aplicaÇÃo da simulaÇÃo computacional para … · a engenharia de produção e o desenvolvimento...

APLICAÇÃO DA SIMULAÇÃO

COMPUTACIONAL PARA ANÁLISE DO

TRÁFEGO NO CRUZAMENTO

CENTRAL COM SEMÁFORO DA

CIDADE HISTÓRICA DE MARIANA.

Leandro Reis Muniz (UFOP)

[email protected]

Irce Fernandes Gomes Guimarães (UFOP)

[email protected]

Magno Silvério Campos (UFOP)

[email protected]

Este artigo aborda a simulação computacional como ferramenta para

análise e auxílio na tomada de decisões. A simulação é utilizada para

realizar uma análise da situação atual do cruzamento central de

Mariana-MG, que atende a maior parte do fluxo de veículos. A

pesquisa inicia-se com o reconhecimento do sistema, posteriormente

ocorre a coleta e tratamento de dados, por meio de métodos

estatísticos, que servem como dados de entrada para o modelo

computacional. Algumas modificações são realizadas, simuladas e

analisadas com a finalidade de tornar o trânsito eficaz e rápido,

facilitando a vazão do fluxo de veículos deste cruzamento, sem

comprometer a segurança dos usuários e reduzindo o tempo de espera.

O tratamento e análise dos dados são realizados no software

Minitab14.0, e as simulações são realizadas no software Arena versão

10.0 . Os resultados mostram que o desempenho do sistema pode ser

melhorado, sem grandes alterações e transtornos para os usuários.

Palavras-chaves: Simulação Computacional, Tráfego, Cruzamento

com semáforo

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

1. Introdução

Nas últimas décadas, o número de meios de transporte motorizados, como carros, motos e

ônibus que utilizam as vias urbanas, aumentou significantemente. Este acréscimo acarretou

um volume maior no fluxo de veículos, que, algumas vezes, continua sendo absorvido pela

mesma estrutura viária das cidades. Essa situação se agrava bastante quando a cidade em

questão é histórica. Um dos motivos desse agravamento é a impossibilidade de grandes

mudanças nas vias de tráfego urbano, devido à conservação do patrimônio histórico. Assim,

as soluções desse problema devem ser voltadas para estudos que viabilizem o fluxo de

veículos urbanos, sem grandes alterações nas estruturas físicas já existentes. Uma das formas

de análise desse tipo de problema é a simulação, pois, através dessa técnica é possível tomar

decisões sem que seja necessário interferir no sistema já existente.

Prado (2004) define a simulação como a representação virtual por meio de uma linguagem

computacional de um sistema que se pretende estudar. Uma das grandes vantagens da

aplicação da simulação é que se pode analisar a resposta do modelo de acordo com alterações

propostas, sem que as mesmas sejam implantadas, permitindo ao pesquisador testar diferentes

hipóteses com custos mais baixos e sem riscos reais de erros.

De acordo com o mesmo autor, o aumento do uso da simulação deve-se ao avanço

tecnológico dos computadores, surgindo inúmeros programas de simulação aplicáveis aos

mais diversos setores e situações sem perder a eficiência nas análises pretendidas. Para

ilustrar a utilização da simulação como ferramenta significativa no processo decisório, pode-

se citar Schmitz e Hübner (2002) que, utilizaram a simulação para avaliar a estratégia de

decisão no controle de tráfego urbano.

Bertoncini (2004) realizou um estudo para analisar as medidas de desempenho operacional

devido à substituição de uma interseção semafórica por uma rotatória. A análise das medidas

de desempenho obtidas por simulação demonstrou que a decisão de substituir a interseção

semaforizada pela rotatória foi acertada, e resultou em reduções no tempo médio de percurso,

no número médio de paradas, no atraso global e, conseqüentemente, menor consumo de

combustível.

Já Loureiro (2002) estudou o desempenho nos períodos de pico do tráfego de interseções

semaforizadas na cidade de Fortaleza, comparando o controle centralizado em tempo fixo e

real por meio da simulação. Os resultados confirmaram uma crescente superioridade do

controle em tempo real sobre planos fixos na medida em que as demandas de pico atingem o

seu ápice, conforme indicados em estudos anteriores.

Como último exemplo, é citado Leite e Alves (2004), que programaram um simulador de

tráfego urbano para simular uma interseção com semáforos, com o intuito de elaborar um

software que poderia ser utilizado em novas pesquisas e até mesmo aperfeiçoado.

