OTIMIZAÇÃO DE CORREDORES VIÁRIOS, ESTUDO DE CASO NA CIDADE DE LONDRINA

OTIMIZAÇÃO DE CORREDORES VIÁRIOS, ESTUDO DE CASO NA CIDADE DE LONDRINA

WAGNER FONTES GODOY1,SILVIA GALVÃO DE S.CERVANTES2,MÁRCIO MENDONÇA1,LÚCIA VALÉRIA RAMOS DE ARRUDA3

1. Departamento de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná Av. Alberto Carrazai, 1640 - Cornélio Procópio, PR - 86300-000

E-mails: wagnergodoy@utfpr.edu.br, mendonca@utfpr.edu.br

2. Departamento de Engenharia Elétrica, Universidade Estadual de Londrina Rod. Celso Garcia Cid, PR 445, km 38 - Londrina, PR - 86051-980

E-mail: silvia@uel.br

3. Laboratório de Automação e Sistemas de Controle Avançado (LASCA) Universidade Tecnológica Federal do Paraná.Campus Curitiba - Av. Sete de Setembro, 3165

Curitiba, PR - 80230-901 E-mail: lvrarruda@utfpr.edu.br

Abstract The first part of this work presents a cognitive map in order to contextualize all the involved propositions by ab-stracting the process variables and their interconnections on traffic control optimization. In the second part, an evaluation of the operational performance in three of the main arterial corridors of the central area of Londrina city was done by using the soft-ware TRANSYT/10. The motivation of this study is the recurrence of congestion in some corridors of this region, as well as the transition period where exclusive lanes for buses were created. In the context of planning and management of this network, traf-fic control optimization, currently nonexistent, enables the minimization of both delay and number of stops. Initial results of such model with restrictions confirm that proposed optimization scenarios can improve traffic conditions for both cars and pub-lic transport. Suggestions using Fuzzy Systems address future traffic control optimization works.

Keywords Cognitive maps, Traffic Control, Optimization.

Resumo A primeira etapa deste trabalho apresenta a construção de um mapa cognitivo para contextualização do problema por meio da abstração das variáveis do processo e suas interconexões na otimização do controle semafórico. Na segunda etapa, ava-lia-se o desempenho operacional do controle semafórico em três dos principais corredores viários da malha central da cidade de Londrina, com auxílio do software TRANSYT/10. A motivação deste estudo é a recorrência de congestionamentos em alguns corredores desta malha viária, assim como o período de transição na criação de corredores exclusivos para ônibus. No contexto de planejamento e gerenciamento desta malha, a otimização semafórica, ainda inexistente, possibilita a minimização do atraso e número de paradas. Resultados de iniciais de um modelo com restrições validam a proposta de otimização semafórica para am-bos os usuários de transporte coletivo e automóveis. Sugestões utilizando sistemas Fuzzy endereçam futuros trabalhos em otimi-zação semafórica.

Palavras-chave Mapas cognitivos, Controle Semafórico, Otimização.

1 Introdução

As redes de infraestrutura de transportes são um meio essencial através das quais as funções das cida-des (centros de atividacida-des econômicas e de serviços) são realizadas. No entanto, a necessidade crescente de mobilidade criou uma situação de sobrecarga em muitos sistemas de transportes, onde a infraestrutura existente é incapaz de atender as mais diversas neces-sidades vigentes (Cardoso, 2007).

Inserido neste contexto, o desenvolvimento deste trabalho ocorre em um momento de transformação no gerenciamento de tráfego da cidade de Londrina. Situada ao norte do Paraná, Londrina possui popula-ção superior a 500 mil habitantes e frota registrada que ultrapassa 273 mil veículos. Os recorrentes

con-gestionamentos em alguns dos principais corredores viários da área central, e seu conseqüente impacto de cunho econômico, social e ambiental, motivaram a administração pública a decidir pela implantação de corredores exclusivos para ônibus através da remo-ção da faixa de estacionamento em algumas vias des-ta malha.

