MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO DA INFLUÊNCIA...

UNIVERSIDADE ESTADUAL DE CAMPINAS

Faculdade de Engenharia Civil, Arquitetura e Urbanismo

ITALO CÉSAR MONTALVÃO GUEDES

MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO

DA INFLUÊNCIA DE PONTOS DE ÔNIBUS NO RUÍDO

DO TRÁFEGO VEICULAR URBANO

CAMPINAS

2018

ITALO CÉSAR MONTALVÃO GUEDES

MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO

DA INFLUÊNCIA DE PONTOS DE ÔNIBUS NO RUÍDO

DO TRÁFEGO VEICULAR URBANO

Tese de Doutorado apresentada a Faculdade de

Engenharia Civil, Arquitetura e Urbanismo da

UNICAMP, para obtenção do título de Doutor

em Arquitetura, Tecnologia e Cidade, na área de

Arquitetura, Tecnologia e Cidade.

Orientadora: Profa. Dra. Stelamaris Rolla Bertoli

ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA TESE

DEFENDIDA PELO ALUNO ITALO CÉSAR MONTALVÃO

GUEDES E ORIENTADO PELA PROF (A). DR (A). STELAMARIS

ROLLA BERTOLI.

ASSINATURA DA ORIENTADORA

CAMPINAS

2018

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA CIVIL, ARQUITETURA E

URBANISMO

MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO DA

INFLUÊNCIA DE PONTOS DE ÔNIBUS NO RUÍDO DO

TRÁFEGO VEICULAR URBANO

Italo César Montalvão Guedes

Tese de Doutorado aprovada pela Banca Examinadora, constituída por:

Profa. Dra. Stelamaris Rolla Bertoli

Presidente e Orientadora/FEC/UNICAMP

Prof. Dr. Carlos Alberto Bandeira Guimarães

FEC/UNICAMP

Prof. Dr. Lauro Luiz Francisco Filho

FEC/UNICAMP

Profa. Dra. Lea Cristina Lucas de Souza

UFSCar

Prof. Dr. Roberto Leal Pimentel

UFPB

A Ata da defesa com as respectivas assinaturas dos membros encontra-se

no processo de vida acadêmica do aluno.

Campinas, 22 de fevereiro de 2018.

Dedicatória

Dedicatória

A minha esposa e filha, Karine e Letícia, mesmo

distantes fisicamente, estiveram sempre ao meu

lado durante essa etapa de nossas vidas. A minha

mãe, irmãs, sobrinha e tia Marlene pelo apoio na

realização de meus objetivos e ao meu primo

Gutinha, por sua importante presença na minha

trajetória acadêmica.

Agradecimentos

Agradecimentos

Agradeço a Deus, fonte de iluminação e perseverança.

Agradeço também a todos que contribuíram direta ou indiretamente na realização

desta pesquisa de doutorado e concretização de mais uma etapa de vida, a exemplo:

Da minha orientadora, Prof.ª Stelamaris Rolla Bertoli, que me recebeu mais uma

vez como seu orientando, sempre compartilhando seus conhecimentos, experiência

acadêmica, e acima de tudo sua presença amiga e atenciosa.

Do Prof. Jugurta Rosa Montalvão Filho, do Departamento de Engenharia Elétrica

da Universidade Federal de Sergipe (DEL/UFS), que acompanha meus estudos acadêmicos

desde os tempos de graduação, sendo responsável por meu primeiro contato com área de

“Acústica”, e agora, contribuindo no desenvolvimento desta tese de doutorado.

Do Prof. Rafael Pimentel Maia e seus alunos, Leandro Zanon, Bruno Miranda e

Vinícius Ota, do Instituto de Matemática, Estatística e Computação Científica da Unicamp (IMEEC/UNICAMP), sempre solícitos e atenciosos durante as consultas de análise estatística.

Da Diretoria de Transportes (DGA/UNICAMP), em nome do Sr. Sebastião José

de Faria, responsável pelo apoio à pesquisa quanto à liberação de ônibus do HEMOCENTRO

da UNICAMP e motorista para realização dos experimentos referentes às gravações de sinais

sonoros de veículos. Agradeço ainda aos senhores, João Aparecido e Gazolla (Setor de

Transporte/UNICAMP) pela atenção e presteza na realização desta atividade de pesquisa.

Nesse sentido, agradeço também o apoio do Engenheiro Civil Alberto Fontolan

(FEC/UNICAMP) pela disponibilidade e condução da caminhonete da FEC/UNICAMP, bem

como dos demais colaboradores, que emprestaram seus veículos particulares, para a

realização desta atividade acadêmica, quais sejam: Alexandre, Paula, Rodolfo, Joni, Roberta,

Edwin e Elias. Por fim, agradeço de modo especial ao colega e amigo Alexandre, responsável

pela operação do sistema de gravação dos sinais sonoros desses veículos.

Gostaria de agradecer ao Dami Dória pelo material cedido, o qual me ajudou na

implementação da interface gráfica usada nas avaliações subjetivas auditivas (Testes de júri).

Aproveito a oportunidade também para agradecer a todos os voluntários que participaram das

avaliações subjetivas.

Agradecimentos

Agradeço ainda aos funcionários e professores da Faculdade de Engenharia Civil,

Arquitetura e Urbanismo.

Aos técnicos do Laboratório de Conforto Ambiental e Física Aplicada

(LACAF/FEC/UNICAMP), Daniel e Obadias, pelo suporte técnico e amizade transmitida ao

longo desses anos.

Aos colegas e amigos do LACAF/FEC/UNICAMP, Felipe, Bia, Angélica

(conforto térmico) e aos “acústicos”, Adriano, Tiago, Iara, Roberto, Vanessa, Roberta,

Gabriel, Joni, Thaís, Rodolfo, Alexandre e Rafaella, pela convivência e troca de experiências

em diferentes momentos ao longo desses últimos quatro anos, pelas companhias nas horas do

“cafezinho” e “bate – papo” sobre acústica e assuntos diversos.

Gostaria de registrar meus agradecimentos ao grupo “Os Três Mosqueteiros”,

formado por mim, Alexandre e Rafaella, em que pude dividir os sucessos e dificuldades da

pesquisa ao longo, e especialmente, na reta final desse período de doutoramento.

Aos amigos de moradia e de convivência fora da Unicamp, Elias, Edwin e José

Aranda, Lino, Rafael, Télio, José Roberto e Cleberton, pelo companheirismo no dia a dia.

Agradeço ainda, à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

– CAPES, pelo apoio à pesquisa através da bolsa de estudos vinculada ao Programa de Pós-

graduação em Arquitetura, Tecnologia e Cidade da Faculdade de Engenharia Civil,

Arquitetura e Urbanismo (FEC/UNICAMP).

E por fim, agradeço a Universidade Federal de Sergipe (UFS) e ao Departamento

de Arquitetura e Urbanismo (DAU/UFS) por minha liberação para cursar o doutorado pela

FEC/UNICAMP.

Resumo

Resumo

A poluição sonora representa um importante fator de impacto ambiental nas cidades. Tal

problemática está relacionada com o grande crescimento populacional e contínuo processo de

urbanização. A priorização do uso de veículos automotores tornou o ruído do tráfego a

principal fonte de poluição sonora urbana. Esta modalidade de ruído sofre influência do fluxo,

tipo e velocidades dos veículos em circulação, dos aspectos físicos e morfológicos das vias,

das instabilidades do trânsito provocadas pelos cruzamentos, rotatórias, lombadas, pontos de

ônibus, e postura dos motoristas. O objetivo geral desta pesquisa foi investigar de que maneira

a dinâmica operacional em pontos de ônibus influencia no ruído do tráfego veicular urbano.

Adotou-se como forma de abordagem a modelagem e simulação probabilística, considerando-

se sinais sonoros reais e a aleatoriedade do tráfego veicular e de chegadas de ônibus em

determinado ponto de parada. O método da pesquisa contemplou as seguintes etapas: (i)

seleção dos objetos de estudo – Pontos de ônibus (Campinas/SP); (ii) aquisição de aspectos

físicos e medições de dados acústicos e de tráfego das vias urbanas selecionadas com

presença de ponto de ônibus; (iii) gravação de sinais sonoros reais de passagens de veículos e

do ciclo de desaceleração, parada e aceleração de ônibus em um ponto de parada hipotético;

(iv) implementação do modelo probabilístico para simulação do ruído do tráfego veicular em

diferentes cenários (reais e hipotéticos); (v) avaliação quantitativa e subjetiva auditiva (Teste

de júri) dos ruídos simulados e (vi) análises dos resultados. Pôde-se concluir que houve boa

concordância entre os valores medidos e simulados dos dados de tráfego e acústicos durante a

validação do modelo; os experimentos de simulação confirmaram a hipótese principal da

pesquisa de que a dinâmica operacional em pontos de ônibus influencia no ruído do tráfego

veicular; observou-se que menores intervalos de tempo entre chegadas sucessivas de ônibus

estiveram associados a maiores valores dos descritores acústicos (LA10, LAeq, TNI e LNP) para

mesmo fluxo veicular. No entanto, maiores variações de TNI e LNP ocorreram para cenários

com fluxo veicular reduzido, corroborando com a ideia de maior percepção do ruído

ambiental em situações com menor nível de ruído residual. As avaliações de impacto sonoro

das ruas investigadas indicaram valores de LAeq, TNI e LNP superiores aos limites

recomendados pelas referências adotadas, mesmo em situações hipotéticas mais favoráveis

(sem passagem de veículos pesados e menor ocorrência de ônibus nos pontos de parada).

Quanto aos testes de júri para verificação do nível de realismo do ruído simulado, os

resultados mostraram que os áudios reais e simulados não são indiscerníveis. Porém, os

voluntários mostraram forte tendência de classificar os áudios como reais quando de fato eram

reais. Essa tendência não foi observada na avaliação dos áudios simulados. Esses resultados

indicam caminho promissor desta ferramenta para predição do ruído do tráfego veicular com

presença de pontos de ônibus, propiciando a estimativa de descritores acústicos e a “escuta”

do ruído simulado. Espera-se que o produto final desta pesquisa possa subsidiar agentes

ambientais e planejadores urbanos em ações efetivas no controle e gerenciamento do ruído

nas cidades.

Palavras-chave: Modelagem e simulação; Ruído do tráfego veicular urbano; Ponto de ônibus.

Abstract

Abstract

Noise pollution is an important factor to the environmental impact in cities. This problem is

directly related to population growth and a continuous urbanization process. Traffic noise is

the main source of urban noise pollution due to the priority use of automotive vehicles. Flow

and kind of vehicles in circulation, physical and morphologic aspects of the road, traffic

instabilities due to crossings, roundabouts, speed bumps, bus stops and driver’s attitude

influence this special kind of noise. The main objective of this research was to investigate

how bus stops operational dynamics contribute to urban noise traffic. The adopted approach

was a probabilistic model and simulation, considering real vehicles recorded noise signals and

random traffic and bus arrivals in a specific bus stop. Methodological procedures considered

the following steps: (i) selection of studied objects – bus stops in Campinas – SP; (ii)

acquisition of physical aspects, traffic and acoustic measurements of the selected streets with

a bus stop; (iii) sound recording of real events such as vehicles passages and slowdown, stop

and speed-up cycle of a bus at a hypothetical bus stop; (iv) implementation of the probabilistic

model to simulate vehicular traffic noise in different scenarios, real and hypothetical; (v)

quantitative and subjective (jury tests) evaluations of simulated results; (vi) analysis of the

results. Results showed a good agreement between measured and simulated traffic and

acoustic data during model validation. The simulated data results confirmed the main

hypothesis of the research that bus stop operational dynamics have an influence on vehicular

traffic noise. Smaller time intervals of successive bus arrivals were associated to the greatest

values of acoustic parameters LA10, LAeq, TNI and LNP to the same vehicular flow. However,

greater TNI and LNP variations occurred on reduced vehicular flow scenarios, reinforcing the

idea that there is a greater perception of environmental noise in situations of lower

background noise. Investigated streets noise impact evaluation showed greater values of LAeq,

TNI and LNP, over the adopted references recommended limits, even in more friendly

hypothetical situations (without heavy vehicles passage and smaller bus arrivals at bus stops).

Jury tests results, used to verify the realism level of the simulated noise, showed that real and

simulated audios are not indiscernible. However, volunteers showed a stronger tendency to

classify audios as real when those were in fact real. A similar tendency was not observed in

simulated audio evaluation. General results indicate this tool as a promising way to predict

vehicular traffic noise in the presence of a bus stop, allowing the estimative of acoustic

parameters and the possibility to listen to simulated noise. It is expected that the final product

of this research may subsidize environmental agents and urban planners in effective actions

regarding control and management of environmental noise in cities.

Keywords: Modeling and simulation; Urban vehicular traffic noise; Bus stop.

Lista de Figuras

Lista de Figuras

Figura 1 – Posicionamento e dimensões dos pontos de parada próximos a cruzamentos:

a) Antes do cruzamento e b) Depois do cruzamento. ............................................................ 29

Figura 2 – Relação entre TNI e grau de insatisfação com o ruído de tráfego .................... 37

Figura 3 – Relação entre fluxo de tráfego e TNI, L10, L90. .................................................. 37

Figura 4 – Metodologia de simulação. ................................................................................. 55

Figura 5 – Distribuição uniforme discreta: a) Função de probabilidade e b) Função de

distribuição acumulada. ........................................................................................................ 58

Figura 6 – Distribuição de Bernoulli: a) Função de probabilidade e b) Função de distribuição

acumulada. ............................................................................................................................ 59

Figura 7 – Distribuição uniforme no intervalo [α, β]: a) Função densidade de probabilidade e

b) Função de distribuição acumulada . .................................................................................. 60

Figura 8 – Função de densidade de probabilidade de uma variável aleatória normal

(μ e σ2). ................................................................................................................................. 61

Figura 9 – Distribuição normal padrão: a) Função de distribuição e b) Função de distribuição

acumulada. ............................................................................................................................ 62

Figura 10 – Localização dos objetos de estudo (Pontos de ônibus “A” e “B”) no mapa parcial

de Campinas (SP). ................................................................................................................ 67

Figura 11 – Ponto de ônibus “A” e rua Roxo Moreira: a) Mapa de localização, b) Foto aérea e

c) Foto – corte transversal. .................................................................................................... 68

Figura 12 – Ponto de ônibus “B” e rua Dr. Buarque de Macedo: a) Mapa de localização,

b) Foto aérea e c) Foto – corte transversal. ........................................................................... 70

Figura 13 – Campos experimentais: a) Mapa de localização – UNICAMP. Fonte: Adaptado

de Google Maps (2015b), b) Foto da rua Daniel Hogan. (Fonte: Arquivo pessoal. Data:

23/07/2015) e c) Foto da rua Walter August Hadler. (Fonte: Arquivo pessoal. Data:

16/10/2016). .......................................................................................................................... 72

Figura 14 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Daniel Hogan: a)

Foto – vista frontal do aparato, b) Foto – perspectiva: Ponto/medição “O” e eixo de referência.

(Fonte: Arquivo pessoal. Data: 23/07/2015) e c) Desenho esquemático em planta. ........... 74

Lista de Figuras

Figura 15 – Recorte do sinal sonoro gravado da passagem de um veículo – teste e

ajustes finais para ser usado no modelo computacional. ...................................................... 75

Figura 16 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Walter August

Hadler: a) Fotos de passagens individuais de veículos – teste [veículo leve (vl) e moto (mt)].

(Fonte: Arquivo pessoal. Data: 16/10/2016) e b) Desenho esquemático em planta. ............ 77

Figura 17 – Desenho esquemático (Segunda etapa de coleta de dados) – Rua Daniel Hogan:

Gravação do sinal sonoro de passagens individuais do ônibus. ........................................... 79

Figura 18 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Daniel Hogan: a)

Foto do ônibus durante processo de desaceleração – parada – aceleração no ponto de parada

hipotético. (Fonte: Arquivo pessoal. Data: 02/04/2017) e b) Desenho esquemático em

planta. .................................................................................................................................... 79

Figura 19 – Desenhos esquemáticos com posicionamento do aparato experimental para

gravação e medição acústica na rua Roxo Moreira e Ponto de ônibus “A”. ........................ 83

Figura 20 – Desenhos esquemáticos com posicionamento do aparato experimental para

gravação e medição acústica na rua Dr. Buarque de Macedo e no

Ponto de ônibus “B”. ............................................................................................................ 84

Figura 21 – Diagrama esquemático com o procedimento adotado para a composição do ruído

residual do modelo a partir de amostras reais gravadas na própria rua investigada. ............ 85

Figura 22 – Fluxograma esquemático do modelo conceitual. ............................................. 89

Figura 23 – Desenho esquemático da primeira reflexão em superfícies refletoras opostas de

uma rua. ................................................................................................................................. 94

Figura 24 – Tela inicial da interface gráfica principal utilizada no teste de júri. ................ 99

Figura 25 – Tela de apresentação e avaliação das amostras dos áudios aleatórios pelo

voluntário. ............................................................................................................................. 99

Figura 26 – Tela final da interface gráfica com indicação do fim do teste e agradecimento

pela participação do voluntário. .......................................................................................... 100

Figura 27 – Gráficos resultantes das simulações para investigação da influência da dinâmica

do Ptbus – A no ruído do tráfego veicular da rua Roxo Moreira: a) LAeq,15min versus Qrel, b)

LA10,15min versus Qrel, c) LA90,15min versus Qrel, d) TNI,15min versus Qrel e e) LNP,15min versus

Qrel. .................................................................................................................................... 107

Figura 28 – Gráficos resultantes das simulações para investigação da influência da dinâmica

do Ptbus – B no ruído do tráfego veicular da rua Dr. Buarque de Macedo: a) LAeq,15min versus

Qrel, b) LA10,15min versus Qrel, c) LA90,15min versus Qrel, d) TNI,15min versus Qrel e e) LNP,15min

versus Qrel. .......................................................................................................................... 117

Lista de Figuras

Figura D.1 – Sinal sonoro: Clio – Renault – PROJ006 [vl; 50 Km/h; 3ª marcha]. ........... 147

Figura D.2 – Sinal sonoro: Intruder 125 – Suzuki – PROJ003 [mt; 50 km/h; 3ª marcha]. .. 147

Figura D.3 – Sinal sonoro: Toyota – Bandeirante BJ55LP – PROJ013 [vp; 40 Km/h;

4ª marcha]. .......................................................................................................................... 148

Figura D.4 – Sinal sonoro: Chegada – parada – partida do ônibus no ponto de parada (Ptbus –

A). ........................................................................................................................................ 148

Figura D.5 – Sinal sonoro: DUSTER – Renault – PROJ079 [vl; 45 Km/h; 3ª marcha]. .... 149

Figura D.6 – Sinal sonoro: DUSTER – Renault – PROJ087 [vl; 40 Km/h; 3ª marcha]. .... 150

Figura D.7 – Sinal sonoro: MARCH – Nissan – PROJ101 [vl; 45 Km/h; 3ª marcha]. ...... 150

Figura D.8 – Sinal sonoro: MARCH – Nissan – PROJ104 [vl; 40 Km/h; 3ª marcha]. ....... 150

Figura D.9 – Sinal sonoro: PUNTO – Fiat – PROJ091 [vl; 45 Km/h; 3ª marcha]. .............. 151

Figura D.10 – Sinal sonoro: PUNTO – Fiat – PROJ096 [vl; 40 Km/h; 3ª marcha]. ........... 151

Figura D.11 – Sinal sonoro: UP – Volkswagen – PROJ109 [vl; 45 Km/h; 3ª marcha]. ..... 151

Figura D.12 – Sinal sonoro: UP – Volkswagen – PROJ114 [vl; 40 Km/h; 3ª marcha]. ...... 152

Figura D.13 – Sinal sonoro: CB300R – Honda – PROJ119 [mt; 45 Km/h; 3ª marcha]. ..... 152

Figura D.14 – Sinal sonoro: CB300R – Honda – PROJ121 [mt; 40 Km/h; 3ª marcha]. .... 152

Figura D.15 – Sinal sonoro: CB300R – Honda – PROJ123 [mt; 40 Km/h; 3ª marcha]. .... 153

Figura D.16 –Sinal sonoro: Intruder 125 – Suzuki – PROJ124 [mt; 45 Km/h; 3ª marcha]. 153

Figura D.17 – Sinal sonoro: Intruder 125 – Suzuki – PROJ129 [mt; 40 Km/h; 3ª marcha]. 153



Figura D.20 – Sinal sonoro: Toyota – Bandeirante BJ55LP – PROJ013 [vp; 40 Km/h;

4ª marcha]. ............................................................................................................................ 154

Figura D.21 – Sinal sonoro: Ônibus – Mercedes Benz – PROJ228 [vp; 30 Km/h;

4ª marcha]. ........................................................................................................................... 155

Figura D.22 – Sinal sonoro do Ônibus – Mercedes Benz – PROJ245 [vp; 30 Km/h;

3ª marcha]. .......................................................................................................................... 155

Lista de Figuras

Figura D.23 – Sinal sonoro: Ônibus – Mercedes Benz – TS6 – PROJ237 [Processo de

desaceleração – parada – aceleração no ponto de parada hipotético]. ................................ 156


desaceleração – parada – aceleração no ponto de parada hipotético] ................................ 156









Figura L.1 – Gráfico do ruído simulado da rua Roxo Moreira (Tempo de simulação =

180s) ................................................................................................................................... 173

Figura L.2 – Gráfico para verificação das entradas de veículos no fluxo de tráfego e de

chegadas de ônibus no ponto de parada - Exemplo de simulação (Rua Roxo Moreira) .... 173

Figura L.3 – Gráfico do ruído simulado da rua Dr. Buarque de Macedo (Tempo de simulação

= 180s). ................................................................................................................................. 174

Figura L.4 – Gráfico para verificação de entradas de veículos no fluxo de tráfego e de

chegadas de ônibus no ponto de parada - Exemplo de simulação (Rua Dr. Buarque

de Macedo). .......................................................................................................................... 174

Lista de Tabelas

Lista de Tabelas

Tabela 1 – Exemplos de artigos desenvolvidos no Brasil e publicados internacionalmente

sobre mapeamento acústico. ................................................................................................. 42

Tabela 2 – Exemplos de artigos desenvolvidos no Brasil e publicados internacionalmente com

aplicação de análises de regressão linear. ............................................................................. 45

Tabela 3 – Simulação do processo de chegada de clientes em um pedágio. ....................... 64

Tabela 4 – Valores do parâmetro de entrada “λ” inseridos no modelo para realização das

simulações (Ptbus – A; rua Roxo Moreira). ....................................................................... 104

Tabela 5 – Média dos dados medidos e simulados das variáveis de tráfego (Ptbus – A; rua

Roxo Moreira). ................................................................................................................... 104

Tabela 6 – Média logarítmica dos dados medidos e simulados das variáveis acústicas (Ptbus –

A; rua Roxo Moreira). ........................................................................................................ 104

Tabela 7 – Resultados do teste t de Student entre variáveis acústicas simuladas (Simulação 1)

e medidas (Ptbus – A; rua Roxo Moreira) ......................................................................... 105

Tabela 8 – Intervalos médios de tempo entre chegadas sucessivas de ônibus adotados como

parâmetros de entrada (“β”) no modelo nas simulações para análise de sensibilidade (Ptbus –

A; rua Roxo Moreira). ........................................................................................................ 106

Tabela 9 – Fluxos veiculares adotados como parâmetros de entrada (“λ”) no modelo durante

as simulações para análise de sensibilidade (Rua Roxo Moreira). .................................... 106

Tabela 10 – Análise comparativa entre valores de LAeq, TNI e LNP simulados e seus valores –

limite extraídos da literatura (Ptbus – A; rua Roxo Moreira) ............................................ 111

Tabela 11 – Valores do parâmetro de entrada “λ” inseridos no modelo para realização das

simulações (Ptbus – B; rua Dr. Buarque de Macedo). ........................................................ 113

Tabela 12 – Média dos dados medidos e simulados das variáveis de tráfego (Ptbus – B; rua

Dr. Buarque de Macedo). .................................................................................................... 114

Tabela 13 – Média logarítmica dos dados medidos e simulados das variáveis acústicas (Ptbus

– B; rua Dr. Buarque de Macedo). ...................................................................................... 114

Tabela 14 – Resultados do teste t de Student entre variáveis acústicas simuladas (Simulação

1) e medidas (Ptbus – B; rua Dr. Buarque de Macedo). ..................................................... 115

Tabela 15 – Intervalos médios de tempo entre chegadas sucessivas de ônibus adotados como

parâmetros de entrada (“β”) no modelo nas simulações para análise de sensibilidade (Ptbus –

Lista de Tabelas

B; rua Dr. Buarque de Macedo). ......................................................................................... 116

Tabela 16 – Fluxos veiculares adotados como parâmetros de entrada (“λ”) no modelo nas

simulações para análise de sensibilidade (Rua Dr. Buarque de Macedo). ......................... 116

Tabela 17 – Análise comparativa entre valores de LAeq, TNI e LNP simulados e seus valores –

limite extraídos da literatura (Ptbus – B; rua Dr. Buarque de Macedo). ............................ 120

Tabela A.1 – Fluxos horários de veículos (Rua Roxo Moreira). ....................................... 142

Tabela A.2 – Registros de intervalos de tempo entre chegadas sucessivas de ônibus (TC) e de

tempo de serviço ou parada (TS) no Ptbus – A (Rua Roxo Moreira). ................................ 143

Tabela B.1 – Fluxos horários de veículos (Rua Dr. Buarque de Macedo). ....................... 144

Tabela B.2 – Registros de intervalos de tempo entre chegadas sucessivas de ônibus (TC) e

tempo de serviço ou parada (TS) no Ptbus – B (Rua Dr. Buarque de Macedo). ................ 145

Tabela D.1 – Informações de velocidade, marcha, nível sonoro equivalente (LAeq.10s) das

passagens individuais dos veículos – teste usados nas simulações do estudo piloto da

pesquisa. ............................................................................................................................. 147

Tabela D.2 – Informações de velocidade, marcha, nível sonoro equivalente (LAeq.10s) das

passagens individuais dos veículos – teste usados nas simulações dos estudos finais da

pesquisa. ............................................................................................................................. 149

Tabela D.3 – Informações de nível sonoro equivalente (LAeq) dos processos de desaceleração,

parada e aceleração de um ônibus em um ponto de parada hipotético usados nas simulações

dos estudos finais da pesquisa. ........................................................................................... 155

Tabela E.1 – Dados de tráfego e acústicos para validação - t = 3min (Ptbus – A; rua Roxo

Moreira). ............................................................................................................................. 158

Tabela F.1 – Dados de tráfego e acústicos para validação - t = 3min (Ptbus – B; rua Dr.

Buarque de Macedo). .......................................................................................................... 160

Tabela O.1 – Valores médios dos dados de tráfego e acústicos para a rua Roxo Moreira (vp ≠

0; tempo de simulação = 900s; 20 simulações independentes). ......................................... 178

Tabela O.2 – Valores médios dos dados de tráfego e acústicos para a rua Roxo Moreira,

desconsiderando-se hipoteticamente as passagens de veículos pesados (vp = 0; tempo de

simulação = 900s; 20 simulações independentes). ............................................................. 178

Tabela Q.1 – Valores médios dos dados de tráfego e acústicos para a rua Dr. Buarque de

Macedo (vp ≠ 0; tempo de simulação = 900s; 20 simulações independentes). .................. 180

Tabela Q.2 – Valores médios dos dados de tráfego e acústicos para a rua Dr. Buarque de

Macedo, desconsiderando-se hipoteticamente as passagens de veículos pesados (vp = 0;

Tempo de simulação = 900s; 20 simulações independentes). ............................................ 180

Sumário

Sumário

Capítulo 1 – INTRODUÇÃO ......................................................................................... 18

1.1 Considerações iniciais ................................................................................................. 18

1.2 Objetivos ..................................................................................................................... 23

1.3 Estrutura da tese .......................................................................................................... 23

Capítulo 2 – RUÍDO DO TRÁFEGO VEICULAR ...................................................... 25

2.1 Considerações iniciais ................................................................................................... 25

2.2 Transporte público e o trânsito nas cidades ................................................................ 25

2.3 Aspectos gerais sobre ruído do tráfego veicular ......................................................... 30

2.4 Ferramentas de avaliação do ruído do tráfego veicular ............................................... 33

Capítulo 3 – MODELAGEM E SIMULAÇÕES .......................................................... 52


3.2 Variáveis aleatórias e distribuição de probabilidade ................................................... 56

3.3 Simulações de Monte Carlo ........................................................................................ 62

Capítulo 4 – MÉTODO DA PESQUISA ....................................................................... 65


4.2 Objeto de estudo .......................................................................................................... 67

4.3 Coleta de dados ............................................................................................................. 71

4.4 Modelagem e simulação computacional ....................................................................... 86

Capítulo 5 – RESULTADOS E DISCUSSÕES ............................................................ 102


5.2 Análise quantitativa – Ponto de ônibus “A” (Ptbus – A; rua Roxo Moreira) ............. 102

5.3 Análise quantitativa – Ponto de ônibus “B” (Ptbus – B; rua Dr. Buarque de Macedo) 112

5.4 Análise qualitativa – Avaliação subjetiva auditiva (Teste de júri) ............................. 121

Capítulo 6 – CONCLUSÕES ......................................................................................... 124

REFERÊNCIAS .............................................................................................................. 132

APÊNDICE A .................................................................................................................. 142

APÊNDICE B .................................................................................................................. 144

Sumário

APÊNDICE C .................................................................................................................. 146

APÊNDICE D ................................................................................................................. 147

APÊNDICE E ................................................................................................................. 158

APÊNDICE F ................................................................................................................. 160

APÊNDICE G .................................................................................................................... 162

APÊNDICE H ................................................................................................................. 164

APÊNDICE I .................................................................................................................. 171

APÊNDICE J .................................................................................................................. 172

APÊNDICE L .................................................................................................................. 173

APÊNDICE M ................................................................................................................. 175

APÊNDICE N .................................................................................................................. 177

APÊNDICE O .................................................................................................................. 178

APÊNDICE P .................................................................................................................. 179

APÊNDICE Q .................................................................................................................. 180

18

Capítulo 1 – Introdução

Capítulo 1

INTRODUÇÃO

1.1 Considerações iniciais

O ruído representa nos dias atuais um importante agente de poluição e de

preocupação ambiental nas cidades, sendo responsável por grande número de reclamações por

parte da opinião pública (SEONG et al, 2011).

A poluição sonora decorre do ruído proveniente de diversas fontes, sejam elas

fixas ou móveis, como, indústrias, templos religiosos, casas de shows e eventos, bares,

construção civil, transporte aéreo, ferroviário, rodoviário, entre outras. No entanto, a

comunidade científica considera o ruído do tráfego veicular como principal fonte de poluição

sonora em ambientes urbanos (CAI et al, 2015; COVACIU; FLOREA; TIMAR, 2015;

LICITRA, 2013; KANG, 2007).

O problema do ruído, e consequentemente da poluição sonora, tem se agravado

ainda mais diante da explosão demográfica, do rápido processo de urbanização e da

priorização dos veículos automotores como principal forma de mobilidade em relação aos

outros modos de transporte urbano de passageiros, estando focada muitas vezes no transporte

individual em detrimento do transporte público coletivo.

Em referência aos veículos automotores, De Castilho (1997) comenta que o

expressivo aumento em escala mundial do número desses veículos nas cidades decorre de

alguns fatores, quais sejam:

(i) Estímulo e desenvolvimento da indústria automobilística.

(ii) Crescimento da demanda por transporte público nos países em

desenvolvimento devido à já citada explosão demográfica, da expansão

rápida e desorganizada das fronteiras urbanas nas grandes cidades e da

intensificação das atividades econômicas e, consequentemente, do

aumento do poder aquisitivo.

No Brasil, os dados estatísticos disponibilizados pelo site do Departamento

Nacional de Trânsito (DENATRAN) apontam uma ampliação da frota total de veículos na

19


ordem de 2,15 vezes entre os meses de fevereiro de 2006 e 2016 (DENATRAN, 2016). Da

frota total de veículos de fevereiro de 2016, aproximadamente 55%, refere-se a veículos do

tipo automóvel, corroborando com o que foi mencionado quanto ao atual predomínio da

cultura de uso do transporte individual em relação ao transporte coletivo urbano.

Segundo De Abreu (2017, p. 19), com base na Lei nº 12.587 (BRASIL, 2012),

que institui as diretrizes da Política Nacional de Mobilidade Urbana:

“O transporte é um importante instrumento de direcionamento do

desenvolvimento urbano das cidades. A mobilidade urbana bem

planejada, com sistemas integrados e sustentáveis, garante o acesso

dos cidadãos às cidades e proporciona qualidade de vida e

desenvolvimento econômico” (DE ABRREU, 2017, p.19).

No entanto, o sistema vigente de transporte urbano brasileiro avança cada vez no

sentido contrário desse tão almejado desenvolvimento urbano sustentável, com qualidade de

vida e desenvolvimento socioeconômico para as pessoas. Cada vez mais fica evidente a falta

de qualidade do sistema de transporte público, que de acordo com ANTP (1997), apesar de

receber alguns investimentos em locais específicos, se mostra incipiente para atender a

necessidade crescente da população.

O que se vê na realidade é o agravamento das diversas problemáticas decorrentes

do sistema de transporte no cotidiano das médias e grandes cidades brasileiras e de outros

países em desenvolvimento. A redução da mobilidade e na acessibilidade, a degradação das

condições ambientais (por exemplo: poluição sonora e atmosférica), os longos deslocamentos

e congestionamentos, os elevados índices de acidentes de trânsito são alguns desses relevantes

problemas do modelo de transporte urbano existente em muitas cidades (ANTP, 1997).

Por outro lado, o transporte público coletivo na maioria das cidades brasileiras

depende bastante do uso do ônibus1 (RODRIGUES, 2006), que disputa diariamente o seu

espaço na malha viária das cidades com os demais veículos de transporte individual

(automóveis, motos, etc.). Essa característica de transporte de passageiros centrado no modo

viário vista no Brasil contribui ainda mais para a piora do quadro de poluição sonora em suas

cidades.

1 De acordo com Ferraz e Torres (2004), o uso do ônibus representa o principal modo de transporte público

urbano adotado no mundo, correspondendo a mais de 90%.

20


No transporte coletivo por ônibus, o ponto de parada de ônibus consiste em um

dos seus principais componentes, cuja implantação ao longo do sistema viário deve envolver

uma série de cuidados, tais como, comodidade, segurança nas travessias e oferta de

informações do sistema de transporte aos usuários, bem como a busca pela eficiência na

operação do sistema como um todo (ANTP, 1997).

No entanto, outro aspecto que deveria, porém não estar explícita neste rol de

preocupações, é o estudo de impacto sonoro da dinâmica operacional de pontos de parada de

ônibus em sua vizinhança, em especial, próximo a edificações e regiões sensíveis ao ruído.

Sabe-se que o ruído do tráfego veicular urbano sofre inúmeras influências das

instabilidades no trânsito devido às frenagens e acelerações dos veículos provocadas pelos

diversos elementos ou equipamentos urbanos, como, cruzamentos semaforizados ou não,

rotatórias, redutores de velocidade (lombadas e sonorizadores), além dos próprios pontos de

parada de ônibus, conforme foi demonstrado nas pesquisas desenvolvidas por: ABO-

QUDAIS; ALHIARY, 2007; LI et al, 2011; CAI; LI; LIU, 2011; WANG; CAI; ZOU, 2012.

Por outro lado, os resultados obtidos do mapeamento sistemático de literatura2,

realizados nesta tese de doutorado, mostraram prováveis lacunas de pesquisa sobre

modelagem e simulações para investigação de interferências no ruído do tráfego veicular de

alguns desses elementos urbanos. Do universo total de 219 artigos sobre modelagem e

simulações no ruído do tráfego veicular, apenas 36 artigos estiveram associados com o estudo

da influência acústica de algum elemento ou equipamento urbano (GUEDES; BERTOLI,

2015).

Dentro dessa amostra de 36 artigos com temática diretamente envolvida com a

influência de elementos ou equipamentos urbanos no ruído do tráfego veicular, observou-se

uma maior predominância para as pesquisas sobre a interferência acústica dos cruzamentos,

com ou sem semáforos (24 artigos), acompanhados pelos estudos sobre redutores de

velocidade (6 artigos), rotatórias (4 artigos) e ponto de ônibus (2 artigos) (GUEDES;

BERTOLI, 2015).

2 O mapeamento sistemático de literatura foi realizado com intuito de identificar eventuais lacunas de pesquisa

na temática sobre ruído de tráfego veicular, a fim de contribuir para a definição da questão de pesquisa, além de

subsidiar a elaboração da revisão de literatura desta tese de doutorado. O mapeamento dos artigos científicos foi

realizado nas bases de dados, Scopus (SC), Science Direct (SD) e Web of Science (WS) com base no critério de

qualidade. Nesta pesquisa sistemática de literatura foram adotados ainda os seguintes critérios de busca: Período

de publicação (2005 a 2015), idioma (inglês) e tipo de documento (artigos de periódicos e de conferências).

Outras informações acerca desse mapeamento sistemático de literatura podem ser obtidas em Guedes e Bertoli

(2015).

21


As questões discutidas até o momento sobre o transporte urbano de pessoas e os

seus diversos impactos negativos, especialmente, a poluição sonora devido ao tráfego

veicular, a possível despreocupação acústica no processo de implantação de pontos de ônibus

no sistema viário, e as lacunas de pesquisas evidenciadas sobre modelagem e simulações da

influência de pontos de ônibus no ruído do tráfego veicular contribuíram para a definição da

questão de pesquisa desta tese, estando ligada a temas que fazem parte da pauta de discussão e

preocupação da maioria das cidades brasileiras e de outros países em desenvolvimento: A

poluição sonora, o transporte de pessoas e o trânsito nas cidades.

