SMARTDECISION - Transportation Technology Research Group of
Transcrição
SMARTDECISION - Transportation Technology Research Group of
SMARTDECISION: Sistema inteligente de suporte à decisão para escolha de rotas Margarida Coelhoa, Jorge Bandeiraa, Tânia Fontesa, Miguel Pimentela, Asad Khattakb a TEMA - Centro de Tecnologia Mecânica e Automação, Departamento de Mecânica da Univ. Aveiro, Campus de Santiago, 3810-193 Aveiro; [email protected], [email protected], [email protected], [email protected] b ODU - Civil & Environmental Engineering Department 135 Kaufman Hall, Old Dominion University, 23529, Norfolk, VA, USA; [email protected] Resumo Para atingir as metas de redução de consumos e emissões definidas pela União Europeia é necessário desenvolver soluções que incrementem a eficiência do uso das atuais infraestruturas. O principal objetivo do projeto SMARTDECISION consiste no desenvolvimento de um protótipo de sistema de informação para apoio à decisão e auxiliar os condutores a escolherem o melhor percurso para uma determinada viagem do ponto de vista energético e ambiental. Neste projeto pretende-se desenvolver um sistema dinâmico que será aplicável não só do ponto de vista dos utilizadores das infraestruturas, como também dos planeadores, no caso do objetivo final consistir numa otimização geral da eficiência energética/ambiental da rede. Para cumprir este objetivo pretende-se desenvolver uma plataforma de modelação integrada de tráfego, emissões/consumos e dispersão de poluentes. Tendo em vista o desenvolvimento de um estudo do potencial de redução das emissões através da escolha de rota, efetuou-se a modelação dos consumos e emissões (CO2, CO, NOX, HC) de veículos ligeiros a gasolina e diesel recorrendo à metodologia VSP (Potência Específica do Veículo). Esta metodologia é função da aceleração, velocidade do veículo, e da inclinação da via, permite a estimativa de emissões segundo-a-segundo possibilitando um cálculo mais rigoroso que os tradicionais modelos macroscópicos. Para avaliação do modelo percorreram-se cerca de 13 300 km para monitorização da dinâmica de veículos em dois pares origem-destino com escalas e características distintas: zona interurbana (AveiroPorto) e zona urbana (cidade de Aveiro). Os resultados indicam que durante os períodos de ponta e vazio a seleção de uma rota com menores emissões à escala interurbana pode conduzir a economias significativas de consumos e poluentes globais (até 25% de CO2) e de poluentes locais como o CO até 60%. Palavras-Chave: Escolha de rota, emissões, consumos, microsimulação. 1 1 Introdução e objetivos Tornou-se evidente que as inovações tecnológicas ocorridas na indústria automóvel e o desenvolvimento de combustíveis alternativos são fatores extremamente importantes para a maximização de eficiência energética e melhoria do desempenho ambiental no setor dos transportes. Contudo, só por si, estas estratégias afiguram-se manifestamente insuficientes para cumprir as metas de redução de consumos definidas pela União Europeia. Neste contexto, o incremento da eficiência no uso das atuais infraestruturas rodoviárias poderá assumir um papel relevante na redução das emissões associadas ao setor dos transportes. A integração de sistemas de gestão de tráfego e sistemas avançados de informação de tráfego podem influenciar o comportamento dos condutores desde que estes possam ajustar o seu tempo de partida, destinos ou escolhas de rota em resposta à disponibilização de informação mais detalhada. A estimativa dos níveis de consumo de combustível e os níveis de emissões produzidos pelos veículos automóveis têm sido um assunto