You are on page 1of 106

APLICAÇÃO DE LÓGICA FUZZY EM SISTEMAS DE CONTROLE DE TRÁFEGO

METROPOLITANO EM RODOVIAS DOTADAS DE FAIXAS EXCLUSIVAS


PARA ÔNIBUS

Juliano Neves de Paula e Sousa

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS


PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS
NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM
ENGENHARIA DE TRANSPORTES.

Aprovada por:

________________________________________________
Prof. Carlos David Nassi, Dr. Ing.

________________________________________________
Prof. Paulo Cezar Martins Ribeiro, Ph.D.

________________________________________________
Prof. Elton Fernandes, Ph.D.

RIO DE JANEIRO, RJ - BRASIL


MARÇO DE 2005
SOUSA, JULIANO NEVES DE PAULA E
Aplicação De Lógica Fuzzy Em Sistemas
De Controle de Tráfego Metropolitano Em
Rodovias Dotadas De Faixas Exclusivas Para
Ônibus [Rio de Janeiro] 2005
IX, 97p. 29,7cm (COPPE/UFRJ, M.Sc.,
Engenharia de Transportes, 2005)
Tese - Universidade Federal do Rio de
Janeiro, COPPE
1. Lógica Fuzzy
2. Faixa Exclusiva
I. COPPE/UFRJ II. Título (série)

ii
Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários
para a obtenção do grau de Mestre em Ciências (M.Sc.)

APLICAÇÃO DE LÓGICA FUZZY EM SISTEMAS DE CONTROLE DE TRÁFEGO


METROPOLITANO EM RODOVIAS DOTADAS DE FAIXAS EXCLUSIVAS
PARA ÔNIBUS

Juliano Neves de Paula e Sousa

Março/2005

Orientador: Carlos David Nassi

Programa: Engenharia de Transportes

Tendo em vista a crescente necessidade de se implementar medidas de


engenharia de transportes que priorizem o transporte público, os projetos de faixas
exclusivas para ônibus vêm surgindo como uma medida viável em vários trechos das
malhas viárias nas diferentes regiões metropolitanas do país. Devido ao fato de que em
muitos destes casos não existirem um sistema adequado de controle de uso, surge a
necessidade de se estabelecer uma metodologia de obtenção para um modelo de sistema
de controle, baseado em lógica fuzzy capaz de otimizar o desempenho destas rodovias.
Propondo o uso de um sistema dotado de inteligência artificial. O trabalho deverá conter
ainda um estudo de caso realizado na Região Metropolitana do Rio de Janeiro, em uma
importante rodovia estadual, a RJ-071, possibilitando aplicar a teoria fuzzy abordada ao
projeto de um controlador fuzzy baseado em regras.

iii
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)

APPLICATION OF FUZZY LOGIC ON METROPOLITAN TRAFFIC CONTROL


SYSTEMS IN HIGHWAYS ENDOWED WITH EXCLUSIVE LANES FOR BUSES

Juliano Neves de Paula e Sousa

March/2005

Advisor: Carlos David Nassi

Department: Transportation Engineering

In view of the increasing necessity of implementing measures of transport


engineering that prioritizes the public transport, the projects of exclusive lanes for bus
come appearing as a viable measure in some stretches of the road mesh in the different
metropolitan regions of the country. Had to the fact that in many of these cases there are
not an adequate using control system, appears the necessity of establishing an obtention
metodology for a model of control system, based on fuzzy logic capable to optimize the
performance of these highways. Considering the use of a system endowed with artificial
intelligence. The work still will have to contain a study of case realized in the Rio de
Janeiro Metropolitan Region, in an important state highway, the RJ-071, making
possible to apply the boarded fuzzy theory to the project of a fuzzy controller based in
rules.

iv
DEDICATÓRIA

Dedico este Trabalho aos meu pais, Raylson e Eliana, pela confiança e apoio sem fim, e
aos meus filhos, Stella Aída e outros que estejam por vir.

v
AGRADECIMENTOS

Ao meu pai, Raylson Nicácio, pelas importantes discussões sobre campos semânticos e
pela revisão do texto.

À minha esposa, Glauciane, por sempre ter estado ao meu lado.

Às pessoas com quem trabalhei durante o período de realização deste curso por terem,
inúmeras vezes, compreendido minha ausência em virtude da realização do mestrado.

Aos colegas, funcionários e professores do PET pela agradável convivência neste


ambiente de pesquisa acadêmica.

Ao Professor Carlos Nassi, não somente pela orientação do trabalho mas principalmente
pelo incentivo, fundamental para sua realização.

Ao Professor Elton Fernandes pela valorosa contribuição durante a elaboração desta


tese.

Ao Professor Paulo Cezar Ribeiro por sua ilustre participação na banca examinadora.

vi
ÍNDICE

Capítulo I – Introdução

1 – Relevância do Tema 1
2 - Descrição do Problema 2
3 - Objetivo 3
4 – Metodologia 3
5 – Descrição dos Capítulos 4

Capítulo II – Lógica Fuzzy

1 – Princípios de Lógica Fuzzy 6


1.1 - Conjuntos Fuzzy 7
1.1.1 - Funções de Pertinência 9
1.1.2 - Universo de Discurso 11
1.1.3 - Variáveis Lingüísticas 11
1.1.4 - Números Fuzzy 12
1.2 – Sistemas de Controle Fuzzy 14
1.2.1 - Aplicações de Sistemas de Controle Fuzzy 15

Capítulo III – Sistema de Controle de Tráfego

1 - Sistema de Controle de Tráfego Rodoviário 17


1.1 – Caracterização do Sistema 17
1.2 - Objetivo do Sistema de Controle de Tráfego Rodoviário 18
1.3 - Equipamentos e Recursos 19
1.3.1 – Laços Indutivos 19
1.3.2 - Transceptores Móveis de Sinais de Rádio 21
1.3.3 - Transceptores Fixos de Sinais de Rádio 21
1.3.4 – Subsistema de Fotografia Digital 21
1.3.5 - Unidade Central de Processamento 22
1.3.6 – Controlador 23

vii
1.3.7 – Painéis de Mensagens Variáveis 24
1.4 - Entradas e Saídas 25
1.5 - Equações do Sistema 27
1.6 - Modelo Conceitual Simbólico 28

Capítulo IV – Metodologia Proposta

1 – O Controlador Fuzzy 29
1.1 – Estrutura do Controlador 30
1.2 – Variáveis de Entrada 30
2 - Modelagem dos Dados de Entrada 33
3 - Variável de Saída 36
4 - Universos de Discurso 37
5 - Obtenção das Funções de Pertinência 39
6 - Fuzzyficação das Variáveis de Entrada 40
7 - Base de Regras 41
8 - Defuzzyficação da Variável de Saída 44
9 – Implementação do Sistema de Controle Fuzzy 46
9.1 – Periféricos 46
9.2 – Unidade Central de Processamento 48
9.3 – Softwares 49

Capítulo V – Estudo de Caso da Rodovia RJ-071 (Linha Vermelha)

1 – Estudo de Caso 50
1.1 – A Opção pela Linha Vermelha 51
2 – Projeto do Sistema Fuzzy de Controle Rodoviário na Linha Vermelha 52
2.1 - Locação dos Periféricos 53
2.2 - Instalação da UCP 56
2.3 - Subsistemas 56
2.4 - Entradas e Saídas do Sistema 57
2.5 – Modelo do Sistema 58
2.6 - Inteligência do Sistema 61

viii
3 - Base de Conhecimento do Controlador Fuzzy 62
3.1 - Funções de Pertinência 62
3.2 – Definição do Bloco de Regras Fuzzy 65
4 - Segundo Bloco de Regras 68
5 - Definição das Mensagens dos Painéis 71

Capítulo VI – Avaliação dos Resultados e Considerações Finais

1 - Simulações 73
2 - Superfícies de Nível 74
3 - Avaliação dos Resultados 90
4 - Conclusões 92
5 - Recomendações 94
Bibliografia 95

ix
Capítulo I – Introdução

1 – Relevância do Tema

Principalmente devido a investimentos insuficientes em sistemas de transporte


de alta capacidade, o transporte público por ônibus nas regiões metropolitanas
brasileiras torna-se cada vez mais importante em termos de passageiros transportados.
Na Região Metropolitana do Rio de Janeiro, por exemplo, foram realizadas 463,384
milhões de viagens somente pelo sistema intermunicipal no ano de 2001 (Fonte:
DETRO-RJ)
A criação de faixas exclusivas para ônibus em corredores metropolitanos,
medida que vem sendo adotada com objetivo de priorizar o transporte público, torna
necessário o desenvolvimento de sistemas de controle de uso destas facilidades, visando
otimizar a utilização destas rodovias. Esta otimização pode ser obtida com a aplicação
da lógica fuzzy, já que este tipo de lógica não convencional agrega ao sistema de
controle características de operadores humanos às tomadas de decisão, tornando os
sistemas inteligentes, ou seja, capazes de fornecer respostas que solucionam problemas,
mesmo em situações novas ou inesperadas.
Um típico Controlador Fuzzy pode ser desenvolvido de forma a comportar-se
segundo o raciocínio dedutivo, mesmo processo utilizado por pessoas na inferência de
conclusões baseadas em informações conhecidas. Desta forma, é possível que o
controlador computacional possua desempenho equivalente ao do operador humano.
O raciocínio indutivo também pode ser incorporado ao Controlador Fuzzy
tornando-o capaz de aprender e generalizar através de exemplos específicos observados
durante um processo que varia ao longo do tempo. Estes controladores, já que é possível
compreender seu raciocínio, podem ter sua programação modificada. A inclusão de
novos procedimentos e objetivos aumenta as possibilidades do sistema de controle sem
necessariamente imprimir custos de aquisição de equipamentos ou materiais.
A abordagem deste tema torna-se importante na medida em que cresce a
quantidade de aplicações bem sucedidas de lógica fuzzy em controle de processos de
naturezas diversas. A aplicação às vias metropolitanas dotadas de faixas exclusivas
servirá inclusive como contribuição para futuras pesquisas a respeito de lógica fuzzy
aplicada a sistemas de controle tráfego.

1
2 - Descrição do Problema

A adoção de faixas exclusivas no fluxo é uma medida proposta com intuito de


reduzir o tempo de viagem dos ônibus através da reserva de espaço em via para o
transporte público. A redução do tempo de ciclo e a diminuição da variância deste
tempo, devido à não interferência do tráfego misto na faixa reservada, trazem diversos
benefícios para o sistema e seus clientes. Porém as vantagens do uso da faixa exclusiva
somente existem de fato em horários de fluxo saturado. O fluxo de saturação
normalmente ocorre nos períodos de pico do fluxo de tráfego, devido à demanda típica
de regiões metropolitanas, caracterizada principalmente por viagens pendulares do tipo
casa – trabalho - casa.
A utilização de uma ou mais faixas exclusivas para ônibus em horários fora de
pico ou, ainda, em horários em que não exista redução do tempo de viagem dos ônibus
gera custos em termos de mobilidade para os demais usuários da rodovia, sem que estes
custos possam ser compensados pelos benefícios globais produzidos pelo uso das faixas
exclusivas - ao contrário do que ocorre em horários de pico. É necessário, pois,
estabelecer uma estratégia de uso das faixas exclusivas que permita otimizar o
desempenho da rodovia.
A possibilidade mais simples de operação das faixas exclusivas é estabelecer
exclusividade de uso por ônibus em período integral. Esta estratégia, quando adotada,
limita a mobilidade na rodovia durante longos períodos em que não ocorrem benefícios
ao transporte público.
Uma outra possibilidade de uso para faixas exclusivas consiste em definir,
através de estudos e levantamentos de transporte e tráfego, quais seriam os horários
ideais de operação em caráter exclusivo, ou seja: em que horários do dia uma
determinada faixa exclusiva traria redução do tempo de viagem para os ônibus,
estabelecendo o uso exclusivo em período parcial, aplicando, neste caso, uma
sinalização de informação suficiente e adequada aos usuários da via em questão, pré-
estabelecendo os períodos fixos de uso exclusivo. Inconveniente neste caso é o fato de
que estes períodos sofrem variações diárias, causadas por fatores inerentes ao tráfego ou
mesmo por fatores externos.
Um período fixo de faixa exclusiva somente será utilizado de maneira ótima, em
alguns dias específicos, no caso de o horário ideal de operação em caráter exclusivo
coincidir com o horário pré-estabelecido para operação em caráter exclusivo. A

2
probabilidade desta ocorrência é nula, já que o período exclusivo é composto por duas
variáveis contínuas: hora de início ou hora de final. A impossibilidade de antecipar a
hora de início e de adiar a hora de final de operação, pré-fixadas, obriga os ônibus a
circularem com o tráfego misto em períodos nos quais o uso exclusivo reduziria seus
tempos de viagem. Já a impossibilidade de adiar a hora de início ou de antecipar a hora
de final piora o nível de serviço nas faixas restantes sem gerar benefícios para o
transporte público.
Torna-se importante obter uma solução que permita adequar os horários de
exclusividade de uso das faixas, aproximando-os cada vez mais dos horários ideais, não
somente a cada dia, mas também em cada rodovia, ou até mesmo em cada trecho de
uma mesma rodovia. A aplicação da Lógica Fuzzy permite decidir sobre estes horários.
A obtenção de um sistema que inclua um Controlador Fuzzy é a solução
proposta para que se possa adotar uma estratégia de operação em período parcial com
horários variáveis, de maneira que o estado das faixas seja alternado entre exclusivo e
não exclusivo para ônibus, na medida em que o uso das mesmas torne-se vantajoso ou
indiferente para estes veículos.

3 - Objetivo

O objetivo deste trabalho é propor uma metodologia de aplicação de lógica


fuzzy ao controle de tráfego metropolitano em rodovias com faixas exclusivas para
ônibus no fluxo, utilizando um controlador cuja tarefa é gerenciar o uso da via.
Considera-se para tanto a existência de um sistema de controle rodoviário típico,
previamente determinado para que um controlador fuzzy seja inserido em sua estrutura.

4 – Metodologia

A metodologia proposta consiste na identificação de um controlador fuzzy


integrante de um sistema de controle de tráfego rodoviário. O sistema de controle
proposto como exemplo tem sua estrutura previamente determinada para que se possa
estabelecer as limitações do controlador decorrentes daquelas inerentes ao sistema.
A escolha e tratamento das variáveis de entrada e saída do sistema são tarefas
realizadas tendo como condicionante o fato de que a obtenção dos dados é contínua e
em tempo real, o que já limita o número de variáveis de entrada em comparação com o

3
número de variáveis que poderiam ser consideradas. Verifica-se que uma série de
variáveis não deverão fazer parte da discussão, aquelas que dependem de obtenção
prévia de seus valores, cuja possibilidade de mensuração pelo sistema inexiste não serão
consideradas.
Mesmo dentre as que direta ou indiretamente poderiam ser obtidas pelo sistema,
propõe-se a escolha de um conjunto de variáveis apenas suficiente para que se possa
propor uma metodologia válida, que inclua a discussão das variáveis, das bases de
dados e de regras de um controlador e a simulação de seus resultados. Sem considerar a
necessidade de demonstrar a aderência do modelo.
Uma limitação da própria metodologia é que propõe-se a obtenção da base de
conhecimento do sistema de forma que os valores adotados não podem ser considerados
consensuais já que não são gerados com base em opiniões de especialistas, possíveis de
serem obtidas através de entrevistas.
Com o intuito de tornar possível a simulação do controlador fuzzy, é possível
admitir que os valores atribuídos com base em opinião única do próprio projetista são
coerentes para que se possa implementar, simular e avaliar a metodologia proposta.

5 – Descrição dos Capítulos

O problema de controlar faixas exclusivas, definindo seus trechos e períodos


adequados de funcionamento, aplicando lógica fuzzy em um sistema de controle, será
tratado de forma que seja possível recomendar como solução a implementação de um
Controlador Fuzzy. Também será recomendado um modelo de sistema de controle
compatível com este controlador.
O trabalho divide-se em cinco capítulos. O primeiro capítulo é a introdução,
onde é apresentado o objetivo do trabalho, discutida a relevância do tema, tanto pelo
aspecto da preocupação com o tráfego metropolitano, como também pelo fato de utilizar
como ferramenta uma lógica não convencional. O problema, que motiva a realização do
trabalho, também será apresentado ainda neste capítulo inicial.
No segundo capítulo, será feita uma revisão bibliográfica sobre Lógica Fuzzy,
ressaltando-se as principais diferenças em contraposição à lógica convencional e seus
aspectos teóricos. O resultado desta etapa servirá como base para a realização de todo o
resto do trabalho, sendo o objetivo principal desta parte abordar conceitos teóricos

4
fundamentais para uma aplicação prática bem sucedida. Além da teoria referente à
lógica fuzzy, serão tratadas suas aplicações a sistemas de controle, dentre outras.
No terceiro capítulo serão definidas todas as características do sistema de
controle. O sistema será caracterizado de forma generalizada, de modo a obter-se um
modelo que sirva como base para a implementação do sistema em uma rodovia
qualquer. Ainda neste capítulo, serão vistas as questões técnicas relativas aos
componentes do sistema de controle, inclusive do Controlador Fuzzy. Também será
tratada a questão da fiscalização do uso das faixas.
No Capítulo IV será apresentada a metodologia proposta. As características do
Controlador Fuzzy serão todas discutidas nesse capítulo, sem que se estabeleça, para
tanto, valores numéricos ou ordens de grandeza a qualquer dado ou variável
mencionada.
O quinto capítulo contém o estudo de caso. Para realização deste estudo, será
necessário escolher uma rodovia que possua as características até então discutidas no
trabalho. Será feita a opção pela RJ-071 (Linha Vermelha) e será feita uma justificativa
desta escolha através de uma breve discussão sobre o sistema intermunicipal de
passageiros e suas ligações inter-regionais.
Ainda nesse capítulo, seguindo a metodologia proposta no capítulo anterior, será
obtido o modelo do sistema de controle de tráfego e definidas as propriedades do
Controlador Fuzzy, atribuindo-se valores necessários à implementação.
No capítulo VI serão realizadas simulações a partir da atribuição de valores para
as variáveis de entrada e obtenção dos respectivos valores de saída, através da
construção de superfícies de nível. Será realizada uma avaliação dos resultados obtidos
aplicando-se dois métodos diferentes de defuzzyficação. Serão apresentadas as
conclusões a respeito dos métodos e considerações utilizados ao longo do trabalho e
também as recomendações consideradas necessárias

5
Capítulo II – Lógica Fuzzy

1 – Princípios de Lógica Fuzzy

A fim de permitir o desenvolvimento de um sistema de controle utilizando


lógica fuzzy e também a realização de estudo de caso onde se pretende propor sua
implementação prática, faz-se necessário apresentar alguns aspectos teóricos
fundamentais a respeito desta lógica não convencional.
A lógica fuzzy, também conhecida como lógica nebulosa, lógica difusa, ou ainda
como teoria das possibilidades, tem como base a Teoria dos Conjuntos Fuzzy
introduzida pelo Professor Zadeh em seu artigo “Fuzzy Sets” publicado no ano de 1965.
Trata-se de um tipo de lógica multivalente (KANDEL, 1986). Este conceito contrapõe-
se ao da lógica clássica, bivalente, fundada por Aristóteles, segundo a qual uma
determinada proposição somente pode assumir os valores: Verdadeiro ou Falso,
representados respectivamente pelos números 0 e 1, excluindo-se definitivamente
qualquer possibilidade de ocorrerem valores intermediários. Trata-se do Princípio do
Meio Excluído (BOYER, 1996).
A lógica fuzzy admite portanto que uma determinada proposição pode assumir
qualquer valor no intervalo entre 0 e 1. Assim, os valores assumidos representam os
graus de verdade desta proposição. Uma proposição é totalmente verdadeira se o seu
grau de verdade é 1, e totalmente falsa se o seu grau de verdade é 0, admitindo-se como
possível a ocorrência de quaisquer valores intermediários de graus de verdade.
Devido à dualidade observada nos fenômenos da natureza, a lógica bivalente
proporciona a criação de modelos matemáticos que em certos casos são de indiscutível
utilidade. Porém há limitações quando se deseja obter modelos de fenômenos ou fatos
que dependeriam da análise simultânea de muitas variáveis. Dois principais
complicadores para a modelagem matemática, baseada na lógica bivalente, surgem
quando ZIMMERMANN (1985) afirma que:

1 – Situações reais muito frequentemente não são determinísticas e não podem


ser precisamente descritas.
2 – A descrição completa de um sistema real frequentemente requereria mais
dados detalhados do que os que um ser humano poderia sempre reconhecer
simultaneamente, processar e entender. (ZIMMERMANN, 1985)

6
A lógica fuzzy incorpora a forma como o ser humano realiza inferências, através
de regras de raciocínio e atribuição de valores fuzzy às variáveis que observa. Valores
dotados de incertezas e representados por expressões muitas vezes vagas e imprecisas.
Estas variáveis, presentes no pensamento e comunicação humanos, são consideradas
válidas para a lógica fuzzy, haja vista que um termo lingüístico pode ser representado
por um conjunto fuzzy.
Segundo SHAW, SIMÕES (1999), a habilidade de se manipular conjuntos e
números fuzzy é uma das atividades mais importantes do cérebro humano, e este
processo de decisões fuzzy requer um tempo de processamento computacional mínimo
por não existir modelo matemático a ser seguido. Os autores realizam a seguinte
afirmação:

Provavelmente essa habilidade humana desenvolveu-se através das gerações, já


que o fato de se trocar precisão por velocidade é decisivo para a sobrevivência
biológica em situações críticas, ou de perigos naturais. (SHAW, SIMÕES,
1999)

A lógica fuzzy possibilita a implementação de implicações lógicas semelhante às


utilizadas pelo indivíduo. Busca modelos capazes de representar sua percepção da
realidade, incluindo assim suas características na realização de inferências e tomadas de
decisões. Diferentemente, a abordagem convencional propõe a criação de modelos da
própria realidade.

