SIMULAÇÃO COMO APOIO A TOMADA DE DECISÃO PARA A ... · [email protected] Ana Paula Bispo ... especial os problemas de gargalos que são similares aos gargalos das ... nos

SIMULAÇÃO COMO APOIO A TOMADA

DE DECISÃO PARA A SOLUÇÃO DE

PROBLEMAS CAUSADOS PELOS

GARGALOS FORMADOS NO TRÂNSITO

Mayra dos Santos Guidorizzi (FEI)

[email protected]

Ana Paula Bispo dos Santos (FEI)

[email protected]

André Barbosa de Oliveira (FEI)

[email protected]

Fabrizio Leonardi (FEI)

[email protected]

A simulação, técnica da pesquisa operacional, tem um papel

fundamental na indústria por permitir a cômoda modelagem de

processos, facilitando a tomada de decisão, uma vez que a técnica

possibilita variações entre os parâmetros e estudo de ddiversos

cenários. O mesmo argumento vale para os problemas de trânsito, em

especial os problemas de gargalos que são similares aos gargalos das

linhas de produção. Desta forma é possível fazer uma analogia direta

para o problema, para as variáveis e também para as soluções. Todos

os dias somos afetados direta ou indiretamente com notícias de que

novos Recordes (índices) de congestionamento e lentidão reduzem

drasticamente a movimentação nas ruas das grandes capitais. O

trânsito nas grandes cidades é encarado como um dos principais

problemas e desafios para as próximas gerações. O crescimento da

frota de veículos é desproporcional ao crescimento de vias

pavimentadas, bem como dos meios de transporte coletivos. São muitos

os programas de simulação disponíveis e específicos desta área. Por

ser um problema público, estes programas são normalmente utilizados

pelos órgãos governamentais ou por especialistas contratados pelo

governo. A simulação tem como principal vantagem, em relação a

outros métodos de estudo, a visualização dos resultados na escala de

tempo sem prejuízos financeiros. Este trabalho ilustra como abordar

um problema de tráfego urbano por meio da ferramenta computacional

Synchro.Visando soluções para esse problema, nossa proposta é

apresentar alguns caminhos e possibilidades da aplicação das

faculdades utilizadas na Engenharia de Produção, demonstrando como

obter resultados satisfatórios de melhoria para esse problema de

tráfego. Nosso estudo foi realizado em um cruzamento da cidade de

São Bernardo do Campo, em uma região que apresenta longas esperas

nos faróis e baixa velocidade média das vias. A metodologia utilizada

inclui a coleta de dados locais e sua abrangência.Com a utilização

de alguns recursos e após nosso estudo, chegamos a uma solução que

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A Engenharia de Produção e o Desenvolvimento Sustentável: Integrando Tecnologia e Gestão.

Salvador, BA, Brasil, 06 a 09 de outubro de 2009

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Engenharia de Produção e o Desenvolvimento Sustentável: Integrando Tecnologia e Gestão


2

envolveu alterações de tempos semafóricos e possível criação de

retornos na avenida de estudo. O resultado obtido foi uma redução de

2.065 para 685 metros no comprimento total das filas formadas no

cruzamento de estudo, além de uma redução na quantidade média de

paragens por veículo no semáforo de 3,44 para 0,88 e aumento médio

de 11 Km/h na velocidade média das vias.

Palavras-chaves: Simulação Computacional; Trânsito; Gargalo



3

1. Introdução

Em 09 de abril deste ano (2009), segundo informações da CET, São Paulo registrou 266 km

de congestionamento às 19h30min, quando os motoristas tiveram de suportar muitas horas de

tráfego lento, com inegáveis riscos causados inclusive à saúde da população.

Algumas ferramentas da Engenharia de Produção aplicadas à indústria podem facilmente ser

adaptadas e aplicadas ao trânsito. Ferramentas mais específicas como: simulação, análise de

benchmarketing para a situação, aplicação de ciclo PDCA, são ferramentas universais para

inúmeros problemas e, se aplicadas com freqüência e devidamente documentadas, agilizam

soluções. Tudo com base científica e não mais apenas pela experiência e expertises dos

profissionais.

