Vantagens e desvantagens dos modelos analisados

Com o objetivo de resumir as comparações entre os dois modelos de simulação, para cada um dos modos de transporte, são apresentadas as vantagens e desvantagens de cada uma delas na Tabela 36.

Tabela 36 - Vantagens e desvantagens da modelagem do atraso no HCM e no VISSIM

Modos de transportes Vantagens HCM VISSIM Pedestre  Facilidade de aplicação.

 Permite simulação individual dos pedestres.  Considera chegadas aleatórias.

 Considera a violação do sinal pelos pedestres.

 Flexibilidade em modelar cenários variados  Considera caraterísticas dos pedestres como

idade e gênero.

 Permite a calibração dos parâmetros para representar diferentes padrões de comportamento.

Bicicleta  Facilidade de aplicação

 Permite simulação individual dos ciclistas.  Considera chegadas aleatórias.

 Considera a violação do sinal pelos ciclistas.

 Flexibilidade em modelar cenários variados.  Permite a calibração dos parâmetros para

representar diferentes comportamentos.

Automóvel  Facilidade de aplicação

 Permite a consideração de diversos fatores que influenciam na estimação do atraso.  Permite a calibração dos parâmetros nos

modelos comportamentais.

 Permite a criação de cenários variados. Desvantagens

Pedestre

 Não representa pedestres individualmente  Considera chegadas determinísticas.  Não considera a violação do sinal

semafórico pelos pedestres.

 Não considera caraterísticas dos pedestres como idade e gênero.

 Não representação de travessias fora da faixa de circulação.

 Não representação da travessia de pedestres quando existe bloqueio da faixa de travessias pelos veículos, dada acumulação de fila na interseção à montante.

Bicicleta

 Não representa bicicletas individualmente  Considera chegadas determinísticas.  Não considera a violação do sinal

semafórico pelos ciclistas.

 Maior esforço de coleta e de modelagem.

 Não permite a circulação dos ciclistas quando existe ocupação da área de conflito.

Automóvel

 Não representa automóvel individualmente.  Não considera as filas que não são escoadas

totalmente da interseção à montante.  Não considera a violação dos pedestres e

ciclistas, o que pode influenciar no atraso de controle.

 Maior esforço de coleta e de modelagem.  Não fornece o atraso de controle como

output.

Fonte: Elaboradoa pela autora.

5.4 Considerações finais do capítulo

Esse capítulo apresentou a aplicação do método proposto nesta tese. As MDs escolhidas para a análise dos diferentes modos na interseção semaforizada foram: atraso médio (pedestre, bicicleta e automóvel) e tempo parado médio em serviço (transporte público). Foram apresentados os dados coletados para as correspondentes avaliações dessas MDs; assim, como os resultados estimados através da modelagem pelo VISSIM. Finalmente, realizou-se uma comparação dos resultados obtidos através da microssimulação com os estimados pela metodologia do HCM2010.

Para o modo pedestre foram considerados quatro tipos (homem, mulher, jovem e idoso) e foram utilizados os modelos RP e Força Social do VISSM. Através da estimação de velocidade desejada, identificou-se o esperado, que os jovens foram os mais velozes e os idosos os menos velozes. Estimou-se também o grau de violação do sinal vermelho para cada travessia pedonal analisada, resultando em valores bastante diferentes: 59% na travessia 1 e 10% na travessia 2. Isso influenciou na estimativa dos valores de atraso em intervalos de 15

minutos e para cada tipo de pedestre em ambas as travessias. A estimação da brecha crítica, por tipo de pedestre, permitiu identificar que os homens apresentaram os menores valores (4,9s na travessia 1 e 4,3s na travessia 2) e os idosos os maiores (6,1s na travessia 1 e 5,7s na travessia 2). Para a estimação da proporção de pedestres livres foram propostos três medidas- alvo de calibração (o atraso médio, a distribuição dos atrasos individuais e a taxa de violação), resultando em proporções de pedestres livres calibradas de 50% para a travessia 1 e 25% para a travessia 2

Com o objetivo de avaliar também os resultados da calibração por tipo (homem, mulher, jovem e idoso) e por classe (violadores e não-violadores) de pedestre. De modo geral, é possível concluir que os modelo de microssimulação representaram bem os atrasos médios observados dos diferentes tipos de pedestres violadores e não-violadores da amostra de calibração. Também, no intuito de avaliar se os atrasos médios simulados entre os tipos de pedestres tinham média iguais, aplicou-se o teste ANOVA com nível de significância de 5%. Para os pedestres violadores, os resultados sugerem que, em cada travessia, há diferença estatística significativa de atraso médio entre os tipos de pedestres, ocasionada pelas diferenças de brecha crítica e velocidade desejada entre os modos. Já nos tipos de pedestres não-violadores, os resultados não indicaram diferença estatística significativa, pois a travessia nesses casos não se dá por meio de brechas, e sim pelo tempo de verde. Também, realizou-se a análise de sensibilidade para os parâmetros Tau e React to N (modelo de Força Social) na avaliação do impacto no atraso dos pedestres violadores, não-violadores e de todos os pedestres (inclui os que chegam no sinal verde). Os resultados demonstraram que os parâmetros não exerceram impacto significativo nessa MD em nenhuma das duas travessias. Dessa forma, o modelo proposto para a modelagem de pedestre baseou-se na consideração dos parâmetros do modelo de Força Social em valores default. Com relação ao modelo de RP foram utilizados os valores de brecha crítica estimados para cada tipo de pedestre em cada travessia segundo um método proposto na literatura. O modelo de microssimulação como um todo foi satisfatoriamente validado na travessia 2, pois na travessia 1 houve problema de coleta para a amostra da validação.