A questão de pesquisa dessa tese consistiu na seguinte pergunta: De que maneira

a dinâmica operacional em pontos de ônibus influencia os níveis de ruído do tráfego veicular

em áreas urbanas? A hipótese principal formulada para o estudo foi: O processo de chegadas

e partidas de ônibus em determinado ponto de parada influencia o ruído do tráfego veicular

em seu entorno próximo.

Para tanto, esta pesquisa se propôs a desenvolver um modelo de simulação

probabilística com aplicação do método de Monte Carlo, levando-se em conta características

aleatórias do tráfego veicular e do processo de chegadas e partidas de ônibus em determinado

ponto de parada.

Ressalta-se que técnicas de modelagem e simulação probabilística têm sido

adotadas por outros estudos interessados na avaliação do ruído do tráfego veicular em áreas

urbanas, tais como, Radwan e Oldham (1987), Skarlatos (1993), Ramírez e Domínguez

(2013). No entanto, destaca-se que uma das principais contribuições da presente pesquisa é a

proposição de uma ferramenta computacional desenvolvida a partir de uma abordagem

simples e intuitiva de modelagem e simulação, a qual possibilitará aos seus futuros usuários

não apenas estimar diferentes descritores acústicos, mas também, escutar o ruído simulado de

diversos cenários de tráfego veicular (reais ou hipotéticos).

Sucintamente, a concepção do modelo computacional proposto nesta tese

considera a associação de cada evento aleatório simulado, ou seja, passagem individual de

veículos (veículo leve, moto ou veículo pesado) e ciclo de chegada e partida de um ônibus no

ponto de parada investigado, aos seus respectivos sinais sonoros reais gravados em campo

experimental. A simplicidade do modelo está no fato de não ser necessário realizar a síntese

dos referidos sinais sonoros, aumentando as possibilidades de obtenção de características

sonoras mais próximas da realidade.

22


Em termos de justificativa e relevância desta pesquisa, um primeiro aspecto a ser

colocado é a relação do ruído com vários efeitos nocivos à saúde das pessoas, seja de origem

física ou mental. Esse fato o torna um agente causador não apenas de desconforto acústico, de

interferências em diversas atividades das pessoas (trabalho, lazer, sono), ou de impactos

sociais e econômicos, mas também, um importante problema de saúde pública (BERGLUND;

LINDVALL; SCHWELA, 1999; KANG, 2007; KASSOMENOS; VOGIATZIS; COELHO,

2014).

Entre os aspectos negativos que o ruído pode causar ao homem, destacam-se: a

perda temporária ou permanente da audição, doenças cardíacas, estresse, aborrecimento,

distração, distúrbio no sono, hipertensão, redução da produtividade e aprendizagem, além de

outros malefícios que afetam grande quantidade de pessoas em exposição sonora (HAMMER;

SWINBURN; NEITZEL, 2014).

Por conta disso, o monitoramento da exposição ao ruído e seu controle estão entre

as principais preocupações dos cidadãos, políticos, órgãos de administração e comunidade

técnica - científica (LICITRA, 2013, p. ix). Porém, sua avaliação se mostra uma tarefa muito

complexa diante do caráter difuso que as fontes sonoras se apresentam nas cidades. Além

disso, o processo de avaliação exige conhecimentos de diferentes disciplinas, como: acústica,

fisiologia, sociologia, psicologia e estatística (KANG, 2007, p. 21).

O ruído do tráfego veicular ao longo de sua trajetória ao ar livre sofre inúmeras

influências diante da distância entre fonte e receptor, das atenuações do solo e do ar, das

condições atmosféricas, dos aspectos físicos das vias e de seu entorno - perfil transversal,

declividade, tipo de pavimento, forma urbana, da presença de barreiras e reflexões em

superfícies (KANG, 2007; GUEDES; BERTOLI; ZANNIN, 2011), além de estar diretamente

correlacionado com o fluxo, composição e velocidade dos veículos em circulação (ALVES

FILHO, 1997).

Em áreas inseridas no perímetro urbano, conforme já mencionado, esse tipo de

ruído é influenciado ainda pelas instabilidades no trânsito causadas pelas acelerações e

desacelerações dos veículos em circulação nas malhas viárias, constituídas por diversos

elementos ou equipamentos urbanos, quais sejam: interseções ou cruzamentos, rotatórias,

redutores de velocidade, pontos de ônibus, e da interferência devido à conduta dos motoristas.

Por isso, a relevância no desenvolvimento de ferramentas e técnicas que

contemplem alguns dos fatores de influência supracitados com vistas a uma melhor avaliação

23


do ruído do tráfego veicular, a exemplo do mapeamento acústico e modelos de predição.

Ressalta-se que nos últimos anos tais ferramentas e técnicas têm ganhado forte impulso,

resultando em diversas pesquisas (ASENSIO et al, 2009; ARANA et al, 2010; WANG;

KANG, 2011; GUEDES; BERTOLI; ZANNIN, 2011; SUAREZ; BARROS, 2014; CAI et al,

2015, entre outras).

Pelo exposto, esta pesquisa de doutorado se mostra relevante tanto no âmbito

socioeconômico quanto na saúde, uma vez que contribuirá com a proposição de uma

ferramenta para predição do ruído do tráfego veicular urbano no entorno próximo de pontos

de ônibus, possibilitando aos agentes envolvidos com o controle de ruído, transporte público e

trânsito nas cidades, a adequada avaliação dos impactos sonoros decorrentes desses

importantes elementos urbanos.

1.2 Objetivos

1.2.1 Objetivo geral

Investigar de que maneira a dinâmica operacional em pontos de ônibus influencia

no ruído do tráfego veicular urbano.

1.2.2 Objetivos específicos

(i) Desenvolver um modelo probabilístico para predição do ruído do tráfego

veicular, que possibilite o cálculo de descritores acústicos e a escuta do ruído

simulado.

(ii) Aplicar o modelo probabilístico em avaliações de impacto sonoro do

tráfego veicular em vias urbanas com presença de ponto de ônibus.

(iii) Verificar o potencial do modelo computacional proposto quanto ao

realismo da escuta do ruído simulado.

1.3 Estrutura da tese

Para um melhor delineamento e compreensão do conteúdo do texto, esta tese de

doutorado foi estruturada no seguinte formato:

Capítulo 1 – INTRODUÇÃO. Apresenta uma breve contextualização sobre a

temática central desta pesquisa e suas inter-relações com outras relevantes questões urbanas

presentes no dia a dia dos cidadãos: A poluição sonora, o transporte de pessoas e o trânsito

nas cidades. Em seguida, é mostrada a questão de pesquisa e o processo para sua definição, a

24


hipótese principal, os objetivos, a justificativa/relevância para a realização desta pesquisa de

doutorado e, por fim, a sua estruturação para melhor organização e compreensão.

Capítulo 2 – RUÍDO DO TRÁFEGO VEICULAR. Aborda aspectos gerais

sobre transporte público e o trânsito nas cidades, e revisão de literatura sobre ruído do tráfego

veicular, contemplando os seguintes aspectos: contextualização do tema, principais fatores de

influência e ferramentas de avaliação (mapeamento acústico e modelos de predição de ruído).

Capítulo 3 – MODELAGEM E SIMULAÇÕES. Contempla uma

fundamentação teórica com informações gerais sobre técnicas de modelagem e simulação que

foram utilizadas no desenvolvimento desta pesquisa, contemplando aspectos conceituais sobre

modelo e simulação, variáveis aleatórias e distribuições de probabilidade e por fim, descrição

do método de simulação de Monte Carlo.

Capítulo 4 – MÉTODO DA PESQUISA. Este capítulo tem como objetivo

apresentar os materiais e procedimentos metodológicos adotadas na pesquisa. Portanto, são

descritos os objetos de estudo (Pontos de ônibus “A” e “B”), as etapas de desenvolvimento do

modelo computacional proposto e as formas de avaliação dos resultados obtidos nesta

pesquisa.

Capítulo 5 – RESULTADOS E DISCUSSÕES. Apresenta os resultados do

processo de validação do modelo computacional, bem como os resultados e discussões dos

experimentos de simulações realizados para responder aos objetivos e a questão de pesquisa:

De que maneira a dinâmica operacional em pontos de ônibus influencia os níveis de ruído do

tráfego veicular em áreas urbanas?

Capítulo 6 – CONCLUSÕES. Este capítulo elenca as contribuições e conclusões

mais relevantes obtidas pela presente tese de doutorado com vistas a responder os objetivos

estabelecidos inicialmente, bem como descreve as principais características, restrições e

simplificações do modelo computacional desenvolvido, além de sugestões para trabalhos

futuros originados a partir dos recortes e delimitações realizados ao longo da pesquisa.

Ao final desse manuscrito são apresentadas as referências que serviram de base

para a elaboração da revisão da literatura e de fundamentação teórica para o desenvolvimento

do modelo computacional proposto nesta tese de doutorado, sendo acompanhadas pela lista de

apêndices.

25

Capítulo 2 – Ruído do tráfego veicular

Capítulo 2

RUÍDO DO TRÁFEGO VEICULAR


Inicialmente, este capítulo discorre sobre a temática, transporte público e o

trânsito nas cidades. Em seguida, apresenta conteúdo referente a “Pontos de ônibus”, que são

componentes essenciais no sistema de transporte público coletivo por ônibus e objeto de

estudo desta pesquisa. Na sequência, é realizada uma revisão de literatura sobre o ruído do

tráfego veicular, contemplando aspectos conceituais, suas principais características e fatores

de influência, além dos seus diversos impactos negativos às pessoas. Por fim, traz

informações e referências de estudo para diferentes subtemas de pesquisa sobre ruído do

tráfego veicular, com ênfase aos subtemas referentes às ferramentas de avaliação de ruído,

quais sejam: mapeamento acústico e modelo de predição do ruído do tráfego veicular.

2.2 Transporte público e o trânsito nas cidades

Segundo Ibarra-Rojas et al (2015, p.39), “(...) o transporte público é considerado

uma importante espinha dorsal do desenvolvimento urbano sustentável, uma vez que deve

permitir movimentos mais eficientes em toda a cidade”. Entretanto, os mesmos autores

alertam que a rápida urbanização tem prejudicado o alcance do tão almejado desenvolvimento

orgânico e planejado das cidades, que convivem diariamente com inúmeros problemas, a

exemplo dos longos tempos de deslocamentos, dos congestionamentos e acidentes no trânsito,

da poluição sonora e atmosférica, entre outros.

Segundo De Castilho (1997, p.1), o grande crescimento populacional, a expansão

urbana e a intensificação das atividades econômicas com o consequente aumento do poder

aquisitivo pelas pessoas são as principais causas do aumento da demanda por transporte

público urbano nos países em desenvolvimento. Afirma ainda que esta crescente demanda por

transporte público traz uma série de preocupações relacionadas com a capacidade e operação

do sistema de transporte, restrições orçamentárias, que dificultam a implantação de transporte

de massa mais sofisticado, além dos impactos ambientais já citados no parágrafo anterior.

26


As maiores distâncias entre centros urbanos e periferia, fruto do desordenado

processo de urbanização, têm contribuído para o surgimento dos corredores de transporte

urbano, com predomínio dos ônibus como modo de transporte, devido ao seu baixo custo de

implantação e maior flexibilidade. Por outro lado, nos sistemas tradicionais de operação de

ônibus, ou seja, sem os corredores exclusivos para ônibus, o mesmo espaço viário é

compartilhado pelos ônibus e outros veículos, o que limita a capacidade de transporte, além

de aumentar os custos operacionais e emissões de poluentes (DE CASTILHO, 1997, p. 2).

No que se refere especificamente ao sistema de tráfego, o volume (ou fluxo), a

velocidade e a densidade de tráfego representam as principais grandezas relacionadas com as

condições dinâmicas do trânsito em determinada via (DNIT, 2006, p.63).

O volume ou fluxo de tráfego é definido como sendo a razão da quantidade de

veículos que cruza uma determinada seção de uma via (ou de uma dada faixa) por unidade de

tempo, geralmente expresso em termos de veículos/dia ou veículos/hora (DNIT, 2006, p.63).

Enquanto que a densidade do tráfego consiste no número de veículos por unidade de

comprimento de via, podendo ser calculada pela razão entre o fluxo veicular e a velocidade

média em certo trecho de via (DNIT, 2006, p.81).

A relação entre essas grandezas fundamentais do tráfego influencia nas condições

de trânsito, que pode ser classificado em trânsito livre, sincronizado ou congestionado. De

acordo com Santos (2008, p. 23), o trânsito livre está associado a menores densidades

veiculares. Neste estado, os veículos podem atingir a velocidade máxima da via com maior

probabilidade. No ponto de vista de modelagem e simulação tal situação se mostra mais

simples.

O trânsito sincronizado ocorre quando a capacidade da via foi alcançada ou se

aproxima disso. Os veículos transitam com velocidade tipicamente constante. Já o trânsito

congestionado, o fluxo veicular ocorre de forma lenta em virtude da baixa velocidade ou até

mesmo nula, situações que são comuns quando o número de veículos supera a capacidade

máxima da via, ou devido à ocorrência de algum evento (por exemplo, acidente). O fenômeno

característico do trânsito congestionado é o stop–and–go (SANTOS, 2008, p.23).

Ainda segundo Santos (2008, p. 23), a passagem de um estado de trânsito para

outro (livre – sincronizado – congestionado) em determinados trechos de uma via pode

ocorrer suavemente ao longo do dia, em intervalos de tempo não muito grandes. Nesta

27


transição não há um limite bem definido entre eles, podendo existir, portanto, alguns desses

estados de trânsito ao longo de diferentes trechos de uma mesma via.

Embora existam esses três tipos de estados, o trânsito nas áreas urbanas se mostra

tipicamente congestionado ou interrompido, resultante das constantes desacelerações e

acelerações provocadas pelos diversos elementos e/ou equipamentos que interferem no fluxo

dos veículos e no desempenho do sistema como um todo.

Os pontos de ônibus, cruzamentos, semáforos, lombadas, faixas de pedestres são

exemplos desses elementos presentes no trânsito nas cidades. Como o escopo desta pesquisa

se concentra na influência de pontos de ônibus no ruído do tráfego veicular urbano, a seguir

são apresentadas informações gerais sobre esse tipo de equipamento urbano.

Segundo Ferraz e Torres (2004, p. 235), de uma forma genérica os pontos de

parada são os locais de embarque e desembarque de ônibus ou bondes posicionados nos

passeios públicos. A Associação Nacional de Transportes Públicos (ANTP) cita que os pontos

de parada são de grande relevância para o serviço de transporte público urbano, sendo o

primeiro contato físico do usuário com a rede de transporte. Esses equipamentos urbanos

necessitam de especial atenção por parte dos gestores no que se refere aos aspectos de

localização e espaçamento, pois podem influenciar diretamente no desempenho e custos da

operação do sistema (ANTP, 1997, p. 150).

O espaçamento entre os pontos de parada interfere na velocidade de operação

desejada para os ônibus ao longo do trajeto e para sua definição é preciso se ater às questões

de acessibilidade, concentração de usuários na parada e o tempo de serviço para o embarque e

desembarque (FERRAZ; TORRES, 2004, p.241).

Por motivos de segurança e racionalidade, os pontos de parada de ônibus não

devem ser localizados em curvas, superfícies muito inclinadas, em frente às garagens e nem

muito próximo a cruzamentos, devendo ser preferencialmente posicionados no meio do

quarteirão, para minimizar eventuais conflitos entre veículos e pedestres (FERRAZ;

TORRES, 2004, p. 242).

Os pontos de parada de ônibus podem ainda ser posicionados ao longo da própria

guia da via (posição normal), ou recuados em baias ou em guia avançada, cujo critério de

definição deve considerar aspectos, como: a fluidez do trânsito, o número de vagas de

estacionamento, o conforto dos usuários durante a espera e a facilidade de retorno do ônibus

28


ao fluxo do trânsito (FERRAZ; TORRES, 2004, p. 244). O Quadro 1 mostra um comparativo

entre essas configurações de pontos de parada com base nos aspectos supracitados.

Quadro 1 – Configurações de pontos de parada de ônibus em uma via com duas faixas de rolamento e uma de

estacionamento. Legenda: (A) melhor situação; (B) situação intermediária e (C) pior situação.

Situação Croqui Comparação

Guia em posição normal

Estacionamento do lado direito

Fluidez no trânsito: A

Estacionamento de veículos: C

Conforto dos pedestres e

usuários: B

Retorno dos ônibus ao fluxo de tráfego: B

Guia em posição normal

Estacionamento do lado esquerdo

Fluidez no trânsito: C

Estacionamento de veículos: A


usuários: B

Retorno dos ônibus ao fluxo de tráfego: A

Guia recuada

Estacionamento do lado esquerdo

Fluidez no trânsito: A

Estacionamento de veículos: A


usuários: C

Retorno dos ônibus ao fluxo de tráfego: C

Guia avançada

Estacionamento do lado direito

Fluidez no trânsito: B

Estacionamento de veículos: B


usuários: A

Retorno dos ônibus ao fluxo de tráfego: A

Fonte: Adaptado de Ferraz e Torres (2004, p.243).

Quanto às características geométricas dos pontos de parada, Ferraz e Torres

(2004, p. 245) mostram dimensões mínimas para atendimento de ônibus com comprimento de

12 m. Nos casos em que o ponto de parada estiver no meio da quadra, tais dimensões são: 8 m

para acomodação de entrada, 6 m no trecho de saída e 12 m para o local de parada do ônibus,

perfazendo um total de 26 m. Por questão de segurança, nos pontos localizados próximos aos

cruzamentos ou interseções, o afastamento deverá ser de 10 m em relação ao alinhamento das

edificações localizadas na via perpendicular à linha de fluxo principal (Figura 1).

29


Figura 1 – Posicionamento e dimensões dos pontos de parada próximos a cruzamentos: a) Antes do

cruzamento e b) Depois do cruzamento.

(a)

(b)

Fonte: Adaptado de Ferraz e Torres (2004, p.246-247).

Com base nas informações apresentadas, percebe-se que o ponto de parada de fato

representa um componente primordial no sistema de transporte público por ônibus. Além das

preocupações apontadas, especialmente, quanto à segurança na travessia, comodidade dos

usuários, e maior eficiência na operação do sistema, a ANTP (1997, p. 150) cita ainda

algumas outras recomendações durante a implantação de pontos de parada de ônibus, tais

como:

(i) Em vias expressas ou de alta velocidade, colocar baias nas paradas de

ônibus e prever pavimento rígido próximo aos pontos em situações de

volume grande de coletivos.

(ii) Prever cobertura no ponto de parada para proteção contra intempéries, além

de pavimentação e iluminação da calçada.

30


(iii) Dimensionar o ponto de parada para a demanda máxima prevista do local, e

considerar soluções modulares que favoreçam a implantação agrupada dos

pontos de parada.

(iv) Prover o ponto de parada com informações do sistema de transporte (linhas

de ônibus locais) e outros informativos de interesse da população.

Por fim, esta pesquisa aborda outra preocupação que deveria ser agregada ao

elenco de itens apresentados acima quando da implantação de pontos de ônibus em espaços

urbanos. Tal preocupação refere-se ao impacto sonoro da dinâmica operacional dos pontos de

parada de ônibus no seu entorno, especialmente, constituído por edificações que possuam

atividades sensíveis ao ruído.

Neste sentido, esta tese de doutorado busca contribuir com a proposição de um

modelo computacional para predição do ruído do tráfego na vizinhança de pontos de ônibus, a

fim de fornecer aos envolvidos com o controle de ruído, transporte público e trânsito nas

cidades uma ferramenta que contribua para avaliação de impactos sonoros desses relevantes

componentes do sistema de transporte coletivo por ônibus.

2.3 Aspectos gerais sobre ruído do tráfego veicular

Atualmente, o ruído representa um dos principais agentes poluidores nas cidades.

A rápida expansão urbana, crescimento da população e da frota de veículos automotores, em

função da priorização do seu uso como forma de mobilidade urbana têm contribuído para a

posição destaque do ruído do tráfego veicular em relação às demais fontes de poluição sonora,

fato que é corroborado por diversas referências científicas (SINGAL, 2005; GUEDES;

BERTOLI; ZANNIN, 2011; ZANNIN; DE SANT’ANA, 2011; DINTRANS; PRÉNDEZ,

2013; LICITRA, 2013; CAI et al, 2015).

O ruído além de provocar desconforto, interferências em diferentes atividades do

cotidiano das pessoas (trabalho, lazer, sono, entre outras) e impactos socioeconômicos, é

responsável ainda por inúmeros efeitos nocivos à saúde (físico e/ou psicológico), por

exemplo, perda temporária ou permanente da audição, doenças cardiovasculares, alterações

hormonais, estresse e irritação, entre outros (KANG, 2007; HAMMER; SWINBURN;

NEITZEL, 2014).

Por conta desse cenário preocupante, muitas pesquisas têm sido realizadas com o

interesse de se investigar a problemática do ruído do tráfego veicular em seus diferentes

31


aspectos. Diversos são os esforços para o controle do ruído nas cidades, a partir de medidas

que visam investigar suas causas e efeitos, ou por meio da avaliação acústica de uma região.

Nos últimos anos, especialmente após a entrada em vigor da Diretiva Europeia

2002/49/CE3, muitas dessas pesquisas têm avaliado o ruído urbano com a aplicação de mapas

acústicos (ou de ruído), elaborados por meio de medições sistemáticas de descritores

acústicos, modelagem matemática/computacional, ou ainda com o uso de softwares

comerciais para predição do ruído (ASENSIO et al, 2009; ARANA et al, 2010; WANG;

KANG, 2011; AVSAR; GUMUS, 2011; SOUZA; GIUNTA, 2011; GUEDES; BERTOLI;

ZANNIN, 2011; ZANNIN; DE SANT’ANA, 2011; SUAREZ; BARROS, 2014; CAI et al,

2015; FIEDLER; ZANNIN, 2015a).

O ruído do tráfego veicular urbano sofre influência de aspectos físicos das vias

(perfis de ruas, gradiente e largura das pistas, tipo de pavimento), do fluxo, composição e

velocidades dos veículos em circulação, das condições meteorológicas (vento, temperatura e

umidade do ar) (KANG, 2007; GUEDES; BERTOLI; ZANNIN, 2011), além das

instabilidades do trânsito decorrentes das frenagens e acelerações dos veículos diante da

presença de cruzamento semaforizado ou não, rotatórias, lombadas, pontos de ônibus, e

própria postura dos motoristas (PICAUT; BÉRENGIER; ROUSSEAU, 2005; ABO-

QUDAIS; ALHIARY, 2007; LI et al, 2011; CAI; LI; LIU, 2011; WANG; CAI; ZOU, 2012).

A depender da velocidade e do fluxo de veículos, o ruído pode ser proveniente do

motor/escapamento, quando os mesmos estão trafegando com velocidades baixas, da

interação pneu/pavimento, ou ainda de aspectos aerodinâmicos, nas situações com

velocidades médias e altas, respectivamente (LICITRA, 2013).

O fenômeno do ruído do tráfego veicular urbano ganha ainda maior complexidade

diante das características aleatórias decorrentes de diversos fatores já mencionados. Algumas

pesquisas (RADWAN; OLDHAM, 1987; LAM; TAM, 1998; ALIMOHAMMADI et al,

2005; RAMIREZ; RODRIGUEZ, 2013) têm mostrado que a consideração de aspectos

aleatórios em ferramentas de avaliação, especialmente, em modelos de predição de ruído pode

contribuir para um melhor diagnóstico e avaliação do ruído do tráfego veicular urbano.

3 A Diretiva Europeia 2002/49/CE tornou obrigatória na Europa a elaboração de mapas estratégicos de ruído

para aglomerações urbanas com mais de 250 mil habitantes. Tal diretiva tem como proposta central definir uma

abordagem comum para evitar, prevenir ou reduzir os efeitos prejudiciais da exposição ao ruído ambiental nos

Estados - Membros Europeus (PARLAMENTO EUROPEU E DO CONSELHO, 2002).

32


Ressalta-se que o mapeamento sistemático de literatura realizado nesta tese

evidenciou predomínio nos últimos anos de pesquisas acadêmicas sobre mapeamento acústico

e modelagem e simulações, resultado que já era esperado devido ao incentivo da Diretiva

Europeia 2002/49/CE e dos recentes avanços tecnológicos e computacionais (GUEDES;

BERTOLI, 2015).

Este mapeamento sistemático de literatura propiciou ainda a identificação de

alguns outros subtemas de pesquisa, com abordagens e focos diferenciados sobre a temática

do ruído do tráfego veicular, como por exemplo:

(i) Controle do ruído no próprio veículo ou interação pneu/pavimento

(BRAVO; IBARRA; COBO, 2013; LIAO et al, 2014; MAK; HUNG, 2014).

(ii) Propagação sonora ao ar livre em ruas urbanas4 (ONAGA; RINDEL,

2007; CIANFRINI; CORCIONE; FONTANA, 2007; LI; LAW; KWOK,

2008; LIU et al, 2010; SAMARA; TSITSONI, 2011; GUARNACCIA;

QUARTIERI, 2012; VAN RENTERGHEM et al, 2012; OSHIMA; II,

2013).

(iii) Efeitos adversos na saúde física e psicológica das pessoas (MARKS;

GRIEFAHN, 2007; NOTBOHM et al, 2013; PAUNOVIŠ; BELOJEVIŠ;

JAKOVLJEVIŠ, 2013).

(iv) Impactos socioeconômicos (BLANCO; FLINDELL, 2011; NAISH; TAN;

DEMIRBILEK, 2012).

(v) Soundscape5 (NILSSON et al, 2009; COENSEL; VANWETSWINKEL;

BOTTELDOOREN, 2011; RÅDSTEN-EKMAN; AXELSSON; NILSSON,

2013).

Em referência às pesquisas sobre Soundscape, seus enfoques estão relacionados

com a influência do efeito mascaramento no ruído do tráfego veicular por sons mais

agradáveis (fontes de águas, chafarizes) presentes nos espaços urbanos abertos (praças e

parques). As pesquisas sobre Soundscape envolvem, geralmente, avaliações objetivas

(medições e análises por meio de descritores acústicos) e subjetivas para análise da percepção

4 Estudos associados ao entendimento dos fenômenos acústicos envolvidos (reflexão, espalhamento e difração) e

influências das superfícies e obstáculos – forma urbana, vegetação, barreiras acústicas.

5 Soundscape (ou paisagem sonora) – Terminologias que descrevem a relação entre o ambiente sonoro e o

indivíduo, levando-se em conta todos os tipos de interações entre o espaço, o som e os seres humanos

(PAPADIMITRIOU et al, 2009). Referem-se à maneira como o ambiente circundante é percebido pelas pessoas,

envolvendo aspectos físicos, sociais, culturais, psicológicos e arquitetônicos (KANG, 2007).

33


sonora nas pessoas (aplicação de questionários). Ou ainda, com base em testes psicoacústicos

em laboratórios ou in loco (Realidade virtual e auralização), tais como: FIEBIG; GUIDATI;

GENUIT, 2009; NILSSON et al, 2011; THOMAS et al, 2012; RUOTOLO et al, 2013.

A realização de avaliações subjetivas do ruído do tráfego veicular por meio de

testes auditivos tem sido outra abordagem adotada em recentes pesquisas (MAILLARD;

JAGLA, 2012; MAILLARD; JAGLA, 2013). Maillard e Jagla (2012) destacam que a escuta

do ruído do tráfego veicular ganhou muito interesse por parte dos planejadores urbanos como

ferramenta de avaliação, representando uma alternativa ao uso de indicadores ou parâmetros

acústicos nas análises do impacto desse tipo de ruído em ambientes urbanos.

Na próxima subseção será apresentada uma revisão de literatura, contendo

aspectos abordados na comunidade internacional sobre as principais ferramentas de avaliação

do ruído do tráfego veicular, ou seja, mapeamento acústico e modelos para predição acústica.

2.4 Ferramentas de avaliação do ruído do tráfego veicular

A avaliação do ruído ambiental consiste em uma tarefa complexa, tendo em vista

a sua natureza aleatória e aos diversos fatores de influência que o mesmo sofre durante a sua

propagação ao ar livre, demonstrada por suas oscilações de energia ao longo do tempo. Nesse

sentido, Murgel (2007) cita a importância de se utilizar parâmetros ou descritores acústicos

que possam indicar o valor médio, bem como caracterizar suas flutuações sonoras e a

magnitude do impacto causado pelo ruído em determinada localidade.

Os principais descritores acústicos usados em avaliações de ruído do tráfego

veicular são listados e comentados na próxima subseção, e em seguida, são abordadas as

principais ferramentas de avaliação de ruído: mapeamento acústico e modelos para predição

acústica.

2.4.1 Descritores acústicos

Em geral, para avaliação do ruído do tráfego veicular são usados os seguintes

descritores acústicos: Nível sonoro estatístico (Ln), Nível sonoro equivalente contínuo (Leq),

Nível sonoro médio dia – noite (Ldn), Nível sonoro médio dia – vespertino – noite (Lden), além

do Nível de Poluição Sonora (LNP) e Índice de Ruído de Tráfego (TNI) (SINGAL, 2005;

KANG, 2007).

O nível sonoro estatístico (Ln) é o valor de nível de pressão sonora que foi

excedido em uma porcentagem do intervalo de tempo de observação. Ou seja, L10, L50 e L90

34


são os níveis excedidos de 10, 50 e 90% do tempo de medição, adotados normalmente como

valores aproximados dos níveis sonoros máximo, médio e residual, respectivamente.

O nível sonoro equivalente contínuo (Leq) representa um descritor de ampla

aplicação nas medições de ruído ambiental, que apresenta oscilações sonoras consideráveis ao

longo do tempo. Consiste no nível de um som contínuo, que em um intervalo de tempo

específico, possui a mesma energia do som medido, cujo nível varia com o tempo (ISO 1996 -

1, 2003). Pode ser calculado pela Equação 1:

*

∫ ( )

+ [Equação 1]

Onde:

- p(t) é a pressão sonora instantânea.

- p0 é a pressão sonora de referência (20μPa).

- T é o intervalo de tempo total de medição.

A partir de valores de Leq em períodos de tempo bem pequenos, pode-se calcular

Leq referente ao intervalo de tempo total da medição (T) por meio da Equação 2 (KANG,

2007, p. 27).

*

∑

+ [Equação 2]

Onde:

- N é o número de termos de Leq.

- ti é o período de tempo referente a cada um desses termos.

Para iguais valores de ti, a Equação 2 resulta na Equação 3 (KANG, 2007, p. 28):

*

∑ + [Equação 3]

Kang (2007, p.28) comenta sobre a possibilidade de se calcular o Leq por meio da

Equação 4, aplicando os níveis sonoros estatísticos, L10, L50 e L90. No entanto, os níveis

sonoros devem seguir uma distribuição normal no intervalo de tempo de medição.

( )

[Equação 4]

35


Kang (2007, p. 29) lembra que no caso de ruído do tráfego rodoviário, o nível

sonoro equivalente (Leq) se correlaciona fortemente com o fluxo veicular (Q) com base na

Equação 5. Os valores dos coeficientes a e b são influenciados por vários fatores, por

exemplo, das condições da própria rodovia.

[Equação 5]

O ruído comunitário se mostra mais incômodo durante o período da noite devido à

ocorrência de menores de níveis de ruído residual nesses horários. Para considerar tal aspecto,

o descritor acústico Ldn consiste no nível sonoro equivalente médio para o período de 24h com

adição de 10 dBA aos níveis sonoros noturnos, normalmente das 22h às 7h (Equação 6).

[ .

/ .

/

] [Equação 6]

Onde:

- Ldn é o nível sonoro médio dia-noite.

- Lday é o nível sonoro equivalente contínuo para o período diurno (7h às 22h).

- Lnight é o nível sonoro equivalente contínuo para o período noturno (22h às 7h).

O nível sonoro médio dia – vespertino – noite (Lden) é similar ao nível sonoro

médio dia – noite (Ldn). A única diferença entre ambos é a sua penalização adicional nos

níveis sonoros para o período vespertino (Equação 7).

[ .

/ .

/ .

/

] [Equação 7]

Lday, Levening e Lnigth são os níveis sonoros médios, ponderados na curva A, dos

seus respectivos horários típicos, podendo ser definido a partir das características regionais ou

nacionais. Normalmente, os intervalos horários dos períodos dia, vespertino e noite são 7h às

19h, 19h às 22h e 22h às 7h, respectivamente. Esse descritor tem sido adotado pela Diretiva

Europeia 2002/49/CE (PARLAMENTO EUROPEU E DO CONSELHO, 2002).

O nível de poluição sonora (LNP) descreve o ruído de tráfego veicular com base no

nível sonoro equivalente contínuo e no aumento do incômodo durante as flutuações do ruído

36


ao longo do tempo. O nível de poluição sonora pode ser calculado pela Equação 8

(ROBINSON, 1971).

[Equação 8]

Onde:

- LAeq é o nível sonoro equivalente contínuo durante certo intervalo de tempo de

medição, em dBA.

- σ é o desvio padrão da variabilidade dos níveis instantâneos de ruído obtidos

nesse mesmo período.

Beranek (1971 apud SINGAL, 2005) propôs uma relação aproximada para

determinação do LNP, com base nos níveis estatísticos, L10 e L90 (Equação 9).

( ) [Equação 9]

O índice de ruído de tráfego (TNI) representa outro parâmetro acústico que

considera a variabilidade do ruído como parcela importante na avaliação do ruído do tráfego

veicular, fornecendo um valor que estabelece o seu nível de incômodo.

Scholes (1970) cita que TNI resultou de uma pesquisa social realizada em 1967

pela Building Research Station – BRS, cujos resultados foram publicados em (GRIFFITHS;

LANGDON, 1968; LANGDON; SCHOLES, 1968). Os resultados desta pesquisa indicaram a

existência de correlação entre ruído do tráfego e grau de insatisfação das pessoas,

representada pela combinação ponderada entre L10 e L90 (Equação 10).

( ) [Equação 10]

Onde:

- L10 e L90 são os níveis estatísticos medidos em um período de 24h.

A Figura 2 mostra a correlação observada na pesquisa desenvolvida pela BRS

entre o incômodo e o TNI, indicando a linha com melhor ajuste sob um nível de confiança de

95%. O valor de 74TNI, referente ao limite inferior do intervalo de confiança, seria o nível

critério, indicando que 1 em 40 pessoas estaria incomodada pelo ruído de tráfego veicular

(SCHOLES, 1970, p. 9 - 10).

37


Figura 2 – Relação entre TNI e grau de insatisfação com o ruído de tráfego.

Fonte: Adaptado de Scholes (1970, p. 9).

A Figura 3 mostra a relação observada entre valores de “TNI instantâneos”

calculados a partir dos níveis estatísticos L10 e L90 medidos por Lamure e Auzou às margens

de uma rodovia em condições de campo livre com diferentes fluxos veiculares. Pelo gráfico

da Figura 3, percebe-se que à medida que o fluxo de tráfego aumenta L10 e L90 aumentam e a

variabilidade do ruído (L10 – L90) diminui (SCHOLES, 1970, p.16).

Figura 3 – Relação entre fluxo de tráfego e TNI, L10, L90.

Fonte: Adaptado de Scholes (1970, p.16).

Em função das características e dos objetivos da presente pesquisa de doutorado,

foram adotados os descritores acústicos LAeq, LA10, LA90, LNP e TNI para a investigação do

38


impacto no ruído do tráfego veicular urbano decorrente do processo de chegada e partida de

ônibus nos pontos de parada de ônibus investigados.

2.4.2 Mapeamento acústico

O mapa de ruído é uma representação gráfica da distribuição espacial da

exposição ao ruído (KANG, 2007, p. 147). Os mapas de ruído apresentam os níveis sonoros

por meio de isolinhas, semelhantes às curvas topográficas de mapas convencionais. A norma

ISO 1996-2 (2007) recomenda identificar nos mapas de ruído os limites de cada curva por

meio de cores padronizadas em intervalos de 5 dB.

Conforme já mencionado, a elaboração dos mapas de ruído recebeu grande

impulso nos últimos anos a partir da entrada em vigor da Diretiva Europeia 2002/49/CE. Tal

diretiva cita que a elaboração do mapa de ruído representa uma compilação de dados sobre

uma situação acústica anterior, existente ou futura, sendo possível fazer análises comparativas

entre seus níveis sonoros e os valores - limite em vigor, e estimar o número de habitações,

escolas, hospitais e pessoas expostas a determinados níveis de ruído em uma dada região

(PARLAMENTO EUROPEU E DO CONSELHO, 2002).

A Diretiva Europeia 2002/49/CE cita ainda que o mapa estratégico de ruído

consiste em um importante banco de dados, que poderá subsidiar futuros planos de ação para

o controle do ruído e oferecer relevantes informações ambientais para os cidadãos

(PARLAMENTO EUROPEU E DO CONSELHO, 2002).

A elaboração de mapas de ruído pode se dar em diferentes escalas urbanas, seja de

uma quadra, de um bairro ou até mesmo de uma cidade, por meio de medições sistemáticas de

ruído, dada uma malha de pontos pré-definida, ou a partir do uso de softwares para predição

acústica (GUEDES; BERTOLI, 2014, p. 41).