A pesquisa operacional oferece diversos tipos de instrumentos que apóiam a análise de

decisões, sendo assim, a partir de um problema detectado através da percepção de sintomas,

desenvolve-se um processo que resulta na tomada de decisões. É um processo de decisão

seqüencial, complexo, que envolve valores subjetivos e é desenvolvido dentro de um

ambiente com regras mais ou menos definidas.

A Simulação é uma das importantes ferramentas da pesquisa operacional. Ela permite que

profissionais de diversas áreas consigam resolver até mesmo os mais complexos problemas.

Hoje, devido às facilidades decorrentes da evolução da tecnologia da informação, podemos

encontrar aplicações de modelagem e simulação nas mais diferentes áreas.

A Simulação imita durante determinado período de tempo a operação de um sistema ou

processo real. Através da construção e validação de um modelo de simulação, o

comportamento de um sistema pode ser estudado e usado para investigar uma grande

quantidade de questões. Assim, são realizadas alterações nesse sistema que são simuladas

para prever as conseqüências dessas alterações no mundo real. A Simulação pode ser usada

tanto como ferramenta de análise para prever efeitos de mudanças em sistemas já existentes

quanto como uma ferramenta para prever o desempenho de novos sistemas sob variadas

circunstâncias.

2. Relevância e Oportunidade

Para RESENDE (2008), que há dois anos avalia o trânsito em São Paulo e em outras grandes

cidades, a cidade precisa de tratamento urgente, pois se aproxima do colapso. Ele avalia as

causas do problema e considera como principais: o tempo de duração dos horários de pico e a

extensão do congestionamento provocado em um minuto por um evento qualquer como, por

exemplo, um carro enguiçado ou um acidente de trânsito.

Para os moradores e freqüentadores da cidade de São Paulo, o acesso seguro, com boa

fluência e conforto aos seus destinos, resultarão em melhoria na qualidade de vida, maior

produtividade e eficiência em suas funções do dia-a-dia.

Diante deste cenário, a oportunidade de simular novas situações em função dos estudos

permite a realização de testes antes da implementação de mudanças, o que possibilita a análise

e seleção de propostas eficientes para o problema apresentado.

Esse recurso da Pesquisa Operacional torna-se muito útil diante das necessidades de

mudanças bruscas na administração, produção, planejamento e organização das empresas,

para que se mantenham competitivas no mercado, sendo capazes de atender as exigências dos



4

consumidores, acompanharem a evolução tecnológica e a globalização, conseguindo assim

competir com os concorrentes nacionais e internacionais.

3. Método

Para tornar possível a análise de um sistema conceitual como se este fosse real, se torna

necessária a aplicação de técnicas que viabilizem a análise.

Para Loesch (1999), as técnicas de maior relevância entre as técnicas de Pesquisa Operacional

estudadas são:

Programação Linear: consiste na resolução de problemas de maximização ou minimização,

como por exemplo, maximização de receitas ou minimização de despesas, atendendo a um

conjunto de restrições. Inicia-se com a modelagem do problema e é finalizada na obtenção

da solução ótima. As variáveis neste caso são reais, ou seja, os números não são

necessariamente inteiros.

Programação Inteira e Mista: esta abrange além do alcance da programação linear,

permitindo que algumas ou que todas as variáveis do modelo sejam números inteiros. É o

caso da produção de itens em uma indústria, essa variável deve ser representada por

número inteiro.

Programação não linear: esta permite que se trate de problemas onde a função objetivo e as

restrições sejam equações não lineares. Existem diversos algoritmos de soluções, de acordo

com características estruturais de cada variante do modelo.

Programação Dinâmica: é uma técnica de análise de possibilidades de problemas

decisórios, onde o processo de decisão envolve etapas sucessivas de decisão

correlacionadas. Assim, a solução ótima deverá levar em consideração a análise de toda a

rede decisória.

