Impactos de veículos autônomos na operação de autoestradas através de equivalência veicular

• Ano de defesa: 2021
• Autor(a) principal: Favero, Renan
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Árvore de decisão; Autonomous vehicles; Capacidade de rodovias; Decision tree; Equivalence factor; Fator de equivalência; HCM; Highway capacity; Simulação de tráfego rodoviário; Traffic flow simulation; Veículos Autônomos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-27062022-082840/

No futuro, quando inseridos na corrente de tráfego das rodovias, os veículos autônomos (AVs) influenciarão a operação do tráfego, a capacidade e a eficiência do fluxo nas rodovias. Este trabalho investiga o impacto dos AVs na operação de autoestradas no Brasil quando há um mix de AVs e veículos convencionais. Para isso, utilizou-se uma adaptação do procedimento usado no HCM-6 para veículos pesados. Dados sintéticos foram gerados através de simulações no software Vissim 2020, cujos parâmetros foram recalibrados para representar o tráfego de uma autoestrada típica do estado de São Paulo. Foram simulados 25 515 cenários criados pela combinação de características do fluxo e da via. Os resultados foram utilizados para obter o coeficiente de ajuste da capacidade (CAF) cujos valores médios variaram entre 0,95 e 1,30 e um modelo para estimação do CAF a partir de características do tráfego e da via foi calibrado e validado, resultando num erro absoluto médio de 0,032. Fatores de equivalência para AVs (EAV) foram calculados com base nos valores de CAF e obteve-se um valor médio de 0,804, o que sugere que um AV impacta a corrente de tráfego menos que um automóvel convencional. O nível de comunicação V2V dos AVs foi o fator que mais contribuiu para a redução do EAV. Um modelo de árvore de decisão foi ajustado para estimar o EAV a partir das características do tráfego e da via. O modelo obtido apresentou uma boa acurácia, com um erro absoluto médio de 0,084.