Neste sentido, a simulação se mostra extremamente importante para estudar e avaliar as idéias

que possam trazer melhoria no fluxo de veículos, melhor utilização dos recursos viários e

possibilitar um estudo mais claro da realidade e as conseqüências de possíveis alterações.

Baseado nas considerações levantadas este artigo pretende apresentar uma análise, através da

simulação computacional do cruzamento central, com semáforo, adjacente à Praça Tancredo

Neves, na cidade de Mariana-MG. Este cruzamento atende a maior parte do fluxo de tráfego

existente na cidade. Para apresentar os resultados alcançados, organizou-se este artigo da

seguinte forma: na sessão 1 é discutido a importância da utilização da simulação para análise



3

do Fluxo viário. Logo em seguida, são apresentados, nos tópicos 2,3 e 4 os principais

conceitos que auxiliam no entendimento deste estudo, sendo eles transporte urbano, pesquisa

operacional e simulação. Dando seqüência, nas sessões 5 e 6 são apresentadas a descrição do

modelo e a metodologia.. Por fim, nas sessões 7 e 8 serão apresentados os cenários

estudados, os resultados, as análises e as conclusões obtidas.

2. Transporte Urbano

Os principais meios de transportes, como aviões, carros, motos, metrôs possibilitam

movimentação de pessoas, produtos e serviços. Segundo Owen (1971), a evolução dos meios

de transporte e sua massificação tiveram início após a segunda revolução industrial, devido a

fatores como as descobertas do aço e do petróleo.

Antes do século XVII, o trânsito das pessoas nas cidades era realizado a pé, montado em

animal ou em carruagem puxada por animais. Os primeiros carros surgiram somente no final

do século XIX e eram veículos bastante rudimentares. Por volta de 1920, o transporte público

era praticamente a única alternativa de transporte de passageiros nas cidades. Com o

surgimento do automóvel o transporte coletivo foi sendo substituído pelo transporte

individual, aumentando o fluxo de veículos e demandando melhor infra-estrutura viária. A

intensificação do uso do automóvel se deve às seguintes razões: redução do preço devido ao

aumento da produção (economia de escala), permitindo que cada vez mais, pessoas pudessem

adquiri-los. (FERRAZ, 2004 – pág. 18.)

De acordo com o mesmo autor, a adequada infra-estrutura do transporte urbano é uma

preocupação em todos os países, pois a maioria da população mora nas cidades. No Brasil,

mais de 80% da população vive nas cidades, cerca de 175 milhões de habitantes. Destes,

aproximadamente 140 milhões utilizam o transporte urbano.

Ainda, para Ferraz (2004), pode-se definir transporte como “a denominação dada ao

deslocamento de pessoas e de produtos. O termo transporte urbano é empregado para designar

os deslocamentos de pessoas e produtos realizados no interior das cidades”.

Para que as cidades suportem o crescimento no número de veículos que circulam por suas

vias, são demandadas grandes obras de infra-estrutura viária, com elevado custo para sua

realização. Por outro lado, as cidades históricas não podem passar pelo mesmo processo, uma

vez que, devem conservar sua estrutura original, sem interferir, portanto, nessa infra-estrutura

histórica. Devem buscar outro tipo de solução para absorver o aumento constante no fluxo de

veículos que circulam pelas suas ruas e avenidas, otimizando seu sistema viário.

A Pesquisa Operacional através de softwares de simulação vem de encontro a esse objetivo,

permitindo imitar o funcionamento de diferentes sistemas reais, de maneira virtual verificando

o funcionamento de uma linha de produção, de uma agência bancária, o atendimento em

caixas de um supermercado ou o tráfego nas ruas de uma cidade, e realizar alterações no

sistema simulado, buscando melhor eficiência do sistema.

3. Pesquisa Operacional

A Pesquisa Operacional (PO) é um método científico que possibilita avaliar e testar uma

decisão antes de implementá-la, pois fornece ferramentas quantitativas ao processo de tomada

de decisões e proporciona uma pequena margem de erro. A PO é constituída por várias sub-

áreas, entre elas Programação Linear, Teoria das Filas, Teoria dos Jogos, Programação

dinâmica e Simulação. Segundo Prado (2004), o termo Pesquisa Operacional foi empregado

pela primeira vez em 1939 como uma tentativa de englobar, sob uma única denominação, as

técnicas existentes ou que viriam a ser desenvolvidas e que tinham o mesmo objetivo:

fornecer ferramentas quantitativas ao processo de tomada de decisões.