A maioria das vias pelas quais os ônibus circulam têm como característica a intensa circulação de veí-culos e a formação de filas nos sucessivos cruzamen-tos semaforizados. Para este panorama, existem dis-poníveis várias estratégias desenvolvidas para melho-rar ou otimizar o controle dos tempos semafóricos: simples controladores locais temporizados até siste-mas de controle do tráfego que dependem de uma central inteligente para resposta em tempo real à de-manda exigida na malha (Endo, 2006).

O controlador semafórico fuzzy é um dos diferen-tes tipos de controladores semafóricos que podem ser empregados para o controle do tráfego em interse-ções. Ao se projetar este tipo de controlador, é neces-sário que sejam definidos seus elementos integrantes. A escolha destes, contudo, permite ao projetista um grande número de opções (Jacques, 2009).

No entanto, poucas cidades brasileiras possuem infraestrutura para a implantação e gerenciamento de centrais de controle de tráfego urbano em tempo real. Assim, este trabalho tem como objetivo apresentar uma proposta de baixo custo para minimização do atraso em três corredores viários da área central de Londrina, utilizando a infraestrutura semafórica exis-tente, composta em sua maioria de controladores semafóricos eletromecânicos.

Para analise e contextualização do problema ini-cialmente um mapa cognitivo é utilizado. O modelo cognitivo indica as relações causais e os conceitos identificados por especialistas. Após a primeira etapa de identificação das relações e conceitos (variáveis do problema), os efeitos das causas são inseridos no modelo. A Figura 1 mostra o mapa cognitivo de acordo com o conhecimento empírico dos especialis-tas. A construção desses mapas auxilia a realizar in-ferências sobre o comportamento do sistema modela-do (Axelrod, 1976). Um mapa cognitivo modela o conhecimento humano e permite tomada de decisão para análises de potenciais causas e relações entre conceitos significantes e possíveis soluções (Eden et

al., 2004).

Figura 1: Mapa cognitivo

Na Figura 1, pode-se observar de modo resumido o seguinte comportamento:

• O fluxo de veículos tem influência nega-tiva no atraso e no numero de paradas, e estes impactam diretamente no índice de desempenho do sistema. Observa-se ain-da que o índice de desempenho apresen-ta influência direapresen-ta na obtenção de indi-cações semafóricas com melhor desem-penho.

• Condições climáticas ruins e sazonalida-de impactam sazonalida-de forma negativa no fluxo de veículos, que sofre ainda influência dos horários de pico, velocidades em-pregadas e conseqüente formação de fi-las ao longo das interseções.

• A priorização do transporte de pessoas é fortemente influenciada de forma negati-va pela circulação excessinegati-va de veículos, aumentando assim congestionamentos e conseqüente comprometimento do índice de desempenho do sistema.

• A otimização semafórica depende forte-mente de infraestrutura e estratégias de controle adequadas a realidade local. Após a construção do modelo cognitivo os prin-cipais fatores e algumas restrições foram aplicadas em uma ferramenta de otimização, entretanto algu-mas observações devem ser citadas:

• O modelo não considera fatores sazonais climáticos e horários diários entre ou-tros.

• Os dados são inseridos de modo off-line na ferramenta de otimização.

• As variáveis otimizadas são o número de paradas e o atraso, resultando assim em novas indicações semafóricas ótimas. Para realização da otimização semafórica optou-se pela utilização do software TRANSYT/10 (licença acadêmica), visto que esta é uma das estratégias utili-zadas para determinação dos planos semafóricos de tempo fixo objeto deste estudo, (Ozelin et al., 2008).

Esse software é composto de um modelo de trá-fego e um algoritmo de otimização para obtenção de tempos semafóricos, defasagens e ciclos ótimos (Vincent et al., 1996).

O trabalho esta dividido da seguinte maneira: Seção 2 apresenta a estratégia de controle e a fer-ramenta computacional empregada na otimização do problema.

Seção 3 apresenta estudo de caso da cidade de Londrina.

Seção 4 apresenta a metodologia empregada no desenvolvimento do modelo otimizado do estudo de caso.

Seção 5 apresenta resultados iniciais da metodo-logia adotada. Seção 6 conclui e sugere futuros traba-lhos.