No entanto, Cueto e Hernandes comentam que o desenvolvimento de mapas de

ruído por meio de medições acústicas apresenta muitos inconvenientes, e comentam algumas

vantagens e desvantagens de ambos os métodos (LICITRA, 2013, p. 29). Dentre as vantagens

da predição acústica em relação às medições, Cueto e Hernandes destacam:

(i) Fornecimento de informações mais detalhadas quanto à contribuição de

cada fonte no ruído global, sem a influência do ruído residual.

(ii) Não sofre influência das condições meteorológicas.

39


(iii) Permite avaliação de cenários reais e futuros, com análises da eficácia de

medidas corretivas ou preventivas contra o ruído.

(iv) Oferece maior facilidade de atualização dos mapas de ruído e apresenta

menor custo (LICITRA, 2013, p. 30).

Por outro lado, o uso de softwares para predição acústica na elaboração dos mapas

de ruído exige grande quantidade de dados de entrada, que precisam ser precisos para que

sejam obtidos resultados com a precisão desejada; requer do usuário habilidades específicas

em acústica para adequado uso desses softwares; e a comunidade em geral comumente atribui

maior credibilidade para os resultados alcançados por meio das medições acústicas

(LICITRA, 2013, p. 30).

Com o avanço computacional, diversos softwares têm sido desenvolvidos para

elaboração de mapas de ruído, como: Cadna, ENM, fluidyn, GIpSynoise, IMMI, LIMA,

Mithra, Noisemap, Predictor, SoundPLAN (KANG, 2007, p. 152). Tais softwares adotam

diferentes métodos de cálculo baseados em normas internacionais e nacionais, específicos

para diversos tipos de fontes de ruído (aeroviário, ferroviário, rodoviário e industrial).

Em geral, os modelos matemáticos se utilizam da teoria e princípios da

propagação sonora ao ar livre, levando-se em conta as influências das características acústicas

das fontes (por exemplo, nível de potência sonora), aspectos geométricos da área (topografia,

edifícios, muros, entre outros), condições meteorológicas (vento, temperatura, umidade

relativa) e fenômenos acústicos (reflexão e difração).

Kang (2007, p.147) comenta que mesmo diante da busca por melhor precisão das

simulações acústicas, como os esforços dos países europeus com a adoção dos projetos

Harmonoise e Imagine, muitas normas de âmbito nacional ainda têm sido aplicadas nos

softwares de mapeamento acústico. Consequentemente, diferentes procedimentos de cálculos

e descritores acústicos são frequentes, contribuindo para divergências nas predições de ruído

para um mesmo cenário simulado.

Quanto à elaboração de mapas de ruído do tráfego veicular com uso de softwares

para simulação acústica, seus procedimentos podem ser resumidos da seguinte maneira:

(i) Coleta de aspectos físicos e geométricos da via e do seu entorno.

(ii) Aquisição de dados acústicos e de tráfego.

(iii) Modelagem geométrica e modelagem acústica, com a definição dos

algoritmos, normas específicas e caracterização das fontes de ruído.

40


(iv) Calibração e validação do modelo.

(v) Cálculo, geração dos mapas de ruído (planos horizontais e verticais),

relatórios e tabelas com valores de níveis de exposição sonora em uma dada

população (GUEDES; BERTOLI, 2014).

Os descritores acústicos mais usados nos mapeamentos acústicos são os níveis

sonoros estatísticos (Ln), nível sonoro equivalente contínuo (Leq), nível sonoro médio dia –

noite (Ldn) ou nível sonoro médio dia – vespertino – noite (Lden) (MAROJA; GARAVELLI;

DE CARVALHO JUNIOR, 2011; GIUNTA et al, 2012; MORAES et al, 2013; FIEDLER;

ZANNIN, 2015a).

Conforme mencionado, a Diretiva Europeia 2002/49/CE tem tornado o mapa

acústico uma importante ferramenta de controle e gerenciamento do ruído entre os países –

membros europeus. Com o passar dos anos, tal ação vem se expandindo para outros

continentes, e a comunidade científica tem buscado cada vez mais acompanhar essa demanda

com realização de novas pesquisas sobre essa relevante temática. Uma evidência disto é o

crescimento do número de publicações internacionais sobre mapeamento acústico verificado

nos últimos anos (GUEDES; BERTOLI, 2015).

No continente europeu, pesquisas sobre mapeamento acústico com base na

Diretiva Europeia já são uma realidade. Por exemplo, na Espanha, Arana et al (2013)

desenvolveram o mapeamento estratégico de ruído e seus consequentes planos de ação na

comunidade autônoma de Navarra (Espanha). Realizou-se um total de seis mapas de ruído,

englobando 120 km das principais rodovias, e a aglomeração de Pamplona que possuía na

ocasião 280.199 habitantes.

No mapa estratégico de ruído de Pamplona, verificou-se que 13% das pessoas se

encontravam expostas a níveis sonoros médio – noite (Lnight) acima de 55 dBA, e 15,1% a

níveis sonoros médio dia – vespertino – noite (Lden) superiores a 65 dBA. Com relação aos

mapas de ruído realizados ao longo das principais rodovias, observou-se que 3.900 pessoas

estavam expostas a Lnight superiores a 55 dBA e 2.400 pessoas expostas a Lden acima de 65

dBA.

Na Irlanda, King, Murphy e Rice (2011) fizeram uma revisão dos procedimentos

de implantação da primeira fase do mapeamento estratégico de ruído e plano de ação na

cidade de Dublin (Irlanda) com enfoque ao ruído do tráfego rodoviário. De um modo geral,

esta primeira fase desenvolveu mapas de ruído para uma aglomeração, um aeroporto e 600 km

41


de rodovias. Tais mapas mostraram o nível de exposição sonora em uma população com cerca

de 1,25 milhão de pessoas. Podem-se citar ainda como exemplos de estudos na Irlanda, os

desenvolvidos por Murphy e King (2011), King e Rice (2009) e Murphy, King e Rice (2009).

Outros países europeus têm realizado trabalhos sobre mapas de ruído, tais como,

Turquia (AVSAR; GUMUS, 2011; KALIPCI; DURSUN, 2009; DOYGUN; KUŞAT

GURUN, 2008); Bélgica (CAN; DEKONINCK; BOTTELDOOREN, 2014; D'HONDT;

STEVENS; JACOBS, 2013); Reino Unido (WANG; KANG, 2011); Lituânia (VAIŠIS;

JANUŠEVIČIUS, 2008); Romênia (POPESCU; TUNS; MOHOLEA, 2011).

China, Coréia do Sul, Brasil são alguns países que buscam acompanhar o exemplo

europeu no desenvolvimento de pesquisas sobre mapeamento acústico. Entretanto, a

representatividade desses e de outros países ainda se mostra incipiente no cenário

internacional de publicações de pesquisas sobre esse tema (GUEDES; BERTOLI, 2015).

Na China, Cai et al (2015) desenvolveram mapas de ruído do tráfego veicular para

os períodos diurno e noturno na cidade de Guangzhou, usando recursos do Geographical

Information Systems (GIS) e Global Positioning Systems (GPS). Esses mapas acústicos

abrangeram uma área aproximada de 2.400 km2, com 20.450 fontes de ruído de tráfego e

104.461 edificações em oito distritos da cidade de Guangzhou.

Cai et al (2015) citam a criação do mapa de ruído de tráfego em anel rodoviário

cidade de Guangzhou (ZHOU, 2007); o desenvolvimento do mapa de ruído em Hong Kong

com aplicação da tecnologia de visualização 3D (LUO et al 2005), que também foi objeto de

estudo de Wing Law et al (2011). Citam ainda o exemplo do mapa de ruído do tráfego diurno

desenvolvido em Taiwan por meio de monitoramento acústico (KANG; LIN; CHEN, 2009),

além do primeiro mapa de ruído de tráfego veicular na cidade de Beijing, abrangendo uma

área de 12,7 km2

(HU; XU, 2009).

Na Coréia do Sul, Jeong et al (2010) aplicaram a técnica de mapeamento acústico

para analisar o ruído durante e após a construção de um edifício, bem como da implantação do

projeto de desenvolvimento urbano e um complexo industrial em Seul, com previsões do

ruído do tráfego em decorrência do aumento do fluxo veicular provocado por esses

empreendimentos. Lee et al (2014) realizaram uma estimativa de populações expostas ao

ruído do tráfego rodoviário nos períodos diurno e noturno em 25 distritos da região

metropolitana de Seul. Os resultados apontaram para a necessidade urgente de medidas de

redução do ruído de tráfego no período noturno.

42


No Brasil, a maior parcela dos trabalhos sobre mapas de ruído tem sido resultado

de pesquisas acadêmicas, que mesmo tendo pouca representatividade em relação ao cenário

internacional de publicações, tem contribuído no desenvolvimento e consolidação de

procedimentos metodológicos para a sua realização.

A Tabela 1 apresenta uma amostra de artigos desenvolvidos no Brasil e

publicados internacionalmente, destacando informações, como: referência, local de estudo,

forma de abordagem, descritores acústicos e referências normativas adotadas. Oferece,

portanto, um panorama geral de alguns exemplos de pesquisas brasileiras sobre mapeamento

acústico.

Tabela 1 – Exemplos de artigos desenvolvidos no Brasil e publicados internacionalmente sobre mapeamento

acústico.

Referência Local Forma de abordagem Descritor acústico/

referência normativa

FIEDLER;

ZANNIN,

2015a

Curitiba

(PR)

Medições acústicas (16 pontos) e coleta de

dados de tráfego e características físicas da

rodovia. Modelagem computacional: software

para predição acústica – criação de mapas

acústicos – grid: 15 x 15 m; height: 4m.

LAeq (10 min)/

Diretiva Europeia

2002/49/EC; NBR10151

(2000)

FIEDLER;

ZANNIN,

2015b

Curitiba

(PR)

Medições acústicas e coleta de dados de tráfego

(232 medições). Modelagem computacional:

software Predictor 8.11 (Brüel & Kjær) –

criação de mapas acústicos –– grid: 10 x 10m e

2 x 2m; height: 4 m.

LAeq (10 min)/

ISO 1996-1 (2003); ISO

1996-2 (1998); Diretiva

Europeia 2002/49/EC;

NBR 10151 (2000)

ZANNIN et al,

2013a

Curitiba

(PR)


dados de tráfego. Modelagem computacional:

software Predictor 7810 (Brüel & Kjær), versão

8.1 – criação de mapas acústicos - grid: 5 x 5m;

height: 4 m (Parte Objetiva). Survey: Aplicação

de 389 questionários (Parte subjetiva – reações

ao ruído). Comparação entre os resultados das

avaliações objetiva e subjetiva (Análise

estatística: Coef. de correlação de Spearman).

LAeq(3min)/

ISO 9613-1 (1993); ISO

9613-2(1996);

NBR10151 (2000)

ZANNIN et al,

2013b

Curitiba

(PR)



software SoundPLAN (Braunstein and Berndt),

versão 6.2 – criação de mapas acústicos

horizontais.

LAeq (15 min)/

RLS - 90; NBR 10151

(2000)

ZANNIN; DE

SANT'ANA,

2011

Curitiba

(PR)



software Predictor 7810 (Brüel & Kjær), versão

6.0 – criação de mapas acústicos.

LAeq(3min)/

ISO 9613-1(1993); ISO

9613-2 (1996); NBR

10151 (2000)

GUEDES;

BERTOLI;

ZANNIN, 2011

Aracaju

(SE)



software SoundPLAN (Braunstein and Berndt),

versão 6.0 – criação de mapas acústicos

horizontais (Grid noise map) – grid: 10 x 10m;

height: 1,5m e verticais (Cross-Sectional Noise

Map (grid: 5 x 5 m).

LAeq(30s)/

RLS - 90; NBR 10151

(2000)

Continua

43


Continuação

GIUNTA et al,

2012

São Carlos

(SP)

Medições acústicas (48 pontos), coleta de dados

de tráfego e criação de mapas acústicos

simplificados com aplicação do software

ArcGIS, versão 10.

LAeq (5min), LA10, LA50 e

LA90/NBR 10151 (2000)

MORAES et al,

2013

Belém

(PA)

Medições de parâmetros térmicos, acústicos e

de tráfego (07 pontos). Modelagem

computacional: software Predictor (Brüel &

Kjær), versão 9.1.

LAeq, LA10, LA90, LAmin e

LAmax (5min)/ ISO 9613-

1(1993); ISO 9613-2

(1996)

MAROJA;

GARAVELLI;

DE

CARVALHO

JUNIOR, 2011

Brasília

(DF)

Medições acústicas (03 pontos), coleta de dados

de tráfego: controladores eletrônicos de

velocidade. Modelagem computacional:

software SoundPLAN (Braunstein and Berndt) –

criação de mapas acústicos horizontais (grid:

1x1m; height: 2m) e verticais (grid: 0,5 x 0,5 m;

height: 30 m).

LAeq (30min); Lden; Lday;

Lnight/ RLS - 90; Diretiva

Europeia 2002/49/EC

BUNN;

ZANNIN, 2015

Curitiba

(PR)

Medições acústicas, coleta de dados de tráfego.

Modelagem computacional: software Predictor

7810, (Brüel & Kjær), versão 8.11 – criação de

mapas acústicos (grid: 10 x 10m; height: 4 m).

LAeq (10min)/

ISO 9613-1(1993); ISO

9613-2 (1996); Diretiva

Europeia 2002/49/EC;

NBR 10151 (2000)

BARRY;

VITTORINO;

NETO, 2010

São Paulo

(SP)

Medições acústicas (60 pontos). Modelagem

computacional: software SoundPLAN

(Braunstein and Berndt), versão 6.4 – criação de

mapas acústicos horizontais e verticais.

Modelagem da fonte sonora (tráfego veicular):

medições acústicas e RLS - 90. Modelagem da

propagação sonora: ISO 9613-2 (1996). Análise

do impacto sonoro e medidas de mitigação (tipo

de pavimento e barreira acústica).

LAeq/ ISO – R1996

(1971); ISO 1996 (2003);

ISO 9613-2 (1996); RLS

– 90; NBR 10151 (2000)

MARQUES et

al, 2010

Umuarama

(PR)

Medições acústicas (121 registros) e coleta de

dados de tráfego. Modelagem Computacional:

software SoundPLAN (Braunstein and Berndt) –

criação de mapas acústicos horizontais.

Caracterização da fonte (tráfego veicular)

segundo o espectro e potência sonora.

LAeq (10 min); LA10; LA50

e LA90/ NBR 13369

(1995); NBR 10151

(2000)

Conclusão

Por outro lado, o que se observa no Brasil é a escassez de elaboração de mapas de

ruído de maneira sistemática no âmbito da gestão pública de suas cidades, contando apenas

com iniciativas pontuais, como a carta acústica de Fortaleza, promovida pela Secretaria do

Meio Ambiente e Controle Urbano da Prefeitura Municipal de Fortaleza (CE).

Mais recentemente, a Prefeitura Municipal de São Paulo (SP) sancionou a Lei Nº

16.499, de 20 de julho de 2016 (SÃO PAULO, 2016), que dispõe sobre a elaboração do Mapa

do Ruído Urbano da Cidade de São Paulo e dá outras providências. A entrada em vigor da

Lei Nº 16.499/2016 deverá abrir novas perspectivas para o país quanto ao controle e gestão da

poluição sonora urbana. A Lei Nº 16.499/2016 especifica que o mapa de ruído urbano deverá

servir de instrumento para o Poder Público Municipal:

“Conscientizar a população dos efeitos do ruído sobre a saúde

humana; identificar a diversidade de fontes emissoras de ruído;

44


fomentar o uso de novas tecnologias para mitigar as emissões de ruído

acima dos níveis estabelecidos pela legislação e normas vigentes;

difundir campanhas educativas sobre as fontes de emissões de ruído e

suas responsabilidades; elaborar o Plano de Ação para Redução de

Ruídos; realizar consultas públicas junto à população; orientar a

adoção de ações e políticas públicas para a melhora da qualidade

ambiental e urbanística da cidade” (SÃO PAULO, 2016, p. 1-2).

2.4.3 Modelos para predição acústica

Conforme mencionado em parágrafos anteriores, os mapas acústicos podem ser

desenvolvidos a partir de medições sistemáticas do ruído ou com aplicação de softwares para

simulações, que adotam modelos específicos para predição de ruído. Portanto, o uso desses

modelos de predição acústica tem sido outro importante recurso para avaliação e controle de

ruído ambiental.

Nedic et al (2014, p. 24) comentam que para controlar o nível de ruído em áreas

urbanas é fundamental o desenvolvimento de métodos para predição de ruído do tráfego,

citando que os primeiros modelos para esse fim foram criados em meados dos anos de 1950.

Uma revisão crítica de alguns dos principais modelos de predição de ruído do

tráfego adotados nos últimos anos foi feita por Garg e Maji (2014), que compararam os

mesmos quanto aos seus algoritmos de modelagem da fonte e de propagação sonora. Os

modelos revisados foram: Federal Highway Administration Traffic Noise – FHWA (USA),

Calculation of Road Traffic Noise – CoRTN (Reino Unido), Richtlinien für den Lärmschutz

an Straben – RLS 90 (Alemanha), ASJ RTN 2008 (Japão), Harmonoise e Common Noise

Assessment Methods in Europe – CNOSSOS – EU (Europa), Son Road (Suíça), Nord2000

(Países escandinavos), NMPB – Routes – 2008 (França).

Garg e Mai (2014, p. 69) destacam que a técnica de predição de ruído teve forte

impulso a partir da Diretiva Europeia 2002/49/CE, quando os mapas de ruído tornaram-se

instrumentos recomendados para análise do ruído de transporte e aglomerações urbanas

(PARLAMENTO EUROPEU E DO CONSELHO, 2002). Na revisão crítica, os autores

observam que os modelos mais recentes formulados e adotados nos países desenvolvidos

atendem a todos os aspectos de modelagem de ruído do tráfego, como a caracterização da

fonte através do nível de potência sonora e a propagação sonora ao ar livre, levando-se em

45


conta aspectos meteorológicos e fenômenos acústicos de reflexão, refração e absorção

(GARG; MAI, 2014, p. 75).

Garg e Mai (2014, p. 75) salientam que os princípios da propagação sonora ao ar

livre representam elementos vitais para uma maior precisão dos modelos de ruído do tráfego

em ambientes mais complexos. Comentam também sobre algumas formas de abordagem

nesse sentido, a exemplo do método de engenharia especificado pela ISO 9613-2 (1996) para

o cálculo da atenuação sonora durante sua propagação ao ar livre, a fim de predizer os níveis

de ruído ambiental para uma determinada distância em relação às diversas fontes sonoras

(GARG; MAI, 2014, p. 75).

Segundo Guarnaccia (2013, p. 121) uma modelagem apropriada das fontes e da

propagação sonora consiste em uma tarefa desafiadora, especialmente, em áreas em que a

complexidade das fontes, receptores e demais objetos dificultam a aplicação dos modelos

usuais de predição de ruído do tráfego. A maioria dos modelos encontrados na literatura se

baseia em análises de regressão linear, os quais possuem como principal limitação a não

consideração da natureza aleatória do fluxo dos veículos e o modo como os mesmos trafegam

em determinada via (NEDIC et al, 2014, p. 24).

Em geral, os modelos com base em análise de regressão linear buscam estimar

correlações entre descritores acústicos e parâmetros não acústicos, como, fluxo e composição

do tráfego, velocidade média, largura das vias, entre outros, estabelecendo coeficientes que

refletem às situações específicas analisadas (CIRIANNI; LEONARDI, 2011, p. 2). A Tabela

2 mostra alguns exemplos de pesquisa desenvolvidas no Brasil e publicados

internacionalmente que usaram a regressão linear como forma de abordagem.

Tabela 2 – Exemplos de artigos desenvolvidos no Brasil e publicados internacionalmente com aplicação de

análises de regressão linear.

Referência Local Forma de abordagem Descritor acústico/

Referências normativas

RODRIGUE

S et al, 2010

Belo

Horizonte

(MG)

Medições acústicas e coleta de dados de tráfego.

Modelagem matemática - Análises estatísticas:

Aplicação do software SPSS para análises de

correlação entre variáveis, gráficos de dispersão.

LAeq; Lmin; Lmax e Níveis

sonoros estatísticos (15

min)/ NBR 10151(2000)

DA PAZ;

ZANNIN,

2010

Curitiba

(PR)

Medições acústicas (24 pontos) e coleta de dados de

tráfego (fluxo e composição de veículos – 15 min)

Modelagem matemática: Análises estatísticas:

Correlação, regressão linear simples e múltipla,

testes estatísticos: coef. de correlação linear “R”,

coef. de determinação “R2”, análise de variância.

LAeq; LA10; LA50 e LA90 (5

min)/ RLS - 90

Continua

46


Continuação

CALIXTO;

PULSIDES;

ZANNIN,

2008

Curitiba

(PR)

Medições acústicas e coleta de dados de tráfego

(100 amostras). Modelagem matemática: Análises

estatísticas: Correlação e regressão linear simples;

teste estatístico: coef. de correlação linear “R”.

LAeq; LA10 e LA90/ RLS -

90

RODRIGUE

S et al, 2006

Uberlândia

/ Belo

Horizonte

(MG)

Medições acústicas, coleta de dados de tráfego e

características físicas dos terminais de ônibus.

Modelagem matemática: Análises estatísticas:

Regressão linear, testes estatísticos: coef. de

determinação “R2” e test t-student.

LAeq; LA10/ Calculation of

Road Traffic Noise

(CRTN)

MAROJA;

De SOUSA;

GARAVEL

LI, 2005

Brasília

(DF)

Medições acústicas e coleta de dados de tráfego.

Modelagem matemática: Análises estatísticas.

Comparação entre os níveis sonoros medidos e

calculados pelo modelo matemático proposto e pela

norma RLS - 90.

LAeq (10min) / RLS - 90;

NBR 10151 (2000)

Conclusão

Aos poucos os modelos de predição de ruído do tráfego foram se aprimorando.

Novas abordagens matemáticas têm sido incorporadas, a exemplo, das redes neurais artificiais

(GIVARGIS; KARIMI, 2010; NEDIC et al, 2014; KUMAR; NIGAM; KUMAR, 2014) e

algoritmos genéticos (GÜDOGDU; GÖKDAG; YÜKSEL, 2005; RAHMANI; MOUSAVI;

KAMALI, 2011).

Givargis e Karimi (2010) desenvolveram um modelo de redes neurais com cinco

variáveis de entrada (fluxo horário de tráfego, porcentagem de veículos pesados, velocidade

média do tráfego, inclinação da via, e os ângulos de visão). Os autores confrontaram o modelo

de redes neurais proposto com os dados empíricos coletados em rodovias em Teerã (Irã),

obtendo diferenças pequenas entre os seus resultados e os calculados com o modelo CoRTN

calibrado.

O modelo de redes neurais desenvolvido por Nedic et al. (2014) considerou outras

cinco variáveis de entrada (número de veículos leves, caminhões intermediários, caminhões

pesados, ônibus e velocidade média do fluxo). A rede neural foi treinada e testada com os

dados empíricos coletados em uma rodovia na Sérvia. Os autores concluíram que o modelo de

redes neurais artificiais mostrou melhor capacidade de predição do nível de ruído equivalente

do tráfego veicular (LAeq) quando comparado com métodos estatísticos clássicos, respondendo

bem a típica relação não – linear entre o ruído de vias urbanas e seus fatores de influência.

Kumar, Nigam e Kumar (2014) aplicaram as redes neurais multicamadas tipo

back - propagation para predição do nível de ruído do tráfego em rodovias (LA10 e LAeq). Os

dados de entrada foram: fluxo horário de veículos, porcentagem de veículos pesados e

47


velocidade média. Os autores verificaram maior precisão dos resultados do modelo de rede

neural proposto em relação aos obtidos por análises de regressão linear.

Ressalta-se também que a técnica de redes neurais tem apoiado pesquisas sobre o

ruído do tráfego veicular não somente no desenvolvimento de modelos para predição de

ruído, mas também, em atividades de classificação e estimativas do seu incômodo (TORIZA;

RUIZ; RAMOS – RIDAO, 2012, p. 46).

Toriza e Ruiz (2012) estudaram a possibilidade do uso de espectros de sinais

sonoros reais gravados para estimativa do fluxo e composição veicular (classificação de

veículos pesados e motos) em tempo real, aplicando-se, por exemplo, a rede neural

multicamadas, tipo Perceptron (Multilayer Perceptron Neural Network – MLP) como

abordagem matemática.

Toriza, Ruiz e Ramos – Ridao (2012) usaram as redes neurais tipo back-

propagation para prever o nível de pressão sonora e composição espectral – temporal em

ambientes urbanos. Os pesquisadores justificaram a adoção dessa abordagem diante da

necessidade dos planejadores urbanos terem em mãos ferramentas que possibilitem a

concepção, planejamento e avaliação de paisagens sonoras (soundscapes) de modo a adaptá-

las com vistas à qualidade de vida das pessoas. O modelo desenvolvido Toriza, Ruiz e Ramos

– Ridao (2012) se mostrou preciso e válido para o local investigado, podendo ser aplicado em

outros cenários urbanos de médio porte desde que sejam feitos ajustes prévios.

Outro estudo com utilização das redes neurais foi realizado por Souza e Giunta

(2011) que modelaram a influência de índices urbanísticos no ambiente sonoro em uma

cidade brasileira.

No que se refere ao algoritmo genético, pode-se dizer que essa técnica matemática

é essencialmente um método de otimização por meio da minimização dos erros quadráticos

entre os dados medidos e calculados. Dentro desta perspectiva, Güdogdu, Gökdag e Yüksel

(2005) e Rahmani, Mousavi e kamali (2011) desenvolveram modelos para predição de ruído

do tráfego.

Güdogdu, Gökdag e Yüksel (2005) investigaram o efeito da composição do fluxo

veicular na poluição sonora na cidade de Erzurum (Turquia). Desenvolveu-se um método de

previsão de ruído do tráfego com a consideração dos seguintes parâmetros de entrada:

inclinação da via, razão entre altura das fachadas lindeiras e largura da via, limite legal de

ruído de cada tipo de veículo (carros, ônibus e caminhões) e fluxo de veículos. Os resultados

48


indicaram boa concordância entre os valores medidos dos níveis de ruído do tráfego e as

estimativas obtidas pelo método proposto e por outros modelos existentes.

Rahmani, Mousavi e kamali (2011) desenvolveram dois modelos de previsão de

ruído do tráfego com uso do algoritmo genético para o cálculo de Leq. O estudo se realizou na

cidade de Mashhad (Irã). Os parâmetros adotados foram: fluxo e composição do tráfego

veicular e velocidade dos veículos, com obtenção experimental da emissão sonora de

referência de cada grupo de veículos com base na propagação perpendicular ao eixo central da

via de tráfego. Após comparações com dados empíricos, os modelos propostos demonstraram

precisão de mais ou menos 1%, podendo ser usados para predição de ruído do tráfego em vias

planas.

Outros avanços têm sido destacados por Guarnaccia (2013, p. 121),

especialmente, para previsões de ruído de tráfego em situações mais específicas como,

cruzamentos, fluxo de tráfego intenso e congestionado. Segundo Guarnaccia (2013, p. 121), a

aplicação nesses casos de modelos para predição de ruído do tráfego mais comuns,

geralmente, acarreta falhas.

Uma alternativa para análise dessas situações mais específicas é a adoção da

modelagem dinâmica, estabelecendo-se relações de dependência entre o ruído emitido e

grandezas cinemáticas (posição, velocidade e aceleração) dos veículos. Com informações de

posição e velocidade de cada veículo inserido no trânsito e das relações funcionais entre nível

de potência sonora e velocidade, é possível estimar a sua energia acústica. Entretanto, a

implementação desta ideia possui algumas dificuldades, como a própria definição das relações

supracitadas e a consideração de uma grande quantidade de variáveis cinemáticas em

situações de intenso volume de tráfego (GUARNACCIA, 2013, p. 126).

Mesmo assim, Guarnaccia (2013, p. 121) salienta que a abordagem dinâmica

representa um novo horizonte para o desenvolvimento de modelos para predição de ruído do

tráfego veicular, com vistas a uma melhor simulação dos aspectos estocásticos intrínsecos

neste fenômeno (GUARNACCIA, 2013, p. 122).

Uma comparação entre diferentes enfoques de avaliação do ruído do tráfego

veicular urbano foi realizada por Can et al (2009). Os resultados apontaram que de fato o

modelo dinâmico melhora as estimativas do ruído do tráfego em relação aos modelos

estáticos, os quais levam em conta apenas valores médios de velocidade e fluxo veicular. O

49


melhor desempenho obtido pelo modelo dinâmico se deve à consideração da interação entre

os veículos no sistema.

Trabalhos recentes têm usado a modelagem dinâmica para predição do ruído do

tráfego veicular urbano com a aplicação de diferentes abordagens matemáticas, a exemplo dos

autômatos celulares, teoria de tráfego - Diagrama Fundamental, método de Monte Carlo, entre

outros (QUARTIERI et al, 2010; CAN et al, 2008; MAKAREWICZ; GALUSZKA, 2011,

RAMÍREZ; DOMÍNGUEZ, 2013).

Quartieri et al (2010) aplicaram a técnica dos autômatos celulares para simular a

dinâmica do tráfego veicular e, posteriormente, avaliar o ruído global gerado em condições de

fluxo livre e congestionado. Segundo os autores, a técnica dos autômatos celulares tem

ganhando popularidade no meio científico em função da sua simplicidade na modelagem de

sistemas complexos.

Quartieri et al (2010) adotaram o modelo unidimensional de autômato celular

determinístico de Fukui - Ishibashi (1996) para a representação da dinâmica do tráfego de

uma via com faixa única. Verificou-se que em cenários com maior densidade veicular foram

registrados menores níveis equivalentes de ruído devido às velocidades mais baixas dos

veículos. Tal situação é típica nas vias urbanas em horários de pico ou nas proximidades de

cruzamentos semaforizados (QUARTIERI et al, 2010, p. 303).

Segundo Guarnaccia (2013, p. 128) “a possibilidade de predizer os níveis de ruído

em uma estrada, levando-se em conta a densidade e velocidade do fluxo de veículos abre

novas perspectivas nos estudos e avaliação do ruído de tráfego”. Inserido neste contexto, a

teoria de tráfego foi aplicada nas pesquisas desenvolvidas por Can et al (2008) e Makarewicz

e Galuszka (2011).

No que tange a abordagem aleatória com aplicação do método de Monte Carlo,

Ramírez e Domínguez (2013) desenvolveram um modelo dinâmico estocástico de predição de

ruído do tráfego veicular, baseando-se em curvas de ruído em função da velocidade e do tipo

de veículo. O modelo foi testado em vias urbanas na cidade de Bogotá (Colômbia), sendo

estabelecido a partir de ajustes de relações funcionais de níveis sonoros para diferentes classes

de veículos. Os resultados obtidos pelo modelo proposto mostraram um ajuste ligeiramente

melhor do que os alcançados com aplicação de modelos determinísticos amplamente

reconhecidos internacionalmente (RAMÍREZ; DOMÍNGUEZ, 2013, p. 614).

50


Semelhante a outras pesquisas, Ramírez e Domínguez (2013) adotaram o método

de Monte Carlo para o desenvolvimento de um simulador de tráfego para cada pista da via.

Por meio da realização de “sorteios” pseudoaleatórios (amostragem sem reposição) era

verificada a cada segundo, a ocorrência ou não da passagem de veículo e da sua respectiva

classe. Ao mesmo tempo, os valores de velocidades dos veículos eram simulados, com base

em uma distribuição de probabilidade normal obtida para cada classe de veículo e ponto de

coleta (RAMÍREZ; DOMÍNGUEZ, 2013, p. 615).

Segundo Ramírez e Domínguez (2013, p. 620) o modelo estocástico obtido se

mostrou promissor uma vez que apresentou uma abordagem mais adequada quando

comparado com modelos determinísticos para a predição do ruído do tráfego urbano. De

acordo com eles a estrutura do modelo pode ser generalizada para outras situações com os

devidos ajustes.

Ainda dentro desta perspectiva de simulador de tráfego veicular, o método de

Monte Carlo foi também aplicado por Radwan e Oldham (1987). O objetivo principal da

pesquisa foi predizer os níveis de ruído do tráfego urbano em condições de fluxo

interrompido. O modelo proposto apresentava uma subseção para predição da propagação

sonora ao ar livre e outra que simulava o fluxo de veículos em diferentes configurações de

ruas urbanas. Para modelagem da propagação sonora foi adotado o método de Traçado de

Raios (Ray tracing) (RADWAN; OLDHAM, 1987, p. 166).

Radwan e Oldham (1987) simulou o fluxo do tráfego por meio do método de

Monte Carlo, adotando-se a técnica Time History, que tem como ponto de partida a geração

de uma distribuição inicial de veículos e as subsequentes (dentro de uma série amostrada)

decorrentes da distribuição original. Os veículos se movem ao longo da via por uma distância

determinada pelas suas respectivas velocidades e intervalo de amostragem com possibilidade

de entrada de novos veículos no sistema no fim do fluxo (RADWAN; OLDHAM, 1987, p.

174). Os resultados a partir desse modelo foram comparados com os obtidos de modelos

baseados em dados experimentais, havendo uma boa concordância entre os mesmos.

A abordagem probabilística e a simulação de Monte Carlo foram também

utilizadas por Peng e Mayorga (2008). Os autores explicam que neste enfoque, as incertezas

dos diversos parâmetros de influência do ruído do tráfego veicular urbano são associadas aos

dados de entrada dos modelos por meio de distribuições de probabilidade previamente

conhecidas, de tal forma que os seus resultados também adquirem características

51


probabilísticas. A simulação de Monte Carlo gera repetidamente números pseudoaleatórios

para a extração de valores aleatórios das distribuições de probabilidade para os parâmetros

considerados. Consequentemente, são obtidas curvas de distribuição de probabilidade e

distribuição cumulativa para os resultados do modelo (PENG; MAYORGA, 2008, p. 542).

Na pesquisa de Peng e Mayorga (2008), as variáveis aleatórias de entrada no

modelo adotado (FHWA modificado) foram: fluxo, composição e velocidade do tráfego. As

distribuições de ruído foram simuladas com o método de Monte Carlo para a realização das

avaliações quantitativas do modelo.

Inserido na abordagem probabilística, podem-se citar ainda os estudos

desenvolvidos por Lam e Tam (1998) e Alimohammadi et al (2005) que aplicaram as

simulações de Monte Carlo para análises de confiabilidade nas estimativas de ruído de tráfego

em Hong Kong e Teerã (Irã), respectivamente.

Ressalta-se que a presente tese de doutorado se alinha a pesquisas com enfoque na

modelagem probabilística e simulações de Monte Carlo, tendo como objetivo investigar a

dinâmica do ruído do tráfego veicular na vizinhança de pontos de ônibus. Para tanto, o estudo

contemplou a modelagem e simulação da aleatoriedade do fluxo veicular e do processo de

chegadas e partidas de ônibus nos pontos de parada investigados.

Uma importante contribuição do modelo proposto reside no uso de gravações de

sinais sonoros reais de passagens de veículos e do ciclo de desaceleração, parada e aceleração

de um único ônibus no ponto de parada, possibilitando o cálculo de descritores acústicos e a

“escuta” do ruído simulado do tráfego veicular em certo intervalo de tempo.

Por fim, cabe citar a pesquisa desenvolvida por Wang, Cai e Zou (2012) como

outro exemplo de estudo da influência acústica das características de operação em um ponto

de ônibus. Porém, neste estudo, o modelo de emissão de ruído dos estados de desaceleração,

parado e aceleração de um ônibus foi obtido por meio de análises de regressão linear dos

dados empíricos provenientes de medições acústicas, para posterior combinação com o

modelo de propagação sonora. Wang, Cai e Zou (2012) aplicaram ainda a Teoria das Filas

para modelar o ruído do tráfego decorrente da fila formada por outros ônibus se aproximando

do ponto de parada analisado.

A seguir será apresentada no Capítulo 3 – MODELAGEM E SIMULAÇÕES uma

breve fundamentação teórica sobre essa temática para melhor compreensão dos aspectos e

etapas de modelagem e simulação desenvolvidas nesta pesquisa de doutorado.

52

Capítulo 3 – Modelagem e simulações

Capítulo 3

MODELAGEM E SIMULAÇÕES


Este capítulo mostra uma breve fundamentação teórica sobre modelagem e

simulações, recurso adotado como forma de abordagem para o desenvolvimento desta tese. O

conteúdo apresentado contempla conceitos e informações gerais sobre importantes

terminologias, tais como, sistemas, modelos, simulação de sistemas, além de metodologias e

técnicas para realização da modelagem e simulação.

A modelagem e simulação têm sido uma importante ferramenta aplicada na

engenharia para a compreensão de características de um sistema pelo conhecimento de outro

similar (PRADO, 1999, p. 93). A expressão “simulação” tem origem no termo latim

“simulatus”, que significa “imitar”. Pode-se entendê-la, portanto, como a imitação de um

sistema real por meio da utilização de modelos (PORTUGAL, 2005, p.26).

Ainda de acordo com Portugal (2005, p.26), a finalidade principal da simulação é

modelar o comportamento e interações das partes de um sistema, permitindo a avaliação

prévia do seu desempenho. Nessa linha de raciocínio, Prado (1999, p. 93) comenta que

“simulação” consiste em uma técnica para solução de um problema pela análise de um

modelo que descreve determinado sistema com uso de computador. Além da simulação

computacional, Chwif e Medina (2015, p.1) citam também a categoria de simulação não

computacional, desenvolvida a partir de protótipos ou modelos em escala reduzida.

