na capacidade de uma praça de pedágio é o tempo de
atendimento que depende principalmente do meio de pagamento. Transações com dinheiro
apresentam os maiores tempos sobretudo se houver a necessidade de troco (Lin e Su, 1994). Os
meios automáticos tais como cartões de crédito, aplicativos de celular, QR codes apresentam
tempos menores que o caso anterior. E finalmente, meios de cobrança eletrônicos (Eletronic
Toll Collection ou ETC) nos quais não há necessidade de o veículo parar durante o processo de
pagamento.
Esses meios apresentam tecnologias diversas, sendo as mais comuns: sistemas com câmeras,
tags inteligentes, etiqueta de radiofrequência (RFID) e Unidade de Bordo Veicular (on-board
unit – OBU) (LASTRAN, 2020). Dentre esses sistemas, alguns necessitam que o veículo se
aproxime a baixas velocidades enquanto em outros a comunicação pode ser realizada a
velocidades maiores que 100 km/h. Essas tecnologias apresentam um ganho não apenas na
velocidade de atendimento, mas também no controle da evasão de pedágio e redução de custos.
Além da forma de pagamento o tipo de veículo apresenta influência no tempo de atendimento,
Araújo (2001) sugere que isso ocorre pelo baixo poder de aceleração dos veículos pesados, a
maior distância entre motorista e arrecadador devido à altura do veículo e a largura das faixas
que provocam a necessidade de maior cautela ao dirigir. Outro efeito observado é uma maior
agilidade dos operadores quando há uma fila se formando em oposição a condições de menor
fluxo (Woo e Hoel, 1991). A familiaridade do motorista também influencia nos tempos de
atendimento da praça assim como a adoção de um novo sistema de cobrança. Outros fatores
que foram levantados por Oliveira (2009) e podem citados são as condições climatológicas,
período do dia e características quanto ao layout da praça tais como áreas de retomada e
aceleração.
A definição de variáveis de desempenho e de níveis de serviços são construções subjetivas e
dependem da percepção humana (Lin e Su, 1994). Ao se avaliar as condições de uma praça de
pedágio busca-se variáveis que possam ser facilmente medidas e representem adequadamente
o conforto dos usuários. Oliveira (2009) usou um questionário com motoristas de modo a
classificar os indicadores selecionados. Cada respondente avaliou cenários com mudanças em
relação ao número de veículos em fila, proporção de caminhões e número de cabines na praça
de onde foi gerada uma matriz para as diferentes características e níveis de serviço.
O levantamento de literatura mostrou que indicadores do tipo “Fila” (máxima, média e no
instante) são os mais utilizados. O uso inicial foi proposto por Edie (1954) com um modelo
matemático para relacionar volume, número de cabines e filas. Zarrillo et al. (1997) avaliaram
a questão sob teoria de filas com a capacidade de processamento e demanda onde seria possível
obter os atrasos e filas do sistema. Utilizando microssimulação, Obelheiro et al. (2010) avaliou
a variação no tamanho das filas (em metros) dependendo da adesão a cobrança eletrônica e ao
treinamento dos atendentes.
Em seguida, os indicadores do tipo “Tempo” (de espera, de espera média e no sistema) foram
identificados na literatura. Araújo (2001) montou uma praça de pedágio em ambiente simulado
e propôs uma metodologia utilizando o tempo total médio no sistema como indicador variando
o fluxo de veículos e com curvas para diferentes taxas de adoção de sistemas de cobrança
eletrônica. Segundo a autora, no fluxo próximo da capacidade uma taxa de adoção de 10%
reduz em 50% o tempo no sistema.
Os indicadores do tipo “Atraso” (total, médio e no sistema) foram utilizados por uma menor
quantidade de artigos. Dentre estes, Klodzinski e Al-Deek (2002) que propôs a utilização do
atraso (delay) total de cada motorista como forma de avaliar o desempenho de praças de
pedágio. Os dados foram medidos em uma simulação calibrada com dados de campo. Na
abordagem dos autores seria possível comparar a interrupção em praças com aquela ocorrida
em intersecções semafóricas e os níveis de serviço se dariam em função dos atrasos.
Este estudo também buscou quais os indicadores utilizados em contratos de concessões. Neles
há uma série de obrigações quanto ao desempenho dos trechos concedidos referentes a
conservação, taxa de acidentes e também a operação das praças. Foi identificada a utilização de
quatro indicadores principais:
1. Limitação de filas máximas variando para cada praça com valores entre 100 até 400 metros
(ANTT, 2018). A infração ocorre se filas dessa dimensão se mantêm durante mais de 15
minutos. A medição é realizada por meio de faixas sinalizadas no pavimento.
2. Limitação quanto ao tempo de espera na praça de pedágio com valores entre 1 minuto e 1,9
minuto. E limite máximo de 10 minutos (ANTT, 2015). Não é definida nos contratos a
forma de medição.
3. Tempo de duração da fila máxima aceitável. Este indicador avalia o tempo no qual uma fila
superior ao aceitável se manteve (ARTESP, 2000). O contrato define a implantação de um
sistema de monitoramento composto por câmeras integradas e algoritmos de análise de
vídeo que possibilitem a detecção de fila máxima. Esse sistema deverá contabilizar então a
quantidade de tempo até que essa fila reduza para o patamar aceitável. Ao final de um mês
o tempo total é comparado para receber uma nota.
4. Tempo de atendimento máximo de 12 segundos em 85% dos casos e nos 15% restantes não
deve ser excedido a média de 1 minuto (DERSP, 1997). Define a utilização de câmeras de
vídeo para revisão e fiscalização das transações ocorridas.
A nível federal compete a Agência Nacional de Transportes Terrestres (ANTT) a redação dos
contratos e assim ocorre um certo grau de homogeneidade quanto aos indicadores e valores
atribuídos. Mesmo que para estados distintos com condições de tráfego e métodos de cobrança
variados. Enquanto a nível estadual não há o mesmo padrão e pode-se indagar sobre a
realização de projetos particulares para cada concessão.

