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