1 Simulação de Tráfego Av. Ernesto Neugebauer x R. Dona Teodora.

Atualização em 2026-10-09 12:54:08.236027.

O presente estudo visa avaliar mudanças na programação semafórica na interseção da Av. Ernesto Neugebauer x R. Dona Teodora.

O estudo se divide nos seguintes itens:

  • Virtualização: Exibe vídeos que simulam o tráfego na área de estudo, mostrando a composição do tráfego e as modificações na operação para cada cenário avaliado.

  • Velocidades Waze: Oferece um levantamento estatístico das ocorrências de congestionamentos, com base em dados históricos da plataforma Waze - Connected Citizens Program.

  • Memorial Descritivo: Detalha a configuração dos cenários propostos.

  • Resultados: Apresenta dados comparativos entre cenários de cada indicador operacional, como tamanhos de filas, atrasos, tempos de percurso e taxa de ocupação, permitindo verificar graficamente a variação de desempenho por cenário e turno.

  • Considerações Finais: Traz uma breve discussão dos resultados gerais obtidos na simulação, indicando os prós e contras de cada cenário avaliado.

  • Conclusão: Resume os principais pontos e resultados do trabalho sintetizando as principais descobertas, reforçando os pontos principais discutidos no texto.

2 Velocidades na Região da Av. Ernesto Neugebauer x R. Dona Teodora no período entre 12/04/2026 e 09/10/2026.

Os dados abaixo trazem a análise dos dados de congestionamento obtidos na plataforma Waze.

2.1 Manhã

Os traçados representam filas de lentidão baseadas na localização e velocidade dos usuários do Waze.

O Waze gera informações de congestionamento de tráfego processando as seguintes fontes de dados:

● Pontos de localização GPS enviados pelos telefones dos usuários (usuários que dirigem enquanto usam o aplicativo) e cálculos da velocidade real vs. velocidade média (no intervalo de tempo específico) e velocidade livre de fluxo (velocidade máxima medida no segmento da via).

● Os dados de velocidade média por trecho são dados pela Velocidade média atual em segmentos congestionados em metros/segundos.

mapview(buffer_waze,
    map.types = tipos_mapa)
### Mapa de Velocidades praticadas em períodos congestionados no pico da `r "MANHÃ"`  período de `r inicio` a `r fim`:
#res_waze$mapa_geral
res_waze$mapa_recorte

2.1.1 Vias com congestionamento

grafico_alertas(res_waze$congestionamentos)

2.1.2 Foram sobrepostas as filas de alertas de modo a obter os locais típicos de alertas no turno da MANHÃ:

res_waze$mapa_alertas

2.1.3 Tabela de registros de alertas no pico da manhã no período de 12/04/2026 a 09/10/2026:

res_waze$frame
res_waze$velocidades
res_waze_manha <- res_waze
  • No período foram idendificados 76 Alertas com atraso médio de 157.63 segundos, extensão média de 336.67 metros e velocidade média de 6.54 km/h.

2.2 Tarde

### Mapa de Velocidades praticadas em períodos congestionados no pico da `r "TARDE"`  período de `r inicio` a `r fim`:
#res_waze$mapa_geral
res_waze$mapa_recorte

2.2.1 Vias com congestionamento

grafico_alertas(res_waze$congestionamentos)

2.2.2 Foram sobrepostas as filas de alertas de modo a obter os locais típicos de alertas no turno da TARDE:

res_waze$mapa_alertas

2.2.3 Tabela de registros de alertas no pico da manhã no período de 12/04/2026 a 09/10/2026:

res_waze$frame
res_waze$velocidades
dados <- data.frame(Manhã = res_waze_manha$resumo, Tarde = res_waze$resumo,
                    row.names = c("Nº de Filas", "Atraso Médio (a)",
                                  "Extensão Média (m)", "Velocidade Média (km/h)"),
                    check.names = FALSE)
dados
  • No período foram idendificados 71 Alertas com atraso médio de 193.76 segundos, extensão média de 312.46 metros e velocidade média de 5.81 km/h.