3. METODOLOGIA
Como forma de atingir os objetivos deste trabalho – avaliar o impacto de diferentes variáveis
em medidas de desempenho usuais de praças de pedágio – utilizou-se modelos simulados com
a utilização do software VISSIM. O programa foi escolhido devido ao seu algoritmo próprio de
car-following que representa adequadamente as interações entre veículos e o processo de trocas
de faixas (Gettman e Head, 2003). Além disso, permite amplas possibilidades de modificação
quanto aos tipos de veículos e suas características.
A avaliação teve como base a praça de pedágio localizada no km 60 da Rodovia BR 290,
próxima a cidade de Gravataí-RS, e administrada pela concessionária CCR Via Sul. Esse trecho
foi escolhido devido a disponibilidade de dois trabalhos anteriores (Caleffi, 2018; Caleffi et al.,
2012) que realizaram a modelagem e calibragem da praça. Os dados foram fornecidos pela
concessionária por meio de filmagens e laços indutivos permitindo a alteração dos parâmetros
relativos ao comportamento dos usuários, características do tráfego (fluxos relativos, perfis de
velocidade e velocidade desejada) e dos veículos (taxas de aceleração e desaceleração). Neste
estudo foram realizadas alterações quanto às porcentagens relativas dos veículos e seu processo
de decisão. Para representar adequadamente a realidade, os veículos foram classificados em
leves (motos e automóveis) e pesados (caminhões curtos e longos) devido as diferenças nos
tempos de atendimento e potência.
Conforme pode ser visto na Figura 1, a praça apresenta duas faixas à direta destinadas à
cobrança eletrônica eliminando a necessidade de parada, porém devido ao risco de evasão de
pedágios é utilizada uma cancela que é liberada após o reconhecimento do veículo. No processo
de simulação foram considerados dois casos. O primeiro no qual não é necessária a redução de
velocidade de aproximação da praça e noutro de modo a representar modelos de sensor mais
antigos nos quais os veículos precisam trafegar entre 30 e 40km/h de modo a serem
adequadamente identificados.

