Embed Size (px)
Citation preview
Instituto Politécnico de Coimbra
Instituto Superior de Engenharia de Coimbra
SIMUTRACS SIMULATOR FOR URBAN TRAFFIC CONTROL STRATEGIES
Rodolfo Nogueira Dinis de Matos Neto
Projecto para obtenção do Grau de Mestre em
Automação e Comunicações em Sistemas de Energia
COIMBRA
2012
ii
Instituto Politécnico de Coimbra
Instituto Superior de Engenharia de Coimbra
SIMUTRACS SIMULATOR FOR URBAN TRAFFIC CONTROL STRATEGIES
Orientador:
Dr. Nuno Ferreira
ISEC
Rodolfo Nogueira Dinis de Matos Neto
Projecto para obtenção do Grau de Mestre em
Automação e Comunicações em Sistemas de Energia
COIMBRA
2012
ii
iii
Agradecimentos
A realização deste trabalho apenas foi possível devido à dedicação e apoio de algumas
pessoas.
O meu orientador, Dr. Nuno Ferreira, pelo apoio, incentivo e constante disponibilidade.
Aos meus pais, pelo seu apoio e compreensão.
A alguns colegas de curso, pelo apoio e ajuda.
iv
v
Resumo
A simulação é hoje em dia uma ferramenta muito usada para analisar uma grande
variedade de problemas dinâmicos. O tráfego rodoviário é um exemplo de tais problemas. O
tráfego rodoviário constitui um problema de dinâmica associada a processos complexos. Estes
processos são caracterizados pela interacção dos elementos do sistema: os condutores, as
infra-estruturas e os operadores. O tráfego pode ser considerado como um problema de oferta
e procura cuja dificuldade se baseia em dois problemas opostos, ou seja, a oferta de espaço é
pequena e a procura é sempre crescente.
Nesta tese é apresentado o simulador de tráfego rodoviário SIMUTRACS - Simulator
for Urban Traffic Control Strategies, que foi desenvolvido com o objectivo de testar novas
estratégias de controlo de tráfego rodoviário em cidades. Essas estratégias podem variar da
simples análise do comportamento do tráfego nas cidades, da alteração do mapa de estradas e
também pelo controlo dos semáforos em cruzamentos individuais utilizando para isso várias
estratégias de controlo, controlo com temporização constante e também com controlo difuso.
Nesta tese apresenta-se também uma síntese do estado da arte de alguns dos
simuladores mais importantes existentes hoje em dia.
Desenvolveu-se ainda um controlador difuso para controlar os semáforos.
Através dos resultados obtidos comprova-se a eficiência do controlador difuso quando
comparado com um controlador com temporizações fixas.
É ainda apresentado um anexo com todos os passos necessários para a instalação e
utilização do simulador.
Palavras chave: SIMUTRACS, Simulador Tráfego Rodoviário, Controlo, Lógica Difusa.
vii
viii
Abstract
Simulation is nowadays a tool used to analyze a wide variety of dynamic problems. Road
traffic is an example of such problems. Road traffic is a dynamic problem associated with
complex processes. These processes are characterized by the interaction of system
components: drivers, infrastructure and operators. Road Traffic can be regarded as a problem
of supply and demand whose difficulty is based on two issues, namely, the provision of space
is small and demand is ever-growing.
This thesis presents the road traffic simulator SIMUTRACS - Simulator for Urban
Traffic Control Strategies, this simulator was developed to address new strategies to control
road traffic in cities. These strategies can range from simple analysis of the behavior of traffic
in cities, from the amendment of the road map, and also by the control of traffic lights at
crossings using several individual control strategies, fixed traffic light timers and fuzzy logic
control.
In addition it was made a summary of the state of the art of some of the most important
simulators available today.
It was also developed a fuzzy controller to control the traffic lights.
Through the results obtained it can be proved the efficiency of the fuzzy controller when
compared with a controller with fixed timings.
It´s also presented an attachment with all the steps required for installation and operation
of the simulator.
Keywords: SIMUTRACS, Road Traffic Simulator, Control, Fuzzy Logic.
ix
x
Índice
Agradecimentos iii
Resumo v
Abstract viii
Índice x
Lista de Tabelas xiv
Lista de Equações xvi
Lista de Acrónimos xviii
1 Introdução 1
1.1 Introdução 1
1.2 Motivação e Objectivos 1
1.3 Simulação de Tráfego 2
1.4 Contribuições Científicas 2
1.5 Estrutura e Organização do Relatório 3
2 Sistemas de Transporte Rodoviário 5
2.1 Introdução 5
2.2 Teoria de Tráfego 5
2.2.1 Correntes de Tráfego – Conceitos e Grandezas 5
2.2.2 Cruzamentos Semafóricos 9
2.2.3 Coordenação de Cruzamentos 12
2.3 Sistemas Inteligentes de Transportes 14
2.4 Modelação e Simulação 18
2.4.1 Estado da Arte 19
2.4.2 Modelos Desenvolvidos pelo Consórcio “The Smartest Project” 21
3 Controlo 29
3.1 Introdução 29
3.2 Lógica Difusa 29
3.2.1 Fundamentos da Lógica Difusa e dos Conjuntos Difusos 30
xi
3.2.2 Propriedades dos Conjuntos Difusos 33
3.2.3 Raciocínio Aproximado 34
3.2.4 Variáveis Linguísticas 34
3.2.5 Proposições Difusas 35
3.2.6 Expressões Difusas Se - Então 35
3.2.7 Controlador Difuso 36
3.2.8 Análise e Projecto de Controladores Difusos 38
3.2.9 Controlador Difuso Desenvolvido para o SIMUTRACS 40
4 SIMUTRACS 43
4.1 Introdução 43
4.2 SIMUTRACS 43
4.3 Construção de Mapas no SIMUTRACS 46
5 Resultados 49
5.1 Introdução 49
5.2 Resultados obtidos sem controlo por lógica difusa 49
6 Conclusões 59
Referências 61
ANEXO 1: Instalação e Utilização do SIMUTRACS 63
xii
Lista de Figuras Figura 1: Cruzamento com duas fases de operação dos semáforos. ........................................ 11 Figura 2: Possível Diagrama de ciclo para o cruzamento representado na Figura 1. .............. 11 Figura 3: Possibilidades de coordenação semafórica. .............................................................. 12 Figura 4: Representação gráfica de uma onda verde. .............................................................. 13 Figura 5: Esquema de um SAGT. ............................................................................................ 16 Figura 6: Esquema de um SOVC. ............................................................................................ 17 Figura 7: Simulador AIMSUN2. .............................................................................................. 22 Figura 8: Simulador DRACULA. ............................................................................................ 27 Figura 9: Simulador SITRA B+. .............................................................................................. 28 Figura 10: Conjunto crespo. ..................................................................................................... 31 Figura 11: Conjunto difuso. ..................................................................................................... 31
Figura 12: Função de pertença triangular. ............................................................................... 32 Figura 13: Função de pertença trapezoidal. ............................................................................. 32 Figura 14: Função de pertença radial. ...................................................................................... 32 Figura 15: Núcleo, suporte e altura de uma função pertença trapezoidal. ............................... 34 Figura 16: Estrutura de um controlador Difuso. ...................................................................... 36 Figura 17: Controlador difuso como único controlador na malha de controlo. ....................... 38 Figura 18: Controlador difuso e controlador convencional. .................................................... 39 Figura 19: Controlador difuso corrigindo o controlador convencional. .................................. 39 Figura 20: Controlador difuso como supervisor. ..................................................................... 40 Figura 21: Estados possíveis para cada veículo ao longo da simulação. ................................. 44 Figura 22: Cruzamento............................................................................................................. 46 Figura 23: Nada. ....................................................................................................................... 46 Figura 24: Recta Horizontal ..................................................................................................... 46
Figura 25: Recta Vertical. ........................................................................................................ 46 Figura 26: Curva 1. .................................................................................................................. 46 Figura 27: Curva 3. .................................................................................................................. 46 Figura 28: Curva 2. .................................................................................................................. 46 Figura 29: Curva 4 ................................................................................................................... 46 Figura 30: T 2. .......................................................................................................................... 46 Figura 31: T 1 ........................................................................................................................... 46 Figura 32: T 4. .......................................................................................................................... 46 Figura 33: T 3. .......................................................................................................................... 46
Figura 34: Menu CREATE MAP............................................................................................. 47 Figura 36: Mapa com 2 cruzamentos. ...................................................................................... 49 Figura 35: Mapa com 1 cruzamento. ....................................................................................... 49 Figura 37: Mapa com 4 cruzamentos. ...................................................................................... 49
Figura 38: Variação temporal do tempo entre entrada de carros no mapa. ............................. 50 Figura 39: Velocidade de circulação média dos carros e número de carros para o mapa com 1 cruzamento. .............................................................................................................................. 50
Figura 40: Velocidade de circulação média dos carros e número de carros para o mapa com 2 cruzamentos. ............................................................................................................................ 51 Figura 41: Velocidade de circulação média dos carros e número de carros para o mapa com 4 cruzamentos. ............................................................................................................................ 51 Figura 42: Número de carros ao longo tempo variando o mapa. ............................................. 52
Figura 43: Número de carros ao longo tempo variando o mapa. ............................................. 52 Figura 44: Mapa usado para as simulações seguintes. ............................................................. 53 Figura 45: Tempo a verde para a direção Oeste – Este sem controlo aplicado aos semáforos.54
xiii
Figura 46: Tempo a verde para a direção Oeste – Este com controlo difuso aplicado aos semáforos. ................................................................................................................................. 54 Figura 47: Nº de carros no mapa ao longo do tempo sem controlo aplicado aos semáforos. .. 55 Figura 48: Nº de carros no mapa ao longo do tempo com controlo difuso aplicado aos semáforos. ................................................................................................................................. 55 Figura 49: Tempos de circulação totais dos carros no mapa ao longo do tempo sem controlo aplicado aos semáforos. ............................................................................................................ 56 Figura 50: Tempos de circulação totais dos carros no mapa ao longo do tempo com controlo difuso aplicado aos semáforos. ................................................................................................. 56 Figura 51: Tempos de paragem totais dos carros no mapa ao longo do tempo sem controlo aplicado aos semáforos. ............................................................................................................ 57 Figura 52: Tempos de paragem totais dos carros no mapa ao longo do tempo com controlo difuso aplicado aos semáforos. ................................................................................................. 57 Figura 53: Capa do SIMUTRACS. .......................................................................................... 63
Figura 54: Menu OPTIONS. .................................................................................................... 64 Figura 55: Menu CREATE MAP. ............................................................................................ 64 Figura 56: Menu CONTROLS. ................................................................................................ 65 Figura 57: Janela de Simulação. ............................................................................................... 66 Figura 58: Menu INFO. ............................................................................................................ 66 Figura 59: Janela RESULTS. ................................................................................................... 67
xiv
Lista de Tabelas
Tabela 1: Tabela de coeficientes das proporções de volume de tráfego. ................................... 6 Tabela 2: Volumes de tráfego observados. ................................................................................ 7 Tabela 3: Lista de projectos avaliados no “The Smartest Project ”. ........................................ 20 Tabela 4: Variáveis de veículos em fila de espera. .................................................................. 40 Tabela 5: Variáveis dos veículos a chegar. .............................................................................. 40 Tabela 6: Tabela de Regras. ..................................................................................................... 41
xv
xvi
Lista de Equações
Equação 1: Volume horário de ponta numa direção. ................................................................. 6 Equação 2: Factor de Ponta Horário. ......................................................................................... 7 Equação 3: Densidade. ............................................................................................................... 8 Equação 4: Velocidade média no tempo. ................................................................................... 8 Equação 5: Velocidade média no espaço. .................................................................................. 9 Equação 6: Relação fundamental do Tráfego Rodoviário. ........................................................ 9
xvii
xviii
Lista de Acrónimos
ABS – Antilock Braking System
FLC – Fuzzy Logic Controller
FPH – Fator de Ponta Horário
GPS – Global Positioning System
GSM – Global System for Mobile Communications
O/D – Origem/Destino
SAGT – Sistemas Avançados de Gestão de Tráfego
SACV – Sistemas Avançados de Controlo de Veículos
SAIV – Sistemas Avançados de Informação para Viajantes
SATP – Sistemas Avançados de Transportes Públicos
SIT – Sistemas Inteligentes de Transporte
SOVC – Sistemas de Operação de Veículos Comerciais
TMD – Tráfego Médio Diário
TMDA – Tráfego Médio Diário Anual
VHP – Volume Horário de Ponta
VHPd – Volume Horário de Ponta numa direção
xix
1
1 Introdução
1.1 Introdução
Este capítulo pretende enquadrar o tema da tese, ou seja, simuladores de tráfego
rodoviário, de modo a fornecer uma visão geral do que foi abordado. Este está estruturado da
seguinte forma: na secção 1.2 apresenta-se a motivação e os objectivos do projecto, na secção
1.3 é feita uma breve introdução ao tema da tese, na secção 1.4 referenciam-se as
contribuições científicas resultantes deste trabalho. Por fim na secção 1.5 faz-se uma
descrição da estrutura do relatório.