2 Estratégia de Controle

O primeiro passo no desenvolvimento da estraté-gia é a criação de um modelo que representa o com-portamento do tráfego em uma rede na qual a maioria das aproximações é controlada por semáforos.

O critério de desempenho é uma combinação ponderada do atraso total e do número de paradas, sendo ele uma medida do custo total de congestiona-mento do tráfego.

O processo de otimização busca valores de tem-porização semafórica. Com estes valores é calculado o índice de desempenho utilizando o modelo de trá-fego. Depois, verifica-se se os ajustes reduzem ou não este índice de desempenho.

Adotando-se os ajustes que minimizem o índice de desempenho, a temporização é sucessivamente melhorada.

Assim, em resumo, o TRANSYT/10 é capaz de simular um cenário de operação, avaliar medidas de desempenho, alterar defasagens entre os semáforos, reprocessar a simulação e reavaliar tais medidas até que seja obtido um valor ótimo (Ozelin et al., 2008). Um esquemático deste procedimento é apresentado na Figura 2:

Figura 2: Modelo do TRANSYT, Fonte: Manual TRANSYT/10

No modelo TRANSYT/10 são assumidas algumas hipóteses a respeito do tráfego: i) as principais apro-ximações na rede são semaforizadas ou controladas por uma regra de prioridade; ii) todos os semáforos da rede possuem tempo de ciclo comum ou metade deste valor e detalhes dos estágios e valores mínimos são conhecidos; iii) para cada aproximação diferente entre aproximações ou conversão em aproximações, o fluxo médio é conhecido e constante.

A função objetivo utilizada é uma combinação li-near do número de paradas e do atraso sofrido pelos veículos nas diversas aproximações da rede de apro-ximações semaforizadas.

O valor desta função objetivo é denominado de Índice de Desempenho (ID), ou Perfomance Index (PI), definido pela Equação 1.

)

)

100

/

(

(

s

k

k

d

w

W

PI

=

×

×

+

×

×

∑

Onde W é o custo médio por unidade de atraso, wi o

coeficiente de ponderação de atraso na via i, di o

atraso médio na via i, K o custo médio para 100 uni-dades de parada, ki o coeficiente de ponderação do

número de paradas na via i, si o número médio de

paradas na via i e n o número de vias da rede. A simulação considera os veículos como pelotões, e o comportamento do tráfego de forma simplificada, já que nesse modelo as filas de veículos são verticais sobre a linha de retenção.

A rede viária é simulada no programa como um conjunto de nós e vias. Cada interseção semaforizada corresponde a um nó e a corrente de tráfego unidire-cional entre dois nós consecutivos representa uma via (Poyares, 2000; Dalto, 1994).

O processo de otimização é baseado na heurística

Hill Climbing, pois os dados de demanda veicular

são conhecidos antecipadamente. Os dados necessá-rios para otimização, ou seja, as restrições do sistema são os valores mínimos dos tempos de verde e ciclo (Robertson, 1968).

3 Caracterização das Vias em Estudo

Como estudo de caso desta pesquisa foram esco-lhidos os corredores da Rua Benjamin Constant, Rua Prof. João Cândido e Av. Duque de Caxias, que pos-suem as seguintes características comuns: trechos entre semáforos de 100 metros, sentido único de trá-fego e alinhamento praticamente retilíneo, pistas com 9 metros de largura, divididas em duas faixas de ro-lagem e uma faixa de estacionamento à esquerda e grande circulação de ônibus, além de:

Trecho 1: a Rua Benjamin Constant possui compri-mento de aproximadamente 800 metros divididos em 8 aproximações semaforizadas;

Trecho 2: a Rua Prof. João Cândido, possui compri-mento de aproximadamente 700 metros divididos em 7 aproximações semaforizadas;

Trecho 3: a Av. Duque de Caxias possui comprimen-to de aproximadamente 600 metros divididos em 6 aproximações semaforizadas.

O controle semafórico é efetuado por equipamen-tos eletromecânicos de plano único. Até o mês de março de 2010, o ciclo semafórico era de 45 segun-dos para todas as aproximações, com defasagem de 6 segundos entre elas, porém inadequada para gerar coordenação (“onda verde”) entre as aproximações.

