Validação

Como de costume em qualquer tipo de modelagem, a validação do modelo é o processo chave para decidir sobre a aceitabilidade dos resultados do modelo e sua capacidade de responder adequadamente às perguntas de "e se" que o analista tenta responder através do estudo de transporte.

No caso de um estudo de planejamento de transporte, assumindo que o modelo de rede é essencialmente correto, ou seja, a geometria está representada de forma apropriada, todos os movimentos existentes foram incluídos, o modelo de rede está conectado e consistente, as funções de custo estão razoavelmente estimadas e a demanda em termos da matriz OD para o período de tempo objeto do estudo está aceitavelmente correta; a validação do modelo consiste essencialmente em determinar quão próximos os volumes de tráfego nos links previstos pelo modelo estão dos observados.

Como foi descrito na seção Modelos de Demanda Fixa em Equilíbrio do Usuário, o modelo de atribuição de tráfego usado no Aimsun Next é formulado como:

(8.1)

e é resolvido por uma versão ad hoc do Método de Aproximação Linear. O componente chave neste processo são as funções de volume-atraso, ou funções de custo de link, \(s_a(v_a)\) que modelam o tempo de viagem no link como uma função do volume de tráfego no link, modelando assim os efeitos da congestão. Muitas formas alternativas foram propostas para as funções de atraso de volume, desde a seminal BPR:

(8.2)

onde \(v_a\) é o volume no link a, \(t_0\) é o tempo de fluxo livre, e α\(_a\) são parâmetros de calibração da função para o link a, até formas mais sofisticadas, como as propostas por Florian (Florian e Nguyen, 1976):

(8.3)

onde \(d_a\) é o comprimento do link, \(l_a\) é o número de faixas do link e α, β, γ, e δ são constantes cujos valores são determinados pela calibração do modelo.

A forma mais comum de verificar a concordância entre os volumes previstos e os volumes observados é realizar uma análise de regressão. O Aimsun Next fornece ao analista utilitários para conduzir validações de modelo neste nível. A figura abaixo mostra um exemplo de como isso funciona, exibe um gráfico de dispersão dos volumes previstos versus os volumes observados, a linha de regressão e o valor do coeficiente R². Para fins de validação, a linha de regressão deve ter um termo independente próximo de zero e uma inclinação próxima de 1. Consulte Validação para ver os dados e gráficos disponíveis para a Validação de um resultado de Atribuição de Tráfego Estático no Aimsun Next.

Notas metodológicas sobre a combinação de análise macroscópica com mesoscópica e microscópica

Modelos de atribuição de tráfego baseados na abordagem de equilíbrio do usuário são uma das ferramentas mais amplamente utilizadas na análise de planejamento de transporte. Todas as hipóteses de modelagem levam a bons modelos matemáticos, descritos na seção anterior, para os quais existem algoritmos eficientes que fornecem soluções em termos dos fluxos esperados nos links da rede. Os fluxos modelados oferecem uma visão média estática do uso esperado da infraestrutura viária sob as hipóteses de modelagem. Essas informações geralmente têm sido suficientes para decisões de planejamento. No entanto, a evolução de tecnologias avançadas e sua aplicação a sistemas modernos de gerenciamento de tráfego requerem, na maioria dos casos, uma visão dinâmica que complemente as estimativas estáticas fornecidas pelas ferramentas de atribuição. A infraestrutura planejada provavelmente é suficiente para a demanda média, mas os fluxos de tráfego variáveis ao longo do tempo, ou seja, em períodos de pico, combinados com a influência da geometria da via, podem produzir congestões indesejadas que não podem ser previstas ou analisadas com as ferramentas estáticas. A análise apropriada dessas situações claramente pede uma mudança na metodologia de análise: a combinação do modelo de atribuição de tráfego, com um simulador de tráfego dinâmico.

A conveniência de interligar uma abordagem macroscópica para modelagem de transporte baseada em modelos de atribuição de tráfego e uma abordagem mesoscópica ou microscópica, conforme implementado no Aimsun Next, já foi identificada por muitos praticantes há algum tempo (Montero et al. 2001).