1.2 Motivação e Objectivos
A motivação deste trabalho resultou do interesse pessoal do aluno em explorar novas
potencialidades na área do controlo. Aplicar sistemas alternativos ao controlo de sistemas de
transporte recaiu essencialmente no impacto que os Sistemas Inteligentes de Transportes (SIT)
têm atualmente nas redes de tráfego rodoviário e consequentemente nos benefícios que eles
provocam direta e indiretamente na qualidade de vida das populações. Sendo uma aplicação
útil para aplicar as técnicas de controlo e otimização enunciadas.
Assim os objectivos principais deste trabalho são apresentados nos seguintes pontos:
Fazer um estudo prévio do estado da arte de simuladores de tráfego rodoviário,
bem como as suas principais características.
Desenvolver um simulador de tráfego rodoviário bastante versátil, para que
fosse possível simular várias topologias de rede de estradas.
Aplicar técnicas de controlo essencialmente nos semáforos dos cruzamentos,
devido a serem zonas críticas em qualquer rede de estradas.
Extrair resultados relevantes que permitissem comprovar os benefícios
resultantes da aplicação destas técnicas.
2
1.3 Simulação de Tráfego
A simulação é hoje em dia uma ferramenta muito usada para analisar uma grande
variedade de problemas dinâmicos. O tráfego rodoviário é um exemplo de tais problemas. O
tráfego rodoviário constitui um problema de dinâmica associada a processos complexos. Estes
processos são caracterizados pela interacção dos elementos do sistema: os condutores, as
infra-estruturas e os operadores. O tráfego pode ser considerado como um problema de oferta
e procura cuja dificuldade se baseia em dois problemas opostos, ou seja, a oferta de espaço é
pequena e a procura é sempre crescente. A oferta responde a uma utilização colectiva: a rede
rodoviária é dimensionada para permitir um fluxo determinado. A procura é individual: cada
condutor deseja viajar nas suas condições. Portanto, os sistemas de tráfego possuem
características muito complexas e contêm grandes limitações para a modelação do sistema.
Existem muitos tipos diferentes de modelos de simulação de tráfego. De acordo com a sua
dimensão, um modelo de simulação pode ser macroscópica ou microscópica. Um modelo
macroscópico descreve correntes de tráfego que geralmente são representados pelo volume de
tráfego, densidade e velocidade. Um modelo microscópico considera todos os veículos como
elementos individuais da rede e as interacções entre eles são geralmente modeladas
matematicamente. Todos os modelos de tráfego descrevem o tráfego em formato estatístico.
Outro tipo de modelo é o chamado modelo mesoscópico que pode-se considerar um tipo
intermédio entre os dois anteriores.
1.4 Contribuições Científicas
O trabalho desenvolvido e apresentado nesta tese teve como finalidade atingir os
objectivos enunciados na secção 1.2. Este trabalho permite que seja possível de uma forma
simples e eficaz realizar análises do comportamento do tráfego rodoviário e dos sistemas de
controlo associados. Permite aplicar novas metodologias de análise e controlo de tráfego
rodoviário, como a aplicação de controlo por lógica difusa e tem um enorme potencial para
futuros desenvolvimentos, tanto a nível do desenho do simulador mas também a nível das
estratégias de controlo possíveis de implementar.
3
1.5 Estrutura e Organização do Relatório
Este relatório encontra-se organizado em seis capítulos.
No capítulo 2, Sistemas de Transporte Rodoviário, é feita uma introdução à teoria de
tráfego rodoviário, é feita uma análise ao conceito de Sistemas Inteligentes de Transportes e
também é dada uma panorâmica geral do estado da arte associado à modelação e simulação de
tráfego rodoviário.
No capítulo 3, Controlo, são abordados os fundamentos das estratégias de controlo e
otimização utilizadas, exibem-se também os vários tipos de controlo desenvolvidos presentes
no simulador.
No capítulo 4, SIMUTRACS, é feita uma apresentação do simulador desenvolvido, bem
como as suas características e potencialidades.
No capítulo 5, Resultados, mostram-se todos os resultados obtidos da dinâmica do
tráfego e principalmente da sua resposta às estratégias de controlo implementadas.
No capítulo 6, Conclusões, são descritas as conclusões do aluno sobre este trabalho bem
como algumas reflexões ao trabalho desenvolvido, sendo ainda expostas algumas perspectivas
para desenvolvimentos futuros.
No anexo 1 estão dexcritos os procedimentos para a instalação e a utilização do
simulador.
4
5
2 Sistemas de Transporte Rodoviário
2.1 Introdução
Neste capítulo apresentam-se alguns conceitos fundamentais presentes na teoria de
tráfego. É feita uma introdução aos SIT (Sistemas Inteligentes de Transporte), às suas
subcategorias principais e mais concretamente em que áreas de transporte são aplicadas. Por
fim mostra-se o estado da arte atual dos conceitos de modelação e simulação de tráfego
rodoviário.
2.2 Teoria de Tráfego
2.2.1 Correntes de Tráfego – Conceitos e Grandezas
Os fluxos rodoviários são constituídos pelos veículos interagindo entre si, bem como
outros elementos da via e do ambiente em redor.
As interacções entre os veículos envolvem restrições físicas e também características
comportamentais humanas bastante complexas.
Os parâmetros geralmente usados para caracterizar os fluxos rodoviários[1] são
classificados em duas categorias, parâmetros macroscópicos e parâmetros microscópicos. Os
parâmetros macroscópicos são usados para quantificar os fluxos de tráfego como um conjunto
de dados, por exemplo características médias. Os parâmetros microscópicos são usados para
caracterizar veículos e condutores individualmente.
Os principais parâmetros usados para caracterizar correntes de tráfego estão naturalmente
inseridos na categoria dos parâmetros macroscópicos. Podem-se definir como:
Volume de tráfego
Densidade
Velocidade
6
Volume de Tráfego
O volume ou fluxo de tráfego define-se como o número de veículos que atravessam uma
secção de via durante um determinado intervalo de tempo, esta variável geralmente define-se
em número de veículos por unidade de tempo.
Com base neste conceito podem-se definir muitas outras variáveis importantes, tais
como:
- TMDA - Tráfego Médio Diário Anual [nº veic./dia]
- TMD – Tráfego Médio Diário [nº veic./dia]
- VHP – Volume Horário de Ponta [nº veic./hora]
- VHPd – Volume Horário de Ponta numa direção [nº veic./hora]
- v – Débitos [nº veic./hora]
Pode-se estimar o VHPd através da seguinte equação
DKTMDAVHPd
Equação 1: Volume horário de ponta numa direção.
Onde D é a proporção do volume de tráfego na direção principal durante o volume
horário de ponta e K é a proporção do volume de tráfego na ponta horária em relação ao
tráfego diário.
Os factores de proporção K e D estão geralmente incluídos nos intervalos descritos na
tabela seguinte.
Tabela 1: Tabela de coeficientes das proporções de volume de tráfego.
Tipo de Via K D
Rural 0,15 – 0,25 0,65 – 0,80
Suburbana 0,12 – 0,15 0,55 – 0,65
Urbana
Via Radial 0,07 – 0,12 0,55 – 0,60
Via Circular 0,07 – 0,12 0,50 – 0,55
7
Para se compreender melhor, considere-se uma estrada rural onde se estima que daqui a
20 anos circulem cerca de 30000 veículos por dia. Como a estrada é rural, usa-se um factor K
de 0.2 que significa que o volume de tráfego no horário de ponta é 20% superior ao volume de
tráfego da média diária e usa-se um factor D de 0.7 que significa que 70% do volume do
tráfego do VHP circula na direção que nos interessa estimar. Então:
horaveícVHPd /.420070.020.030000
O débito v define-se como uma estimação do número de veículos numa hora baseando-se
em intervalos temporais inferiores. Por exemplo pode-se estimar que uma via tem um débito
de 4200 veic./hora porque num intervalo de 15 min. foram observados 1050 veículos. Para tal
usa-se a seguinte notação:
horaveicV /.420015
Ou seja, para intervalos temporais iguais, mas em instantes temporais diferentes obtêm-
se sempre valores diferentes de débito. Pode visualizar isto na tabela seguinte.
Tabela 2: Volumes de tráfego observados. Horário de observação Volume de tráfego
observado
Débito nesse Horário
(veíc./hora)
17:00 – 17:15 1000 4000
17:15 – 17:30 1100 4400
17:30 – 17:45 1200 4800
17:45 – 18:00 900 3600
Pode-se definir um outro factor, designado por FPH – Fator de Ponta Horário. Este
factor calcula-se através da seguinte expressão:
15VqFPH Equação 2: Factor de Ponta Horário.
onde q é o Volume de tráfego horário (veic./hora) e V15 é o volume máximo para
observações em 15 minutos, re-escalado para uma hora (veic./hora).
8
Densidade
A densidade k define-se como o número de veículos presentes numa determinada
extensão de estrada. Calcula-se através da seguinte equação:
Lnk Equação 3: Densidade.