Figura 1: Layout Praça Simulada

O número de cabines para cobrança pode ser alterado conforme a demanda de fluxo com
abertura de mais faixas. Considerando o pico no verão de 5.200 veículos/hora foram utilizadas
19 cabines de acordo com a disposição no local. Na simulação foi adotado o fluxo de 4.000
veículos/hora à montante da praça devido aos casos mais críticos que seriam simulados.
A definição dos tempos de atendimento foi baseada na revisão bibliográfica ainda seja difícil
comparar diretamente estes valores pois normalmente tipos de veículos são agrupados de forma
distinta e/ou sistemas de cobrança apresentam variações ou classificações diferentes conforme
pode ser visto na Tabela 1.
Tabela 1: Tempos de atendimento manual para diferentes meios. Fonte: própria do autor
Dinheiro Cartão Celular
Referência
Leve Pesado Leve Pesado Leve Pesado
Woo e Hoel (1991) 5,29 13,88
Lin e Su (1994) 4,64-9,99¹ 7,34
Klodzinski e Al-Deek (2004) 5,11-5,47 12,87
Araújo (2001) 18,92 27,4²
Lastran (2017) 14 26 6,42 15,26
Yang et al. (2019) 16 32 13 15 21 43
Obelheiro et al., (2010 20,29 27,92
1 – Valores para cabines com e sem troco;
2 – Média entre os valores para caminhões e ônibus;

Assim, o tempo de atendimento analisado buscou representar 3 casos: o primeiro no qual o

tempo de atendimento é baixo (sistemas automáticos), o segundo com cobrança manual, mas
sem necessidade de troco, e o último com cobrança manual e necessidade de troco. Para todos
os casos foi utilizado um desvio padrão de 8 segundos para veículos leves e 15 segundos para
veículos pesados. Os demais fatores analisados se referem a quantidade de veículos pesados na
via, as taxas de cobrança para o meio manual em cada categoria de veículos uma vez que estas
variam em função da presença de usuários esporádicos, política de empresas para instalação de
sensores, etc. E por último, uma limitação a velocidade dos motoristas em função de limitações
dos sensores automáticos. Os fatores e níveis encontram-se na Tabela 2.

Tabela 2: Variáveis independentes e níveis

Variáveis Independentes Nível 1 Nível 2 Nível 3
Veículos pesados via (%) 0,5% 5% 25%
Taxa de adoção cobrança manual por veículos pesados (%) 100% 80% 55%
Taxa de adoção cobrança manual por veículos leves (%) 100% 80% 60%
Tempo de atendimento manual: Leves / Pesados σ = 8/15 8/12 14/20 20/30
Sensor de cobrança eletrônica: Leves / Pesados V. Normal V. Reduzida

As variáveis-resposta analisadas (Tabela 3) foram escolhidas com base em trabalhos anteriores

e no uso em editais de concessão. Nota-se que nem todas sejam de fácil obtenção tal como o
somatório de vezes em que os veículos pararam na praça. Enquanto outras são amplamente
utilizadas tais como a capacidade que pode ser obtida com laços indutivos. Porém, o maior uso
de sistemas de cobrança eletrônica pode permitir a coleta de dados específicos.
 Tabela 3: Variáveis Resposta
Variável Resposta Descrição
Tempo de Viagem [s] Contagem do tempo entre o início e final da praça
Fila Máxima [m] Comprimento máximo contado a partir de uma das cancelas
Fila Média [m] Média dos comprimentos de fila para o cenário
Paradas [Ø] Quantidade de vezes nas quais um veículo apresentou velocidade nula
Capacidade [veículos/h] 15 minutos de maior fluxo, multiplicado por 4
Duração Fila > 60 m [s] Duração no qual uma fila maior ou igual a 60 metros se manteve
Atraso Médio [s] Diferença entre o tempo de viagem com velocidade desejada com o tempo efetivo
Atraso Parado Total [s] Somatório dos tempos nos quais os veículos estiveram com velocidade nula

Foi planejado um experimento Fatorial Completo com um total de 5 fatores: 4 com 3 níveis e
1 com 2 níveis. Foi necessário um total de 162 ensaios que codificados no VISSIM utilizando-
se o gerenciador de projetos, que permite a geração de cenários a partir de um modelo base, e
inserindo os parâmetros dispostos na Tabela 1. De modo a reduzir a variabilidade cada cenário
foi simulado 10 vezes com a semente aleatória inicial 111 tendo seu incremento em uma
unidade para cada repetição. O tempo de simulação foi de 5.400 segundos com o descarte dos
900 segundos iniciais devido ao warm-up da rede.

