D E 2 8 / 1 0 B OU R B ON B U S I NE S S ESTIMATIVAS NEURAIS DE VOLUMES DE TRÁFEGO BASEADAS NA MORFOLOGIA URBANA PARA A CIDADE DE FORTALEZA-CE

Please download to get full document.

View again

All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
 170
 
 

Humor

  D E 2 8 / 1 0 B OU R B ON B U S I NE S S ESTIMATIVAS NEURAIS DE VOLUMES DE TRÁFEGO BASEADAS NA MORFOLOGIA URBANA PARA A CIDADE DE FORTALEZA-CE
Share
Transcript
  ESTIMATIVAS NEURAIS DE VOLUMES DE TRÁFEGO BASEADAS NA MORFOLOGIA URBANA PARA A CIDADE DE FORTALEZA-CE Antonio Wagner Lopes Jales Carlos Augusto Uchôa da Silva Antônio Paulo de Hollanda Cavalcante Programa de Pós-Graduação em Engenharia de Transportes (PETRAN) Universidade Federal do Ceará (UFC) RESUMO Nesta pesquisa discute-se o desenvolvimento de um método, baseado em Redes Neurais Artificiais (RNAs), dedicado à geração de estimativas de VMD’s (Volumes Médios Diários) para o município de Fortaleza-Ce, a partir de variáveis que representam a morfologia urbana, geradas usando a Sintaxe Espacial. A metodologia proposta reduz o tempo e os custos da coleta de dados de campo (pesquisas de tráfego) mas apresenta limitações nos resultados se comparado aos métodos tradicionais de modelagem da demanda. Adicionalmente, foram usadas técnicas de Geoprocessamento no cruzamento de informações topológicas da malha viária com contagens de tráfego. Ao final confirmou-se que apenas a morfologia não foi suficiente para explicar o fenômeno de tráfego.   ABSTRACT This paper discusses regarding the development of a method using Artificial Neural Networks to estimate Volume Traffic Flows in Fortaleza City from Space Syntax indicators. This technique measures the urban morphology. The proposed method decreases time and costs in urban data collection but, comparing the results with traditional methods, it showed limitations. It were used the GIS technique crossing topological data of urban design with traffics counts. In the end, it was confirmed that only the urban morphology it was not sufficient to explain the traffic phenomenon. 1.   INTRODUÇÃO Muitos são os fatores que dificultam o planejamento do tráfego das cidades brasileiras. A capital do Ceará é segundo o IBGE, 2010, a quinta maior cidade do país e sofre com a “inexistência de dados de volume de tráfego na maioria dos trechos da malha principal de Fortaleza”  (VIANA et al , 2007) bem como com o crescente aumento da frota de veículos. Os órgãos públicos responsáveis pelo tráfego urbano precisam de um diagnóstico da realidade, mas com frequência não dispõem de recursos financeiros, que em muitos municípios são escassos. HILIER et al, (1993) afirmam que “a configuração do espaço exerce influência nos movimentos na malha urbana independente dos atratores que nela existam ”, e desenvolveram um método chamado de Sintaxe Espacial para medir a configuração do espaço. A possibilidade de usar tal método para estimar volumes de tráfego, que exija uma menor quantidade de dados coletados em campo e consequentemente com custo financeiro menor que o método tradicional, fornecendo resultados similares ou aproximados, torna a modelagem da demanda ainda mais acessível à gestão pública. A calibração do modelo de alocação de tráfego, utilizado pelo órgão responsável em Fortaleza, se baseia no modelo UTMS, tal processo de modelagem é descrito detalhadamente no artigo de VIANA et al (2007). Esse modelo vem sendo usado tradicionalmente desde os anos 1960 “que é representado como uma sequência de quatro sub-modelos: geração de viagens, distribuição de viagens, divisão modal e alocação de tráfego”  (VIANA et al , 2007) e sua utilização depende da existência dos dados como; Matriz O-D (fluxos em veículos/hora); Rede viária com enumeração 0072  de nós e links ; Comprimento de cada link  , em km; Classificação funcional de cada via; Número de Faixas de Tráfego; Direção de Fluxos; Tempo de viagem, em minutos; Capacidade nos links e Penalidades dos nós. Para utilização