Onde n é o número de veículos presentes no troço de estrada e L é a extensão desse troço.
Velocidade
A velocidade define-se como a distância percorrida numa unidade de tempo.
Nos estudos de tráfego rodoviário a velocidade mais relevante é a velocidade média de
um veículo em particular, ou ainda mais importante, a velocidade média de um conjunto de
veículos.
Podem-se definir dois tipos de velocidades médias, a velocidade média no tempo e a
velocidade média no espaço.
A velocidade média no tempo define-se como a velocidade média de todos os veículos
que atravessam um ponto da via num determinado período. Pode-se calcular através da
seguinte equação:
n
iit v
nv
1
1 Equação 4: Velocidade média no tempo.
Onde n é o número de veículos e vi é a velocidade de cada um dos veículos.
A velocidade média no espaço define-se como a velocidade média de todos os veículos
que percorrem uma secção de via num determinado período. Pode-se calcular através da
seguinte equação:
9
n
ii
s
t
nLv
1
Equação 5: Velocidade média no espaço.
Onde n é o número de veículos, L é a soma das distâncias percorridas de cada veículo e ti
é o tempo gasto por cada veículo a percorrer a sua distância.
A velocidade média no tempo é uma medida pontual enquanto que a velocidade média
no espaço é uma grandeza que se define para uma dada extensão da via.
A partir de todas estas definições chega-se à Relação Fundamental do Tráfego
Rodoviário, que se define pela seguinte equação:
kSq Equação 6: Relação fundamental do
Tráfego Rodoviário.
Ou seja, o volume de tráfego para um determinado intervalo de tempo é sempre igual à
média das velocidades (no espaço ou no tempo) dos veículos nesse intervalo de tempo vezes a
densidade média nesse intervalo de tempo.
2.2.2 Cruzamentos Semafóricos
Os cruzamentos sempre foram áreas críticas das redes viárias, devido à questão da
segurança rodoviária, devido à necessidade de rápido escoamento dos veículos e devido à
multiplicidade e complexidade das interacções entre os condutores, portanto necessitam de
uma gestão eficiente.
À medida que os volumes de tráfego crescem torna-se impossível gerir os cruzamentos
através de regras simples como por exemplo a da prioridade à direita. Uma hipótese de
contornar o problema era adoptar soluções de vias desniveladas que nunca se cruzassem num
mesmo nível, mas esta solução é irrealista devido à escassez de espaço, principalmente nas
cidades e principalmente devido aos avultados investimentos financeiros necessários.
10
O recurso à sinalização luminosa nos cruzamentos passou a ser utilizado desde que se
começaram a verificar os primeiros congestionamentos nas grandes cidades do mundo. É um
método de gestão de tráfego cujo custo de instalação e manutenção é relativamente baixo e
apresenta níveis de eficácia elevados. Intervém na dimensão espacial e também na dimensão
temporal promovendo o avanço dos condutores em períodos de tempo distintos e portanto
racionaliza o uso do espaço do cruzamento. Consegue-se assim indirectamente uma redução
de possíveis situações de acidente.
A sinalização luminosa em cruzamentos surge pela primeira vez em Londres em 1868
funcionando manualmente e os semáforos funcionavam com recurso a sistemas de gás. Os
sistemas luminosos com lâmpadas a três cores só surgiram em Nova Iorque em 1918 e o
controlo automático só foi aplicado pela primeira vez em 1928 em Wolverhamptom no Reino
Unido. Já nesta altura foram testados semáforos com temporizações diferentes ao longo do
dia. A partir de 1930 começaram a ser testados semáforos que reagiam às variações de
tráfego.
Os mecanismos de controlo dos semáforos podem ser, manuais, eletromecânicos os
eletrónicos. Hoje em dia os mecanismos manuais já não se usam, os electromecânicos e
eletrónicos podem ser de dois tipos diferentes. O primeiro classifica-se como sendo de “tempo
fixo”, é o mais usado e pode ter vários planos diferentes, ou seja, os tempos dos ciclos das
luzes são projectados de acordo com os históricos dos fluxos de tráfego na localização onde
serão aplicados. O segundo tipo é o chamado “comandado pelo tráfego”, como o próprio
nome indica recebe indicações do tráfego para alterar os tempos dos ciclos das luzes.
Diagramas de Ciclo
A representação da semaforização num cruzamento faz-se através dos diagramas de
ciclo.
Um diagrama de ciclo pode representar os tempos reais (tempos de cada cor num
semáforo) ou os tempos efetivos (tempos representados somente por vermelho e verde). Na
Figura 1 seguinte mostra-se um exemplo de um cruzamento com duas fases para operação
dos semáforos, na Figura 2 mostra-se um possível diagrama de ciclo.
11
Figura 1: Cruzamento com duas fases de operação dos semáforos.
Figura 2: Possível Diagrama de ciclo para o cruzamento representado na Figura 1.
Define-se teoricamente um diagrama de ciclo pelas seguintes definições:
Ciclo – Sequência total de indicações de um semáforo.
Tempo de ciclo - Tempo necessário para completar um ciclo, medido em segundos.
Fase – Parte do ciclo destinado a qualquer combinação de movimentos que recebem
permissão para avançar.
Intervalo – Período de tempo em que todos os sinais se mantêm constantes.
Tudo-vermelho – Intervalo em que a luz vermelha se encontra acesa para todas as fases.
Tempo de mudança – Soma dos tempos de amarelo e tudo-vermelho que ocorrem entre
fases e que existem para permitir a limpeza do cruzamento,
medido em segundos.
Tempo de verde – Tempo em que durante uma dada fase a luz verde está ligada, medido
em segundos.
12
Tempo de verde efetivo – Tempo durante uma fase, que efetivamente é utilizado para permitir
os movimentos, geralmente é igual ao tempo de verde mais o
intervalo de mudança menos o tempo perdido para a fase i,
medido em segundos.
Rácio de verde – Relação entre o tempo de verde efetivo e o tempo de ciclo.
Tempo de vermelho efetivo – Tempo durante um ciclo em que um movimento (ou conjunto
de movimentos) não tem permissão para avançar. É medido
em segundos.
2.2.3 Coordenação de Cruzamentos
Inicialmente só foram aplicados sistemas de semáforos em cruzamentos isolados, mas à
medida que as cidades cresciam o número de veículos aumentava e o número de cruzamentos
também aumentava, então tornou-se necessário definir algum tipo de coordenação entre os
cruzamentos.
Hoje em dia podem-se definir três tipos de organização semafórica:
Cruzamento isolado (sem coordenação)
Coordenação por artérias (onda verde)
Coordenação por zonas
Estão represntados na Figura 3 estes três tipos de coordenação semafórica.
Figura 3: Possibilidades de coordenação semafórica.
13
Cruzamento isolado
Este tipo de cruzamento não tem qualquer coordenação com outro cruzamento isolado
bem como com qualquer grupo de cruzamentos com coordenação. É a forma mais básica de
organização semafórica.
Coordenação por artérias (onda verde)
A coordenação por artérias implica a utilização de uma técnica designada por onda
verde. Esta técnica permite sincronizar os cruzamentos ao longo de um itinerário, assim
proporciona-se a possibilidade a grupos compactos de veículos de se deslocarem a uma
determinada velocidade. Na Figura 4 mostra-se um gráfico representativo do efeito de uma
onda verde ao longo de uma artéria.
Figura 4: Representação gráfica de uma onda verde.
14
Coordenação por zonas
A coordenação por zonas envolve a ligação dos cruzamentos numa rede em que o
comando de cada um deles é centralizado. Um sistema baseado neste conceito e
presentemente em funcionamento em toda a Europa e no resto do mundo é o sistema
GERTRUDE (Gestion Electronique de Régulacion en Temps Réel pour l’Urbanisme, les
Déplacement et l’Environnement)[2].
Este sistema está presentemente em funcionamento em Lisboa e no Porto e o objectivo
principal deste sistema é gerir em tempo real e de uma forma centralizada sistemas de tráfego
urbano. É um sistema composto por pacotes de software em que o modo de operação e gestão
de dados é desenvolvido à medida para cada cidade. Gere cada semáforo em cada cruzamento
em função de dados recolhidos por milhares de sensores de volume de tráfego espalhados
pelas cidades. Permite alterar os ciclos semafóricos a partir da central de controlo quando for
necessário. Os objectivos principais deste sistema são; reduzir os engarrafamentos no centro
das cidades, dar prioridade a veículos de emergência, permitir um correcto funcionamento dos
transportes públicos e diminuir a poluição.
2.3 Sistemas Inteligentes de Transportes
Os sistemas de transporte têm hoje em dia muitos problemas, relacionados
principalmente com os congestionamentos de tráfego nas cidades, estes congestionamentos
devem-se ao aumento do número de veículos, aumento do número de edifícios nas cidades e
também ao crescimento e mudanças nas densidades populacionais das cidades. Destes
congestionamentos resultam imediatamente consequências para as pessoas, tais como, demora
em chegar ao seu destino, aumento das emissões poluentes e aumento do consumo de
combustível. Existem algumas formas de lidar com estes problemas, uma delas é tentar limitar
de várias formas o nível de tráfego dentro das cidades, outra é tentar através da tecnologia
otimizar os sistemas de gestão de tráfego nas cidades, concretamente os semáforos. O tema
desta tese pode-se incluir nos SIT, que usam sistemas avançados de comunicação, de
informação e eletrónicos, para atingir estes objetivos. Pode-se dizer que os objetivos básicos
dos SIT são criar estradas, veículos mais inteligentes e condutores mais informados.
15
O desenvolvimento dos SIT não seria possível sem plataformas de simulação adequadas.
As vantagens dos modelos de simulação são muitas, tais como, teste de diferentes sistemas de
controlo de tráfego, possibilidade de alterar inúmeros parâmetros até se obter um resultado
satisfatório, testar novas abordagens, treino de pessoas e testes de vários aspectos de
segurança.
Os SIT envolvem a aplicação de tecnologias avançadas ligadas às áreas das tecnologias
de informação. Essas tecnologias envolvem áreas muito distintas mas com objectivos em
comum. Esses objectivos podem resumir-se à resolução de três grandes problemas dos
sistemas de transporte observados atualmente, que são, segurança, poluição atmosférica e
congestionamentos. Essa resolução nunca será total mas pode ser significativamente
diminuída.
Essas tecnologias podem envolver, automação de auto-estradas, sistemas automáticos de
cobrança de portagem, GPS, sistemas de informação ao condutor e dispositivos inteligentes
de controlo presentes tanto nos veículos como nas infra-estruturas.
Os SIT são uma designação muito genérica de um vasto conjunto de possibilidades de
aplicações tecnológicas diferentes, portanto definem-se na literatura subcategorias sobre este
assunto[3].
Sistemas Avançados de Gestão de Tráfego (SAGT)
Sistemas Avançados de Informação para Viajantes (SAIV)
Sistemas de Operação de Veículos Comerciais (SOVC)
Sistemas Avançados de Transportes Públicos (SATP)
Sistemas Avançados de Controlo de Veículos (SACV)
O principal objectivo dos SAGT é que os recursos da rede viária sejam aproveitados o
melhor possível, para tal estes sistemas necessitam de bastantes meios humanos e técnicos.