4. RESULTADOS E DISCUSSÕES
Inicialmente, foi avaliada a significância estatística das variáveis independentes na explicação
das variáveis-resposta. A análise de quais termos do modelo obtiveram um valor-p inferior a
0,05 constam na Tabela 4 organizados em ordem de maior Valor-F:

Tabela 4: Análise Estatística para Variáveis-Resposta

Variável-Resposta Termos
Tempo de Viagem D – AC – AB – DD – C – CC – BD – A – B
Fila Máxima CD – D – AB – C – AD – DD – CC – BD – B – A - AC
Fila Média CD – D – AB – AC – C – DD- AD – BD – B
Paradas CD – D – AB – DD – C – AD -AC -CC – BD – B - AA
Capacidade CD – D – C – DD - A – AB – CC – AD – BD – B – BC
Duração Fila > 60m AC – D – C - AB – DD – CC – CD – A
Atraso Médio CD – AB – C – AC – AD – BD – B – D
Atraso Parado CD – D – DD – AC – AB – C – BD - B
A = % de Veículos Pesados na Via; B = Taxa de Adoção de Cobrança Manual por Veículos Pesados;
C = Taxa de Adoção de Cobrança Manual por Veículos Leves; D = Tempo de Atendimento Manual

O primeiro resultado que pode ser percebido é que o fator “Sensor de cobrança eletrônica: Leves
/ Pesados” não ter sido significativo para nenhuma variável. Isso pode ser explicado pelo curto
trecho de redução de velocidade (100 metros) conforme pode ser visto na Figura 1 onde o trecho
com cobrança eletrônica apresenta poucos metros. Além disso, a aceleração dos veículos ocorre
após o gargalo das cabines de coleta ocorrendo baixa interferência. Cabe ressaltar que as faixas
com cobrança eletrônica possuem um processamento muito maior de veículos. O fluxo, na
média de todas as simulações, é de 6,9 veículos por minuto em cada uma das faixas enquanto
na cobrança manual esse valor é de 2,42 veículos por minuto.
A eficiência das faixas com cobrança eletrônica se dá devido a diversos fatores. Principalmente
a necessidade de parada no atendimento manual, mas também foi observado que durante as
simulações não ocorria uma ocupação idêntica de todas as faixas de atendimento. Percebe-se
uma distribuição normal com as faixas centrais com maior uso e uma menor troca de faixas
para a ocupação dos extremos (cabines 1, 2, 18 e 19). Esse resultado já fora observado por Lin
e Su (1994) afirmando que os veículos se dirigem para as cabines que exijam o menor número
possível de trocas de faixa e geralmente é necessária uma fila de pelo menos 4 veículos para a
realização de uma troca. Em rodovias brasileiras, Araújo (2001) identificou que motoristas se
dirigem à cabines do mesmo lado em que chegam e às faixas com menores filas, exceto se a
fila possuir muitos caminhões. Em consonância aos achados de Oliveira (2009) que captou essa
percepção de motoristas de veículos leves.
O segundo resultado é que as variáveis tempo de atendimento manual (que influencia todos os
veículos) e taxa de adoção de cobrança manual por veículos leves (que desloca veículos para
cobrança eletrônica) foram as variáveis críticas para explicar o modelo. Esse resultado pode ser
melhor visualizado na Figura 2. Assim, essas variáveis deveriam ser priorizadas a fim de se
alterar os indicadores de uma praça de pedágio. Uma forma seria o estímulo a formas de
pagamento mais rápidas tal como a racionalização de tarifas que não exijam troco ou
pagamentos digitais por aproximação. Porém, conforme foi observado anteriormente a
capacidade de processamento de sistemas eletrônicos é muito superior e sua maior utilização
traria uma série de benefícios não apenas para os indicadores avaliados, mas nos custos de
operação.