estudado ao longo de várias décadas. Evans et al. (1976) determinou que o consumo de combustível de veículos poderia ser calculado através de um modelo linear em função do tempo e da distância percorrida. Em paralelo, agências ambientais como a United States Environmental Protection Agency (EPA) e a Environmental European Agency (EEA) financiaram diversos programas que culminaram atualmente com o desenvolvimento de modelos de emissões como o MOBILE6 (US EPA, 2002), MOVES (US EPA, 2004), COPERT (CORINAIR, 2010). Na ultima década, Barth et al. (2001), Rakha et al. (2004), Silva et al. (2002) e Frey et al. (2003) centraram-se no desenvolvimento de modelos de emissão baseados em microsimulação fornecendo informação detalhada segundo-a segundo. Porém, a definição dos tempos de viagem, a precisão das informações decorrentes do processamento de dados, e os níveis de incerteza sobre a escolha de rota constituem ainda uma área em desenvolvimento (Liu e Ma, 2009; Du et al. 2007; Zhu, 2009). A trajetória deve incluir o período de tempo, as coordenadas do veículo (x, y, z), a velocidade e o perfil de aceleração / desaceleração. Esta linha de discussão, fortemente ligada a sistemas de orientação rodoviária, constitui ainda uma área de estudo (Demers et al. 2006a, 2006b). Ericsson et al. (2006) e BrundellFreij e Ericsson (2005) têm desenvolvido estudos sobre a estimativa de emissões em rotas alternativas com base na definição do consumo médio de combustível em função da classe da via de tráfego e do fluxo de veículos. Ahn e Rakha (2008) testaram os impactos da escolha de rota nas emissões em rotas alternativas na Virgínia com base na realização de 39 viagens num único veículo de teste. Enquanto no primeiro estudo não são fornecidas informações ao motorista acerca do congestionamento, poluição ou probabilidade de acidentes numa determinada hora do dia na via de tráfego, no segundo caso não foi tida em consideração a hora do dia, a variabilidade ao longo do tempo. De acordo com a revisão da literatura, o desenvolvimento de uma visão integrada de escolha de rota que inclua a minimização de emissões constituí ainda uma lacuna. Neste contexto, o objetivo principal do projeto SMARTDECISION consiste no desenvolvimento de um protótipo de um sistema de informação para apoio à decisão, de modo a auxiliar os condutores a escolherem o melhor percurso para uma determinado trajeto. Neste âmbito, será desenvolvida uma metodologia que integrará modelos de tráfego, emissões e qualidade do ar, e testada a hipótese de 2 que o reconhecimento dos os percursos com índices mais elevados de poluentes (de modo a que os automobilistas selecionem um percurso alternativo) resultará numa diminuição das emissões globais numa determinada região. 2 Metodologia 2.1 Cálculo de emissões Para avaliar o potencial de redução de emissões decorrente da escolha de rota mais apropriada, ou seja, que fomente a redução das emissões numa determinada área, aplicou-se a metodologia VSP (Coelho et al., 2009).. Uma das principais vantagens desta ta metodologia é a facilidade da sua interpretação física, uma vez que esta função foi derivada da diretamente da potência necessária para compensar o atrito de rolamento e aerodinâmica, as variações na energia cinética e a velocidade de circulação.. A função que determina o valor de VSP (eq. 1) permite a estimativa de emissões de vários poluentes, segundo-a-segundo segundo para veículos ligeiros a gasolina e diesel, tendo em conta a velocidade e a aceleração do veículo, e a inclinação da via. Na aproximação utilizada no presente estudo, estudo, os valores de VSP são categorizados