Chwif e Medina (2015, p.1) comentam ainda alguns outros relevantes aspectos

sobre simulação, tais como: (i) possibilidade de se prever o comportamento de um sistema,

com certo nível de confiança, a partir de dados de entrada específicos e um conjunto de

premissas; (ii) a simulação não deve ser vista apenas como um simples cálculo ou formulação

matemática; (iii) consiste em uma ferramenta de estudo de cenários e (iv) não substitui o ser

humano no processo de tomada de decisão.

Do texto supracitado, percebe-se a recorrência das palavras “sistema” e “modelo”,

indicando a necessidade de serem bem definidas para a adequada compreensão da técnica da

modelagem e simulação. O termo “sistema” pode ser entendido como “(...) uma agregação de

53


objetos que possuem alguma interação ou interdependência” (PRADO, 1999, p. 94). Ou seja,

todo sistema pressupõe uma interação causa - efeito entre suas partes constituintes.

Entretanto, para que tal interação seja identificada, o objetivo do sistema deve ser

conhecido com clareza. Enfim, o sistema representa aquilo que se deseja estudar (CHWIF;

MEDINA, 2015, p.1). Os sistemas podem ser classificados em: (i) discretos e (ii) contínuos.

Os sistemas discretos são formados por elementos discretos ou inteiros (exemplo, aviões,

caminhões, navios, pessoas) e os sistemas contínuos representam entidades com quantidades

contínuas, como, o fluxo de um líquido em uma tubulação (PRADO, 1999, p. 94).

Além dessa classificação, um sistema pode ser do tipo real (existência física) ou

hipotético, quando é necessária a criação de modelos imaginários, que possam representar

simplificadamente as diversas interações entre suas partes. Para analisar um sistema de

qualquer natureza (por exemplo: socioeconômico, mecânico, elétrico, biológico) é preciso

descrevê-lo por meio de um modelo (ALVES; MENEZES, 2010, p.285). Logo, um “modelo”

consiste em uma abstração da realidade, que se aproxima do verdadeiro comportamento do

sistema real, devendo ser mais simples quanto possível (CHWIF; MEDINA, 2015, p.3).

De acordo com Chwif e Medina (2015, p.3), os modelos podem ser: simbólicos

(icônicos ou diagramáticos), matemáticos (analíticos) e de simulação. Prado (1999, p.95) e

Portugal (2005, p.29) citam também o modelo do tipo analógico, que pode ser adotado com

sucesso, quando um sistema simulado possui componentes que funcionam similarmente ao de

algum outro sistema físico, por exemplo, um sistema mecânico por um equivalente sistema

elétrico.

Tem-se ainda o modelo de natureza física (protótipo ou maquete), conforme já

citado anteriormente. Esse tipo de modelo tem a vantagem de facilitar a interpretação do

sistema devido ao seu atributo visual, porém, muitas vezes as limitações referentes ao tempo,

recursos e tecnologia para sua construção inviabilizam seu uso em alguns casos

(PORTUGAL, 2005, p.29).

O modelo simbólico é constituído por símbolos gráficos que representam o

sistema de maneira conceitual (PRADO, 1999, p.95), estático (CHWIF; MEDINA, 2015, p.3)

e simplificada (PORTUGAL, 2005, p.28), sendo usado principalmente na documentação de

projetos e como ferramenta de comunicação, a exemplo dos fluxogramas ou diagramas de

bloco.

54


O modelo matemático ou analítico é aquele que pode ser analisado por um

conjunto de equações, inequações e relações lógicas e matemáticas - Teoria das Filas ou

Programação linear (PRADO, 1999, ALVES; MENEZES, 2010, CHWIF; MEDINA, 2015).

Os modelos de simulação se caracterizam pela capacidade de extrair com maior

fidelidade os aspectos dinâmicos (mudança de estado ao longo do tempo) e aleatórios, tão

comuns nos sistemas reais, geralmente, de natureza mais complexa (CHWIF; MEDINA,

2015, p. 5). Muitas vezes a tentativa de se descrever um sistema por um modelo matemático

ou analítico é frustrada devido ao não conhecimento de supostas relações entre duas ou mais

variáveis do problema ou da distribuição probabilística das variáveis aleatórias ou estocásticas

envolvidas no problema (ALVES; MENEZES, 2010, p.285).

Para esses casos mais difíceis de serem resolvidos analiticamente, as simulações

computacionais se mostram uma ferramenta indispensável e de grande valor na busca por uma

resposta para um determinado problema (ALVES; MENEZES, 2010, p.285). “De um modo

bastante amplo, os estudos de simulação tentam reproduzir em um ambiente controlado o que

se passa com o problema real” (BUSSAB; MORETTIN, 2013, p. 240), cuja solução consistirá

na simulação de variáveis aleatórias.

A partir da simulação é possível “visualizar” o funcionamento do sistema de

interesse (agências bancárias, fábricas, pedágios, portos, tráfego de veículos em uma cidade)

dentro de uma perspectiva privilegiada, podendo-se interagir virtualmente com esses

diferentes cenários, antes mesmo de modificá-los na realidade (PRADO, 1999, p.95).

O uso das simulações computacionais se justifica ainda quando é inviável

interferir no sistema existente, quando a tentativa de alterá-lo sem convicção poderá acarretar

grande probabilidade de insucesso e prejuízo. As simulações se justificam também nas

situações em que o sistema não existe (PRADO, 1999, p.96).

Chwif e Medina (2015, p.6) classificam as simulações computacionais em três

principais categorias: (i) simulação de Monte Carlo; (ii) simulação contínua e (iii) simulação

de eventos discretos. A simulação de Monte Carlo pressupõe o uso de gerador de números

aleatórios para simular sistemas físicos ou matemáticos (CHWIF; MEDINA, 2015, p.6),

buscando representar a ocorrência de um evento de maneira realista, consequentemente,

garantindo a sua característica aleatória (PORTUGAL, 2005, p. 30).

55


As simulações contínuas (ou de sistemas dinâmicos) e discretas consideram as

mudanças de estado ao longo do tempo, de maneira contínua ou a partir de ocorrência de

eventos, respectivamente (CHWIF; MEDINA, 2015, p.6). Chwif e Medina (2015) destacam

também a possibilidade de construir modelos de simulação, envolvendo tais categorias

simultaneamente. Esse tipo de simulação recebe o nome de “combinada ou híbrida”.

Em termos metodológicos, Prado (1999, p.96) cita duas principais etapas para o

desenvolvimento das simulações de sistemas: (i) construção do modelo da situação atual (o

modelo criado deve reproduzir com fidelidade o sistema de interesse); e (ii) inclusão de

alterações no modelo da situação atual para refletir a situação futura desejada.

Abordando de modo semelhante, porém com maiores detalhes Chwif e Medina

(2015, p. 8) citam as seguintes etapas: (i) Concepção ou formulação do modelo; (ii)

implementação do modelo; e (iii) análise dos resultados do modelo (Figura 4).

Figura 4 – Metodologia de simulação.

Fonte: CHWIF; MEDINA, 2015, p. 8

Na fase da concepção ou formulação do modelo, o sistema de interesse deve ser

adequadamente compreendido com a definição clara dos seus objetivos e delineamento do seu

escopo, hipóteses e nível de detalhamento. Ao término desta etapa o modelo concebido

56


(modelo abstrato) deve ser representado de maneira adequada para sua compreensão por

outras pessoas envolvidas, tornando-se a partir deste momento um modelo conceitual.

Na etapa seguinte, tal modelo é convertido (ou codificado) através de linguagem

de simulação, simulador comercial ou ainda linguagem de programação em um modelo

computacional, que ao ser comparado com o modelo conceitual (etapa de verificação e

validação) deve - se observar se o mesmo representa precisamente o sistema real considerado.

(CHWIF; MEDINA, 2015, p. 9).

O passo final do processo de simulação consiste na realização de experimentos

(modelo experimental ou operacional). Caso seja necessário, os resultados obtidos das

análises são documentados, com a possibilidade de revisão de etapas mencionadas (CHWIF;

MEDINA, 2015, p. 9).

Por fim, ressalta-se que um relevante aspecto do processo de modelagem e

simulação computacional é a sua natureza evolutiva. Partindo-se de um modelo simples, o

mesmo poderá ser aperfeiçoado paulatinamente com a inserção de novas variáveis e relações,

de maneira a aproximá-lo cada vez mais do sistema real (ALVES; MENEZES, 2010, p.289).

3.2 Variáveis aleatórias e distribuição de probabilidade

Variável aleatória pode ser entendida como uma regra que associa um número real

aos eventos de um dado espaço amostral S6 (CHWIF; MEDINA, 2015, p. 223). O

conhecimento dos conceitos de variáveis aleatórias é fundamental para o desenvolvimento de

modelos probabilísticos7 e estudos de simulação, como o realizado nesta pesquisa.

As variáveis aleatórias podem ser discretas, isto é, todos os seus valores são

finitos - contáveis, ou contínuas quando a variável pode assumir qualquer valor dentro de um

intervalo (CHWIF; MEDINA, 2015, p.223). O número de ocorrências de determinado evento,

por exemplo, quantidade de ônibus que chegam a um ponto de parada representa uma variável

aleatória discreta. Porém, os intervalos de tempo entre chegadas sucessivas dos mesmos ou de

sua permanência no ponto de parada se caracterizam como exemplos de variáveis contínuas.

6 Espaço amostral é o conjunto dos resultados prováveis de determinado experimento. Evento representa

qualquer subconjunto de um dado espaço amostral. Por exemplo, em um experimento de lançamento de moedas,

existem dois eventos possíveis: cara ou coroa. O lançamento da moeda três vezes conduzirá a um espaço

amostral com oito possibilidades de resultados (CHWIF; MEDINA, 2015, p. 219).

7 Bussab e Morettin (2013, p. 105) define modelo probabilístico como um modelo teórico, que com base em

suposições ou premissas adequadas sem observações diretas do fenômeno aleatório em questão, reproduz

razoavelmente a distribuição das frequências relativas ou estimativas de probabilidades de certos eventos de

interesse quando o fenômeno é observado diretamente.

57


Quando são associadas probabilidades aos resultados de um dado espaço amostral

S, o que está sendo feito é uma atribuição de probabilidade a valores particulares de uma

variável aleatória. A distribuição de probabilidade dessa variável consiste na forma como as

possibilidades de ocorrência de certos valores dessa variável aleatória se distribuem no

intervalo de valores entre 0 e 1. As distribuições de probabilidade das variáveis discretas e

contínuas são definidas pelas funções de probabilidade e de densidade de probabilidade,

respectivamente (CHWIF; MEDINA, 2015, p. 223).

Segundo Bussab e Morettin (2013, p. 144), algumas variáveis aleatórias se

adequam bem a uma gama de problemas práticos. Logo, a criação de modelos probabilísticos

com a estimação de seus parâmetros que descrevam, satisfatoriamente, cenários reais

necessita de estudos detalhados dessas variáveis aleatórias.

A seguir serão apresentados alguns modelos probabilísticos para variáveis

discretas e contínuas, com vistas a servir de fundamentação teórica e melhor compreensão do

modelo de simulação desenvolvido nesta pesquisa. Tais informações foram baseadas no livro

de Bussab e Morettin (2013).

3.2.1 Modelos probabilísticos para variáveis discretas

(i) Distribuição uniforme discreta: consiste na situação mais simples de variável

aleatória discreta, existindo a mesma probabilidade para cada valor possível (Figura 5).

Definição: A variável aleatória discreta X, assumindo os valores x1, ... , xk, tem

distribuição uniforme se, e somente se,

( ) ( )

, para todo i = 1, 2,..., k [Equação 11]

O Valor esperado ou Esperança matemática – E(X), a Variância – Var(X) e a

Função de distribuição acumulada – F(x) são obtidos pelas Equações 12, 13 e 14,

respectivamente.

( )

∑ [Equação 12]

( )

,∑

(∑ )

- [Equação 13]

( ) ∑

( )

( ) [Equação 14]

Onde, ( ) é o número de

58


Figura 5 - Distribuição uniforme discreta: a) Função de probabilidade e b) Função de distribuição acumulada.

Fonte: Adaptado de Bussab e Morettin (2013, p.145).

(ii) Distribuição de Bernoulli: Relaciona-se com a ocorrência de sucesso

ou fracasso. Ou seja, para determinado experimento (por exemplo, lançamento de moeda),

pode-se definir uma variável aleatória que assuma somente dois valores: 1 (Cara), se ocorrer

sucesso, e 0 (Coroa), se ocorrer fracasso. Sendo p a probabilidade de sucesso, tem-se:

P(sucesso) = P(S) = p, 0 < p < 1.

Definição: A variável aleatória X, que recebe somente os valores 0 e 1, com

função de probabilidade (x, p(x)) tal que, p(0) = P(X = 0) = 1 - p e p(1) = P(X = 1) = p, é

denominada variável aleatória de Bernoulli. A Figura 6 mostra as funções de probabilidade e

acumulada da variável aleatória X.

O Valor esperado ou Esperança matemática - E(X), a Variância – Var(X) e a

Função de distribuição acumulada – F(x) são dadas por:

( ) [Equação 15]

Var( ) ( ) [Equação 16]

( ) {

[Equação 17]

59


Figura 6 - Distribuição de Bernoulli: a) Função de probabilidade e b) Função de distribuição acumulada.


(iii) Distribuição binomial: Consiste na repetição do ensaio de Bernoulli

“n” vezes. Tais repetições são independentes, que equivale a dizer que o resultado de um

ensaio não influencia no obtido por qualquer outro ensaio. Uma amostra particular de

tamanho “n” de uma distribuição de Bernoulli consistirá de uma sequência de sucessos e

fracassos, representados respectivamente, por 1 e 0.

Definição: A variável aleatória X, referente ao número de sucessos em um

experimento binomial, possui distribuição binomial b(n, p) com a seguinte função de

probabilidade.

( ) ( ) ( ) [Equação 18]

(iv) Distribuição de Poisson: é amplamente aplicada em situações quando

se deseja verificar o número de ocorrência de certo tipo de evento dentro de um intervalo de

tempo, superfície ou volume. Por exemplo, o número de chamadas telefônicas durante cinco

minutos, o número de falhas de um computador em um dia de operação (BUSSAB;

MORETTIN, 2013, p.153), ou número de veículos que chegam a um ponto de pedágio

durante uma hora.

Uma variável aleatória N tem uma distribuição de Poisson com parâmetro > 0

se:

( )

, k = 0, 1, 2, ... [Equação 19]

Sabe-se que para a distribuição de Poisson, E(N) = Var(N) = λ, que representa o

número médio de eventos ocorrendo no intervalo de observação. Bussab e Morettin (2013, p.

153) comentam que uma suposição usual sobre a distribuição de Poisson é de que a

probabilidade de se ocorrer mais de um evento em intervalo muito pequeno é desprezível.

60


Outra informação relevante, é que dada uma distribuição binomial b(k; n, p). Para

n grande e p pequeno, sendo np , pode-se aproximar essas probabilidades por:

( ) ( )

, k = 0, 1,..., n [Equação 20]

Ressalta-se que por conveniência nas simulações, o modelo probabilístico

proposto nesta pesquisa de doutorado realizou a aproximação do modelo de Poisson a partir

de uma distribuição binomial.

3.2.2 Modelos probabilísticos para variáveis contínuas

Segundo Bussab e Morettin (2013, p.168) uma variável aleatória contínua é uma

função X definida sobre um espaço amostral Ω, com valores dentro de um intervalo de

números reais. Geralmente, as variáveis contínuas são resultantes de um processo de medição,

por exemplo, o tempo de vida de uma lâmpada. A seguir são mostrados apresentados alguns

modelos probabilísticos para variáveis aleatórias contínuas.

(i) Modelo uniforme: As funções de densidade de probabilidade e de distribuição

acumulada de uma variável aleatória contínua X, com distribuição uniforme no

intervalo [α, β], são dadas pelas Equações 21 e 22, respectivamente. Os seus

gráficos podem ser vistos na Figura 7.

( ) {

[Equação 21]

( ) ( ) ∫ ( ) {

[Equação 22]

Figura 7 - Distribuição uniforme no intervalo [α, β]: a) Função densidade de probabilidade e b) Função de

distribuição acumulada.

(a) (b)

Fonte: Adaptado de Bussab e Morettin (2013, p.179 -180).

61


O Valor esperado ou Esperança matemática – E (X) e a Variância – Var (X)

podem ser obtidos por meios das Equações 23 e 24.

( )

[Equação 23]

( ) ( )

[Equação 24]

(ii) Modelo normal: Uma variável aleatória X possui distribuição normal

com parâmetros μ (média) e (variância), , se

sua densidade for dada pela Equação 25. A variável aleatória normal pode ser

resumida simbolicamente por: X N(μ, ). A Figura 8 mostra gráfico de uma

curva normal, com valores específicos de μ e .

( )

√ ( )

, [Equação 25]

Figura 8 – Função de densidade de probabilidade de uma variável aleatória normal (μ e ).


Para valores de μ = 0 e , tem-se uma distribuição padrão ou reduzida com a

seguinte notação Z N(0,1) e função de densidade dada pela Equação 26. A Figura 9 mostra o

gráfico da função de distribuição acumulada da normal padrão.

( )

√ ( )

, [Equação 26]

Onde:

[Equação 27]

62


Figura 9 – Distribuição normal padrão: a) Função de distribuição e b) Função de distribuição acumulada.

(a)

(b)


(iii) Modelo exponencial: A variável aleatória T possui distribuição

exponencial com parâmetro β > 0, se sua função de densidade de probabilidade

pode ser representada pela Equação 28. O Valor esperado ou Esperança

matemática – E (T) e Variância – Var (T) são mostradas nas Equações 29 e 30,

respectivamente.

( ) {

[Equação 28]

E(T) = β [Equação 29]

Var(T) = [Equação 30]

3.3 Simulações de Monte Carlo

O método de Monte Carlo teve sua origem na época do primeiro computador

eletrônico ENIAC (Eletronic Numerical Integrator Analyser and Computer) e do advento do

projeto para desenvolvimento de armas nucleares, tendo como precursores os pesquisadores

John Von Neumann, Stanislaw Ulam e Nicholas Metropolis. (ALVES; MENEZES, 2010,

p.286)

O nome “Monte Carlo” deve-se, principalmente, a famosa roleta da cidade de

Monte Carlo, no Principado de Mônaco. A roleta representa um mecanismo simples para

gerar números aleatórios. Um número aleatório consiste no valor de uma variável aleatória

uniformemente distribuída no intervalo entre 0 e 1 (BUSSAB; MORETTIN, 2013, p. 240).

63


Originalmente, esses números aleatórios eram gerados manualmente ou

mecanicamente, usando roletas, dados especiais, cartões numerados. Com a necessidade de

gerar maior quantidade de números aleatórios, tais métodos foram substituídos por

dispositivos eletrônicos e computadores, os quais geram números pseudoaleatórios

(BUSSAB; MORETTIN, 2013, p. 240; ALVES; MENEZES, 2010, p.287).

A partir do método de Monte Carlo foi possível desenvolver modelos de

simulação probabilística, com vistas principalmente à compreensão de fenômenos aleatórios,

conforme ressalva Portugal (2005, p.30), citando que as simulações de Monte Carlo “(...) são

particularmente aplicáveis quando são requeridos modelos estocásticos”.

Enfim, o método de Monte Carlo se baseia no uso de geradores de números

aleatórios para a solução de experimentos com comportamentos aleatórios em que se

conhecem as distribuições de probabilidade das variáveis envolvidas. De acordo com Prado

(1999, p. 99) o método de Monte Carlo é na realidade “uma maneira de se transformar um

conjunto de números aleatórios em outro conjunto de números (variáveis aleatórias), com a

mesma distribuição da variável considerada”.

Para melhor compreensão do método de Monte Carlo, a seguir é apresentado um

exemplo de aplicação, que aborda uma simulação da chegada de clientes em um pedágio,

apresentado no livro de Prado (1999, p. 104 - 105).

Considerando uma taxa média de chegada de clientes no pedágio (λ) igual a duas

chegadas por minuto, regido pelo modelo de Poisson, ou um intervalo médio entre chegadas

(1/λ) de 30s, seguindo a distribuição exponencial negativa, a Tabela 3 mostra os resultados da

simulação para chegada de 10 clientes.

Na Tabela 3 percebe-se que a cada número de 0 a 1, sorteado aleatoriamente pelo

método de Monte Carlo (coluna 2), existe um valor correspondente de intervalo entre

chegadas sucessivas (coluna 3), extraído da curva de distribuição acumulada do processo de

chegadas em questão. Esses valores representam as variáveis aleatórias desse sistema.

Observa-se que o tempo total para a chegada dos 10 clientes foi de 353s, ou seja,

um intervalo médio entre chegadas de 35s. Caso a amostra fosse ampliada, essa média se

aproximaria cada vez mais do valor oferecido inicialmente de 30s, que corresponde ao valor

real para o intervalo médio entre chegadas de cliente no pedágio.

64


Portanto, a garantia desse método se dará quando o processo for realizado com

uma grande quantidade de dados, resultando na maior aproximação dos valores simulados aos

obtidos pelo sistema real (PRADO, 1999, p.104; ALVES; MENEZES, 2010, p.287).

Tabela 3 – Simulação do processo de chegada de clientes em um pedágio.

Cliente Nº Aleatório Intervalo entre chegadas

(s)

Instante/tempo (s)

1 0,823 54 54

2 0,293 12 66

3 0,556 25 91

4 0,609 28 108

5 0,351 15 123

6 0,792 53 176

7 0,501 21 197

8 0,779 46 243

9 0,700 36 279

10 0,880 74 353

Fonte: Adaptado de Prado (1999, p. 105)

Por fim, cabe ressaltar que o método de Monte Carlo foi aplicado nesta pesquisa

de doutorado para o estudo do processo aleatório do fluxo de veículos em uma rua e de

chegadas sucessivas de ônibus em determinado ponto de parada, considerando certo intervalo

de tempo de observação. A forma de aplicação do método de Monte Carlo na modelagem e

simulação desta pesquisa será detalhada a seguir no Capítulo 4 – MÉTODO DA PESQUISA.

65

Capítulo 4 – Método da pesquisa

Capítulo 4

MÉTODO DA PESQUISA


Este capítulo apresenta o objeto de estudo e procedimentos metodológicos

adotados nesta pesquisa a fim de alcançar seu objetivo geral, isto é, verificar a influência da

dinâmica operacional em pontos de ônibus no ruído do tráfego veicular urbano, com o

desenvolvimento e aplicação de um modelo probabilístico que simula o fluxo de veículos e o

processo de chegada, parada e partida de ônibus em determinado ponto de parada de ônibus.

Os resultados obtidos pelo simulador de tráfego referente às passagens de veículos

e chegadas de ônibus no ponto de parada são associados aos seus respectivos sinais sonoros

gravados em campo experimental e adicionados ao ruído residual composto a partir de

fragmentos de áudios extraídos de gravações feitas na rua em investigação. Com isso, o

modelo computacional proposto nesta pesquisa possibilita o cálculo de descritores acústicos

como também a escuta do ruído simulado do tráfego veicular urbano.

Do ponto de vista lógico, toda pesquisa com hipótese(s) implica em associação

entre variáveis, havendo ou não interferências mútuas entre elas (VOLPATO, 2013). Deste

modo pode-se dizer que esta pesquisa se enquadra no tipo associação com interferência,

possuindo também características de pesquisa experimental. Segundo Gil (2006) uma

pesquisa experimental busca determinar um objeto de estudo, selecionar as variáveis capazes

de influenciá-lo e definir as formas de controle e de observação dos efeitos que a variável

produz no objeto.

Para responder a questão de pesquisa proposta inicialmente foram adotados os

seguintes procedimentos metodológicos: (i) seleção do objeto de estudo – pontos de parada de

ônibus em vias urbanas na cidade de Campinas (SP); (ii) coleta de aspectos físicos, dados

acústicos e de tráfego das vias selecionadas com presença de ponto de ônibus; (iii) gravação

de sinais sonoros da passagem de cada tipo de veículo considerado no modelo e do processo

de chegada, parada e partida de ônibus em um ponto de parada hipotético (caracterização das

fontes de ruído); (iv) modelagem e simulação do ruído de tráfego veicular em diferentes

cenários (reais e hipotéticos) e (v) validação do modelo proposto e análises dos resultados.

66


O desenvolvimento de qualquer pesquisa de natureza empírica requer a obtenção

de evidências. Para a etapa de modelagem e simulação foram coletados os seguintes dados:

(i) Grandezas físicas das vias: perfil transversal da via urbana, tipo de

pavimentação, inclinação, mobiliários e/ou equipamentos urbanos,

sinalizações verticais e/ou horizontais.

(ii) Grandezas de tráfego: fluxos e composição de veículos, intervalos de tempo

entre chegadas e de “serviço8” dos ônibus nos pontos de parada em análise.

As categorias de veículos consideradas foram: veículos leves (automóvel,

vans, towner, kombi, jipe, caminhonete), motos e veículos pesados (micro-

ônibus, ônibus e caminhão).

(iii) Grandezas acústicas para caracterização da fonte de ruído:

gravação/medição9 do sinal sonoro de passagens individuais de diferentes

categorias de veículos com velocidades constantes e do processo de

chegada, parada e partida de ônibus em um ponto de ônibus hipotético.

As discussões dos resultados desta pesquisa foram feitas por meio de análises

quantitativas e qualitativas dos experimentos de simulação desenvolvidos a partir do modelo

computacional proposto devidamente validado. A validação do modelo envolveu análises

comparativas entre os dados de tráfego e acústicos, coletados simultaneamente, e os dados

simulados para intervalos de tempo de 3 min. Os descritores acústicos considerados foram:

Nível sonoro equivalente – contínuo (LAeq), Níveis estatísticos (LA10 e LA90), Índice de ruído

do tráfego (TNI) e Nível de poluição sonora (LNP).

As análises quantitativas basearam-se em estudos de sensibilidade do modelo,

com alterações dos parâmetros de entrada a partir das características reais do fluxo médio

veicular e de intervalo médio de tempo entre chegadas de ônibus nos pontos de parada

investigados. Essas análises visaram investigar a influência da dinâmica operacional em

pontos de ônibus no ruído do tráfego veicular. As análises qualitativas buscaram verificar o

potencial do modelo computacional quanto ao nível de realismo do ruído do tráfego veicular

simulado com a realização de avaliações subjetivas auditivas (Testes de júri).

8 Tempo total de parada do ônibus, englobando os tempos de embarque e/ou desembarque de passageiros.

9 Essa atividade de gravação/medição acústica foi feita em ruas pré-selecionadas, localizadas na Universidade

Estadual de Campinas (UNICAMP), as quais serviram como campos experimentais.

67


4.2 Objeto de estudo

Como objeto de estudo foram selecionados dois pontos de ônibus (A e B) situados

em vias urbanas na cidade de Campinas (SP) com diferentes características de fluxo veicular.

O Ponto de ônibus “A” está localizado na rua Roxo Moreira, bairro Cidade Universitária

(Distrito Barão Geraldo) e o Ponto de ônibus “B”, na rua Dr. Buarque de Macedo, bairro Vila

Nova (Figura 10). As subseções 4.2.1 e 4.2.2 mostram descrições gerais dos respectivos

pontos de ônibus e dos contextos urbanos nos quais estão inseridos.

Figura 10 – Localização dos objetos de estudo (Pontos de ônibus “A” e “B”) no mapa parcial de Campinas (SP).

Fonte: Adaptado de Google Maps (2018).

PONTO DE ÔNIBUS “A”

PONTO DE ÔNIBUS “B”

68


4.2.1 Ponto de ônibus “A” (Rua Roxo Moreira)

O Ponto de ônibus “A” está situado em um trecho da rua Roxo Moreira localizado

próximo à reitoria e portaria de acesso ao setor de saúde da Universidade Estadual de

Campinas - UNICAMP (Figura 11), apresentando um regime de fluxo veicular

aproximadamente estacionário em determinados períodos do dia.

Figura 11 - Ponto de ônibus “A” e rua Roxo Moreira: a) Mapa de localização, b) Foto aérea e c) Foto – corte

transversal.

(a)

(b)

(c)

Fonte: Adaptado de Google Maps (2015a).

O Ponto de ônibus “A” foi selecionado inicialmente para servir como estudo

piloto10

desta pesquisa em função de alguns critérios: (i) localização e segurança: facilidade

de acesso e proximidade com o Laboratório de Conforto Ambiental e Física Aplicada da

Faculdade de Engenharia Civil, Arquitetura e Urbanismo (LACAF/FEC/UNICAMP),

possibilitando rapidez nos procedimentos de coleta e análise dos dados (acesso de

equipamentos, download dos dados, etc.); (ii) familiaridade do pesquisador com a dinâmica

10

O estudo piloto desta pesquisa foi publicado em Guedes, Bertoli e Montalvão (2016).

Ponto de ônibus “A”

69


do tráfego de veículos da via e (iii) existência de características físicas que contribuíssem para

o desenvolvimento da pesquisa, por exemplo, perfil transversal, tipo de pavimento e

inclinação da via, menor influência de fatores externos e possibilidade de controle dos

existentes para que não haja muita interferência na investigação do ruído do tráfego local.

O trecho da rua Roxo Moreira, onde se encontra o Ponto de ônibus “A”, possui

duas vias separadas por um canteiro central e com fluxos veiculares em sentidos opostos. As

pistas apresentam superfícies planas e pavimentadas com revestimento asfáltico em bom

estado de conservação, sendo margeadas por edificações de 1 a 3 pavimentos, e algumas áreas

não ocupadas, por exemplo, lotes vazios e estacionamentos (Figura 11).

O trecho analisado em torno do Ponto de ônibus “A” possui cerca de 130 m de

comprimento, limitado em suas extremidades por faixas de pedestres (Figura 11). Cabe

ressaltar que durante a realização dos estudos, buscou-se evitar a influência dessas faixas de

pedestres, de modo a garantir um regime mais estacionário do fluxo veicular11

. Por esse

motivo, as coletas de dados para modelagem e validação foram realizadas das 9h30min às

11h30min e das 14h30min às 16h30min, ou seja, fora dos horários de maiores interferências

das faixas de pedestres no trânsito local.

Nas coletas de dados para modelagem observou-se que a rua Roxo Moreira

apresentou um fluxo médio em torno de 1100 veículos/hora, composto da seguinte maneira:

veículos leves (vl) - 91% do fluxo total, motos (mt) - 5% do fluxo total e veículos pesados

(vp) - 4% do fluxo total. A velocidade – limite da rua é de 40 Km/h.

4.2.2 Ponto de ônibus “B” (Rua Dr. Buarque de Macedo)

Conforme mencionado, o Ponto de ônibus “B” está situado em um trecho da rua

Dr. Buarque de Macedo, localizada no bairro Vila Nova (Campinas/SP). Um aspecto

relevante desse contexto de via urbana é a presença de semáforos, conferindo a pesquisa outro

cenário de análise do ruído do tráfego em condições de trânsito interrompido, algo comum em

áreas urbanas (Figura 12).

O trecho analisado da rua Dr. Buarque de Macedo, entre a Av. Imperatriz

Leopoldina e Trav. São José, possui apenas uma pista com sentido único de fluxo veicular,

superfície plana e pavimento em asfalto. As edificações localizadas as suas margens

11

Embora o uso da faixa de pedestre possuísse também um caráter aleatório, observou-se que as passagens dos

pedestres ocorriam com maior frequência no início da manhã e no final da tarde (horários de chegada e saída de

funcionários e estudantes da UNICAMP, respectivamente) e próximo ao meio dia, com o deslocamento de

pessoas para restaurantes existentes nas suas imediações.

70


encontram-se lateralmente dispostas bem próximas umas das outras, com gabarito de altura de

1 a 2 pavimentos, configurando-se em um perfil transversal em formato de “U” (Figura 12c).

Figura 12 - Ponto de ônibus “B” e rua Dr. Buarque de Macedo: a) Mapa de localização, b) Foto aérea e c) Foto

– corte transversal.

(a)

(b)

(c)

Fonte: Adaptado de Google Maps (2016).

A Figura 12c mostra ainda a existência de uma faixa exclusiva para circulação de

ônibus coletivos. Durante determinados períodos do dia (6h às 8h e 16h às 19h), a rua Dr.

Buarque de Macedo adquire a função de corredor de ônibus. Nestes horários, é proibido o

estacionamento de veículos ao longo do meio-fio.

Por simplificação da pesquisa quanto à demanda de tempo para coleta de dados e

a fim de evitar a sua realização em períodos com eventuais congestionamentos, as

modelagens e simulações nesta rua foram feitas somente no período da tarde e em horários de

entre picos (das 14h às 16h). Durante a coleta de dados para modelagem, a rua Dr. Buarque de

Macedo apresentou um fluxo horário médio de 794 veículos, composto por 88% de veículos

Ponto de ônibus “B”

71


leves (vl), 9% de motos (mt) e 3% de veículos pesados (vp). A velocidade – limite da rua Dr.

Buarque de Macedo para ônibus é de 30 km/h e de 50 km/h para demais veículos.

4.3 Coleta de dados

A atividade de coleta de dados desta pesquisa ocorreu em três fases com objetivos

distintos. Na primeira fase foram coletadas as variáveis aleatórias relevantes ao modelo

computacional, por exemplo, fluxo veicular para cada categoria considerada, veículos leves

(vl), motos (mt) e veículos pesados (vp); e intervalos de tempo entre chegadas sucessivas de

ônibus no ponto de parada investigado. O objetivo desta primeira fase foi subsidiar a

modelagem dos dados, com a estimativa dos parâmetros de entrada e do tipo de distribuição

de probabilidade das variáveis aleatórias em questão.

Essas coletas de dados ocorreram nos horários entre picos do trânsito, de modo a

garantir características mais estacionárias do fluxo veicular. Foram realizadas em dias úteis e

em condições meteorológicas favoráveis, não havendo a princípio nenhum evento que

pudesse interferir no ritmo normal de chegadas dos ônibus no ponto de parada e do fluxo de

veículos nas ruas investigadas.

Os registros dos intervalos de tempo entre chegadas sucessivas dos ônibus foram

realizados por meio de um cronômetro digital, e para a contagem do fluxo veicular utilizou-se

um contador digital de eventos discretos (Multi-counter: aplicativo para smartphone), que foi

configurado para as três categorias de veículos consideradas: veículos leves (vl), motos (mt) e

veículos pesados (vp).

Para o Ponto de ônibus “A” (rua Roxo Moreira), a coleta dos intervalos de tempo

entre chegadas sucessivas de ônibus no ponto de parada se realizaram nas datas: 29/04/15

(quarta-feira), 22/09/2015 (terça-feira), 24/09/2015 (quinta-feira), 30/09/2015 (quarta-feira) e

5/10/2015 (segunda-feira) entre os horários de 9h30min e 11h30min e 23/09/2015 (quarta-

feira) entre 14h30min e 16h30min; e a coleta dos fluxos veiculares (vl, mt e vp) ocorreram

nos seguintes dias: 14/05/2015 (quinta-feira), 20/05/2015 (quarta-feira), 10/06/15 (quarta-

feira) nos horários entre 9h30min e 11h30min, 22/05/2015 (sexta-feira), 9/06/15 (terça-feira)

das 14h30min às 16h30min e 7/10/2015 (quarta-feira) das 9h30min às 10h30min e das 15h às

16h (APÊNDICE A)

Para o Ponto de ônibus “B” (rua Dr. Buarque de Macedo) a aquisição dos

intervalos de tempo entre chegadas sucessivas de ônibus no ponto de parada foi feita nas

datas: 6/10/16 (quinta-feira), 10/10/2016 (segunda-feira) e 22/11/2016 (terça-feira) das 14h e

72


16h; e os fluxos veiculares nos dias: 21/10/2016 (sexta-feira), 24/10/2016 (segunda-feira),

26/10/2016 (quarta-feira), 8/11/2016 (terça-feira) e 15/02/2017 (quarta-feira) das 14h às 16h

(APÊNDICE B).

A segunda fase de coleta de dados teve o objetivo de formar um banco de dados

com sinais sonoros reais de passagens individuais de veículos (vl, mt, vp) e do ciclo de

chegada, parada e partida de ônibus em um ponto de parada de ônibus hipotético. Esses sinais

sonoros representam as principais fontes de ruído no modelo computacional proposto, e seu

uso como alguns dos dados de entrada (inputs) representa um importante aspecto da

modelagem adotada neste trabalho.

Para as gravações desses sinais sonoros, foram selecionadas 02 (duas) ruas

inseridas no perímetro interno da Universidade Estadual de Campinas (UNICAMP), as quais

serviram como campos experimentais – Rua Daniel Hogan e Rua Walter August Hadler12

(Figura 13).

Figura 13 – Campos experimentais: a) Mapa de localização – UNICAMP. Fonte: Adaptado de Google Maps

(2015b), b) Foto da rua Daniel Hogan. (Fonte: Arquivo pessoal. Data: 23/07/2015), c) Foto da rua Walter August

Hadler. (Fonte: Arquivo pessoal. Data:16/10/2016).

(a)

(b)

(c)

Fonte: O autor.

12

A rua Walter August Hadler foi selecionada no decorrer dessa etapa de coleta de dados em função da

implantação de uma lombada no trecho da rua Daniel Hogan, o que a limitou fisicamente para gravação apenas

de passagens de veículos com velocidade máxima de 30 km/h.

73


Ambas as ruas estão em uma região próxima à Faculdade de Engenharia Civil,

Arquitetura e Urbanismo (FEC/UNICAMP), com características aproximadas de campo livre.

Com isso, buscou-se registrar o sinal sonoro direto das passagens individuais dos veículos-

teste. Os experimentos foram feitos em período de férias acadêmicas ou domingos, em função

dos menores níveis de ruído residual, além de minimizar eventuais interferências externas.

