60ª Reunião Anual da SBPC

INTRODUÇÃO:

A grande extensão da malha viária brasileira é fator relevante quando comparada com as de outros modos de transporte. As características do sistema nacional de transportes, aliadas à flexibilidade e à confiabilidade adquirida do modo rodoviário, tornaram importante o transporte de carga por caminhões no desenvolvimento da economia brasileira. Portanto, é desejável conhecer e avaliar os impactos no tráfego causados por estes veículos, principalmente em aclives, onde o desempenho dos caminhões é crítico. Para auxiliar técnicos e engenheiros de tráfego, programas de simulação de tráfego foram desenvolvidos com o objetivo de reproduzir o funcionamento de um sistema real de forma controlada, permitindo estudar alternativas sem interferir no tráfego ou colocar usuários em risco. Por terem origem em outros países, é fundamental que estas ferramentas sejam devidamente calibradas e validadas para os cenários em que serão aplicados, a fim de assegurar que as condições do tráfego e o comportamento dos motoristas sejam reproduzidos o mais fielmente possível. O objetivo da pesquisa aqui relatada foi desenvolver um método de calibração dos parâmetros de desempenho veicular para o simulador microscópico de tráfego INTEGRATION.

METODOLOGIA:

Utilizou-se um algoritmo genético (AG) para calibrar os parâmetros usados pelo INTEGRATION para modelar o desempenho de caminhões em aclives. Neste estudo preliminar, apenas uma categoria de caminhões foi analisada: a categoria leve. Os dados empíricos usados neste processo foram coletados em rodovias de pista dupla do Estado de São Paulo. Os algoritmos genéticos, criados na década de 1960, baseiam-se na teoria da evolução natural proposta por Darwin em 1838, na qual indivíduos mais bem adaptados ao meio ambiente têm maior probabilidade de transmitir suas características às gerações futuras. Dada uma população inicial, um número de gerações e um critério de parada, os AGs usam operadores genéticos (tais como crossover, mutação e predação) para encontrar a melhor solução para o problema. A qualidade da solução é medida pelo grau de adaptação (fitness), obtido da diferença entre valores observados e estimados. Este trabalho testou um tipo de AG que possui as seguintes características: população com 40 indivíduos, crossover do tipo máscara aleatória, mutação decrescente, predação randômica, cujos critérios de parada são diferença média igual ou menor a 3% ou um limite de 50 gerações. A implementação desse algoritmo foi feita em linguagem VBA (Visual Basic for Applications).

RESULTADOS:

A calibração usando-se o AG proposto determinou valores para os seguintes parâmetros de desempenho usados no INTEGRATION: peso típico do caminhão (W), potência típica (P), eficiência da transmissão (η), constantes para tipo de pneu (C₂, C₃), coeficiente de rolamento (C_r), coeficiente de arrasto aerodinâmico (C_d) e área frontal (A). Depois de 50 gerações, o erro médio encontrado entre a velocidade instantânea do caminhão ao longo do aclive medida com um aparelho de GPS diferencial e a estimada através da versão recalibrada do INTEGRATION foi igual a 6,3%, que foi considerada satisfatória, uma vez que o erro médio obtido com os valores default foi de 16,9%. Os valores encontrados para os parâmetros recalibrados foram: W = 9897 kg; P = 65,2 kW; η = 0,8868; C_d = 0,9481; A = 7,6 m²; C₂ = 0,0430; C₃ = 2,9836; e C_r = 1,1820.

CONCLUSÕES:

Os resultados obtidos mostram que a calibração dos parâmetros veiculares utilizados no INTEGRATION para modelar o desempenho de caminhões a partir de um algoritmo genético é não só viável como extremamente eficiente. Apesar de o fitness não ter atingido o mínimo desejado (3% de erro médio), o AG se mostrou uma boa ferramenta de otimização, reduzindo o erro médio de 16,9% para 6,3%. No entanto, sugerem-se melhorias para trabalhos futuros, tais como rever o espaço de busca definido para cada parâmetro e testar outras estratégias evolutivas (tipos de crossover, mutação e predação), além de aumentar tanto o tamanho da população como o número de gerações. Por fim, recomenda-se a aplicação da estratégia testada para outras categorias de caminhões (médios, pesados e extra-pesados).

Instituição de fomento: CNPq – Conselho Nacional de Desenvolvimento Científico e Tecnológico.

Palavras-chave: Engenharia de Tráfego, Simulação de Tráfego Rodoviário, Algoritmo Genético

E-mail para contato: jebessa@sc.usp.br