Andrade apud Toribio (2003) define a Pesquisa Operacional como uma metodologia



4

administrativa que engloba quatro ciências fundamentais para o processo de preparação,

análise e tomada de decisões: economia, matemática, estatística e informática. Os estudos de

PO estão direcionados para a aplicabilidade gerencial sob os aspectos econômicos e

administrativos, os métodos estatísticos e matemáticos para a obtenção das soluções, e

finalizando, construção de modelos e algoritmos computacionais.

Lachtermacher (2004) apresenta a tomada de decisão como o processo de identificar um

problema ou uma oportunidade e selecionar uma linha de ação para solucioná-lo. Um

problema ocorre quando o estado atual de uma situação se diferencia do estado desejado,

mesmo quando o estado atual é superior ao desejado. É necessário identificar as causas desse

ótimo para que este nível atual possa ser mantido e/ou planejado em outras áreas.

Augusto (2005) afirma que a PO, vista como um conjunto de técnicas quantitativas, pode

servir de apoio para gerência na preparação e na tomada de decisões, mas para isso é

necessário que as características e as dificuldades do processo sejam entendidas de forma

clara. Os modelos de simulação apresentam como resultados cenários com características

similares ao sistema real, e possibilita a interação do usuário para que o mesmo intervenha na

busca de melhores soluções. Já os modelos matemáticos de otimização retornam valores

ótimos para as variáveis em estudo.

Andrade apud Toribio (2003) mostra através da Tabela 1 uma forma geral de se visualizar as

etapas para elaboração de modelos de PO, simulação e otimização.

Tabela 1: Etapas para elaboração de Modelos

MODELOS DE PO MODELOS DE SIMULAÇÃO MODELOS DE OTIMIZAÇÃO

Definição do problema Definição do problema Definição do problema

Construção do modelo Identificação das variáveis

relevantes

Identificação das variáveis

relevantes

Solução do modelo Formalização das equações do

modelo

Formulação da função objetivo

Validação do modelo Codificação do modelo Formulação das restrições

Implementação da Solução Teste do modelo Escolha do método matemático de

solução

Avaliação Final Aplicação do modelo Aplicação do método de solução

---------------------- --------------------- Avaliação da solução

Fonte: Elaborado por Toribio (2003)

4. Simulação

Esta é uma ferramenta utilizada para analisar a performance de sistemas e o comportamento

futuro de variáveis relevantes. Segundo Monks apud Augusto (2005), a simulação é um

método de modelar a essência de uma atividade ou sistema, de modo que possam ser feitas

alterações no sistema simulado para avaliar o comportamento do sistema após a alteração ou o

efeito da mudança ao longo do tempo.

A simulação oferece diversas vantagens que justificam sua utilização. Uma vez criado o

modelo simulado, ele pode ser utilizado inúmeras vezes para análise de outros projetos e

novas políticas. A simulação mostra a realidade na qual o modelo opera permitindo a visão de

todo o processo, que fica restrita quando se está inserido no sistema, se opondo a maneira

como se pensa que ele opera. Através dela também é permitido que se obtenham conclusões

sem causar perturbações no sistema real, reduzindo custo ou proporcionando a viabilidade de

um projeto.



5

Com a evolução dos sistemas computacionais, nas últimas décadas foram desenvolvidos

programas de simulação cada vez mais versáteis. A partir de então, os pesquisadores que

utilizam a simulação passaram a explorar o enorme potencial do computador pessoal,

surgindo a “simulação visual”. Hoje muitos programas possuem essa habilidade. Como

exemplo, pode-se citar: TAYLOR, PROMODEL, GPSS, ARENA, DELPHI, dentre outros,

variando de aplicações específicas a generalistas.

A principal desvantagem dessa técnica é que os resultados encontrados não são ótimos. O

pesquisador não garante que a configuração do modelo é a melhor possível, ao contrário da

modelagem por meio de modelos matemáticos exatos, onde a complexidade do sistema pode

tornar inviável sua representação por meio de equações, mas a grande vantagem é a certeza

que se obteve a melhor resposta. (AUGUSTO, 2005)

5. Definição do Problema Estudado

O cruzamento central da cidade de Mariana foi escolhido para a realização deste estudo

devido ao aumento significativo de veículos na cidade. Esse aumento foi ocasionado por

diversos fatores, sendo alguns deles: aumento do número de habitantes, maior fluxo de

turistas e principalmente a expansão das mineradoras da região (Samarco Mineração S.A. e

Vale), no entorno da cidade. Com o acréscimo do fluxo de automóveis, o cruzamento em

estudo passou a apresentar grandes filas em horários de pico (11h30minh - 13h30min e

16h30min - 18h00min), pelo fato de a configuração semafórica ser a mesma desde a

instalação na década passada até os dias atuais.