No entanto, a partir desta data o órgão responsá-vel pelo controle e gerenciamento semafórico, alterou o tempo de ciclo para 75 segundos na Rua Professor João Cândido e no caso da Av. Duque de Caxias e da Rua Benjamin Constant, ciclos de 60 e 75 segundos, com tempo de amarelo variando entre 2 e 3 segun-dos.

Estas vias apresentam intenso fluxo de ônibus em circulação, e não possuem atualmente corredores exclusivos para tal. Os pontos de parada de ônibus

não possuem baias, observando-se o bloqueio total da faixa de rolamento da direita durante as operações de embarque e desembarque de passageiros.

Com base nos dados fornecidos pelo IPPUL (Ins-tituto de Pesquisa e Planejamento Urbano de Londri-na - Diretoria de Trânsito e Sistema Viário) foi pos-sível obter das contagens classificadas os fluxos de veículos que trafegam pelas interseções destes três corredores selecionados. Para efeito deste estudo, considerou-se apenas o período de maior movimenta-ção do dia - das dezessete horas e quarenta e cinco minutos às dezoito horas e quarenta e cinco minutos - e também a separação entre a quantidade de veículos de passeio e de ônibus.

Como exemplo, a Tabela 1 mostra os fluxos cons-tatados em duas interseções de conexão dos trechos em estudo: Rua Benjamin Constant com Rua Prof. João Cândido e Av. Duque de Caxias com Rua Ben-jamin Constant. Considerando tratar-se de vias com sentido único de circulação, os movimentos observa-dos separadamente foram de fluxo direto e de con-versões à direita e à esquerda.

Tabela 1: Fluxos de tráfego/períodos do dia (veic/h). R. Benjamin Constant (O-L) R. Prof. João Candido (S-N) Fluxo direto Conversão

Esquerda

Fluxo direto Conversão Direita Carro Ônibus Carro Ônibus Carro Ônibus Carro Ônibus

462 110 155 27 791 5 125 99

Av. Duque de Caxias (N-S) R. Benjamin Constant (O-L) Fluxo direto Conversão

Esquerda

Fluxo direto Conversão Direita Carro Ônibus Carro Ônibus Carro Ônibus Carro Ônibus

818 42 16 0 430 42 273 29

Fonte: Contagens IPPUL 2008

A Figura 3 mostra a região central de Londrina, onde se localizam as vias em estudo.

Figura 3: Malha Central da Cidade de Londrina, Fonte: Google Maps, 2010

4 Desenvolvimento

Foram realizadas simulações para avaliação de desempenho frente a diferentes tamanhos de ciclo e otimização de tempos de verde e defasagens. Os ce-nários escolhidos são apresentados na Tabela 2.

O cenário 1 representa as condições de controle semafórico vigente nas vias em estudo no início deste trabalho. A escolha dos cenários de 2 a 7 foi baseada na evolução do estudo e de informações obtidas com os operadores que implementaram as modificações a partir do mês março de 2010. Assim, foram simula-dos os tamanhos de ciclo implementasimula-dos nos corre-dores em estudo, com e sem a transformação da faixa de estacionamento em faixa de rolagem, pois estes cenários vêm sendo implantados nos corredores em estudo.

Tabela 2: Descrição dos cenários de simulação Cenários

1 2 3 4 5 6 7

Otimização Não Sim Sim Sim Sim Sim Sim Tempo Ciclo (s) 45 45 45 60 60 75 75 Faixa ônibus Não Não Sim Não Sim Não Sim F. estacionamento Sim Sim Não Sim Não Sim Não

O contexto avaliado representa uma situação mui-to comum nas médias e grandes cidades brasileiras, onde importantes corredores viários operam com planos semafóricos únicos e não coordenados, e de-seja-se avaliar qual plano semafórico resulta na me-lhoria de seu desempenho operacional, minimizando os tempos de percurso e evitando congestionamentos. Para a caracterização das aproximações, foram utilizados os dados de contagens manuais veiculares realizadas no ano de 2008 pelo IPPUL.