Um SAGT é geralmente composto por equipas de pessoas que recolhem informação da
rede viária e sistemas de suporte para os operadores dos sistemas de controlo de tráfego em
tempo real.
As equipas de recolha de informação e os sistemas de suporte enviam a informação para
os operadores do sistema e então é feito o controlo em tempo real dos elementos da rede
viária, que são por exemplo, semáforos, painéis informativos, etc.
Na Figura 5 mostra-se um esquema ilustrativo deste sistema.
16
Figura 5: Esquema de um SAGT.
Os SAIV têm o objectivo de fornecer informações aos passageiros e podem ser
controlados a partir dos SAGT, ou seja, a informação presente nos centros de controlo de
tráfego pode ser difundida para os SAIV. Essa informação pode ser difundida para os
viajantes de várias formas como, sistemas rádio, internet, sistemas integrados nos veículos
que disponibilizem informações de mapas da localização do veículo, condições do tráfego na
zona em que o veículo se encontra e eventualmente sobre acidentes.
Os SOVC são sistemas geralmente aplicados em frotas de mercadorias, distribuição e
logística, transportes colectivos de passageiros, táxis, transportes de valores, etc.
Cada veículo está equipado com um dispositivo receptor de GPS e envia a sua
localização entre outras informações, para o centro de controlo, a comunicação pode ser feita
pela rede GSM ou por redes de satélite como a Inmarsat C. Na Figura 6 encontra-se ilustrada
um SOVC.
17
Figura 6: Esquema de um SOVC.
Os SATP são sistemas aplicados em transportes públicos e podem usar as tecnologias
SAGT, SAIV e SOVC simultaneamente. Os SATP podem incluir sistemas de informação aos
passageiros, sistemas de localização de frotas, sistemas que controlem os semáforos que
permitam prioridades nas redes viárias para os transportes públicos e, por exemplo, sistemas
que permitam um fácil e rápido método de pagamento ou controlo de utilização, como por
exemplo cartões magnéticos.
Os SACV são sistemas que podem incluir sensores e unidades de processamento tanto
nos veículos como nas infra-estruturas das redes viárias com a intenção de alertar o condutor
sobre alguma situação anormal na via ou intervir directamente na condução do veículo,
conseguindo assim melhorar a segurança do condutor e dos passageiros. Um exemplo de um
sistema que intervém directamente no veículo é o conhecido ABS.
18
2.4 Modelação e Simulação
Um dos primeiros trabalhos na área de simulação de tráfego rodoviário foi a tese de
doutoramento de D. L. Gerlough com o título “Simulation of freeway traffic on a general
purpose discrete variable computer” em 1955[4].
Um dos modelos mais antigos é o seguidor de veículos proposto pela primeira vez por
Chandler et al.. em 1958.
Em 1959 foi realizado o primeiro simpósio internacional sobre a teoria de tráfego nos
laboratórios de pesquisa da General Motors. Nos anos mais recentes os modelos de simulação
têm vindo a ser desenvolvidos para apoiar a análise em quase todas as áreas dos SIT,
nomeadamente nos sistemas avançados de informação para o viajante e sistemas avançados
de gestão de tráfego.
Os modelos de simulação de tráfego são geralmente classificados de acordo com o nível
de detalhe. A esse nível de detalhe associam-se três tipos de modelos, modelo microscópico,
modelo mesoscópico e modelo macroscópico. A simulação num modelo macroscópico
funciona por secções de áreas em vêz de seguir veículos individuais. Por outras palavras os
simuladores macroscópicos lidam com correntes de tráfego como um conjunto, não modelam
o movimento de cada veículo individualmente na rede, é geralmente usado quando se
pretende cobrir uma área muito grande, outra característica importante é a velocidade de
simulação que geralmente é muito maior que a velocidade de outros simuladores, visto não
funcionar em tempo real.
Os modelos de simulação microscópicos foram desenvolvidos para representarem
sistemas de transporte com grande precisão ao nível de cada veículo. Simulam o movimento
individual dos veículos através das teorias de seguimento de veículos (car following) e
mudança de via.
Os modelos de simulação mesoscópicos são a nova geração de ferramentas de simulação
e modelação de tráfego. Estas ferramentas evoluíram devido à necessidade de um nível
intermédio de análise, disponibilizam mais detalhe que os modelos macroscópicos mas
também não disponibilizam tanta fidelidade como os modelos microscópicos. Os modelos
mesoscópicos tendem a representar relativamente a corrente de veículos numa linha de rede,
mas não representam as vias individualmente. No entanto a grande maioria dos modelos
desenvolvidos são microscópicos. Há um grande número de modelos diferentes existentes
hoje em dia.
19
2.4.1 Estado da Arte
A melhor fonte de informação relativamente aos modelos microscópicos existentes é o
“The Smartest (Simulation Modelling Applied to Road Transport European Scheme Tests)
Project”, que foi um programa financiado pela directoria geral dos transportes da União
Europeia e teve como parceiros várias universidades, institutos politécnicos e centros de
investigação de toda a Europa, esses parceiros foram, Universidade de Leeds no Reino Unido
(coordenadores do projecto), CERT e SODIT de França, UPC de Espanha, CTS e Transek da
Suécia e Mizar e Softeco de Itália. O projecto teve como principais objectivos, analisar
modelos de micro-simulação já existentes para que fossem identificadas falhas no que tinha
sido desenvolvido até à altura. Investigar de que modo é que esses modelos poderiam ser
melhorados para que essas falhas fossem eliminadas, melhorando assim o estado da arte. Por
fim pretendia-se juntar toda a informação adquirida e desenvolvida num manual de estado da
arte e difundir depois toda essa informação para que pudesse ser usada da melhor forma por
empresas, centros de investigação, instituições académicas, etc, com o objectivo de melhorar
as actuais condições de mobilidade rodoviária na Europa[5].
Este projeto melhorou alguns modelos que eram considerados na altura e ainda hoje os
melhores. Desses modelos podem-se destacar, o AIMSUN2, o NEMIS, o SPEACS, o
DRACULA e o SITR-B+.
Um dos modelos mais conhecidos mundialmente e na altura melhorado pelo consórcio “The
Smartest Project” é o AIMSUN2 (Advanced Interactive Microscopic Simulator for Urban and
Non Urban Networks) foi desenvolvido inicialmente pela Universidade Politécnica da
Catalunha e é uma ferramenta de software capaz de simular condições reais de tráfego em
áreas urbanas e não urbanas. É um simulador microscópico e disponibiliza modelação
detalhada da rede de tráfego, distinguindo entre diferentes tipos de veículos e condutores,
permite construir uma rede de estradas com um vasto leque de possibilidades, pode também
modelar incidentes e manobras.
Outro modelo desenvolvido foi o NEMIS, este modelo tem como objectivo principal
realizar testes em ruas. Tem uma grande capacidade para modelar redes urbanas com detalhe
microscópico, ou seja, lida individualmente com veículos, cruzamentos e estradas, tornando-o
importante para testar estratégias de controlo.
O NEMIS é um software que desde a sua criação tem sido usado principalmente por
investigadores que trabalham na área de estratégias de controlo de tráfego. Para além destes
dois modelos enunciados, o “The Smartest Project” desenvolveu ainda mais três modelos, o
20
SPEACS mais virado para as simulações em auto-estradas, o DRACULA (Dynamic Route
Assignment Combining User Learning and Micro-simulation), introduziu novos conceitos
como, acidentes, avarias, mudanças climatéricas, etc. É conhecido como o supermodelo
porque inclui imensas características que fazem com que o modelo se aproxime bastante com
a realidade. Foi também desenvolvido o SITRA B+ que permite a simulação de topologias
complexas de cruzamentos e intersecções. Uma outra característica importante deste modelo é
a possibilidade de os veículos receberem indicações da melhor rota possível de acordo com as
condições da via.
No próximo subcapítulo dá-se uma visão mais alargada das capacidades destes
modelos.
Na Tabela 3 estão representados todos os modelos avaliados pelo projecto Smartest[6].
Tabela 3: Lista de projectos avaliados no “The Smartest Project ”.
AIMSUN2 Universitat Politècnica de Catalunya, Barcelona
ANATOLL ISIS and Centre d'Etudes Techniques de l'Equipement
AUTOBAHN Benz Consult – GmbH
CASIMIR Institut National de Recherche sur les Transports et la Sécurité
CORSIM Federal Highway Administration
DRACULA Institute for Transport Studies, University of Leeds
FLEXSYT II Ministry of Transport
FREEVU University of Waterloo, Department of Civil Engineering
FRESIM Federal Highway Administration
HUTSIM Helsinki University of Technology
INTEGRATION Queen's University, Transportation Research Group
MELROSE Mitsubishi Electric Corporation
MICROSIM Centre of parallel computing (ZPR), University of Cologne
MICSTRAN National Research Institute of Police Science
MITSIM Massachusetts Institute of Technology
MIXIC Netherlands Organisation for Applied Scientific Research - TNO
NEMIS Mizar Automazione, Turin
NETSIM Federal Highway Administration
PADSIM Nottingham Trent University – NTU
PARAMICS The Edinburgh Parallel Computing Centre and Quadstone Ltd
21
PHAROS Institute for simulation and training
PLANSIM-T Centre of parallel computing (ZPR), University of Cologne
SHIVA Robotics Institute – CMU
SIGSIM University of Newcastle
SIMDAC ONERA - Centre d'Etudes et de Recherche de Toulouse
SIMNET Technical University Berlin
SISTM Transport Research Laboratory, Crowthorne
SITRA B+ ONERA - Centre d'Etudes et de Recherche de Toulouse
SITRAS University of New South Wales, School of Civil Engineering
TRANSIMS Los Alamos National Laboratory
THOREAU The MITRE Corporation
VISSIM PTV System Software and Consulting GMBH
2.4.2 Modelos Desenvolvidos pelo Consórcio “The Smartest Project”
AIMSUN2:
O AIMSUN2 é uma ferramenta de software capaz de reproduzir as condições reais de
tráfego numa rede. É baseado na abordagem de simulação microscópica. O comportamento de
cada veículo é modelado continuamente durante o período de amostragem de simulação, de
acordo com diversos modelos de comportamento do condutor (car following, lane changing,
gap acceptance). O AIMSUN2 é um simulador discreto – contínuo combinado: alguns
elementos do sistema de transporte (veículos, sensores) mudam continuamente de estado ao
longo do período de simulação, enquanto há outros elementos (semáforos, pontos de entrada),
cujo estado muda discretamente em pontos específicos durante o tempo da simulação. Ele
fornece uma modelação muito detalhada da rede de tráfego: distingue entre diferentes tipos de
veículos e motoristas, pode lidar com uma ampla variedade de geometrias de rede, mas
também pode modelar acidentes e manobras perigosas.