  • Velocidade Media Estimada:

\[\Bigg(\frac{extensão\,\,do\,\, congestionamento}{\Big(\frac{extensão\,\,do congestionamento}{velocidade}\Big)-atraso}\Bigg)*3.6 \]

Fonte: Waze CCP.

3 Memorial Descritivo da interseção Simulação Av. Ernesto Neugebauer x R. Dona Teodora

3.1 Projeto

O projeto avalia diferentes configurações da interseção Av. Ernesto Neugebauer x R. Dona Teodora, considerando mudanças de fases e estágios.

3.2 Cenários

Foram avaliados os cenários abaixo descritos sendo aplicadas suas configurações para os horários de pico da manhã e tarde, considerando os volumes e tempo semafórico correspondente.

3.2.1 Cenário Base

O fluxo de veículos proveniente do Leste compartilham a mesma fase para seguir em frente ou converter à direita na Interseção da Rua Dona Teodora com a Av. Ernesto Neuguebauer.

3.2.2 Cenário Proposto

O fluxo de veículos proveniente passam a contar com fase específicas para seguir em frente ou converter à direita na Interseção da Rua Dona Teodora com a Av. Ernesto Neuguebauer. Essa nova configuração assegura maior tempo de verde na conversão e portanto, maior capacidade para o movimento oriundo da Rua Dona Teodora, no sentido Leste-Oeste, que tem a Av. Ernesto Neuguebaur como destino.

3.2.2.1 AAv. Ernesto Neugebauer x R. Dona Teodora

A imagem abaixo demonstra o modelo funcional/geométrico da interseção em análise.

3.2.3 Semaforização

3.2.4 Diagrama de fases do cruzamento AAv. Ernesto Neugebauer x R. Dona Teodora.

O Diagrama abaixo traz a configuração atual de fases e estágios da interseção de interesse.

3.2.5 Diagrama de fases do cruzamento AAv. Ernesto Neugebauer x R. Dona Teodora com fases espefíficas para cada movimento da aproximação Leste-Oeste:

O Diagrama abaixo traz a configuração proposta de fases e estágios da interseção de interesse.

3.3 Pontos de Verificação

Abaixo são demonstrados os locais eleitos como pontos de verificação do tráfego.

3.4 Avaliação de filas

Abaixo são demonstrados os locais eleitos como pontos de avaliação de filas.

3.5 Avaliação de percursos

Abaixo são demonstrados os trechos selecionados para avaliação de percursos.

4 Resultados

Os resultados apresentados reproduzem os dados obtidos após convergência da calibração do modelo e realização de 30 iterações por cenário.

4.1 Níveis de Serviço

O nível de Serviço definido pelo Highway Capacity Manual - HCM baseia-se na análise de adequabilidade de uma determinada oferta de infraestrutura viária à demanda atendida por esta, aferida por meio de medidas quantitativas e qualitativas que caracterizam a qualidade operacional de um fluxo de tráfego e sua percepção por motoristas e passageiros.

Seis níveis de Serviço são definidos em função do desempenho da via analisada, os quais são designados por letras, de “A” a“F”, onde o nível de serviço “A” representa as melhores condições operacionais e o “F” a pior.
Nos projetos ou no planejamento de vias, tomam-se como referência os níveis de serviço “C” ou “D”, já que garantem uma boa qualidade de serviço para os usuários e uma operação sem saturação por um bom período de tempo, sem a necessidade de superdimensionar a oferta viária.Os Níveis de Serviço são:

  • “A” ou (1) -Condição de fluxo completamente livre. A operação praticamente não é afetada pela presença de outros veículos, sendo condicionada apenas em função das características físicas da via e comportamento dos motoristas. Pequenas perturbações no fluxo são absorvidas sem que ocorra uma variação na velocidade média da corrente de tráfego.

  • “B” ou (2) –Condição de fluxo livre, embora a presença de outros veículos se torna perceptível. A velocidade é a mesma observada para o nível “A, mas os motoristas têm uma liberdade de manobra ligeiramente inferior. Pequenas perturbações ainda são facilmente absorvidas, embora a deterioração no local do evento se torna perceptível.

  • “C” ou (3) –A influência da densidade do tráfego se torna marcante. A possibilidade de manobra dentro da corrente de tráfego é claramente afetada pela presença de outros veículos. Pequenas perturbações na corrente de tráfego causam séria deterioração do nível de serviço, sendo que filas se formarão a montante de perturbações maiores.