Garfos, árvores e algoritmos: esta técnica consiste em solucionar problemas de menor rota

dentro de uma rede de fluxo máximo, através de uma rede. Ainda são abordadas técnicas

aplicadas ao planejamento e programação de projetos, formando cronogramas para

otimizar tempos de realização de projetos.

Simulação: esta técnica abrange situações onde os fatores sujeitos a lei do acaso podem ser

otimizadas através de simulações matemáticas, pelo emprego da técnica de Monte Carlo.

Para isto, deve-se conhecer a distribuição de probabilidades dos fatores estocásticos

envolvidos. Permite também verificar como as alterações dos valores de parâmetros do

modelo alteram os resultados. Embora a simulação não garanta a solução ótima, é eficaz no

tratamento de modelos aleatórios complexos, onde a solução analítica é impraticável.

3.1. A Simulação

Segundo Licínio (2005), através da simulação podemos replicar em computador uma

seqüência de eventos hipotéticos de um sistema estudado ao longo do tempo. Os modelos de

simulação conferem maior poder de representatividade por sua aleatoriedade.

A grande versatilidade do método permite que se detalhe o modelo de acordo com a

necessidade. Os programas de simulação têm sido utilizados na formulação e validação de

expressões analíticas aproximadas, na representação estocástica de situações complexas.

Desta forma, para ser realizada uma simulação, é necessário construir um modelo

computacional que corresponde à situação real que se deseja simular.



5

A simulação é uma técnica de estudo para o comportamento e reações de determinados

sistemas através de modelos. É uma abordagem para o estudo de problemas, geralmente

complexos, para os quais não se dispõe de solução analítica. De modo geral, refere-se à

construção de modelos de qualquer natureza (física, matemática, produtiva ou de distribuição)

onde a simulação de cenários é usada como apoio à tomada de decisão.

Um software de simulação possibilita criar um sistema virtual a fim de avaliar os parâmetros e

viabilidade do modelo estudado.

A técnica de simulação permite também considerar: variabilidade do sistema, modelagem

precisa e sem complicações para o estudo, segurança nos testes sem riscos ou custos

adicionais e sem limite de cenários, animação e visualização do processo e melhor

entendimento visual.

3.2. Vantagens e Desvantagens

No caso específico das engenharias, a adoção da técnica de simulação traz benefícios como:

Previsão de resultados na execução de uma determinada ação;

Redução de riscos na tomada de decisão;

Identificação de problemas antes mesmo de suas ocorrências

Eliminação de procedimentos em arranjos industriais que não agregam valor a produção;

Redução de análises de sensibilidade;

Redução de custos com o emprego de recursos (mão-de-obra, energia, água e estrutura

física);

Revelação da integridade e viabilidade de um determinado projeto em termos técnicos e

econômicos.

Novas políticas, procedimentos de funcionamento, tomadas de decisão, fluxos de

informação, procedimentos de organização, e assim por diante podem ser exploradas sem a

interrupção do sistema real;

Os projetos com novas ferramentas, disposições físicas, sistemas de transporte, e assim por

diante, podem ser testados sem aquisição de recursos;

Hipóteses sobre como ou porque determinados fenômenos ocorrem podem ser testados

antes da prática;

O tempo pode ser acelerado, possibilitando uma rápida análise de longos períodos, ou até

mesmo desacelerado caso o objetivo seja a análise de uma operação intrinsecamente

rápida;

A análise do gargalo pode ser executada indicando que nível do trabalho no processo,

informação ou material, está sendo atingido;

A simulação ajuda a compreender como um sistema realmente opera, desmistificando

idéias errôneas que os indivíduos têm sobre o sistema;

As desvantagens são:

A elaboração de um modelo exige treinamento e experiência. Além disso, os modelos



6

podem ter similaridade, mas é improvável que seja igual, o que dificulta a possibilidade de

reutilizá-lo mesmo em situações similares;

Os resultados da simulação podem ser difíceis de interpretar, pois a simulação não é

otimizante e dependerá de variáveis aleatórias;

A modelagem e a análise da simulação podem ser demoradas e caras.