O procedimento adotado nas gravações envolveu a passagem de cada veículo -

teste sobre uma linha reta (eixo de referência) em velocidade constante, durante o tempo de

10 segundos13

. O ponto de gravação/medição acústica foi posicionado a uma distância “D0” =

7,5 m perpendicular ao eixo de referência.

Simultaneamente às gravações, foram feitas medições do nível sonoro equivalente

– contínuo (LAeq,10s). Os resultados dessas medições acústicas serviram como referência para

comparação com os níveis de energia sonora, calculados com base no sinal sonoro gravado.

Antes de iniciar as gravações realizava-se um registro de um sinal puro de 94 dBA na

frequência de 1000 Hz emitido pelo calibrador acústico para posterior ajuste do ganho do

sinal sonoro global em função da configuração do sistema de gravação.

Nas gravações dos sinais sonoros foram usados os seguintes instrumentos:

microfone de eletreto omnidirecional (mod.: Mic DPA 4090, 1/8” de diâmetro), calibrador

acústico (mod. 4231, marca Brüel & Kjaer) , protetor de vento, tripé, placa de som externo

(mod.: Scarlett 8i6, Focusrite) e notebook.

Nas medições acústicas usou-se um sonômetro tipo 1, mod. 2270, marca Brüel &

Kjaer, apoiado sobre tripé (altura de 1,20m em relação ao piso), protetor de vento e calibrador

acústico (mod. 4231, marca Brüel & Kjaer). O sonômetro foi previamente configurado no

modo fast e na curva de ponderação em frequência “A” e registro automático dos níveis de

pressão sonora no tempo pré-estabelecido de 10s. O objetivo do registro automático dos

níveis de pressão sonora foi facilitar o procedimento simultâneo de gravação e medição

acústica por parte do operador. As medições acústicas foram norteadas pela NBR 10151

(ABNT, 2000).

13

A escolha do tempo de 10s se deu mediante observações in loco as quais ofereceram uma ideia aproximada da

influência acústica da passagem dos veículos inseridos no tráfego em relação ao ponto de medição. Outros

estudos envolvendo modelagem de ruído de tráfego por meio de medições acústicas de passagens individuais de

veículos adotaram tempos de medição de 10 e 20s (LAeq,10s e LAeq,20s), a exemplo das pesquisas desenvolvidas por

Zhao et al (2015), Pamanikabud, Tansatcha e Brown (2008) e Tansatcha et al (2005).

74


A Figura 14 mostra detalhes do aparato experimental usado nas primeiras

gravações feitas na rua Daniel Hogan no dia 23/07/2015.

Figura 14 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Daniel Hogan: a) Foto – vista

frontal do aparato, b) Foto – perspectiva: Ponto/medição “O” e eixo de referência. (Fonte: Arquivo pessoal.

Data: 23/07/2015) e c) Desenho esquemático em planta.

(a)

(b)

(c)

Fonte: O autor.

As medições acústicas eram iniciadas a partir do momento em que o veículo-teste

passava pelo cone de sinalização “A”, sendo automaticamente finalizadas pelo sonômetro

após o tempo de 10s, ou seja, no instante em que o veículo-teste alcançava o cone de

sinalização “B”. O afastamento entre os cones de sinalização “A” e “B” era variável em

função da velocidade constante adotada para cada experimento (Figura 14c). Por

conveniência na operação do sistema de gravação, optou-se em iniciar e finalizar a gravação

da passagem do veículo – teste um pouco antes e depois dos limites estabelecidos pelos cones

de sinalização “A” e “B”, respectivamente.

Devido ao intervalo de tempo usado na gravação, após a escolha final dos áudios

para uso no modelo, realizou-se o recorte do sinal sonoro gravado para o intervalo de tempo

Eixo/referência

1,2

0 m

75


de 10s, tendo como linha de referência central o ponto de maior energia da envoltória do

sinal, ou seja, o ponto correspondente à passagem do veículo – teste pelo ponto de

gravação/medição “O”. Este procedimento foi realizado em laboratório, utilizando-se os

seguintes equipamentos: Notebook, fone de ouvido e software Audacity14

2.1.2.

A Figura 15 mostra o procedimento de recorte do sinal sonoro gravado da

passagem de um veículo – teste e ajustes para uso no modelo computacional. Foram aplicadas

as funções fade – in e fade – out nas extremidades do sinal sonoro do veículo, para suavizar a

sua entrada e saída no ruído simulado pelo modelo computacional.

Figura 15 – Recorte do sinal sonoro gravado da passagem de um veículo – teste e ajustes finais para ser usado

no modelo computacional.

Fonte: O autor.

As primeiras gravações dos sinais sonoros de passagens de veículos foram

realizadas no dia 23/07/2015 (quinta-feira, entre 10h30min e 12h30min). Esse experimento

inicial teve como objetivo contribuir para um melhor delineamento dos procedimentos a

serem adotados nas futuras gravações. Com isso, foram feitas experiências de gravação com

velocidades de 50 km/h (vl e mt) e 40 km/h (vp) em diferentes condições de marcha (3ª e 4ª)

(Figura 14).

Na ocasião não foi possível realizar a gravação do sinal sonoro do processo de

desaceleração, parada e aceleração de um ônibus em um ponto de parada hipotético. Como

medida alternativa, optou-se em extrair o sinal sonoro representativo desse ciclo de uma

gravação do ruído do tráfego veicular da própria rua Roxo Moreira feita no dia 23/09/2015.

14

Audacity é um software livre para gravar e editar sinais sonoros. Disponível em: http://audacityteam.org/.

Fade-out (0,5s)

5s 5s

Fade-in (0,5s)

10s

Sinal sonoro da passagem individual do

veículo – teste (10s)

76


Para tanto, o ponto de gravação/medição foi posicionado no canteiro central da

rua Roxo Moreira, defronte ao Ponto de ônibus “A”, a um distância de 9,5 m entre o ponto de

gravação/medição e o eixo médio do leito de parada do ônibus. Ressalta-se que esse mesmo

ponto de gravação/medição foi utilizado na terceira e última etapa de coleta de dados com

vistas à formação do banco de dados para validação do modelo. A partir do sinal sonoro

global na rua Roxo Moreira extraiu-se um ciclo de chegada – parada – partida de ônibus com

tempo de duração total de 19s e nível sonoro equivalente de LAeq,19s = 70,7 dBA.

Das primeiras gravações realizadas no campo experimental, foram selecionados

os sinais sonoros com menor influência da ação do vento ou outras interferências externas que

eventualmente tenham sido captadas pelo sistema de gravação.

Para o estudo piloto desta pesquisa foram utilizados os sinais sonoros dos

seguintes veículos-teste: Automóvel modelo Clio, marca Renault [veículo leve (vl), 3ª

marcha, velocidade = 50 km/h; LAeq,10s = 61,3 dBA], moto Intruder 125 cilindradas, marca

Suzuki [moto (mt), 3ª marcha, velocidade = 50 km/h; LAeq,10s = 59,5 dBA], caminhonete tipo

Bandeirante, marca Toyota [veículo pesado (vp), 4ª marcha, velocidade = 40 km/h; LAeq,10s =

69,7 dBA]. Outras informações sobre o estudo piloto, especialmente, quanto ao método

adotado, resultados e conclusões podem ser vistas em Guedes, Bertoli e Montalvão (2016).

Após as análises gerais das experiências obtidas no estudo piloto, a sequência da

pesquisa se deu com a realização de novas gravações de sinais sonoros de passagens

individuais de outros veículos-teste, e do processo de chegada, parada e partida de ônibus no

ponto de parada hipotético. O intuito destas gravações adicionais foi de propiciar ao modelo

um maior ajuste e refinamento tanto em relação ao cálculo das variáveis acústicas

(especialmente, LA90, TNI e LNP) quanto ao nível de realismo da escuta do ruído do tráfego

veicular simulado.

Uma nova campanha de gravação/medição acústica ocorreu no dia 16/10/2016

(domingo), na rua Walter August Hadler, das 9h às 12h30min, quando foram gravados sinais

sonoros de passagens individuais de outros veículos leves e motos. O aparato e procedimento

experimental foram semelhantes ao do estudo piloto, com a realização de passagens

individuais de veículos sobre uma linha reta (eixo de referência) com velocidade constante,

durante o tempo de 10s. O ponto de gravação/medição acústica foi posicionado a uma

distância “D0” = 7,5 m perpendicular ao eixo de referência (Figura 16).

77


As velocidades adotadas neste experimento foram de 40 e 45 km/h em 3ª marcha.

Não foi possível realizar gravações com velocidade constante de 50 km/h em função das

limitações físicas da rua Walter August Hadler. Durante o experimento foram também feitas

medições acústicas do ruído residual15

do local para verificação da relação sinal/ruído

recomendado pela norma NBR 10151 (ABNT, 2000).

Foram realizados 04 (quatro) registros de gravação e medição acústica para cada

velocidade e veículo - teste para posterior seleção e utilização no modelo computacional. Para

a escolha final dos áudios de passagens dos veículos-teste, adotou-se o mesmo critério do

estudo piloto, ou seja, foram selecionados os áudios com menor influência de eventual ação

do vento ou outra importante interferência externa. Em seguida, os mesmos passaram pelos

ajustes finais apresentados na Figura 15. A Figura 16 mostra imagens e desenho esquemático

do aparato experimental das gravações e medições acústicas realizadas no dia 16/10/2016.

Figura 16 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Walter August Hadler: a) Fotos de

passagens individuais de veículos-teste [veículo leve (vl) e moto (mt)]. (Fonte: Arquivo pessoal. Data:

16/10/2016) e b) Desenho esquemático em planta.

(a)

(b)

Fonte: O autor.

15

O valor do nível sonoro equivalente – contínuo (LAeq) para o ruído residual foi de 32,9 dBA, contemplando a

diferença mínima de 10 dBA em relação aos níveis sonoros medidos das passagens dos veículos – teste durante o

experimento do dia 16/10/2016.

D0 = 7,50 m

D0 =7,50 m

Eixo/referência Eixo/referência

78


No dia 02/04/2017 (domingo), das 9h às 12h30min foram feitas gravações de

sinais sonoros de passagens individuais de um ônibus (veículo pesado) e de diferentes ciclos

de desaceleração – parada – aceleração do mesmo ônibus no ponto de parada hipotético. Este

experimento foi realizado na rua Daniel Hogan, cujas dimensões físicas permitiam o uso da

velocidade de 30 km/h. A definição dessa velocidade para esse tipo de veículo se deu por ser

compatível com a realidade das vias urbanas investigadas.

O ônibus usado durante essa etapa de coleta de dados foi viabilizado pelo setor de

Transporte da Universidade Estadual de Campinas (UNICAMP), após solicitação feita por

meio de ofício (APÊNDICE C). Na UNICAMP, este ônibus é utilizado em atividades de

apoio ao Hemocentro. Mesmo não sendo um ônibus coletivo de linha, considerou-se que suas

características físicas seriam suficientes para as necessidades desta pesquisa.

Inicialmente essas gravações se realizaram no dia 06/11/2016. Porém, após

análises dos áudios gravados na ocasião, identificou-se “clipping” (saturação do sinal por

excesso de ganho da amplificação) nos sinais sonoros durante passagens do ônibus,

provocando distorções na escuta do ruído simulado. Por conta disso, esses áudios foram

descartados, havendo a necessidade de realizar nova campanha de gravação/medição acústica

no dia 02/04/2017.

O procedimento adotado nessas novas gravações consistiu em passagens

individuais do ônibus em linha reta com velocidade constante de 30 km/h (3ª e 4ª marchas),

durante o tempo de 10s. Para contornar o problema do “clipping”, ampliou-se a distância “D0”

de 7,5 m para 13,0 m em relação ao eixo de referência (Figura 17).

Realizou-se um total de 04 (quatro) gravações/medições acústicas, para cada

combinação de velocidade e marcha, ou seja, 30 km/h – 3ª marcha e 30 km/h – 4ª marcha.

Posteriormente, houve a seleção em laboratório dos áudios com menores influências de

eventual ação do vento ou outra importante interferência externa que tenha sido captada pelo

sistema de gravação.

Por fim, de forma similar ao que foi feito para os áudios gravados dos veículos

leves e motos, os áudios das passagens do ônibus também sofreram ajustes finais, conforme

apresentado na Figura 15.

https://pt.wikipedia.org/wiki/Amplificador

79


Figura 17 – Desenho esquemático (Segunda etapa de coleta de dados) – Rua Daniel Hogan: Gravação do sinal

sonoro de passagens individuais do ônibus.

Fonte: O autor.

O segundo experimento da manhã do dia 02/04/2017 consistiu na

gravação/medição acústica dos sinais sonoros de diferentes ciclos de desaceleração, parada e

aceleração do ônibus no ponto de parada hipotético. O aparato experimental foi montado

conforme Figura 18. Os cones de sinalização “A”, “B”, “C” e “D” foram dispostos de modo a

delimitar as zonas de desaceleração, parada e aceleração do ônibus, estabelecendo uma

configuração hipotética do ponto de parada de ônibus.

Figura 18 – Aparato experimental (Segunda etapa de coleta de dados) – Rua Daniel Hogan: a) Foto do ônibus

durante processo de desaceleração – parada – aceleração no ponto de parada hipotético. (Fonte: Arquivo pessoal.

Data: 02/04/2017) e b) Desenho esquemático em planta.

(a)

Continua

Ponto de gravação/

medição acústica

80


Continuação da Figura 18

(b)

Fonte: O autor.

O procedimento consistiu na aproximação do ônibus em linha reta passando pelo

eixo de referência com uma velocidade constante de 30 km/h e 4ª marcha. A partir do cone de

sinalização “A” iniciava-se o processo de desaceleração até a sua parada completa na zona

definida pelos cones de sinalização “B” e “C”, permanecendo parado por certo intervalo de

tempo, simulando o processo de embarque e desembarque de pessoas. Esse tempo de parada

ou de serviço (TS) foi definido com base no levantamento realizado na primeira etapa de

coleta de dados nos pontos de parada de ônibus reais investigados nesta pesquisa (Pontos de

ônibus “A” e “B”).

Adotou-se o critério de verificar, a partir do universo total de registros de tempo

de parada ou de serviço dos ônibus observados em ambos os pontos de parada16

, os valores

correspondentes aos percentis 25%, 50% e 75%. Com isso, os tempos de parada ou de serviço

(TS) adotados nesse experimento foram: TS25% = 6s, TS50% = 11s, TS75% = 17s.

Realizou-se um total de 04 (quatro) gravações para cada ciclo de chegada, parada

e partida do ônibus no ponto de parada hipotético, considerando os TS mencionados. Durante

esse experimento também foram feitas medições acústicas do nível de sonoro equivalente do

ruído residual, cuja média logarítmica obtida foi de 37,1 dBA, contemplando a diferença

mínima de 10 dBA para a relação sinal/ruído estabelecida pela norma NBR 10151 (ABNT,

2000).

16

Os dados utilizados para obtenção das informações dos valores de tempos de parada ou de serviço

correspondentes aos percentis (25%, 50% e 75%) foram provenientes das observações realizadas até a data da

primeira tentativa de gravação desse experimento (06/11/2016).

81


Em ambiente de laboratório foram escolhidos os áudios para o modelo

computacional. Tal seleção obedeceu mesmo critério já mencionado na escolha dos demais

áudios gravados nos experimentos anteriores.

Em relação ao ajuste final de todos os áudios, foram definidos tempos iguais para

os processos de desaceleração e aceleração (8 e 10s, respectivamente). A definição do tempo

de 10s para fase de aceleração do ônibus durante a sua saída do ponto de parada de ônibus

hipotético teve o objetivo de considerar as mudanças de marchas observadas no sinal sonoro.

Com essas medidas, os tempos totais de duração das amostras de sinais sonoros referentes aos

ciclos de chegada, parada e partida de ônibus do ponto de parada usados no modelo

computacional foram de 24, 29 e 35s.

O Quadro 2 mostra características gerais dos veículos – teste utilizados nos

experimentos de gravação e medição acústica. Os gráficos e os níveis sonoros equivalentes

dos sinais gravados para cada veículo podem ser vistos no APÊNDICE D.

Quadro 2 – Descrição dos veículos–teste usados nos experimentos para gravação dos sinais sonoros.

(a) Automóvel: Duster,

marca Renault, motor 2.0, câmbio

automático. Ano/modelo:

2014/2014 Fonte: Arquivo

pessoal. Data: 16/10/2016.

(b) Automóvel: Punto, marca: Fiat,

motor 1.4, câmbio manual.

Ano/modelo: 2014/2014. Fonte:

Arquivo pessoal. Data: 16/10/2016.

(c) Automóvel: Clio, marca:

Renault, motor 1.0 16v, câmbio

manual. Ano/modelo: 2013/2014.

Fonte: Arquivo pessoal. Data:

23/07/2015.

(d) Automóvel: March, marca

Nissan, motor 1.6, câmbio

manual. Ano/Modelo: 2014


16/10/2016.

(e) Automóvel: Up, marca

Wolkswagem, motor 1.0, câmbio

manual. Ano/modelo: 2014/2015.


6/10/2016.

(f) Moto: Intruder 125 cilindradas

marca Suzuki. Ano/modelo: 2014.


23/07/2015.

Continua

82


Continuação

(g) Moto: CB300R, marca Honda,

Ano: 2012. Fonte: Arquivo


(h) Caminhonete: Cabine dupla,

marca/modelo: Toyota/ Bandeirante

BJ55LP 2BL. Diesel. Ano: 1996.


23/07/2015.

(i) Ônibus: Mercedes Benz,

Ano/Modelo: 1995/1996, Motor

Mercedes Benz OF 1620, Pot:

204 CV, Diesel. Fonte: Arquivo


Conclusão

Fonte: O autor.

Quanto ao ruído residual inserido no modelo computacional, no estudo piloto

realizou-se a experiência de sintetizá-lo com aplicação de técnicas de processamento de sinais

(predição linear17

e convolução).

De maneira sucinta, o ruído residual era sintetizado por meio da convolução de

um ruído branco com a resposta impulsiva da rua, obtida com a aplicação da técnica da

predição linear a partir de uma amostra gravada do ruído residual da própria rua.

Embora o ruído residual sintetizado tivesse apresentado um conteúdo espectral

próximo ao do ruído residual real, a ausência de eventos acústicos típicos da rua, como:

cantos de passarinhos, conversas de transeuntes, sons distantes de tráfego de veículos, entre

outros, ocasionava uma perda do nível de realismo do ruído simulado.

Após essa análise, optou-se pelo uso do ruído residual resultante da junção de

diversas amostras de ruídos residuais reais extraídas de gravações realizadas nas ruas

investigadas (Rua Roxo Moreira e Rua Dr. Buarque de Macedo).

A gravação do ruído do tráfego veicular da rua Roxo Moreira, da qual foram

extraídas tais amostras de ruídos residuais, ocorreu no dia 24/09/2015 (quinta-feira) no

período da tarde, entre os horários das 14h30min e 16h30min. O ponto de gravação foi

posicionado no canteiro principal da rua e sobre um eixo central perpendicular ao Ponto de

ônibus “A”, no mesmo local em que foram feitas as medições acústicas da etapa de validação

do modelo (Figura 19).

17

A predição linear é um importante método de modelagem aplicado em diversas áreas, como: filtragem

adaptativa, estimação espectral, processamento de sinais de fala, etc. Tal método de modelagem considera que

uma determinada amostra de sinal pertencente a um sistema linear invariante no tempo pode ser predita por meio

da combinação linear de suas amostras passadas (BENESTY; SONDHI; HUANG, 2008).

83


Figura 19 – Desenhos esquemáticos com posicionamento do aparato experimental para gravação e medição

acústica na rua Roxo Moreira e Ponto de ônibus “A”.

Fonte: O autor.

Na rua Dr. Buarque de Macedo, a gravação do ruído do tráfego veicular para

extração das amostras de ruído residual ocorreu no dia 31/08/2017 (quinta-feira) no período

da tarde, entre os horários das 14h e 16h. O ponto de gravação também foi posicionado no

mesmo lugar das medições acústicas da etapa de validação, na calçada oposta ao Ponto de

ônibus “B” (Figura 20).

PLANTA BAIXA (DESENHO ESQUEMÁTICO)

CORTE A – B (DESENHO ESQUEMÁTICO)

84


Figura 20 – Desenhos esquemáticos com posicionamento do aparato experimental para gravação e medição

acústica na rua Dr. Buarque de Macedo e no Ponto de ônibus “B”.

Fonte: O autor.

O procedimento de composição do ruído residual a partir das amostras extraídas

das gravações ocorreu em ambiente de laboratório, com aplicação do software Audacity 2.1.2.

Para minimizar artificialidade na escuta durante as passagens entre amostras diferentes de

CORTE A – B (DESENHO ESQUEMÁTICO)

PLANTA BAIXA (DESENHO ESQUEMÁTICO)

85


ruído residual, aplicou-se a função Cross-fade nessas junções, conferindo maior qualidade ao

ruído final. A Figura 21 mostra um diagrama esquemático que ilustra tal procedimento.

Para a modelagem e simulação adotada nesta pesquisa, entendeu-se que o

realismo do ruído simulado deveria ser decorrente não somente da simulação da dinâmica do

fluxo veicular e do processo de chegada, parada e partida de ônibus no ponto de parada, mas

também da qualidade dos sinais sonoros reais gravados das passagens individuais de veículos

no campo experimental e do ruído residual obtido a partir da composição de amostras de

sinais sonoros reais extraídos da rua em investigação.

Figura 21 – Diagrama esquemático com o procedimento adotado para a composição do ruído residual

do modelo a partir de amostras reais gravadas na própria rua investigada.

Fonte: O autor.

A terceira e última etapa da coleta teve como objetivo formar um banco de dados

para ser usado durante o processo de validação do modelo (Vide Capítulo 5 – RESULTADOS

E DISCUSSÕES). Os dados coletados nesta etapa foram: (i) Dados de tráfego – fluxo

veicular ou número de ocorrências de veículos por unidade de tempo para cada categoria (vl,

mt, vp) e número de chegadas ou ocorrências de ônibus no ponto de parada e (ii) Dados

acústicos – LA10, LA90, LAeq. Para ambos os objetos de estudo (Ponto de ônibus “A” e “B”) a

aquisição desses dados foi feita simultaneamente em intervalos de tempo de 3 min.

A definição deste intervalo de tempo para cada amostra de dados coletada ocorreu

mediante observações in loco das características acústicas e de tráfego das ruas investigadas.

No caso do trecho analisado da rua Dr. Buarque de Macedo, que possui um semáforo em uma

de suas extremidades, o intervalo de tempo de 3 min correspondeu à coleta de dados em três

ciclos completos de abertura e fechamento do sinal.

(Amostra resultante/

Ruído residual)

(3ª amostra) (2ª amostra) (1ª amostra)

Cross-fade Cross-fade

86


Aspecto semelhante ocorreu na pesquisa de Skarlatos (1993) que propôs um

método numérico para estimativa da função de densidade de probabilidade de ruído de

tráfego. Nas situações com trânsito interrompido por conta da presença de semáforos,

Skarlatos (1993) realizou medições acústicas contemplando ao menos três ciclos completos

determinados pelos mesmos. Ressalta-se ainda que o intervalo de tempo de 3 min foi adotado

em outras pesquisas no Brasil, por exemplo, Zannin e De Sant’ana (2011) e Zannin et al,

2013a.

Com relação ao primeiro objeto de estudo (Ponto de ônibus “A” - rua Roxo

Moreira), esta etapa de coleta de dados foi realizada nos dias 23/09/15 (quarta–feira),

24/09/15 (quinta-feira), 6/10/2015 (terça-feira) e 8/10/2015 (quinta-feira) dentro dos

intervalos horários de 9h30min as 11h30min e 14h30min as 16h30min. Coletou-se um total

de 58 amostras de dados de tráfego e acústicos (APÊNDICE E). O ponto das medições

acústicas “O” foi localizado no canteiro principal da rua e sobre um eixo central perpendicular

ao ponto de ônibus (Figura 19).

Para o segundo objeto de estudo (Ponto de ônibus “B” - rua Dr. Buarque de

Macedo), esta fase de aquisição de dados ocorreu nos dias 1/11/2016 (terça-feira), 9/11/2016

(quarta-feira), 17/11/2016 (quinta-feira), perfazendo um conjunto total de 52 amostras de

dados de tráfego e acústicos, no período da tarde, das 14h às 16h (APÊNDICE F). O ponto de

medições acústicas “O” foi localizado na calçada oposta ao Ponto de ônibus “B” (Figura 20).

Por fim, salienta-se que as medições acústicas dessa etapa de coleta de dados

também foram norteadas pela NBR 10151 (ABNT, 2000), sendo realizadas em dias típicos e

em condições meteorológicas favoráveis.

4.4 Modelagem e simulação computacional

Para a etapa de modelagem e simulação computacional desta pesquisa adotou-se o

método apresentado no Capítulo 3 – MODELAGEM E SIMULAÇÕES, baseado em Chwif e

Medina (2015, p. 8) (Figura 4). Foi visto que o desenvolvimento de um modelo de simulação

é composto por três importantes fases: Concepção ou formulação do modelo; implementação

do modelo e análise dos resultados do modelo. A seguir será explicada como cada uma dessas

etapas foi realizada durante o desenvolvimento desta pesquisa.

87


4.4.1 Concepção ou formulação do modelo

Nesta fase são especificadas todas as informações relacionadas aos objetivos e

definição do sistema do modelo abstrato e conceitual, além da especificação dos dados de

entrada (Inputs). O objetivo do modelo é predizer o nível de ruído do tráfego veicular em

situações de vias urbanas com presença de ponto de ônibus, oferecendo por meio da escuta a

possibilidade de avaliá-lo subjetivamente.

Com a aplicação desse modelo, vislumbra-se responder a questão de pesquisa: De

que maneira a dinâmica operacional em pontos de ônibus influencia o ruído do tráfego

veicular urbano? O escopo do modelo envolveu o fluxo de veículos (veículos leves, motos e

veículos pesados) que passa em relação a um ponto de referência na rua, além do processo de

chegadas sucessivas de ônibus em cada um dos pontos de parada de ônibus investigado nesta

pesquisa.

O fluxo de veículos da via (número total de veículos por unidade de tempo) foi

modelado convertendo-o em número de ocorrências de veículos por segundo. A dinâmica do

ponto de ônibus foi modelada através do registro dos intervalos de tempo entre chegadas

sucessivas dos ônibus no ponto de parada. Esses intervalos de tempo foram convertidos em

número de ocorrências de ônibus por segundo no referido ponto de parada de ônibus,

semelhante ao que foi realizado na modelagem do fluxo veicular.

O modelo considerou os seguintes inputs: taxa média de ocorrência de cada classe

de veículos por unidade de tempo (λvl - veículos leves; λmt - motos; λvp - veículos pesados);

intervalo médio entre chegadas sucessivas de ônibus no ponto de parada (β); sinal sonoro da

passagem individual de cada classe de veículo gravado em campo experimental, vl, mt e vp

(arquivo: .wav); sinais sonoros gravados de diferentes ciclos de desaceleração, parada e

aceleração de único ônibus no ponto de parada hipotético (arquivo: .wav); ruído residual

composto a partir da junção de amostras de ruídos residuais extraídas de gravação realizada

nas ruas investigadas (arquivo: .wav).

Uma importante simplificação do modelo diz respeito ao fato dos sinais sonoros

dos veículos – teste serem considerados representativos dos diversos tipos de veículos leves,

motos e veículos pesados existentes no tráfego real das vias urbanas analisadas. Além disso,

com base no método adotado na gravação desses sinais sonoros em campo experimental, o

modelo computacional proposto foi concebido, considerando a propagação sonora ao ar livre

88


na direção perpendicular ao eixo da rua e correções da energia sonora das passagens dos

veículos com a distância, assumindo – as como fontes lineares.

Podem-se citar ainda como simplificações e restrições do modelo a consideração

do tipo de pavimentação similar ao do campo experimental (asfalto), superfície plana ao

longo da via, não ocorrência de ultrapassagens entre veículos ou mudança de faixa de

circulação, passagem dos veículos com velocidade constante, condições climáticas

semelhantes; período de simulação em horários entre picos para evitar maiores influências das

passagens de pedestres pelas faixas de travessia existentes no trecho analisado da rua Roxo

Moreira e eventuais congestionamentos em função da proximidade com o cruzamento

semaforizado com a Av. Imperatriz Leopoldina, no caso da rua Dr. Buarque de Macedo.

O modelo contempla a aleatoriedade de ocorrências ou passagens de veículos de

cada classe em uma determinada rua e do processo de chegadas de ônibus em um ponto de

parada, assumindo-se tais ocorrências como eventos independentes.

Com base nessas considerações foi estabelecido o modelo conceitual

desenvolvido no estudo piloto desta pesquisa realizada na rua Roxo Moreira, publicado em

Guedes, Bertoli e Montalvão (2016), buscando-se contemplar o princípio da parcimônia, ou

seja, “a simplificação é a essência da simulação” (CHWIF; MEDINA, 2015, p. 66). Com o

modelo simples foi possível inserir por etapas novos elementos ou componentes do sistema,

permitindo novas experimentações com vistas ao adequado entendimento do fenômeno em

investigação.

Com base nessa concepção e após análises das experiências obtidas no estudo

piloto, o modelo conceitual sofreu adaptações, que de uma maneira mais geral passou a

contemplar os seguintes aspectos: (i) entrada aleatória nas simulações de novos tipos de

veículos de mesma categoria (vl, mt, vp) e de diferentes ciclos de desaceleração, parada,

aceleração de ônibus no ponto de parada; (ii) nova proposta para geração do ruído residual do

modelo; (iii) correção simplificada da energia sonora das passagens dos veículos devido a

primeira reflexão em fachadas opostas da rua; (iv) consideração simplificada da influência de

semáforo, quando existir.

A Figura 22 apresenta o fluxograma esquemático do modelo conceitual final

adotado nesta pesquisa. Alguns dos principais aspectos desse fluxograma serão detalhados na

subseção 4.4.2 Implementação do modelo.

89


Figura 22 – Fluxograma esquemático do modelo conceitual.

Fonte: O autor.

4.4.2 Implementação do modelo

A implementação do modelo computacional foi feita no ambiente do software

Matlab. Conforme dito no Capítulo 3 – MODELAGEM E SIMULAÇÕES, um modelo de

simulação busca extrair as características de um dado sistema real, a fim de representar os

seus diversos fenômenos aleatórios através de um modelo computacional (CHWIF;

MEDINA, 2015, p. 19).

Logo, uma das mais importantes etapas de qualquer modelo de simulação consiste

da modelagem dos dados, ou seja, conhecer a distribuição de probabilidade das variáveis pré-

estabelecidas, de modo a inferir suas propriedades aleatórias. Segundo o mesmo autor esta

etapa resume-se na coleta e tratamento dos dados e inferência (CHWIF; MEDINA, 2015, p.

19 - 20).

Na implementação do modelo proposto considerou-se o fluxo veicular (vl, mt, vp)

regido pelo modelo probabilístico de Poisson com parâmetro λ (taxa média de ocorrências ou

chegadas de veículos por intervalo de tempo) e a variável aleatória referente aos intervalos de

90


tempo entre chegadas sucessivas de ônibus no ponto de parada, seguindo o modelo de

distribuição exponencial negativa com parâmetro β (Intervalo médio entre chegadas).

De acordo com Prado (1999, p.48) a distribuição exponencial negativa tem

correspondência com a distribuição de Poisson, quando a variável em questão refere-se a

intervalos de tempo entre chegadas. Com isso, por conveniência durante a modelagem, os

intervalos de tempo entre chegadas de ônibus no ponto de parada foram convertidos em

número de ocorrências ou chegadas por intervalo de tempo, conforme mencionado na

subseção anterior.

As condições assumidas de distribuição de probabilidade para a modelagem

proposta nesta pesquisa se respalda na literatura técnica e em casos típicos relacionados com

simulações de tráfego e transporte encontrados, por exemplo, nos livros de Prado (1999) e

Portugal (2005), e nos resultados obtidos com a realização de análises de aderência18

com

aplicação do teste não paramétrico [Qui – quadrado (χ2)]

19 entre os dados coletados e os

calculados pelo modelo teórico (APÊNDICE G)

Com base no fluxograma da Figura 22, o modelo computacional proposto

constitui-se essencialmente de um simulador de tráfego, contemplando a dinâmica aleatória

do fluxo de veículos e do processo de chegadas sucessivas de ônibus em um ponto de parada.

Os resultados do simulador de tráfego são associados aos sinais sonoros reais

representativos de cada evento simulado, ou seja, da passagem individual de determinado tipo

de veículo (vl, mt, vp) e do ciclo de desaceleração, parada e aceleração decorrente da chegada

de um ônibus no ponto de parada analisado.

O simulador de tráfego foi concebido de maneira a realizar uma aproximação

paramétrica da distribuição de probabilidade das variáveis aleatórias consideradas, ou seja, do

modelo de Poisson. No modelo computacional, a simulação destas variáveis aleatórias se deu

com a geração de números pseudoaleatórios. Por simplificação, escolheu-se como restrição de

18

Análise de aderência consiste na verificação se uma determinada distribuição probabilística é estatisticamente

adequada para representar uma amostra de dados coletados. Tal análise é realizada, aplicando-se um teste de

hipótese de aderência (ou hipótese nula – H0), ou seja, o modelo é adequado para representar a distribuição da

população, sob um nível de significância, que consiste na probabilidade de se rejeitar a H0, mesmo estando

correta (CHWIF; MEDINA, 2015, p. 28).

19

O teste Qui – quadrado (χ2) pertence ao tipo de teste de aderência não paramétrico, em que se resume no

cálculo dos desvios entre as frequências observadas e as frequências obtidas pelo modelo teórico em cada classe

de dados, para posterior comparação com um valor crítico obtido a partir da tabela da distribuição do qui-

quadrado, sob um nível de significância e grau de liberdade (CHWIF; MEDINA, 2015, p. 29).

91


simulação a possibilidade de ocorrência de pelo menos um evento de cada tipo por segundo

de sinal gerado.

Por fim, o processo de Poisson é aproximado computacionalmente a partir de uma

simulação de um modelo binomial, ou seja, por meio de uma longa sequência de eventos de

Bernoulli com um "n" muito grande e parâmetro "p" << 1, de tal forma que "n.p" corresponde

ao número médio de ocorrências de cada tipo de evento (passagem de veículos leves, motos

ou veículos pesados, ou ainda, chegada de ônibus no ponto de parada) durante certo intervalo

de tempo de observação.

Ao término de cada simulação, obtém-se o número de sucessos para cada evento,

ou seja, o número de ocorrências de cada classe de veículo e o número de ônibus que chegou

ao ponto de parada em um intervalo de tempo.

Outro aspecto relevante na implementação do modelo refere-se à entrada aleatória

dos diferentes tipos de veículos de cada classe (vl, mt e vp) e dos diferentes ciclos de chegada,

parada e partida de ônibus no ponto de parada, contemplando os tempos totais de 24, 29 e 35s

considerados durante a etapa de gravações dos sinais sonoros em campo experimental.

Após o sorteio realizado com base no modelo de Poisson para verificação da

ocorrência da passagem de certa classe de veículo, o modelo define qual exemplar de veículo

existente no banco de dados entrará na simulação por meio de um novo sorteio a partir de uma

distribuição uniforme, ou seja, considerando a mesma probabilidade de ocorrência entre os

tipos de veículos disponíveis de uma mesma classe.

No caso específico da definição da ocorrência de qual ciclo de chegada, parada e

partida de ônibus no ponto de parada, o procedimento é semelhante, considerando-se as

seguintes probabilidades: (i) 25%, para os ciclos de chegada, parada, partida de ônibus com

tempos totais de 24 e 35s; (ii) 50%, para o ciclo de chegada, parada, partida de ônibus com

tempo total de 29s. Esse critério teve como referência os percentis observados para os tempos

de parada ou de serviço dos ônibus no ponto de parada durante as coletas de dados.

A utilização de sinais sonoros reais da passagem individual de veículos, do

processo de chegada, parada e partida de ônibus em um ponto de parada, além do ruído

residual composto conforme Figura 21, possibilita o cálculo de diferentes descritores

acústicos, além da escuta do ruído simulado de uma maneira simplificada em termos

computacionais, sem a necessidade de realizar a síntese propriamente dita do ruído dos

veículos e nem do ruído residual usado no modelo.

92


A partir da energia sonora global resultante da contribuição de cada evento

simulado, ou seja, da energia sonora decorrente de cada passagem de veículo, da chegada de

ônibus no ponto de parada e do ruído residual, realiza-se o cálculo dos descritores acústicos

(LAeq, LA10, LA90, TNI e LNP) com aplicação de equações extraídas da literatura e apresentadas

no Capítulo 2 – RUÍDO DO TRÁFEGO VEICULAR.

O modelo realiza correções de energia dos sinais sonoros das passagens de

veículos e do processo de chegada de ônibus no ponto de parada hipotético, considerando as

diferenças de distâncias (fonte e receptor) observadas entre o campo experimental e a rua

avaliada. Tais correções são feitas, assumindo-se a fonte sonora linear. Para tanto, a energia

sonora é corrigida com base na Equação 31:

(

) [Equação 31]

Onde:

- é a média quadrática da pressão sonora (N/m2) a uma distância “D”.

- é a média quadrática da pressão sonora (N/m

2) a uma distância “D0”.

- “D0” é a distância de referência, ou seja, distância perpendicular entre o ponto de

gravação/medição acústica e o eixo de referência do campo experimental.