1.1 - Conjuntos Fuzzy

Partindo do princípio de que a teoria clássica de conjuntos é completamente


conhecida, serão apresentados os principais tópicos, aspectos e propriedades da teoria
de conjuntos fuzzy.
A teoria dos conjuntos fuzzy representa uma generalização da teoria clássica dos
conjuntos. Percebe-se tal fato pois os conjuntos crisp somente incluem os valores
extremos de pertinência {0, 1}, enquanto os conjuntos fuzzy, além deste valores,
incluídos como valores limites, inclui também todos os valores do intervalo [0, 1] . Por
causa desta generalização, a teoria de conjuntos fuzzy apresenta maior campo de

7
aplicabilidade na solução de problemas que envolvam algum grau de avaliação
subjetiva, em comparação à clássica teoria de conjuntos (KANDEL, 1986).
A teoria fuzzy admite que um elemento seja parcialmente pertinente a um
determinado conjunto. Um conjunto fuzzy denominado conjunto A, onde A é um
subconjunto de um universo U, deve ser descrito como um conjunto de pares ordenados,
onde o primeiro termo do par é o próprio elemento do conjunto (x), e o segundo termo é
um número entre 0 e 1, que representa o grau de pertinência (µ(x)) deste elemento em
relação ao conjunto A.
Um conjunto fuzzy pode ser considerado uma classe cujos limites não são
claramente definidos. (ZADEH, 1965). Os conjuntos fuzzy também podem ser
chamados de conjuntos difusos ou nebulosos. A Figura 1 traz uma representação do
conjunto nebuloso A através de um diagrama, comparando com um conjunto crisp, onde
todos os pontos internos ao diagrama têm o mesmo valor unitário de grau de
pertinência, e os pontos externos tem grau de pertinência nulo. No conjunto nebuloso,
quanto mais próximo do centro do diagrama, maior é o grau de pertinência do elemento,
sendo este valor igual a 1 somente quando localizado no centro do conjunto. Na parte
externa do diagrama, o grau de pertinência é nulo.

Figura 1 - Representação do Conjunto Fuzzy por Diagramas


U

A
* x2

* x1

* x3

8
Desta forma é possível afirmar, observando a figura que os elementos x1 e x2
pertencem ao conjunto A e que o grau de pertinência de x1 é maior que o de x2. Seria
correto dizer que o primeiro elemento tem maior possibilidade de ser membro do
conjunto A que o segundo elemento.

1.1.1 - Funções de Pertinência

Também é possível representar um conjunto fuzzy a partir de relações existentes


entre os valores dos elementos e seus respectivos graus de pertinência: são as funções de
pertinência. Estas funções descrevem uma curva no plano, cujos pontos representam o
valor de pertinência no intervalo [0, 1] em função dos respectivos valores pertencentes
ao universo.
Considerando que um conjunto fuzzy é uma generalização de um conjunto
clássico, a função de pertinência é uma generalização da função característica destes
conjuntos (ZIMMERMANN, 1985). À descrição matemática das funções de
pertinência, basta definir as equações das curvas que as descrevem. Citando, como
exemplo, o conjunto dos homens jovens, verifica-se que trata-se de um conjunto fuzzy,
pois o termo “Jovem” é passível de interpretação, se incluirmos o modificador “Muito”,
é possível definir também o conjunto dos homens “Muito Jovens”.
Estes conjuntos podem ser representados respectivamente pelos gráficos da
Figura 2 e pelos da Figura 3, segundo a opinião de seis pessoas consultadas por
Zimmermann e Zysno em 1982. Verifica-se que apesar de terem sido construídas
conforme a opinião das mesmas pessoas, de acordo com o contexto em que estavam
inseridos os termos Jovem e Muito Jovem, as funções de pertinência tornaram-se
diferentes (ZIMMERMANN, 1985).

9
Figura 2 – Funções de Pertinência – Homens Jovens

Contexto 1

Contexto 2

0 10 20 30 40 50 60 70 80 90 100

Figura 3 – Funções de Pertinência – Homens Muito Jovens

µ(x)
Contexto 3
1

Contexto 4

0
0 10 20 30 40 50 60 70 80 90 100

Observando as figuras, verifica-se que é possível obter as equações das curvas


que compõem as funções de pertinência. Nos exemplos apresentados, trata-se de retas,
porém funções de pertinência podem possuir diferentes representações gráficas. É
possível que sejam formadas por maior número de segmentos ou mesmo por outros
tipos de curva.

10
1.1.2 - Universo de Discurso

Todo conjunto fuzzy está contido em um determinado universo, desta forma,


todo conjunto fuzzy é na realidade um subconjunto de seu Universo de Discurso. Em
termos matemáticos Universo de Discurso é um conjunto de valores finitos que contém
todos os valores possíveis de estarem contidos em seus subconjuntos fuzzy. (SHAW,
SIMÕES, 1999)
Se considerarmos, por exemplo o conjunto fuzzy dos números Próximos de
Zero, verifica-se que o Universo de Discurso é o próprio Conjunto dos Números Reais.
Já se considerarmos o conjunto fuzzy dos Homens Jovens, ou o conjunto fuzzy dos
Homens Muito Jovens, propostos na Seção 1.1.1, podemos afirmar que, para ambos, o
Universo de Discurso será o mesmo: O intervalo [0, 100].

1.1.3 - Variáveis Lingüísticas

Uma variável lingüística é um conjunto de termos lingüísticos, que são nomes ou


rótulos representados por conjuntos fuzzy, dentro de um determinado universo de
discurso. A lógica fuzzy prevê o uso destas variáveis, de forma que sejam usadas como
símbolos mais adequados à formulação de proposições naturais em comparação com
valores numéricos (SHAW, SIMÕES, 1999).
Segundo o filósofo B. Russel,

“Toda lógica tradicional habitualmente supõe que símbolos precisos estão


sendo empregados. Isto consequentemente não é aplicável a esta vida terrestre,
mas somente a uma existência celestial imaginada” (ZIMMERMANN, 1985).

Zadeh propôs o uso de variáveis cujos valores do domínio não são números, mas
sim palavras ou frases em uma linguagem natural ou artificial. Zadeh caracterizou uma
variável lingüística X da seguinte forma: X é caracterizada pela quíntupla (x, T(x), U,
G, ~M(x)), onde x é o nome da variável, T(x) é o conjunto de termos que a compõem a
variável. Ou seja, o conjunto dos nomes dos valores lingüísticos de x, com cada um
desses valores sendo um conjunto fuzzy, variando dentro de um universo de discurso U.
O símbolo G representa a regra sintática que gera os nomes que compõem a variável.

11
~M(x) é a função de pertinência que representa o termo lingüístico x já que é um
conjunto fuzzy. (ZIMMERMANN, 1985)

1.1.4 - Números Fuzzy

Números fuzzy e conjuntos fuzzy, em alguns casos particulares, são entidades


que podem ter o mesmo significado. Assim como os conjuntos fuzzy, os números fuzzy
também possuem funções de pertinência. O conceito destas funções é o mesmo para
ambos. Sendo assim, é necessário recorrer à definição matemática teórica de número
fuzzy.
Um número fuzzy N pode ser expresso como N = (α, c), onde α é o Número
Real que coincide com o valor central de N. A constante c é a distância entre α e os
pontos da Reta dos Números Reais que possuem possibilidade nula mais próximos de α.
A função de pertinência pode ser escrita da seguinte maneira: (TERANO et al. 1991)

µN(x) = L((x – α)/c) sendo c>0

A função L(x) é chamada de função de referência, e possui as seguintes


características que a descrevem:

1) L(x) = L(-x), L(x) é linear


2) L(0) = 1
3) L(x) é decrescente no intervalo [0, ∞[

A primeira característica garante que a função é linear e simétrica em relação ao


eixo vertical. A segunda garante que o ponto de pertinência máxima coincide com o
eixo de simetria e a terceira garante que a função é decrescente ao lado direito do eixo
de simetria. É justamente a simetria que garante que é crescente ao lado esquerdo
Segundo estas características, verifica-se que a função de referência possui o
formato de um triângulo isósceles, com o vértice formado pela interseção dos lados
idênticos do triangulo com o eixo vertical no ponto (0,1). Ao obter a função de
pertinência, substituindo os valores de α e c, verifica-se que o valor de α desloca
horizontalmente o triângulo até o ponto em que se encontra este valor sobre a Reta, e
que o valor de c modifica a inclinação das retas.

12
De forma mais simples, a função de pertinência de um número fuzzy pode ser
escrita sob a forma de função modular: (TERANO et al, 1991)

µ(x) = 1 - | x - α |
c

A seguir podem ser observados dois exemplos de números fuzzy. A Figura 4


representa o número fuzzy “Quase 10”, e a Figura 5 representa o número fuzzy
“Próximo de 10”

Figura 4 – Número Fuzzy – Quase 10

µ(x)

0
8 10 12 x

µ(x) = 1 - | x - 10 |
2

13
Figura 5 – Número Fuzzy – Próximo de 10

µ(x)

0
9 10 11 x

µ(x) = 1 - | x - 10 |

1.2 – Sistemas de Controle Fuzzy

Os Sistemas de Controle Fuzzy são compostos de um Controlador Fuzzy, um


interpretador de entradas e um interpretador de saídas. O Controlador Fuzzy é composto
pelas funções de pertinência e pelas regras fuzzy, que consistem em implicações lógicas
formuladas com o uso de variáveis e termos lingüísticos.
Estas implicações contêm as informações que permitem relacionar as condições
de entrada do sistema de controle às saídas geradas por ele. Regras Fuzzy são
formuladas sob a forma: Se (Condições) Então (Conseqüência). As condições são
obtidas através das entradas e a conseqüência é a emissão de saídas que representam
ações de controle.

Por exemplo:
Se Pressão = Média e Temperatura = Muito Alta Então Válvula = Pouco Aberta
Se Pressão = Muito Alta e Temperatura = Alta Então Válvula = Muito Aberta

Verifica-se que Pressão, Temperatura e Válvula são variáveis lingüísticas.


Média, Alta, Muito Alta, Pouco Aberta e Muito Aberta são termos lingüísticos. Os
valores das variáveis são obtidos em um universo de discurso composto de valores

14
discretos que devem ser transformados em valores fuzzy, através de um processo
chamado Fuzzyficação.
O processo de fuzzyficação consiste em obter para todos os valores do universo
de discurso de cada variável um vetor de pertinência ou vetor de possibilidades, o que é
feito com base em suas funções de pertinência ou através de consultas a tabelas de
valores discretos de entrada e valores de pertinência correspondentes. Cada elemento do
vetor representa o grau de pertinência do valor medido em relação a cada conjunto
fuzzy representante de cada termo lingüístico. (SHAW, SIMÕES, 1999)
Após o processamento dos dados e das regras, o controlador fuzzy obtém um
valor que representa também um vetor de pertinência, referente a variável de saída, ou
seja, a saída apresenta um resultado fuzzy, porém há casos em que é necessário obter o
valor da saída expresso pelo seu valor correspondente no universo de discurso. O
processo que permite ao controlador esta transformação é denominado Defuzzyficação e
pode ser realizado por diferentes métodos. (SHAW, SIMÕES, 1999)

1.2.1 - Aplicações de Sistemas de Controle Fuzzy

A aplicação da lógica fuzzy em sistemas de controle deve ocorrer em situações


onde haja benefícios esperados por sua utilização, podendo haver situações em que seu
uso não seja o mais indicado. De forma geral, a indicação de uso de lógica fuzzy ocorre
quando se deseja incorporar ao sistema a experiência de operadores humanos a respeito
do processo a ser controlado. (ZIMMERMANN, 1985)
Os sistemas fuzzy podem ser aplicados quando se pretende: (TERANO et al,
1991)
1) Expressar experiência humana, senso comum, etc., de forma utilizável por
máquinas;
2) Produzir modelos dos sentimentos ou linguagem humanos;
3) Imitar comportamentos humanos em reconhecimento de padrões, julgamento
ou compreensão geral.
4) Converter informações para uma forma em que pessoas possam compreendê-
las facilmente
5) Comprimir grandes quantidades de informações
6) Produzir modelos da psicologia ou comportamento humanos
7) Produzir modelos de sistemas sociais.

15
Os sistemas de controle fuzzy vêm encontrando aplicações em vários campos da
ciência e da técnica. Segundo TERANO et al (1991), as primeiras aplicações comerciais
de sistemas de controle fuzzy ocorreram em 1980, e os produtos do campo da
engenharia de controle são os que possuem maior valor de mercado. A Tabela 1 contém
uma visão geral das aplicações da teoria de sistemas fuzzy: (TERANO et al, 1991)

Tabela 1 – Aplicações da Teoria de Sistemas Fuzzy


Área Gestão/Social Inteligência Engenharia de
Classificação Atificial/Informação Controle
Modelos Humanos - Planejamento
- Avaliação
- Tomadas de
Decisão
- Organização
- Relações
Humanas
Imitação de - Sistemas de - Sistemas - Controle de
Potencialidades Apoio à Tomada Especialistas Processos
Humanas de Decisão - Bancos de Dados - Operações de
- Sistemas de Aprendizagem
Apoio a - Robôs
Diagnósticos
Médicos
Interface Homem- - Avisos/Anúncios - Comando de Voz
Máquina - Equipamentos - Reconhecimento
para Pessoas de Imagens e
Portadoras de Caligrafia
Dificuldades - Saída de Voz
Outros - Análise de Risco - Desenvolvimento
- Previsão de de Dispositivos de
Falhas Raciocínio
- Previsão de
Terremotos

16
Capítulo III – Sistema de Controle de Tráfego

1 - Sistema de Controle de Tráfego Rodoviário

O sistema de controle de tráfego será caracterizado com base na Teoria Geral de


Sistemas, definindo seu modelo conceitual simbólico. O sistema deve possuir
características físicas que permitam a aplicação de lógica fuzzy. No caso deste trabalho,
será proposto um sistema de controle particularmente desenvolvido em termos de
equipamentos. Outros sistemas com diferentes construções poderiam ser utilizados,
desde que possuíssem a mesma estrutura do sistema considerado no trabalho.
O controlador é no sistema o elemento responsável por definir os horários de
operação das faixas em caráter exclusivo com base na análise de variáveis componentes
do padrão de tráfego. Estas variáveis devem ter seus valores constantemente
mensurados pelo sistema, de forma que estes dados sejam utilizados pelo controlador
para a tomada de decisão quanto à alteração do estado das faixas em um momento
qualquer.
Para que seja possível a caracterização do sistema, é necessário definir para o
mesmo um conjunto de atividades fundamentais, condicionantes de projeto do sistema.
São estas atividades: Possibilitar a coleta ininterrupta de dados sobre o padrão de
tráfego na rodovia, disponibilizar os dados coletados em tempo real para o controlador e
permitir o fluxo de informações instantâneo entre o sistema e os usuários da rodovia.

1.1 – Caracterização do Sistema

O sistema de controle caracterizado a seguir é considerado um sistema completo,


pois além dos mecanismos de decisão sobre o uso das faixas, também envolve a questão
da fiscalização. Um subsistema de fiscalização é fundamental à otimização do uso das
faixas, assim com também são fundamentais os esforços empenhados em convencer os
usuários de carros particulares a respeitarem as faixas exclusivas através de campanhas
educativas.

17
1.2 - Objetivo do Sistema de Controle de Tráfego Rodoviário

O objetivo do sistema é definir o regime de uso de uma faixa de rolamento,


alternando-o entre exclusivo e não exclusivo para ônibus, através da informação
instantânea aos usuários da rodovia. Esta decisão deve ser tomada por um controlador,
tendo como base a análise de dados coletados por sensores criteriosamente dispostos em
via.
É desejável que a decisão do controlador possa maximizar o nível de serviço na
faixa destinada aos ônibus, maximizando consequentemente o fluxo de passageiros na
rodovia. A Figura 6 demonstra graficamente o que se espera obter com a aplicação do
sistema: À medida que o nível de serviço da rodovia estiver piorando, ao atingir um
valor limite (NS Limite), o controlador atua tornando exclusiva uma das faixas. À
medida que o nível de serviço estiver melhorando, ao atingir novamente o valor NS
Limite, o controlador atua retornando a faixa ao tráfego misto.