3.3. Estruturação do Modelo

Para auxiliar na elaboração de um modelo de simulação, BANKS (1996) sugere uma série de

procedimentos que podem ser seguidos, para que se torne claro qual o problema analisado, o

que se deseja da simulação e quais os passos que devem ser seguidos para o sucesso de um

modelo.

A primeira coisa a fazer em qualquer análise ou estudo, é a definição do problema, Banks

(1996) e Licínio (2005) apresentam algumas etapas para estruturação dessa fase, de maneira

esquemática, como indicado na figura abaixo.

Fonte: BANKS (2006)

Figura 1: Etapas para modelagem de uma simulação



7

Formulação do problema – Descrever a estrutura e estruturar o modelo de modo que ele

fique claro para todos os envolvidos. É a determinação dos limites, restrições e medidas de

efetividade a serem usadas para definição e estudo.

Definição de objetivos – Planejamento do projeto de simulação. Definir quais os objetivos

pretendidos, restrições e efetividades da definição e planejamento do projeto. Com o

objetivo definido é importante verificar se realmente a simulação é a melhor ferramenta de

análise.

Modelagem do Sistema – Construir um modelo que represente o sistema em questão.

Nessa etapa as variáveis relevantes ao sistema e suas interações devem ser analisadas. Essa

atividade resultará em um melhor entendimento e documentação de todos os componentes

do sistema.

Aquisição de dados – Coleta dos dados para estimar os parâmetros e as distribuições de

entrada para o estabelecimento de hipóteses e atributos do sistema, bem como dados para a

fase de validação. Ainda é produzido um modelo conceitual e lógico do sistema. Essa etapa

é crítica, pois a confiabilidade da saída depende das entradas. BANKS (1996) ainda sugere

que a comece o mais rápido possível já que grande parte do tempo é gasta nesta etapa.

Codificação do modelo – Após a formalização do modelo, este deve ser transformado em

um modelo executável, nessa etapa são definidos aspectos do software, como a descrição

da linguagem apropriada que seja aceitável na máquina utilizada. Caso o modelo possa ser

desenvolvido por softwares de alto nível como a Arena e o ProModel, o tempo de

desenvolvimento será reduzido.

Verificação – Verifica-se o comportamento do modelo e se está dentro de seu grau de

confiança. Aqui os possíveis erros são corrigidos.

Validação do modelo – São efetuados testes no programa de forma a verificar sua validade,

preocupando-se com a adequação do programa em relação ao modelo conceitual

previamente estabelecido. O modelo será comparado com um sistema real para verificação

se suas saídas são aceitáveis. Caso não seja, deverá ser feita modificações no modelo até se

atingir um resultado aceitável.

Teste de alternativas – Diversos cenários são simulados nessa etapa. São realizados testes

de sensibilidade e comparações, com base no “sentimento” e em testes estatísticos, entre os

resultados produzidos e os medidos de um sistema já existente.

Documentação – Assim que os resultados sejam satisfatórios, procede-se com a

documentação, que auxiliará no trabalho de manutenção e na introdução de possíveis

alterações futuras, aumentando assim, a vida útil desse modelo.

Implementação – Se todas as etapas do modelo forem atingidas e confiáveis, podemos

seguir para a implantação do modelo.

3.4. Softwares

Os programas de simulação apresentam características básicas que os diferem dos outros.

Como conseqüência a maneira como os dados serão fornecidos em cada programa é diferente

dos outros e os relatórios gerados possuem características particulares.

Esses novos softwares possuem um ambiente gráfico integrado de simulação. Onde



8

tipicamente não é necessário escrever um código em linguagem fonte, pois todo o processo de

criação dos modelos de simulação é gráfico e visual, de maneira integrada.

Após a análise dos modelos de simulação, características das aplicações, particularidades,

vantagens e com a orientação de especialistas no assunto, o aplicativo selecionado para

utilização durante o estudo de caso contemplado neste estudo foi o Synchro/Sim Traffic

(TRAFFICWARE, 2004), por apresentar as características desejadas para o estudo.