O estudo tem o objetivo de possibilitar uma melhor configuração dos tempos de ciclo dos

semáforos desse cruzamento. Para isso, foi utilizado os semáforos existentes no local,

juntamente com a identificação dos locais que são críticos em relação ao tamanho de filas

(gargalos). Também foram levantados os principais dados para análise, como por exemplo:

tempo de atravessamento, tempo de espera e taxa de utilização. A partir desses dados, será

possível tomar decisão a respeito de um novo dimensionamento do semáforo e permitir que a

Prefeitura de Mariana compreenda melhor o problema e verifique se há necessidade de

investir em obras de infra-estrutura, sem prejudicar o patrimônio histórico.

O cruzamento em estudo é composto por quatro vias semaforizadas. Nesse cruzamento, todo

veículo proveniente de uma via geradora é orientado pelo semáforo, para passar ou não nesse

cruzamento, em sentido às vias coletoras. Será considerado que cada automóvel que entra no

cruzamento terá que sair. Desconsideram-se avarias no sistema e também interrupções que

demandam muito tempo, ou seja, considera-se que o cruzamento está em perfeitas condições

de tráfego. O sistema de cronometragem do semáforo apresenta tempo de ciclo total de 90

segundos, com tempos de verde, vermelho e amarelo alternados entre os semáforos existentes.



6

]

Figura 1: Cruzamento em estudo

As rotas desse cruzamento são mostradas na Figura 1 e seguem a seguinte lógica: as vias ML1

e ML2 em verde, SFU em laranja, CAT em marrom e SGO em azul. Os carros da via ML1

podem realizar conversão à esquerda, sentido SFU. Já os veículos da ML2 podem seguir em

frente, sentido CAT ou realizar conversão à direita para a SGO. Logo se formam duas filas

independentes. Os veículos provenientes da via geradora SGO podem ir sentido SFU ou

realizar conversão sentido CAT. Na via CAT, a única opção é a conversão sentido SFU e os

veículos provenientes da SFU podem ir para a via SGO ou CAT.

5. Metodologia

Neste estudo foi utilizado o software Arena 10.0 na realização da simulação do modelo e

cenários. Os dados coletados foram analisados no software Minitab 14, onde foi utilizada a

ferramenta estatística carta de controle com análise individual de variáveis com média móvel,

denominado I-MR no Minitab 14 nessa análise, foram eliminados os pontos discrepantes,

conhecidos estatisticamente com outliers. Posteriormente, os dados foram exportados para o

bloco de notas e, em seguida, importados no Input Analyzer, ferramenta de ajuste de

distribuição disponível no Arena 10.0, para obtenção das distribuições probabilísticas a serem

inseridas no modelo. O Fluxograma mostrado na Figura2 apresenta as etapas metodológicas

utilizadas.

Formulação do problema e

coleta de dados

Identificação das variáveis e

das condições do sistema

Construção do modelo

Validação do modelo com

dados históricos

Modelo

Aprovado?

Elaboração de programa ou

planilha de computador

Realização dos experimentos

de simulação

Análise estatística dos

resultados

Sim

Não



7

Figura 2: Etapas do processo de simulação utilizadas neste estudo

As distribuições encontradas para as variáveis randômicas foram obtidas por meio dessa

ferramenta. A percepção do motorista foi encontrada pela média dos dados coletados. Essa

variável mede o tempo que o motorista gasta para colocar o veículo em movimento após o

sinal abrir.O projeto de simulação utilizou um computador Pentium 4 1.5GHz e 480 MB de

RAM sob plataforma Windows XP Professional versão 2002.

6. Cenários Investigados

Os cenários que serão investigados também devem ser levantados nesta etapa. Todos esses

detalhes têm o objetivo de criar modelos viáveis para a implementação tanto computacional

quanto financeira, além de obedecer a um tempo determinado. Esses cenários são formulados

com base no tempo de ciclo nos semáforos existentes no cruzamento, visto que se busca uma

melhor configuração dos mesmos, utilizando os equipamentos já existentes.

O cenário real apresenta tempo de ciclo total de 90 segundos. Os tempos de verde, vermelho e

amarelo podem ser identificados na Figura 3. Nessa configuração é possível notar folgas entre

o vermelho de um semáforo e verde do outro: existem 2 segundos entre o vermelho da SGO

(São Gonçalo) e o verde da CAT (Catete), dois segundos entre o verde da CAT e o verde da

SFU (Salvador Furtado) e 6 segundos entre o vermelho da CAT e o verde das ML1 e ML2

(Manoel Leandro Correa).