em modos que variam de 1 a 14. Para cada modo existe um fator de emissão específico para cada poluente e tipo de veículo ve considerado (Bandeira et al., 2011, Coelho et al., 2009, e US EPA EPA, 2002). Neste trabalho o modelo VSP foi usado para estimar as emissões de CO, CO2, HC e NOx de veículos ligeiros a gasolina e diesel. (eq.1) Para a recolha de dados necessários à aplicação desta metodologia efetuou efetuou-se a monitorização da dinâmica de circulação de diferentes veículos em diferentes rotas. Para isso, foi realizada a medição dos perfis de velocidade e aceleração do veículo, e inclinação da via de tráfego segundo-a-segundo segundo usando veículos equipados com um dispositivo GPS data logger logger. Durante esta monitorização percorreram-se percorreram diferentes rotas interurbanas e urbanas contabilizando-se cerca de 13 300 km km, o que corresponde à recolha de cerca de 222 horas de dados usando o sistema GPS. O período de monitorização decorreu durante os meses de Fevereiro a Abril de 2010 e 2011. De modo a avaliar se a seleção de uma rota se alteraria com os níveis de congestionamento, os dados referentes à dinâmica dos veículos foram recolhidos tanto em horas de ponta (HP) HP) como em horas de vazio (HV). Considerou Considerou-se que o período de ponta no meio urbano em estudo ocorre entre as 8h15 e as 9h15 9h e entre as 17h30 e as 18h30, enquanto a nível interurbano ocorre entre 7h e as 9h e entre as 17h e as 19h. Assumiu-se se que os restantes períodos (diurnos) correspondem ao período de vazio. 2.2 Área de estudo Para avaliação da metodologia selecionada anteriormente realizou realizou-se a monitorização da dinâmica de veículos em dois pares origem-destino destino (OD) com escalas as e características distintas: interurbano (Aveiro-Porto) e urbano (cidade de Aveiro). A Figura 1 define as a áreas de estudo interurbana e urbana urbana. Ao nível 3 interurbano consideraram-se quatro rotas paralelas: R1, R2, R3 e R4. Enquanto as rotas R1 e R2 atravessam maioritariamente troços de autoestrada (A1 e A29, respetivamente com um custo total de portagem aproximado de 5 Euros), as rotas R3 e R4 são maioritariamente realizadas em estradas nacionais (N1 e N109 respetivamente). Ao nível urbano consideraram-se três rotas alternativas: RA, RB e RC. A este nível, todas as alternativas conectam o centro da cidade a um ponto situado nos arredores de Aveiro. Enquanto a rota RA usa a autoestrada A25 para contornar o núcleo urbano da cidade, a rota RB percorre a estrada N109. A rota RC é totalmente percorrida em ambiente urbano compacto. Figura 1 - Área de estudo: a) interurbana, b) urbana. 3 Resultados Neste capítulo são apresentados alguns dos principais resultados obtidos durante o primeiro ano do plano de trabalhos do projeto SMARTDECISION. Na secção 3.1 exemplifica-se a distribuição média de modos VSP em alguns percursos estudados. Esta informação sustentará o desenvolvimento de um modelo teórico de emissões associadas a cada rota que se sumariza no capítulo 3.2. 3.1 Distribuição de modos VSP C A frequência de ocorrência de cada modo VSP num determinado percurso é o fator determinante na quantidade de emissões produzidas, qualquer que seja o poluente 4 em causa. Assim, afigura-se relevante o conhecimento da distribuição média de eventos de cada modo VSP, em determinada rota ou troço representativo. Neste âmbito foi desenvolvida uma análise sobre o tempo despendido (segundos) em cada modo VSP em todas as rotas estudadas e a contribuição relativa de cada modo para as emissões poluentes. Refira-se que os modos 1 e 2 reproduzem períodos de travagem/descidas enquanto