An areal continuum model for mixed traffic

1. Declaração do Problema

As condições de tráfego misto, particularmente em nações em desenvolvimento, são caracterizadas por alta heterogeneidade nos tipos de veículos (carros, motocicletas, ônibus, caminhões) e movimento sem faixas definidas. A modelagem tradicional de fluxo de tráfego enfrenta desafios significativos neste contexto:

• Limitações da UVP: A abordagem padrão de converter tráfego heterogêneo em um equivalente homogêneo usando Unidades de Veículo de Passageiro (UVP) é falha. Os valores de UVP são frequentemente estáticos, falham em capturar interações dinâmicas entre classes de veículos e não levam em conta o espaço físico ocupado por veículos de diferentes tamanhos.
• Violações de Conservação: Em modelos multiclasse que utilizam densidade efetiva baseada em UVP, a "densidade efetiva" não é conservada ao longo do tempo e do espaço porque os valores de UVP mudam dinamicamente com as condições de tráfego. Isso viola a equação de continuidade fundamental requerida para modelos contínuos macroscópicos.
• Variáveis Inadequadas: Variáveis tradicionais como contagem de veículos (densidade) e fluxo não representam com precisão a ocupação espacial ou as restrições físicas do tráfego misto, levando a estimativas pobres de capacidade e modelagem de congestionamento.

Os autores argumentam que um modelo contínuo baseado na conservação da área do veículo, em vez da conservação do número de veículos, é necessário para modelar com precisão a dinâmica do tráfego misto.

2. Metodologia

A. Derivação do Modelo Contínuo de Área

O estudo deriva um novo modelo macroscópico baseado no princípio da conservação da área total do veículo.

• Premissa Central: O tráfego é tratado como um fluido contínuo onde a área projetada total dos veículos é conservada dentro de um volume de controle, contando com fontes (convergência) e sumidouros (divergência).
• Novas Variáveis: Os autores introduzem três variáveis fundamentais:
  1. Fluxo de Área ($q_a$): Área total do veículo cruzando uma largura de via por unidade de tempo (Unidade: $m^2/hora-m$).
  2. Densidade de Área ($k_a$): Área total do veículo por unidade de comprimento e largura da via (Unidade: $m^2/km-m$).
  3. Velocidade de Área ($v_a$): A razão entre fluxo de área e densidade de área, que é matematicamente equivalente à Velocidade Média Espacial ($v_s$).
• Equação de Continuidade: O modelo resulta em uma equação diferencial parcial (EDP) hiperbólica semelhante ao modelo Lighthill-Whitham-Richards (LWR):
  $$\frac{\partial k_a}{\partial t} + \frac{\partial q_a}{\partial x} = f(x,t)$$
  Onde $f(x,t)$ representa fontes/sumidouros líquidos de área. Esta equação preserva a forma de conservação, resolvendo as questões de continuidade encontradas em modelos baseados em UVP.

B. Dados Empíricos e Calibração

• Fonte de Dados: Dados de tráfego foram coletados em três cidades indianas (Chennai, Surat, Guwahati) em vias expressas divididas de seis faixas. Os veículos foram categorizados em Veículos de Duas Rodas (VDRs), Carros e Veículos Pesados (VPs).
• Diagramas Fundamentais (DF): Os autores testaram seis modelos estabelecidos de velocidade-densidade (Greenshields, Greenberg, Underwood, Del Castillo, Daganzo, Smulders) contra as novas variáveis de área.
• Abordagem Multiclasse: Eles desenvolveram DFs específicos por classe, onde a velocidade de uma classe específica é uma função da densidade de área total do fluxo.

C. Solução Numérica

• Solução Analítica: O Método das Características (MoC) foi aplicado para resolver a EDP analiticamente, demonstrando a propagação de ondas de choque.
• Esquema Numérico: Um Modelo de Transmissão de Célula Multiclasse (m-CTM) foi desenvolvido com base no esquema de Godunov. Este esquema utiliza funções de demanda e oferta derivadas do diagrama fundamental de Smulders para simular o fluxo de tráfego, incluindo convergência, dispersão de comboio e ultrapassagem.