- “D” é a distância perpendicular do eixo da pista de rolamento e o ponto de

medição na rua investigada.

O modelo computacional contempla ainda, se necessário, correções da energia

sonora devido à reflexão em superfícies de fachadas opostas da rua. Porém, o procedimento

adotado nesta pesquisa é simplificado, pois leva em conta apenas a primeira reflexão.

Para a definição da quantidade de energia a ser acrescida devido à reflexão em

fachadas, adotou-se como referência a norma alemã RLS – 90, que considera a relação entre

as dimensões físicas do perfil transversal da rua (h – altura da fachada) e (d – distância entre

fachadas opostas) para a determinação do acréscimo em dB no nível sonoro básico calculado

a partir do fluxo veicular e da porcentagem de veículos pesados. Com base na RLS – 90, a

correção devido à reflexão é calculada da seguinte maneira:

, dB [Equação 32]

Creflexões < 3,2 dB para superfícies refletoras

93


, dB [Equação 33]

Creflexões < 1,6 dB para superfícies absorvedoras

Onde:

- h é a altura da parede (superfície refletora);

- d é a distância entre as paredes (superfícies refletoras opostas).

Por outro lado, o modelo computacional proposto nesta pesquisa inicialmente

determina o atraso no tempo discreto (delay) entre o sinal sonoro direto e o refletido com base

na Equação 34:

( )

[Equação 34]

Onde:

- “ ” é a diferença entre as trajetórias percorridas pelos sinais sonoros, direto e

refletido. Na prática, representa a distância entre superfícies refletoras opostas em ruas

com dimensões transversais simétricas (Figura 23);

- “C” é a velocidade do som no ar (C = 345 m/s);

- “fs” é a frequência de amostragem do sinal sonoro (44100 Hz).

O sinal sonoro refletido, além do atraso no tempo discreto, sofre influência das

características absorvedoras ou reflexivas da superfície na qual atinge. Com isso o sinal

sonoro final é obtido pela Equação 35:

[ ] [ ] [ ] [Equação 35]

Onde:

- [ ] é o sinal sonoro final;

- [ ] é o sinal sonoro direto;

- [ ] é o sinal sonoro refletido com atraso (delay) em relação ao

sinal sonoro direto;

- é o coeficiente de reflexão sonora.

94


Figura 23 – Desenho esquemático da primeira reflexão em superfícies refletoras opostas de uma rua.

Fonte: O autor.

No modelo proposto, a correção devido à reflexão somente é feita no sinal sonoro

resultante das passagens dos veículos e do processo de chegada de ônibus no ponto de parada,

pois esses sinais sonoros foram gravados em campo experimental, em condições aproximadas

de campo livre. O ruído residual não sofre tal correção, uma vez que foi composto a partir de

amostras de sinais sonoros gravados na própria rua investigada, trazendo consigo as

contribuições reflexivas das superfícies existentes no local.

A partir da referência de acréscimo devido às reflexões em superfícies de fachadas

obtida com base na norma RLS – 90 (Equação 32 ou 33), por meio de tentativa e erro

determina-se o coeficiente de reflexão sonora que será usada na Equação 35. Embora, o

procedimento descrito seja uma simplificação por considerar uma única reflexão, o ajuste

final da energia sonora é balizado por uma importante norma (RLS – 90), adotada em vários

estudos sobre ruído de tráfego veicular.

A proposta de correção da energia sonora devido à reflexão em superfícies de

fachadas empregada no modelo proposto não somente proporciona o ajuste quantitativo da

energia sonora, mas também poderá contribuir para um maior realismo da escuta do sinal

sonoro gerado em situações de ruas com características mais reflexivas. Entretanto, a

Sinal sonoro refletido

Sinal sonoro

direto

X X

X2

ΔS = (X1 + X2) – X3

X1 X3

CORTE TRANSVERSAL (DESENHO ESQUEMÁTICO)

95


investigação mais detalhada desse aspecto não representou objeto principal desta pesquisa,

ficando como sugestão para trabalhos futuros.

Por fim, em situações semelhantes ao trecho avaliado da rua Dr. Buarque de

Macedo com trânsito interrompido devido à presença de semáforos, o modelo computacional

foi adaptado com o desenvolvimento de um módulo que estabelece ciclos de fluxos veiculares

em função do temporizador determinístico do semáforo.

Na realidade, esse módulo realiza uma ponderação no parâmetro de entrada do

modelo de Poisson “λ” (taxa média de chegadas de veículos por intervalo de tempo para cada

categoria, inclusive para os ônibus que chegam ao ponto de parada). Esse procedimento

ocorre durante o sorteio que define a ocorrência ou não de determinado evento (passagem de

veículo), conforme explicado em parágrafos anteriores. Os fatores de ponderação para cada

evento foram estimados a partir de observações in loco.

Estas observações foram feitas no trecho analisado da rua Dr. Buarque de

Macedo, que possui semáforo no seu cruzamento com a Av. Imperatriz Leopoldina no dia

31/08/2017 (das 14h às 16h) com a realização de registros de fluxos totais de veículos em

intervalos de tempo de 3min, durante os sinais verde e vermelho. Cabe mencionar que as

ocorrências de veículos nesse trecho da rua Dr. Buarque de Macedo durante o período de sinal

vermelho eram provenientes da Av. Imperatriz Leopoldina.

Após as análises dos resultados dessas observações in loco, os fatores de

ponderação aplicados aos parâmetros de entrada (λvl, λmt e λvp) para os sinais verde e

vermelho foram 1,725 e 0,275, respectivamente. No caso específico do “λ” que define a

chegada ou não de ônibus no ponto de parada, adotou-se o fator de ponderação 2, para sinal

verde e 0, para sinal vermelho, uma vez que os ônibus que paravam no referido ponto eram

provenientes da própria rua Dr. Buarque de Macedo.

Portanto, a dinâmica cíclica do fluxo veicular por conta do semáforo resulta de

uma média ponderada do parâmetro de entrada “λ” do modelo de Poisson, para os respectivos

tempos de duração dos sinais verde e vermelho, correspondentes a 30s.

Os APÊNDICES H, I e J apresentam, respectivamente, o código principal do

modelo computacional proposto, o módulo para inserção do semáforo e uma função que

realiza o sorteio a partir de uma distribuição uniforme, para a entrada aleatória na simulação

dos exemplares de cada categoria de veículos e de ciclos de desaceleração, parada e

aceleração de ônibus no ponto de parada existentes no banco de sinais sonoros do modelo.

96


4.4.3 Análise dos resultados do modelo

A etapa de experimentação do modelo computacional envolveu análises

quantitativas e qualitativas com vistas a alcançar os objetivos principais e específicos desta

pesquisa. A seguir será explicada cada uma dessas análises.

- Análise quantitativa

As análises quantitativas do modelo ocorreram por meio de experimentos de

simulação em cenários reais e hipotéticos de fluxo médio veicular e de intervalos médios de

tempo entre chegadas sucessivas de ônibus nos pontos de parada investigados.

De início, esses experimentos foram feitos para validação dos resultados

simulados pelo modelo, confrontando-os com os dados coletados in loco. Para tanto, foram

realizadas simulações a partir dos parâmetros de entrada, λ (taxa média de ocorrências ou

chegadas de veículos por intervalo de tempo) e β (Intervalo médio entre chegadas sucessivas

de ônibus no ponto de parada), estimados com base nos dados de tráfego coletados, ou seja,

considerando os cenários reais de tráfego veicular observados nas ruas e nos pontos de parada

de ônibus em investigação.

A etapa de validação envolveu análises comparativas entre as médias dos

resultados medidos e estimados pelo modelo das variáveis de tráfego e acústicas. No caso das

variáveis acústicas, aplicou-se o teste estatístico paramétrico - t de Student, sob um nível de

significância de 5%, com o objetivo de testar a hipótese nula de igualdade entre médias dos

grupos de dados simulados e medidos.

Para o entendimento do fenômeno em questão com a investigação da influência da

dinâmica operacional de pontos de ônibus no ruído do tráfego veicular, as simulações

envolveram cenários reais e hipotéticos, estes últimos criados a partir de alterações no fluxo

médio veicular e nos intervalos médios de tempo entre chegadas sucessivas de ônibus no

ponto de parada.

A forma de análise para este fim se baseou na aplicação de estudos de

sensibilidade para verificação da influência nos valores dos descritores acústicos calculados a

partir de variações nas características de tráfego estabelecidos nos cenários hipotéticos.

Enfim, com esse tipo de análise determina-se “(...) a sensibilidade da resposta do modelo a

pequenas variações nas características da distribuição probabilística escolhida” (CHWIF;

MEDINA, 2015, p. 41).

97


O modelo computacional proposto fornece como resultados (outputs), variáveis de

tráfego (número de ocorrências de veículos leves, motos e veículos pesados, ou seja, fluxo e

composição veicular, além do número de ônibus que chegam ao ponto de parada investigado

durante certo intervalo de tempo simulado), descritores acústicos (LA10, LA90, LAeq, TNI e LNP)

em formato de tabela, e a possibilidade do usuário ouvir o ruído simulado, podendo ser outro

importante recurso para avaliação do ruído do tráfego veicular urbano por parte dos diferentes

agentes envolvidos com o controle da poluição sonora nas cidades.

Por fim, ressalta-se que a escuta do ruído simulado, consistiu também em uma

importante ferramenta para o processo de desenvolvimento do modelo. O uso da escuta em

conjunto com dados quantitativos e gráficos representativos do ruído simulado e dos instantes

de entrada aleatória dos veículos no fluxo de tráfego contribuiu para a verificação do correto

funcionamento do modelo computacional proposto. O APÊNDICE L mostra alguns desses

exemplos de gráfico gerados a partir de simulações realizadas nas ruas, Roxo Moreira e Dr.

Buarque de Macedo.

- Análise qualitativa

As análises qualitativas realizadas nesta pesquisa ocorreram a partir de avaliações

subjetivas auditivas (Testes de júri)20

com o intuito de verificar o potencial do modelo

computacional quanto ao nível de realismo do ruído do tráfego veicular urbano simulado.

A hipótese nula testada nesse experimento foi: Os áudios reais e simulados de

tráfego veicular são indiscerníveis. Os áudios reais consistiram em amostras extraídas de

uma gravação realizada em uma via urbana, enquanto que os áudios simulados foram

extraídos do ruído gerado pelo modelo computacional a partir de parâmetros de entrada

representativos das características médias de fluxo veicular e do processo de chegadas de

ônibus no ponto de parada de ônibus existente no local.

Ressalta-se que em função de limitações no tempo para desenvolvimento desta

etapa da pesquisa, as avaliações subjetivas contemplaram apenas a rua Roxo Moreira,

priorizando-se pela realização do maior número possível de testes dentro do cronograma

20 Para a realização das avaliações subjetivas auditivas (Testes de júri) foi elaborado um projeto de pesquisa,

especificando os objetivos, hipótese, local de realização, população a ser estudada, garantias éticas aos

participantes, método a ser utilizado, cronograma, critério de inclusão ou exclusão de participantes, riscos e

benefícios envolvidos na execução da pesquisa, entre outros aspectos. Tal projeto foi submetido ao Comitê de

Ética em Pesquisa (CEP), pela Plataforma Brasil no dia 07/07/2017, sendo aprovado em 31/07/2017 com o Nº do

CAAE: 71270117.2.00005404.

98


estabelecido, para as condições de tráfego veicular analisadas nesta rua, ficando como

sugestão para trabalhos futuros a continuidade deste tipo de análise na rua Buarque de

Macedo ou outra configuração de rua em que possa ser aplicado o modelo computacional

proposto.

Os testes de júri foram realizados por um grupo de 54 voluntários constituído por

alunos e funcionários do Campus Zeferino Vaz da UNICAMP21

, não havendo restrições de

sexo, etnia ou idade. O número de participantes pré-estabelecido foi de pelo menos 50

pessoas, sendo definido com base em observações do universo de participantes em outras

pesquisas correlatas (MAILLARD, JAGLA, 2012; MAILLARD, JAGLA, 2013).

Quanto ao local das avaliações subjetivas, escolheu-se inicialmente a sala de

defesa 1, da Faculdade de Engenharia Civil, Arquitetura e Urbanismo (FEC/UNICAMP). No

decorrer dos experimentos, devido à necessidade de se conciliar os horários de agendamento

dos voluntários com as reservas da sala, foram usadas também outras opções de salas,

localizadas no mesmo prédio (sala de defesa 2, sala de defesa 3 e uma sala no Laboratório de

Conforto Ambiental - LACAF). Todas essas salas ofereceram condições favoráveis de ruído

de fundo e privacidade acústica para execução dos testes de júri.

No que se refere às garantias éticas da pesquisa, antes da realização do

experimento cada voluntário recebeu do pesquisador – responsável o “Termo de

Consentimento Livre e Esclarecido (TCLE)” para leitura e conhecimento de todas as

informações relevantes sobre os procedimentos que seriam adotados na avaliação subjetiva,

das garantias éticas, além de outros aspectos concernentes a pesquisa, que podem ser vistos no

próprio modelo do TCLE (APÊNDICE M).

O método utilizado nas avaliações subjetivas consistiu na escuta por parte de cada

voluntário, com uso de fone de ouvido, de (04) quatro amostras de áudios escolhidos de

maneira aleatória por uma interface gráfica computacional. Os áudios consistiram em ruídos

reais e/ou simulados de fluxo veicular, podendo incluir chegada(s) e/ou partida(s) de ônibus

em um ponto de parada de ônibus da via urbana investigada (rua Roxo Moreira).

Cabe ressaltar que com o objetivo de oferecer mesmas condições de teste para

todos os participantes, na realidade eram sempre apresentados (02) dois áudios reais e (02)

21 Medida que dispensou a necessidade de se prever custos para deslocamentos dos voluntários até o local dos

testes de júri, pois o agendamento das datas e horários era feito de modo a conciliar com a presença e

disponibilidade dos mesmos na UNICAMP.

99


dois áudios simulados, porém permutados aleatoriamente, sem o conhecimento dessa

informação por parte do voluntário participante. Além disso, foi garantido para o mesmo

voluntário a escuta de áudios diferentes entre si, realizando-se sorteio sem reposição dos

áudios reais e simulados provenientes de um espaço amostral composto por 30 (trinta) áudios

reais e 30 (trinta) áudios simulados.

Após a escuta, o voluntário era solicitado a marcar uma das opções de resposta

(Real ou Simulado) para cada áudio, como mostra a interface gráfica desenvolvida no

ambiente GUIDE (Graphical User Interface Design Environment) do software Matlab. As

Figuras 24, 25 e 26 mostram as telas da interface gráfica utilizada durante o teste de júri.

Figura 24 – Tela inicial da interface gráfica principal utilizada no teste de júri.

Fonte: O autor.

Figura 25 – Tela de apresentação e avaliação das amostras dos áudios aleatórios pelo voluntário.

Fonte: O autor.

100


Figura 26 – Tela final da interface gráfica com indicação do fim do teste e agradecimento pela participação do

voluntário.

Fonte: O autor.

Conforme já mencionado, a hipótese nula testada foi de que os áudios reais e

simulados de tráfego veicular são indiscerníveis. Ou seja, o participante não conseguiria

distinguir entre áudios reais e simulados dos fluxos de veículos apresentados aleatoriamente,

havendo a probabilidade p = 50% de ocorrência de acertos ou erros.

A partir de um modelo binomial e sob um nível de significância de 5%, a hipótese

nula será rejeitada caso o número de acertos ou erros esteja fora dos limites de valores

estimados em torno do valor médio calculado com base no número de amostras de áudios

analisados.

Os áudios foram de curta duração (1 minuto) e mostrados aos voluntários de

forma não contínua. Antes das avaliações subjetivas, os áudios foram submetidos a

verificações quanto aos seus níveis sonoros, a fim de garantir condições de conforto acústico e

nenhum prejuízo ao sistema auditivo do participante. Utilizou-se como sistema de reprodução

de áudio os seguintes equipamentos: notebook, placa de som externa (Audiobox USB 2x2,

marca PreSonus) e fone de ouvido (Stereo Headphones, AKG, K.55) de alta definição e

resposta de frequência entre 20 Hz e 20 kHz.

Estimou-se o tempo total de 15 minutos para o desenvolvimento de todos os

procedimentos, considerando 5 minutos para orientações iniciais e 10 minutos para a

realização do teste de júri propriamente dito.

Todo o experimento teve o acompanhamento presencial do pesquisador -

responsável, para garantir ao voluntário o apoio necessário a sua realização e rapidez no

101


atendimento nos casos em que porventura houvesse algum tipo de desconforto ou

necessidade/interesse de desistir da sequência na pesquisa manifestada pelo mesmo.

Por fim, salienta-se que a presente pesquisa adotou como critério de exclusão a

declaração por parte de cada voluntário sobre sua habilidade auditiva (normal ou não). Nos

casos em que o participante declarasse que não possuía habilidade normal da audição seus

dados seriam excluídos da pesquisa.

102

Capítulo 5 - Resultados e discussões

Capítulo 5

RESULTADOS E DISCUSSÕES


Neste capítulo serão apresentados e discutidos os resultados obtidos das análises

quantitativas e qualitativas realizadas a partir de experimentos de simulação desenvolvidos

com a aplicação do modelo computacional proposto nesta pesquisa.

A atividade inicial dessas análises consistiu no processo de validação do modelo,

por meio de comparações entre os dados medidos e simulados. A validação das variáveis

acústicas se baseou em análises estatísticas com a aplicação do teste estatístico paramétrico - t

de Student para comparação entre as médias provenientes dos grupos de dados simulados e

medidos. As simulações para os testes de validade levaram em conta os cenários reais de

tráfego veicular da rua e do processo de chegadas de ônibus nos pontos de parada analisados.

O estudo da influência da dinâmica de pontos de ônibus no ruído do tráfego

veicular urbano baseou-se em análises de sensibilidade, com alterações dos parâmetros de

entrada do modelo, adotando-se como referência as condições reais do fluxo médio veicular e

de intervalos médios de tempo entre chegadas de ônibus nos pontos de parada. Logo, para

obter respostas à questão de pesquisa, as análises se pautaram em cenários reais e hipotéticos.

Para um melhor delineamento das informações, esse capítulo foi estruturado com

apresentação e discussão inicial dos resultados das análises quantitativas em ambos os pontos

de parada de ônibus (objetos de estudo desta pesquisa22

), seguida pelo detalhamento dos

resultados da avaliação subjetiva (Teste de júri) com vistas a verificar o potencial do modelo

computacional em relação ao nível de realismo do ruído de tráfego veicular urbano simulado.

5.2 Análise quantitativa – Ponto de ônibus “A” (Ptbus – A; rua Roxo Moreira)

O trecho analisado da rua Roxo Moreira é constituído por duas pistas de

rolamento separadas por um canteiro central. Os fluxos veiculares nessas pistas ocorrem em

sentidos opostos, que foram assumidos como sendo iguais durante a etapa de modelagem. Por

conta disso, as contagens de veículos eram realizadas agrupando o número de veículos por

22

Por simplificação, a partir deste capítulo serão adotadas as abreviaturas (Ptbus – A e Ptbus – B) em referência

aos pontos de ônibus localizados na rua Roxo Moreira e rua Dr. Buarque de Macedo, respectivamente.

103


classe de veículos que trafegavam em ambas as pistas. Cabe mencionar ainda que devido à

configuração do perfil transversal da rua, caracterizado por um afastamento de,

aproximadamente, 40 m entre fachadas opostas, houve a desconsideração das reflexões

sonoras nessas superfícies.

Com base nessas e nas demais informações mencionadas no Capítulo 4 –

MÉTODO DA PESQUISA, a seguir será apresentado o processo de validação do modelo

computacional, levando-se em conta às condições reais de tráfego veicular da rua Roxo

Moreira e do processo de chegada, parada e partida de ônibus no ponto de parada existente no

local (Ptbus – A) observadas durante as coletas de dados.

5.2.1 Validação do modelo computacional

Para o teste de validade do modelo computacional em relação às características de

tráfego e acústicas do trecho analisado da rua Roxo Moreira e do Ptbus – A, utilizou-se um

total 58 amostras de dados de tráfego e acústicos coletados simultaneamente em intervalos de

tempo de 3 min. Tais coletas foram feitas durante dias úteis da semana, nos períodos da

manhã e da tarde (das 9h30min às 11h30min e das 14h30min as 16h30min).

O processo de validação do modelo baseou-se em análises comparativas entre

esses dados de tráfego e acústicos observados in loco e os estimados pelo modelo. Para a

realização das simulações, o modelo computacional foi alimentado com parâmetros de

entrada, λ (taxa média de ocorrências ou chegadas de cada classe de veículos por segundo) e β

(Intervalo médio entre chegadas de ônibus no ponto de parada, em segundos), calculados a

partir dos dados adquiridos durante a primeira fase de coleta (APÊNDICE A).

Na ocasião foram observados os seguintes valores médios de fluxos veiculares,

Qvl = 996 veículos leves/h; Qmt = 55 motos/h e Qvp = 47 veículos pesados/h; e intervalo

médio entre chegadas sucessivas de ônibus no ponto de parada de 360s.

A Tabela 4 mostra os parâmetros de entrada inseridos no modelo, λvl, λmt, λvp e

λPtbus-A que representam, respectivamente, a probabilidade “p” de ocorrência por segundo de

veículo leve, moto, veículo pesado e chegada de ônibus no ponto de parada (Ptbus - A),

respectivamente. Cabe lembrar que por conveniência, a simulação do processo de Poisson foi

aproximada por uma simulação binomial em instante de tempo bem pequeno de 1 segundo e

probabilidade “p” << 1, assumindo-se independência entre as ocorrências dos eventos.

104


Tabela 4 – Valores do parâmetro de entrada “λ” inseridos no modelo para realização das simulações (Ptbus – A;

rua Roxo Moreira).

λvl

(veículo/segundo)

λmt

(veículo/segundo)

λvp

(veículo/segundo)

λPtbus-A = 1/β

(veículo/segundo)

0,2766 0,0153 0,0131 0,00278

A partir dos dados de entrada apresentados na Tabela 4, realizou-se 05 (cinco)

grupos de simulações independentes entre si. Cada grupo de simulação gerou 58 amostras de

dados para cada uma das variáveis de tráfego e acústica consideradas nesta pesquisa, as quais

foram utilizadas posteriormente na comparação com os dados medidos (reais). A Tabela 5

apresenta os valores médios dos dados medidos (reais) e simulados das variáveis de tráfego

para intervalos de tempo de 3 min.

Tabela 5 – Média dos dados medidos e simulados das variáveis de tráfego (Ptbus – A; rua Roxo Moreira).

Qvl

(veículos/3min)

Qmt

(veículos/3min)

Qvp

(veículos/3min)

Qt

(veículos/3min)

QPtbus-A

(veículos/3min)

Medido (real) 49 3 2 54 1

Simulação 1 49 3 3 55 1

Simulação 2 48 3 2 53 1

Simulação 3 49 3 2 53 1

Simulação 4 50 3 2 55 1

Simulação 5 50 3 3 56 0

Observando os valores médios para as variáveis de tráfego (dados medidos e

simulados), considera-se que o simulador de tráfego desempenha satisfatoriamente as

estimativas do fluxo veicular e do número de chegadas de ônibus no Ptbus - A. No que se

refere às variáveis acústicas (LA10, LA90, LAeq, TNI e LNP), a Tabela 6 mostra as médias dos

descritores acústicos medidos e simulados, além dos desvios médios calculados para cada

descritor acústico.

Tabela 6 – Média logarítmica dos dados medidos e simulados das variáveis acústicas (Ptbus – A; rua Roxo

Moreira).

LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA]

LNP [dBA]

Medido (real) 71,3 55,0 68,0 98,8 85,5

Simulação 1 71,6 55,4 67,9 98,2 85,2

Simulação 2 71,1 55,2 67,6 97,1 84,4

Simulação 3 71,2 55,2 67,7 98,1 84,9

Simulação 4 71,2 55,7 67,6 97,4 84,4

Simulação 5 71,4 55,9 67,7 93,8 84,0

Desvio – médio +0,02 - 0,48 +0,30 +1,88 +0,92

Os desvios médios indicam pequenas diferenças entre as médias dos dados

medidos e simulados para a maioria dos descritores acústicos, com valores correspondentes à

105


precisão do sonômetro usado nas medições acústicas (± 0,50 dBA). Os maiores desvios

observados foram para os parâmetros acústicos, TNI e LNP (+1,88 e + 0,92 dBA), bastante

influenciados pela variabilidade do ruído (LA10 – LA90). Além disso, o modelo computacional

mostrou leve tendência de superestimar LA90 e de subestimar LAeq, TNI e LNP.

De um modo geral, considera-se que houve avanço nos cálculos dos descritores

acústicos a partir das modificações realizadas no modelo inicial desenvolvido no estudo piloto

(GUEDES, BERTOLI e MONTALVÃO, 2016) com relação a LA9023

e, consequentemente,

TNI e LNP.

A validação do modelo quanto às variáveis acústicas se desenvolveu a partir do

teste de hipótese para comparação entre as médias provenientes de cada grupo de dados

simulados e medidos. Para tanto, foi adotado o teste paramétrico t de Student, com um nível

de significância de 5%, sob a hipótese nula (H0) de igualdade entre as médias dos valores

simulados e medidos.

A Tabela 7 mostra os resultados do teste t de Student entre os grupos de dados da

simulação 1 e dados medidos. No APÊNDICE O, encontram-se os resultados das análises

estatísticas entre todos os cinco grupos de dados simulados e medidos.

Tabela 7 – Resultados do teste t de Student entre variáveis acústicas simuladas (Simulação 1) e medidas (Ptbus –

A; rua Roxo Moreira).

LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA] LNP [dBA]

Medido (real)* 71,3 55,0 68,0 98,8 85,5

Simulação 1* 71,6 55,4 67,9 98,2 85,2

Grau de liberdade (g.l.): 114 114 114 114 114

p-value 0,2749 0,3331 0,7288 0,8395 0,7464

t - Student -1,0972 -0,9720 0,3476 0,2030 0,3242

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98

* Média logarítmica

A partir dos resultados da Tabela 7, a hipótese nula (H0) de igualdade entre as

médias dos dados acústicos simulados e medidos não pode ser rejeitada, sob um nível de

significância de 5%, pois os valores da estatística t - Student estão no intervalo definido pelo t

(crítico).

Portanto, o modelo computacional foi considerado suficientemente validado para

a realização dos experimentos de simulação para a investigação da influência da dinâmica em

pontos de ônibus no ruído do tráfego veicular.

23

O desvio médio entre valores de LA90 (medidos e calculados) do estudo piloto foi de +4,5 dBA, superior ao

valor de - 0,50 dBA obtido para esse mesmo descritor acústico a partir dos dados da Tabela 6.

106


5.2.2 Análises de sensibilidade

A investigação da influência da dinâmica em pontos de ônibus no ruído de tráfego

veicular ocorreu por meio de análises de sensibilidade no modelo computacional,

considerando diferentes cenários de tráfego e acústicos (reais e hipotéticos). Os estudos se

desenvolveram a partir de 03 (três) cenários distintos de intervalos médios de tempo entre

chegadas sucessivas de ônibus no ponto de parada “Ptbus – A”, alterando-se os valores do

parâmetro de entrada “β” (Tabela 8).

Tabela 8 – Intervalos médios de tempo entre chegadas sucessivas de ônibus adotados como parâmetros de

entrada (“β”) no modelo nas simulações para análise de sensibilidade (Ptbus – A; rua Roxo Moreira).

β1 (segundos) β2 (segundos) β3 (segundos)

180s 360s 720s

Cenário hipotético Cenário real Cenário hipotético

Com a motivação de testar a hipótese de que a influência acústica do processo de

chegada e partida de ônibus em pontos de parada de ônibus é mais perceptível

quantitativamente em situações com menores fluxos veiculares, as investigações foram feitas

levando-se em conta também diferentes condições de tráfego de veículos na rua investigada.

Com isso, foram definidos 05 (cinco) cenários de fluxo médio veicular, adotando-

se como referência as características de tráfego observadas durante as coletas de dados. A

criação desses cenários ocorreu com a multiplicação do fluxo médio veicular real pelos

fatores (1,00 – 0,75 – 0,50 – 0,25 – 0,125), mantendo-se a mesma proporção entre classes de

veículos (vl, mt, vp). A Tabela 9 mostra esses cenários usados nos experimentos (CA1, CA2,

CA3, CA4 e CA5).

Tabela 9 – Fluxos veiculares adotados como parâmetros de entrada (“λ”) no modelo nas simulações para análise

de sensibilidade (Rua Roxo Moreira).

Cenários: CA1 CA2 CA3 CA4 CA5

Fluxo horário de veículos leves [Qvl]: 996 747 498 249 125

Fluxo horário de motos [Qmt]: 55 41 28 14 7

Fluxo horário de veículos pesados [Qvp]: 47 35 24 12 6

Fluxo horário total de veículos [Qt]: 1098 823 550 275 138

Fluxo relativo de veículos [Qrel.]: 1,00 0,75 0,50 0,25 0,125

Cenário real Cenários hipotéticos

Realizou-se um total de 20 (vinte) simulações independentes entre si, com tempo

de simulação de 15 min (900s) para cada combinação de cenário de fluxo médio veicular e de

intervalo médio de tempo entre chegadas sucessivas de ônibus no Ptbus – A pré-estabelecido.

107


As análises e discussões dos resultados foram baseadas na média logarítmica dos descritores

acústicos (LA10, LA90, LAeq, TNI e LNP) provenientes dessas simulações para cada cenário

considerado.

A coluna (I) da Figura 27 mostra os gráficos resultantes dos descritores acústicos

avaliados em função dos diferentes fluxos relativos de veículos e intervalos médios entre

chegadas sucessivas de ônibus no Ptbus – A, conforme descrito nas Tabelas 8 e 9. Já os

gráficos da coluna (II) da Figura 27 resultaram das simulações com a desconsideração

hipotética da contribuição da energia acústica do fluxo dos veículos pesados, ou seja,

anulando-se simplesmente o número de veículos pesados dos cenários de fluxo veicular

mostrados na Tabela 9. Os resultados numéricos de todas essas simulações podem ser vistos

no APÊNDICE P.

O interesse pelos experimentos de simulação sem a contribuição acústica dos

veículos pesados foi de descartar qualquer interferência dos mesmos nas análises da

influência da dinâmica em pontos de ônibus no ruído do tráfego veicular, uma vez que a

passagem de veículo pesado pela rua representa uma energia sonora mais próxima à gerada

pelo processo de chegada, parada e partida de ônibus no ponto de parada.

Figura 27 – Gráficos resultantes das simulações para investigação da influência da dinâmica do Ptbus –

A no ruído do tráfego veicular da rua Roxo Moreira: a) LAeq,15min versus Qrel; b) LA10,15min versus Qrel, c)

LA90,15min versus Qrel, d) TNI,15min versus Qrel e e) LNP,15min versus Qrel.

Coluna (I); Vp ≠ 0 Coluna (II); Vp = 0

(a)

Continua

108




(b)

(c)

(d)

Continua

109




(e)

Fonte: O autor.

Uma análise preliminar da Figura 27, percebe-se que o modelo computacional

demonstra boa sensibilidade e coerência no que se refere à relação funcional entre níveis de

ruído e fluxo veicular. Ou seja, maiores fluxos de veículos estão associados a maiores valores

de níveis de ruído, o que pode ser constatado por meio dos gráficos dos descritores acústicos

LA10, LA90 e LAeq versus fluxo relativo de veículos.

No que diz respeito à influência da dinâmica do ponto de ônibus no ruído do

tráfego veicular, uma análise geral dos gráficos indica que quanto maior o número de

chegadas de ônibus no ponto de parada, maior é o impacto sonoro para um mesmo cenário de

fluxo veicular.

A associação entre o intervalo médio entre chegadas de ônibus no ponto de parada

e o impacto sonoro se mantém para os cenários de tráfego simulados sem a contribuição

energética dos veículos pesados, porém com valores inferiores dos descritores acústicos

(Figuras 27a, 27b, 27d e 27e). Esse resultado demonstra a importante contribuição em termos

acústicos dos veículos pesados no ruído do tráfego veicular.

No entanto, essa relação não ficou tão evidente para o descritor acústico LA90,

representativo do ruído residual. As alterações dos intervalos de tempo médio entre chegadas

de ônibus no ponto de parada não acarretaram variações significativas neste descritor acústico

(Figura 27c). Na realidade, o ruído residual sofre influência direta do fluxo total de veículos,

110


atingindo maiores valores de nível sonoro com o aumento do fluxo veicular na rua,

especialmente, com o aumento dos veículos leves, conforme foi evidenciado na pesquisa de

Alves Filho (1997).

Entre os descritores acústicos adotados nesta pesquisa, os parâmetros TNI e LNP

são os únicos que levam em conta em suas formulações matemáticas24

a variabilidade do

ruído (LA10 – LA90) como parcela importante na medida de impacto sonoro. A partir da

avaliação dos resultados simulados de TNI e LNP foi possível confirmar a hipótese inicial de

que a variabilidade do nível de ruído devido ao processo de chegadas e partidas de ônibus em

um ponto de parada influencia o impacto sonoro local. No entanto, observou-se que tal

influência ocorreu de modo diferenciado em função do fluxo veicular existente.

Uma primeira análise dos gráficos de TNI indicou que para um mesmo cenário de

número de chegadas de ônibus no ponto de parada, os maiores valores obtidos para esse

parâmetro acústico ocorreram em situações com fluxos relativos de veículos intermediários,

especialmente, 0,5 (550 veículos/h) e 0,75 (825 veículos/h). Este resultado aponta para maior

impacto sonoro nessas combinações de fluxo médio veicular e intervalo médio de tempo entre

chegadas sucessivas de ônibus no ponto de parada investigado (Figura 27d).

Outra informação vista nos gráficos da Figura 27d foi a tendência de redução de

TNI a partir de fluxos veiculares em torno de 1000 veículos/h. Essa evidência se alinha a

informações obtidas na literatura, especificamente no gráfico apresentado na Figura 3, que

relaciona o fluxo de tráfego veicular e os descritores acústicos TNI, LA10 e LA90. A partir desse

gráfico, observa-se que o aumento do ruído residual (LA90) e a tendência de saturação de LA10

em cenários de fluxos veiculares superiores a 1000 veículos/h acarreta na redução da

variabilidade do ruído (LA10 – LA90), consequentemente, nos valores de TNI. Tal fato pode ser

evidenciado também pela análise conjunta dos gráficos das Figuras 27b e 27c.

Por outro lado, em situações com fluxo veicular reduzido, por exemplo, fluxos

relativos de 0,125 (140 veículos/h) e 0,25 (275 veículo/h), observou - se que os parâmetros

TNI e LNP sofreram também reduções nos seus valores, devido aos menores valores de LA10,

LA90 e LAeq, correspondentes a essas condições de tráfego (Figuras 27a, 27b e 27c).

Além disso, verificou-se que em situações com menor fluxo de veículos houve

maiores variações de TNI e LNP entre os cenários estabelecidos pelos diferentes valores de β,

principalmente, β1 =180s e β3 =720s. Isto é, a variação do número de chegadas e partidas de

24

LNP = (LA10 – LA90) + LAeq [Equação 9]; TNI = 4. (LA10 – LA90) + LA90 – 30 [Equação 10].

111


ônibus no ponto de parada mostrou-se mais evidente em termos quantitativos nas condições

com fluxo veicular mais reduzido, corroborando com a ideia de maior possibilidade de

incômodo do ruído ambiental em situações com menores níveis de ruído residual, por

exemplo, em períodos noturnos.

Adotando-se como referência as características de tráfego veicular observadas nas

coletas de dados para modelagem, foi feita uma análise comparativa entre LAeq, TNI e LNP

simulados e os seus respectivos valores – limite recomendados pela literatura técnica adotada

como referência. A Tabela 10 mostra esse comparativo para diferentes intervalos de tempo

entre chegadas de ônibus no ponto de parada (β1 = 180s, β2 = 360s e β3 = 720s), com e sem

influência acústica de passagens de veículos pesados na rua Roxo Moreira.

Tabela 10 – Análise comparativa entre valores de LAeq, TNI e LNP simulados e seus valores – limite extraídos da

literatura (Ptbus – A; rua Roxo Moreira).

β1 = 180s β2 = 360s β3 = 720s

LAeq simulado [dBA]: 68,4 (67,0) 67,9 (65,8) 67,6 (65,1)

LAeq referência* [dBA]: 60,0

TNI simulado [dBA]: 91,8 (84,0) 89,9 (82,2) 88,1(81,2)

TNI referência** [dBA]: 74,0

LNP simulado [dBA]: 84,7(81,5) 83,8 (80,2) 83,3 (79,2)

LNP referência*** [dBA]: 72,0

Observações: Os valores dos descritores acústicos entre parênteses correspondem aos cenários simulados sem

contribuição energética dos veículos pesados. * NBR 10151, 2000 (Área mista, com vocação comercial e

período diurno); ** SCHOLES, 1970; *** ROBINSON, 1971.

A Tabela 10 mostra que todos os valores simulados superam os valores – limite de

LAeq, TNI e LNP, mesmo em uma situação mais favorável, com a ocorrência de menor número

de chegadas de ônibus no ponto de parada e sem a influência de passagens de veículos

pesados pela rua Roxo Moreira. Os valores de LAeq, TNI e LNP calculados para estes cenários

foram de 65,1, 81,2 e 79,2 dBA.