  • “D” ou (4) –As oportunidades de manobra são severamente restringidas devido ao maior volume de tráfego, e a velocidade média do fluxo é reduzida. Apenas perturbações pequenas podem ser absorvidas sem que haja formação de filas longas e deterioração do nível de serviço.

  • “E” ou (5) –Representa uma operação próxima ou no limite da capacidade, com o fluxo instável. A densidade do tráfego é variável, em função da velocidade da via, e os veículos circulam com o mínimo espaçamento capaz de manter a corrente de tráfego uniforme. Perturbações no tráfego podem ser facilmente dissipadas, geralmente levando à formação de congestionamento.

  • “F” ou (6) –Representa fluxo forçado ou interrompido e ocorre quando a demanda projetada para a infraestrutura viária é superior à capacidade ofertada. Embora a operação no ponto no qual há restrição de capacidade ocorra no limite do nível “E”, filas se formam à montante da via, com operação instável e alternância de movimento e paradas. Vale notar que o nível “F” pode ser usado para descrever o ponto no qual se inicia a formação do congestionamento, bem como a condição operacional da fila que se forma à montante.

4.1.1 Critérios do HCM 2010 para interseções semaforizadas

tabela_hcm("Atraso médio (s/veículo)", c("< 10", "10-20", "20-35", "35-55", "55-85", ">85"))

4.1.2 Critérios do HCM 2010 para segmentos urbanos

tabela_hcm("Velocidade de percurso como % da velocidade de Fluxo Livre (%)",
           c(">85", ">65-85", ">50-65", ">40-50", ">30-40", "<=30"))

Embora o simulador Vissim não aplique integralmente a metodologia para avaliação dos níveis de serviço proposta pelo HCM, os resultados de níveis de serviço fornecidos pelo simulador são compatíveis como demonstrado em estudo recente (Sistuk and Monastyrskyi, 2019).

Abaixo são apresentados os níveis de serviço obtido nos cruzamentos e cenários avaliados e é possível perceber que tanto na interseção como nos segmentos a montante e a jusante, em ambos os cenários obteve-se um nível de serviço A.

4.1.3 Manhã

DT::datatable(tidyr::pivot_wider(los_manha, names_from = Cenario, values_from = NS))
plot_los_barras(los_manha, "Manhã")

plot_los_mapa(los_manha, "Manhã")

4.1.4 Tarde

DT::datatable(tidyr::pivot_wider(los_tarde, names_from = Cenario, values_from = NS))
plot_los_barras(los_tarde, "Tarde")

plot_los_mapa(los_tarde, "Tarde")

4.2 Manhã

4.3 Densidades

4.3.1 Manhã Atual

4.3.2 Manhã PRoposta

4.4 Filas

A mecanismo de avaliação de filas queue counter do VISSIM avalia medidas de tamanhos de fila, fornecendo informações como tamanho médio, mínimo e máximo de filas. No presente estudo, como medidas de desempenho, foram avaliados os tamanhos médios e máximos de finas nas aproximações dos dois cruzamentos avaliados nos quatro cenários definidos.

4.4.1 Tamanhos Médios de Fila

dados_manha <- ler_planilhas("Manha")
painel_manha_fila_media <- montar_painel(dados_manha, "fila_media")
painel_manha_fila_media$grafico

painel_manha_fila_media$matriz

Os dados demonstram que:

Na aproximação Sentido Leste no cenário Cenário Proposto (Manhã) o tamanho médio de filas foi de 10.03 m, e no cenário Cenário Base (Manhã) o tamanho médio de filas foi de 0 m.

Na aproximação Sentido Norte no cenário Cenário Proposto (Manhã) o tamanho médio de filas foi de 5.53 m, e no cenário Cenário Base (Manhã) o tamanho médio de filas foi de 5.77 m.

Na aproximação Sentido Oeste no cenário Cenário Proposto (Manhã) o tamanho médio de filas foi de 44.81 m, e no cenário Cenário Base (Manhã) o tamanho médio de filas foi de 405.8 m.