Figura 3: Tempo de Ciclo Real dos Semáforos.

Tendo como ponto de partida o ciclo da figura 3, foram traçados três cenários distintos. No

cenário 1, foram incluídos 2 segundos no tempo de verde do Catete e da Manoel Leandro

Corrêa, deixando apenas 2 segundos de folga entre o vermelho do Catete e o verde da Manoel

Leandro Corrêa. Outra alteração realizada foi a abertura do semáforo da Salvador Furtado no

mesmo instante de abertura do semáforo do Catete. Dessa forma o tempo de verde da

Salvador Furtado aumentou em 9 segundos. O tempo de folga existente entre o verde e o

vermelho entre os diferentes semáforos é um tempo de segurança que visa a redução do risco

de colisão. Por esse motivo, o mesmo foi mantido. A única via que não apresenta esse tempo



8

é a do São Gonçalo, devido a sua visibilidade, baixo fluxo de veículos e por não permitir ao

motorista o tráfego em velocidade elevada.

O cenário 2 é baseado no cenário 1. As alterações realizadas têm o objetivo de aumentar o

tempo de verde nas vias de maior fluxo, ou seja, Manoel Leandro Corrêa e Catete, reduzindo

o tempo de verde da via do São Gonçalo. A redução no tempo de sinal aberto no São Gonçalo

se deve ao baixo fluxo da via e ao fato de não apresentar engarrafamentos. Nesse cenário,

foram retirados 4 segundos de verde do semáforo do São Gonçalo e distribuídos entre as vias

com mesmo instante de abertura, ou seja, 2 segundos para o Catete e Salvador Furtado e 2

segundos para a Manoel Leandro Corrêa. Mantendo o tempo de segurança de 2 segundos.

Mantendo a mesma tendência de redução no tempo de verde da via do São Gonçalo e

distribuição de forma igualitária entre os outros semáforos, foi traçado o cenário 3, em que o

semáforo do São Gonçalo foi desligado e a via passa a ser de mão única, ou seja,

simplesmente absorve o fluxo das outras ruas. Esta modificação pode ser realizada, pois os

veículos que utilizam esse semáforo do São Gonçalo têm a possibilidade de realizarem rotas

alternativas que permitem a chegada aos mesmos pontos com um percurso um pouco maior.

O cenário 3 mantém o mesmo tempo de verde entre os três semáforos restantes. Nesse cenário

o semáforo do Catete e da Salvador Furtado ganharam 5 segundos com relação ao cenário2.

Já o tempo de verde da Manoel Leandro Corrêa foi acrescido de 12 segundos se comparado

ao cenário 2. Confrontando esta configuração com o modelo real, o tempo de verde do Catete

fica 9 segundos maior, o da Salvador Furtado e o da Manoel Leandro Corrêa são aumentados

em 16 segundos, o semáforo do São Gonçalo deixa de operar e a via passa a ser coletora.

No momento de simular as alternativas o ciclo real dos semáforos e o ciclo dos semáforos do

cenário 2, serão testados também em uma situação crítica, que a taxa de chegada dos veículos

será duplicada e mantida constante, para que se visualize o comportamento e a formação das

filas no modelo em uma situação de grande aumento do fluxo.

A Figura 4.a mostra a representação do modelo no software Arena 10.0 e a Figura 4.b mostra

o modelo de controle do tempo dos semáforos.

Figura 4.a: Modelo simulado no Arena 10.0.



9

Figura 4.b: Modelo de controle do semáforo no Arena 10.0.

7. Análise e Resultados da Pesquisa

Cenário 1: No cenário 1, a via do Catete (CAT) recebeu 2 segundos de verde, o ciclo entre

verde, vermelho e amarelo da Salvador Furtado (SFU) passou a ser idêntico ao da via do

Catete (CAT), com a redução do tempo de folga entre o vermelho do Catete e o verde da

Manoel Leandro Corrêa (ML1 e ML2).

Os resultados demonstram que, no cenário1 o número médio em filas nas vias coletoras

tendem a aumentar e nas vias geradoras a reduzir, ou seja, o gargalo mudou de localidade. A

taxa de utilização dos recursos permaneceu praticamente a mesma, o que reforça o processo

ocorrido, referindo basicamente à liberação mais rápida dos veículos nos semáforos,

acarretando um maior tempo de espera nas vias coletoras. As Tabelas 2 e 3 apresentam esses

resultados.