4. Situação atual e procedimentos do estudo

Os números atuais do trânsito são bastante contundentes quando comparados na mesma base

com o ano 1998. Observa-se, através de contagem populacional realizada pelo IBGE, que a

população da capital de São Paulo cresceu a uma taxa relativamente baixa de 11% e a frota

atual, de mais de 6 milhões de veículos, cresceu 30% no mesmo período, de acordo com

dados do DETRAN SP, praticamente nos mesmos 15.000 quilômetros de vias pavimentadas.

Atualmente temos um carro para cada dois habitantes da capital. O número de motos e de

utilitários cresceu respectivamente 112% e 46%. No caso das motos percebe-se que muitas

pessoas as utilizam como alternativa para driblar o trânsito caótico da cidade.

Tipo 2008 1998 Variação

Carros 4.581.390 3.795.534 20%

Motos 687.794 323.208 112%

Utilitários 561.905 382.546 46%

Caminhões 161.117 162.218 (1%)

Ônibus 40.718 37.836 7%

Licenciamento 365.000 244.550 50%

Ônibus (linha) 15.000 11.000 36%

População 10.886.518 9.736.249 11%

Fonte: IBGE e DETRAN

Tabela 1 – Números do Trânsito

Os elementos dos sistemas de tráfego estão divididos em três elementos: o usuário, o veículo

e a via. Os usuários são todas as pessoas participantes do sistema de trânsito e o que se deseja

quanto a este elemento é que os tempos de percepção, identificação, decisão e ação sejam

otimizados a ponto de aumentarem e contribuírem para o melhor desempenho do trânsito.

Veículos neste contexto são normalizados em uma unidade padrão não sendo diferenciados

entre tipos. Neste elemento, parâmetros como visibilidades, freios, força de frenagem e

aceleração, são os mais estudados e importantes. Por último a via, que nada mais é do que o

espaço destinado à circulação, e tem como classificação três tipos: sistema arterial, coletor e

local. O fluxograma da figura 3 ilustra as etapas do procedimento utilizado em nosso estudo.

Descrição das etapas:

4.1. Seleção do Local de Estudo

Para determinação do local de estudo foi escolhido um cruzamento da cidade de São Bernardo

do Campo/ SP, onde verificou-se a existência de um gargalo no trânsito da região. As

dificuldades de movimentação e formação de filas causam muito transtorno para os usuários.



9

Fonte: http://earth.google.com.br/

Figura 2: Vista aérea da interseção estudada

A figura 2 apresenta a interseção estudada, onde se pode verificar as vias que chegam ao

cruzamento no eixo leste-oeste, através do corredor da Av. A. E a via de cruzamento Av. B,

eixo norte-sul.

Av. B

Av. A

http://earth.google.com.br/



10

Medição das

características do local

Há

influência?

Seleção do Local

Delimitar área de

estudo

Dados

corretos?

Codificação do modelo

Modelo

validado?

Análise das propostas

Propostas de

Intervenção

Sim

Sim

Não

Não

Não

Figura 3: Procedimento utilizado

4.2. Delimitação da área de estudo

A delimitação da área de estudo, tem fundamental importância para o sucesso no

desenvolvimento do trabalho, sendo que sua eficiência deve ser medida durante a validação

do modelo, numa etapa futura do estudo de caso. Para definir a delimitação, também

chamada de AIDI (Área de Influência Diretamente Impactada) do estudo de caso, é

fundamental o conhecimento aprofundado da região, para que seja possível observar todas as

possibilidades de alternativas de fluxos, características locais, costumes, particularidades, e



11

possíveis problemas ou distorções geradas pelos reflexos das alterações efetivadas após a

conclusão do estudo.

A maior vantagem do uso da simulação está na possibilidade de verificar qualquer situação,

para constatar se ocorre ou não influência em outras áreas, evitando assim a inviabilização do

projeto.