No modo bicicleta, estimou-se em campo valores de atraso de 0,0 s/bicicleta em ambos os sentidos de circulação, dado que os ciclistas não respeitaram o sinal semafórico. Esse comportamento foi possível representa-lo no VISSIM, através do modelo AC, estimando valores de atraso médios simulados de 2s/bicicleta. Por tanto, considera-se que o modelo conseguiu representar a realidade em estudo, utilizando os valores do modelo em default.

de 15 minutos. Foi considerado o modelo car-following, do qual foi coletado em campo o parâmetro ax, enquanto os parâmetros bx_add e bx_mult foram calibrados através de tentativa e erro e utilizando como medida-alvo o fluxo de saturação. A validação do modelo foi realizada através da estimação do atraso médio de controle observado em campo segundo o método de coleta do HCM. A pesar do VISSIM ter superestimado a MD em alguns intervalos, foi estimada uma correlação de 57% com os valores estimados em campo. Porém, acredita-se ainda em melhores resultados, através da microssimulação, se as hipóteses forem confirmadas e atendidas. Os valores médios de atraso estimados se encontram entre 40-70s/veic.

No modo transporte público por ônibus, foram consideradas as três linhas de ônibus com serviço na estação BRT; enquanto no ponto de parada as 30 linhas de ônibus que operam nela foram agregadas em quatro tipos: segundo o tipo de linha (urbana ou metropolitana) e tipo de veículo (básico e miniõnibus). Para cada linha de ônibus, foram estimados os valores médios do tempo parado médio em serviço na parada aplicando os três modelos propostos pelo VISSIM para essa análise. Os parâmetros dos modelos avançado de

passageiros e Viswalk foram coletados e inseridos como dados de entrada. Para o modelo Viswalk, os parâmetros de Força Social foram mantidos em default. Observou-se que os três

modelos são capazes de representar bem o tempo parado médio em serviço das linhas de ônibus avaliadas. Porém, concluiu-se que o modelo Viswalk foi o escolhido para o estudo, não só pela qualidade dos resultados, mas pela capacidade de modelar detalhadamente a integração dos modos pedestre e transporte público.

Por último, realizou-se uma comparação entre os valores com o VISSIM e com o HCM para os modos pedestre, bicicleta e automóvel. Para o modo pedestre, o HCM superestimou em ambas as travessias o valor de atraso médio obtido em campo, 35% para a travessia 1 e de 22% para a travessia 2. Essa diferença entre as duas travessias é causada pela diferença entre a porcentagem de violação observada em cada uma delas, 59% (travessia 1) e 10% (travessia 2). Também, a comparação do resultado pelo HCM com os valores obtidos em todos os cenários de simulação da modelagem no VISSIM, demonstrou que para ambas as travessias, também existiu uma superestimação pelo HCM do valor de atraso obtido nos cenários C2 até C5. Assim, identificou-se que a superestimação aumentou quando aumentou a proporção de pedestres livres. Quanto à comparação com o VISSIM, este estimou um valor de atraso igual ao observado na travessia 1 (29s/ped), sendo o reduzido erro comparado ao erro do HCM devido à capacidade do software de modelar o comportamento de aceitação de brechas por parte dos pedestres violadores. Já na travessia 2, o VISSIM realiza uma estimação de 2s/ped menor do que a estimada em campo (erro de 5%).

Quanto ao transporte cicloviário, a estimativa de atraso pelo HCM superestimou os atrasos observados em campo em ambos os sentidos de circulação. Já a modelagem com o VISSIM conseguiu estimar adequadamente os atrasos médios quando no modelo foi permitida a violação do semáforo pelos ciclistas. Constata-se, assim, que também para esse modo de transporte, o HCM superestima o valor de atraso médio devido à não consideração da violação do sinal vermelho pelos ciclistas e à inadequação das premissas de chegada determinística, sendo verificado em campo que ela acontece de forma aleatória, como também foi representada no VISSIM.

No modo automóvel, a comparação com a modelagem pelo VISSIM baseou-se, em análise de correlação entre valores modelados e observados e em intervalos de confiança (IC95%) para as médias das diferenças de atraso modelados e observados, em períodos de 15 minutos, bem como no erro percentual médio de estimação dos modelos. Os resultados apresentaram uma ligeira superioridade da metodologia do HCM com relação ao VISSIM. É importante ressaltar que a este resultado pode ter sido causado pela não representação de fatores na simulação que merecem ser investigadas e possivelmente incorporadas ao modelo, como a calibração do modelo de mudança-de-faixa e a inserção da parada de ônibus na aproximação analisada.