Figura 6 – Objetivo do Sistema de Controle de Tráfego Rodoviário

NS A

NS
Limite

NS F
DE SERVIÇO
NÍVEL

TEMPO
Início de operação Fim de operação
da faixa exclusiva da faixa exclusiva

N.S. - Faixa Exclusiva N.S. - Faixa Restante N.S. - Faixa Restante

18
O simples estabelecimento da exclusividade de uso da faixa, ainda que
acompanhado da sinalização adequada, não é suficiente para garantir que veículos
particulares não venham a utilizá-las, principalmente em horários de fluxo saturado,
desta forma propõe-se que a fiscalização também seja realizada através da utilização do
Sistema de Controle de Tráfego, o que deverá inibir a utilização indevida das faixas, já
que constitui infração ao Código de Trânsito Brasileiro.
O Sistema de Controle de Tráfego possui dois estados, que variam conforme o
estado das faixas exclusivas. Em períodos de exclusividade de uso por ônibus, o sistema
encontra-se em estado fiscalizador. Identifica todos os veículos que transitam pelas
faixas exclusivas. Os veículos autorizados são identificados através de etiquetas
eletrônicas que emitem sinais de rádio percebidos por transceptores fixos dispostos na
rodovia. Já os veículos não autorizados são identificados pela autoridade de trânsito
através de imagens capturadas por câmeras fotográficas digitais dispostas na rodovia.
Em horários de faixa não-exclusiva, o sistema encontra-se em um segundo estado:
identifica somente os ônibus na faixa, além de continuar realizando as demais
atividades.

1.3 - Equipamentos e Recursos

A seguir serão relacionados os recursos necessários para a implantação do


sistema. Tais recursos dividem-se em dois grupos: o de recursos tecnológicos, composto
por equipamentos eletrônicos (hardware) e o de recursos computacionais, composto por
programas (software). Estes equipamentos serão tratados como subsistemas, de acordo
com a abordagem embasada na Teoria Geral de Sistemas.

1.3.1 – Laços Indutivos

Identificam a passagem de um veículo nas seções em que se encontram


dispostos. São verdadeiros laços de material condutor elétrico, implantados sob o
pavimento que indicam a presença ou a ausência de um veículo sobre uma seção da via
através da verificação de variação da intensidade do campo magnético existente no laço.
Os sinais enviados por laços indutivos à Unidade Central de Processamento
serão utilizados na determinação de variáveis componentes do padrão de tráfego que
podem ser analisadas pelo controlador. Também serão os sinais enviados por estes

19
dispositivos que permitirão acionar os equipamentos relacionados à fiscalização de uso
das faixas.
Os laços indutivos devem ser dispostos aos pares, em cada faixa da rodovia, em
seções definidas conforme critérios de projeto, particulares de cada rodovia.
Considerando um par de laços, dispostos a uma distância conhecida um do outro,
suficientemente pequena para que sejam considerados dispostos em uma mesma seção,
pode-se obter em tempo real, o fluxo de tráfego, a velocidade e a classificação da frota
em cada faixa.
A cada perturbação sofrida por um laço é enviado à Unidade Central de
Processamento (UCP) um sinal, um bit de valor 1. Em seguida, a UCP constitui um
vetor de valores composto da seguinte maneira {1, SEÇÃO, LAÇO, HORA_INÍCIO,
HORA_FINAL, TEMPO_OCUPADO} onde o valor 1 indica que ocorreu a passagem
de um veículo. SEÇÃO identifica a posição do laço, inclusive a faixa em que se
encontra. LAÇO identifica se a informação é do primeiro ou do segundo laço da seção
(em relação ao sentido do tráfego), já que são pareados. HORA_INÍCIO indica o
instante em que o veículo iniciou a passagem pelo laço e HORA_FINAL o instante em
que esta terminou. O TEMPO_OCUPADO é calculado pela diferença entre estes dois
últimos valores. A alta velocidade de transferência e processamento desses dados
permite que o atraso decorrente destas atividades seja suficientemente pequeno a ponto
de poder ser desconsiderado.
Os laços indutivos realizam uma função indispensável em sistemas de controle
fuzzy. Funcionam como sensores que, durante o processo, fornecem informações a seu
respeito, permitindo que o controlador atue sobre o mesmo. Como pretende-se propor a
implementação de um controlador fuzzy ao sistema de controle, deve-se considerar que
um sistema de controle de processo que utilize este tipo de controlador requer o
emprego de sensores. Os controladores fuzzy buscam incorporar a forma humana de
atuar no controle de processos. Os sensores emulam a característica de percepção de um
indivíduo a respeito de ocorrências e variações diversas.

20
1.3.2 - Transceptores Móveis de Sinais de Rádio

São dispositivos eletrônicos, em formato de etiqueta, fixados no lado interno dos


pára-brisas dos veículos autorizados a circular pela faixa exclusiva. Estes dispositivos
contêm uma série de informações que podem ser enviadas com o veículo em
movimento. O envio ocorre de maneira que este pacote de informações possa ser
captado por um outro equipamento transceptor, porém fixo na rodovia.
Ao passar por uma seção determinada, o TAG, denominação comumente
utilizada, recebe um sinal que funciona como uma solicitação, já que, automaticamente,
este responde enviando um outro sinal que possui informações diversas sobre o veículo,
como por exemplo: número de registro, placa do veículo e linha operada. A instalação
destes equipamentos na frota ocorre de forma criteriosa. Uma vez instalado, este
equipamento só pode ser removido se destruído, já que carrega uma matriz de
informações particulares de cada veículo.

1.3.3 - Transceptores Fixos de Sinais de Rádio

Estes equipamentos são responsáveis pela transmissão dos dados contidos nos
TAGs. Dispostos na rodovia, são eles que solicitam as informações aos veículos, que os
acionam através de laços indutivos, recebem estas informações, caso o veículo possua
um TAG funcionando, e as repassa para a Unidade Central de Controle.
No caso de haver uma resposta inválida, ou inexistir resposta, o equipamento
transceptor atua diretamente no subsistema de fotografia, que realiza sua função,
ficando a identificação do veículo a posteriori.

1.3.4 – Subsistema de Fotografia Digital

É o subsistema responsável por registrar imagens de veículos transgressores na


faixa exclusiva. As câmeras fotográficas digitais devem sempre atuar dispostas em
conjunto com algum equipamento que seja capaz de verificar se cada veículo encontra-
se em condição regular na faixa exclusiva, no instante em que este ocupa uma posição
conhecida, passível de ser fotografado, definida pela seção onde ocorrerá a verificação.
No caso específico da fiscalização de permissão para circular na faixa exclusiva,
deverão ser utilizados elementos transceptores de sinais de rádio dispostos tanto na

21
rodovia como nos veículos autorizados, o que permite a identificação automática. Estes
dispositivos funcionam como verdadeiros autenticadores em conjunto com os laços
indutivos.
Ao ser acionado um laço, no caso de não ocorrer a autenticação, ocorre o
comando que aciona uma das câmeras, produzindo a imagem do veículo infrator e
enviando-a instantaneamente à unidade central de processamento através da mesma
tecnologia de transmissão via rádio

1.3.5 - Unidade Central de Processamento

A Unidade Central de Processamento (UCP) é um microcomputador,


funcionando como concentrador de todas as informações do sistema. Trata-se do
subsistema que interfere diretamente com todos os demais através de interfaces
distintas, no caso dos equipamentos dispostos em via: laços indutivos e painéis de
mensagens, a comunicação ocorre por sinais de rádio ou outro sistema equivalente. No
caso de um controlador computacional, por ser um software instalado, residente no
próprio hardware, a interação ocorre através do sistema operacional da UCP, qualquer
que seja este.
A UCP recebe, processa, armazena e envia dados. Recebe os dados dos laços
indutivos, processa-os e envia dados para o controlador. Do controlador a UCP recebe
dados que são processados fazendo com que informações sejam enviadas para os
usuários através dos painéis de mensagens variáveis.
A UCP também armazena dados recebidos das Câmeras Digitais e dos
Transceptores Fixos de Sinais de Rádio, que contém as informações sobre os veículos
autorizados. É possível associar o código do veículo identificado à hora da ocorrência,
possibilitando inclusive o cálculo da velocidade média dos ônibus em trechos entre
transceptores.
Ao obter para um par de laços qualquer, dois vetores do tipo já tratado na Seção
1.3.1, a UCP calcula o fluxo de tráfego, a velocidade e classifica o veículo de acordo
com o porte. Considerando não haver tráfego de caminhões nestas rodovias, é possível
afirmar que um veículo de porte grande é um ônibus.
Sejam os vetores {1, S1, L1, HI1, HF1, TO1} e {1, S1, L2, HI2, HF2, TO2} um
par de vetores enviados por dois laços indutivos de uma mesma seção. Tomando estes

22
vetores, o computador é capaz de calcular o fluxo de tráfego, obter a velocidade e
classificar a frota, realizando algumas operações simples que serão descritas a seguir:

Determinação dos Fluxos Veiculares:


(Fluxo Veicular/faixa) = Total de pares de vetores recebidos por faixa em uma unidade
de tempo em uma determinada seção.
(Fluxo Veicular) = Total de pares de vetores recebidos em uma unidade de tempo em
uma determinada seção.

Determinação da velocidade instantânea de um veículo em uma seção de uma faixa:


(Velocidade) = (D/(HI2 – HI1)), sendo D a distância entre laços conhecida.

Classificação da Frota:
(Comprimento do Veículo) = MÉDIA((Velocidade)*(TO2), (Velocidade)*(TO1))
Se (Comprimento do Veículo)>L então trata-se de um Ônibus.

Observa-se que as variáveis mensuradas: (Fluxo, Velocidade, Composição) são


aquelas comumente observadas por operadores rodoviários nos centros de controle
através de circuitos fechados de televisão. Com base em observações de imagens, um
operador pode avaliar as condições de tráfego e tomar decisões observando a evolução
dos valores destas variáveis ao longo de um determinado período. Justamente a tarefa
que será proposta ao controlador, que no lugar de imagens utilizará os dados coletados e
modelados pelo sistema.

1.3.6 – Controlador

É o software utilizado para definir os horários de funcionamento das faixas em


regime exclusivo, melhorando o nível de serviço para os ônibus. O resultado de uma
definição adequada destes horários proporciona aumento da velocidade comercial e
conseqüente redução dos tempos de viagem, priorizando o fluxo de passageiros na
rodovia. Uma outra característica desejada é que seja evitada a reserva de capacidade
em períodos em que não ocorram benefícios ao transporte público devido ao uso de
faixas exclusivas.

23
O controlador deve possuir um comportamento o mais semelhante possível ao de
um controlador humano. Ao analisar uma seqüência de imagens da rodovia, um
operador humano poderia, com base em seus conhecimentos, estimar o benefício que
haveria para o transporte público no caso de uma faixa passar a operar em regime
exclusivo a partir daquele momento. Da mesma forma é possível que verifique a partir
de que momento a reversão do estado da faixa para o tráfego misto não mais
modificaria o desempenho do sistema de transporte público.
No caso de um controlador fuzzy, para os dados obtidos em campo, que
possuem valores numéricos, são relacionados valores fuzzy, expressos por termos
lingüísticos. De acordo com os valores mensurados, são atribuídos graus de verdade
para cada um destes termos lingüísticos, que representam a possibilidade de que tal
afirmação seja verdadeira. Atribui-se então para cada valor mensurado um vetor de
pertinência. É o processo de fuzzyficação.
Após a aplicação das regras definidas, o controlador obtém um resultado que
pode, de acordo com o estado atual da faixa, representar a possibilidade de ocorrer ou
não benefício para o transporte público devido à reserva de capacidade viária em um
determinado trecho em um dado período. Este resultado só pode, portanto, ser
representado por dois valores: “Faixa Exclusiva” ou “Faixa Não-exclusiva”. Trata-se da
defuzzyficação.
Significa que deve ocorrer uma saída do controlador que represente, de fato, uma
ação do sistema sobre o processo. Neste caso, a ação do sistema é a modificação do
estado da faixa através do envio de informações para painéis de mensagens dispostos na
rodovia.

1.3.7 – Painéis de Mensagens Variáveis

São painéis compostos por LEDs (Light Emitting Diode), que reproduzem
mensagens previamente definidas. Conectados diretamente à Unidade Central de
Processamento, estes equipamentos servem principalmente para informar aos usuários
da via se a faixa se encontra em regime exclusivo de operação ou não.
De acordo com a estrutura proposta para o sistema de controle, as mensagens
são enviadas pela UCP aos painéis sob forma de uma saída que é resultante do
processamento do sinal de entrada proveniente do Controlador Fuzzy.

24
A disposição e quantidade de painéis na rodovia seguem determinados critérios.
A quantidade mínima destes painéis está diretamente ligada ao número de acessos à via.
É necessário que haja um PMV para cada um acesso à via. Garante-se, portanto, que
todos os usuários serão informados do estado de uso da faixa logo que acessarem a
rodovia.

1.4 - Entradas e Saídas

Considerando os subsistemas tratados, deve-se definir o conjunto de entradas e


saídas pertinente a cada um destes. Também é necessário definir uma notação adequada.
As notações utilizadas serão as seguintes, sendo m e n números naturais:
• SSm é o subsistema de número m
• um,n é a n-ésima entrada do subsistema de número m.
• ym,n é a n-ésima saída do subsistema de número m.

SS1 - Laços Indutivos (LI)


Objetivo: Detectar a presença de um veículo sobre uma seção de uma faixa rodoviária.
Entrada
u1,1 = Passagem de um veículo pela seção em que encontra-se.
Saída
y1,1 = Sinal de rádio de valor igual a um.
y1,2 = Sinal elétrico de valor igual a um.

SS2 – Transceptores Móveis de Sinais de Rádio (TAG)


Objetivo: Identificar os veículos autorizados.
Entrada
u2,1 = Solicitação via rádio de código identificador.
Saída
y2,1 = Emissão via rádio de código identificador.

25
SS3 – Transceptores Fixos de Sinais de Rádio (TFSR)
Objetivo: Receber e transmitir códigos recebidos de veículos portadores de TAG
Entradas
u3,1 = Sinal indicativo de presença de veículo.
u3,2 = Código identificador de veículo autorizado válido.
Saídas
y3,1 = Acionamento da câmera fotográfica.
y3,2 = Código identificador de veículo autorizado
y3,3 = Solicitação via rádio de código identificador.

SS4 – Subsistema de Fotografia Digital (SFD)


Objetivo: Produzir fotografias de veículos infratores.
Entradas
u4,1 = Comando de acionamento.
Saídas
y4,1 = Fotografia de veículo não autorizado transitando em faixa exclusiva.

SS5 – Unidade Central de Processamento (UCP)


Objetivo: Receber, processar, armazenar e enviar dados ou informações.
Entradas
u5,1 = Comandos sobre exibição de mensagens dos painéis
u5,2 = Arquivo digital contendo foto de veículo infrator
u5,3 = Código identificador de veículo autorizado
u5,4 =.Sinal de rádio indicando laço indutivo ocupado
Saídas
y5,1 = Dados sobre o padrão de tráfego
y5,2 = Alteração de Mensagem dos PMVs

SS6 – Controlador (CTRL)


Objetivo: Definir os horários de alteração do estado das faixas exclusivas.
Entrada
u6,1 = Dados sobre o padrão de tráfego
Saída
y6,1 = Alteração do regime de uso das faixas.

26
SS7 – Painéis de Mensagens Variáveis (PMV)
Objetivo: Exibir mensagens aos usuários da rodovia.
Entrada
u7,1 = Definição da mensagem a exibir
Saída
y7,1 = Exibição de Mensagem.

1.5 - Equações do Sistema

Serão apresentadas a seguir, na TABELA 1, as equações de constrangimento,


que definem as inter-relações entre os subsistemas. Estas equações relacionam entradas
e saídas de subsistemas distintos e diretamente conectados através de uma espécie de
superfície imaginária que permite o fluxo de informações, matéria e/ou energia entre os
mesmos. Estas superfícies são chamadas interfaces de constrangimento. O sistema
também está sujeito a trocar entradas e saídas com o meio ambiente, pois sistemas são
abertos e existem dentro de sistemas – premissas da Teoria Geral de Sistemas

Tabela 2 – Equações de Constrangimento do Sistema


SS1 SS2 SS3 SS4 SS5 SS6 SS7
(LI) (TAG) (TFSR) (SFD) (UCP) (CTRL) (PMV)
u1,1 = u2,1 = y3,3 u3,1 = y1,2 u4,1 = y3,1 u5,1 = y6,1 u6,1 = y5,1 u7,1 = y5,2
Passagem y2,1 = u3,2 u3,2 = y2,1 y4,1 = u5,2 u5,2 = y4,1 y6,1 = u5,1 y7,1 =
de um y3,1 = u4,1 u5,3 = y3,2 Mensagem
Veículo y3,2 = u5,3 u5,4 = y1,1 em Painel
y1,1 = u5,4 y3,3 = u2,1 y5,1 = u6,1
y1,2 = u3,1 y5,2 = u7,1

27
1.6 - Modelo Conceitual Simbólico

A Figura 7 traz o Modelo Conceitual Simbólico do Sistema de Controle


Rodoviário típico, proposto neste trabalho para a implementação do Controlador Fuzzy.
Observa-se até então que maior ênfase vem sendo dada às interações entre os
subsistemas, à percepção global, e não aos detalhes a estes pertinentes, priorizando o
estudo dos efeitos destas interações em detrimento da natureza das mesmas.
Verifica-se a semelhança entre a estrutura do sistema proposto e a estrutura de
sistemas controlados por operadores humanos em Centros de Controle Operacional de
Rodovias com circuito fechado de televisão. Os dados sobre o padrão de tráfego, em
tempo real, neste caso são obtidos diretamente pela observação das imagens. O operador
não tem como objetivo conhecer estes valores exatamente, pois toma decisões com base
na observação de variações e ocorrências que lhe permitem realizar inferências.

Figura 7 – Modelo Conceitual Simbólico do Sistema de Controle Tráfego Rodoviário

y3,2 = u5,3

y4,1 = u5,2

y6,1 = u5,1

y5,1 = u6,1
SS6
(CTRL)
SS5
(UCP)
y1,1 = u5,4 y5,2 = u7,1

u1,1 SS1 SS7 y7,1


(LI) y(PMV)
2,1 = u4,1

SS4
y1,2 = u3,1 y3,1 = u4,1 (SFD)
SS3
(TFSR) y3,3 = u2,1
SS2
u2,2
y3,1 =(TAG)

y2,1 = u3,2

28
Capítulo IV – Metodologia Proposta

1 – O Controlador Fuzzy

A intenção de adotar um Controlador Fuzzy para gerenciar o uso de faixas


exclusivas ocorre quando se pensa em adotar um sistema de controle automático capaz
de agregar características de operadores humanos. Desta forma torna-se necessário
tratar da forma como serão identificadas as características de um típico operador
humano de um sistema rodoviário com este objetivo e características.
Considerando o processo a ser controlado, este pode ser definido como um
processo de movimentação de pessoas, onde se deseja maximizar o fluxo. A definição
de um modelo deste processo seria uma alternativa para que fosse possível realizar esta
maximização, porém foi feita a opção por definir um modelo do operador do processo.
A idéia de obter um modelo matemático preciso do processo é abandonada
devido ao fato de que o número de variáveis que seriam necessárias para uma fiel
descrição dos fenômenos seria grande o suficiente para que o modelo tivesse
comprometida sua relevância. De acordo com Zadeh:

“Conforme a complexidade de um sistema aumenta, nossa habilidade de fazer


afirmações precisas e significativas sobre seu comportamento diminui, até um
limiar em que precisão e relevância tornam-se praticamente características
mutuamente exclusivas” (SHAW, SIMÕES, 1999).