Número de veículos em espera Tempo de espera em fila

Via Média

Cenário

Real

Média

Cenário 1 Via Média

Cenário

real

Média

Cenário 1

UTILIRECCAT 0,5280 0,6398 UTILIRECSFU2 5,2847 6,4251

UTILIRECSFU 0,0226 0,0286 UTILIRECSGO 1,4265 1,8126

UTILIRECSFU1 0,3532 0,5039 UTILIVIACAT 6,5132 9,1990

UTILIRECSFU2 0,4687 0,6133 UTILIVIAML1 7,8556 10,2501

UTILIRECSGO 0,0766 0,0960 UTILIVIAML2 5,7092 7,0618

UTILIVIACAT 2,0841 2,2609 UTILIVIASFU 34,2798 36,5999

UTILIVIAML1 0,6090 0,5728 UTILIVIASGO 10,4714 9,9019

UTILIVIAML2 1,8001 1,7800 UTILIRECCAT 28,2706 28,0755

UTILIVIASFU 0,2449 0,2461 UTILIRECSFU 5,3145 5,3599

UTILIVIASGO 0,0079 0,0087 UTILIRECSFU1 0,5382 0,5925

UTILIRECCAT 0,5280 0,6398 UTILIVIAML2 5,2847 6,4251

UTILIRECSFU 0,0226 0,0286 UTILIVIASFU 1,4265 1,8126

UTILIRECSFU1 0,3532 0,5039 UTILIVIASGO 6,5132 9,1990

Fonte: Pesquisa direta, 2008.

Tabela 2: Comparação Cenário Real x Cenário 1



10

Taxa de utilização

Cenário Real Cenário 1

Via Média Média

RECCAT 0,3992 0,3972

RECSFU 0,1363 0,1364

RECSFU1 0,4652 0,4702

RECSFU2 0,5120 0,5097

RECSGO 0,2638 0,2702

VIACAT 0,7038 0,7085

VIAML1 0,6603 0,6610

VIAML2 0,7241 0,7159

VIASFU 0,4617 0,4635

VIASGO 0,0923 0,0935

Fonte: Pesquisa direta, 2008

Tabela 3: Comparação Cenário Real x Cenário1 pela taxa de utilização

Cenário 2 : Esta configuração apresenta aumento no tempo de verde das vias críticas,

redução do tempo de vermelho na via São Gonçalo e padronização dos tempos entre verde e

vermelho dos semáforos. A análise entre o cenário real e o cenário 2 é apresentada nas Tabela

4 e 5.

Os dados mostram uma melhora geral de todo o sistema. Isso se justifica por um equilíbrio

entre os tempos de verde e vermelho e os tempos de segurança. Somente a via SGO apresenta

um tempo de espera maior, o que se justifica pela redução de seu tempo de verde. No entanto,

os valores apresentados não causariam transtornos nesta via. A taxa de utilização não sofreu

grandes variações, demonstrando este equilíbrio encontrado no sistema como um todo, além

de beneficiar todas as vias críticas em detrimento de uma única fila de espera antes do

semáforo.


Via Média

Cenário

Real

Média


Cenário

real

Média

Cenário 2

UTILIRECCAT 0,5280 0,4336 UTILIRECCAT 5,2847 4,3882

UTILIRECSFU 0,0226 0,0213 UTILIRECSFU 1,4265 1,3732

UTILIRECSFU1 0,3532 0,3322 UTILIRECSFU1 6,5132 6,1573


UTILIRECSGO 0,0766 0,0730 UTILIRECSGO 5,7092 5,3087

UTILIVIACAT 2,0841 2,0860 UTILIVIACAT 34,2798 34,1584

UTILIVIAML1 0,6090 0,5819 UTILIVIAML1 10,4714 10,0708


UTILIVIASFU 0,2449 0,2406 UTILIVIASFU 5,3145 5,1810

UTILIVIASGO 0,0079 0,0088 UTILIVIASGO 0,5382 0,6085








11

Taxa de utilização


Via Média Média

RECCAT 0,3992 0,3935

RECSFU 0,1363 0,1340

RECSFU1 0,4652 0,4643

RECSFU2 0,5120 0,5115

RECSGO 0,2638 0,2748

VIACAT 0,7038 0,6985

VIAML1 0,6603 0,6568

VIAML2 0,7241 0,7094

VIASFU 0,4617 0,4624

VIASGO 0,0923 0,0930

Fonte: Pesquisa direta, 2008

Tabela 5: Comparação Cenário Real x Cenário 2 da taxa de utilização

Cenário 3 : Sistema padronizado de tempo de segurança entre o verde e vermelho dos

semáforos. O incremento substancial do tempo de verde nas vias críticas ocorreu devido ao

fato deste cenário contemplar o fechamento do semáforo da via SGO. Este cenário supõe que

os veículos da via SGO percorrerão a rota alternativa. Os resultados comparativos entre o

Cenário Real e o Cenário 3 são discutidos nas analises das Tabelas 6 e 7.