o modo 3 representa situações de pára-arranca e velocidades reduzidas. Por outro lado, os modos 4 a 14 revelam combinações de acelerações positivas e crescentes. Na Figura 2, as barras dos gráficos representam o tempo despendido em cada modo VSP nos períodos de ponta e vazio enquanto as linhas sólidas representam a sua distribuição percentual. As linhas a tracejado e ponteadas indicam a contribuição de cada modo VSP para o total das emissões (HP) de CO e CO2 respetivamente. Para cada par OD são apresentadas as rotas que apresentam as características mais distintas entre si. Assim, a R1 (maioritariamente A1) e a R4 (N109) têm uma distância semelhante mas a rota R1 permite uma economia no tempo de viagem superior a 50% tanto no período de ponta como no período de vazio. No que diz respeito às rotas urbanas, a rota RA é a mais longa e mais rápida (A25), enquanto a rota RC é a mais curta, mas com um tempo de viagem superior (35%). R1 Tempo (s) 2500 2000 1500 R1 - Vazio R1 - Ponta R1 Vazio % R1 - Ponta % R1 - CO2- Ponta % R1 - CO - Ponta % 1000 500 0 Tempo (s) 150 3000 R4 2500 2000 R4 - Vazio R4 - Ponta R4 - Vazio % R4 - Ponta % R4 - CO2 - Ponta %" R4 CO - Ponta % 1500 1000 500 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 modo VSP modo VSP 40% RA 200 3500 1 2 3 4 5 6 7 8 9 10 11 12 13 14 300 250 40% 35% 30% 25% 20% 15% 10% 5% 0% Tempo (s) 3000 RA - Vazio RA - Ponta RA - Vazio % RA - Ponta % RA -CO2 - Ponta % RA - CO - Ponta % 250 25% 20% 200 RC - Vazio RC - Ponta RB - Vazio % RB - Ponta % RC - CO2 - Ponta % RC - CO - Ponta % 150 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 modo VSP 35% 30% 25% 20% 15% 100 10% 50 40% 35% 30% 25% 20% 15% 10% 5% 0% 40% RC 30% 15% 100 300 35% Tempo (s) 3500 10% 5% 50 0% 0 5% 0% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 modo VSP Figura 2 – Distribuição dos modos VSP (média e desvio padrão), e emissões de CO e CO2 por modo VSP para as horas de ponta e horas de vazio. Como é possível verificar na Figura 2, as rotas R1 e RA (as rotas mais rápidas percorridas essencialmente em autoestrada) apresentam uma distribuição mais uniforme dos modos VSP quando comparada com as rotas R4 e RC, predominantemente conduzidas em áreas urbanizadas. Nestas rotas a redução de velocidade proporciona a ocorrência de situações com os modos VSP mais baixos (3-5). Por exemplo, na rota R4, 14 % (HV) e 20% (HP) do tempo são consumidos em 5 situação de pára-arranca ou velocidades reduzidas e apenas 4 % do tempo de viagem é despendido nos modos VSP maiores que 7. Os intervalos de desvio padrão apresentam uma maior variabilidade nas rotas R4 e RC devido à aleatoriedade inerente às situações que motivam as situações de pára-arranca ou congestionamento (semáforos, estacionamento ilegal, entre outros incidentes). Verifica-se em todos os casos que uma componente significativa do CO emitido têm origem nos regimes de VSP mais elevados enquanto para o CO2 (e consumos) existe uma forte dependência das situações de pára-arranca e dos modos VSP mais baixos 3-6. Embora não tenham sido apresentados, as emissões de HC e NOX apresentam um perfil semelhante ao do CO. 3.2 Emissões totais por rota A Tabela 1 apresenta estatísticas descritivas para ambas as áreas de estudo. Os dados estão subdivididos por área de estudo, rota, período (HP e HV) e diferença relativa entre HP e HV. Apenas uma direção é apresentada, uma vez que os resultados são similares para ambas as direções. Para cada rota é apresentado o número de testes realizados (N), e os valores médios (ܺത) de velocidade (km.h-1), tempo de viagem (s) e emissões totais (g) de CO2 e CO de veículos