A utilização da Lógica Fuzzy permite identificar e implementar em um


Controlador Fuzzy a experiência do operador e sua forma de decidir sobre o problema
em questão. Verifica-se a capacidade de operadores de processos de naturezas diversas
realizarem com sucesso inferências sobre o mesmo de forma intuitiva, sem que seja
necessário conhecer os valores numéricos das variáveis envolvidas. Um operador
considerado experiente, acumula um maior número de observações anteriores que
utiliza na formulação de previsões sobre o processo. Segundo SHAW, SIMÕES (1999),
“O poder associado à utilização de lógica fuzzy é servir de ponte entre o conhecimento
empírico e uma implementação computacional”

29
1.1 – Estrutura do Controlador

A estrutura definida será a de um Controlador Fuzzy baseado em regras. A


escolha deste tipo ocorre devido ao fato de que em comparação aos outros dois tipos -
paramétrico e baseado em equações relacionais - a estrutura baseada em regras é a que
mais se aproxima da idéia inicial de utilização da lógica fuzzy já que inclui o
comportamento humano de maneira direta, através da implementação da base de
conhecimento do controlador.
A base de conhecimento do Controlador Fuzzy é composta por funções de
pertinência, que compõem sua base dados, e por implicações verbais que compõem sua
base de regras.
A obtenção das regras fuzzy e das funções de pertinência para o sistema tratado
podem ocorrer com base em resultados de entrevistas com operadores experientes. Tais
entrevistas devem ocorrer principalmente em situações quando o projetista do
Controlador Fuzzy desconheça as características do processo. O objetivo das entrevistas
é obter as características dos profissionais e especialistas entrevistados.
Outras possibilidades incluem a definição da base de conhecimentos, ou de parte
dela, a partir dos conhecimentos prévios do próprio projetista e também da utilização de
relações físicas entre as variáveis envolvidas (SHAW, SIMÕES, 1999).
Em ambos os casos, a base de conhecimentos pode ser alterada, caso seja
necessário, na fase de avaliação dos resultados do Controlador Fuzzy. É possível
começar a calibrar o modelo do Controlador Fuzzy ainda durante a fase de projeto.
Durante a operação do sistema, se forem verificadas situações em que a decisão do
Controlador Fuzzy vem sendo inadequada ou mesmo incompatível com a realidade,
deve-se alterar a base de conhecimentos novamente até que se obtenha a resposta
adequada.

1.2 – Variáveis de Entrada

A escolha das variáveis de entrada deve levar em consideração o fato de o


Controlador Fuzzy estar sendo proposto para a tarefa de substituir um operador humano.
O ideal é que sejam utilizadas variáveis cujos possíveis valores expressem, ainda que
indiretamente, o nível de serviço observado por um operador através de imagens da
rodovia.

30
O nível de serviço na rodovia é um conjunto de variáveis observáveis pelo
operador. A relação existente entre as variáveis que compõem o nível de serviço e as
variáveis de entrada do sistema requer que estas variáveis sejam escolhidas dentre
aquelas que o sistema pode obter, em tempo real, com a estrutura adotada..
Variáveis qualitativas também são observadas pelo operador, por exemplo: Grau
de Liberdade de Mudança de Faixa pode ser considerado uma variável qualitativa. A
utilização destas variáveis requereria uma medição indireta. Seus valores só podem ser
obtidos através das relações entre estas variáveis e aquelas possíveis de serem obtidas
pelo sistema.
A opção por variáveis quantitativas que caracterizem o padrão de tráfego será
feita devido ao fato de serem eliminados erros inerentes à aplicação de relações
matemáticas necessárias à obtenção dos valores das variáveis qualitativas. O sistema
proposto é capaz de obter o fluxo de tráfego, a velocidade instantânea dos veículos e a
classificação da frota.
Considerando estas variáveis como sendo funções do tempo, já que variam
durante o dia, é possível obter suas variações em períodos determinados. É possível,
através da comparação entre um valor medido num determinado instante e outro medido
num instante anterior, para uma mesma variável, avaliar se seu valor diminuiu,
manteve-se estável ou aumentou. Sucessivas avaliações deste tipo permitem avaliar se
os valores observados estão diminuindo, estáveis, ou aumentando.
Ao usar este tipo de variável, a intenção é a de incorporar o aspecto de
observação da dinâmica do processo, característica notória do ser humano. É possível
que um operador realize previsões futuras com base na observação das condições
presentes, antecipando decisões ou antevendo o momento de tomá-las. O Controlador
Fuzzy ao reconhecer a ocorrência de determinados padrões e tendências, emula o
comportamento do operador, passando nitidamente a impressão de que realiza previsões
da mesma forma.
As variáveis escolhidas como entradas do Controlador Fuzzy referem-se a cada
seção onde haja instrumentos de medição. A escolha de variáveis da cinemática é
adequada quando se pretende que um controlador computacional comporte-se em suas
decisões conforme se comporta um operador humano que observa o tráfego na rodovia.
A utilização do fluxo de tráfego como variável de entrada não poderia produzir
resultados adequados se esta variável fosse avaliada individualmente. Haveria a
possibilidade de ocorrência de mesmos valores de fluxo de tráfego em condições de

31
fluxo livre ou saturado. Ou seja, havendo baixa concentração e alta velocidade ou alta
concentração e baixa velocidade pode-se observar o mesmo fluxo veicular.
A velocidade, quando diminui, representa atraso no tempo de percurso
independentemente dos valores de outras variáveis envolvidas. Verifique-se que o que
se deseja é justamente reduzir o atraso do tempo de percurso dos ônibus com a
utilização de uma faixa exclusiva em determinados períodos.
A variação da velocidade, além de ocorrer devido a variações da demanda, pode
também acontecer devido a variações de capacidade ao longo da via. O processamento
desta variável também incorpora ao sistema uma avaliação indireta de características
geométricas da rodovia, como por exemplo a variação do número de faixas, a
ocorrência de trechos em curvas e a existência de rampas. A avaliação desta variável
permite antecipar as decisões de iniciar e encerrar as operações em faixas exclusivas,
conforme a avaliação destas tendências.
Pretende-se que uma faixa seja utilizada como exclusiva para ônibus em horários
de baixas velocidades, porém deve-se considerar que caso a variação da velocidade seja
negativa, esta terá seu valor ainda mais reduzido após a restrição de uso da faixa
exclusiva. A análise da variável aceleração pelo Controlador Fuzzy permite uma
mudança mais suave do estado das faixas, e evita que ocorram erros inerentes à
avaliação exclusiva da velocidade.
De acordo com a forma pela qual a variável será disponibilizada pelo sistema, é
possível avaliar se uma variação de velocidade observada trata-se de uma verdadeira
tendência, ou de uma variação pontual, Ao longo do tempo podem ocorrer variações
isoladas da velocidade, porém a modelagem dos dados permite que seja reduzido o
efeito gerado por variações isoladas sobre a decisão do Controlador Fuzzy.
É necessário definir variáveis que permitam ao Controlador Fuzzy identificar
situações em que a análise das duas variáveis, velocidade e variação da velocidade,
forneceria uma decisão inadequada quanto à reserva de capacidade em via para o
transporte público. Devido a isso torna-se necessário incluir o Percentual de Ônibus no
Fluxo como uma variável de entrada do sistema, de forma que influencie na decisão
sobre o uso das faixas exclusivas. A observação dos valores desta variável permitirá
construir regras que evitem o uso da faixa em caráter exclusivo em horários de baixo
fluxo de ônibus.

32
Desta forma, deverão ser consideradas as seguintes variáveis de entrada do
Controlador Fuzzy, obtidas sempre em conjunto em cada seção instrumentada:

• V - Média das Velocidades


• DV - Variação da Média das Velocidades
• P - Percentual de Ônibus no Fluxo

2 - Modelagem dos Dados de Entrada

Antes de perturbarem, de fato, o Controlador Fuzzy, os dados obtidos pelo


sistema devem ser modelados. Estas entradas devem ter seus valores obtidos pelo
subsistema UCP, que é o microcomputador que recebe os dados provenientes dos
sensores rodoviários. A verdade é que os dados recebidos dos sensores pela UCP são
apenas sinais elétricos, cujo valor unitário arbitrado anteriormente representa a presença
de um veículo sobre a seção.
Os dados de entrada são obtidos continuamente, a cada passagem de veículo pela
rodovia. Estes dados têm caráter individual, pois referem-se a um único veículo do
fluxo. Cada veículo gera um conjunto de dados para o sistema. Outro fato é que estes
dados somente são obtidos em determinadas seções distribuídas ao longo da via
segundo critérios de projeto.
A modelagem dos dados servirá para obtê-los de maneira equivalente à forma
como são observados pelo operador, transformando dados individuais dos veículos em
dados pertinentes a todo o fluxo veicular, e admitindo que o padrão de tráfego
observado em uma determinada seção é válido no trecho que contém a seção.

Cálculo de V - Média das Velocidades na seção S e intervalo I

Trata-se da média das velocidades instantâneas medidas na seção. Para que se


obtenham valores capazes de representar uma situação atual, propõe-se o cálculo de
médias móveis das velocidades instantâneas. Será realizado o cálculo da média a cada
intervalo previamente determinado, considerando-se sempre os mais recentes valores
observados durante um período superior ao intervalo entre o cálculo de uma média e o
cálculo da média seguinte. Estes períodos devem ser suficientemente pequenos para que

33
pequena também seja a dispersão entre os valores observados causada pela variação do
fluxo de tráfego entre observações de valores consecutivos.
Os valores devem ser calculados desta forma, visando suavizar o efeito de
variações inesperadas que porventura venham a ocorrer, evitando que a generalização
de ocorrências pontuais induza o Controlador Fuzzy a erros de interpretação
normalmente evitados pelo ser humano, já que descarta valores atípicos dentro de um
universo de valores tipicamente observados.
As medições obtidas em uma seção, consideradas para o cálculo das médias
podem ser escritas como conjuntos de dados relacionados a um determinado intervalo.
Calculando o valor médio dos elementos destes conjuntos, obtêm-se as saídas para o
Controlador Fuzzy.

• Seja V(S, I) a entrada do controlador, onde V é Média das velocidades dos


veículos, S é a seção onde ocorreram as medições e I é o intervalo em que as
medições foram realizadas.
• Seja v(S, I) = {v1, v2, ..., vN} onde v(S, I) o conjunto dos N valores de
velocidade mensurados na seção S durante o intervalo I .
• V(S, I) = Média (v1, v2, ..., vN)

Cálculo de DV - Variação da Média das Velocidades na seção S e intervalo I

Os critérios estabelecidos para o cálculo desta variável servem para obter uma
análise constante da variação da velocidade média do fluxo que seja capaz de reduzir o
efeito de variações pontuais em torno dos valores mensurados. Reduções ou
incrementos da velocidade média, podem em alguns casos representar variações
decorrentes de eventos isolados. Um operador humano ao perceber uma variação de
uma determinada variável em um processo qualquer, aguarda novas observações para
confirmar ou não a validade desta tendência.
Esta variável deverá servir inclusive para a construção de regras que permitirão
ao controlador evitar erros de avaliação, que resultariam em decisões equivocadas. É
importante verificar a variação da variável V, entre um intervalo de medição e outro
consecutivo. Ocorrendo variação da velocidade média na seção, devem-se realizar
novas medições que possam confirmar a tendência da variação medida anteriormente.

34
• Seja DV(S, I) a entrada do controlador, onde DV é Variação da Média das
Velocidades, S é a seção onde ocorreu a medição das velocidades e I é o
intervalo em que o cálculo de DV foi realizado.
• dv(S, I) = (V(S, I) / V(S, I0)) – (1), onde dv é uma variável auxiliar e I0 é o
intervalo imediatamente anterior ao intervalo I
• Para I variando de n-m a n, onde n é o intervalo de interesse e m é o total de
intervalos considerados suficientes para aceitar uma tendência de aumento
ou redução da velocidade do fluxo.

DV(S, n) = Média {dv(S, n), dv(S, n-1), ..., dv(S, n-m)}

Cálculo do Percentual de Ônibus no Fluxo na seção S e intervalo I

Sempre com a intenção de projetar um Controlador Fuzzy capaz de tomar


decisões compatíveis com as de operadores humanos, propõe-se a modelagem dos
dados de entrada. Com os sensores, no caso laços indutivos dispostos aos pares, o
sistema é capaz de identificar o porte do veículo. A avaliação da presença de ônibus no
fluxo deve considerar a proporção destes veículos no fluxo e não somente a quantidade
observada.
Um outro tipo de erro que se pretende evitar, ao analisar esta proporção, é a
avaliação incorreta de comboios de ônibus eventualmente formados. Deve-se garantir
que o percentual seja calculado ao longo de períodos curtos o suficiente para que a
variação da oferta não interfira no cálculo durante um mesmo período, e longos o
suficiente para mitigar o efeito sobre o resultado causado por possíveis ocorrências de
pelotões de ônibus.

• Seja P(S, I) a entrada do controlador, onde P é o percentual de ônibus no


fluxo, S é a seção onde ocorreram as classificações e I é o intervalo em que o
cálculo foi realizado
• Seja O a variável que acumula o total de ônibus no período
• Seja F a variável que totaliza o fluxo no período
• P(S, I) = O(S, I) / F(S, I)

35
3 - Variável de Saída

A variável de saída deve traduzir o benefício gerado para o sistema de transporte


público por ônibus. Servindo como fator decisivo para tornar exclusiva ou não uma das
faixas de rolamento, de acordo com um estado atual. Avaliando as variáveis de entrada,
um operador humano, baseado em experiências próprias, instantaneamente avalia este
benefício e decide fechar ou abrir a faixa para o tráfego misto.
A verdadeira de saída defuzzyficada do Controlador Fuzzy pode ser considerada
como passível de assumir somente dois valores: SIM ou NÃO, pois o sistema está sendo
proposto para auxiliar em uma tomada de decisão. Independentemente do estado atual
das faixas, deve-se optar por modificar o tipo de uso ou permanecer com o uso atual,
porém a resposta positiva ou negativa somente pode ser obtida a partir da análise de
uma variável de saída.
A variável de saída, referindo-se a algum tipo de benefício gerado ao transporte
público com o uso de faixas exclusivas, pode ser transformada em um Índice de
Recomendação de Uso das Faixas Exclusivas. Dependendo do valor gerado pelo
Controlador Fuzzy para o índice de recomendação, se acima de um valor limite
determinado, indica recomendação de uso da faixa exclusiva (valor SIM); se abaixo do
limite indica a não recomendação de uso da faixa exclusiva (valor NÃO).
A avaliação de um determinado padrão de tráfego gera expectativas ao operador
a respeito da modificação da velocidade e consequentemente do tempo de percurso dos
ônibus em faixa exclusiva. Um operador verifica a indicação de reservar capacidade em
via para o transporte público ao perceber que esta atitude reduziria o tempo de percurso
dos ônibus devido à faixa exclusiva. De forma antagônica, o operador decide liberar a
faixa ao tráfego misto a partir do momento em que suas observações indicam não mais
haver redução neste tempo.
Propõe-se que a variável de saída seja a Redução Percentual Estimada do Tempo
de Percurso dos Ônibus em Faixa Exclusiva, sendo esta estimativa realizada pelo
Controlador Fuzzy. O valor percentual é estimado através da razão entre o tempo de
percurso esperado com a faixa exclusiva e o padrão de tráfego atual, e o tempo de
percurso nas mesmas condições de tráfego sem o uso de faixas exclusivas.
Importante é definir qual é o percentual limite de redução do tempo de percurso
que deverá fazer com que o Controlador Fuzzy altere o estado da faixa. Admitindo que,
para valores percentuais de redução maiores ou iguais ao limite, o Controlador Fuzzy

36
favorece o transporte público e, para valores menores, desconsidera a operação em faixa
exclusiva, a definição deste limite constitui uma decisão gerencial, depende de
considerações técnicas, porém também deve ser estabelecida de acordo com a política
de transporte.
Os valores atribuídos durante o projeto de um sistema de controle fuzzy podem
ser alterados, caso haja diferenças entre resultados esperados e resultados obtidos. Estas
alterações conferem ao sistema características de sistema inteligente, pois o sistema tem
sua base de conhecimento aprimorada a cada alteração bem sucedida.

4 - Universos de Discurso

Estabelecidas as variáveis de entrada e saída, torna-se necessário definir seus


respectivos universos de discurso e conjuntos de termos lingüísticos. Para cada variável
de entrada, o conjunto de termos contém os rótulos que poderão ser atribuídos após a
obtenção dos dados na rodovia. Já os universos de discurso, são conjuntos que contém
para cada variável os possíveis valores a serem obtidos.
Verifica-se que para cada valor pertencente ao universo de discurso, existe um
valor no intervalo [0,1] associado a cada rótulo do conjunto de termos. Estes valores
representam a possibilidade de que a variável medida possa ser rotulada por cada um
deles. Em outras palavras, para cada ponto do universo de discurso existe um vetor de
possibilidades do tipo {P1, P2,..., Pn}, onde P representa a possibilidade do valor obtido
pertencer ao conjunto fuzzy definido pelos termos lingüísticos ordenados de 1 até n.
Considerando que cada termo lingüístico é um conjunto fuzzy, os elementos do
vetor também podem ser chamados graus de pertinência, pois expressam a possibilidade
de um determinado elemento pertencer a cada um destes conjuntos.

37
Variáveis de Entrada:

• Média das Velocidades


Símbolo: V
Unidade: km/h
Universo de Discurso: U(V) = [0, 120]
Conjunto de Termos Lingüísticos: T(v) = {baixa, média, alta}
Observações: Como o Universo de Discurso é um conjunto finito, considera-se
120 km/h uma Média de Velocidades suficientemente alta para que não seja
alcançada, sendo assim, ocorrências acima deste valor deverão ser truncadas em
120 km/h.

• Variação da Média das Velocidades


Símbolo: DV
Unidade: Percentual
Universo de Discurso: U(DV) = [-1, 1]
Conjunto de Termos Lingüísticos: T(dv) = {diminuindo, estável, aumentando}
Observações: O valor -1 representa que o tráfego na rodovia foi interrompido,
pois indica que houve 100% de redução na velocidade, já o valor 1 é um limite
teórico, pois podem ocorrer incrementos de velocidade que superam o valor
atual da velocidade. Nestes casos os valores devem ser truncados em 1, já que
valores superiores indicariam a mesma possibilidade de a velocidade estar
aumentando.

• Percentual de Ônibus no Fluxo


Símbolo: P
Unidade: Percentual
Universo de Discurso: U(P) = [0,100]
Conjunto de Termos Lingüísticos: T(p) = {pequeno, médio, grande}
Observações: O cálculo do percentual de ônibus será obtido conforme descrito
anteriormente, considerando o cálculo a cada intervalo a ser definido, e
considerando períodos de duração determinada.

38
Variável de Saída:

• Redução Estimada do Tempo de Percurso dos Ônibus em Faixa


Exclusiva
Símbolo: R
Unidade: Percentual
Universo de Discurso: U(R) = [0, 100]
Conjunto de Termos Lingüísticos: T(r) = {desprezível, razoável, considerável}
Observações: Conhecido o tempo de percurso dos ônibus em tráfego misto em
condições desfavoráveis de nível de serviço, pode-se estimar uma redução
percentual deste tempo calculando a razão entre os tempos de percurso com a
faixa exclusiva e o tempo de percurso sem a faixa exclusiva, em um dado
momento em uma seção qualquer. O limite superior a 100%, para redução do
tempo de percurso, é um limite puramente teórico; já o limite inferior, 0% indica
que não há qualquer redução do tempo de percurso com o uso das faixas
exclusivas, em um dado momento, em uma dada seção.