Na aproximação Sentido Sul no cenário Cenário Proposto (Manhã) o tamanho médio de filas foi de 96.35 m, e no cenário Cenário Base (Manhã) o tamanho médio de filas foi de 142.95 m.

4.4.1.1 Filas a partir da Faixa de Retenção Atual (Manhã)

4.4.1.2 Filas a partir da Faixa de Retenção Proposta (Manhã)

4.4.2 Tamanhos máximos de filas

painel_manha_fila_max <- montar_painel(dados_manha, "fila_max")
painel_manha_fila_max$grafico

Os dados demonstram que:

Na aproximação Sentido Leste no cenário Cenário Proposto (Manhã) o tamanho máximo de filas foi de 76.07 m, e no cenário Cenário Base (Manhã) o tamanho máximo de filas foi de 0 m.

Na aproximação Sentido Norte no cenário Cenário Proposto (Manhã) o tamanho máximo de filas foi de 35.12 m, e no cenário Cenário Base (Manhã) o tamanho máximo de filas foi de 35.88 m.

Na aproximação Sentido Oeste no cenário Cenário Proposto (Manhã) o tamanho máximo de filas foi de 166.01 m, e no cenário Cenário Base (Manhã) o tamanho máximo de filas foi de 509.86 m.

Na aproximação Sentido Sul no cenário Cenário Proposto (Manhã) o tamanho máximo de filas foi de 200.02 m, e no cenário Cenário Base (Manhã) o tamanho máximo de filas foi de 236.14 m.

4.5 Pontos de Coleta de Dados

A mecanismo de avaliação em pontos espefíficoss Data Collectiojn Point do VISSIM avalia medidas de volume veicular, velocidade média, atraso médio em fila e taxa de ocoupação imediatamente anteriores ao ponto especificado

4.5.1 Volume Médio

painel_manha_volume <- montar_painel(dados_manha, "volume")
painel_manha_volume$grafico

painel_manha_volume$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Manhã) o volume médio veicular foi de 628 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular foi de 650 veículos/h.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Manhã) o volume médio veicular foi de 716 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular foi de 718 veículos/h.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Manhã) o volume médio veicular foi de 843 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular foi de 843 veículos/h.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Manhã) o volume médio veicular foi de 169 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular foi de 169 veículos/h.

4.5.2 Velocidade Média

painel_manha_velocidade <- montar_painel(dados_manha, "velocidade")
painel_manha_velocidade$grafico

painel_manha_velocidade$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Manhã) a velocidade média veicular foi de 26.57 km/h, e no cenário Cenário Base (Manhã) a velocidade média veicular foi de 24.73 km/h.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Manhã) a velocidade média veicular foi de 16.21 km/h, e no cenário Cenário Base (Manhã) a velocidade média veicular foi de 13.99 km/h.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Manhã) a velocidade média veicular foi de 46.47 km/h, e no cenário Cenário Base (Manhã) a velocidade média veicular foi de 42.29 km/h.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Manhã) a velocidade média veicular foi de 18.29 km/h, e no cenário Cenário Base (Manhã) a velocidade média veicular foi de 19.05 km/h.

4.5.3 Atraso Médio em Fila

painel_manha_atraso <- montar_painel(dados_manha, "atraso")
painel_manha_atraso$grafico

painel_manha_atraso$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Manhã) o atraso médio veicular foi de 30.95 s, e no cenário Cenário Base (Manhã) o atraso médio veicular foi de 511.84 s.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Manhã) o atraso médio veicular foi de 72.9 s, e no cenário Cenário Base (Manhã) o atraso médio veicular foi de 119.03 s.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Manhã) o atraso médio veicular foi de 10.07 s, e no cenário Cenário Base (Manhã) o atraso médio veicular foi de 10.14 s.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Manhã) o atraso médio veicular foi de 42.97 s, e no cenário Cenário Base (Manhã) o atraso médio veicular foi de 43.04 s.