ligeiros a gasolina (G) e de NOX para veículos ligeiros a diesel (D) (as maiores fontes de cada poluente). A coluna “redução” indica o potencial de redução nas emissões através da comparação com o pior caso para o poluente considerado. Para averiguar possíveis conflitos entre a minimização de emissões e o tempo de viagem; o aumento relativo no tempo de viagem é apresentado na última coluna, resultado da comparação de cada rota com a alternativa mais rápida do par OD. Relativamente às rotas interurbanas (R3 e R4) as opções realizadas em autoestrada (R1 e R2) são do ponto de vista do tempo de viagem claramente favoráveis. Comparando com as alternativas R3 e R4 as diferenças durante o período de ponta são substancialmente mais evidentes uma vez que as diferenças aumentam para 99 e 126% respetivamente. Aparentemente neste caso, a situação de equilíbrio do usuário na rede não se verifica. Uma explicação plausível é que as rotas R1 e R2 possuem custos de portagens associados e uma capacidade elevada, enquanto as infraestruturas das rotas R3 e R4 apresentam uma capacidade inferior. Consequentemente, o aumento de volume de tráfego (local e regional) durante o período de ponta origina diferenças superiores no tempo de viagem. Os valores de percentil 95 e a distribuição mais dispersa dos pontos ao longo do eixo das velocidades sugerem que as rotas R2, R3 e R4 apresentam uma fiabilidade inferior no que diz respeito ao tempo de viagem previsto. Os dados referentes às emissões de CO2 sugerem que as alternativas realizadas em autoestrada (R1 e R2) permitem uma redução no consumo de combustível. Este facto pode ser confirmado através da Figura 3 na qual é possível observar uma tendência clara para o decréscimo das emissões de CO2 com o aumento de velocidade média. Contudo, segundo Barth e Boriboonsomsin (2008) as emissões de CO2 para valores superiores de velocidade média para além do intervalo observado experimentalmente (>100 km.h-1) tenderiam a subir novamente. Deverá ser salientado que durante o período de ponta as emissões totais de CO2 sofrem um aumento superior nas estradas nacionais. Tal facto pode ser explicado devido a 6 situações de congestionamento mais frequentes, causando tempos de viagem superiores. Tabela 1 – Valores médios e percentil 95 de velocidade (km.h-1), tempo (s) e emissões (g) de NOx, CO2 e CO no domínio de estudo por par origem/destino, rota e período para uma direção. Veloc. (km/h) Rota R1 Período (X̅ ) N (X̅ ) 49 51 71 84 11991 12327 205 275 4% 22% 8% 97 50 52 75 81 12225 12435 224 271 0% 25% 1% -2% -2% 2% 2% 5% -3% 2% 1% 9% -2% Vazio 7 87 94 53 68 74 84 12489 13924 223 273 --- 23% --- 10% Ponta 16 86 95 55 83 75 81 12641 14950 226 256 --- 22% --- 10% -1% 1% 3% 22% 1% -3% 1% 7% 2% -6% Vazio 6 64 65 82 88 69 76 15359 15739 166 212 7% --- 26% 69% Ponta 12 53 57 99 108 68 74 16256 17697 152 204 9% --- 33% 99% -16% -12% 20% 23% -2% -3% 6 45 Ponta 11 40 Diferença -10% Vazio 10 Ponta 16 6% 12% -8% -4% 47 100 104 49 52 15108 15708 87 96 34% 7% 61% 105% 47 112 130 50 52 16155 17325 85 92 33% 1% 62% 126% 0% 12% 25% 3% 57 64 7,2 8,0 51 56 8,1 10,0 -10% -13% 13% 25% 1% 7% 10% -2% -4% 5,4 6,6 1323 1398 11,2 15,6 --- --- --- 5,5 6,3 1377 1454 10,7 14,2 --- 5% --- 0% -5% 4% 4% -5% -9% Vazio 9 47 53 8,1 9,0 4,1 4,5 1287 1367 6,8 8,5 24% 3% 39% 13% Ponta 17 39 46 9,9 13,0 4,6 5,3 1447 1732 7,7 9,6 16% --- 28% 22% -16% -13% 22% 44% 11% 17% 12% 27% 12% 13% 9 30 Ponta 17 26 Diferença -13% 35 8,4 11,0 3,5 3,9 1167 1343 5,7 6,4 36% 12% 49% 17% 32 10,1 17,0 4,0 5,5 1321 1824 6,6 8,3 28% 9% 38% 25% -9% 20% 55% 14% 43% 13% 36% 16% 29% 22000 R1 Vazio R2 Vazio R3 Vazio R4 