5 - Obtenção das Funções de Pertinência

A tarefa a seguir, das etapas de projeto do Controlador Fuzzy, é a que possui


maior grau de empirismo. No caso de serem consultados especialistas em operação de
faixas exclusivas de caráter reversível, a tarefa empírica traduzir-se-ia em definir
funções que descrevessem com fidelidade os dados coletados através de entrevistas.
A proposta do trabalho é que estas funções sejam definidas com base em
conhecimentos prévios e em relações físicas notoriamente conhecidas existentes entre as
variáveis de entrada e saída, já que não foi realizada qualquer entrevista.
Independentemente da forma de obtenção, cabe a realização de ajustes posteriores
nestas funções.
Como outros programas existentes no mercado, este software possibilita projetar
e simular o funcionamento de controladores fuzzy através de uma interface gráfica. As
vantagens do uso de um software, qualquer que seja ele, estão nas facilidades
proporcionadas pela interface gráfica destes programas. Após as simulações, os
softwares permitem, a qualquer tempo, alterar parâmetros da base de conhecimento do

39
Controlador Fuzzy, mesmo após o início da operação, permitindo corrigir erros que na
fase de projeto não tenham sido eliminados.
Serão definidas as funções de pertinência para cada termo lingüístico definido,
as funções devem ter formatos triangulares ou trapezoidais, supondo variações lineares
entre os graus de pertinência mínimos e máximos de cada um dos termos adotados.
Funções de pertinência triangulares indicam que o valor de pertinência máximo
de um determinado termo somente pode ocorrer em um ponto. Há um único valor no
universo de discurso cuja pertinência é igual a um, para um determinado conjunto
fuzzy. Funções trapezoidais indicam que um mesmo valor de pertinência pode ser
atribuído a um intervalo de valores dentro do mesmo universo de discurso.
Tomando como exemplo uma variável qualquer, cujo conjunto de termos fosse
T={pequeno, médio, grande}, é possível que a partir de um determinado valor t,
considerado “grande” cujo grau de pertinência é igual a um, todos os valores maiores
que t também tenham pertinências iguais a um, conferindo um formato trapezoidal à
função de pertinência.
Neste mesmo exemplo, poderia ser considerada triangular a função de
pertinência do termo lingüístico “médio”, já que, qualquer que seja a variação em torno
do valor pontual para o qual foi atribuído grau de pertinência um, esta possibilidade já
diminui para uma fração entre zero e um, aproximando-se dos valores pequeno ou
grande, de acordo com o sinal desta variação.

6 - Fuzzyficação das Variáveis de Entrada

Obtidas as variáveis em uma determinada seção e um determinado instante, estes


valores serão fuzzyficados pelo Controlador Fuzzy, observando suas respectivas
pertinências a cada conjunto fuzzy pertencente ao universo de discurso da respectiva
variável. A teoria das possibilidades prevê que para cada ponto de um universo de
discurso existe um vetor de possibilidades cujos elementos representam as
possibilidades, no intervalo [0, 1], de que este ponto seja considerado membro de um
determinado conjunto fuzzy.
O vetor de possibilidades, descrevendo uma característica intrínseca do
Controlador Fuzzy, contém os valores que de fato serão operados pelas regras fuzzy.
Observando as funções de pertinência, verifica-se que foram definidos três conjuntos
fuzzy para cada universo de discurso. Considerando-se um ponto qualquer em um

40
destes universos, o vetor de possibilidades tem os valores de seus três elementos
definidos como sendo o conjunto das distâncias entre o eixo horizontal e as curvas
definidas pelas funções de pertinência.
Um mesmo valor mensurado de uma das variáveis de entrada, ou obtido para a
variável de saída pode ser considerado pertinente a mais de um conjunto fuzzy dentro
do mesmo universo de discurso. Um dos principais cuidados na aplicação e
compreensão da lógica fuzzy é a correta interpretação do significado de possibilidade
em contraposição ao conceito de probabilidade.
Os vetores de possibilidade contêm os graus de pertinência e são indispensáveis
para a execução das regras fuzzy, pois permitem a compatibilização e operação entre
variáveis observadas em diferentes universos de discursos. O resultado obtido, ou seja, a
saída obtida por um sistema fuzzy depende da análise em conjunto de variáveis de
naturezas distintas, que diferem inclusive em suas unidades de medidas, porém guardam
entre si relações conhecidas por especialistas.
A capacidade de tornar compatíveis variáveis distintas observadas e produzir
decisões é mesmo uma característica do ser humano. A fuzzyficação é o processo que
em um sistema fuzzy emula esta compatibilização de variáveis que um indivíduo realiza
ainda que involuntariamente.

7 - Base de Regras

As regras fuzzy serão executadas a cada intervalo de tempo igual ao definido


para o cálculo das variáveis em uma seção. Estas regras constituem a estrutura do
Controlador Fuzzy, podem ser obtidas segundo experiências de operadores humanos e
são expressas da seguinte maneira:

• SE (Condição) ENTÃO (Conseqüência)

Uma característica de um bloco de regras fuzzy é que todas as regras são


executadas ao mesmo tempo, em paralelo, e não em série. Desta forma pode-se através
da atribuição de pesos às regras, também chamados Graus de Suporte das regras,
estabelecer importâncias relativas para cada uma delas. A avaliação de regras em
paralelo reduz as demandas por tempo de processamento e recursos computacionais, de
forma que sistemas de controle fuzzy podem ser aplicados a controle de processos em

41
tempo real. No caso do controle de uso de faixas exclusivas pretende-se que o intervalo
entre as execuções da base de regras seja pequeno o bastante para que o controle ocorra
desta forma, em tempo real.
As regras fuzzy são agrupadas em blocos. Os chamados blocos de regras são
parte fundamental da base de conhecimento dos controladores fuzzy. O Controlador
Fuzzy recorre à verificação das regras para a tomada de decisão. No caso da estrutura
adotada, com base em conhecimentos prévios através da definição de expressões verbais
de relações físicas existentes entre as variáveis de entrada e a variável de saída.
Para o sistema de controle das faixas exclusivas propõe-se a criação de um único
bloco de regras fuzzy. O bloco, contendo regras para a decisão de definir o estado da
faixa em uma seção isolada. Também será proposta a criação de um segundo bloco
contendo regras que permitem decidir sobre o estado da faixa ao longo da rodovia,
porém este bloco é constituído por regras determinísticas. Trata-se de um interpretador
de saídas, externo ao Controlador Fuzzy e interno à UCP.
Somente é possível definir o estado de uma faixa exclusiva ao longo de um
trecho conhecendo-se os resultados obtidos pelo Controlador Fuzzy em cada uma das
seções instrumentadas. Desta forma, as saídas do primeiro bloco de regras, são as
entradas do segundo.
A variável de saída do segundo bloco é a mesma variável de entrada. Devido ao
processamento das regras, os valores das variáveis poderão ser alterados, por conta da
necessidade de se obter um conjunto de saídas coerentes com o objetivo da faixa
exclusiva: proporcionar maior fluidez ao sistema ônibus apenas em locais e horários
onde exista, de fato, o benefício considerado suficiente para superar os custos de
mobilidade gerados aos demais usuários da rodovia. Pretende-se além da característica
de priorização do transporte público durante períodos vaiáveis, obter uma priorização ao
longo de trechos variáveis.
Desta forma o projeto do Controlador Fuzzy seria o representado na Figura 8,
considerando um modelo simplificado onde haja apenas uma seção sendo considerada,
bastando estender o procedimento realizado em uma seção para todas as demais.

42
Figura 8 – Projeto do Controlador Fuzzy Dedicado a uma única seção
Rodoviária

UNIDADE CENTRAL DE PROCESSAMENTO

Controlador
Fuzzy

Primeiro
V
Bloco
de Regras Segundo PMV
Laços Interpretador
DV R Bloco
Indutivos de Entradas Funções de SIM
de Regras
Pertinência NÃO
P

No caso particular apresentado, a variável de saída R tem o mesmo valor após o


processamento pelo segundo bloco de regras, pois se há apenas uma seção considerada
deve-se presumir que esta seção representa todo o trecho. Num exemplo de aplicação
prática deste sistema, inclusive no estudo de caso a ser realizado no capítulo IV, o
conjunto de variáveis produzido como saída pelo primeiro bloco de regras poderá ter
elementos cujos valores serão alterados pelo segundo bloco de regras.
A atuação do segundo bloco não tem intuito de corrigir os valores resultantes da
execução do primeiro bloco, tendo em vista que estes são calculados em uma
determinada seção e possuem validade no entorno da mesma. A atuação deste segundo
bloco visa, sim, adequar os resultados para que a saída possa ser interpretada e produzir
os efeitos esperados, evitando a descontinuidade do caráter exclusivo de uma faixa e ao
mesmo tempo evitando tornar a faixa exclusiva em trechos muito curtos, já que estas
regras do segundo bloco relacionam entre si as saídas obtidas em cada uma das seções.
O processamento das variáveis de entrada ocorre em duas camadas. Na primeira
ocorrem decisões pertinentes a seções específicas; na segunda ocorrem os
processamentos entre valores obtidos na primeira camada, evitando descontinuidades e
preparando um conjunto de saídas que pode ser interpretado pela Unidade Central de
Processamento como sendo comandos para a alteração das mensagens nos painéis.
A questão da descontinuidade poderia gerar conflitos excessivos de
entrelaçamento entre dois trechos consecutivos da faixa exclusiva, ao longo do trecho

43
onde não ocorra a exclusividade. Poderia ocorrer ocupação e desocupação da faixa por
veículos de passeio ao longo de um trecho curto. A utilização de pequenos trechos
isolados de faixa exclusiva também não é recomendada pelo mesmo motivo. Neste caso,
a ocupação da faixa ocorreria em seguida à desocupação, considerando que os esforços
de fiscalização e educação sejam suficientes para que todos os usuários respeitem o uso
das faixas determinado pelas mensagens exibidas em painéis.
Uma questão importante a ser considerada é o fato de que, apesar da saída do
primeiro bloco de regras tratar-se da mesma variável de entrada do segundo bloco,
deve-se observar a variação entre seus universos de discurso. Isto porque o primeiro é
definido abrangendo todos os possíveis valores teóricos. Já o segundo é definido pelos
valores limites, inferior e superior, possíveis de serem obtidos pela base de
conhecimento do Controlador Fuzzy. Matematicamente, estes valores limites ocorrem
devido aos métodos de defuzzyficação.

8 - Defuzzyficação da Variável de Saída

Obtida a saída do Controlador Fuzzy, esta trata-se de um determinado valor


dentro do universo de discurso da variável de saída. Trata-se do processo de
defuzzyficação, necessário para que o valor fuzzy calculado pelo controlador ganhe um
significado prático, ou seja, represente uma ação de fato, denotada pelo valor discreto
pertinente ao universo de discurso da variável de saída. No caso da faixa exclusiva, a
saída defuzzyficada representa a ação de alterar ou manter o estado da faixa.
Desta forma, consideram-se somente dois possíveis valores de saída após o
processo da defuzzyficação: Faixa Exclusiva e Faixa Não-exclusiva, ou seja SIM ou
NÃO. Como o processamento final é feito para todo o trecho da rodovia, existem um
conjunto de saídas defuzzyficadas e um conjunto de saídas interpretadas. A ação de
alterar o estado da faixa traduz-se em modificar as mensagens de painéis de mensagens
variáveis e ativar ou desativar os subsistemas de fiscalização.
As saídas defuzzyficadas representam um conjunto de percentuais de redução
estimada de tempo de percurso, obtidos para cada trecho da rodovia, já as saídas
interpretadas, que são utilizadas pela UCP para variar mensagens, constituem conjuntos
de valores SIM ou NÃO, associados a cada um dos painéis de mensagens.
Deve-se estabelecer qual será o valor limite dentro do universo de discurso da
variável de saída que identifica o ponto a partir do qual ocorre a tomada de decisão

44
sobre o estado da faixa. Este valor de redução esperada do tempo de percurso representa
uma redução percentual mínima, previamente determinada, suficiente para que o
operador, baseado inclusive em decisões gerenciais, implemente a reserva de
capacidade para o transporte público.
A defuzzyficação requer a escolha de um método. Desta forma, será realizada de
duas maneiras. Uma, utilizando o Método C-o-M, Método do Centro dos Máximos,
também conhecido como método das alturas que calcula o valor defuzzyficado
igualando-o à abscissa da reta vertical que contém o ponto de equilíbrio de um sistema
de vetores gerado com o processamento do bloco de regras.
Outra, será também utilizando o Método C-o-A, Método do Centro das Áreas,
também conhecido como método do centróide, que atribui o valor defuzzyficado à
abscissa da reta vertical que contém o centróide da área do polígono resultante da
aplicação das regras fuzzy e utilização das funções de pertinência.
As Figuras 9 e 10 mostram como exemplo três valores defuzzyficados pelo
método das alturas e pelo método do centróide, respectivamente.

Figura 9 – Defuzzyficação pelo Método das Alturas – C-o-M

Figura 10 – Defuzzyficação pelo Método do Centróide – C-o-A

45
9 – Implementação do Sistema de Controle Fuzzy

Neste capítulo será discutida a estratégia de implementação do sistema a ser


adotada, já que a disposição e localização dos equipamentos devem ocorrer de forma
criteriosa, levando-se em conta os aspectos físicos e práticos condicionantes. Os
critérios de implantação servem também para otimizar o uso dos equipamentos,
compatibilizando-os às principais atividades do sistema: coleta de dados de tráfego,
fiscalização de uso da faixa e comunicação com usuários.
Com respeito ao sistema, tratou-se de sua estrutura, definindo seus subsistemas,
entradas, saídas, equações de constrangimento e modelo conceitual simbólico. Não
serão, porém, discutidos os meios de comunicação entre os subsistemas. Principalmente
entre hardware e software. Admite-se que existam vários softwares e equipamentos
necessários a permitir que seja viável a interação entre os subsistemas que não serão
discutidos no trabalho.

9.1 – Periféricos

Os Periféricos são equipamentos conectados à Unidade Central de


Processamento através de um meio de comunicação qualquer. No sistema já descrito
tratam-se de Laços Indutivos, Transceptores Fixos de Sinais de Rádio, Câmeras
Fotográficas Digitais e Painéis de Mensagens Variáveis.
Os subsistemas serão dispostos a seguir na Tabela 3, conforme as atividades em
que estão envolvidos:

Tabela 3 – Subsistemas e Suas Respectivas Atividades


Coleta de Fiscalização Comunicação
Periférico
Dados de Uso com Usuários
Laços Indutivos SIM SIM NÃO
Transceptores Fixos de Sinais de NÃO SIM NÃO
Rádio
Câmeras Fotográficas Digitais NÃO SIM NÃO
Painéis de Mensagens Variáveis. NÃO NÃO NÃO

46
Observa-se que a fiscalização de uso funciona com um conjunto de três
subsistemas, formando postos de fiscalização, e que os laços indutivos podem participar
deste conjunto ou funcionar aos pares como verdadeiros postos de coleta de dados.
Deve haver postos de coleta de dados, fiscalização de uso e painéis de comunicação
com usuários em quantidade compatível com a extensão do trecho rodoviário tratado.
Tecnicamente, é possível definir seções rodoviárias onde a realização de
qualquer destas atividades seja suficiente para suprir a demanda ao longo de um trecho.
Definido então um número ótimo de seções instrumentadas, obtêm-se dados
representativos de todos os trechos da rodovia e fornecem-se informações para todos os
usuários.
Os periféricos de obtenção de dados de tráfego, ou seja, os pares de laços
indutivos devem ser locados na rodovia sempre ao longo de toda a seção rodoviária,
definindo-se um número de pares por seção igual ao número de faixas da mesma. A
escolha das seções deve levar em consideração a localização de acessos e saídas da
rodovia, tendo em vista as variações de padrão de tráfego, geradas pela variação dos
fluxos entre estes trechos anteriores e posteriores a acessos. Também deve ser
considerada, na tarefa de locar estes sensores, a localização de trechos e pontos onde
ocorram variações de capacidade devido a aspectos geométricos, como curvas
horizontais, rampas e variação do número de faixas. Consideradas estas observações,
pretende-se determinar a localização das seções instrumentadas e também os trechos
cujas características podem, sem comprometer a validade dos dados, ser assumidas
como idênticas à destas seções.
A implementação de postos de fiscalização eletrônica é importante para a
operação das faixas. O uso indevido das faixas por veículos de passeio em horários de
uso exclusivo de ônibus comprometeria o desempenho das mesmas. A proposta de
localização destes postos é que seja feita de forma que todos os veículos que
ingressarem na rodovia passem por, no mínimo, um posto, qualquer que seja o trecho
em que transitarem.
Sistemas de fiscalização eletrônica requerem análises preliminares à sua
implantação, inclusive previstas por normas da legislação vigente, para que se justifique
sua necessidade através de estudos comprobatórios das conseqüências indesejáveis
decorrentes da falta de fiscalização e do benefício causado pela aplicação destes
métodos automáticos.

47
A inserção dos painéis de mensagens variáveis também deve obedecer a
critérios. Todos os usuários da rodovia devem receber de painéis as mensagens
necessárias e suficientes para que abandonem a faixa exclusiva com segurança antes de
passarem por postos de fiscalização. Os PMVs devem anteceder sempre os postos de
fiscalização, guardando distância segura para a ocorrência dos movimentos de
entrelaçamento.
Com relação aos postos de coleta de dados, os painéis de mensagem têm uma
relação direta com estes pois em cada seção instrumentada há um painel associado,
responsável por exibir a mensagem definida pelo sistema de controle referente ao trecho
subseqüente. Iniciado sempre com um painel de mensagens, os trechos devem possuir
um par de laços indutivos instalados na metade deste percurso entre um painel e o
próximo.

9.2 – Unidade Central de Processamento

A Unidade Central de Processamento é um microcomputador cuja função é


receber informações, entradas proveniente dos hardwares periféricos, e disponibiliza-
las para o Controlador Fuzzy, que é um software. Além destas funções, este
microcomputador deve funcionar também como servidor de rede, possibilitando acesso
a vários tipos de informações para vários tipos de clientes: gestores, operadores e
comunidade.
A instalação da Unidade Central de Processamento deve obedecer a critérios de
proteção normalmente utilizados por provedores de rede, como por exemplo: gravação
de dados em duplicidade e proteção contra falta de energia. A localização desta unidade
depende da tecnologia empregada na telecomunicação entre a UCP e seus periféricos.

48
9.3 – Softwares

O Controlador Fuzzy proposto será baseado em software. Será um conjunto de


regras escrito em uma linguagem computacional qualquer que possa ser executado em
um microcomputador. Além de ser possível gerar um Controlador Fuzzy a partir de
linguagens de programação, há no mercado softwares específicos para esta finalidade,
os quais facilitam bastante principalmente devido à interface gráfica de que dispõem.
Uma outra possibilidade de implementação, inadequada no caso deste projeto, é
a implementação do Controlador Fuzzy em hardware, alternativa mais adequada para a
produção de máquinas dedicadas.
Além do Controlador Fuzzy há outros softwares envolvidos no sistema controle,
também residentes na Unidade Central de Processamento. Estes programas não se
baseiam necessariamente em lógica fuzzy, representam códigos que possibilitam a
comunicação entre equipamentos, a modelagem dos dados de entrada e a interpretação
dos dados de saída. Também permitem a geração de bancos de dados e de relatórios
diversos.