do modelo de alocação citado, faz-se necessária uma matriz de fluxos indicando a quantidade de viagens entre pares de srcem / destino. Numa rede que representa a malha viária com seus atributos e critérios a serem considerados para escolha das rotas, “os fluxos para cada par de O/D são carregados na rede baseados no tempo de viagem ou na impedância das rotas alternativas que poderiam transportar este tráfego” (LOPES FILHO, 2005). Independente dos desejos de viagens, do grau de clareza que os usuários têm de todas as possíveis rotas na malha viária ou dos critérios de restrições de capacidade adotados para identificação das menores distâncias (distância em tempo de percurso e/ou espaço percorrido) as perguntas básicas dos usuários são sempre as mesmas. Qual o caminho mais curto? Que vias utilizar? Por onde se deve ir para sair da srcem A e chegar ao destino B? O que se observa são expectativas feitas ao espaço que se percorre, ou seja, a própria malha viária.  2.   OBJETIVOS O objetivo principal do trabalho aqui proposto foi o desenvolvimento de um método eficaz, rápido e de baixo custo para geração de estimativas dos Volumes Médios Diários (VMD’s) em todos os links da malha viária do município de Fortaleza que possa auxiliar no processo de planejamento do tráfego da cidade a partir dos conceitos da Sintaxe Espacial e como técnicas de modelagem, o Geoprocessamento e as Redes Neurais Artificiais. 3.   SINTAXE ESPACIAL-SE A Sintaxe Espacial srcinou-se da “Teoria dos Grafos” nos anos 70 através dos estudos de Bill Hilier e Adrian Leaman, na Bartlett School, Universidade de Londres, mas foi apenas com a publicação do livro “The Social Logic of Space” em 1984, que esta ferramenta pode ser definida como “um conjunto de técnicas de análise configuracional de espaços enfatizando os encontros de pessoas em espaços arquitetônicos – cidades e edificações”  (BARROS, 2006). Representando a malha urbana através de um grafo (Figura 1), onde as ruas correspondem aos nós e os cruzamentos são representados pelas arestas, é possível então criar uma hierarquia viária através de medidas topológicas. As medidas topológicas “ quantificam propriedades abstratas de natureza topológica. A maior parte dessas medidas já existia na teoria dos grafos e foi adaptada  para o novo contexto”  (MEDEIROS, 2004) .  (Figura 2). 0073    Figura 1 :  Representação em forma de grafo de um trecho de uma malha urbana onde os nós representam as vias e as arestas representam os cruzamentos. Fonte: JALES (2009). Figura 2 :  Resumo das relações entre as variáveis. Fonte: JALES (2009). Após a divulgação da SE, em 1987, surgiram algumas derivações e, para o presente estudo, enfocou-se na Análise Angular (  Angular Analysis ) e em um desdobramento específico desta, chamado Análise Angular de Segmentos (  Angular Segments Analysis ), ou simplesmente, ASA (Figura 3). Tais derivações permitiram que a SE realizasse comparações melhores com a dinâmica dos fluxos urbanos tendo em vista que passou a reconhecer as mudanças angulares, a quebra das linhas axiais em segmentos e o surgimento de outras variáveis. TURNER (2005) testou a correlação de variáveis da Análise Angular de Segmentos com contagens e dados simulados pela modelagem tradicional. Figura 3 :  Derivações da Análise Angular. Fonte: JALES (2009). 0074  3.1.   A Sintaxe Espacial e o Tráfego Para constatar a utilidade da SE na identificação dos padrões de viagens, HILIER et al, (1993) propõem que se gerem os valores sintáticos para cada via e que se faça um teste correlação dos mesmos com contagens de tráfego, seja de pedestres ou veículos. A variável de maior correlação é a que melhor representa os movimentos conforme exemplo da Tabela 1. Tabela 1 :  R² das variáveis angulares com dados de tráfego Variável Angular Tráfego Simulados Contagens Choice 0,79 0,79 Choice (ponderada) 0,81 0,81 Mean Depth n/a 0,63 Mean Depth (ponderado) n/a 0,64 Adaptado de TURNER (2005). Partindo-se da hipótese de que a tentativa de utilização de modelos regressivos para modelar tráfego a partir de variáveis de SE falhou por considerar que variáveis explicadas e explicativas precisam ter relações lineares, optou-se pela utilização de técnicas que se adéquam à modelagem de dados com comportamento não linear, como por exemplo, as Redes Neurais Artificiais. 