4.5.4 Taxa de Ocupação

painel_manha_ocupacao <- montar_painel(dados_manha, "ocupacao")
painel_manha_ocupacao$grafico

painel_manha_ocupacao$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Manhã) a taxa de ocupação veicular foi de 10.78 %, e no cenário Cenário Base (Manhã) a taxa de ocupação veicular foi de 9.59 %.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Manhã) a taxa de ocupação veicular foi de 37 %, e no cenário Cenário Base (Manhã) a taxa de ocupação veicular foi de 75.24 %.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Manhã) a taxa de ocupação veicular foi de 7.64 %, e no cenário Cenário Base (Manhã) a taxa de ocupação veicular foi de 8.9 %.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Manhã) a taxa de ocupação veicular foi de 2.89 %, e no cenário Cenário Base (Manhã) a taxa de ocupação veicular foi de 2.81 %.

4.5.5 Diagramas de taxas de ocupapação por trecho

4.5.5.1 Cenário Atual

4.5.5.2 Cenário com a faixa de rolamento central compartilhada pelos dois movimentos

4.5.5.3 Cenário com duas faixas exclusivas para movimento em frente

4.6 Percurso

4.6.1 Tempos de Percurso

Os tempos de percurso Vehicle Travel Time calcula a performance entre duas seções da rede, fornecendo valores como tempo de viagem, distância percorrida e número de veículos que atravessaram o trecho definido pelas seções.

Mapa de percursos:

painel_manha_tempo <- montar_painel(dados_manha, "tempo")
painel_manha_tempo$grafico

painel_manha_tempo$matriz

Os dados demonstram que:

No trecho Sentido Leste no cenário Cenário Proposto (Manhã) o tempo médio veicular foi de 33.18 s, e no cenário Cenário Base (Manhã) o tempo médio veicular foi de 38.57 s.

No trecho Sentido Oeste no cenário Cenário Proposto (Manhã) o tempo médio veicular foi de 57.76 s, e no cenário Cenário Base (Manhã) o tempo médio veicular foi de 161.55 s.

4.6.2 Volume Médio no Trecho de Mensuração do Tempo de Percurso

painel_manha_vol_trecho <- montar_painel(dados_manha, "vol_trecho")
painel_manha_vol_trecho$grafico

painel_manha_vol_trecho$matriz

Os dados demonstram que:

No trecho Sentido Leste no cenário Cenário Proposto (Manhã) o volume médio veicular no trecho foi de 843 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular no trecho foi de 843 veículos/h.

No trecho Sentido Oeste no cenário Cenário Proposto (Manhã) o volume médio veicular no trecho foi de 624 veículos/h, e no cenário Cenário Base (Manhã) o volume médio veicular no trecho foi de 406 veículos/h.

4.7 Tarde

4.8 Densidades

4.8.1 Tarde Atual

4.8.2 Tarde Proposta

4.9 Filas

A mecanismo de avaliação de filas queue counter do VISSIM avalia medidas de tamanhos de fila, fornecendo informações como tamanho médio, mínimo e máximo de filas. No presente estudo, como medidas de desempenho, foram avaliados os tamanhos médios e máximos de finas nas aproximações dos dois cruzamentos avaliados nos quatro cenários definidos.

4.9.1 Tamanhos Médios de Fila

dados_tarde <- ler_planilhas("Tarde")
painel_tarde_fila_media <- montar_painel(dados_tarde, "fila_media")
painel_tarde_fila_media$grafico

painel_tarde_fila_media$matriz

Os dados demonstram que:

Na aproximação Sentido Leste no cenário Cenário Proposto (Tarde) o tamanho médio de filas foi de 0 m, e no cenário Cenário Base (Tarde) o tamanho médio de filas foi de 3.54 m.

Na aproximação Sentido Norte no cenário Cenário Proposto (Tarde) o tamanho médio de filas foi de 0.79 m, e no cenário Cenário Base (Tarde) o tamanho médio de filas foi de 0.93 m.

Na aproximação Sentido Oeste no cenário Cenário Proposto (Tarde) o tamanho médio de filas foi de 26.76 m, e no cenário Cenário Base (Tarde) o tamanho médio de filas foi de 433.01 m.

Na aproximação Sentido Sul no cenário Cenário Proposto (Tarde) o tamanho médio de filas foi de 6.93 m, e no cenário Cenário Base (Tarde) o tamanho médio de filas foi de 8.21 m.