Vazio R1 Ponta R2 Ponta R3 Ponta R4 Ponta 20000 CO (g) 18000 CO2 (g) P95 D NOX G CO2 G CO Tempo 99 Vazio 16000 14000 12000 10000 30 a) P95 95 Diferença RC (X̅ ) P95 Aumento 93 Diferença RB (X̅ ) Redução 6 Vazio RA G CO (g) 13 Diferença R4 G CO2 (g) Ponta Diferença R3 D NOx (g) Vazio Diferença R2 P95 Tempo (min) (X̅ ) P95 50 70 400 350 300 250 200 150 100 50 0 90 R1 Vazio R2 Vazio R3 Vazio R4 Vazio R1 Ponta R2 Ponta R3 Ponta R4 Ponta 30 50 Velocidade média (km/h) 70 90 Velocidade média (km/h) 15 2000 RA Vazio RC Vazio RB Ponta 11 1600 1400 RB Vazio RA Ponta RC Ponta 9 1200 7 1000 5 3 800 10 b) RA Vazio RC Vazio RB Ponta 13 CO (g) CO2 (g) 1800 RB Vazio RA Ponta RC Ponta 20 30 40 50 Velocidade média (km/h) 60 70 10 20 30 40 50 60 70 Velocidade média (km/h) Figura 3 - Emissões totais de CO2 e CO em função da velocidade média de circulação em: a) rotas interurbanas, b) rotas urbanas. 7 Relativamente aos poluentes locais o efeito da hora de ponta é aparentemente superior nas autoestradas. Nas rotas R3 e R4 as emissões de poluentes locais não são afetadas significativamente. Merece relevo, ainda, o aparente conflito relativo à minimização de emissões de poluentes locais (CO, NOX) vs. poluentes globais (CO2). Verificou-se que as rotas que possibilitam a redução de CO2 (autoestradas) potenciam, por sua vez, a emissão dos restantes poluentes. Entenda-se que por “poluentes locais” denomina-se os poluentes que causam um impacto direto e negativo nos locais onde são emitidos. Por “poluentes globais” (ex. CO2) designam-se os poluentes que originam consequências negativas à escala global, por exemplo através do aquecimento global. No entanto, os últimos não apresentam necessariamente efeitos diretos e nefastos na zona onde são emitidos. Tendo em consideração as rotas urbanas, o efeito da hora de ponta nas emissões é mais notório na rota RC, mantendo-se contudo, como a melhor opção tendo como objetivo a minimização de todos os poluentes analisados. Com efeito, apesar da rota RC apresentar as taxas de emissões por distância mais elevadas, a sua distância inferior viabiliza uma redução das emissões totais produzidas. Em suma, relativamente às emissões de CO2 (e consumo de combustível) é possível descortinar uma correlação entre o aumento do tempo de viagem (inter-viagem, a mesma rota) e a redução das taxas de emissão de CO2. Contudo, as emissões podem ser reduzidas através da escolha de um percurso consideravelmente mais curto (ex. RC). Relativamente aos poluentes locais, é evidente a existência de uma tendência geral para um aumento das emissões com a velocidade média. Em todas as áreas de estudo foi verificado que a rota ambientalmente mais amigável durante o período de vazio permanece a mesma no período de ponta. Tendo em consideração ainda que as diferenças relativas entre os índices de emissões das várias rotas permanece relativamente constante, uma generalização deste princípio permite antever que não existirão impactos significativos na rede se uma percentagem limitada de condutores divergir para estas rotas. No entanto, em redes mais congestionadas esta situação deverá ser cuidadosamente verificada. 