4.   REDES NEURAIS ARTIFICIAIS As Redes Neurais Artificiais, tratadas aqui apenas por redes neurais ou ainda RNAs, têm sua srcem no final dos anos 1940, com a publicação do livro The organization of behavior  , de Donald Hebb, “no qual uma teoria baseada no processo de aprendizagem que ocorre no cérebro humano serviu de base para a criação de modelos computacionais de sistemas adaptativos de aprendizagem” (REINKE, 2008). O nome “rede” se dá pelo fato de que unidades de processamento de dados não trabalham de forma isolada, e sim conectadas umas às outras, como uma cadeia de neurônios processando informações em paralelo. 5.   MATERIAIS E MÉTODO O resumo da metodologia utilizada nesta investigação segue de acordo com o fluxograma conforme Figura 4. Figura 4: Fluxograma do método utilizado. Fonte: JALES (2009) 0075    5.1.   Aquisição de Dados de contagens de tráfego Optou-se por simular o Volume Médio Diário (VMD) de Veículos-Padrão, os dados utilizados foram obtidos junto à AMC (Autarquia Municipal de Trânsito de Fortaleza), fruto de contagens de tráfego realizadas em 2003, bem como a base cartográfica digital municipal georreferenciada ao sistema geodésico brasileiro, datum SAD-69. As contagens correspondem a 391 links da malha viária (amostral). O valor médio dos dados amostrais é de 12.935 (somando o volume nos dois sentidos do mesmo link) e os mesmos variam de 920 a 38.687.  5.2.   Construção do Mapa Axial O mapa axial foi desenvolvido a partir da base cartográfica, em formato CAD (DWG), da malha viária de Fortaleza-CE, utilizando método sugerido por MEDEIROS (2004). 5.3.   Geração de Variáveis Sintáticas Para geração das variáveis sintáticas utilizou-se o aplicativo UCL DepthMap versão 6.8, desenvolvido pela Bartlett School of Graduate Studies, UCL, London (www.vr.ucl.ac.uk), a partir do mapa axial que permitiu a realização da Análise de Angular de Segmentos (Angular Segments Analisys), devivação da SE considerada neste trabalho. Com o UCL DepthMap, gerou-se então 04 variáveis ASA:  Angular Mean Depth, Angular Node Count, Angular Total Depth  variando o Raio de 1 a 10 e de 10 a 100 (10 em 10)   e na opção Tulipa , gerou-se a variável Choice variando o número de bins  entre 4 e 40 assim foi possível avaliar os efeitos de variações angulares mais significativas (4 bins  = 90º/  bin , 8 bins  = 45º/  bin , 12 bins  = 30º/  bin , etc.). Para maior entendimento do conceito de Tulipa  e bins  consultar JALES (2009).  5.4.   Tratamento Estatístico das Variáveis Sintáticas Adotou-se nesta pesquisa, o coeficiente de correlação ou “r de Pearson” como indicador para detectar quais variáveis sintáticas tem maior relação linear com as contagens. Optou-se por somar o volume coletado nos dois sentidos de tráfego antes se calcular a correlação com as variáveis ASA, para tornar possível a comparação já que a Sintaxe Espacial só atribui um valor para cada link   da malha. Após calcular o coeficiente de correlação (“r” de Pearson) de todas as variáveis sintáticas geradas com os VMD’s conforme sugerido pela bibliografia observou-se que para a variável  Angular  Mean Depth  o raio que apresentou maior correlação foi R5 sendo igual -0,299; para  Angular  Node Count   o maior resultado foi 0,307 para R2;  Angular Total Depth  igual a 0,312 para R2 (Figura 5). 0076
Related Search
Similar documents
View more
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks
SAVE OUR EARTH

We need your sign to support Project to invent "SMART AND CONTROLLABLE REFLECTIVE BALLOONS" to cover the Sun and Save Our Earth.

More details...

Sign Now!

We are very appreciated for your Prompt Action!

x