Dessa forma, o que se espera nesta etapa é observar a região de forma sistêmica para evitar

que o problema seja resolvido no ponto estudado, porém transferido para outro local,

causando transtornos não esperados ou maiores que aqueles que existiam antes, tanto para a

sociedade como para o órgão executor do serviço, uma vez que o dano deverá ser reparado.

4.3. Medição das Características físicas e operacionais da interseção

Definido o local de estudo foram feitas visitas ao local, com o intuito de obter as principais

características físicas e operacionais da interseção, tais como: quantidade de faixas por via,

largura das faixas, identificação de faixas exclusivas para conversões, movimentos permitidos

e proibidos, localização e tempo de ciclo dos semáforos, características e volumes do fluxo de

veículos.

Foi realizado também o levantamento do fluxo de veículos por movimento, no horário de pico

da tarde.

Com o levantamento desses dados possibilitou a criação de um modelo que imita a situação

real do local, tornando possível a análise do modelo e a comparação de resultados após a

simulação de propostas de intervenção.

4.4. Codificação do modelo no Synchro

A codificação do modelo é a introdução dos dados e características da região estudada no

simulador de forma que seja possível traduzir tudo aquilo que foi observado no levantamento

de dados, para a linguagem do simulador e também o entendimento dos parâmetros e

nomenclaturas utilizadas pelo software. Dentre os parâmetros de entrada, existem

informações que são fundamentais para elaboração da estrutura de nós e vias. A configuração

física, dimensões das vias e faixas, quantidade de faixas, quantidade de veículos e suas

conversões, quantidade de semáforos e respectivas, percentagem de veículos pesados, são

exemplos de informações necessárias para a correta codificação do modelo.

4.5. Validação do Modelo

A validação do modelo é a verificação do modelo simulado em relação aos aspectos reais

vistos em campo, estabelecendo comparações de velocidades, fluxos, ou qualquer outro

parâmetro para o local estudado, verificando se a codificação do software condiz com a

realidade do estudo de caso.

Essa validação pode ser realizada em 3 níveis: microscópica, mesoscópica e macroscópica.

Apesar de alguns autores sugerirem a validação nos níveis microscópicos e macroscópicos,

usualmente a única validação utilizada é a macroscópica. A validação no nível macroscópico,

assim como nos outros níveis, é estruturada em modelos estatísticos. Dessa forma, caso

decida-se em fazer a validação em mais de um nível, o trabalho nesta etapa pode ser dobrado.

Silva (2001), afirma que não há um procedimento que seja capaz de validar completamente

qualquer tipo de modelo. Aycin e Benekohal (1998 e 1999), apud Silva (2001), afirmam que

somente utilizam o método visual para comparação dos veículos no simulador com a

realidade, e de certa forma vêm os modelos estatísticos com inviáveis para esses casos.



12

A validação do modelo deve também verificar a sua legitimidade, em relação ao contexto que

está inserido, se preocupando com aspectos subjetivos ou culturais por exemplo, e com o grau

de aprofundamento de teorias, conceitos e operação específicos do local.

Como o objetivo da validação do modelo é traduzir em todos os aspectos as características de

um local para o simulador, os ajustes são permitidos para essa finalidade, porém com um

limite que deve ser estabelecido especificamente para cada projeto. Caso seja necessária uma

alteração além do limite estabelecido, se faz necessário um novo levantamento de dados e um

estudo mais detalhado das características locais.

O parâmetro que foi estabelecido para a validação do modelo, é a fila máxima formada em

cada link ou via. Dessa forma, foi observada qual a extensão das filas em cada link e

comparado com o resultado obtido no simulador (Synchro default). Após a comparação foram

feitos ajustes para a validação do modelo.

O ajuste realizado foi para o tempo de ciclo dos semáforos, pois após diversos períodos de

observação, constatou-se que ocorre uma variação de acordo com os diferentes horários,

portanto, foi realizada a calibração deste parâmetro. A princípio, o tempo de ciclo foi inserido

de acordo com a média dos valores observados, para o ajuste foram feitas uma série de

simulações com diferentes valores para esse parâmetro (dentre os valores coletados em

campo), até que se obtivesse um resultado mais próximo da situação observada no local.