4 Conclusões Na primeira fase do projeto SMARTDECISION foi conduzida uma análise experimental com o objetivo da avaliação da dinâmica de veículos em diferentes rotas. Por sua vez, estes dados foram inseridos num modelo de emissões microescala – VSP, permitindo uma avaliação do comportamento ao nível de emissões de diversos percursos alternativos em ambientes e horários distintos. Apesar das áreas de estudo possuírem características e escalas distintas os resultados só deverão ser generalizáveis após a aplicação de modelos dinâmicos de tráfego em diferentes áreas. Tendo em consideração as previsíveis reduções de emissões associadas a uma escolha de rota apropriada, este estudo confirmou o potencial do conceito de “eco-navegação”. Para as situações analisadas verificou-se que: 1) a rota com menores emissões durante o período de vazio se mantém também no período de ponta, 2) as diferenças entre as várias rotas mantêm um valor da mesma ordem de grandeza em praticamente todas as situações. Estes resultados sugerem que, para uma penetração limitada no mercado de sistemas de “eco-navegação” (usando 8 informação prévia de emissões nos segmentos de rede), as infraestruturas terão capacidade suficiente para acomodar uma procura adicional sem deteriorar o desempenho ambiental da rede. Num cenário mais avançado de utilização massiva de sistemas inteligentes de transporte (ITS) e no qual os veículos são navegados de forma dinâmica, as diferenças nos volumes de tráfego nas várias rotas podem ser significativamente incrementadas. Assim, neste cenário deverá ser constantemente avaliada a capacidade de cada segmento da rede para receber mais tráfego no sentido de precaver potenciais aumentos involuntários nas emissões. Tal situação poderia ocorrer se um fluxo de tráfego superior ao desejável fosse desviado para a rota inicialmente apontada como “ecológica”. Relativamente às rotas interurbanas ambos os testes (HP e HV) confirmaram que as rotas mais rápidas (R1 e R2) podem reduzir as emissões de CO2 e consumos de combustível até 30%. Contudo, foram identificadas possíveis limitações que devem ser cuidadosamente analisadas aquando da implementação destes sistemas. Por exemplo, se o objetivo principal for a minimização das emissões de poluentes locais, o presente caso de estudo aponta que o tempo de viagem pode ser severamente comprometido através da escolha de rotas realizadas em estradas nacionais. Adicionalmente, para todos os pares OD, as rotas que favorecem a minimização destes poluentes são aquelas que atravessam áreas urbanizadas e evitam as autoestradas. Porém, o aumento do volume de tráfego a circular em estradas nacionais pode conduzir à degradação do ambiente urbano e ao aumento da sinistralidade rodoviária. Este facto implica que futuramente se proceda a uma avaliação criteriosa de potenciais externalidades que possam advir de sistemas de navegação unicamente focalizados na minimização total das emissões produzidas. Futuramente, alguns dos resultados preliminares apresentados, serão integrados em modelos de tráfego e qualidade do ar que culminarão no desenvolvimento de uma plataforma integrada de apoio à decisão. Agradecimentos Este trabalho é financiado por Fundos Nacionais através da FCT – Fundação para a Ciência e a Tecnologia no âmbito do projecto PTDC/SEN-TRA/115117/2009. Agradece-se igualmente à FCT (pelas Bolsas SFRH/BD/66104/2009 e SFRH/BPD/21317/2005), e à Toyota Portugal (pelo empréstimo de veículos para teste). M.C. Coelho e A. Khattak colaboram no âmbito do Luso-American Transportation Impacts Study Group (LATIS-G). Referências Ahn, K., Rakha, H. (2008). The effects of route choice decisions on vehicle energy consumption and emissions. Transportation Research Part D, 13(3):151-167. Barth, M., An, F., Younglove, T., Scora, G., Levine, C., Ross, M., Wenzel, T. (2001). Comprehensive Modal Emissions Model (CMEM), version 2.02, User’s Guide. Bandeira, J.M., Almeida T. G, Khattak A., Rouphail N., e Coelho, M. (2011). Generating emissions information for route selection - Experimental monitoring and routes characterization. Transportation Research Board 90th Annual Meeting. Washington, D.C. Barth, M., Boriboonsomsin, K. (2008). Real-World Carbon Dioxide Impacts of Traffic Congestion. Transportation Research Record: Journal of the Transportation Research Board, Transportation Research Board of the National Academies, Washington D.C., 2058: 163-171. 