49
Capítulo V – Estudo de Caso da Rodovia RJ-071 (Linha Vermelha)

1 – Estudo de Caso

Nesta etapa do trabalho, o que se pretende é demonstrar uma aplicação prática da


teoria dos conjuntos, dos sistemas e da modelagem fuzzy a uma rodovia específica.
Tratou-se até então de questões relativas ao controle de tráfego em vias metropolitanas
que possuam faixas exclusivas para estes veículos de maneira generalizada, aplicando
os conceitos e considerando os aspectos teóricos discutidos previamente.
Todas as referências até aqui foram feitas a uma rodovia qualquer, desde que
possuindo determinadas características. A aplicação do sistema requer a verificação de
características geométricas da rodovia. São necessárias no mínimo duas faixas por
sentido, sendo uma delas a faixa a ser controlada. Deve-se também observar as
características de uso, já que propõe-se um sistema aplicável a corredores
metropolitanos cuja demanda tenha característica pendular, formada em sua maior parte
por viagens casa-trabalho-casa.
Adotando a metodologia desenvolvida e a teoria considerada nos capítulos
anteriores, pretende-se projetar um sistema de controle de uso de faixas exclusivas na
rodovia RJ-071, comumente tratada como Linha Vermelha realizando um estudo de
caso detalhado até o ponto em que seja possível utilizar este trabalho como ferramenta
de apoio a uma implementação de fato do sistema nesta via.
O estabelecimento de valores tratados anteriormente que não tenham sido
realizados e a aplicação de conceitos que até então foram somente discutidos, serão
tarefas a serem completadas neste estudo de caso. Com o exemplo de aplicação aliado
ao embasamento teórico, pretende-se que o trabalho possa servir como fonte de consulta
para futuras implementações de estratégias de controle fuzzy inclusive em outras
rodovias. É desejável também que as informações produzidas contribuam para o avanço
de projetos baseados em lógica fuzzy, ainda que suas aplicações não sejam sequer
correlatas à questão do transporte rodoviário de passageiros.

50
1.1 – A Opção pela Linha Vermelha

A opção pela Linha Vermelha de início ocorre devido ao fato de que se deseja
aplicar o sistema fuzzy a uma via metropolitana. Foi definida como área de estudo a
Região Metropolitana do Rio de Janeiro (RMRJ). Dentre as ligações entre as regiões
que compõem a RMRJ, optou-se por uma ligação bastante importante em termos de
total anual de passageiros transportados: a ligação Baixada Fluminense – Centro do Rio
de Janeiro.
A Tabela 4 demonstra a importância da ligação Baixada Fluminense – Rio de
Janeiro. A ligação Baixada-Centro inclui-se nesta ligação. Das ligações existentes entre
regiões-programa, definidas pelo Departamento de Transporte Rodoviário do Rio de
Janeiro (DETRO-RJ), a ligação entre os municípios da Baixada e o Rio de Janeiro
figura como a mais importante em termos de volume de passageiros transportados por
ano.

Tabela 4 – Passageiros Transportados entre as Regiões Programa na Região


Metropolitana do Rio de Janeiro

REGIÃO METROPOLITANA (milhões de passageiros/ano)

Baixada Fluminense Rio de Janeiro Baixada Litorânea

Baixada Fluminense 135,002 189,306 3,921

Rio de Janeiro ----- 4,105 34,775

Baixada Litorânea ----- ----- 96,275

TOTAL GERAL 463,384


ANO 2001 (FONTE: DETRO-RJ)

Nem todos os municípios da Baixada Fluminense são atendidos pela Linha


Vermelha, há alguns que não teriam parte nos benefícios gerados pela implementação
de qualquer projeto nesta rodovia. Na relação de municípios beneficiados, consideram-
se Duque de Caxias, Nova Iguaçu, São João de Meriti, Belford Roxo, Queimados,
Nilópolis, Mesquita, Magé e Guapimirim. Excluem-se, portanto, os municípios de
Seropédica, Paracambi, Japeri e Itaguaí. Apesar destes também integrarem a Baixada

51
Fluminense, as linhas provenientes dos mesmos realizam rotas que utilizam a Avenida
Brasil como via de ligação ao Centro.
De acordo com dados do Anuário Estatístico do DETRO-RJ do Ano 2001, a
mais recente edição publicada, as viagens entre os municípios da Baixada Fluminense,
atendidos pela Linha Vermelha (Duque de Caxias, Nova Iguaçu, São João de Meriti,
Belford Roxo, Queimados, Nilópolis, Mesquita, Magé e Guapimirim) e o Centro
Comercial do Rio de Janeiro, correspondem a 10% das viagens realizadas em todo o
sistema intermunicipal do Estado do Rio, tendo transportado no ano de 2001 um total de
56,5 milhões de passageiros distribuídos em 133 linhas.
Além das vias coletoras, o sistema viário disponível nesta ligação é composto
por duas vias arteriais onde seria possível propor o estudo de caso: A Avenida Brasil e a
própria Linha Vermelha, verdadeiros corredores metropolitanos, que interligam os
municípios da Baixada Fluminense ao Centro do Rio de Janeiro. Tendo em vista o fato
de a Avenida Brasil ser uma via cuja jurisdição é municipal - da Prefeitura da Cidade do
Rio de Janeiro – e propiciar grande movimentação de passageiros que realizam viagens
internas ao município, considera-se preferível a Linha Vermelha, pois caracteriza-se
melhor como via metropolitana. Outro fato considerado na escolha é que a Avenida
Brasil já possui implantadas faixas exclusivas, que funcionam permanentemente neste
regime de uso.
De início, deve-se admitir a existência de duas faixas exclusivas no fluxo, sendo
uma por sentido, localizadas na faixa da esquerda e que possuem o caráter exclusivo
reversível ao longo do dia. Um aspecto particular da Linha Vermelha a ser considerado,
é a seção onde ocorre a ligação entre a primeira e a segunda etapa da Linha Vermelha
Neste trecho, propõe-se a descontinuidade das faixas exclusivas.

2 – Projeto do Sistema Fuzzy de Controle Rodoviário na Linha Vermelha

O projeto do sistema de controle terá enfoque na decisão sobre o regime de uso


das faixas, verificando-se o objetivo de maximizar o fluxo de passageiros na rodovia,
através da redução do tempo de percurso dos ônibus em faixa exclusiva. Será realizado
o projeto do sistema, e em seguida o detalhamento do Controlador Fuzzy.

52
Os subsistemas envolvidos apenas nas atividades de fiscalização terão seus
critérios de localização tratados, porém não serão localizados, devido ao fato de que,
apesar de fazerem parte do sistema e de terem uma importância fundamental para o bom
desempenho das faixas, estes subsistemas não serão locados pois não interferem com o
Controlador Fuzzy, somente com a Unidade Central de Processamento, sendo baseados
em procedimentos determinísticos.
Mais adequado neste caso é definir como critério que todo veículo que venha a
ingressar na rodovia seja fiscalizado pelo menos uma vez, independentemente do trecho
que percorra. Assim, os postos de fiscalização vão existir em todos os trechos entre
acessos à rodovia, assegurando esta condição.

2.1 - Locação dos Periféricos

A locação dos periféricos permite que seja definido o modelo do sistema, haja
vista que a posição da seção é considerada pela base de conhecimento do Controlador
Fuzzy, tanto pelo bloco de regras fuzzy, que somente relaciona dados da mesma seção
rodoviária, quanto pelo bloco interpretador de saídas, que relaciona os dados de todos os
trechos da rodovia.
Os pares de laços indutivos deverão ser utilizados em quantidade suficiente para
que o conjunto de dados coletados seja de fato representativo de toda a rodovia. Desta
forma deverão ser distribuídos: no mínimo um par por faixa, a cada trecho entre vias de
acesso à Linha Vermelha, de maneira que possam ser percebidas variações no padrão de
tráfego causadas pela variação nos fluxos entre trechos. Será utilizada uma quantidade
maior que a mínima, distribuindo os laços de maneira uniforme, sendo um par por faixa
a cada dois quilômetros.
Considerando a extensão da rodovia, de 20,5km, as seções serão numeradas em
ordem crescente, de um a dez no sentido Baixada-Centro e de onze a vinte no sentido
contrário. Cada instrumento de medição estará relacionado a um Painel de Mensagem
Variável. Uma menor quantidade de laços indutivos e de painéis de mensagens seria
possível segundo o critério adotado, porém optou-se por utilizar este número,
considerado suficiente para o estudo de caso, devido ao fato de serem muito variáveis os
comprimentos dos trechos entre vias de acesso.

53
Os Painéis de Mensagens Variáveis antecedem sempre um par de laços, pois
servem para antecipar aos usuários o estado em que se encontra a faixa em um trecho
qualquer. Como os dados são coletados por laços indutivos a cada dois quilômetros em
seções definidas, os painéis exibirão mensagens referentes a cada trecho de 2km entre
painéis. Os painéis poderão exibir as mensagens: “Faixa Exclusiva”, “Faixa Liberada”,
ou ainda “Faixa Exclusiva A Dkm”, onde D é a distância em quilômetros até o próximo
painel na pista de mesmo sentido que esteja exibindo a mensagem de faixa exclusiva.
A locação dos equipamentos é demonstrada na Figura 11 através de diagramas
unifilares construídos para cada uma das pistas, sentidos Baixada-Centro e Centro-
Baixada respectivamente. Os pares de laços são distribuídos a cada 2km, do km1 +
250m ao km19 + 250m, em cada pista da rodovia. Os painéis de mensagens são locados
desde o km20 + 250m até o km2 + 250m na pista sentido Centro e desde o km0 + 250m
até o km18 + 250m na pista sentido Baixada.

54
Figura 11 – Diagramas Unifilares das Pistas da RJ-071

RIO DE JANEIRO
km0 Pista Sentido
PMV - Trecho 11 Centro
km0 + 250m do Rio
Laços Indutivos de Janeiro
km1 + 250m
PMV - Trecho 11 PMV - Trecho 10
km2 + 250m km2 + 250m
Laços Indutivos
km3 + 250m
PMV - Trecho 12 PMV – Trecho 9
km4 + 250m km4 + 250m
Laços Indutivos
km5 + 250m
PMV - Trecho 13 PMV - Trecho 8
km6 + 250m km6 + 250m
Laços Indutivos
km7 + 250m
PMV - Trecho 14 PMV - Trecho 7
km8 + 250m km8 + 250m
Laços Indutivos
Km9 + 250m
PMV - Trecho 15 PMV - Trecho 6
km10 + 250m km10 + 250m
Laços Indutivos
km11 + 250m
PMV - Trecho 16 PMV - Trecho 5
km12 + 250m km12 + 250m
Laços Indutivos
km13 + 250m
PMV - Trecho 17 PMV - Trecho 4
km14 + 250m km14 + 250m
Laços Indutivos
km15 + 250m
PMV - Trecho 18 PMV - Trecho 3
km16 + 250m km16 + 250m
Laços Indutivos
km17 + 250m
PMV - Trecho 19 PMV - Trecho 2
km18 + 250m km18 + 250m
Laços Indutivos
Km19 + 250m
Pista PMV - Trecho 1
Sentido km20 + 250m
Baixada BAIXADA FLUMINENSE
Fluminense km20,5

55
2.2 - Instalação da UCP

A Unidade Central de Processamento deverá ser instalada no Centro de Controle


Operacional da Linha Vermelha, facilitando a obtenção de dados dos periféricos pois já
existe na rodovia um sistema de transmissão de dados entre Rodovia e CCO, que é
utilizado pelo circuito fechado de televisão instalado na RJ-071. Assim, parte da infra-
estrutura pode ser aproveitada, de acordo com a tecnologia que emprega, que é de
transmissão via rádio.
A localização no próprio CCO também facilitaria a obtenção de dados para o
planejamento de médio e longo prazo, já que deverá funcionar na condição de servidor
de rede local de computadores. Vários outros dados, embora não sejam dados de entrada
para o Controlador Fuzzy, são importantes para outras etapas do planejamento
rodoviário e podem ser obtidos apenas com a implementação de softwares, sem a
necessidade de aduzir ao sistema novos custos de equipamentos ou recursos humanos.
Como os laços indutivos são instalados por faixa de rolamento, os dados de cada
seção podem ser desagregados por faixa, por tipo de veículo e por período (com ou sem
faixa exclusiva). Além dos dados já obtidos para o Controlador Fuzzy, também pode ser
obtido o fluxo de tráfego. Este dado também, da mesma forma, pode ser desagregado.

2.3 - Subsistemas

Os subsistemas numerados na forma SSm, com m variando em [1, 20], são


subsistemas de detecção de presença de veículos, ou seja, sensores formados por laços
indutivos. Os sensores são considerados elementos indispensáveis nas aplicações de
lógica fuzzy em controle de processos, pois permitem que sejam realizadas as medições
necessárias para que o sistema perceba as variáveis envolvidas. Os resultados das
medições são valores discretos, enquanto que os resultados de percepções são valores
fuzzy (ZADEH, 2001).
O subsistema SS21 é a Unidade Central de Processamento (UCP), um
microcomputador, servidor de rede, onde encontram-se instalados o Controlador Fuzzy
e todos os outros softwares necessários para a operação do sistema. Verifica-se que
todos os periféricos, encontram-se conectados ao servidor, portanto além de permitir a
modelagem dos dados para o controlador, este subsistema possibilita também que uma
decisão tomada pelo Controlador Fuzzy, composta por um conjunto de valores obtidos

56
com a defuzzyficação seja transformada em uma ação, que se resume a alterar as
mensagens variáveis nos painéis.
Os Painéis de Mensagens Variáveis, estão representados pelos Subsistemas
SSm, com m variando em [22, 41]. Verifica-se que cada painel recebe um comando
para exibir uma mensagem. O Controlador Fuzzy decide para toda a rodovia e envia os
dados em conjunto, sendo tarefa do software interpretador de saídas separar estes
elementos, interpretá-los, identificando as mensagens e os painéis que devem exibi-las e
comandar as exibições.

2.4 - Entradas e Saídas do Sistema

As entradas recebidas pelos laços indutivos são as presenças de veículos nas


seções em que se encontram dispostos. A forma como os sinais enviados e os instantes
relacionados aos sinais permitem ao software interpretador de entradas realizar o
cálculo das variáveis de entrada do controlador. Os dados são enviados
ininterruptamente e processados a cada intervalo definido. Os subsistemas presentes em
faixas de uma mesma seção de um mesmo sentido, podem ser representados uma única
vez no modelo do sistema.
A Unidade Central de Processamento recebe entradas provenientes de dois tipos
de subsistemas, os laços indutivos que são periféricos e o Controlador Fuzzy, que é
software residente na própria UCP. As entradas que vêm dos laços representam dados
para o cálculo de variáveis do padrão de tráfego - inclusive as que serão utilizadas pelo
Controlador Fuzzy. A entrada que a UCP recebe do Controlador Fuzzy é um conjunto
de valores defuzzyficados composto de 20 elementos. Após interpretados, os valores
resultam no estado de uso das faixas exclusivas ao longo da rodovia..
A cada intervalo de um minuto, o computador calcula e envia ao controlador as
suas variáveis de entrada, relativas a cada uma das seções. Conforme os valores gerados
pelo Controlador Fuzzy, que representam a sua decisão, são geradas então as saídas para
os painéis, indicando a mensagem adequada à exibição. O atraso entre o recebimento
dos dados de entrada e o envio dos dados de saída é desconsiderado.
Para o cálculo das saídas da UCP para o Controlador Fuzzy, considera-se que a
realização sempre a cada um minuto, considerando-se as observações dos cinco minutos
anteriores. São vinte conjuntos de três variáveis de entrada, calculadas a cada trecho. A
modelagem dos dados de entrada foi discutida na Seção 2 do Capítulo IV. As variáveis

57
são Velocidade Média na Seção, Variação da Velocidade Média na Seção e Percentual
de Ônibus no Fluxo. A saída do Controlador Fuzzy, não é enviada diretamente aos
painéis, mas enviada para a UCP, para que possa ser interpretada pelo segundo bloco de
regras, de onde partem as saídas para os painéis, sob a forma de comandos que alteram
ou não as mensagens.
Os Painéis de Mensagens Variáveis recebem entradas vindas da UCP que
indicam as mensagens a serem exibidas, contendo informações sobre quais LEDs
devem estar acesos. As saídas emitidas pelos painéis são suas mensagens para os
usuários. Como os laços indutivos, os painéis de mensagens variáveis representam
interfaces entre o sistema de controle e os usuários. As mensagens dos painéis podem
ser consideradas como o resultado das solicitações realizadas pelos próprios usuários
através da forma como conduzem e decidem realizar seus deslocamentos.
Após a modificação do estado da faixa em uma seção, instantaneamente
ocorrerão mudanças na maneira de os usuários conduzirem, iniciando imediatamente a
ocorrência de variações nos dados de tráfego, inclusive em seções anteriores no mesmo
sentido.
Ao optarem pelo transporte público ou particular, ao escolherem a hora de
realizar a viagem, e ao definirem sua maneira de conduzir, os usuários imprimem
entradas ao sistema. Da mesma forma que o sistema identifica o padrão de entradas
gerado pelos usuários, estes identificam um padrão de mensagens geradas pelo sistema.
Após a implementação das faixas, a médio e a longo prazo ocorrerão, por
conseqüência, mudanças também na escolha da hora da viagem e na opção entre
transporte público e particular.

2.5 – Modelo do Sistema

De acordo com o Modelo Conceitual Simbólico definido anteriormente na Seção


1.6 do Capítulo III, será definido o modelo do sistema de controle proposto para o caso
da Linha Vermelha. Há algumas diferenças entre os sistemas modelados. O sistema
anterior foi definido para uma única seção de um único sentido e incluía a função de
fiscalização. Nesta parte, o número de seções instrumentadas foi aumentado para vinte
e, como se deseja tratar apenas da decisão a ser tomada pelo Controlador Fuzzy, a
função de fiscalizar não foi considerada.

58
Como se deseja aplicar em uma maior quantidade de seções, nos dois sentidos,
haverá um maior número de subsistemas e de entradas e saídas a ser considerado,
diferentemente do modelo tratado para uma seção apenas. O modelo pode ser visto na
Figura 12. Verifica-se que os sensores compostos de laços indutivos foram agrupados
por seção, apesar de serem dispostos por faixa.
Uma observação necessária dá conta de que o modelo do sistema de controle
representa como uma única entrada todos os conjuntos de três variáveis de entrada do
Controlador Fuzzy medidas em uma mesma seção, porém a estrutura proposta
permanece a mesma definida.

