Análise do efeito do tempo de resposta probabilístico em interseções semaforizadas microssimuladas no AIMSUN

Autores

DOI:

https://doi.org/10.58922/transportes.v33.e3062

Palavras-chave:

Tempo de resposta. Interseções semaforizadas. Microssimulação. AIMSUN.

Resumo

Interseções semaforizadas são pontos críticos da infraestrutura viária, frequentemente sujeitos a congestionamentos e acidentes devido às limitações de capacidade e aos conflitos de tráfego. O tempo de resposta (TR) dos motoristas, especialmente quando elevado, é uma variável comportamental que afeta o desempenho do tráfego nesses locais, contribuindo para o aumento dos atrasos e para a redução da capacidade viária. O objetivo deste trabalho foi modelar e analisar o impacto do TR dos motoristas na fluidez do tráfego de interseções semaforizadas, utilizando o software de microssimulação AIMSUN. O método empregado envolveu a coleta de dados de TR e de headways em uma interseção na cidade de Fortaleza, a modelagem da distribuição de probabilidade do TR e sua implementação no simulador. Diversos cenários foram simulados, variando a demanda de veículos, assim como a duração do TR, com o intuito de avaliar os seus impactos no atraso médio, na razão v/c, no fluxo de saturação e na capacidade de aproximações semaforizadas. Os resultados mostraram que a distribuição log-normal foi a que melhor se ajustou aos dados de TR. A modelagem probabilística do TR nos simuladores mostrou que o TR do primeiro veículo da fila (TR1) foi maior do que para os demais veículos em fila. A inserção da modelagem probabilística do TR aumentou os atrasos e reduziu a capacidade quando comparado ao modelo default. O estudo aponta que a modelagem probabilística do TR afeta a fluidez de interseções semafóricas microssimuladas especialmente em condições de tráfego mais saturado.

Downloads

Não há dados estatísticos.

Referências

AIMSUN (2024). AIMSUN Next Users Manual, AIMSUN Next Version 24.0.1. Available at: <https://docs.AIMSUN.com/next/24.0.1/> (accessed 11/20/2024).

Çalişkanelli, P. and S. Tanyel (2018) Investigating the driver’s response time at signalized intersections, Transport, v. 33, n. 2, p. 380-388. DOI: 10.3846/16484142.2016.1250106. DOI: https://doi.org/10.3846/16484142.2016.1250106

Fitch, G.M.; S.A. Soccolich; F. Guo et al. (2013) The impact of hand-held and hands-free cell phone use on driving performance and safety-critical event risk. (Report No. DOT HS 811 757). Washington, DC: National Highway Traffic Safety Administration.

Fontes, D.B.; A.M. De Araújo and M.M. De Castro Neto (2022) Modelagem probabilística do tempo de resposta de motoristas em interseções semaforizadas no VISSIM, Transportes, v. 30, n. 1, p. 2501-2501. DOI: 10.14295/transportes.v30i1.2501. DOI: https://doi.org/10.14295/transportes.v30i1.2501

Hurwitz, D.S.; K.P. Heaslip; S.D. Schrock et al. (2013) Implications of distracted driving on start-up lost time for dual left-turn lanes, Journal of Transportation Engineering, v. 139, n. 9, p. 923-30. DOI: 10.1061/(ASCE)TE.1943-5436.0000569. DOI: https://doi.org/10.1061/(ASCE)TE.1943-5436.0000569

Li, Z.; J. Zhang; J. Rong et al. (2014) Measurement and comparative analysis of driver’s perception–reaction time to green phase at the intersections with and without a countdown timer, Transportation Research Part F: Traffic Psychology and Behaviour, v. 22, p. 50-62. DOI: 10.1016/j.trf.2013.10.012. DOI: https://doi.org/10.1016/j.trf.2013.10.012

Li, H. and P.D. Prevedouros (2002) Detailed observations of saturation headways and start-up lost times, Transportation Research Record: Journal of the Transportation Research Board, v. 1802, n. 1, p. 44-53. DOI: 10.3141/1802-06. DOI: https://doi.org/10.3141/1802-06

Nourzad, S.H.H.; D.D. Salvucci and A. Pradhan (2014) Computational modeling of driver distraction by integrating cognitive and agent-based traffic simulation models, Computing in Civil and Building Engineering, v. 2014, p. 1885-92. DOI: 10.1061/9780784413616.234. DOI: https://doi.org/10.1061/9780784413616.234

Murat, Y.S. and M. Cetin (2019) A new perspective for saturation flows at signalized intersections, Periodica Polytechnica. Civil Engineering, v. 63, n. 1, p. 296-307. DOI: 10.3311/PPci.11344. DOI: https://doi.org/10.3311/PPci.11344

Tonning, C.; T.K.O. Madsen; C.H. Bahnsen et al. (2017) Road user behavior analyzes based on video detections: Status and best practice examples from the RUBA software. In Proceedings of the 24th ITS World Congress (Los Angeles, CA). Dubai: ITS World, p. 1-10.

Xie, D.-F.; T.-L. Zhu and Q. Li (2020) Capturing driving behavior Heterogeneity based on trajectory data, International Journal of Modeling, Simulation, and Scientific Computing, v. 11, n. 03, p. 2050023. DOI: 10.1142/S1793962320500233. DOI: https://doi.org/10.1142/S1793962320500233

Downloads

Publicado

05-06-2025

Como Citar

Pedrosa, W., Castro-Neto, M., & Araújo, A. (2025). Análise do efeito do tempo de resposta probabilístico em interseções semaforizadas microssimuladas no AIMSUN. Transportes, 33, e3062. https://doi.org/10.58922/transportes.v33.e3062

Edição

Seção

Artigos