9 Brundel-Freij, K., Eriksson, E. (2005). Influnce of street characteristics, driver category and car performance on urban driving patterns. Transportation Research Part D, 10(3):213-229. Coelho, M., Frey, H.C., Rouphail, N.M., Zhai, H., Pelkmans, L. (2009). Assessing methods for comparing emissions from gasoline and diesel light-duty vehicles based on microscale measurements, Transportation Research Part D, 14(2):91-99. CORINAIR (2010). EMEP/CORINAIR Emission Inventory Guidebook - 2009. Technical report No 9/2009, EEA. Demers, A., List, G.F., Wallace, W.A., Lee, E.E., Wojtowicz, J.M. (2006a). Probes as Path Seekers: A New Paradigm. Transportation Research Record: 1944:107-114, Washington D.C. Demers, A., List, G.F., Wojtowicz, J.M., Kornhauser, A.L., Wallace, W.A., Lee, E.E., Salasznyk, P.P. (2006b). Experimenting with real-time ATIS: Stepping forward from ADVANCE. Proceedings of “ASCE´s Applications of Advanced Technology in Transportation Conference” (AATT06), Chicago, Illinois, USA. Du, J., Aultman-Hall, L. (2007). Increasing the accuracy of trip rate information from passive multi-day GPS travel datasets: Automatic trip end identification issues. Transportation Research Part A: Policy and Practice, 41(3):220-232. Evans, L., Lam, T., Herman, R. (1976). Multivariate analysis of traffic factors related to fuel consumption in urban driving. Transportation Science, 10(2):205-215. Ericsson, E., Larsson, H., Brundel-Freij, K. (2006). Optimizing route choice for lowest fuel consumption – Potential effects of a new driver support tool. Transportation Research Part C, 14(6):169-383. Frey, H.C., Unal, A., Rouphail, N.M., Colyar, J.D. (2003). On-Road Measurement of Vehicle Tailpipe Emissions Using a Portable Instrument. Journal of the Air & Waste Management Association, 53(8):992-1002. Liu, H.X., Ma, W. (2009). A virtual vehicle probe model for a time-dependent travel time estimation on signalized arterials. Transportation Research Part C, 17(1):11-26. Rakha, H., Ahn, K., Trani, A. (2004). Development of VT-Micro model for estimating hot stabilized light duty vehicle and truck emissions. Transportation Research Part D, 9(1):49– 74. Rouphail, N.M. (2008). Chapter 5: Traffic Congestion Management, Environmentally Conscious Transportation, M. Kutz (ed.), John Wiley & Sons. Silva, C.M., Farias, T.L., Mendes-Lopes, J.M.C. (2002). EcoGest – Numerical modelling of the dynamics, fuel consumption and tailpipe emissions of vehicles equipped with spark ignition engines. Proceedings of Urban Transport and the Environment. US EPA (2002). User’s Guide to Mobile6. Mobile Source Emission Factor Model. EPA420-R02-001, U.S. Environmental Protection Agency, Ann Arbor, MI. US EPA (2004). MOVES2004 User’s Guide. EPA420-P-04-019, U.S. Environmental Protection Agency, Ann Arbor, MI. US EPA (2002). Methodology for Developing Modal Emission Rates for EPA’s Multi-Scale Motor Vehicle & Equipment Emission System. Prepared by North Carolina State University for US Environmental Protection Agency, Ann Arbor, US EPA - United States Environmental Protection Agency. Zhu, W. (2009). A heterogeneous process model of endogenous route choice behaviour incorporating mental effort, risk perception and decision uncertainty. Transportation Research Board 88th Annual Meeting. Washington, D.C. 10