O AIMSUN2 precisa de três tipos de dados de entrada: a descrição da rede, os planos
de controlo dos sinais de tráfego e as condições de tráfego. A descrição da rede contém
informações sobre a geometria da rede, movimentos de mudança de direção, mapa de ligações
do mapa, de entroncamentos e de localização de sensores. Os planos de controlo de tráfego
definem as fases das luzes e a sua duração para cruzamentos controlados por semáforos e
22
definem as prioridades para cruzamentos sem sinalização. As entradas essenciais para o
simulador são os fluxos de tráfego para as ligações de entrada, as proporções de viragem em
cruzamentos e o estado inicial da rede.
Recentemente o AIMSUN2 foi interligado com o sistema SCOOT UTC [7] do Reino
Unido. O AIMSUN2 passa detalhes dos fluxos de veículos da rede para o SCOOT e o
SCOOT usa esses dados dos fluxos de veículos para calcular as temporizações dos semáforos
que têm como objectivo minimizar a quantidade de tempo de espera dos veículos na rede.
Essas temporizações são passadas ao AIMSUN2 onde são implementadas.
As saídas disponibilizadas pelo AIMSUN2 incluem uma animação gráfica contínua
que representa a rede de tráfego, incluem também dados estatísticos (fluxos de tráfego,
velocidades, tempos de viagem, tempos de espera, paragens, consumo de combustível,
emissões poluentes) e dados recolhidos pelos detectores da simulação (contagens, ocupações,
velocidades, comprimentos de filas).
O AIMSUN2 é integrado no ambiente de simulação GETRAM (Generic Environment
for Traffic Analysis and Modelling), que consiste num editor gráfico de redes de tráfego,
contém bases de dados da rede, modelos estatísticos, modelos de simulação temporais e um
módulo para guardar e apresentar resultados.
Na Figura 7 encontra-se representado o simulador AIMSUN2.
Figura 7: Simulador AIMSUN2.
23
NEMIS
O NEMIS foi projetado como uma solução específica para a análise de problemas
existentes em ruas urbanas, concretamente cidades. A sua capacidade para modelar redes
urbanas a um detalhe microscópico (veículos individuais, cruzamentos individuais ou secções
de estrada) torna-o uma boa ferramenta para testar estratégias e técnicas de controlo de
tráfego em níveis localizados ou de área.
O NEMIS é um pacote de software científico e desde a sua criação tem sido usado
principalmente para trabalhos de pesquisa e desenvolvimento e para testes de estratégias de
controlo. Foi desenvolvido para a micro simulação de tráfego urbano (privado e público) em
redes de larga escala. Tem a capacidade de modelar redes urbanas e os comportamentos de
cada veículo com um detalhe considerável e é bem estruturado para responder a uma grande
variedade de tipos de aplicações diferentes. A sua utilidade foi demonstrada para as seguintes
tarefas:
Análise dos defeitos da regulação e modificações da rede para a mobilidade de
tráfego.
Avaliação de diferentes estratégias de controlo de semáforos.
Testes de técnicas de encaminhamento de tráfego.
Simulação e avaliação de estratégias de encaminhamentos por rotas e sistemas de
informação ao condutor.
Avaliação dos efeitos das melhorias das estruturas de transportes públicos nos fluxos
de tráfego dentro das cidades.
Testes da eficiência de sistemas de gestão de estacionamento.
Desenvolvimento de estratégias com o objectivo de reduzir o consumo de
combustível e emissões poluentes.
Uma característica fundamental do NEMIS é a sua capacidade para modelar cada veículo
individualmente na rede urbana. Os veículos podem pertencer a duas categorias: privados e
públicos. Atualmente estão presentes seis classes de veículos privados e duas classes de
veículos públicos. Os veículos privados podem ter uma rota fixa, origem e destinos fixos ou
flutuantes, ou seja, veículos que são usados para estratégias de encaminhamento inteligente.
24
As informações principais presentes para cada veículo são:
Tipo (rota fixa, O/D, flutuantes, autocarros, eléctricos)
Classe (público, privado)
Origem
Destino
Curva desejada na próxima intersecção
Faixa atual
Próxima faixa
Estado de acordo com a regulação do cruzamento
Posição na faixa atual
Velocidade
Veículo de trás
Veículo da frente
Tempo de entrada na rede
Tempo de entrada na área atual
Tempo de início desde a última paragem (só veículos públicos)
O movimento dentro da rede é determinado por:
A regra do seguimento do carro da frente
As manobras possíveis dentro de cada zona
A escolha de viragem no próximo cruzamento
Regulação atual dos semáforos
Estratégias de controlo implementadas
A simulação funciona com incrementos de um segundo. Os outputs de dados incluem
emissões poluentes e o consumo de combustível produzido pelos veículos.
Foi desenvolvido um programa para interligar o NEMIS ao sistema SCOOT UTC, permitindo
que eles interajam. O NEMIS consegue receber, em tempo real, strings de controlo para
semáforos e enviar as contagens de veículos localizados na rede simulada num formato
compatível com o sistema SCOOT.
25
SPEACS
O SPEACS é um micro simulador de auto-estradas. Foi inicialmente desenvolvido
através do programa PROMETHEUS (Program for European Traffic with Efficiency and
Unprecedented Safety) e desde então tem sido expandido e melhorado, de tal forma que a
versão atual disponibiliza movimentações de veículos em estradas de três vias, consegue
simular o comportamento dos veículos quando têm informações relevantes na auto-estrada.
A cada conjunto condutor – veículo são caracterizados parâmetros como, velocidade
máxima, aceleração, velocidade desejada, atitude do condutor, etc.
O veículo move-se de acordo com uma lei empírica de seguimento do carro da frente
baseada num modelo proposto por Gipps[8], mas melhorado para disponibilizar mais
semelhanças com as características dos atuais fluxos de tráfego. São usadas regras de
comportamento e decisões para simular manobras de ultrapassagem, mudanças de faixa, etc.
Estas regras tomam em consideração as características dos pares condutor – veículo e dos
comportamentos dos veículos vizinhos.
É possível seguir a evolução das condições do tráfego através de uma interface gráfica
interactiva que disponibiliza informação imediata de um qualquer veículo ou troço da auto-
estrada. A informação é disponibilizada em forma de tabelas, histogramas ou representação
visual de troços. A interface também permite a introdução de acidentes no decorrer da
simulação.
O SPEACS foi usado para desenvolver estratégias de controlo de velocidade para o
sistema EASY DRIVER na auto-estrada Padova-Mestre em Itália [9], foi também usado nos
projetos PROMETHEUS e DRIVE(Dedicated Infraestructure for Vehicle Safety in Europe).
DRACULA
O DRACULA (Dynamic Route Assignement Combining User Learning and Micro-
Simulation) é um simulador microscópico de redes de tráfego, desenvolvido no Institute for
Transportation Studies (ITS) na Universidade de Leeds ao longo de um período de cinco anos.
É parte do conjunto de programas SATURN desenvolvidos no ITS . O desenvolvimento, teste
e validação do modelo foi financiado pela “UK Engeneering and Physical Sciences Research
Council”, no entanto inicialmente o modelo foi financiado pelo programa “EC’s DRIVE II
Telematic”. Algumas aplicações deste modelo incluem o estudo do congestionamento
26
baseado nas taxas de circulação, controlo de sinais de trânsito em tempo real,
encaminhamento dinâmico, desenho de circuitos de transportes públicos, medidas de
evacuação de emergência (por exemplo, explosões ou cheias).
O DRACULA é considerado como um supermodelo porque inclui um vasto conjunto
de possibilidades e níveis de detalhe que podem ser seleccionados pelo utilizador dependendo
dos objectivos do estudo. Por exemplo as escolhas do condutor podem ser modeladas ao nível
de um veículo individual ou a um nível agregado.
O DRACULA difere dos modelos tradicionais porque modela explicitamente a
evolução dinâmica diária do comportamento do condutor e condições de tráfego com um
processo estocástico de tempo discreto.
No seu nível mais detalhado o DRACULA tem a seguinte estrutura:
1-Inicializações - Para cada potencial viajante na rede assume custos de viagem para cada
entrada da rede. Atualiza o contador de dias a k=0.
2 – Configuração O/D – Incrementa o contador de dias k=k+1. Gera o conjunto de viajantes
que vão de facto fazer a viagem no dia k.
3 – Escolha do percurso – Cada indivíduo que viaja no dia k escolhe um horário de saída e
escolhe a rota baseado nos custos da viagem.
4 – Variações – Simula as variações das características do modelo, para simular chuva, neve,
acidentes, veículos estacionados, avarias, etc.
5 – Modelo de Tráfego – Carrega as escolhas da viagem do passo 3 na rede com o modelo de
simulação em incrementos de um segundo, registando sempre o trajecto de viagem de cada
veículo. Ao longo desta fase podem ocorrer alterações das rotas inicialmente previstas.
6 – Aprendizagem – Através de um mecanismo de aprendizagem, cada indivíduo toma
consciência da estrada e no dia seguinte terá um comportamento diferente.
Esta técnica de aprendizagem estocástica vai executar as variações comportamentais
dos condutores ao longo do tempo.
De um ponto de vista prático a representação dos comportamentos dos condutores e
dos fluxos de tráfego no dia a dia é a chave para a enorme flexibilidade e variedade de
27
hipóteses que podem incorporar, tornando o DRACULA altamente adequado para futuros
desenvolvimentos.
É possível simular eventos especiais como, acidentes, avarias, condições atmosféricas
adversas e consequentemente disponibilizar estas informações aos condutores, por exemplo,
via rádio, ou outros dispositivos eletrónicos presentes nos veículos. O DRACULA modela
ainda os comportamentos dos condutores de acordo com a situação de cada um deles no
mapa, tendo em consideração as suas experiências (guardadas nos ficheiros de histórico).
Figura 8: Simulador DRACULA.
28
SITRA B+ O SITRA B+ foi desenvolvido pelo CERT, tem a capacidade de modelar áreas
urbanas de tamanho médio, incluindo topologias de cruzamentos complexas e é
particularmente adequado para a avaliação de estratégias em tempo real incluindo prioridades
para transportes públicos e estratégias de orientação de rotas.
O SITRA B+ é uma ferramenta de simulação para avaliação de controlo de tráfego e
estratégias de orientação de rotas (os veículos estão equipados com dispositivos de
comunicação e podem receber informações do melhor trajecto a efectuar).
A simulação é microscópica, ou seja, cada veículo é uma entidade individual. A lei
entre os veículos é a combinação linear da velocidade relativa e a distância entre o próprio
veículo e o que o precede.
A versão mais recente do SITRA B+ foi programada em C++.
O SITRA B+ permite a modelação de cruzamentos complexos, qualquer tipo de
veículo, estacionamentos, sensores, etc.
A gestão dos semáforos e as estratégias de orientação das rotas são independentes do
simulador. Existe um protocolo de sincronização que gere a comunicação dos dados medidos
pelos sensores do SITRA B+ com as estratégias externas de controlo.
A interface gráfica e a organização dos dados em ficheiros são sob o ponto de vista do
utilizador duas vantagens da ferramenta porque facilitam o trabalho. São disponibilizados
resultados estatísticos ao longo e no fim de cada simulação permitindo assim a correcta
avaliação das estratégias desenvolvidas.