59
Figura 12 – Modelo do Sistema de Controle de Faixas Exclusivas da RJ-071

SS1 SS22

SS2 SS23

SS3 SS24

SS4 SS25

SS5 SS26

SS6 SS27

SS7 SS28
SS21
SS8 Unidade Central de Processamento SS29
Controlador
SS9 SS30
Interpretador Interpretador
SS10 SS31
de Sinais de Fuzzy de Sinais de
Entrada Saída
SS11 SS32

SS12 SS33

SS13 SS34

SS14 SS35

SS15 SS36

SS16 SS37

SS17 SS38

SS18 SS39

SS19 SS40

SS20 SS41

60
2.6 - Inteligência do Sistema

Um dos motivos de o sistema ser considerado inteligente, é o fato de ser capaz


de gerar soluções criativas para situações inesperadas. O padrão de tráfego pode
experimentar variações instantâneas que o conjunto de mensagens será adequado à
situação correspondente, possibilitando uma implementação gradativa das faixas
exclusivas.
Fatores climáticos também influenciam no modo de os usuários conduzirem.
Nestes casos, o sistema percebe estas variações através dos dados coletados, adequando
o modo de operação das faixas. O sistema também identifica variações no padrão de
tráfego causadas por aumento da demanda em dias ou períodos atípicos no decorrer da
semana, do mês e do ano.
Variações do padrão de tráfego, decorrentes da mudança do uso do carro de
passeio para o uso do ônibus também são contempladas. Estas variações são verificadas
pelo controlador, que atua produzindo padrões de resposta que se alteram com a
modificação do padrão de uso da rodovia.
Durante o processo de escolha, as relações benefício/custo avaliadas pelos
usuários, tendem a ser modificadas devido à redução do custo de tempo no transporte
público e conseqüente aumento deste custo aos usuários de carro de passeio,
principalmente nos horário de maior demanda.
Outros fatores que, da mesma forma, influenciam as respostas do sistema são os
aumentos das frotas de veículos particulares e de ônibus. O crescimento da frota de
veículos particulares já é esperado, devido a fatores macroeconômicos. Para todos os
tipos de variações, o Controlador Fuzzy promove variações gradativas em suas saídas.
Mesmo para as variações instantâneas, as saídas, apesar de imediatas, são graduais em
suas implementações. A faixa exclusiva é implementada de forma seqüencial, evitando-
se trechos de interrupções e ao mesmo tempo evitando a faixa exclusiva em trechos
desnecessários ou considerados não apropriados.
A Inteligência também pode ser considerada como inserida no Controlador
Fuzzy sob a forma de base de conhecimento – conjunto de funções de pertinências e de
blocos de regras fuzzy, pois ambos, funções e regras, são extraídos de especialistas ou
gerados durante o projeto a partir de relações conhecidas. A possibilidade de alteração
da base de conhecimento do controlador confere ao sistema a capacidade de

61
aprendizado, já que funções e regras podem ser revistas e alteradas, calibrando o
sistema.
A calibração do sistema consiste em comparar dados coletados em campo e
verificar se a estimativa de redução do tempo de viagem dos ônibus em faixa exclusiva
realizada pelo controlador é equivalente à que ocorre de fato com a implementação da
faixa exclusiva. Embora o sistema, devido à modelagem, possa ser simulado e ter
verificada a coerência em seu funcionamento, o que será feito no Capítulo V, podem
ocorrer estas diferenças entre valores defuzzyficados obtidos e valores de fato
observados, mesmo no caso de os resultados serem coerentes. Alterando a base de
conhecimento corrigem-se quaisquer distorções.

3 - Base de Conhecimento do Controlador Fuzzy

Será definida a base de conhecimento do Controlador Fuzzy. Inicialmente serão


tratadas as funções de pertinência, constituindo sua base de dados. Após isto, serão
estabelecidas as proposições que compõem o bloco de regras fuzzy. Na ação do
Controlador Fuzzy todas as regras terão o mesmo peso, ou seja, os graus de suporte das
regras serão todos iguais à unidade.

3.1 - Funções de Pertinência

A seguir serão apresentadas as funções de pertinência, a atribuição de valores


numéricos para os pontos definidos por cada termo lingüístico faz parte do estudo de
caso. O objetivo é poder realizar com estes valores simulações do sistema que está
sendo proposto, verificando a coerência dos resultados obtidos pelo Controlador Fuzzy
composto por estas funções.
As funções serão apresentadas de forma gráfica, nas Figuras 13 a 16, obtidas
com o uso do software fuzzyTECH versão 5.54m. A descrição das variáveis, inclusive a
discussão sobre a escolha das mesmas foi realizada nos Itens 7.2 e 9.

62
Figura 13 – Funções de Pertinência da Variável de Entrada V

Figura 14 – Funções de Pertinência da Variável de Entrada DV

63
Figura 15 - Funções de Pertinência da Variável de Entrada P

Figura 16 - Funções de Pertinência da Variável de Saída R

Observando-se por exemplo as funções de pertinência da variável V, verifica-se


que uma entrada V = 100km/h tem possibilidade igual a 1 de ser uma velocidade alta, e
possibilidades iguais a 0 de ser média ou baixa. Um valor da entrada V = 50km/h tem
possibilidade 0 de ser uma alta velocidade, possibilidade 0.67 de ser média e 0.33 de ser
baixa. Respectivamente seriam obtidos os vetores de possibilidade ou vetores de
pertinência: V(100) = {0, 0, 1} e V(50) = {0.33, 0.67, 0}

64
3.2 – Definição do Bloco de Regras Fuzzy

Os blocos de regras, em conjunto com as funções de pertinência representam a


base de conhecimento contida no Controlador Fuzzy. Verifica-se que o processamento
das variáveis de entrada do Controlador Fuzzy ocorre em apenas um bloco de regras
fuzzy. Este bloco contém regras de decisão válidas para cada trecho isolado da rodovia
O bloco de regras fuzzy processa as entradas do Controlador Fuzzy e emite
saídas para um segundo bloco, de regras determinísticas, construído para tornar
compatíveis entre si os valores gerados pelas regras fuzzy, já que as saídas
defuzzyficadas, neste caso somente têm validade dentro dos trechos aos quais se
referem. Deseja-se obter um resultado ajustado pelo segundo bloco, sem invalidar os
resultados do bloco de regras fuzzy.
As regras do segundo bloco também serão definidas, em forma de algoritmo
estruturado, possível de ser desenvolvido em qualquer linguagem de programação de
computadores. O segundo bloco, através da UCP, processa as saídas do Controlador
Fuzzy e gera as saídas para os painéis de mensagens.
A seguir será definido o bloco de regras fuzzy. Todas as regras serão geradas de
forma que a identificação de um padrão de tráfego, quanto pior, leve o Controlador
Fuzzy a estimar uma redução maior do tempo de percurso em faixa exclusiva, tendo em
vista que o percentual é estimado considerando-se condições atuais de tráfego em cada
trecho da rodovia.
O bloco de regras considera os valores das três variáveis coletadas em uma seção
e gera uma variável de saída, realizando de maneira contínua, esta mesma operação
simultaneamente para as 20 seções instrumentadas. A variável de saída gerada considera
apenas a decisão para o trecho que contém a seção correspondente.
Não se pretende questionar a validade destes valores obtidos em decisões
localizadas em um único trecho, pois sabe-se que os resultados assim obtidos foram de
acordo com as funções de pertinência e o bloco de regras, e estes foram construídos com
base em conhecimento sobre o processo. Admite-se que o valor de saída seja verdadeiro
ao longo do trecho considerado, porém estes valores podem ser alterados na próxima
camada do processamento.

65
As saídas do primeiro bloco de regras não podem ser consideradas as saídas do
Sistema, pois, apesar de terem valores válidos dentro de seus respectivos intervalos de
obtenção na rodovia, ainda cabe o processamento inerente ao segundo bloco de regras,
que não são regras fuzzy, mas regras externas ao controlador que uniformizam os
valores de saídas defuzzyficadas, alterando, se necessário, os valores recebidos do
primeiro bloco.
Estas possíveis alterações serão acontecerão se o conjunto de resultados do
primeiro bloco não for conveniente para o que se espera do conjunto de trechos
analisados, embora sejam válidos os valores isolados de cada trecho. A seguir, na
Tabela 5 está representado o bloco de regras fuzzy. As regras todas possuem grau de
suporte igual a um.
Em negrito estão as palavras reservadas à programação (SE, ENTÃO),
independentemente da linguagem ou software que venha a ser utilizado para
desenvolver o Controlador Fuzzy. Os termos “E” e “OU” são operadores lógicos,
também possíveis de serem adotados por qualquer que seja o método de programação.
A utilização destes operadores reduz o número de regras, o tempo de processamento do
Controlador Fuzzy e a demanda por capacidade do computador.
Considerando-se três variáveis de entrada contendo três termos lingüísticos cada,
é possível realizar vinte e sete combinações entre estes termos, gerando vinte e sete
regras fuzzy.Verifica-se que o bloco é apresentado de forma comprimida. As regras
geradas foram somente nove, embora representem todas as regras possíveis. Durante o
processo de construção deste bloco de regras, verificou-se, através de simulações, que
os resultados obtidos são os mesmos para blocos contendo regras escritas
individualmente e de forma comprimida.

66
Tabela 5 - Bloco de Regras Fuzzy
# P V DV R
1 Pequeno Desprezível
2 Médio OU Grande Baixa Considerável
3 Médio OU Grande Média Diminuindo Considerável
4 Médio OU Grande Média Estável E Razoável
5 S Médio Média Aumentando N Desprezível
6 E Médio E Alta E T Desprezível
7 Grande Média Aumentando à Razoável
8 Grande Alta Diminuindo O Razoável
9 Grande Alta Estável OU Desprezível
Aumentando

Variáveis:
P – Percentual de Ônibus no Fluxo
V – Média das Velocidades na Seção
DV – Variação da Média das Velocidades na Seção
R – Redução Estimada do Tempo de Percurso dos Ônibus Em Faixa Exclusiva

Com a regra número 1, o bloco inicia demonstrando que o benefício gerado pela
faixa é avaliado considerando-se o benefício/ônibus e o total de ônibus a ser
beneficiado. Qualquer que seja o padrão de tráfego observado, o Controlador Fuzzy
deve decidir por não adotar a faixa exclusiva, ao verificar que não há ônibus suficiente
no fluxo para justificar o uso de uma das faixas como exclusiva.
As regras demonstram, em seu conjunto, que quanto maior é o percentual de
ônibus no fluxo, o Controlador Fuzzy torna-se menos tolerante aos sinais de
deterioração do nível de serviço na rodovia, e que para piores níveis de serviço, obtidos
com a análise dos valores das outras duas variáveis, o Controlador Fuzzy estima os
maiores valores de redução do tempo de percurso, haja vista que esta variável representa
um percentual relativo ao tempo de percurso nas condições observadas.

67
4 - Segundo Bloco de Regras

A etapa final do processamento ocorre no segundo bloco de regras. Este bloco


tem a função de interpretar as saídas do Controlador Fuzzy, contido na UCP, recebe
como entradas as saídas do Controlador Fuzzy. Enquanto o bloco anterior avalia dados
de tráfego e toma decisões visando trechos isolados, este bloco avalia as decisões
recomendadas a cada trecho e emite uma decisão abrangente a toda rodovia.
Na criação deste bloco consecutivo, deve-se considerar o fato de que apesar de a
variável de entrada ser a mesma variável de saída do bloco anterior, os universos de
discurso das variáveis são diferentes. O universo de discurso da variável de saída R é o
intervalo [0, 100]. Estes limites do intervalo são teóricos. O limite inferior representa
situações em que não há qualquer benefício com o uso de faixas exclusivas. O limite
superior indica situações em que o tempo de percurso torna-se zero, o que é, de fato, um
limite incompatível com a realidade.
De acordo com os valores mínimo e máximo obtidos pelo Controlador Fuzzy
para a variável de saída, será definido um novo universo de discurso onde os limites
inferior e superior representam respectivamente os valores que de fato podem ocorrer
para a redução mínima e máxima estimadas, quaisquer que sejam as condições de
tráfego observadas.
Pretende-se que algumas alterações de valores da variável R sejam realizadas em
alguns casos particulares. Considera-se que uma estratégia de operação ideal das faixas
exclusivas deve considerar a possibilidade de dividir a faixa, ao longo de um mesmo
sentido, em trechos exclusivos e não exclusivos. Adotando a solução somente em
alguns, onde forem esperados benefícios ao sistema de transporte público.
Repetidos movimentos de mudanças de faixas ao longo de trechos curtos
também são indesejáveis à operação, devido à geração de conflitos de entrelaçamento.
Estes movimentos ocorreriam caso houvesse até dois trechos onde o Controlador Fuzzy
emitisse sinal de saída, indicando faixa não-exclusiva, entre dois trechos onde o
Controlador Fuzzy sinalizasse faixa exclusiva. O segundo bloco de regras corrige esta
situação atribuindo novos valores para os trechos intermediários, valores que
representem um sinal indicativo de faixa exclusiva. Para trechos de faixa exclusiva
separados por três ou mais trechos de faixa não-exclusiva, o segundo bloco não atua
modificando valores emitidos pelo Controlador Fuzzy.

68
É necessário que este bloco de regras seja também capaz de evitar a ocorrência
de trechos isolados de faixa exclusiva. Caso ocorra indicação de faixa exclusiva em
trechos isolados, em um determinado conjunto de saídas do primeiro bloco, referente a
um mesmo sentido, o segundo bloco altera este valor, passando a representar faixa não-
exclusiva, antes que seja emitido o sinal de saída.
As entradas do segundo bloco são valores referentes a trechos independentes. O
modelo definido considera que estes valores são informados de maneira ordenada,
conforme os trechos a que se referem. As saídas deste bloco são conjuntos de valores
que representam SIM ou NÃO, onde o valor SIM indica faixa exclusiva e o valor NÃO
indica faixa não-exclusiva, em cada trecho da rodovia.
Os trechos 1 e 10, são respectivamente o primeiro e o último trecho da pista
sentido Centro. Os trechos 11 e 20 são respectivamente o primeiro e o último trecho da
pista sentido Baixada. Os demais são trechos intermediários. Todos os trechos têm 2km.
Os trechos de faixa exclusiva são de fato os trechos entre painéis de mensagens, e os
sensores localizam-se nas seções intermediárias de cada trecho.
Para utilização neste estudo de caso, o valor defuzzyficado igual a 15% é
considerado o valor limite de redução estimada de tempo de percurso dos ônibus em
faixa exclusiva, em um determinado trecho, que justifique a adoção da medida.
Significa que para saídas menores que este valor, a decisão é de manter ou tornar o
trecho não-exclusivo, e para saídas iguais ou maiores que o limite, a decisão é manter
ou tornar a faixa exclusiva. Neste trabalho não há intenção de garantir que este valor
seja de fato adequado. O valor 15% foi atribuído para que seja possível realizar o estudo
de caso, de forma que se verifique a aplicabilidade do Controlador Fuzzy ao controle de
uso das faixas.

69
As regras do Segundo Bloco, interpretador de saídas, serão listadas a seguir. As
palavras reservadas à programação estão em negrito:

1) Início
Para S = 10 até 3
Se u(S) ≥15 e u(S-1) < 15 e u(S-2) ≥15
Então u(S-1) := u(S)
Senão
Para S = 10 até 4
Se u(S) ≥ 15 e u(S-1) < 15 e u(S-2) < 15 e u(S-3) ≥ 15
Então u(S-1) := u(S) e u(S-2) := u(S)
Senão
Para S = 10 até 2
Se u(S) ≥ 15 e u(S-1) < 15
Então u(S) := u(S-1)
Fim.

2) Início
Para S = 20 até 13
Se u(S) ≥ 15 e u(S-1) < 15 e u(S-2) ≥ 15
Então u(S-1) := u(S)
Senão
Para S = 20 até 14
Se u(S) ≥ 15 e u(S-1) < 15 e u(S-2) < 15 e u(S-3) ≥ 15
Então u(S-1) := u(S) e u(S-2) := u(S)
Senão
Para S = 20 até 12
Se u(S) ≥ 15 e u(S-1) < 15
Então u(S) := u(S-1)
Fim.

Variáveis:
S – Número de Ordem da Seção
u(S) – Entrada Referente à Seção de Ordem S

70
De acordo com as regras definidas, o segundo bloco emite um conjunto de vinte
valores ordenados, sendo cada elemento deste conjunto resultado do processamento da
respectiva entrada que chega a este bloco. Os valores indicam o estado da faixa em cada
um dos trechos instrumentados. Verifica-se que o bloco divide-se em duas partes
distintas, nas quais as análises das pistas sentido Centro e sentido Baixada são realizadas
separadamente.
De acordo com o algoritmo que define as regras do segundo bloco, é possível
que se verifique claramente que pode em alguns casos ocorrer substituição de um ou
mais valores. Ainda que considerados inadequados, estes valores não são considerados
incorretos, dado o que individualmente representa cada um deles.

5 - Definição das Mensagens dos Painéis

A Unidade Central de Processamento (UCP) deve possuir meios de converter em


mensagens os valores emitidos pelas regras determinísticas do segundo bloco. A UCP
possui condições de executar as ações necessárias, que consistem em manter ou alterar
as mensagens em cada um dos painéis. A conversão de valores que inicialmente
representam SIM ou NÃO, no modelo desenvolvido, é considerada como sendo
executada no próprio interpretador de saídas, porém através de outras rotinas que não
fazem parte do segundo bloco de regras.
A interpretação dos dados é realizada em duas etapas: na primeira, o programa
converte os valores conforme as regras descritas na seção anterior; na segunda, o
sistema identifica os trechos, associando a estes valores os números de ordem das
seções.
Em princípio, bastaria inserir a mensagem “Faixa Exclusiva” em todos os
painéis de mensagens variáveis onde fosse obtido valor SIM, e a mensagem “Faixa
Liberada” nos PMVs onde houvesse sido associado o valor NÃO. A primeira regra seria
suficiente para o que se propõe aos painéis localizados em trechos exclusivos. A
segunda regra, porém, não seria adequada para o que se pretende com os painéis de
mensagens localizados em trechos de faixa não-exclusiva.
Mais adequado para estes equipamentos, se não estiverem exibindo a mensagem
de faixa exclusiva, é que exibam mensagens relativas ao estado da faixa em trechos
seguintes, do mesmo sentido, que porventura estejam operando em faixa exclusiva, esta
utilização é mais adequada do que exibir mensagem relativa ao estado do próprio

71
trecho, pois além de antecipar a informação aos usuários, evita que estes percebam
variações inesperadas no estado da faixa, além de fazer com que o conjunto de
mensagens exibidas em qualquer instante seja coerente ao longo da via.
A mensagem “Faixa Liberada” somente poderá ser exibida em painéis que não
estejam localizados antes de algum trecho de faixa exclusiva da pista de mesmo sentido.
Caso esta condição não seja verificada, é necessário que o painel exiba uma mensagem
do tipo “Faixa Exclusiva A Dkm”, sendo D a distância até o painel a que a mensagem se
refere.
É possível desenvolver procedimentos que realizem as escolhas das mensagens,
estabelecendo para cada trecho, ou seja, para cada painel, um conjunto de mensagens
possíveis. Após a verificação dos estados de cada trecho, o que deve ser feito é a
escolha de uma das mensagens para cada painel onde tenha sido atribuído o valor NÃO.
A mensagem será escolhida de acordo com a verificação das distancias destes
painéis de trechos não exclusivos, até o painel mais próximo onde tenha sido atribuído o
valor SIM. A diferença entre o número de ordem dos trechos permite calcular a
distância entre eles, pois os comprimentos de todos os trechos já foram definidos iguais
a dois quilômetros.
Considera-se suficiente a discussão desta parte do interpretador de saídas. É
desnecessária a definição das rotinas face ao escopo do trabalho. Também não convém
discutir a forma como acontecem os comandos que permitem à UCP acender os pontos
dos painéis que vão representar as mensagens para os usuários - inclusive porque definir
códigos que permitam que computadores controlem periféricos é uma tarefa, embora
não restrita, obrigatória de seus fabricantes.
O software dedicado à interpretação de saída do Controlador Fuzzy, além de
executar o segundo bloco regras, transmite aos painéis as mensagens adequadas, sob
forma de saídas da UCP, de maneira automática, conforme as regras discutidas neste
item do trabalho.