Neste levantamento, verificou-se o comporta-mento do tráfego nos dias úteis da semana, durante o período das 07:00 horas até as 19:00 horas. Em adi-cional, foram obtidos também junto ao IPPUL os planos semafóricos além dos seguintes dados: largura das vias, número de faixas existentes, distâncias entre as aproximações, tempos de ciclo e defasagens.

Para ajuste do plano original, foram inseridas co-mo dados iniciais no TRANSYT/10, as seguintes informações: os tempos semafóricos, defasagens, configurações da rede (disposição dos nós e vias, vias compartilhadas), fluxo de saturação para cada nó, velocidades, fator de dispersão de pelotões, fluxo correspondente a via, entre outros dados trabalhados. Com a calibração do TRANSYT/10, calculou-se o valor do atraso para os trechos estudados. Para avali-ação dos cenários 1, 2, 4 e 6, onde se opera tráfego misto, foi adotada a velocidade média de 20 km/h para ambos automóveis e ônibus.

Para os cenários 3, 5 e 7, onde se avaliou a ado-ção de uma faixa de rolagem exclusiva para ônibus foram adotadas as velocidades médias de 40 km/h

para os automóveis, pois esta é a velocidade permiti-da para circulação nas vias centrais permiti-da cipermiti-dade e 20 km/h para os ônibus, considerando uma velocidade média já que o tempo de parada dos mesmos não foi considerado na simulação. O fluxo de saturação é igual a 0,5 veículos por amostra de tempo (tempo amostral igual a 1 segundo), também considerado conhecido e constante para todas as vias. A capaci-dade das vias considerada foi de 1800 veículos por hora (vph) em cada faixa. Levando-se em considera-ção a proposta de remoconsidera-ção da faixa de estacionamen-to, e conseqüente aumento de uma faixa de rolagem adicional, nos cenários compostos por 3 faixas au-mentou-se a capacidade das vias para 5400 veículos por hora. Os ciclos aplicados foram de 45, 60 e 75 segundos e o horizonte de simulação igual a 60 minu-tos.

5 Resultados

Os resultados apresentados na Tabela 3 permitem a comparação entre as diversas medidas de desempe-nho obtidas para cada cenário de operação.

O melhor resultado foi obtido no cenário 3, no entanto este resultado é próximo ao cenário 5 e 7, o que reafirma a necessidade de um planejamento ur-bano estratégico onde o aumento da frota veicular encontre o respectivo aumento de capacidade das vias, sem descartar a necessidade da otimização se-mafórica sincronizada. Como esperado, os cenários onde se simula o aumento de capacidade das vias e com os tempos semafóricos otimizados apresentam resultados superiores aos apresentados pelos cenários compostos por apenas 2 faixas de tráfego.

Tabela 3: Medidas de desempenho da rede

Cenários 1 2 3 4 5 6 7 Tempo total gasto (pcu-h/h) 436,5 412,4 165,6 310,4 181,5 331,3 196,8 Velocidade média (km/h) 9,3 9,8 23,8 14,2 21,7 13,3 20 Atraso uniforme (pcu-h/h) 73,6 53,8 39,3 88,9 53,0 107,1 67,7 Atraso aleatório (pcu-h/h) 160,2 155,6 12,3 25,9 14,3 28,7 15,1 Atraso total (pcu-h/h) 233,8 209,3 51,5 114,8 67,3 135,8 82,7

De forma geral, maiores volumes veiculares ne-cessitam ciclos maiores para aumentar a capacidade e evitar congestionamentos. No entanto, para horários fora de pico, aumentar-se-ia os atrasos por não utili-zar de forma otimizada a fase de verde da interseção (Denatran, 1984).

Para o caso em estudo, os resultados mostram que o tempo de ciclo que apresenta o menor atraso é o de 45 segundos. No entanto, este resultado deixou de ser uma opção para gerenciamento destas vias visto que,

existe o aumento contínuo da frota veicular e busca-se tornar o transporte público coletivo mais atrativo para garantir a viabilidade futura destas vias.