4.9.2 Tamanhos máximos de filas

painel_tarde_fila_max <- montar_painel(dados_tarde, "fila_max")
painel_tarde_fila_max$grafico

Os dados demonstram que:

Na aproximação Sentido Leste no cenário Cenário Proposto (Tarde) o tamanho máximo de filas foi de 0 m, e no cenário Cenário Base (Tarde) o tamanho máximo de filas foi de 29.43 m.

Na aproximação Sentido Norte no cenário Cenário Proposto (Tarde) o tamanho máximo de filas foi de 17.7 m, e no cenário Cenário Base (Tarde) o tamanho máximo de filas foi de 21.04 m.

Na aproximação Sentido Oeste no cenário Cenário Proposto (Tarde) o tamanho máximo de filas foi de 166.79 m, e no cenário Cenário Base (Tarde) o tamanho máximo de filas foi de 510.2 m.

Na aproximação Sentido Sul no cenário Cenário Proposto (Tarde) o tamanho máximo de filas foi de 64.7 m, e no cenário Cenário Base (Tarde) o tamanho máximo de filas foi de 70.57 m.

4.9.2.1 Filas a partir da Faixa de Retenção Atual (Tarde)

4.9.2.2 Filas a partir da Faixa de Retenção Proposta (Tarde)

4.10 Pontos de Coleta de Dados

A mecanismo de avaliação em pontos espefíficoss Data Collectiojn Point do VISSIM avalia medidas de volume veicular, velocidade média, atraso médio em fila e taxa de ocoupação imediatamente anteriores ao ponto especificado

4.10.1 Volume Médio

painel_tarde_volume <- montar_painel(dados_tarde, "volume")
painel_tarde_volume$grafico

painel_tarde_volume$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Tarde) o volume médio veicular foi de 310 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular foi de 545 veículos/h.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Tarde) o volume médio veicular foi de 317 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular foi de 319 veículos/h.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Tarde) o volume médio veicular foi de 283 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular foi de 283 veículos/h.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Tarde) o volume médio veicular foi de 66 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular foi de 66 veículos/h.

4.10.2 Velocidade Média

painel_tarde_velocidade <- montar_painel(dados_tarde, "velocidade")
painel_tarde_velocidade$grafico

painel_tarde_velocidade$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Tarde) a velocidade média veicular foi de 26.14 km/h, e no cenário Cenário Base (Tarde) a velocidade média veicular foi de 22.02 km/h.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Tarde) a velocidade média veicular foi de 20.37 km/h, e no cenário Cenário Base (Tarde) a velocidade média veicular foi de 19.19 km/h.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Tarde) a velocidade média veicular foi de 46.1 km/h, e no cenário Cenário Base (Tarde) a velocidade média veicular foi de 46.4 km/h.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Tarde) a velocidade média veicular foi de 15.11 km/h, e no cenário Cenário Base (Tarde) a velocidade média veicular foi de 16.36 km/h.

4.10.3 Atraso Médio em Fila

painel_tarde_atraso <- montar_painel(dados_tarde, "atraso")
painel_tarde_atraso$grafico

painel_tarde_atraso$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Tarde) o atraso médio veicular foi de 13.35 s, e no cenário Cenário Base (Tarde) o atraso médio veicular foi de 659.58 s.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Tarde) o atraso médio veicular foi de 15.26 s, e no cenário Cenário Base (Tarde) o atraso médio veicular foi de 15.83 s.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Tarde) o atraso médio veicular foi de 9.76 s, e no cenário Cenário Base (Tarde) o atraso médio veicular foi de 9.74 s.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Tarde) o atraso médio veicular foi de 28.74 s, e no cenário Cenário Base (Tarde) o atraso médio veicular foi de 28.73 s.

4.10.4 Taxa de Ocupação

painel_tarde_ocupacao <- montar_painel(dados_tarde, "ocupacao")
painel_tarde_ocupacao$grafico

painel_tarde_ocupacao$matriz

Os dados demonstram que:

Na aproximação Aproximação Leste no cenário Cenário Proposto (Tarde) a taxa de ocupação veicular foi de 5.48 %, e no cenário Cenário Base (Tarde) a taxa de ocupação veicular foi de 9.99 %.