Tempo de Atendimento Manual

Taxa de Adoção Cobrança Manual Duração Fila>60m

Fatores Controláveis

Veículos Leves
Atraso Médio
Atraso Parado Total
Capacidade
Paradas
Taxa de Adoção Cobrança Manual
Veículos Pesados Fila Média
Fila Máxima
Tempo de Viagem

Porcentagem veículos pesados na via

0 10 20 30 40 50 60 70
Contribuição na Variável Resposta (%)

Figura 2: Contribuição para as Variáveis-Resposta (%)

A Figura 3 mostra como o aumento do tempo de atendimento médio de 8 segundos para 20
segundos provoca uma redução de 17 % na capacidade da praça. E também a redução na
variabilidade das médias decorrente de tempos menores uma vez que o sistema se encontra
menos propenso a formação de filas. Ainda que o desvio padrão do sistema (8 segundos para
veículos leves e 15 segundos para veículos pesados) seja o mesmo independentemente do valor
do tempo de atendimento.

Figura 3: Análise de Médias para Capacidade

A Figura 4 é o comparativo entre a média do nível 1 (100%) de cada fator com as demais médias
como uma forma de agregar o impacto em cada indicador. Com exceção da capacidade todas
as demais variáveis são do tipo “menor é melhor”. E surpreende nos resultados que veículos
pesados não utilizando a cobrança eletrônica tenha gerado melhorias na situação. Esse efeito
pode ser explicado pela alta variabilidade dos valores que possuem médias próximas, mas o
desvio padrão é elevado. Além disso, esse fator contribuiu pouco para o modelo.
Outro aspecto é identificar que alguns parâmetros possuem maior sensibilidade que outros e
por isso seriam indicadores melhores visto que seria possível detectar alterações na operação
da praça. “Capacidade” apesar de ser amplamente utilizada apresentou uma pequena alteração
nos valores enquanto “Tempo de Viagem” parece mais indicado como indicador. Não parece
existir uma diferença significativa entre utilizar “Fila Máxima” ou “Fila Média” exceto que a
segunda exige um cálculo maior. As variáveis comumente utilizadas em microssimulação tal
como “Paradas”, “Atraso Médio” e “Atraso Parado” apresentaram boa sensibilidade as
condições e podem ser facilmente implementadas para avaliação de cenários.
Além dos efeitos principais foram identificados também efeitos oriundos da interação entre dois
fatores que aparecem na Tabela 4. Para valores altos de cobrança eletrônica o efeito do tempo
de atendimento é menor do que quando há apenas veículos usando cobrança manual. E quanto
maior a porcentagem de veículos pesados maior o efeito que estes veículos usando cobrança
manual causa no desempenho na praça, ainda que este seja pequeno em relação aos demais.
 m m
i age ma ia de 60 di
o do
r le V xi éd as da a> é ara
Fa
to
Ní
v de M
á M arad paci oFil so M o P
o la P ã s
m
p F ila Fi Ca
raç Atra Atra
Te D u
0,5 100% 100% 100% 100% 100% 100% 100% 100%
V. Pesados Via
5 99% 110% 107% 113% 100% 107% 101% 100%
(%)
25 101% 145% 130% 130% 97% 135% 110% 106%
Taxa de adoção 55 100% 100% 100% 100% 100% 100% 100% 100%
Cob. Manual V. 80 106% 115% 111% 110% 98% 109% 105% 107%
Pesados (%) 100 83% 90% 89% 90% 102% 94% 94% 87%
Taxa de adoção 60 100% 100% 100% 100% 100% 100% 100% 100%
Cob. Manual V. 80 186% 232% 216% 193% 95% 192% 137% 192%
Leves (%) 100 294% 427% 336% 304% 85% 250% 171% 277%
Tempo de 8 100% 100% 100% 100% 100% 100% 100% 100%
Atendimento 14 206% 287% 264% 153% 95% 259% 147% 260%
Manual 20 356% 587% 499% 255% 83% 372% 193% 500%
Figura 4: Comparativo de Médias