Figura 9: Simulador SITRA B+.
29
3 Controlo
3.1 Introdução
Neste capítulo apresentam-se teoricamente os conceitos fundamentais das estratégias de
controlo implementadas no simulador SIMUTRACS e também é explicado em detalhe o
controlo que foi desenvolvido baseado nos conceitos que são aqui enunciados[10].
3.2 Lógica Difusa
A lógica difusa e a teoria dos conjuntos difusos constituem um meio eficiente para lidar
com a incerteza e imprecisão associadas ao conhecimento humano, permitindo captar e
representar esse conhecimento de uma forma linguística, bem mais próxima das linguagens
naturais. Apesar de relativamente recente, a lógica difusa tem vindo a afirmar-se em várias
áreas do conhecimento, podendo-se encontrar atualmente um elevado número de aplicações
com base nesta tecnologia.
O controlo difuso, ao permitir a utilização de conhecimento fornecido por um perito ou
um operador experiente permite incorporar alguma inteligência na malha de controlo. Um
aspecto relevante na metodologia difusa é que para controlar um processo não é necessário
um modelo matemático do processo, como nas metodologias clássicas de controlo, desde que
exista informação suficiente acerca do processo que possa ser expressa duma forma
linguística. Apesar do sucesso e dos avanços significativos ocorridos nos últimos anos na área do
controlo difuso, existem ainda algumas limitações que não permitem uma maior exploração
por parte da indústria de todo o potencial do controlo difuso. Alguns problemas subsistem,
como por exemplo o da escolha apropriada dos parâmetros de um controlador difuso, ou o da
previsão da influência dos parâmetros do controlador sobre o desempenho do sistema de
controlo. São pois necessárias metodologias de análise e projecto mais sistematizadas de
forma a eliminar alguma da subjectividade e empirismo ainda presentes.
30
3.2.1 Fundamentos da Lógica Difusa e dos Conjuntos Difusos
A lógica difusa foi proposta em 1965 por Lotfi A. Zadeh[11] num artigo intitulado
"Fuzzy Sets"[12]. A lógica difusa é basicamente uma lógica multivalor que permite definir
valores intermédios quando se avalia uma afirmação. Foi criada com o intuito de permitir
captar e representar o conhecimento humano, nomeadamente a incerteza inerente ao próprio
conhecimento e gerar decisões baseadas nesse conhecimento, segundo uma forma linguística
ou verbal.
A lógica difusa permite representar duma forma mais natural a realidade. Uma afirmação
ou propriedade pode ser verdadeira para vários graus de verdade, desde completamente
verdadeira até completamente falsa, ao contrário da lógica tradicional em que uma afirmação
ou é completamente verdadeira ou completamente falsa.
Seja X o universo de todas as pessoas de uma comunidade. Considere-se a seguinte
propriedade:
A ={Conjunto das pessoas altas da comunidade X}
O grau de pertença de um elemento de X ao conjunto A será 1 se o elemento pertence
completamente a A, 0 se não pertence a A e entre 0 e 1 se o elemento pertencer aos limites de
A. Quanto mais um elemento é característico de A, mais próximo de 1 está o seu grau de
pertença. Daqui resultam três aspectos fundamentais a ter em conta: não existem graus de
pertença exactos; os graus de pertença não são definidos de uma forma absoluta, na maioria
dos casos dependem do contexto; a incerteza difere da imprecisão.
A incerteza duma propriedade assenta na ausência de limites bem definidos para o
conjunto de objectos aos quais esta propriedade se aplica. A imprecisão diz respeito à
ausência de conhecimento acerca de um valor ou parâmetro num dado intervalo.
Na teoria dos conjuntos difusos, os conjuntos normais designam-se por conjuntos
"crespos" de forma a distingui-los dos conjuntos difusos. Para um conjunto "crespo" C no
universo X, qualquer elemento x ou pertence a C ou não pertence a C. É possível definir a
seguinte função característica
C : X ->{0;1} , isto é,
31
CxseCxse
xuc 01
)(
De seguida mostra-se o exemplo de um conjunto crespo e um conjunto difuso:
Figura 10: Conjunto crespo.
Figura 11: Conjunto difuso.
Uma função de pertença pode ser definida através da enumeração dos elementos do
universo X conjuntamente com os respectivos graus de pertença. Outra forma consiste na
utilização de uma função geral que para cada elemento x do universo X fornece o seu grau de
pertença μ(x). As funções de pertença mais comuns são triangulares, trapezoidais e radiais. A
função de pertença triangular, Λ : X →[0;1] é uma função com três parâmetros definida por:
32
x
xx
xxx
x
0
0
),,,;(
Figura 12: Função de pertença triangular.
A função de pertença trapezoidal, Π: X →[0;1] é uma função com quatro parâmetros
definida através de
x
xxx
xxx
x
0
1
0
),,,;(
Figura 13: Função de pertença trapezoidal.
A função de pertença trapezoidal pode ser utilizada para descrever as funções de pertença
triangulares, que são casos particulares da primeira.
A função de pertença radial, Ω: X →[0;1] é uma função com dois parâmetros definida
por:
2
2
2)(exp),;(
xx
Figura 14: Função de pertença radial.
33
3.2.2 Propriedades dos Conjuntos Difusos
Seja A um conjunto difuso definido no universo X. O suporte de um conjunto difuso A é
definido por:
0)(:)(suporte xuXxA A
Quando se lida com conjuntos difusos convexos, como é no caso da teoria do
controlo difuso, o suporte de um conjunto difuso é um intervalo. Por esse motivo o termo
largura de um conjunto difuso é também usado. A largura de um conjunto difuso convexo A é
definida por:
largura(A) = sup(suporte(A))− inf(suporte(A))
Se o conjunto suporte(A) é limitado, como é usual no controlo difuso, supremo (sup) e
ínfimo (inf) podem ser substituídos por máximo (max) e mínimo (min).
O núcleo de um conjunto difuso A é definido por:
1)(:)( xuXxAnucleo A
Se apenas existir um ponto com grau de pertença igual a 1, então este ponto designa-se
por fuzzy singleton (singular difuso).
A altura de um conjunto difuso A em X, denotada por altura(A), é definida através de:
)(sup)( xuAaltura AXx
Um conjunto difuso A diz-se normalizado se altura (A)= 1.
Na Figura 15 está represntado o núcleo, o suporte e a altura de uma função trapezoidal.
34
Figura 15: Núcleo, suporte e altura de uma função pertença trapezoidal.
3.2.3 Raciocínio Aproximado
Raciocínio aproximado é a forma mais bem conhecida de lógica difusa que inclui um
conjunto de regras de inferência que estão em claro contraste relativamente à inferência na
lógica clássica. No raciocínio aproximado a consequência de um dado conjunto de
proposições difusas depende de forma essencial do significado ligado a estas proposições
difusas, de modo que, a inferência é determinada com conjuntos difusos que representam o
significado de um certo conjunto de proposições difusas.
3.2.4 Variáveis Linguísticas
A unidade fundamental para a representação de conhecimento no raciocínio aproximado
é a variável linguística. Zadeh afirma o seguinte acerca da sua definição:
"By a linguistic variable we mean a variable whose values are words or sentences in a
natural or artificial language. For example, Age is a linguistic variable if its values are
linguistic rather than numerical, i.e., young, not young, very young, quite young, old, not very
old and not very young, etc., rather than 20, 21, 22, 23, ..."
Uma variável linguística é pois uma variável cujos valores não são números mas sim
palavras ou expressões numa linguagem natural ou artificial.
35
3.2.5 Proposições Difusas
O raciocínio aproximado é utilizado para representar e raciocinar com conhecimento
expresso em primitivas atómicas, as quais são expressas em forma de uma linguagem natural,
por exemplo:
"Erro tem o valor Negativo Grande"
A tradução simbólica desta expressão (em linguagem natural) em termos de variáveis
linguísticas é feita da seguinte maneira:
I. o símbolo E é escolhido para indicar a variável linguística erro;
II. o símbolo NG é escolhido para indicar o valor particular do erro, negativo grande;
III. a expressão em linguagem natural é reescrita da seguinte maneira:
"Erro tem a propriedade de ser negativo grande"
IV. a representação simbólica da expressão anterior é dada por:
E é NG
3.2.6 Expressões Difusas Se - Então
Uma regra condicional difusa ou uma regra Se-então é expressa simbolicamente por:
Se (proposição difusa) então (proposição difusa).
em que (proposição difusa) é uma proposição difusa atómica ou composta. Num
controlador difuso, uma regra Se-então descreve a relação causal entre o estado do processo e
as variáveis da saída do controlo, ou seja, se (condição) então (acção).
36
3.2.7 Controlador Difuso
A estrutura de um controlador difuso é apresentada na figura seguinte:
Figura 16: Estrutura de um controlador Difuso.
Um controlador lógico difuso (FLC) é constituído por quatro elementos principais que
são o módulo de fuzificação ou fuzificador, a base de conhecimento, o mecanismo de
inferência e o módulo de desfuzificação ou desfuzificador.
A seguir é feita uma breve descrição de cada um dos elementos da estrutura do
controlador lógico difuso.
Módulo de fuzificação:
O módulo de fuzificação permite converter um valor crespo num conjunto difuso, de
modo a torná-lo compatível com a representação interna do controlador. Se o domínio de
discurso não é normalizado este módulo deverá fazer também uma transformação de escala
num universo de discurso normalizado.
37
Base de conhecimento:
A base de conhecimento de um controlador difuso consiste numa base de dados e numa
base de regras. A base de dados tem por função fornecer a informação necessária para o
funcionamento adequado do módulo de fuzificação, base de regras e módulo de
desfuzificação. Esta informação inclui as funções de pertença que representam o significado
dos valores linguísticos das variáveis do controlador, bem como os domínios físicos e
normalizados juntamente com os factores de escala.
A função básica da base de regras é representar, de modo estruturado, a estratégia de
controlo de um operador de processos experiente e/ou de um engenheiro de controlo através
de um conjunto de regras.
Mecanismo de inferência:
A função básica do mecanismo de inferência é calcular o valor global da saída do
controlador com base nas contribuições individuais de cada regra. Cada contribuição
individual representa os valores da saída do controlador como se fosse calculada para uma
única regra. A saída do módulo de fuzificação, representando os valores crespos correntes das
variáveis de estado do processo, são comparados com o antecedente de cada regra de forma a
determinar a intensidade com que a regra dispara. Com base nesta informação o conjunto
difuso representando o valor difuso da variável de saída do controlador é determinado. O
conjunto de todos os valores resultantes das regras que dispararam representa o valor difuso
global da saída do controlador.
Módulo de desfuzificação:
As funções do módulo de desfuzificação consistem em realizar a operação de
desfuzificação, isto é, converter a saída difusa do controlador num único valor crespo e levar a
cabo a "desnormalização" da saída que mapeia o valor crespo da saída do controlador no seu
domínio físico. Se não se utilizarem domínios normalizados esta operação não é necessária.