3. Contribuições Principais

1. Novas Variáveis de Tráfego: Definição de Fluxo de Área e Densidade de Área como quantidades conservadas que inerentemente levam em conta a heterogeneidade do tamanho dos veículos sem depender de conversões dinâmicas de UVP.
2. Estrutura Teórica: Estabelecimento de um modelo contínuo baseado na conservação da área do veículo, provando que os métodos padrão de solução de EDP hiperbólica (como MoC e CTM) permanecem aplicáveis.
3. Validação Empírica: Validação do modelo de Smulders como o melhor ajuste para tráfego misto usando variáveis de área em três locais distintos. O modelo mostrou desempenho superior ($R^2 > 0,90$) em comparação com outros modelos clássicos.
4. Dinâmica Multiclasse: Demonstração de que, embora os modelos de nível de fluxo sejam eficazes, os DFs de área específicos por classe revelam velocidades de onda distintas e densidades críticas para diferentes tipos de veículos (por exemplo, VPs têm velocidades de onda mais altas do que VDRs).
5. Simulação de Fenômenos Complexos: Uso bem-sucedido do m-CTM para replicar dispersão de comboio e comportamentos de ultrapassagem, mostrando como veículos mais rápidos (carros) se movem naturalmente para a frente de um comboio misto enquanto veículos mais lentos (VPs) ficam para trás, criando padrões de onda de choque realistas.

4. Resultados Principais

• Ajuste do Modelo: O modelo de Smulders (uma função por partes combinando regimes de fluxo livre parabólicos e de congestionamento lineares) forneceu o melhor ajuste para a relação entre Fluxo de Área ($q_a$) e Densidade de Área ($k_a$).
• Relações entre Variáveis:
  • A densidade de área ($k_a$) está linearmente relacionada à densidade convencional ($k$), mas escalada pela área média do veículo.
  • A Ocupação de Área ($ao$) foi encontrada como uma função da área média ponderada do veículo, independente da geometria da via, ao contrário da ocupação convencional.
• Parâmetros Específicos por Classe:
  • Densidade Crítica: Veículos Pesados (VPs) exibiram a maior densidade crítica de área, seguidos por Carros e, por fim, Veículos de Duas Rodas ($k_{a,cr}^{VP} > k_{a,cr}^{Carro} > k_{a,cr}^{VDR}$).
  • Velocidade de Onda: VPs demonstraram velocidades de onda de congestionamento mais altas em comparação com veículos menores, uma descoberta que alinha com a intuição física sobre a propagação de distúrbios causados por grandes veículos.
• Resultados da Simulação: O m-CTM simulou com sucesso a dispersão de um comboio misto. Quando um comboio de carros e VPs entrou em um estado congestionado, os carros mais rápidos ultrapassaram os VPs mais lentos, levando à separação do comboio e à formação de ondas de choque distintas, validando a capacidade do modelo de capturar a dinâmica de ultrapassagem sem faixas.

5. Significado e Implicações

• Mudança de Paradigma: O artigo se afasta do paradigma de "contagem de veículos" para um paradigma de "ocupação espacial", que é mais rigoroso fisicamente para tráfego misto onde os tamanhos dos veículos variam drasticamente.
• Aplicação Prática: O modelo proposto e o esquema numérico podem ser integrados diretamente em ferramentas existentes de simulação de tráfego e sistemas de gerenciamento de tráfego, sem a necessidade de recalibração complexa de valores de UVP.
• Política e Planejamento: Ao fornecer uma representação mais precisa da capacidade e do congestionamento no tráfego misto, este modelo pode melhorar o projeto de infraestrutura viária, o tempo de sinalização e estratégias de gerenciamento de tráfego em países em desenvolvimento.
• Robustez Teórica: O estudo preenche a lacuna entre a heterogeneidade microscópica e a modelagem contínua macroscópica, oferecendo uma estrutura matematicamente sólida (conservação de área) que resolve as inconsistências das abordagens anteriores baseadas em UVP.

Em conclusão, esta pesquisa fornece uma estrutura robusta e empiricamente validada para modelar o fluxo de tráfego misto, oferecendo uma melhoria significativa sobre os métodos tradicionais ao tratar o tráfego como um fluido conservado de área espacial, em vez de uma contagem de veículos discretos.