5. CONCLUSÕES
Praças de pedágio se configuram como uma restrição ao fluxo livre em rodovias. Sua operação
é impactada por diversos fatores tais como fluxo, número de cabines, disposição de faixas,
tempo de atendimento, presença de outros veículos, dentre outros. O tempo de atendimento tem
se mostrado como um dos fatores mais importantes e depende de características dos meios de
pagamento, do operador, do motorista, do tipo de veículo e da aleatoriedade do processo. Todas
essas características dificultam o desenvolvimento de uma metodologia para se determinar o
nível de serviço de uma forma generalizada.
Os resultados obtidos indicaram que o tempo de atendimento e a porcentagem de veículos leves
que utilizam a cobrança manual apresentam maior impacto no desempenho das praças de
pedágio. Faixas exclusivas com cobrança eletrônica possuem uma capacidade de
processamento elevada de tal modo que a simples redução de velocidade imposta por certos
sensores não justifica a inclusão desse parâmetro na modelagem. Das variáveis levantadas em
literatura aquelas com maior aplicabilidade prática são comprimento de fila e duração da fila
que podem ser facilmente medidas em campo. Porém, o estudo mostrou que a avaliação de
atrasos médios, atraso parado, paradas e tempo de viagem também podem ser utilizadas como
um meio para avaliação do desempenho pois indicam formas de desconforto impostas aos
motoristas.
Ademais os resultados obtidos neste estudo reforçam a capacidade do uso de microssimulações
para a avaliação de problemas estocásticos tais como praças de pedágio dada a possibilidade de
customizar a via, comportamento do motorista, do cobrador e suas interações. Trabalhos deste
tipo podem fornecer a avaliação de quais fatores devem ser priorizados e o impacto esperado
com sua alteração.
Além dos efeitos considerados neste artigo pode-se estudar também maiores particularidades
do trabalho dos coletores tais como os efeitos da luminosidade, extensão de fila na cabine e
duração do turno. Também é comum a utilização de cabines que aceitam pagamentos com
dinheiro e outros sistemas como cartões de crédito ou outras soluções que impactem no tempo
de atendimento. O acesso a uma base de dados poderia permitir também a avaliação de outras
variáveis tais como tempos de atendimento para usuários habituais da região e diferenciar entre
mais categorias de veículos caso exista um valor significativamente relevante.