Com base no gráfico de TNI versus grau de insatisfação (Figura 2), verificou-se

que os valores de TNI para os cenários de tráfego, com e sem influência dos veículos pesados,

e intervalo médio de tempo de 360s entre chegadas de ônibus no ponto de parada

corresponderiam, respectivamente, 75 e 60% de pessoas incomodadas por conta do ruído do

tráfego veicular. Esse resultado indica a relevante parcela de participação do fluxo de veículos

pesados no impacto sonoro da rua, principalmente, devido à sua influência direta nos

descritores LA10 e LAeq, conforme foi evidenciado no estudo de Alves Filho (1997).

112


A seguir serão apresentadas as análises quantitativas para o segundo objeto de

estudo desta pesquisa (Ponto de ônibus “B”), localizado em outra tipologia de rua urbana com

características diferenciadas quanto ao perfil transversal e ao regime do trânsito de veículos.

5.3 Análise quantitativa – Ponto de ônibus “B” (Ptbus – B; rua Dr. Buarque de Macedo)

Os experimentos de simulação realizados para o Ponto de ônibus “B” (Ptbus – B),

localizado na rua Dr. Buarque de Macedo, levaram em consideração dois importantes

aspectos os quais foram incorporados ao modelo computacional.

O primeiro aspecto se refere à correção no nível de ruído do tráfego veicular com

acréscimo da parcela de energia refletida nas superfícies de paredes (fachadas) opostas da rua.

O segundo diz respeito à influência dos semáforos existentes no cruzamento do trecho

avaliado da rua Dr. Buarque de Macedo com a Av. Imperatriz Leopoldina. Este cruzamento

semaforizado propicia um fluxo veicular interrompido com características cíclicas. O

temporizador determinístico do semáforo estabelece ciclos de sinais verde e vermelho com

tempos de duração de 30s. Tais aspectos foram considerados no modelo, conforme

procedimentos descritos no Capítulo 4 – MÉTODO DA PESQUISA.

Considerando as dimensões físicas do perfil transversal da rua Dr. Buarque de

Macedo, distância entre fachadas (d = 15m) e altura média (h = 7 m), a correção devido à

reflexão em superfícies de fachadas opostas (Crefl) foi estimada com aplicação da Equação 32,

extraída da norma RLS – 90, obtendo-se o valor de 2,0 dB.

A partir do método de tentativa e erro, esse valor de referência para Crefl foi obtido

adotando-se o coeficiente de reflexão ( ) de 0,90 e um atraso (delay)25

de 0,04s entre o sinal

sonoro refletido e direto, os quais foram inseridos no modelo por meio da Equação 35.

Ressalta-se que no estudo realizado por Radwan e Oldham (1987), foram considerados

valores de coeficiente de reflexão ( ) entre 0,90 e 0,95 durante o desenvolvimento de um

modelo computacional para predição de níveis de ruído tráfego veicular urbano em condições

de fluxo interrompido.

Após essas considerações iniciais, o teste de validade do modelo computacional

para as características de tráfego e acústicas observadas do trecho analisado da rua Dr.

Buarque de Macedo foi realizado conforme procedimentos que serão detalhados a seguir.

25

O valor de atraso (delay) foi determinado com base na Equação 34, apresentada no Capítulo 4 – MÉTODO

DA PESQUISA.

113


5.3.1 Validação do modelo computacional

Semelhante ao que foi feito no teste de validade do modelo para o objeto de

estudo anterior, a estimação dos parâmetros de entrada (λvl, λmt, λvp e λPtbus - B) deveria ter sido

realizada a partir dos dados coletados na rua Dr. Buarque de Macedo durante a etapa de

modelagem (APÊNDICE B)

Porém, uma análise prévia desses dados indicou que as médias das variáveis

aleatórias de tráfego não apresentavam uma boa correspondência com as médias obtidas na

etapa de validação (APÊNDICE F). Ressalta-se que as coletas de dados para modelagem e

validação ocorreram em épocas diferentes do ano, podendo ter havido alguma particularidade

durante esses períodos de coleta suficiente para ocasionar essa característica não estacionária

no fluxo veicular.

Como alternativa, optou-se por realizar o teste de validade do modelo com base

somente na massa de dados coletada na etapa de validação, quando os dados de tráfego e

acústicos foram coletados simultaneamente, e em uma mesma época do ano.

Para tanto, realizou-se uma divisão aleatória (sorteio sem reposição) do universo

total de 52 amostras de dados coletados na etapa de validação (APÊNDICE F) em dois

subconjuntos com 26 amostras de dados.

O primeiro subconjunto de dados foi usado apenas para estimação dos parâmetros

de entrada associados ao modelo de Poisson (λvl, λmt, λvp e λPtbus – B), que foram calculados a

partir das médias das 26 amostras de dados de tráfego deste subconjunto (Tabela 11).

Tabela 11 – Valores do parâmetro de entrada “λ” inseridos no modelo para realização das simulações (Ptbus –

B; rua Dr. Buarque de Macedo).

λvl (veículos/s) λmt (veículos/s) λvp (veículos/s)

λPtbus-B (veículos/s)

0,2333 0,0256 0,0073 0,0079

Com os parâmetros de entrada da Tabela 11 foram realizados os experimentos de

simulação para posterior comparação com varáveis de tráfego e acústicos provenientes do

segundo subconjunto de dados. Para tanto, realizou-se 05 (cinco) rodadas de simulações

independentes entre si, contendo cada simulação um total de 26 amostras de dados.

A Tabela 12 apresenta os valores médios dos dados medidos e simulados das

variáveis de tráfego, para um intervalo de tempo de 3 min.

114


Tabela 12 – Média dos dados medidos e simulados das variáveis de tráfego (Ptbus – B; rua Dr. Buarque de

Macedo).

Qvl

(veículos/3min)

Qmt

(veículos/3min)

Qvp

(veículos/3min)

Qt

(veículos/3min)

QPtbus-B

(veículos/3min)

Medido (real) 43 5 1 49 1

Simulação 1 43 5 1 49 1

Simulação 2 41 5 2 48 1

Simulação 3 42 5 1 48 1

Simulação 4 42 5 2 48 1

Simulação 5 43 5 2 49 2

Os resultados da Tabela 12 indicam que o simulador de tráfego realiza boas

estimativas dos valores médios do fluxo veicular e do número de chegadas de ônibus no

Ptbus-B, semelhante ao que foi visto no objeto de estudo anterior.

A Tabela 13 mostra os valores médios dos dados medidos e simulados para as

variáveis acústicas (LA10, LA90, LAeq, TNI e LNP), bem como os desvios médios calculados

entre as médias desses dados.

Tabela 13 – Média logarítmica dos dados medidos e simulados das variáveis acústicas (Ptbus – B; rua Dr.

Buarque de Macedo).

LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA]

LNP [dBA]

Medido (real) 74,1 55,3 71,4 106,0 91,4

Simulação 1 74,8 54,8 71,0 108,1 91,4

Simulação 2 74,8 54,7 70,9 108,9 91,7

Simulação 3 74,5 54,7 70,7 110,4 91,3

Simulação 4 75,1 54,7 71,2 111,1 92,2

Simulação 5 75,4 54,8 71,5 114,1 92,8

Desvio - médio -0,88 +0,56 +0,30 - 4,52 -0,48

Os desvios médios apresentados na Tabela 13 indicam pequenas diferenças entre

as médias dos dados simulados e medidos para os descritores acústicos, com exceção do

parâmetro TNI, que sofre forte influência da variabilidade do ruído (LA10 – LA90). Ressalta-se

que as diferenças observadas entre as médias dos dados simulados e medidos para os

descritores acústicos LA90, LAeq e LNP encontram-se na faixa de precisão do sonômetro

utilizado nas medições acústicas, ± 0,50 dBA, logo, podem ser consideradas irrelevantes.

Os sinais positivos ou negativos dos desvios médios indicam que o modelo

computacional está subestimando ou superestimando determinado descritor acústico. Desta

forma, o modelo computacional tende a subestimar LA90, LAeq e superestimar, LA10 , TNI e

LNP.

115


De modo similar ao que foi feito para a validação das variáveis acústicas do

primeiro objeto de estudo (Ptbus – A e rua Roxo Moreira), o teste de hipótese para

comparação entre médias provenientes de cada grupo de dados simulados e medidos foi

realizado com a aplicação do teste paramétrico t de Student, com um nível de significância de

5%, sob a hipótese nula (H0) de igualdade entre as médias dos valores simulados e medidos.

A Tabela 14 apresenta os resultados obtidos do teste estatístico realizado entre o

grupo de dados simulados (Simulação 1) e dados medidos. No APÊNDICE P podem ser

vistos os resultados do teste t – Student aplicado a todos os grupos de dados simulados.

Tabela 14 – Resultados do teste t de Student entre variáveis acústicas simuladas (Simulação 1) e medidas (Ptbus

– B; rua Dr. Buarque de Macedo).

LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA] LNP [dBA]

Valor médio (medido)* 74,1 55,3 71,4 106,0 91,4

Valor médio (simulado)* 74,8 54,8 71,0 108,1 91,4

Grau de liberdade (g.l.) 50 50 50 50 50

p-value 0,1663 0,3715 0,4090 0,2862 0,9934

t - Student -1,4048 0,9017 0,8326 -1,0781 -0,0083

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00

* Média logarítmica.

A partir da análise dos resultados da Tabela 14, não se pode rejeitar a hipótese

nula (H0) de igualdade entre as médias das variáveis acústicas simuladas e medidas, sob um

nível de significância de 5%, pois os valores da estatística t - Student para todos os descritores

acústicos encontram-se dentro do intervalo estabelecido pelos valores de t (crítico).

Por fim, os resultados obtidos indicam a validade do modelo computacional às

condições reais de tráfego e acústicas da rua Dr. Buarque de Macedo e do Ptbus – B. A partir

do modelo validado, a próxima atividade consistiu na realização dos experimentos de

simulação, considerando diferentes cenários de tráfego e acústicos (reais e hipotéticos).

5.3.2 Análises de sensibilidade

O estudo da influência do Ponto de ônibus “B” (Ptbus – B) no ruído de tráfego

veicular da rua Dr. Buarque de Macedo foi feito usando os mesmos procedimentos de

avaliação adotados para os cenários acústicos e de tráfego investigados no Ptbus – A e rua

Roxo Moreira. A ideia foi ampliar as análises e discussões dos resultados já obtidos,

contemplando agora outra configuração de via urbana quanto ao perfil transversal e

características de tráfego veicular.

116


Em relação aos intervalos médios de tempo entre chegadas sucessivas de ônibus

no “Ptbus - B” foram considerados os mesmos 03 (três) cenários do objeto de estudo anterior,

definidos pelos valores de “β” mostrados na Tabela 15. No entanto, observou-se nas coletas

de dados que o intervalo médio de tempo entre chegadas consecutivas de ônibus no “Ptbus –

B” correspondente ao cenário real foi de 180s.

Tabela 15 – Intervalos médios de tempo entre chegadas sucessivas de ônibus adotados como parâmetros de

entrada (“β”) no modelo nas simulações para análise de sensibilidade (Ptbus – B; rua Dr. Buarque de Macedo).

β1 (segundos) β2 (segundos) β3 (segundos)

180s 360s 720s


A investigação da influência do processo de chegadas e partidas de ônibus no

ponto de parada “Ptbus – B” também foi realizada, considerando diferentes cenários de fluxo

médio veicular da rua Dr. Buarque de Macedo, tendo como referência as condições de tráfego

observadas durante a primeira fase de coleta de dados (APÊNDICE B). A criação desses

cenários seguiu procedimento similar ao realizado no estudo anterior, com a multiplicação do

fluxo médio veicular real pelos seguintes fatores: 1,00 – 0,75 – 0,50 – 0,25 – 0,125.

A Tabela 16 mostra os cenários adotados de fluxo médio veicular durante os

experimentos de simulação para a rua Dr. Buarque de Macedo.

Tabela 16 – Fluxos veiculares adotados como parâmetros de entrada (“λ”) no modelo nas simulações para

análise de sensibilidade (Rua Dr. Buarque de Macedo).

Cenários: CB1* CB2 CB3 CB4 CB5

Fluxo horário de veículos leves [Qvl]: 704 528 352 176 88

Fluxo horário de motos [Qmt]: 72 54 36 18 9

Fluxo horário de veículos pesados [Qvp]: 24 18 12 6 3

Fluxo horário total de veículos [Qt]: 800 600 400 200 100

Fluxo relativo de veículos [Qrel]: 1,00 0,75 0,50 0,25 0,125


*Valores arredondados de fluxo médio veicular observado in loco.

Para cada combinação de cenários definidos pelos intervalos entre chegadas de

ônibus no Ptbus – B e de fluxos médios veiculares, realizou-se um total de 20 simulações

independentes, com tempo de simulação de 15 min (900s). As análises dos resultados

ocorreram a partir da média logarítmica dos descritores acústicos LA10, LA90, LAeq, TNI e LNP

provenientes dessas simulações.

117


A coluna (I) da Figura 28 mostra os gráficos dos descritores acústicos em função

dos fluxos relativos de veículos (Qrel) e intervalos médios entre chegadas de ônibus no Ptbus

– B, conforme Tabelas 15 e 16. A coluna (II) mostra gráficos similares, porém de fluxos

veiculares sem a contribuição energética de passagens de veículos pesados pela rua Dr.

Buarque de Macedo. Os resultados de todas as simulações encontram-se no APÊNDICE Q.

Figura 28 – Gráficos resultantes das simulações para investigação da influência da dinâmica do Ptbus – B no

ruído do tráfego veicular na rua Dr. Buarque de Macedo: a) LAeq,15min versus Qrel; b) LA10,15min versus Qrel, c)

LA90,15min versus Qrel, d) TNI,15min versus Qrel e e) LNP,15min versus Qrel.


(a)

(b)

Continua

118




(c)

(d)

(e)

Fonte: O autor.

119


Os gráficos apresentados na Figura 28 reiteram a existência de boa sensibilidade e

coerência do modelo computacional desenvolvido nesta pesquisa quanto à relação existente

entre níveis de ruído e fluxo veicular. Maiores fluxos de veículos corresponderam a maiores

valores dos descritores acústicos LA10, LA90 e LAeq.

Além disso, ficou mais uma vez evidente que menor valor de intervalo médio de

tempo entre chegadas sucessivas de ônibus no ponto de parada está associado a maior nível de

ruído para um mesmo cenário de fluxo médio veicular (Figuras 28a, 28b, 28d e 28e).

Por outro lado, os gráficos de LA90 mostraram que não existe relação de influência

entre o ruído residual e o número médio de chegadas de ônibus no ponto de parada, e nem

com o fluxo de veículos pesados, pois não houve mudanças significativas nos valores desse

descritor acústico diante dos diferentes valores do parâmetro “β”, bem como diante do cenário

hipotético sem as passagens dos veículos pesados. Observou-se apenas que o ruído residual se

eleva com o aumento do fluxo veicular.

Com relação aos parâmetros acústicos TNI e LNP, os seus maiores valores

ocorreram nos cenários com fluxo médio veicular de 600 e 800 veículos/h para um mesmo

número médio de chegadas de ônibus no ponto de parada, indicando um maior impacto

sonoro nesses cenários de tráfego (Figuras 28d e 28e). Os gráficos de TNI acusaram uma leve

tendência de saturação em seus valores a partir desses cenários de fluxo médio veicular.

De acordo com Scholes (1970) e com as análises do Ptbus – A, espera-se que

ocorra uma redução dos valores de TNI para fluxos veiculares superiores a 1000 veículos/h

pelas razões já apresentadas. Tal verificação poderá ser objeto de análise na continuidade

desta pesquisa, uma vez que o comportamento de redução do TNI para fluxos veiculares

superiores a 1000 veículos/h foi referenciado por Scholes (1970) para condição de campo

livre, o que não condiz com a configuração existente da rua Dr. Buarque de Macedo.

Semelhante ao que foi observado nas análises do Ptbus – A, as maiores variações

de TNI e LNP entre os diferentes cenários de número de chegadas de ônibus no ponto de

parada ocorreram nas situações com fluxo veicular reduzido. Essa evidência reforça a

existência de maior incômodo do ruído ambiental em situações com menores níveis de ruído

residual.

De um modo geral, os resultados mostrados nesta subseção corroboram com a

hipótese de que o processo de chegadas e partidas de ônibus em um ponto de parada

120


influencia o ruído do tráfego veicular, contribuindo para o impacto sonoro local em

decorrência da variabilidade do ruído e do padrão médio dos níveis sonoros observados.

Por fim, realizou-se uma análise comparativa de LAeq, TNI e LNP, calculados pelo

modelo computacional com os seus respectivos valores de referência extraídos da literatura. A

Tabela 17 apresenta esse comparativo para o fluxo médio veicular observado nas coletas de

dados para modelagem, com e sem a influência acústica das passagens de veículos pesados

pela rua, como também para os diferentes cenários de chegadas de ônibus no ponto de parada

determinados pelos seguintes valores do parâmetro “β” (β1 = 180s, β2 = 360s e β3 = 720s).

Tabela 17 – Análise comparativa entre valores de LAeq, TNI e LNP simulados e seus valores – limite extraídos da

literatura (Ptbus – B; rua Dr. Buarque de Macedo).

β1 = 180s β2 = 360s β3 = 720s

LAeq simulado [dBA]: 70,2 (69,1) 69,6 (68,1) 68,9 (67,2)

LAeq referência * [dBA]: 60,0

TNI simulado [dBA]: 105,0 (99,8) 101,4 (97,1) 99,8 (95,6)

TNI referência** [dBA]: 74,0

LNP simulado [dBA]: 90,5 (88,2) 89,0 (86,5) 88,0 (85,3)

LNP referência*** [dBA]: 72,0

Observações: Os valores dos descritores acústicos entre parênteses correspondem aos cenários simulados sem

contribuição energética dos veículos pesados. * NBR 10151, 2000 (Área mista, com vocação comercial e

período diurno); ** SCHOLES, 1970; *** ROBINSON, 1971.

Os valores de LAeq, TNI e LNP apresentados na Tabela 17 superam os seus

respectivos valores recomendados pelas referências adotadas, mesmo na situação menos

impactante, com menor número de ocorrências de ônibus no ponto de parada e sem a

influência de passagens de veículos pesados pela rua Dr. Buarque de Macedo. Os valores de

LAeq, TNI e LNP correspondentes a esse cenário foram: 67,2; 95,6 e 85,3 dBA.

Com relação aos parâmetros TNI e LNP, cujos valores recomendados são de 74 e

72 dBA, respectivamente, os valores mostrados na Tabela 17 indicam que as pessoas

residentes ou que realizam alguma atividade de serviço ou comércio às margens dessa rua

provavelmente encontram-se incomodadas com o ruído do tráfego veicular.

Ressalta-se ainda que as diferenças observadas entre os valores dos parâmetros

acústicos da Tabela 17, com e sem fluxo de veículos pesados, apontam para a influência direta

dessa categoria no impacto sonoro da rua Dr. Buarque de Macedo, semelhante ao que foi

evidenciado na rua Roxo Moreira.

121


As análises quantitativas realizadas em ambos os objetos de estudo (Ptbus – A;

rua Roxo Moreira e Ptbus – B; rua Dr. Buarque de Macedo) demonstram algumas das

possibilidades oferecidas pelo modelo computacional proposto nesta pesquisa para a

investigação da influência da dinâmica operacional em pontos de ônibus no ruído urbano,

como também de diferentes cenários de fluxo e composição do tráfego veicular.

Outro recurso disponibilizado pelo modelo computacional em decorrência do conceito

adotado em sua concepção inicial diz respeito à possibilidade de escuta do ruído simulado. A

próxima subseção apresentará a análise qualitativa do modelo computacional com o objetivo

de verificar o seu potencial quanto ao nível de realismo do ruído simulado.

5.4 Análise qualitativa - Avaliação subjetiva auditiva (Teste de júri)

Esta seção apresentará os resultados obtidos da análise qualitativa da presente

pesquisa que contemplou a realização de avaliações subjetivas auditivas (Teste de júri). O

objetivo principal destas avaliações foi verificar o nível de realismo do ruído do tráfego

veicular urbano simulado pelo modelo computacional proposto.

Os testes de júri foram realizados entre os dias 23/08/2017 e 09/10/2017,

consistindo na apresentação aleatória por meio de uma interface gráfica computacional de 04

(quatro) amostras de áudios reais ou simulados de ruído do tráfego veicular referente ao

trecho da rua Roxo Moreira. Os áudios foram escutados pelos participantes voluntários com a

utilização de fones de ouvido. Nestes áudios poderiam ocorrer ou não chegadas e/ou partidas

de ônibus no ponto de parada existente no local.

Para a reprodução dos áudios foi usado um aparato composto por um notebook,

placa de som externa (Audiobox USB 2x2, marca PreSonus) e fone de ouvido (Stereo

Headphones, AKG, K.55) de alta definição e resposta de frequência entre 20 Hz e 20 kHz,

instalados em salas que ofereciam privacidade acústica. Maiores detalhes dos procedimentos

adotados nesses experimentos subjetivos podem ser revistos no Capítulo 4 – MÉTODO DA

PESQUISA.

O grupo total de 54 participantes voluntários era constituído por 33 pessoas do

sexo masculino e 21 pessoas do sexo feminino, entre 19 e 58 anos de idade. Os voluntários

eram alunos de graduação ou pós-graduação de diferentes Institutos (Faculdade de Engenharia

Civil, Arquitetura e Urbanismo – FEC; Faculdade de Engenharia Elétrica e Computação –

FEEC, Instituto de Computação – IC, Instituto de Física – IFGW, Faculdade de Engenharia

Mecânica – FEM, Faculdade de Educação Física – FEF) ou funcionários do Campus Zeferino

122


Vaz da Universidade Estadual de Campinas – UNICAMP. Todos os participantes informaram

que possuíam habilidade normal da audição.

A hipótese nula (H0) do teste de escuta foi: Os áudios reais e simulados de

tráfego veicular são indiscerníveis. Isto é, espera-se que o participante não consiga

distinguir entre áudios reais e simulados de fluxos veiculares apresentados aleatoriamente,

com a probabilidade p = 0,5 (50%) de haver acertos ou erros.

Considerando-se um modelo binomial e sob um nível de significância de 5%

(Equação 36), a H0 será rejeitada se a quantidade de acertos ou erros estiver fora da região

definida pelos limites estimados em torno do valor médio calculado a partir do número de

amostras de áudios apresentados.

( ) ( ) ( ) [Equação 36]

Onde:

- “ ( )” é a probabilidade de k sucessos em “n” tentativas.

- “n” é o número de tentativas.

- “p” ´é a probabilidade de sucesso.

Por conveniência na análise estatística, o modelo binomial foi aproximado por

uma normal, conforme mostra a Equação 37:

( ) [Equação 37]

Onde:

- “ ” é a média =

- “ ” é a variância = ( )

No caso específico do teste de júri “n” representa o número total de áudios

apresentados (reais e simulados). Como cada participante escutava 04 (quatro) amostras de

áudios diferentes entre si, sendo 02 (dois) reais e 02 (dois) simulados, o valor de “n”

correspondeu a 216 (duzentos e dezesseis) amostras de áudios. Logo, os valores para a média

( ) e variância ( ) calculados foram, respectivamente, 108 e 54.

A partir dos valores da média ( ) e do desvio – padrão ( ), sob um nível de

significância de 5%, é possível estabelecer a região para não rejeição da hipótese nula (H0)

com base na Equação 38.

[Equação 38]

123


A partir da Equação 38 a região correspondente a não rejeição da hipótese (H0)

calculada foi o intervalo de valores [101, 115]. Como o número de acertos ou sucessos foi de

146 (67,5%), ou seja, fora do intervalo apresentado, a hipótese nula (H0) de que os áudios

reais e simulados são indiscerníveis não pode ser aceita.

Analisando-se os dados sob outro ponto de vista, do total dos áudios simulados

que foram apresentados aos participantes, houve 63 acertos (58%) contra 45 erros (42%),

enquanto que do total dos áudios reais houve 83 acertos (77%) contra 25 erros (23%). Esse

resultado indica uma forte tendência das pessoas responderem reais quando de fato os áudios

eram reais. Porém, essa mesma tendência não se mostrou tão evidente para o caso das pessoas

responderem simulados quando os áudios eram mesmo simulados.

As respostas observadas para o grupo de áudios simulados apontam um caminho

promissor quanto à melhoria dos ruídos simulados pelo modelo computacional proposto,

buscando-se identificar e corrigir possíveis características que eventualmente tenham

contribuído para sua diferenciação em relação aos áudios reais por parte de alguns

voluntários.

Cabe ainda dizer que não seria menos importante considerar a possibilidade de se

reavaliar o desenho experimental adotado durante os testes de júri, especialmente, quanto à

heterogeneidade existente no grupo de voluntários ou ainda a forma de apresentação dos

áudios para os participantes.

Nos testes realizados, as 04 (quatro) amostras de áudios eram mostradas em uma

mesma tela, facultando ao voluntário repetir a escuta de cada áudio quantas vezes forem

necessárias para melhor julgamento, e até mesmo realizar comparações entre todos os áudios.

Com isso, não se descarta a possibilidade de ter havido aprendizado por parte do participante

no caso de existência de alguma característica específica nos áudios simulados.

Como sugestão na continuidade desses experimentos, poderia se optar por apenas

um par de áudios por tela, mantendo-se o critério de apresentação de mesmo número de

áudios simulados e reais, sendo permutados aleatoriamente.

Por fim, considerando-se, especialmente, os resultados comparativos entre o

número de acertos e erros dentro do universo de áudios simulados, o modelo computacional

se mostra uma ferramenta promissora e com potencial para ser usado em análises de cenários

acústicos reais ou hipotéticos de fluxo veicular e de intervalos de chegadas de ônibus em

determinado ponto de parada.

124

Capítulo 6 - Conclusões

Capítulo 6

CONCLUSÕES

O rápido processo de urbanização, crescimento da população e da frota de

veículos, em sua maioria voltada para o transporte individual em detrimento do transporte

público coletivo, vêm contribuindo significativamente para o agravamento do quadro de

poluição sonora nas cidades. Além disso, sabe-se que o transporte público no Brasil depende

do uso do ônibus coletivo, sendo portanto, uma categoria de veículo bem presente nas malhas

viárias das médias e grandes cidades brasileiras.

Diante desse contexto, a temática desta pesquisa de doutorado envolveu essas

relevantes questões urbanas na medida em que buscou investigar a influência da dinâmica

operacional em pontos de ônibus no ruído do tráfego veicular urbano. Para tanto, a pesquisa

teve seu início com a concepção, desenvolvimento e aplicação de um modelo probabilístico

para simulação do ruído do tráfego veicular, contemplando a aleatoriedade do fluxo de

veículos e do processo de chegadas e partidas de ônibus em determinado ponto de parada.

Sucintamente, o modelo computacional proposto nesta pesquisa consiste na

realidade em um simulador de tráfego, cujos eventos aleatórios simulados, ou seja, passagens

de veículos (veículo leve, moto ou veículo pesado) e chegadas de ônibus em um ponto de

parada, são associados aos seus respectivos sinais sonoros reais gravados em campo

experimental.

Destaca-se que uma das importantes contribuições desta pesquisa de doutorado

está na própria concepção do modelo computacional. A utilização de sinais sonoros reais das

passagens individuais de veículos, dos ciclos de desaceleração, parada e aceleração de um

ônibus em um ponto de parada e do ruído residual da rua investigada permitirá aos seus

futuros usuários, o cálculo de descritores acústicos e a escuta do ruído do tráfego veicular para

diferentes cenários simulados de forma simples e intuitiva no que se refere à implementação

computacional, sem necessidade, por exemplo, de sintetizar os respectivos sinais sonoros.

Como a proposição desse modelo computacional consistiu em um dos objetivos

específicos da pesquisa, a seguir serão apresentadas as suas principais características,

125


restrições e simplificações incorporadas ao longo do seu processo evolutivo de

desenvolvimento, balizado pela busca da melhor relação de custo/benefício computacional e a

contemplação do objetivo geral da pesquisa. As principais características do modelo são:

(i) Consideração nas simulações de entradas aleatórias de diferentes

exemplares de veículos por categoria (veículo leve, moto e veículo pesado)

e de ciclos de chegada, parada e partida de ônibus em um ponto de parada

hipotético, com a possibilidade de se ampliar o banco de dados desses

sinais sonoros no modelo.

(ii) Criação do ruído residual a partir da composição de amostras extraídas de

gravações reais realizadas na própria rua investigada com o intuito de

conferir maior realismo ao ruído simulado.

(iii) Correção da energia sonora com a distância entre fonte de ruído (fluxo

veicular e chegadas de ônibus do ponto de parada) e ponto receptor,

assumindo-a como fonte linear.

(iv) Correção da energia sonora devido à reflexão em superfícies verticais

(fachadas) opostas de uma rua. A metodologia empregada para a

realização desta correção buscou o ajuste quantitativo da energia acústica e

contribuir para um maior realismo da escuta do ruído simulado em

configurações de ruas mais reflexivas, aspecto que deverá ser mais

experimentado e aprofundado em trabalhos futuros.

(v) Consideração simplificada da influência de um semáforo, quando existir,

oferecendo ao fluxo veicular características cíclicas estabelecidas pelo

temporizador determinístico do mesmo.

No que se refere às restrições e simplificações do modelo, têm-se:

(i) Consideração dos sinais sonoros dos veículos – teste nas simulações como

representativos dos inúmeros tipos de veículos leves, motos e veículos

pesados existentes no tráfego real das ruas investigadas, como também, o

uso de um único tipo de ônibus, representando as diferentes frotas de

ônibus coletivos que chegam a um determinado ponto de parada.

(ii) Gravação dos sinais sonoros dos veículos – teste em sistema com apenas

um canal (monoaural) com vistas à simplificação do aparato e

procedimentos experimentais.

(iii) Desconsideração nas simulações de outras fontes de ruído, por exemplo,

126


buzinas, ruídos de escapamentos em mau estado de conservação, ruídos

decorrentes de carros de som, acelerações e desacelerações nas passagens

dos veículos em decorrência da própria conduta de direção por parte dos

motoristas.

(iv) Passagem dos veículos com velocidade constante no intervalo de tempo de

10s, obedecendo aos limites de velocidades das ruas investigadas, e

desconsideração de ultrapassagens entre veículos ou mudança de faixa de

circulação.

(v) Propagação do ruído ao ar livre com correção em função da distância na

direção perpendicular ao eixo central de referência da rua analisada.

(vi) Consideração da pavimentação da rua (objeto de estudo) semelhante ao do

campo experimental (asfalto e superfície plana) em que foram gravados os

sinais sonoros dos veículos – teste.

(vii) Condições ambientais e períodos de simulação (horários entre picos)

similares aos das etapas de coleta de dados.

(viii) Consideração apenas da primeira reflexão entre superfícies verticais

opostas da rua para efeito de correção da energia sonora, conforme

mencionado anteriormente.

Com esse modelo computacional foi possível realizar as investigações necessárias

para responder a questão de pesquisa proposta inicialmente, isto é: De que maneira a dinâmica

operacional em pontos de ônibus influencia os níveis de ruído do tráfego veicular em áreas

urbanas? Para tanto, o estudo foi baseado em simulações de ruído do tráfego em cenários reais

e hipotéticos quanto ao fluxo médio de veículos nas vias urbanas selecionadas e ao número

médio de chegadas de ônibus nos pontos de parada de ônibus, principais objetos de estudo

desta pesquisa.

A fim de oferecer ao estudo a possibilidade de desenvolver análises em contextos

diferentes e ao mesmo tempo típicas de ruas inseridas no perímetro urbano, optou-se em

selecionar um trecho específico nas ruas, Roxo Moreira e Dr. Buarque de Macedo (Campinas

- SP) com presença de pontos de parada de ônibus, os quais foram referendados no trabalho

pelas nomenclaturas Ptbus – A e Ptbus – B, respectivamente.

Os resultados obtidos da etapa de validação do modelo indicaram boa

correspondência entre os resultados medidos e simulados para as variáveis de tráfego e

acústicas, levando-se em conta as características reais observadas in loco para ambos os

127


objetos de estudo, ou seja, Ponto de ônibus “A” (rua Roxo Moreira) e Ponto de ônibus “B”

(rua Dr. Buarque de Macedo).

Os valores médios simulados das variáveis acústicas (LA10, LA90, LAeq, TNI e LNP)

mostraram também uma boa correspondência com os dados medidos, conforme visto nos

desvios médios entre esses valores médios e na aplicação do teste estatístico t – Student, sob

um nível de significância de 5%.

Os desvios médios entre as médias dos valores medidos e simulados para as

variáveis acústicas demonstraram uma evolução do modelo computacional com as mudanças

feitas após o estudo piloto da pesquisa, especialmente, quanto ao cálculo dos descritores

acústicos, LA90, TNI e LNP.

A possibilidade de entrada aleatória nas simulações de diferentes tipos de veículos

de uma mesma categoria, com velocidades compatíveis com os limites estabelecidos nas vias

analisadas e a nova proposta para a criação do ruído residual podem ter contribuído para esta

melhoria de desempenho do modelo computacional.

A análise inicial dos resultados dos experimentos de simulação demonstrou a

existência de boa sensibilidade e correspondência do modelo computacional com a literatura

quanto à relação funcional entre níveis de ruído e fluxo de veículos. Verificou-se uma

associação direta da diminuição dos valores dos descritores acústicos (LA10, LA90 e LAeq.) à

medida que o fluxo veicular sofria reduções a partir do cenário real do tráfego veicular.

Além disso, observou-se que o processo de chegada, parada e partida de ônibus no

ponto de parada de fato exerce influência no ruído do tráfego veicular. Essa constatação foi

obtida a partir das análises de sensibilidade realizadas com as alterações dos parâmetros

principais de entrada no modelo. Menores intervalos de tempo entre chegadas sucessivas de

ônibus no ponto de parada estiveram associados a maiores valores dos descritores acústicos,

LAeq, LA10, TNI e LNP.

Por outro lado, ficou evidente que o descritor acústico representativo do ruído

residual (LA90) não sofre influência do número médio de chegadas de ônibus no ponto de

parada, e nem do fluxo de veículos pesados, o que foi constatado a partir do comparativo de

LA90 para os cenários com e sem passagens dessa categoria específica de veículos pelas ruas

investigadas.

Na avaliação dos resultados simulados de TNI e LNP foi possível confirmar que a

128


variabilidade do nível de ruído devido ao processo de chegadas e partidas de ônibus em um

ponto de parada influencia o impacto sonoro local. No entanto, tal influência ocorre de forma

diferenciada em função do fluxo veicular existente.

No caso específico do Ponto de ônibus “A” (rua Roxo Moreira), verificou-se a

tendência de redução de TNI para fluxos veiculares acima de 1000 veículos/h. Tal evidência

se alinha a informações extraídas da literatura (SCHOLES, 1970), e pode ser explicada pela

diminuição da variabilidade do ruído (LA10 – LA90) devido ao aumento do ruído residual (LA90)

e a tendência de saturação de LA10 nesses cenários de fluxo veicular mais elevado.

No caso do Ponto de ônibus “B” (rua Dr. Buarque de Macedo), não foi possível

verificar esse aspecto em particular, provavelmente por conta do limite máximo de 800

veículos/h adotado nas simulações. Além disso, de acordo com Scholes (1970) esse

comportamento de TNI foi observado a partir de medições acústicas realizadas por Lamure e

Auzou às margens de uma via de tráfego em condição de campo livre, o que não corresponde

ao perfil da rua Dr. Buarque de Macedo. Logo, uma investigação mais detalhada a esse

respeito poderá ser objeto de estudo na continuidade dessa pesquisa.

Por outro lado, observou-se que nas situações de fluxo veicular reduzido, os

parâmetros TNI e LNP sofreram também diminuições nos seus valores devido a redução dos

valores de LA10, LA90 e LAeq para esses cenários de tráfego de veículo. Porém, foi nessa

condição de fluxo veicular reduzido que ocorreram variações mais significativas entre os

valores obtidos para TNI e LNP. Este resultado mostra coerência com o raciocínio de ser mais

perceptível o incômodo do ruído ambiental em períodos com menores níveis de ruído

residual.

Por fim, a análise dos descritores acústicos LAeq, TNI e LNP simulados apontou

para existência de possíveis incômodos do ruído por parte das pessoas que residem ou

realizam atividades de serviço ou comércio às margens das ruas analisadas, mesmo em

situações hipotéticas mais favoráveis, por exemplo, sem passagens de veículos pesados e

menor número de chegadas de ônibus no ponto de parada.

Essa evidência de provável incômodo do ruído nas pessoas às margens das ruas

analisadas foi obtida a partir de comparações entre LAeq, TNI e LNP simulados e os seus

respectivos valores - limite recomendados por referências adotadas nesta pesquisa (NBR

10151, 2000; SCHOLES, 1970 e ROBINSON, 1971). Ressalta-se que tais análises tiveram

ainda um caráter demonstrativo quanto ao uso do modelo computacional proposto nesta

129


pesquisa em avaliações similares.

Outro objetivo específico desta pesquisa foi verificar o potencial do modelo

computacional quanto ao nível de realismo do ruído simulado. Para tanto, foram aplicados

testes de júri a um grupo constituído por 54 voluntários. Com base no teste estatístico adotado

(Teste binomial), a hipótese nula (H0) de que os áudios reais e simulados são indiscerníveis

não pôde ser aceita, sob um nível de significância de 5%, uma vez que o número de acertos

foi de 146 (67,5%), extrapolando o intervalo de valores estimados para não se rejeitar a

hipótese nula, ou seja, entre 101 e 115 acertos.