Há outro tipo de situação em que um diálogo entre uma abordagem meso-microscópica e uma abordagem macroscópica pode ser desejável. A simulação dinâmica pode admitir dois tipos de entrada; a mais clássica, com fluxos de tráfego em seções de entrada do modelo e proporções de virada nas interseções, mas as tendências atuais em modelagem dinâmica permitem que a entrada seja definida em termos de uma matriz de origem-destino em fatias de tempo. Matrizes de origem-destino em fatias de tempo geralmente são muito difíceis de obter e com frequência os analistas têm que recorrer a procedimentos heurísticos para ajustar matrizes e usar fluxos medidos para diferentes intervalos de tempo. O mais tecnicamente atrativo desses procedimentos de ajuste é baseado em abordagens de otimização bi-nível que resolvem um problema de atribuição de tráfego em um estágio intermediário. O resultado do procedimento de ajuste torna-se a entrada para o modelo dinâmico. Uma comunicação direta entre um modelo de planejamento de transporte capaz de realizar um ajuste de matriz com os fluxos medidos nos links para cada intervalo de tempo e o simulador mesoscópico-microscópico torna a tarefa de entrada mais fácil e isenta de erros. Uma simulação baseada em rotas microscópicas na qual veículos seguem caminhos que mudam ao longo do tempo de origens a destinos pode ser usada para obter uma compreensão mais profunda do desempenho de uma infraestrutura planejada, complementando dessa forma as estimativas de um exercício de planejamento clássico baseado apenas na atribuição de tráfego.

Há também outras razões para exigir tal interface. No caso de uma simulação microscópica típica, os dados de entrada consistem principalmente em fluxos de tráfego definidos em seções de entrada no modelo e proporções de virada para emular o comportamento nas interseções. Com bastante frequência, nem todos os fluxos de entrada e proporções de virada estão disponíveis devido à falta das medições correspondentes. O resultado de um modelo de atribuição calibrado pode, neste caso, fornecer valores padrão para essas medições ausentes. Uma comunicação direta entre um modelo de planejamento de transporte e o simulador microscópico forneceria uma ferramenta para superar a tarefa trabalhosa de transferir os dados manualmente.

Do ponto de vista metodológico, uma questão chave é garantir a consistência entre as representações da rede nos níveis macro, meso e micro e que a mesma matriz de Origem-Destino possa ser usada em todas as abordagens. Uma maneira de atender a esse requisito de forma precisa tem sido usar uma ferramenta de construção de modelos que traduz automaticamente a representação da rede no nível desagregado, que é a visão microscópica, para o nível agregado da visão macroscópica (Montero et al. 2001).

A arquitetura implementada no Aimsun Next oferece uma solução mais elegante e eficiente para o problema de consistência, na medida em que não se baseia em uma troca de arquivos, mas em compartilhar o mesmo banco de dados. A implementação da metodologia de análise proposta que combina modelos estáticos e dinâmicos é suportada pelo componente principal de sua arquitetura, o Modelo de Objeto Extensível e o Banco de Dados associado compartilhado por todos os modelos de análise de tráfego e transporte implementados como componentes no Aimsun Next. Isso permite uma representação de Rede em Múltiplos Níveis em que a comunicação entre os diferentes níveis não se baseia na troca de arquivos, como no caso das interfaces, mas sim no compartilhamento do mesmo banco de dados e, portanto, na capacidade de trabalhar simultaneamente com diferentes representações, como ilustrado abaixo, ou transitar suavemente de um nível para o próximo.

A combinação macro-meso-micro permite ao analista:

• refinar as entradas para as simulações dinâmicas
• estimar a demanda para cenários futuros por meio da análise de fator de crescimento e procedimentos de balanceamento de matrizes.
• ajustar a matriz OD global a partir das contagens de tráfego disponíveis em um subconjunto de links.
• iniciar a análise no nível macro para uma grande área urbana ou metropolitana e refinar a análise no nível meso-micro conduzindo experimentos de simulação dinâmica de subáreas selecionadas.
• definir interativamente a janela que abrange a subárea selecionada
• calcular a matriz de travessia correspondente
• ajustar a travessia a partir das contagens de tráfego dos links na rede que abrangem a subárea
• executar os experimentos de simulação para o modelo da subárea.