REFERÊNCIAS
Agência de Transporte do Estado de São Paulo. (2000) Apêndice C – Lote Piracicaba-Panorama Folha 1 de 47
APÊNDICE C FICHAS RELATIVAS AOS INDICADORES DE DESEMPENHO., (11), 1–47. Obtido de
http://www.artesp.sp.gov.br/Style Library/extranet/novas-paginas/CustomPage.aspx?page=54
Agência Nacional de Transportes Terrestres. (2013) PROGRAMA DE EXPLORAÇÃO DA RODOVIA ( PER )
- Edital de Concessão No 004/2013. Obtido de https://portal.antt.gov.br/concebra
Agência Nacional de Transportes Terrestres. (2015) Programa de Exploração das Rodovias BR116/RS e BR-
392/RS Pólo Pelotas. (Vol. 2015). Obtido de https://portal.antt.gov.br/ecosul
Agência Nacional de Transportes Terrestres. (2018) Programa de Exploração da Rodovia BR 381/MG/SP
Trecho: Belo Horizonte - São Paulo., (D). Obtido de https://portal.antt.gov.br/autopista-fernao-dias
Araújo, J. J. De. (2001) Características Operacionais de Praças de Arrecadação de Pedágio.
Associação Brasileira de Concessionárias de Rodovias. (2020) Relatório Anual 2020. Obtido 9 de agosto de
2021, de https://abcr.org.br/images/Relatorio_Anual_2020.pdf
Caleffi, F. (2018) Proposição de um método de harmonização da velocidade baseado em modelo de previsão de
conflitos veiculares., 130. Obtido de https://lume.ufrgs.br/handle/10183/179552
Caleffi, F., Moisan, Y., Cybis, H. B. B., Michel, F. D., e Hirsch, F. (2012) Simulação de Alternativas
Operacionais de um Segmento de Especial de Autoestrada através do Software Vissim. XXVI ANPET (p.
36–47). Joinville. Obtido de http://redpgv.coppe.ufrj.br/index.php/es/produccion/articulos-
cientificos/2012-1/662-vissim-alternativas-operacionais-auto-estradas-anpet-2012/file
Departamento de Estradas de Rodagem de São Paulo. (1997) Edital de Licitação No 015/CIC/97 - Lote 22
Sistema Rodoviário Anchieta/Imigrantes. Obtido de http://www.guiadotrc.com.br/concessao/Edital22.pdf
Edie, L. C. (1954) Journal of the Operations Research Society of America Traffic Delays at Toll Booths.,
(November 2016).
Feng-Bor Lin, e Cheng-Wei Su. (1994) The TPS model is written in FORTRAN 77 and is intended for personal-
. Journal of Transportation Engineering, 120(2), 246–263.
Gettman, D., e Head, L. (2003) Surrogate Safety Measures from Traffic Simulation Models. Transportation
Research Record, 1840(1), 104–115. doi:10.3141/1840-12
Klodzinski, J., e Al-Deek, H. M. (2002) New methodology for defining level of service at Toll Plazas. Journal of
Transportation Engineering, 128(2), 173–181.
Laboratório de Transportes. (2020) Relatório Final de Projeto., 124. Obtido de
https://portal.antt.gov.br/documents/20122/0/Avaliação+de+condições+para+ampliação+da+utilização+de
+sistema+de+cobrança+eletrônica+nas+praças+de+pedágio+de+rodovias+federais.pdf/f9435ac1-e49d-
8e31-6ba8-fe140c5a62bb?t=1651066694370
Lin, F. B., e Su, C. W. (1994) Level-of-service analysis of toll plazas on freeway main lines. Journal of
Transportation Engineering. doi:10.1061/(ASCE)0733-947X(1994)120:2(246)
Lin, F., e Su, C. (1994) Level‐of‐Service Analysis of Toll Plazas on Freeway Main Lines. Journal of
Transportation Engineering, 120(2), 246–263. doi:10.1061/(ASCE)0733-947X(1994)120:2(246)
Obelheiro, M. R. (2010) MÉTODO DE ANÁLISE DE NÍVEIS DE SERVIÇO EM PRAÇAS DE PEDÁGIO
BRASILEIRAS. UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Obtido de
www.bibliotecadigital.ufrgs.br/da.php?nrb=000774308&loc=2011&l=f11f6d32e891b618
 Obelheiro, M. R., Oliveira, M. L. de, e Cybis, H. B. B. (2010) Avaliação da influência do tipo de cobrança e da
composição do tráfego sobre o desempenho operacional de praças de pedágio. Transportes, 18(3), 25–33.
doi:10.14295/transportes.v18i3.448
Oliveira, M. L. de. (2009) MÉTODO PARA DETERMINAÇÃO DE NÍVEL DE SERVIÇO EM PRAÇAS DE
PEDÁGIO. UFRGS. Obtido de
www.bibliotecadigital.ufrgs.br/da.php?nrb=000710965&loc=2009&l=c5788b9740d4d73a
TRB. (2016) Highway Capacity Manual, A Guide for multimodal mobility analysis. (6o ed). Washington, DC,
USA.
Woo, H. T., e Hoel, L. A. (1991) Toll Plaza Capacity and Level of Service. Transportation Research Record:
Journal of the Transportation Research Board, Washington, D.C., 1320(7), 119–127.
Yang, T., Wang, P., Zhu, J. P., e Zhao, J. D. (2019) Optimization of Lane Number of Highway Toll Station
Based on Multiple Payments. Jiaotong Yunshu Xitong Gongcheng Yu Xinxi/Journal of Transportation
Systems Engineering and Information Technology, 19(5), 212–218. doi:10.16097/j.cnki.1009-
6744.2019.05.030
Zarrillo, M. L., Radwan, A. E., e Al-Deek, H. M. (1997) Modeling traffic operations at electronic toll collection
and traffic management systems. Computers and Industrial Engineering, 33(3–4), 857–860.
doi:10.1016/S0360-8352(97)00266-0

Powered by TCPDF (www.tcpdf.org)