Na aproximação Aproximação Norte no cenário Cenário Proposto (Tarde) a taxa de ocupação veicular foi de 33.7 %, e no cenário Cenário Base (Tarde) a taxa de ocupação veicular foi de 36.65 %.

Na aproximação Aproximação Oeste no cenário Cenário Proposto (Tarde) a taxa de ocupação veicular foi de 2.61 %, e no cenário Cenário Base (Tarde) a taxa de ocupação veicular foi de 2.61 %.

Na aproximação Aproximação Sul no cenário Cenário Proposto (Tarde) a taxa de ocupação veicular foi de 1.46 %, e no cenário Cenário Base (Tarde) a taxa de ocupação veicular foi de 1.37 %.

4.10.5 Diagramas de taxas de ocupapação por trecho

4.10.5.1 Cenário Atual

4.10.5.2 Cenário com a faixa de rolamento central compartilhada pelos dois movimentos

4.10.5.3 Cenário com duas faixas exclusivas para movimento em frente

4.11 Percurso

4.11.1 Tempos de Percurso

Os tempos de percurso Vehicle Travel Time calcula a performance entre duas seções da rede, fornecendo valores como tempo de viagem, distância percorrida e número de veículos que atravessaram o trecho definido pelas seções.

Mapa de percursos:

painel_tarde_tempo <- montar_painel(dados_tarde, "tempo")
painel_tarde_tempo$grafico

painel_tarde_tempo$matriz

Os dados demonstram que:

No trecho Sentido Leste no cenário Cenário Proposto (Tarde) o tempo médio veicular foi de 33.26 s, e no cenário Cenário Base (Tarde) o tempo médio veicular foi de 33 s.

No trecho Sentido Oeste no cenário Cenário Proposto (Tarde) o tempo médio veicular foi de 39.17 s, e no cenário Cenário Base (Tarde) o tempo médio veicular foi de 189.18 s.

4.11.2 Volume Médio no Trecho de Mensuração do Tempo de Percurso

painel_tarde_vol_trecho <- montar_painel(dados_tarde, "vol_trecho")
painel_tarde_vol_trecho$grafico

painel_tarde_vol_trecho$matriz

Os dados demonstram que:

No trecho Sentido Leste no cenário Cenário Proposto (Tarde) o volume médio veicular no trecho foi de 283 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular no trecho foi de 283 veículos/h.

No trecho Sentido Oeste no cenário Cenário Proposto (Tarde) o volume médio veicular no trecho foi de 309 veículos/h, e no cenário Cenário Base (Tarde) o volume médio veicular no trecho foi de 158 veículos/h.

5 Considerações finais

A simulação da interseção da Av. Ernesto Neugebauer com a Rua Dona Teodora indica que a programação semafórica proposta melhora o desempenho operacional nos períodos de pico avaliados. O nível de serviço informado para o cruzamento passa de E para D pela manhã e de F para B à tarde.
A redução mais expressiva das filas médias ocorre na aproximação identificada no relatório como sentido Oeste: de 405,80 m para 44,81 m pela manhã e de 433,01 m para 26,76 m à tarde. Nesse mesmo sentido, o tempo médio de percurso cai de 161,55 s para 57,76 s pela manhã e de 189,18 s para 39,17 s à tarde. Os resultados sugerem, portanto, uma diminuição relevante da retenção de veículos e uma melhora na fluidez do percurso analisado.
Os benefícios, contudo, não são uniformes em todas as aproximações. Pela manhã, a fila média no sentido Leste passa de 0 para 10,03 m e a fila máxima, de 0 para 76,07 m. Há também pequenas reduções de velocidade no sentido Sul nos dois turnos. Esses efeitos devem ser considerados na avaliação da proposta, ainda que sejam acompanhados por melhorias substanciais nos indicadores mais críticos apresentados para o cruzamento.
Os registros históricos do Waze caracterizam a existência de lentidão na região, mas não constituem, por si só, uma medição do efeito da mudança semafórica. Esse efeito é estimado pela comparação entre os cenários simulados e deverá ser verificado em campo, caso a proposta seja implantada.