Observa-se ainda que os resultados obtidos nos cenários 5 e 7, cujo tempo de ciclo são 60 e 75 se-gundos respectivamente e os tempos semafóricos otimizados, confirmam a necessidade de controle semafórico e as vantagens da implantação de faixas de rolagem exclusivas para ônibus.

De acordo com (Belloni, 1983), o índice de de-sempenho trata-se do critério adotado para julgar a medida de eficiência de uma determinada política de semáforos, e é composto pela soma das seguintes parcelas: atraso uniforme + atraso aleatório. Observa-se que nos cenários onde foi simulada a influência da capacidade viária, o índice de desempenho foi supe-rior independente do tempo de ciclo aplicado.

Observa-se ainda que a partir da simples otimiza-ção dos planos semafóricos mantendo-se a faixa de estacionamento (Cenário 2), é possível obter um de-sempenho 10% superior. No entanto, levando-se em consideração a crescente demanda veicular, esta al-ternativa demandaria de ações adicionais em curto prazo, e, portanto, a administração pública optou pela imediata remoção da faixa de estacionamento.

Devido à importância do corredor da Rua Benja-min Constant (Trecho 1), por ser o principal eixo de ligação ao terminal central de transportes coletivo, optou-se por apresentar exclusivamente os diagramas Espaço x Tempo deste corredor para os cenários com tempo de ciclo de 45 segundos, uma vez que este apresentou melhor índice de desempenho, e que os resultados obtidos com 60 e 75 segundos de ciclo são similares. Para esta análise, foram gerados os gráfi-cos, como exemplo a Figura 4 onde as retas inclina-das representam as trajetórias dos veículos presentes entre as aproximações. O fluxo só é representado durante a fase de tempo verde.

A Figura 4 ilustra o comportamento da "onda verde'' no Cenário 1 (anterior a março de 2010), onde é possível observar um padrão similar de retenção de tráfego pela fase vermelha ao final de cada ciclo em todos os cruzamentos. Observa-se ainda uma situação de bloqueio total na interseção com a Rua Minas Gerais (5640).

Figura 5: Diagrama Espaço x Tempo - ampliação das faixas de tráfego e otimização semafórica

A criação de uma faixa adicional para o tráfego de ônibus e taxis com passageiros, Figura 5, propor-ciona a ocorrência de um padrão praticamente similar de “onda verde” para as 2 faixas de tráfego geral, onde se obteve uma coordenação semafórica desfa-vorável apenas para os veículos que param na fase vermelha da interseção com a Rua Mato Grosso (4047).

6 Conclusões

Os resultados obtidos através das simulações efe-tuadas indicam que a melhor opção de projeto desta sub-rede trata-se do cenário 3, que corresponde à otimização das 2 faixas de fluxo geral de veículos com adição de 1 faixa exclusiva para ônibus e taxis com passageiros. Assim, a Administração pública optou pela adoção de uma faixa exclusiva através da remoção da faixa de estacionamento.

No entanto, é importante considerar que com o crescimento de demanda que vem sendo verificado na cidade, um aumento no tempo de ciclo será inevi-tável.

É importante ressaltar no modelo simulado, al-gumas informações, como coeficiente de dispersão, ou localização e tempo de paradas de ônibus não foram aplicadas neste trabalho. No entanto, o resulta-do é um forte indicativo na necessidade da implanta-ção de otimizaimplanta-ção semafórica na cidade de Londrina. São dois os fatores que confirmam esta necessidade: o aumento de capacidade não será realizado em todas as vias da região central devido a limitações físicas e a recorrência de congestionamentos tende a aumentar com o constante crescimento da frota veicular.

Neste sentido, deve-se conduzir um planejamento estratégico que atenda um crescente aumento de de-manda de usuários de transporte coletivo e automó-veis de forma efetiva e sustentável. Esta sustentabili-dade baseia-se em uma tendência inevitável de prio-rização do transporte público coletivo, ou seja, na priorização do transporte de pessoas e não na

circu-lação de veículos, minimizando impactos negativos ao meio ambiente e aos próprios usuários e, promo-vendo um uso racional e mais justo das vias públicas. Futuros trabalhos endereçam soluções alternativas para a otimização semafórica, como por exemplo, a utilização de sistemas computacionais inteligentes, em especial lógica Fuzzy.