72
Capítulo VI – Avaliação dos Resultados e Considerações Finais

1 - Simulações

Encerrando o estudo de caso, serão realizadas simulações do Controlador Fuzzy


projetado ao longo do trabalho, tomando-se uma única seção rodoviária. Considerando
que a saída do Controlador Fuzzy varia em função de três variáveis de entrada, não é
possível uma representação gráfica da saída como função de todas suas entradas, pois
juntas, entradas e saída totalizam quatro entidades. A implementação do Controlador
Fuzzy, bem como as simulações foram realizadas utilizando o software fuzzyTECH
versão 5.54m
A representação gráfica é possível para funções de até duas variáveis
independentes. Sendo assim, as simulações serão realizadas através da obtenção de
superfícies de nível consecutivas da variável de entrada em função de duas variáveis de
cada vez. Desta forma é possível atribuir valores fixos a uma das variáveis de entrada
por vez e obter a superfície que representa a variável de saída como uma função das
outra duas restantes.
Observando as representações gráficas obtidas, é possível verificar que para cada
ponto das superfícies, há um par de entradas definidas no plano horizontal. O valor de
saída é referente não só a estes pares de valores, mas também ao valor fixado da
variável restante. O valor de saída é obtido medindo-se diretamente a cota do ponto.
Caso o projeto do Controlador Fuzzy tivesse sido realizado com apenas duas
variáveis de entrada, existiria uma função de duas variáveis que poderia ser
representada graficamente, em três dimensões por uma superfície: a variável de saída
como função das duas variáveis de entrada. Assim, fixando valores de uma das
variáveis de entrada, seria possível gerar curvas de nível da variável de saída em função
da variável restante. A superfície gerada seria única, podendo matematicamente ser
descrita pelo conjunto de suas curvas de nível.
No caso da função de três variáveis, sabe-se da impossibilidade de obter sua
representação gráfica, porém, é possível conhecer suas superfícies de nível fixando
valores de uma das variáveis a cada vez. Apesar de não resultar na representação gráfica
da função, de maneira análoga à função de duas variáveis, onde é possível compreender
as propriedades da superfície através do estudo das curvas de nível, sendo a função de

73
três variáveis é possível compreender suas propriedades através do estudo de suas
superfícies de nível.
O conceito matemático de curva de nível e de superfície de nível é o mesmo,
tendo em vista que trata-se de fundamento básico do cálculo de múltiplas variáveis.

2 - Superfícies de Nível

O número de superfícies de nível que podem ser representadas é infinito, pois as


variáveis são contínuas. Apesar de os universos de discursos destas variáveis serem
finitos, os valores possíveis de serem assumidos são infinitos entre si.
Deverão ser definidos valores das três variáveis independentes para os quais
serão obtidas as superfícies. Serão adotados os valores, dentro de cada respectivo
universo de discurso, que contenham pontos notáveis das funções de pertinência, ou
seja, os pontos onde o valor de pertinência seja igual máximo para cada termo, e os
pontos onde ocorram interseções entre funções de dois termos consecutivos.
A seguir serão apresentadas nas Figuras 17 a 31 as superfícies obtidas para cada
valor fixo de cada variável. As figuras representam os conjuntos de todos os valores das
duas variáveis restantes como dependentes, associados a um valor da variável de saída e
ao valor definido para aquela entrada cujo valor esteja fixo.
Em cada figura, existem duas superfícies definidas pelo mesmo Controlador
Fuzzy projetado e mesmos valores manualmente implementados, utilizando-se dois
métodos distintos de defuzzyficação. As primeiras superfícies de cada figura foram
obtidas através do método C-o-M, o método do centro dos máximos. As segundas
superfícies foram obtidas com o método do centro das áreas, o método C-o-A.

74
As Figuras 17 a 21 representam a variável de saída como função de V e de DV,
considerando fixos os valores da variável P = {0.0, 2.5, 5.0, 7.5, 10.0}

Figura 17 - Superfícies obtidas para P = 0.0%

75
Figura 18 - Superfícies obtidas para P = 2.5%

76
Figura 19 - Superfícies obtidas para P = 5.0%

77
Figura 20 - Superfícies obtidas para P = 7.5%

78
Figura 21 - Superfícies obtidas para P = 10%

79
As Figuras 22 a 26 representam a variável de saída como função de P e de V,
considerando fixos os valores da variável DV = {-0.1, -0.05, 0, 0.05, 0.1}

Figura 22 - Superfícies obtidas para DV = -0.1

80
Figura 23 - Superfícies obtidas para DV = -0.05

81
Figura 24 - Superfícies obtidas para DV = 0.0

82
Figura 25 - Superfícies obtidas para DV = 0.05

83
Figura 26 - Superfícies obtidas para DV = 0.1

84
As Figuras 27 a 31 representam a variável de saída como função de DV e de P,
considerando fixos os valores da variável V = {30, 45, 60, 75, 90}

Figura 27 - Superfícies obtidas para V = 30 km/h

85
Figura 28 - Superfícies obtidas para V = 45 km/h

86
Figura 29 - Superfícies obtidas para V = 60 km/h

87
Figura 30 - Superfícies obtidas para V = 75 km/h

88
Figura 31 - Superfícies obtidas para V = 90 km/h

89
3 - Avaliação dos Resultados

Os valores definidos como parâmetros para base de conhecimento do


Controlador Fuzzy, bem como outros valores pertinentes ao sistema foram tratados
durante a definição dos métodos realizada no trabalho apenas segundo suas
características e propriedades. Porém neste capítulo, onde se tratou do estudo de caso da
Linha Vermelha, foram estabelecidos todos os valores numéricos e grandezas
necessárias para que se pudesse realizar de fato a implementação do Controlador Fuzzy.
Através de levantamentos de campo dos dados necessários, é possível que sejam
realizadas medições, verificando se os valores de redução de tempo que ocorrem na
prática são equivalentes aos estimados pelo Controlador Fuzzy. Durante a fase de
implementação, verificou-se a relação existente entre funções de pertinência, bloco de
regras, e os possíveis resultados de saída.
Os métodos de defuzzyficação comparados apresentaram, para este caso,
resultados semelhantes, em termos de valores mínimos e máximos, e também com
relação aos valores intermediários obtidos como saída. Observou-se, entretanto, que os
resultados obtidos pelo Método do Centro dos Máximos, que utiliza uma aplicação de
vetores sobre o eixo do universo de discurso, apresentaram inclinações menores em suas
superfícies de nível do que as inclinações observadas com a defuzzyficação pelo
Método do Centro das Áreas.
As saídas obtidas pelo primeiro método demonstraram variar de forma mais
gradativa, e as obtidas pelo segundo método, de forma mais brusca. Esta verificação
pode ser feita mesmo considerando-se as três variáveis de entrada simultaneamente, já
que ocorrem estas mesmas características em todas as superfícies obtidas. Este fato
ocorre porque o formato trapezoidal das funções de pertinência de alguns termos
lingüísticos, devido à sua maior área em comparação com a do termo que possui
formato triangular adjacente, contribui para a defuzzyficação com maior peso em
grande parte dos casos em que ocorrem. Outro fato a ser observado é que este método
considera somente uma vez as áreas sobrepostas para a defuzzyficação.
Outro fato que pode ser observado em comparação entre os dois métodos, é que
é impossível o método do centróide, neste caso, gerar uma saída cujo valor seja igual a
qualquer dos extremos do universo de discurso. A Figura 32 ilustra esta afirmação,
comparando o menor valor possível de ser obtido como saída através dos dois métodos.

90
Figura 32 – Valores Mínimos Possíveis Defuzzyficados Respectivamente Pelo Método
do Centro das Áreas - C-o-A e Pelo Método do Centro dos Máximos - C-o-M

Independentemente do método utilizado, verifica-se a coerência dos valores


obtidos para a variável dependente Redução Estimada de Tempo de Percurso. Tomando
a família de superfícies formada com as variáveis de entrada V e DV, é possível
perceber no plano horizontal, que ficaram bem definidas quatro regiões do plano que
representam quatro padrões de tráfego diferentes, para um mesmo valor de P.
Há uma região de bom nível de serviço, onde é baixa a recomendação de uso da
faixa exclusiva. Uma região onde o nível de serviço indica estar piorando – onde ocorre
o aumento do valor de R, que é a variável de saída. Há uma região seguinte onde é
baixo o nível de serviço e a faixa exclusiva é recomendável, e uma quarta região que
indica o nível de serviço melhorando e o valor de R diminuindo.
Se tomarmos a família de superfícies formadas por P e V, onde DV é constante,
verificam-se duas inclinações distintas impostas à superfície. A Redução da Velocidade
ou o aumento do percentual de ônibus no fluxo elevam o valor da variável R, indicando
aumento da recomendação de uso das faixas.

91
Avaliando também o terceiro conjunto de superfícies formado por P e DV,
considerando constante a média das velocidades medidas em uma seção, verifica-se que
a variável de saída assume os maiores valores à medida que torna-se negativa a variação
da velocidade e também conforme aumenta o valor de P. Ficam estabelecidas duas
regiões bastante distintas, definidas por DV negativo e DV positivo. Verifica-se que
caso DV seja positivo, o sistema somente emite um valor alto de R caso sejam
verificadas baixas velocidades.
De acordo com a avaliação realizada, os resultados obtidos foram considerados
coerentes com o objetivo inicial proposto para o Controlador Fuzzy. Verifica-se que há
aumento no valor da variável de saída conforme ocorram variações no padrão de tráfego
que indiquem que o nível de serviço na rodovia esteja piorando. Também ocorrem
variações na variável R de acordo com o percentual de ônibus no fluxo, ou seja, o
Controlador Fuzzy realiza a tarefa do operador humano considerado como parâmetro na
elaboração empírica de seu próprio modelo: Verificando que o nível de serviço sugere o
uso de faixa exclusiva e que há ônibus no fluxo em quantidade suficiente que justifique
a reserva de capacidade, ele adota a medida.

4 - Conclusões

A lógica fuzzy demonstrou ser útil na elaboração de um modelo de sistema de


controle de tráfego dedicado a rodovias dotadas de faixas exclusivas para ônibus. Não
somente pelo fato de que se considerou desde o início do trabalho a dificuldade de se
obter um modelo matemático compatível com a realidade capaz de ser relevante e
preciso ao mesmo tempo, mas também porque os resultados obtidos pelo controlador
fuzzy apresentam coerência.
A utilização de lógica fuzzy considera as incertezas inclusas no modelo e
inerentes às etapas de elaboração do mesmo, permitindo que distorções ocorridas com a
modelagem possam ser consideradas como equivalentes às imperfeições dos objetos,
entidades e fenômenos do “mundo real”.
Além de alcançado o objetivo inicial de propor uma metodologia que utilizando
lógica fuzzy possa ser aplicada a solução do problema da definição em tempo real dos
horários de faixa exclusiva, um segundo objetivo, mais específico, também foi atingido:
Obter um Controlador Fuzzy para compor o sistema de controle, tendo sido possível

92
inclusive implementá-lo e realizar simulações de seu comportamento em um
computador pessoal.
A intenção de obter do Controlador Fuzzy um comportamento semelhante ao do
ser humano também foi atingida, se considerarmos que o Controlador Fuzzy
demonstrou emitir as respostas esperadas, considerando-se válidas as características das
funções de pertinência e regras que lhe foram atribuídas.
Não é possível afirmar que o controlador fuzzy obtido segundo estas
características soluciona de fato o problema proposto, porém observando que seus
resultados são coerentes pode-se considerar a aplicabilidade da metodologia proposta
para a elaboração de controladores semelhantes cuja utilidade na solução do problema
real possa ser verificada
A utilização de sensores foi fundamental para conferir ao Controlador Fuzzy
dispositivos com funções semelhantes às dos órgãos sensoriais dos indivíduos, e a
modelagem dos dados indispensável para transformar dados mensurados em dados
percebidos.
As características atribuídas à base de conhecimento do Controlador Fuzzy
assim foram de acordo com hipóteses formuladas pelo próprio projetista. A geração das
funções de pertinência, do bloco de regras fuzzy e das regras dos blocos interpretadores
de entradas e de saídas poderia ter sido realizada através de características definidas
através de consultas a especialistas. Este procedimento seria mais adequado já que
permite a utilização de regras consensuais, porém não dispensaria uma posterior
calibração do sistema e sequer diminuiria o seu grau de empirismo.
O procedimento de consulta a especialistas não foi realizado devido à falta de
tempo e recursos para a elaboração do conteúdo das entrevistas, agendamento de
horários com as pessoas solicitadas e manipulação dos resultados. Devido a estas
restrições, foi necessário definir de antemão o escopo do trabalho.
Entre duas possibilidades, a primeira seria apresentar somente uma metodologia
de controle fuzzy. Neste caso, seriam realizadas entrevistas e tratamento de seus
resultados até a obtenção da base de conhecimento. A segunda opção, que foi a
escolhida, seria definir a base de conhecimento da maneira como foi, e seguir mais
adiante até a implementação e simulação do Controlador Fuzzy utilizando um software
apropriado.

93
De acordo com o trabalho realizado, verifica-se que, além de ser possível
construir um Controlador Fuzzy para controlar o processo aqui tratado, os resultados
das simulações demonstraram ser coerentes - o que indica que o sistema proposto é
aplicável no caso estudado da Linha Vermelha.

5 - Recomendações

Para dar continuidade à pesquisa sobre aplicação de lógica fuzzy em sistemas de


controle de tráfego e de transporte, recomenda-se que sejam realizados trabalhos mais
detalhados a respeito de alguns tópicos que aqui foram tratados, já que há questões que
poderiam merecer, em futuras investigações, um enfoque ainda mais específico.
Recomenda-se que a questão da mensuração e percepção seja tratada de forma
que se possa prover um tratamento adequado a esta importante relação entre dados
mensuráveis e dados perceptíveis. É importante o detalhamento dos procedimentos
necessários à obtenção de uma adequada modelagem de dados de tráfego e transporte,
além dos que foram aqui abordados, que permita a transformação de valores
mensurados em valores de dados de entrada percebidos por um Controlador Fuzzy.
Também seria importante realizar trabalhos que possibilitassem um enfoque
sobre pesquisas com especialistas cujo objetivo fosse obter informações específicas para
a construção de bases de conhecimentos de controladores fuzzy dedicados a atividades
relacionadas a transporte.
Uma outra abordagem poderia avaliar a possibilidade de utilizar metodologia
semelhante a esta discutida neste trabalho em outros tipos de problemas de transporte e
tráfego como, por exemplo, no gerenciamento de uma malha rodoviária urbana, uma
vez que a aplicação em um único arco metropolitano já se demonstrou possível.
A validação de um sistema fuzzy para controle de faixas exclusivas pode ser
verificada em trabalhos futuros através da consideração de um conjunto maior de
variáveis e também através da modificação da forma de obtenção da base de
conhecimento do controlador em comparação à proposta neste trabalho.

94
Bibliografia

ADLER, H. A., 1987, Avaliação Econômica de Projetos de Transporte: Metodologia e


Exemplos: Rio de Janeiro, Livros Técnicos e Científicos

BOYER, C.B., 1996, História da Matemática, São Paulo, Editora Edgar Blücher.

BRUTON, M. J., 1979, Introdução ao Planejamento de Transportes, São Paulo, Editora


da Universidade de São Paulo

CET – SP, 1982, Tratamento Preferencial ao Transporte Coletivo por Ônibus –


Trabalho elaborado pela Companhia de Engenharia de Tráfego para a EBTU, Através
do Convênio EBTU 054/80 – Brasília – EBTU

CHAVÉZ, J. C.; CASTAÑON, José; COSSENZA, O. N., 1997, “Uma Análise da


Integração no Rio de Janeiro” – Revista dos Transportes Públicos nº 75 Ano 19 2º
Trim., pp 87 a 100

CURY, M. V. Q., 1999, Modelo Heurístico Neuro-fuzzy para Avaliação Humanística


de Projetos de Transporte Urbano, Tese de Doutorado, Universidade Federal do Rio de
Janeiro (COPPE/UFRJ)

HUTCHINSON, B. G. , 1979 Princípios de Planejamento dos Sistemas de Transporte


Urabano, Rio de Janeiro, Guanabara Dois

KANDEL, A., 1986, Fuzzy Mathematical Techniques with Applications, U.S.A.,


Addison-Weslwy Publishing Company

MAGALHÃES, D. J. A. V.; ABREU, V. C.; SOARES, M. V. F., 1997, “Programação


e Operação do Transporte Público” – Revista dos Transportes Públicos nº 75 Ano 19 2º
Trim, pp 57 a 66

NETO, F. M., 1977, São Paulo e a Racionalização do Uso de Combustíveis, São Paulo
– CET (Série Boletim Técnico da CET Nº 3)

95
NETO, F. M.; VESPUCCI, K. M., 1995, “Corredores de Ônibus: Impactos na
Operação do Trânsito e dos Transportes” - Revista dos Transportes Públicos nº 66, Ano
17, 1º Trim., pp 99 a 108

PARREIRA, Arnaldo L. S.,1980, Projeto Brigadeiro – Faixa Exclusiva de Ônibus no


Contra Fluxo, São Paulo, CET (Série Boletim Técnico da CET Nº 25)

PEREIRA, A.L., 1995, Teoria Geral de Sistemas – Notas de Aula, Rio de Janeiro,
PET/COPPE/UFRJ.

REBELLO, J., BENVENUTO, P. P., 1994, Tratamento Preferencial ao Transporte


Coletivo na Região Metropolitana de São Paulo – Corredores Troncais de Ônibus,
Revista dos Transportes Públicos nº 63 Ano 16 2º Trim.; PP 77 a 87

SANTOS, M. A. M., 2004, Avaliação Técnica de Fornecedores de Serviços de


Transporte Rodoviário de Carga Utilizando a Lógica Fuzzy, Tese de Mestrado,
Universidade Federal do Rio de Janeiro (COPPE/UFRJ)

SHAW, I. S., SIMÕES, M. G., 1999, Controle e Modelagem Fuzzy, São Paulo, Editora
Edgar Blücher.

TERANO, T., ASAI, K., SUGENO, M., 1991, Fuzzy Systems Theory and Its
Applications, U.S.A., Academic Press Inc.

VALIM, H. R., 2004, Contribuição ao Estudo da Determinação do Caminho de


Impedância Mínima no Transporte Rodoviário de Cargas, Considerando a Influência
da Variável Aleatória Representativa do Risco de Ocorrência de Roubo, Tese de
Mestrado, Universidade Federal do Rio de Janeiro (COPPE/UFRJ)

ZADEH, L. A., 1965, “Fuzzy Sets”, Inform and Control, vol. 8, pp 338, 353

ZADEH, L. A., 1986, “Outline of a Theory of Usuality Based on Fuzzy Logic”, NATO
ASI Series, v. 177, pp 79-97

96
ZADEH, L. A., 2001, “From Computing with Numbers to Computing with Words”,
Annals of the New York Academy of Sciences, 929, pp 221-252.

ZIMMERMANN, H. J., 1985, Fuzzy Set Theory and Its Applications, U.S.A, Kluwer
Nijhoff Publishing

ZIMMERMANN, H. J., 1986, “Fuzzy Set Theory and Mathematical Programming”,


NATO ASI Series, v. 177, pp 99-114

97