38
3.2.8 Análise e Projecto de Controladores Difusos
Um controlador pode ser utilizado em tarefas específicas distintas tais como
monitorização, controlo, diagnóstico ou planeamento. Neste trabalho está-se particularmente
interessado na tarefa específica de controlo, podendo neste caso o controlador difuso assumir
diferentes formas numa malha de controlo. Frequentemente é utilizado para substituir
controladores convencionais. Isso fica a dever-se ao facto de geralmente não existir um
modelo analítico do processo, ou o modelo ser inadequado, não obstante os operadores de
processos conseguirem controlar manualmente o processo com um desempenho satisfatório.
O controlador difuso permite incorporar a estratégia de controlo utilizada por um operador
humano através de uma base de regras que determina a acção de controlo a fornecer ao
processo, utilizando como informação do processo, por exemplo, o erro e a variação do erro.
O controlador difuso pode ser também utilizado nas malhas de controlo juntamente com
o controlador convencional, Figura 18, ou ainda para corrigir a ação de controlo produzida
pelo controlador convencional, Figura 19. No primeiro caso as acções de controlo são
adicionadas, sendo a saída do controlador difuso nula em condições normais de operação,
ficando apenas o controlador convencional a controlar o processo. Só no caso do controlador
difuso detectar condições anormais de operação, como uma perturbação forte, é que intervém.
No segundo caso o controlador difuso utiliza a informação proveniente do controlador
convencional cabendo-lhe, no entanto, a decisão final acerca do valor a fornecer ao processo.
Saída Refª Processo Controlador Difuso
Figura 17: Controlador difuso como único controlador na malha de controlo.
39
Figura 19: Controlador difuso corrigindo o controlador convencional.
É também frequente a utilização do controlador difuso para atuar como supervisor, neste
caso, complementando e não substituindo o controlador convencional, como se pode ver na
Figura 20. O controlador convencional implementa a lei de controlo cabendo ao controlador
difuso decidir quando e como a lei de controlo deve ser modificada. O papel supervisor do
controlador difuso tem por objectivo alargar a gama de operação do controlador convencional
através da utilização de uma representação explícita do conhecimento geral da estratégia de
controlo, auto-sintonização e heurísticas de adaptação. Neste caso o controlador baseado em
conhecimento incorpora o conhecimento e perícia do engenheiro de controlo em vez do
conhecimento associado ao operador de processos. O objectivo da utilização de um
controlador difuso como controlador supervisor é permitir codificar a representação de
conhecimento e capacidades de raciocínio que permitem a tomada de decisões inteligentes e
recomendações de forma automática, em vez de pré programar antecipada e explicitamente
cada situação problemática que possa ocorrer.
Saída Refª Processo
Controlador convencional
Controlador Difuso
Saída Refª Processo
Controlador convencional
Controlador Difuso
Figura 18: Controlador difuso e controlador convencional.
40
3.2.9 Controlador Difuso Desenvolvido para o SIMUTRACS
O controlador difuso desenvolvido para o SIMUTRACS funciona com base em duas variáveis,
número de veículos em fila de espera e número de veículos a chegar, como cada variável tem 5
estados possíveis implica que se gere uma tabela de 25 regras, tal como se pode observar na tabela 6.
Tabela 4: Variáveis de veículos em fila de espera.
Variáveis de veículos em fila de espera Nº de veículos em fila de espera
MP 0-2 P 3-6 M 7-10 G 11-14
MG >15
Tabela 5: Variáveis dos veículos a chegar.
Variáveis dos veículos a chegar Nº de veículos em fila de espera
MP 0-2 P 3-5 M 6-8 G 9-11
MG >12
Saída Refª Processo Controlador convencional
Controlador Difuso
Figura 20: Controlador difuso como supervisor.
41
Tabela 6: Tabela de Regras.
Fila de espera
Fila
a c
hega
r MP P M G MG MP -1 -1 -1 0 1 P -1 0 0 1 2 M -1 0 1 2 3 G 0 1 2 3 3
MG 1 2 2 3 3
NOTA: Os valores de -1 a 3 representados na Tabela 6 representam o tempo em
segundos adicionado ou retirado ao tempo a verde dos semáforos que controlam uma
determinada direção num cruzamento.
42
43
4 SIMUTRACS
4.1 Introdução
Neste capítulo apresenta-se o simulador desenvolvido, concretamente apresentam-se
as suas características, potencialidades e modo de funcionamento.
4.2 SIMUTRACS
O SIMUTRACS é uma ferramenta de software baseada em modelos microscópicos que
tem como principal função ser usada no desenvolvimento de estratégias de controlo para
ambientes urbanos. É um software que permite construir um vasto conjunto de geometrias de
estradas.
Sendo o desenvolvimento de novas estratégias de controlo, o seu principal objetivo, foi
desenvolvido um controlador baseado em lógica difusa que possibilita otimizar o desempenho
de todos os semáforos presentes no mapa criado pelo utilizador.
O SIMUTRACS modela cada veículo como uma entidade individual da rede. Neste
modelo cada veículo tem um estado possível para cada período de amostragem.
A circulação dos veículos pelo mapa funciona segundo o regime car-following, que
consiste na opção de cada condutor seguir sempre o carro da frente se estiver a uma
determinada distância mínima. Quando os veículos não têm qualquer carro à sua frente
circulam segundo o regime free-flow que consiste em o veículo acelerar até sua velocidade
máxima estipulada ou velocidade de cruzeiro.
Cada carro entra no mapa de acordo com uma lógica aleatória, bem como a direção que
tomam em cruzamentos ou interseções.
Cada veículo só tem um de quatro estados possíveis de operação em cada iteração, 1:
parado, 2:acelerar; 3:travar e 4:velocidade cruzeiro, como se pode ver na Figura 21.
44
Travar
Acelerar
Parado
Velocidade
Cruzeiro
Figura 21: Estados possíveis para cada veículo ao longo da simulação.
Como é possível verificar, algumas transições não são possíveis, tais como Travar->Vel.
Cruzeiro, Vel. Cruzeiro ->Parado, Parado ->Travar e Vel. Cruzeiro-> Acelerar.
45
Portanto, existem várias situações possíveis em que um veículo é chamado a acelerar:
Se estiver parado na estrada com um carro à frente, acelera se a distância mínima
para o carro da frente se verificar.
Se estiver parado num cruzamento, acelera se o sinal correspondente ao seu
sentido estiver a verde e se a distância mínima para o carro da frente se verificar.
Se estiver a sair de uma curva ou entroncamento.
Se estiver a deslocar-se e não tiver nenhum carro à frente acelera até à sua
velocidade máxima estipulada, ou seja, free-flow.
Se estiver a deslocar-se e tiver um carro à frente acelera até à velocidade do carro
da frente.
Em relação à acção de travagem existem também várias situações diferentes:
Se estiver a deslocar-se e a distância para o veículo da frente for menor que a
distância mínima estipulada.
Se estiver a aproximar-se de um cruzamento e o sinal correspondente ao sentido
estiver vermelho.
Se estiver numa curva ou num entroncamento.
46
4.3 Construção de Mapas no SIMUTRACS
O SIMUTRACS permite que o utilizador construa os seus próprios mapas, esses
mapas são construídos por secções. O SIMUTRACS permite construir mapas até 140 secções.
Estas secções são preenchidas com troços de estrada como se podem ver nas Figuras 22 a 33.
Troços de Estrada:
Figura 29: Curva 4.
NOTA: Os T nas Figuras 30 a 33 significam entroncamentos.
Figura 22: Cruzamento.
Figura 23: Nada.
Figura 25: Recta Vertical.
Figura 24: Recta Horizontal.
Figura 26: Curva 1.
Figura 28: Curva 2.
Figura 27: Curva 3.
Figura 31: T 1 Figura 30: T 2. Figura 33: T 3. Figura 32: T 4.
47
É no menu CREATE MAP que o utilizador vai construir o mapa, na Figura 34 pode
visualizar-se este menu.
Figura 34: Menu CREATE MAP.
NOTA: Os procedimentos de instalação e utilização do SIMUTRACS estão decritos no Anexo 1.
48
49
5 Resultados
5.1 Introdução
Neste capítulo apresentam-se alguns resultados relevantes obtidos. Principalmente
apresentam-se os resultados que comprovam que o controlo difuso aplicado aos semáforos
diminui os tempos de circulação dos carros e diminui os tempos em que os carros estão
parados nas filas.
5.2 Resultados obtidos sem controlo por lógica difusa
Os gráficos seguintes foram obtidos utilizando 3 mapas diferentes. Os mapas usados
são muito simples, com apenas 1, 2 e 4 cruzamentos, eles estão representados nas Figuras 35,
36 e 37 respectivamente.
Figura 36: Mapa com 2 cruzamentos.
Figura 37: Mapa com 4 cruzamentos.
Figura 35: Mapa com 1 cruzamento.
50
Outra característica comum a todas as simulações é a variação do tempo de entrada entre
cada carro no mapa. Esta variação está representada na Figura 38.
Figura 38: Variação temporal do tempo entre entrada de carros no mapa.
Nas Figuras 39, 40 e 41 estão representadas as velocidades de circulação médias dos
carros no mapa e também o número de carros no mapa ao longo da simulação, utilizando 1, 2
e 4 cruzamentos respectivamente.
Figura 39: Velocidade de circulação média dos carros e número de carros para o mapa com 1
cruzamento.
51
Figura 40: Velocidade de circulação média dos carros e número de carros para o mapa com 2
cruzamentos.
Figura 41: Velocidade de circulação média dos carros e número de carros para o mapa com 4
cruzamentos.
52
Na Figura 42 está representada a comparação da variação do número de carros durante a
simulação utilizando os mapas de 1, 2 e 4 cruzamentos.
Figura 42: Número de carros ao longo tempo variando o mapa.
Na Figura 43 está representada a variação da velocidade de circulação média dos carros
durante a simulação utilizando os mapas de 1, 2 e 4 cruzamentos.
Figura 43: Número de carros ao longo tempo variando o mapa.
53
5.3 Resultados obtidos usando controlo por lógica difusa
Os resultados seguintes foram obtidos apenas para um cruzamento, com um tempo de
simulação de 30 minutos e com uma taxa de carros a entrar variável.
Essa taxa varia entre 1 segundo entre a entrada de cada carro, passa para 4 segundos e volta
depois a diminuir para 1 segundo entre cada carro.
Nas simulações consideraram-se dois fluxos de trânsito distintos, direção Norte - Sul e
direção Este – Oeste, de uma forma em que um carro tem uma probabilidade de 80% de entrar
nas entradas Este e Oeste e 20% para entrar nas entradas Norte e Sul.
A seguir apresenta-se uma imagem do mapa criado para estas simulações.
Figura 44: Mapa usado para as simulações seguintes.
As curvas a vermelho nas figuras seguintes representam a variação da taxa de entrada de
carros no mapa, foi usada sempre a mesma curva em que os limites são [1seg-4seg-1seg].
54
0 5 10 15 20 25 300
5
10
15
20
25
30
35
Time[min]
Te
mp
o a
Ve
rde
Tempo a Verde
Taxa de entrada de carros
Figura 45: Tempo a verde para a direção Oeste – Este sem controlo aplicado aos semáforos.