Os dados indicam que o Cenário 3 não apresenta melhoras significativas se comparado com o

Cenário Real. Pela análise das variáveis “UTILIVIA”, como o tempo de vermelho é longo, as

filas antes dos semáforos continuam bem próximas do modelo real. O cenário 3 apresenta

melhora no escoamento nas vias coletoras, ou seja, o cenário contribui para solução dos

problemas das filas depois do semáforo e apresenta um resultado semelhante nas vias antes do

semáforo. Com o grande aumento no tempo de verde das vias críticas, a filas permaneceram

próximas ao modelo real, quando o esperado era a redução de forma drástica.


Via Média

Cenário

Real

Média


Cenário

real

Média

Cenário 2





UTILIRECSGO 0,0766 0,0640 UTILIRECSGO 5,7092 4,8148

UTILIVIACAT 2,0841 2,0532 UTILIVIACAT 34,2798 33,6291



UTILIVIASFU 0,2449 0,2364 UTILIVIASFU 5,3145 5,1948

UTILIVIASGO 0,0079 0,0000 UTILIVIASGO 0,5382 0,0000





12




Pode-se concluir que este desempenho se deve à capacidade de escoamento do tráfego de

veículos nas vias coletoras, ou seja, mesmo com maior tempo de verde nas vias críticas é

necessário que as vias sejam mais eficientes. Neste modelo, os congestionamentos ocorreram

devido à incapacidade de escoamento das vias geradoras. A taxa de utilização continuou

próximo do real antes do semáforo e melhorou após a intersecção semafórica como pode ser

visualizado na Tabela7.


Via Média Média

RECCAT 0,3992 0,3814

RECSFU 0,1363 0,1195

RECSFU1 0,4652 0,4293

RECSFU2 0,5120 0,4721

RECSGO 0,2638 0,2591

VIACAT 0,7038 0,7038

VIAML1 0,6603 0,6670

VIAML2 0,7241 0,7179

VIASFU 0,4617 0,4584

VIASGO 0,0923 0,0000


Tabela 7: Comparação Cenário Real x Cenário 3 da taxa de utilização

8. Conclusões

Neste estudo foi desenvolvido um modelo de simulação computacional para o cruzamento

com interseções semafóricas no centro da cidade de Mariana-MG. Como a cidade em questão

é um patrimônio histórico e deve propiciar uma qualidade de vida satisfatória à população e,

atender de forma adequada aos turistas que recebe, um dos fatores que devem estar bem

dimensionados para melhor circulação de materiais e segurança das pessoas é o tráfego.

Analisando estas considerações, desenvolveram-se cenários de acordo com características do

sistema real, gerando um modelo simplificado do cenário com o intuito de permitir um melhor

escoamento do tráfego no centro da cidade, evitando engarrafamentos.

Tendo como ponto de partida o cenário real, elaboraram-se três modelos, onde a intenção era

melhorar o cenário real mantendo a estrutura física já existente e acarretando menor impacto

para os usuários. Foram montados três cenários de comparação com o modelo real.

No cenário 1, foi observado melhoras pouco significativas para o modelo como um todo, este

cenário propicia um ponto neutro não justificando sua implementação.

O cenário2 apresentou um equilíbrio bastante homogêneo entre as vias geradoras e coletoras,

apresentando uma melhora global do sistema. A única piora foi constatada no semáforo da via

SGO, visto que o mesmo teve seu tempo reduzido. No entanto, esta piora é aceitável devido

aos benefícios gerados no processo como um todo.

O cenário 3 representado pela retirada do semáforo na via SGO, e tornando a mesma de mão

única (coletora), se mostrou ineficiente visto que seus resultados ficaram bem próximos do

modelo real, antes dos semáforos e em alguns casos apresentou resultados piores, com



13

melhora apenas no escoamento nas vias coletoras. Este fato se deveu pelo motivo do grande

tempo disponível em vermelho e verde, ou seja, tempo suficiente para formação de filas antes

do semáforo e muito tempo para absorção dos fluxos de tráfego nas vias coletoras.