O modelo mental (mapa cognitivo) apresentado na introdução sugere que é possível modelar o funci-onamento de controladores conhecimento de opera-ção no transito. Neste contexto, pode-se desenvolver ferramentas baseadas em conhecimento para criar modelos cognitivos e/ou base de regras.

Uma proposta de futuros trabalhos está na utiliza-ção de lógica Fuzzy com regras baseadas somente nos registros discretizados em horas do fluxo da via e da travessa, como por exemplo, a rua Sergipe e rua Pernambuco, Figura 3. Resultados iniciais simulados com sistemas Fuzzy indicam que é possível otimizar o tempo de ciclo utilizando regras do tipo: se número de carros da via é grande e número de carros da tra-vessa é pouco então tempo verde grande e tempo vermelho pequeno.

Outra possível contribuição em futuras pesquisas está na possibilidade de construção de controladores de baixo custo baseados em técnicas computacionais inteligentes.

Finalmente, espera-se que a realização deste estu-do tenha contribuíestu-do para construção de um modelo próximo da realidade viária da cidade de Londrina, e que, os resultados obtidos auxiliem novas tomadas de decisões e estratégias de fluxo de controle a serem realizadas em outros corredores pelas entidades com-petentes.

Agradecimentos

Os autores deste trabalho agradecem o IPPUL e ao CMTU de Londrina, pelo suporte e disponibilização das informações utilizadas nesta pesquisa.

Referências Bibliográficas

Axelrod, R. (1976) Structure of decision: the cogni-tive maps of political elites. New Jersey: Prin-ceton University Press.

Belloni, A. J. (1983) Otimização de semáforos de tempos fixos: Redes de tráfego não saturadas, mas com capacidade dependente das filas de veículos. Dissertação de Mestrado, Instituto de Matemática, Estatística de Ciência da Computação, UNICAMP, Universidade Esta-dual de Campinas, São Paulo.

Cardoso, C. E. P. (2007) Análise do Transporte Cole-tivo Urbano sob a Ótica dos Riscos e Carên-cias Sociais. Tese (Doutorado) - Pontifícia Universidade Católica de São Paulo, São Pau-lo.

Dalto, E. J. (1994) Modelo computacional para simu-lação microscópica do tráfego veicular em

in-terseções semaforizadas. Dissertação de Mes-trado, Programa de Engenharia de Transpor-tes, COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro.

Denatran - Departamento Nacional de Trânsito (1984) Manual de Semáforos. 2º edição. Bra-sília, Brasil.

Eden, C. & Ackermann, F., (2004) Cognitive Map-ping Expert Views for Policy Analysis in the Public Sector, European Journal of Opera-tional Research, Vol. 152, pp. 615-630. Endo, W. (2006) Algoritmo de Controle de Tráfego

Urbano Baseado em Otimização de Ciclo, De-fasagem e Distribução. Dissertação (Mestra-do) - Universidade Estadual de Londrina, Pa-raná.

Jacques, M. A. P. (2009) Procedimento para o proje-to de um controlador semafórico Fuzzy com o uso de Algoritmo Genético. CBTU 2009 - A cidade nos Trilhos.

Ozelin, L. C. S. M. e Jacques M. A. P. (2008) Estudo da operação do tráfego em uma via urbana controlada por semáforos com uso de simula-dor - Revista de pesquisa aplicada a engenha-ria, Vol. 1, Nº 1.

Poyares, C. N. (2000) Critérios para Análise dos Efeitos de Políticas de Restrição ao Uso de Automóveis em Áreas Centrais. Dissertação de Mestrado, Programa de Engenharia de Transportes, COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro.

Robertson, D. I. (1968) TRANSYT: A traffic net-work study tool. Tech report, Road Research Laboratory, Crowthorne, England.

Vincent, R. A, Crabtree, M. R., Harrison, S. (1996) TRANSYT/10 User Guide, Mod. 0 Version 1.3.0. Transport and Road Research Laborato-ry, Crowthorne, Inglaterra.