0 5 10 15 20 25 300
5
10
15
20
25
30
35
Time[min]
Te
mp
o a
Ve
rde
Tempo a Verde
Taxa de entrada de carros
Figura 46: Tempo a verde para a direção Oeste – Este com controlo difuso aplicado aos
semáforos.
55
0 5 10 15 20 25 300
10
20
30
40
50
60
70
Time[min]
Nº
carr
os
Nº carros
taxa de entrada de carros
Figura 47: Nº de carros no mapa ao longo do tempo sem controlo aplicado aos semáforos.
0 5 10 15 20 25 300
10
20
30
40
50
60
70
Time[min]
Nº
ca
rro
s
Nº carros
taxa de entrada de carros
Figura 48: Nº de carros no mapa ao longo do tempo com controlo difuso aplicado aos
semáforos. Através da observação das Figuras 47 e 48 comprova-se que o controlo difuso influenciou o tráfego e assim permitiu que os carros abandonassem o mapa mais rapidamente porque aumentou o tempo a verde das vias mais congestionadas.
56
0 5 10 15 20 25 300
200
400
600
800
1000
1200
1400
1600
1800
2000
Time[min]
Te
mp
os d
e c
ircu
laçã
o
Tempos de circulação
0 5 10 15 20 25 300
500
1000
1500
2000
2500
3000
3500
4000
Time[min]
Te
mp
os d
e c
ircu
laçã
o
Tempos de circulação
Figura 49: Tempos de circulação totais dos carros no mapa ao longo do tempo sem
controlo aplicado aos semáforos.
Figura 50: Tempos de circulação totais dos carros no mapa ao longo do tempo com controlo difuso aplicado aos semáforos.
Através da observação das Figuras 49 e 50 comprova-se que o controlo difuso ao fazer aumentar o tempo a verde nos semáforos das vias mais congestionadas fez diminuir o tempo que os carros demoram a concluir o seu trajecto no mapa.
57
0 5 10 15 20 25 300
500
1000
1500
2000
2500
3000
Time[min]
Te
mp
os d
e p
ara
ge
m
Tempos de paragem
Figura 51: Tempos de paragem totais dos carros no mapa ao longo do tempo sem controlo
aplicado aos semáforos.
0 5 10 15 20 25 300
100
200
300
400
500
600
700
800
900
Time[min]
Te
mp
os d
e p
ara
ge
m
Tempos de paragem
Figura 52: Tempos de paragem totais dos carros no mapa ao longo do tempo com controlo
difuso aplicado aos semáforos. Observando as Figuras 51 e 52 comprova-se que o controlador difuso aplicado aos semáforos nas vias mais congestionadas fez diminuir o tempo de espera dos carros no mapa, ou seja, permitiu que os condutores fizessem o trajecto mais rapidamente.
58
59
6 Conclusões
Durante a pesquisa que efetuada durante o desenvolvimento do SIMUTRACS
constatou-se que hoje em dia há muitos simuladores de tráfego rodoviário, cada um com suas
características e objectivos de aplicação diferentes.
Conclui-se que o desenvolvimento de um simulador é bastante difícil e trabalhoso
porque necessita de muito tempo de pesquisa por informação específica, concretamente da
dinâmica dos fluxos de tráfego e também porque necessita de um bom planeamento do
software a desenvolver.
Conclui-se também que o controlo por lógica difusa é muito eficiente em sistemas
muito diferentes porque o conceito é o mesmo.
Conclui-se ainda que os sistemas inteligentes de transporte não são uma ideia abstrata
para o futuro porque já hoje as nossas estradas estão equipadas com sensores interligados a
sistemas de coordenação semafórica e sistemas de vigilância que ajudam a gerir com muita
eficiência os fluxos de tráfego nas cidades e nas auto-estradas. Individualmente os novos
carros também já vêm equipados com tecnologia que aumenta significativamente a segurança
dos ocupantes e diminui as hipóteses de furto.
Considera-se que os objetivos do trabalho foram atingidos. Foi desenvolvido um
simulador que serviu como base de trabalho necessária para comprovar a eficiência do
controlador de lógica difusa aplicado aos semáforos. Ficou provada a eficiência deste
controlador.
Considera-se ainda que o SIMUTRACS é uma ferramenta com muito potencial de
crescimento no nível visual, de funcionamento e de otimização de processamento, mas
principalmente ao nível da aplicação de novas estratégias de controlo.
60
61
Referências
[1] “Gestão de Tráfego Rodoviário”, Licenciatura em Engenharia Civil, Intituto Superior Técnico, Março de 2006 [2] Manuel Augusto Vieira “Melhoria da Velocidade dos Transportes Públicos de Superfície em Lisboa por Regulamentação da Admissão de Trânsito”, Tese de Mestrado, Instituto Superior Técnico, Lisboa, Janeiro de 2004 [3] Lino Figueiredo, Isabel Jesus, J. A. Tenreiro Machado, José Rui Ferreira “Sistemas Inteligentes de Transporte”, Ingenium, 2ª Série, Nº 71, Nov/Dez 2002 [4] D.L. Gerlough, "Simulation of Freeway Traffic on a General-Purpose Discrete Variable Computer”, PhD dissertation, Univ. of California, Los Angeles, 1955 [5] “Final Report for Publication SMARTEST - Contract No: RO-97-SC.1059”, ITS University of Leeds, Leeds, 13 January 2000 [6] Staffan Algers, Eric Bernauer, Marco Boero, Laurent Breheret, Carlo Di Taranto, Mark Dougherty, Ken Fox and Jean-François Gabard “Smartest - A Review of Micro-Simulation Models ”, Institute for Transport Studies, University of Leeds, 9 March 1998
[7] “The “SCOOT” Urban Traffic Control System”, Traffic Advisory Leaflet 7/99, April 1999 [8] Gipps, P.G. “A behavioural car-following model for computer simulation”, Transportation Research Part B: Methodological - An International Journal, April 1981
[9] Lorenzo Mussone “Collision Avoidance Systems to Reduce Congestion on Motorways”, Politecnico di Torino, Torino, 2000 [10] J. Coelho, R. Neto, “HeliS – Simulador de Helicópteros”, Projeto de Licenciatura, ISEC, Coimbra, 2008 [11] T. S. Perry “Lofti A. Zadeh, The inventor of fuzzy logic", IEEE Spectrum, June 1995 [12] Zadeh, L.A. "Fuzzy sets", Information and Control 8, 338–353, 1965
62
63
ANEXO 1: Instalação e Utilização do SIMUTRACS
1. Introdução Este anexo descreve o processo de instalação e utilização do SIMUTRACS. 2. Instalação do SIMUTRACS O SIMUTRACS tem que ser instalado numa máquina com um sistema operativo Windows XP, Vista ou 7. O SIMUTRACS foi criado e testado através do Borland Delphi v6 e para funcionar correctamente necessita deste software previamente instalado. 3. Utilização do SIMUTRACS Para que o SIMUTRACS funcione correctamente deve abrir o Delphi e executar o ficheiro SIMUTRACS.dpr. Assim que executar o ficheiro SIMUTRACS.dpr vai abrir a capa do simulador, como se pode ver na Figura 53, para entrar clique no botão Begin.
Figura 53: Capa do SIMUTRACS. Depois de carregar em Begin entra no menu OPTIONS, como se pode ver na Figura 54.
64
Figura 54: Menu OPTIONS. Neste menu tem duas opções, ou abre um mapa já previamente criado ou cria um mapa novo. Para abrir um mapa já criado, seleccione um mapa da lista Choose Map, para criar um mapa novo, clique no botão Create Map e assim entra no menu CREATE MAP, como se pode ver na Figura 55.
Figura 55: Menu CREATE MAP.
65
Neste menu pode ir sequencialmente criando o seu mapa da esquerda para a direita e de cima para baixo, bastando para isso carregar em cima da imagem que indica o troço de estrada pretendido. Se se enganar a inserir um troço de estrada pode corrigir o erro clicando em cima do troço a alterar e depois clicar na imagem que indica o troço que pretende substituir. Neste menu pode também carregar no Botão Clear Map para limpar tudo o que foi desenhado. Depois de ter desenhado o mapa pretendido tem que guardar o mapa, para o fazer clique no botão Save Map, dê um nome ao mapa e no fim carregue em Enter. Quando carregar em Enter o mapa está guardado. Para iniciar a simulação com o mapa que desenhou clique no botão Return para voltar ao menu OPTIONS, seleccione o mapa que acabou de criar na lista Choose Map e clique no botão Start Simulation. Quando iniciar a simulação, para além do mapa criado e dos carros a circular aparece no topo o menu CONTROLS, como se pode ver Figura 56.
Figura 56: Menu CONTROLS. Este menu disponibiliza ao utilizador informação variada da simulação bem como alguns controlos que vão afectar em tempo real a simulação. A seguir faz-se uma descrição de cada um deles:
Iteration Number – Mostra o número atual da iteração da simulação. Number of cars – Número de carros neste momento no mapa Total number of cars – Número total de carros simulados desde o início da simulação. Temporal gap between cars – Tempo em milissegundos entre a entrada de cada novo
carro no mapa. Simulation Speed – Velocidade da Simulação. Fuzzy Control – Se o mapa tiver cruzamentos clique nesta opção para activar o
sistema inteligente de controlo dos semáforos, se esta opção estiver desabilitada funciona com tempos fixos.
Save Data – Se quiser guardar os dados resultantes da simulação para ficheiros Excel active esta opção e no fim da simulação os ficheiros criados estão na pasta Dados_excel.
Trend of car entry – Tendência de entrada dos carros no mapa, Cima, Esquerda, Direita ou de Baixo, por exemplo, se rodar a barra Up para a direita a probabilidade de entrarem carros de cima passa a ser de 70% e apenas 10% para cada uma das outras possibilidades, se mantiver todas as barras para a esquerda as probabilidades são de 25% para cada possibilidade.
Pause/Continue – Pausa e continua a simulação a qualquer momento. End Simulation – Termina a simulação.
66
O menu CONTROLS é activado assim que a simulação se inicia mas pode ser fechado a qualquer momento durante a simulação, para isso basta fechar normalmente no X. Se quiser reactivá-lo pode fazê-lo clicando no botão Controls na janela de simulação. É também possível obter alguma informação sobre os carros no mapa, para isso tem que clicar no botão Info na janela de simulação. A Figura 57 mostra a janela de simulação com os botões Controls e Info. A Figura 58 mostra o menu INFO.
Figura 57: Janela de Simulação.
Figura 58: Menu INFO.
67
Quando clicar no botão End Simulation do menu CONTROLS, o SIMUTRACS vai abrir uma janela RESULTS, que exibe alguns gráficos com dado relevantes da simulação. A Figura 59 mostra a janela RESULTS.
Figura 59: Janela RESULTS. Os gráficos exibem a variação:
Do número de carros no mapa ao longo da simulação. Da velocidade média dos carros no mapa em cada iteração. Da média do tempo de circulação dos carros desde que entraram no mapa. Da média do tempo parado dos carros desde que entraram no mapa.