Portanto, o cenário mais indicado para implantação é o Cenário2. Recomenda-se que junto a

esta mudança sejam tomadas medidas que melhorem a vazão do fluxo nas vias geradoras,

visto que, durante o estudo ficou claro a possibilidade de que estas sejam os pontos de

gargalos do sistema.

A simulação propiciou um melhor entendimento e compreensão do sistema em estudo,

auxiliando na tomada de decisão referente à redução no tempo de espera em sinais de trânsito

em cruzamento de vias em uma cidade histórica na região dos inconfidentes. A simulação

também possibilitou uma nova configuração que melhora o sistema em estudo sem

transtornos para os usuários. Com um sistema mais viável e redução do tempo de espera,

ocorre também contribuições ambientais, devido à redução de gases poluentes pelos

veículos, já que os mesmos permanecem um menor tempo aguardando em fila.

Este estudo evidenciou outras possibilidades quanto à realização de novas pesquisas e estudos

que venham, a partir deste, contribuir para o tema em questão e permitir melhor desempenho

deste tipo de cruzamento. Assim, sugerem-se como trabalhos futuros: estudos de melhores

formas de escoamento do tráfego em vias coletoras; redução do tempo de percepção do

motorista em semáforos permitindo melhor aproveitamento do tempo de verde; verificar se é

aplicável a aplicação de sensores que reprogramem automaticamente o tempo de verde dos

semáforos, de acordo com o tamanho da fila; o reposicionamento dos pontos de ônibus e a

utilização de ônibus de menor porte no centro histórico, com o intuito de reduzir os

transtornos gerados pelos mesmos no tráfego urbano, sem prejudicar a qualidade dos serviços

prestados.

Referências

AUGUSTO, C. R., A aplicação da simulação computacional utilizando o software Arena para o estudo das

filas nos caixas do supermercado Champion. Fevereiro de 2005, Trabalho de conclusão de curso ( Graduação

em Engenharia de Produção – curso de Engenharia de Produção). Universidade Federal de Ouro Preto, Ouro

Preto – MG, 2005.

BERTONCINI, B. V., et al; DEMARCH, Sergio Henrique. Impacto nas medidas de desempenho operacional

devido à substituição de interseção semaforizada por rotatório. In: www.sinaldetransito.com.br – 2004, acesso

em 15/04/08

FERRAZ P. C. C. A.; TORRES E. G. I., Transporte público urbano. São Carlos : Rima, 2004. 428p.

LACHTERMACHER, G., Pesquisa operacional na tomada de decisões: modelagem em Excel, 2.ed. – Rio de

Janeiro, Elsevier, 2004 – 4º reimpressão.

LEITE, G. F. M.; ALVES A. C. B. Implementando um simulador de tráfego urbano para uma interseção com

semáforos. In: Anais I Encontro Regional em Modelagem e Análise Computacional de sistemas/ Vol.I/Nr.1 /

Setembro, 2004.

LOUREIRO, C. F. G. et al, Avaliação do desempenho nos períodos de pico do tráfego de interseções

semaforizadas com controle centralizado em tempo fixo e real. In: Anais do XVI Congresso de Pesquisa e

Ensino em Transportes, 2002., Anais Rio de Janeiro:2002

OWEN, W., O caos motorizado Análise de transportes metropolitanos. Edições Bloch – Rio de Janeiro – RJ,

1971.

PRADO, D. S., Usando o Arena em Simulação, Série Pesquisa Operacional v.3, INDG Tecnologia e Serviços

Ltda, Belo Horizonte – MG, 2004. 305p.

SCHMITZ, M.; HÜBNER, J. F.. Uso de SMA para avaliar estratégias de decisão no controle de tráfego

urbano. In: XI SEMINCO - Seminário de computação – 2002.

SILVA, E. L. da; MENEZES, E. M.. Metodologia da pesquisa e elaboração de dissertação. 4. ed.

Florianópolis: UFSC, 2005. Disponível em:



14

<http://www.posarq.ufsc.br/download/metPesq.pdf#search=%22%22metodologia%20da%20pesquisa >. Acesso

em: 14 jun 2008.

TORIBIO, N. B., Simulação do Posto de Gasolina Itacolomi no Software Arena. Dezembro de 2003, Trabalho

de conclusão de curso ( Graduação em Engenharia de Produção – curso de Engenharia de Produção).

Universidade Federal de Ouro Preto, Ouro Preto – MG, 2005.

aplicaÇÃo da simulaÇÃo computacional para … · a engenharia de produção e o desenvolvimento...

Documents