6 Conclusão

À luz dos indicadores apresentados, o cenário proposto é operacionalmente mais favorável que o cenário base para a interseção estudada, especialmente no pico da tarde. A melhora do nível de serviço, a redução acentuada das filas na aproximação mais afetada e a diminuição dos tempos de percurso sustentam sua consideração para implantação. Recomenda-se, porém, validar previamente as diferenças de volumes entre cenários e, após eventual implantação, monitorar filas, atrasos e tempos de percurso em todas as aproximações para confirmar os ganhos estimados e identificar possíveis efeitos adversos.

Dados da Sessão

pander::pander(sessionInfo(), compact = FALSE)

R version 4.5.0 (2025-04-11 ucrt)

Platform: x86_64-w64-mingw32/x64

locale: LC_COLLATE=Portuguese_Brazil.utf8, LC_CTYPE=Portuguese_Brazil.utf8, LC_MONETARY=Portuguese_Brazil.utf8, LC_NUMERIC=C and LC_TIME=Portuguese_Brazil.utf8

attached base packages:

  • stats
  • graphics
  • grDevices
  • utils
  • datasets
  • methods
  • base

other attached packages:

  • pander(v.0.6.6)
  • DT(v.0.33)
  • reshape2(v.1.4.4)
  • raster(v.3.6-32)
  • ggplot2(v.3.5.2)
  • mapview(v.2.11.2)
  • sf(v.1.0-21)
  • sp(v.2.2-0)
  • tidyr(v.1.3.1)
  • dplyr(v.1.1.4)
  • readxl(v.1.4.5)

loaded via a namespace (and not attached):

  • gtable(v.0.3.6)
  • xfun(v.0.52)
  • bslib(v.0.9.0)
  • htmlwidgets(v.1.6.4)
  • lattice(v.0.22-6)
  • leaflet.providers(v.2.0.0)
  • vctrs(v.0.6.5)
  • tools(v.4.5.0)
  • crosstalk(v.1.2.1)
  • generics(v.0.1.4)
  • stats4(v.4.5.0)
  • tibble(v.3.3.0)
  • proxy(v.0.4-27)
  • pkgconfig(v.2.0.3)
  • KernSmooth(v.2.23-26)
  • satellite(v.1.0.5)
  • RColorBrewer(v.1.1-3)
  • uuid(v.1.2-1)
  • leaflet(v.2.2.2)
  • lifecycle(v.1.0.4)
  • compiler(v.4.5.0)
  • farver(v.2.1.2)
  • stringr(v.1.5.1)
  • textshaping(v.1.0.1)
  • terra(v.1.8-60)
  • codetools(v.0.2-20)
  • htmltools(v.0.5.8.1)
  • class(v.7.3-23)
  • sass(v.0.4.10)
  • yaml(v.2.3.10)
  • pillar(v.1.11.0)
  • jquerylib(v.0.1.4)
  • classInt(v.0.4-11)
  • cachem(v.1.1.0)
  • wk(v.0.9.4)
  • brew(v.1.0-10)
  • tidyselect(v.1.2.1)
  • digest(v.0.6.37)
  • stringi(v.1.8.7)
  • purrr(v.1.1.0)
  • labeling(v.0.4.3)
  • fastmap(v.1.2.0)
  • grid(v.4.5.0)
  • cli(v.3.6.5)
  • magrittr(v.2.0.3)
  • base64enc(v.0.1-3)
  • leafem(v.0.2.4)
  • e1071(v.1.7-16)
  • withr(v.3.0.2)
  • scales(v.1.4.0)
  • rmarkdown(v.2.29)
  • cellranger(v.1.1.0)
  • png(v.0.1-8)
  • evaluate(v.1.0.4)
  • knitr(v.1.50)
  • s2(v.1.1.9)
  • rlang(v.1.1.6)
  • leafpop(v.0.1.0)
  • Rcpp(v.1.1.2)
  • glue(v.1.8.0)
  • DBI(v.1.2.3)
  • svglite(v.2.2.1)
  • rstudioapi(v.0.17.1)
  • jsonlite(v.2.0.0)
  • R6(v.2.6.1)
  • plyr(v.1.8.9)
  • systemfonts(v.1.2.3)
  • units(v.0.8-7)