5. Propostas de Intervenção

Com o modelo do cenário atual validado, é possível fazer uma análise comparativa com

relação aos cenários propostos. Foram elaboradas duas propostas de modificações, que serão

denominadas de Proposta 1 e Proposta 2.

A primeira proposta consiste na proibição dos seguintes movimentos: não será permitido que

os veículos que trafegam pela Av. A (Robert Kennedy) entrem na Av. B (José Odorizzi), em

qualquer sentido, cruzando a Av. A.

Figura 4: Estrutura da interseção com primeira proposta de modificações.

Fonte: Tela de simulação do Sim Traffic (TRAFFICWARE, 2004)

Esse fluxo será transportado para dois retornos que serão implantados na Av. A, a 250 metros

da interseção, nos sentidos leste e oeste. Em cada um destes trechos, foi adicionada uma

quarta faixa, exclusiva para retorno. Ao passar pelo retorno, o motorista terá a opção de entrar

para a Av. B pelo acesso direto, sem sinalização. Neste caso os tempos de semáforos foram



13

modificados manualmente, com a realização de vários testes, de forma adequada à nova

situação.

Figura 5: Estrutura da interseção com segunda proposta de modificações.

Fonte: Tela de simulação do Sim Traffic (TRAFFICWARE, 2004)

Com a implementação da primeira proposta no simulador, foi observado na Av. B a

ocorrência de filas notáveis. A partir dessa observação, formulou-se a segunda proposta, que

consiste em aumentar o número de faixas desse trecho, de duas para três faixas, com o intuito

de aumentar a capacidade da via. Para essa proposta, também houve modificação no tempo de

ciclo dos semáforos, que foi otimizado através das ferramentas do software.

5.1. Análise dos resultados obtidos

Para análise e avaliação das propostas apresentadas serão comparadas algumas variáveis de

tráfego consideradas importantes devido à sua representatividade no desempenho global do

sistema, avaliando assim a melhor operacionalidade para a área delimitada, podendo com isso

apresentar a melhor alternativa simulada.

Os parâmetros variáveis definidos para a análise das vias são:

Velocidade Média (km/h);

Fila Máxima (m);

Quantidade de Paradas do veículo no semáforo.

Os valores obtidos em cada seção do cruzamento estudado, no cenário real e nas propostas

simuladas, assim como algumas observações, estão apresentados nas tabelas que se seguem:

Seção: Avenida A – Sentido Leste-Oeste

Parâmetros Situação Atual Proposta 1 Proposta 2

Velocidade média (km/h) 24 18 23

Fila Máxima (m) 147,9 109 90,6

Paradas por veículo 0,85 0,5 0,38

Fonte: Relatório da simulação do Sim Traffic (TRAFFICWARE, 2004)

Tabela 2 – Análise de parâmetros dos cenários na Seção da Av. A – Sentido Leste-Oeste

Para esta seção apesar da Proposta 1 resultar na diminuição da velocidade média, devido ao

aumento do ciclo semafórico em relação à situação atual, esta apresenta melhorias



14

consideráveis, já que diminui a fila máxima e a quantidade de paradas por veículo.

Porém a melhor opção é a Proposta 2, que reduz vantajosamente a fila máxima e a quantidade

de paradas, praticamente mantendo constante a velocidade média da seção.

Seção: Avenida A – Sentido Oeste-Leste



Fila Máxima (m) 341,1 103,7 83,9



Tabela 3 – Análise de parâmetros dos cenários na Seção da Av. A – Sentido Oeste-Leste

Nesta seção, destaca-se a Proposta 2, que aumenta 110% a velocidade média da via, reduz a

fila máxima em 75% e em 68% a quantidade de paradas desta seção.

Seção: Avenida B – Sentido Norte-Sul



Fila Máxima (m) 1.001,3 739,2 345,2



Tabela 4 – Análise de parâmetros dos cenários na Seção da Av. B – Sentido Norte-Sul

Esta é a seção mais problemática dentre as demais, por isso as alterações propostas visaram

priorizar as melhorias neste trecho. Ambas as propostas demonstram melhorias para o trecho.

Porém a Proposta 1 apresentou uma pequena melhoria se comparada à proposta 2. Isso

ocorreu devido a proposta 2 estar mais focada na melhoria deste trecho. Portanto o melhor

cenário para esta seção é a proposta 2, que aumentou a velocidade da via de 6 para 23 km/h.

Apresentou ainda redução de 65% da fila máxima e de 73% na quantidade de paradas por

veículo nesta seção.

Seção: Avenida B – Sentido Sul-Norte



Fila Máxima (m) 574,8 192,2 165,5



Tabela 5 – Análise de parâmetros dos cenários na Seção da Av. B – Sentido Sul-Norte

Esta seção apresentou pequenas alterações entre as propostas 1 e 2. Porém ambas demonstram

grande melhoria nos parâmetros observados se comparadas ao cenário atual, portanto nesta

seção a proposta sugerida tem a mesma importância para o trecho.

6. Conclusões

Como característica, a simulação pode ser descrita como uma ferramenta utilizada para

eventos hipotéticos e aleatórios, possibilitando grande versatilidade através de um sistema

virtual com análise dos parâmetros e obrigatoriedade de validação.

A principal vantagem percebida é a previsão dos impactos gerados pelas modificações na

escala de tempo, evitando transtornos para as pessoas e eliminando a possibilidade de



15

implementação de projetos inviáveis. As dificuldades apresentadas estão relacionadas com a

construção do modelo no software, por ser uma ferramenta específica de uso restrito à área de

transportes, e também com a validação por se tratar de um sistema dinâmico onde a mudança

de uma variável implica em diversas alterações nas saídas.

A aplicação prática, em nosso estudo, mostrou que realmente a simulação é uma ferramenta

adequada para otimizar resultados na gestão do trânsito.

Neste sentido, é possível afirmar que a simulação dentro da pesquisa operacional, é um

método que apóia a tomada de decisão para problemas complexos, com muitas variáveis

aleatórias, que se aplica aos problemas de gargalos formados pelo trânsito das grandes

cidades.

A partir deste estudo foi possível visualizar outras propostas aqui não contempladas, porém

que merecem toda atenção em pesquisas futuras. Por exemplo, o estudo de inversão de faixas

em fluxos sazonais ou locais com poucas possibilidades físicas de expansão. Outro exemplo é

a verificação através da simulação, dos impactos gerados pela inclusão de faixa exclusiva para

ônibus.

Por fim, percebe-se que as soluções estão longe de se esgotar, podem ser testadas inúmeras

possibilidades em diferentes tipos de problemas, ou ainda, no estudo de melhorias

supostamente viáveis.

Referências

BANKS, Jerry; CARSON, John S.; NELSON, Barry L. Discrete-event system simulation. 2.ed. New Jersey:

Prentice-Hall, 1996.

LICINIO, Licínio da Silva Portugal. Simulação de tráfego: conceitos e técnicas de modelagem. Rio de

Janeiro: Interciência, 2005.

LOESCH, C. Pesquisa Operacional: fundamentos e modelos. Blumenau: Furb, 1999. 270p.

RESENDE, P. Matéria: São Paulo vai parar! Edição de 11/05/08 do Telejornal Fantástico. Disponível em:

http://fantastico.globo.com/Jornalismo/Fantastico/0,,AA1680677-4005,00.html

SILVA, P.C.M. Elementos dos Sistemas de Tráfego. Mar. 2001

TRAFFICWARE, Synchro 6 Traffic Signal Coordination. Software. User guide. Albany, CA, 2004.

Documents

SIMULAÇÃO COMO APOIO A TOMADA DE DECISÃO PARA A ... · [email protected] Ana Paula Bispo ... especial os problemas de gargalos que são similares aos gargalos das ... nos