Porém, do universo total dos áudios simulados, houve 63 acertos (58%) contra 45

erros (42%), e do total dos áudios reais, ocorreram 83 acertos (77%) contra 25 erros (23%)

por parte dos participantes. Analisando os dados sob esta ótica, percebe-se uma forte

tendência das pessoas responderem reais quando de fato os áudios eram reais, o que não se

evidencia para o caso das pessoas responderem simulados quando os áudios eram mesmo

simulados.

Por fim, considera-se que os resultados obtidos das avaliações subjetivas auditivas

(Testes de júri), especialmente, com base nas comparações entre o número de acertos e erros

do universo de áudios simulados, apontaram um caminho promissor para o modelo

computacional proposto quanto à melhoria da escuta do ruído simulado, mostrando-se uma

ferramenta com potencial para aplicação em avaliações de cenários acústicos reais ou

hipotéticos de fluxo veicular e de chegadas de ônibus em determinado ponto de parada de

ônibus.

Os recortes e delimitações adotadas pela pesquisa propiciaram identificar e

elencar algumas sugestões para trabalhos futuros, as quais serão apresentadas a seguir.

Uma primeira sugestão para trabalhos futuros diz respeito à ampliação da

quantidade de coleta de dados das variáveis acústicas e de tráfego, realizando-as além dos

intervalos horários adotados nesta pesquisa. Nesse sentido, sugere-se a realização de coletas

de dados e simulações em períodos noturnos, para maior aprofundamento das investigações

da influência acústica da dinâmica operacional de pontos de ônibus em situações com níveis

de ruído residual reduzidos.

Outra sugestão para trabalhos futuros é a ampliação do banco de dados de sinais

sonoros reais de passagens de veículos e a realização de mais avaliações subjetivas (Testes de

júri), não somente para a melhoria do ruído simulado quanto ao seu realismo, mas também,

130


para o desenvolvimento de análises em novos contextos de ruas com presença de pontos de

ônibus, inclusive em situações de ruas mais reflexivas. Cabe lembrar que devido a restrições

do tempo da pesquisa, os testes de júri foram aplicados somente para o primeiro objeto de

estudo (Ponto de ônibus “A”; rua Roxo Moreira), cuja contribuição das reflexões sonoras em

suas fachadas foi desprezada devido às características de seu perfil transversal.

As correções devido às reflexões sonoras em superfícies de fachadas opostas

foram consideradas apenas no segundo objeto de estudo (Ponto de ônibus “B”; rua Dr.

Buarque de Macedo). Os resultados quantitativos dessas correções mostraram-se satisfatórios,

ainda que tenha sido adotada somente a primeira reflexão. Uma análise dos efeitos

quantitativos e qualitativos no ruído simulado, considerando maior número de reflexões26

poderia ser outra sugestão de trabalho para a sequência da pesquisa.

O modelo computacional foi concebido a partir de duas tipologias de perfil

transversal de ruas. A rua Dr. Buarque de Macedo, que possui uma pista com circulação de

veículos em sentido único, e a rua Roxo Moreira, que contém duas pistas separadas por um

canteiro central com fluxos veiculares em sentidos opostos.

No caso específico da rua Roxo Moreira, por simplificação, o ponto de medição

acústica foi posicionado no meio do canteiro central da rua, defronte ao ponto de ônibus e

equidistante aos eixos centrais de ambas as pistas. Essa medida permitiu considerar de forma

global o fluxo de veículos das duas pistas e da energia sonora resultante. Porém, para uma

maior versatilidade do modelo quanto à correção da energia pela distância é interessante

adaptá-lo, considerando separadamente os fluxos veiculares em cada pista, consequentemente,

suas respectivas energias sonoras.

Partindo-se da ideia de que o modelo pode ser aplicado para investigações de

cenários reais e hipotéticos do ruído do tráfego veicular em vias urbanas com presença ou não

de pontos de ônibus, sugere-se a aplicação dessa ferramenta computacional em análises mais

detalhadas da influência acústica de cada categoria de veículo (veículo leve, moto e veículo

pesado).

De um modo complementar a sugestão do parágrafo anterior, a continuidade da

pesquisa poderia envolver análises comparativas entre resultados simulados pelo modelo

26

Na pesquisa de Oldhan e Radwan (1987) foram consideradas até oito reflexões em superfícies verticais

opostas da rua.

131


computacional proposto nesta pesquisa e os obtidos por outros modelos estocásticos ou

determinísticos para predição do ruído do tráfego veicular, como o de Ramírez e Domínguez

(2013).

Considera-se ainda como uma tarefa importante, o desenvolvimento de uma

interface gráfica, a fim de favorecer a operacionalidade do modelo computacional por parte

do usuário final, sejam eles pesquisadores ou outros agentes preocupados com o controle do

ruído do tráfego veicular urbano.

Espera-se que, de uma maneira específica, o modelo computacional desenvolvido

nesta pesquisa possa contribuir na avaliação do impacto sonoro na vizinhança de pontos de

ônibus existentes ou no processo de implantação de novos outros nos espaços da cidade, uma

vez que os mesmos representam elementos essenciais para o devido funcionamento do

sistema de transporte público por ônibus.

Vislumbra-se, ainda, que os resultados desta pesquisa de doutorado venham

ajudar a sociedade como um todo, despertando – a para a real dimensão do problema da

poluição sonora, responsável não somente pelo desconforto acústico e prejuízo às atividades

cotidianas, mas também, por diversos efeitos nocivos a saúde das pessoas.

132

Referências

REFERÊNCIAS

ABO-QUDAIS, S.; ALHIARY, A. Statistical models for traffic noise at signalized

intersections. Building and Environment, v.42, p. 2939 – 2948, 2007.

ALIMOHAMMADI, I.; NASSIRI, P.; BEHZAD, M.; HOSSEINI, M.R. Reliability analysis

of traffic noise estimation in highways of Tehran by Monte Carlo simulation method. Iran

Journal Environmental Health Science Engineering, v.2, n.4, p. 229 – 236, 2005.

ALVES FILHO, J. M. Influência da composição do tráfego sobre o ruído gerado por

rodovias. 1997, 96 f, Dissertação (Mestrado), Departamento de Engenharia mecânica –

Universidade Federal de Santa Catarina, 1997.

ALVES, A. C. B.; MENEZES, M. A. F. Introdução à Pesquisa Operacional. Goiânia: Ed.

Da UCG, 2010, 311p.

ARANA, M.; SAN MARTIN, R.; SAN MARTIN, M.; ARAMENDÍA, E. Strategic noise

map of a major road carried out with two environmental prediction software packages.

Environmental Monitoring and Assessment, v. 163, p.503-513, 2010.

ARANA, M.; SAN MARTIN, R.; NAGORE, I.; PÉREZ, D. Main results of strategic noise

maps and action plans in Navarre (Spain). Environmental Monitoring and Assessment,

v.185, p.4951- 4957, 2013. DOI 10.1007/s10661-012-2916-2.

ASENSIO, C.; LÓPEZ, J.; PAGÁN, R.; PAVÓN, I.; AUSEJO, M. GPS-based speed

collection method for road traffic noise mapping. Transportation Research Part D:

Transport and Environment, v. 14, p. 360 – 366, 2009.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 10.151: Avaliação

do ruído em áreas habitadas visando o conforto da comunidade, Rio de Janeiro, 2000.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 13369: Cálculo

simplificado do nível equivalente contínuo (Leq). Rio de Janeiro: ABNT, 1995.

ASSOCIAÇÃO NACIONAL DOS TRANSPORTES PÚBLICOS - ANTP. Transporte

humano - cidades com qualidade de vida. São Paulo: ANTP, 1997, 312p.

AVSAR, Y.; GUMUS, B. The application of noise maps for traffic noise reduction. Noise

Control Engineering Journal, v.59, p.715-723, 2011.

BARRY, P. J.; VITTORINO, F.; NETO, M. D. F. F. Mitigation of the impact of noise of the

São Paulo ring road. In: International Congress on Noise Control Engineering 2010.

INTERNOISE 2010. 2010. 2. p.1330-1339.

BENESTY, J.; SONDHI, M. M.; HUANG, Y. Springer Handbook of Speech Processing.

XXXVI. 1176p., 456 illus. in color, With DVD, Hardcover, 2008.

BERANEK, L. L. Noise and vibration control. McGraw Hill, New York, 1971.

BERGLUND, B; LINDVALL, T; SCHWELA, D H. Guidelines for community noise. 1999.

Disponível em: http://whqlibdoc.who.int/hq/1999/a68672.pdf. Acesso em: 10 mai. 2014.

BLANCO, J. C.; FLINDELL, I. Property prices in urban areas affected by road traffic noise.

Applied Acoustics, v.72, p.133 – 141, 2011.

BRASIL. Presidência da República. Lei nº 12.587, de 3 de janeiro de 2012. Institui as

diretrizes da Política Nacional de Mobilidade Urbana. Disponível em:

133

Referências

<http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2012/lei/l12587.htm>. Acesso em: 8

de janeiro de 2017

BRAVO, T.; IBARRA, D.; COBO, P. Far-field extrapolation of Maximum Noise Levels

produced by individual vehicles. Applied Acoustics, v. 74, p.1463 – 1472, 2013.

BUNN, F.; ZANNIN, P.H.T. Urban planning - Simulation of noise control measures. Noise

Control Engineering Journal, v. 63, n. 1, p. 1 – 10, 2015.

BUSSAB, W. O; MORETTIN, P. A. Estatística básica. 8. ed - São Paulo: Saraiva, 2013,

547p. ISBN: 9788502207998.

CAI, M.; LI, F.; LIU, J. K. Dynamic simulation and characteristics analysis of traffic noise at

signal-controlled pedestrian crossing junction. Noise Control Engineering Journal, v. 59,

p.549-55, 2011.

CAI, M.; ZOU, J.; XIE, J.; MA, X. Road traffic noise mapping in Guangzhou using GIS and

GPS. Applied Acoustics, v.87, n. 12, p. 94 – 102, 2015.

http://dx.doi.org/10.1016/j.apacoust.2014.06.005.

CALIXTO, A.; PULSIDES, C.; ZANNIN, P.H.T. Evaluation of transportation noise in

urbanised areas: A case study. Archives of Acoustics, v.33, n.2, p.185 – 199, 2008.

CAN, A.; DEKONINCK, L.; BOTTELDOOREN, D. Measurement network for urban noise

assessment: Comparison of mobile measurements and spatial interpolation approaches.

Applied Acoustics, v.83, p. 32 – 39, 2014. http://dx.doi.org/10.1016/j.apacoust.2014.03.012.

CAN, A.; LECLERCQ, L.; LELONG, J. Dynamic estimation of urban traffic noise: Influence

of traffic and noise source representations. Applied Acoustics, v. 69. p. 858 – 867. 2008.

CAN, A.; LECLERCQ, L.; LELONG, J.; DEFRANCE, J. Accounting for traffic dynamics

improves noise assessment: Experimental evidence. Applied Acoustics, v.70, p. 821 – 829,

2009.

CIANFRINI, C.; CORCIONE, M.; FONTANA, L. Experimental verification of the acoustic

performance of diffusive roadside noise barriers. Applied Acoustics, v. 68, p. 1357 – 1372,

2007.

CIRIANNI, F.; LEONARDI, G. Road traffic noise prediction models in the metropolitan area

of the Strait of Messina. Transport, v. 164, n. 4, p.231-239, 2011. DOI:

10.1680/tran.9.00035.

CHWIF, L; MEDINA, A.C. Modelagem e simulação de eventos discretos: teoria e

aplicações/ Leonardo Chwif. Afonso C. Medina – 4. Ed. – Rio de Janeiro: Elsevier, 2015,

294p.

COENSEL, B.; VANWETSWINKEL, S.; BOTTELDOOREN, D. Effects of natural sounds

on the perception of road traffic noise. Journal of the Acoustical Society of America, v.129,

p. 148-153, 2011.

COVACIU, D; FLOREA, D; TIMAR, J. Estimation of the noise level produced by road

traffic in roundabouts. Applied Acoustics, v. 98, p. 43-51, 2015.

http://dx.doi.org/10.1016/j.apacoust.2015.04.017

DA PAZ, E. C.; ZANNIN, P. H. T. Urban daytime traffic noise prediction models.

Environmental Monitoring and Assessment, v. 163, p. 515 – 529, 2010.

http://dx.doi.org/10.1007/s10661-009-0854-4.

http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2012/lei/l12587.htm%3e.%20Acesso



http://dx.doi.org/10.1007/s10661-009-0854-4

134

Referências

DE ABREU, A. P. Fatores limitantes para o avanço da tecnologia da informação na

mobilidade urbana - o cidadão como centro das decisões. Revista dos Transportes Públicos

– ANTP, 39, p. 19 – 28, 2017.

DE CASTILHO, R. A. Análise e simulação da operação de ônibus em corredores

exclusivos, 1997, 113f, Dissertação (Mestre em Engenharia de Produção) – Universidade

Federal do Rio Grande do Sul, Porto Alegre, Brasil, 1997.

DENATRAN. Divisão de Estatística – Frota de Veículos 2006 a 2016. Disponível em:

http://www.denatran.gov.br/. Acesso em: 29 de março de 2016.

DNIT. Departamento Nacional de Infra-estrutura de Transportes - Brasil. Manual de estudos

de tráfego . – Rio de Janeiro, 2006, 384p. (IPR Publ. 723). Disponível em:

http://www1.dnit.gov.br/arquivos_internet/ipr/ipr_new/manuais/manual_estudos_trafego.pdf.

Acesso em: 1 de novembro de 2017.

D'HONDT, E.; STEVENS, M.; JACOBS. A. Participatory noise mapping works! An

evaluation of participatory sensing as an alternative to standard techniques for environmental

monitoring. Pervasive and Mobile Computing, v. 9, n. 5, p. 681-694, 2013.

Doi:10.1016/j.pmcj.2012.09.002.

DINTRANS, A; PRÉNDEZ, M. A method of assessing measures to reduce road traffic: a

case study in Santiago. Chile. Applied Acoustics, v.74, n. 12, p. 1486–1491, 2013.

http://dx.doi.org/10.1016/j.apacoust.2013.06.012.

DOYGUN, H.; KUŞAT GURUN, D. Analysing and mapping spatial and temporal dynamics

of urban traffic noise pollution: a case study in Kahramanmaraş. Turkey. Environmental

Monitoring and Assessment. v. 142, p. 65–72, 2008. DOI 10.1007/s10661-007-9908-7.

FERRAZ, A. C. P.; TORRES, I. G. E. Transporte público urbano. São Carlos: RiMa, 2004,

428p.

FIEBIG, A.; GUIDATI, S.; GENUIT, K. Synthesis, auralization and psychoacoustic

evaluation of environmental noise - Options for urban (noise) planning. In: 38th International

Congress and Exposition on Noise Control Engineering 2009, INTERNOISE 2009, 2009, 6,

4097-4108.

FIEDLER, P.E.K.; ZANNIN, P.H.T. Noise mapping as a tool for urban planning. Journal of

Scientific and Industrial Research, v. 74, p. 114 – 116, 2015a.

FIEDLER, P. E. K.; ZANNIN, P. H. T. Evaluation of noise pollution in urban traffic hubs -

Noise maps and measurements. Environmental Impact Assessment Review, v. 51, p. 1 – 9,

2015b.

FUKUI, M.; ISHIBASHI, Y. Traffic flow in 1D cellular automaton model including cars

moving with high speed. Journal of the Physical Society of Japan, v. 65, n. 6, p.1868–1870,

1996.

GARG, N.; MAJI, S. A critical review of principal traffic noise models: Strategies and

implications. Environmental Impact Assessment Review, v. 46, p. 68 – 81, 2014.

doi:10.1016/j.eiar.2014.02.001.

GIL, A. C. Como elaborar projetos de pesquisa – 4. Ed – 8. Reimpr. – São Paulo: Atlas,

2006.

GIUNTA, M.B.; DE SOUZA, L.C.L.; VIVIANI, E.; SURIANO, M. T. Environmental noise

and conflict areas in a medium sized city. In: Proceedings - European Conference on Noise

Control, 2012, 364-369.


135

Referências

GIVARGIS, Sh.; KARIMI, H. A basic neural traffic noise prediction model for Tehran’s

roads. Journal of Environmental Management, v. 91, p. 2529 – 2534, 2010.

doi:10.1016/j.jenvman.2010.07.011.

GOOGLE MAPS. Mapa parcial e fotos da rua Roxo Moreira – Campinas (SP). Disponível

em: https://www.google.com.br/maps. Acesso em: 23 jul. 2015a.

GOOGLE MAPS. Mapa parcial da Universidade Estadual de Campinas – UNICAMP.

Disponível em: https://www.google.com.br/maps. Acesso em: 23 jul. 2015b.

GOOGLE MAPS. Mapa parcial e fotos da rua Dr. Buarque de Macedo – Campinas (SP).

Disponível em: https://www.google.com.br/maps. Acesso em: 26 nov. 2016.

GOOGLE MAPS. Mapa parcial da cidade de Campinas (SP). Disponível em:

https://www.google.com.br/maps. Acesso em: 17 jan. 2018.

GRIFFITHS, I. D; LANGDON, F. L. Subjective response to road traffic noise, BRS CP

37/68, J. Sound lib., v.8, n.1, 1968.

GUARNACCIA, C. Advanced tools for traffic noise modelling and prediction. WSEAS

Transactions on Systems, v. 12, n. 2, p. 121 – 130, 2013.

GUARNACCIA, C.; QUARTIERI, J. Analysis of road traffic noise propagation.

International Journal of Mathematical Models and Methods in Applied Sciences, v. 6, p.

926-933, 2012.

GUEDES, I. C. M.; BERTOLI, S. R. Mapa acústico como ferramenta de avaliação de ruído

de tráfego veicular em Aracaju - Brasil. PARC - Pesquisa em Arquitetura e Construção,

Campinas, v. 5, n. 2, p. 40-51, 2014.

GUEDES, I. C. M.; BERTOLI, S. R. Ruído de tráfego veicular em áreas urbanas:

Mapeamento sistemático de literatura. In: XIII ENCONTRO NACIONAL DE CONFORTO

DO AMBIENTE CONSTRUÍDO E IX ENCONTRO LATINO-AMERICANO DE

CONFORTO NO AMBIENTE CONSTRUÍDO, 2015, Campinas – SP, 2015.

GUEDES, I. C. M.; BERTOLI, S. R; MONTALVÃO, J. Monte Carlo simulation of traffic

noise dynamics at a bus stop based on real sound signals. Proceedings of Meetings on

Acoustics (POMA), v. 28, p. 040005, 2016, http://dx.doi.org/10.1121/2.0000477

GUEDES, I. C. M.; BERTOLI, S. R.; ZANNIN. P. H. T. Influence of urban shapes on

environmental noise: A case study in Aracaju. Brazil. Science of the Total Environment, v.

412–413, p. 66–76, 2011. http://dx.doi.org/10.1016/j.scitotenv.2011.10.018.

GÜDOGDU, Ö; GÖKDAG, M.; YÜKSEL, F. A traffic noise prediction method based on

vehicle composition using genetic algorithms. Applied Acoustics, v. 66, p. 799–809, 2005.

doi:10.1016/j.apacoust.2004.11.003.

HAMMER, M. S.; SWINBURN, T. K.; NEITZEL, R.L. Environmental noise pollution in the

United States: developing an effective public health response. Environ Health Perspect, v.

122, p. 115 – 119, 2014. http://dx.doi.org/10.1289/ehp.1307272.

HU, W.C.; XU, S.H. Research of noise map technology in urban areas. Noise Vibration

Control, v.12, p. 30–34, 2009.

IBARRA – ROJAS, O. J.; DELGADO, F.; GIESEN, R.; MUÑOZ, J.C. Planning, operation.

and control of bus transport systems: A literature review. Transportation Research Part B,

v. 77, p. 38-75, 2015. http://dx.doi.org/10.1016/j.trb.2015.03.002.

http://lattes.cnpq.br/4517016873176660

http://dx.doi.org/10.1016/j.scitotenv.2011.10.018

http://dx.doi.org/10.1289/ehp.1307272

http://dx.doi.org/10.1016/j.trb.2015.03.002

136

Referências

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 1996 -1:

Acoustics: Description, measurements and assessment of environmental noise - Part 1: Basic

quantities and assessment procedures, Switzerland, 2003.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 1996-2: Acoustics

– Description and measurement of environmental noise - Part 2: Acquisition of data pertinent

to land use [AMENDMENT 1], Switzerland, 1998.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 1996-2: Acoustics

– Description, measurement and assessment of environmental noise - Part 2: Determination of

environmental noise levels, Switzerland, 2007.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 9613 - 1:

Acoustics: Attenuation of Sound during Propagation Outdoors. Part 1: Calculation of the

absorption of sound by the atmosphere, Switzerland, 1993.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 9613 - 2:

Acoustics: Attenuation of Sound during Propagation Outdoors. Part 2: General method of

calculation, Switzerland, 1996.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO - R1996:

Acoustics: Assessment of noise with respect to community response, Switzerland, 1971.

JEONG, J.H.; DIN, N.B.C.; OTSURU, T.; KIM. H.C. An application of a noise maps for

construction and road traffic noise in Korea. International Journal of Physical Sciences, v.

5, n. 7, p. 1063-1073, 2010.

KALIPCI, E.; DURSUN, S. Presentation of Giresun City traffic noise pollution map via

geographical information system. Journal of Applied Sciences, v. 9, n. 3, p. 479 – 487, 2009.

KANG, J. Urban sound environment. 1. Ed, New York: Taylor and Francis, 2007, 286p.

KANG, T. T.; LIN, M. D.; CHEN, Y. H. Noise mapping in urban environments: a Taiwan

study. Applied Acoustics, v. 70, p. 964–972, 2009.

KASSOMENOS, P.; VOGIATZIS, K.; COELHO, J.L.B. Critical issues on environmental

noise: editorial. Science of the Total Environment, v. 3, p. 399 – 482, 2014.

http://dx.doi.org/10.1016/j.scitotenv.2014.02.108.

KING, E.A.; MURPHY, E.; RICE, H. J. Implementation of the EU environmental noise

directive: Lessons from the first phase of strategic noise mapping and action planning in

Ireland. Journal of Environmental Management, v. 92, p. 756 – 764, 2011.

doi:10.1016/j.jenvman.2010.10.034.

KING, E.A; RICE, H. J. The development of a practical framework for strategic noise

mapping. Applied Acoustics, v. 70, p. 1116 – 1127, 2009.

doi:10.1016/j.apacoust.2009.01.005.

KUMAR, P.; NIGAM, S.P.; KUMAR, N. Vehicular traffic noise modeling using artificial

neural network approach. Transportation Research Part C, v. 40, p.111–122, 2014.

http://dx.doi.org/10.1016/j.trc.2014.01.006.

LAM. W.H.K.; TAM. M.L. Reliability analysis of traffic noise estimates in Hong Kong.

Transportation Research – Part D, v. 3, n. 4, p. 239–248, 1998.

LANGDON, F. J.; SCHOLES, W. E. The Traffic Noise Index: a method of controlling noise

nuisance, BRS CP 38/68, Architects' J., 1968.

http://dx.doi.org/10.1016/j.scitotenv.2014.02.108

137

Referências

LEE, J.; GU, J.; PARK, H.; YUN, H.; KIM, S.; LEE, W.; HAN, J.; CHA, J.S. Estimation of

populations exposed to road traffic noise in districts of Seoul metropolitan area of Korea.

International Journal of Environmental Research and Public Health, v. 11, n. 3, p. 2729-

2740, 2014.

LI, F.; CAI, M.; LIU, J.; YU, Z. Dynamic traffic noise simulation at a signalized intersection

among buildings. Noise Control Engineering Journal, v. 59, p. 202-210, 2011.

LI, K.; LAW, M.; KWOK, M. Absorbent parallel noise barriers in urban environments.

Journal of Sound and Vibration, v. 315, p. 239 – 257, 2008.

LIAO, G.; SAKHAEIFAR, M. S.; HEITZMAN, M.; WEST, R.; WALLER, B.; WANG, S.;

DING, Y. The effects of pavement surface characteristics on tire/pavement noise. Applied

Acoustics, v. 76, p. 14 – 23, 2014.

LICITRA, G. Noise mapping in the EU – models and procedures. Edited by Gaetano Licitra.

CRC Press, 2013, 391p.

LIU, Y.; YANG, B.; ZHANG, X.; GUO, J. Analysis of noise reduction on urban road traffic

sound barrier. ICLEM 2010: Logistics for Sustained Economic Development – Infrastructure,

Information, Integration – In: Proceedings of the 2010 International Conference of Logistics

Engineering and Management, 2010, 387, 1616 -1621.

LUO, Z.Y.; LI, Z.K,; WU, Y.W; DAI, M. G. Using 3D visualization technologies to enhance

the understanding of environmental noise. Noise Vibration Control, p. 56–58, 2005.

MAILLARD, J. ; JAGLA, J. Auralization of non-stationary traffic noise using sample based

synthesis - Comparison with pass-by recordings. In: 41st International Congress and

Exposition on Noise Control Engineering 2012, INTERNOISE 2012, 2012.

MAILLARD, J. ; JAGLA, J. Real Time Auralization of Non-Stationary Traffic Noise -

Quantitative and Perceptual Validation in an Urban Street. In: Proceedings of the AIA-

DAGA Conference on Acoustics, 2013.

MAK, K.L.; HUNG, W.T. Statistical tyre/road noise modeling in Hong Kong on friction

course. Applied Acoustics, v. 76, p. 24 – 27, 2014.

MAKAREWICZ, R.; GAŁUSZKA, M. Road traffic noise prediction based on speed-flow

diagram. Applied Acoustics, v. 72, p. 190–195, 2011. doi:10.1016/j.apacoust.2010.11.010.

MARKS, A.; GRIEFAHN, B. Associations between noise sensitivity and sleep. subjectively

evaluated sleep quality, annoyance, and performance after exposure to nocturnal traffic noise.

Noise and Health, v. 9, p. 1-7, 2007.

MAROJA, A.D.M.; DE SOUSA, D.R.; GARAVELLI, S.L. Mathematician models for noises

emitted by the vehicles traffic in Distrito Federal. Brazil, In: International Congress on Noise

Control Engineering 2005, INTERNOISE 2005, 2005, 5, 3797-3804.

MAROJA, A. D. M.; GARAVELLI, S.L.; DE CARVALHO JUNIOR, E.B. Noise mapping

using vehicles electronic speed controllers. In: 18th International Congress on Sound and

Vibration 2011, ICSV 2011, 3, 2080-2087.

MARQUES, C.S.D.P.; LESKI, J.R.; SOARES, P.F.; LISOT, A. Mapping and analysis of

traffic noise at an intersection in Umuarama - PR. Brazil, In: International Congress on Noise

Control Engineering 2010, INTERNOISE 2010, 2010, 2, 1406-1414.

138

Referências

MORAES, E. L.; FRANCO, I.M.; VILAR, M.; AVERTANO, I.; PINHEIRO, D.; FREITAS,

M.; DEL TETTO, D. Categorization of street types in urban thermoacoustic analysis. In: 21st

International Congress on Acoustics, ICA 2013, 19, 9p.

MURGEL, E. Fundamentos de acústica ambiental. São Paulo – Editora Senac São Paulo,

2007, 131p.

MURPHY, E.; KING, E.A. Scenario analysis and noise action planning: Modelling the

impact of mitigation measures on population exposure. Applied Acoustics, v. 72, p. 487 –

494, 2011. doi:10.1016/j.apacoust.2010.10.006.

MURPHY, E.; KING, E.A.; RICE, H. J. Estimating human exposure to transport noise in

central Dublin. Ireland. Environment International, v. 35, p. 298 – 302, 2009.

doi:10.1016/j.envint.2008.07.026.

NAISH, D. A.; TAN, A. C.; DEMIRBILEK, F. N. Estimating health related costs and savings

from balcony acoustic design for road traffic noise. Applied Acoustics, v. 73, p. 497 – 507,

2012.

NEDIC, V.; DESPOTOVIC, D.; CVETANOVIC, S.; DESPOTOVIC, M.; BABIC, S.

Comparison of classical statistical methods and artificial neural network in traffic noise

prediction. Environmental Impact Assessment Review, v. 49, p. 24-30, 2014. DOI:

10.1016/j.eiar.2014.06.004.

NILSSON, M.; ALVARSSON, J.; RÅDSTEN-EKMAN, M.; BOLIN, K. Loudness of

fountain and road traffic sounds in a city park. In: 16th International Congress on Sound and

Vibration 2009, ICSV 2009, 2009, 2, 1270-1276.

NILSSON, M.; RÅDSTEN-EKMAN, M.; ALVARSSON, J.; LUNDÉN, P.; FORSSÉN, J.

Perceptual validation of auralized road traffic noise. In: 40th International Congress and

Exposition on Noise Control Engineering 2011, INTERNOISE 2011, 2011, 4, 3453 - 3460.

NOTBOHM, G.; SCHMOOK, R.; SCHWARZE, S.; ANGERER, P. Patterns of physiological

and affective responses to vehicle pass-by noises. Noise and Health, v. 15, p. 355–366, 2013.

ONAGA, H.; RINDEL, J. Acoustic characteristics of urban streets in relation to scattering

caused by building facades. Applied Acoustics, v. 68, p. 310-325, 2007.

OSHIMA, T.; II, M. Field measurements on wind effects to propagation of road traffic noise

over open and flat ground. Applied Acoustics, v. 74, p. 141 – 149, 2013.

PAMANIKABUD, P.; TANSATCHA, M.; BROWN, A.L. Development of a highway noise

prediction model using an Leq20s measure of basic vehicular noise. Journal of Sound and

Vibration, v. 316, p. 317–330, 2008. doi:10.1016/j.jsv.2008.02.054.

PAPADIMITRIOU, K.; MAZARIS, A.; KALLIMANIS, A.; PANTIS, J. Cartographic

representation of the sonic environment. Cartographic Journal, v. 46, p. 126-135, 2009.

PARLAMENTO EUROPEU E DO CONSELHO. Diretiva 2002/49/CE de 25 de junho de

2002. Relativa à avaliação e gestão do ruído ambiente.

PAUNOVIŠ, K.; BELOJEVIŠ, G.; JAKOVLJEVIŠ, B. Blood pressure of urban school

children in relation to road-traffic noise, traffic density and presence of public transport. Noise

and Health, v. 15, p. 253-260, 2013.

PENG, W.; MAYORGA, R.V. Assessing traffic noise impact based on probabilistic and

fuzzy approaches under uncertainty. Stochastic Environmental Research and Risk

Assessment, v. 22, p. 541–550, 2008. DOI 10.1007/s00477-007-0173-7.

139

Referências

PICAUT, J.; BÉRENGIER, M.; ROUSSEAU, É. Noise impact modelling of a roundabout.

In: International Congress on Noise Control Engineering 2005, INTERNOISE 2005, 2005, 5,

4217 - 4226.

POPESCU, D. I.; TUNS, R. E.; MOHOLEA, I.F. The urban acoustic environment - A survey

for road traffic noise. Carpathian Journal of Earth and Environmental Sciences, v. 6, n.1,

p. 285 – 292, 2011.

PORTUGAL, L. S. Simulação de tráfego: conceitos e técnicas de modelagem – Rio de

Janeiro: Interciência, 2005.

PRADO, D. S. D. Teoria das filas e da simulação – Belo Horizonte, MG: Editora de

Desenvolvimento Gerencial, v. 2, 1999.

QUARTIERI, J.; MASTORAKIS, N.E.; IANNONE, G.; GUARNACCIA, C. Cellular

automata application to traffic noise control. In: 12th WSEAS International Conference on

Automatic Control, Modelling and Simulation, ACMOS '10, 2010, 299-304.

RÅDSTEN-EKMAN, M.; AXELSSON, O.; NILSSON, M. Effects of sounds from water on

perception of acoustic environments dominated by road-traffic noise. Acta Acustica united

with Acustica, v. 99, p. 218-225, 2013.

RADWAN, M. M.; OLDHAM, D. J. The prediction of noise from urban traffic under

interrupted flow conditions. Applied Acoustics, v.72, p. 479 – 486, 1987.

RAHMANI, S.; MOUSAVI, S. M.; KAMALI. M. J. Modeling of road-traffic noise with the

use of genetic algorithm. Applied Soft Computing, v. 11, p. 1008–1013, 2011.

doi:10.1016/j.asoc.2010.01.022.

RAMÍREZ, A.; DOMÍNGUEZ, E. Modeling urban traffic noise with stochastic and

deterministic traffic models. Applied Acoustics, v. 21, p. 163 – 185, 2013.

RICHTLIEN FÜR DEN LÄRMSCHULTZ AN STRAbEN. RLS - 90. (Diretrizes para

Proteção ao Ruído em Rodovias). Alemanha, 1990.

ROBINSON, D. W. Towards a unified system noise assessment. Journal Sound and

Vibration, UK, v.14, n.3, p 279-298, 1971.

RODRIGUES, F. Análise de ruído em terminais de transporte coletivo urbano:

desenvolvimento de modelos de predição. 2006, 136f, Dissertação (Mestrado), Departamento

de Engenharia civil – Universidade Federal de Uberlândia, 2006.

RODRIGUES, F.; FARIA, C.A.; MAGALHÃES, M. D. C.; SILVA, M. G. The development

of a model for the prediction of noise inside bus stations: A comparison with the CRTN

method. In: International Congress on Noise Control Engineering 2006, INTERNOISE 2006,

2006, 8, 5683 - 5687.

RODRIGUES, F.; RESENDE, C.; NASSI, C. D.; KAHN, S. Traffic engineering indicators

analysis as explanatory variables of traffic noise. In: International Congress on Noise Control

Engineering 2010, INTERNOISE 2010, 2010, 4, 3301-3310.

RUOTOLO, F.; MAFFEI, L.; GABRIELE, M. D.; IACHINI, T.; MASULLO, M.;

RUGGIERO, G.; SENESE, V. P. Immersive virtual reality and environmental noise

assessment: An innovative audio - visual approach. Environmental Impact Assessment

Review, v. 41, p. 10 – 20, 2013.

SANTOS, L.J.R.D. Generalização do modelo computacional de tráfego veicular IDM

(Intelligent Driver Model). 2008, 60 f, Dissertação (Mestrado em biometria e estatística).

140

Referências

Departamento de Estatística e Informática Aplicada – Universidade Federal Rural de

Pernambuco - Recife: EDUFRPE, 2008.

SAMARA, T.; TSITSONI, T. The effects of vegetation on reducing traffic noise from a city

ring road. Noise Control Engineering Journal, v. 59, p. 68-74, 2011.

SÃO PAULO. Câmara Municipal de São Paulo. Lei 16.499, de 20 de julho de 2016. Dispõe

sobre a elaboração do Mapa do Ruído Urbano da Cidade de São Paulo e dá outras

providências. Disponível em: http://

documentacao.camara.sp.gov.br/iah/fulltext/leis/L16499.pdf. Acesso em: 15 de janeiro de

2018.

SCHOLES, W. E. Traffic noise criteria. Applied Acoustics, UK, v.3, p 1-21, 1970.

SEONG, J. C.; PARK, T. H.; KO, J. H.; CHANG, S. I.; KIM. M.; HOLT, J. B.; MEHDI, M.

R. Modeling of road traffic noise and estimated human exposure in Fulton County. Georgia.

USA. Environment International, v. 37, p. 1336–1341, 2011.

http://dx.doi.org/10.1016/j.envint.2011.05.019.

SINGAL, S. P. Noise pollution and control strategy. Oxford: Alpha Science International.

2005, 323p.

SKARLATOS, D. A Numerical Method for Calculation of Probability Density Function of

Equivalent Level in the Case of Traffic Noise. Applied Acoustics, v. 38, p. 37 – 50, 1993.

SOUZA, L. C. L. D.; GIUNTA, M.B. Urban indices as environmental noise indicators.

Computers. Environment and Urban Systems, v. 35, p. 421–430, 2011.

Ddoi:10.1016/j.compenvurbsys.2011.06.001.

SUAREZ, E.; BARROS, J. Traffic noise mapping of the city of Santiago de Chile. Science of

The Total Environment, v.466-467, p. 539 – 546, 2014.

TANSATCHA, M.; PAMANIKABUD, P.; BROWN, A.L.; AFFUM, J.K. Motorway noise

modelling based on perpendicular propagation analysis of traffic noise. Applied Acoustics, v.

66, p. 1135–1150, 2005. Doi:10.1016/j.apacoust.2005.02.002.

THOMAS, P.; BOES, M.; VAN RENTERGHEM, T.; BOTTELDOOREN, D.; HORNIKX,

M.; DESMET, W.; NILSSON, M. Auralisation of a car pass - by behind a low finite - length

vegetated noise barrier. In: Proceedings - European Conference on Noise Control, 2012, 932-

937.

TORIJA, A. J.; RUIZ, D. P. Using recorded sound spectra profile as input data for real-time

short-term urban road-traffic-flow estimation. Science of the Total Environment, v. 435 –

436, p. 270 – 279, 2012. Doi:10.1016/j.scitotenv.2012.07.014.

TORIJA, A. J.; RUIZ, D. P.; RAMOS-RIDAO, A. F. Use of back-propagation neural

networks to predict both level and temporal - spectral composition of sound pressure in urban

sound environments. Building and Environment, v. 52, p. 45 – 56, 2012.

Doi:10.1016/j.buildenv.2011.12.024.

VAIŠIS, V.; JANUŠEVIČIUS, T. Investigation and evaluation of noise level in the northern

part of Klaipeda city. Journal of Environmental Engineering and Landscape

Management, v. 16, n. 2, p. 89 – 96, 2008. http://dx.doi.org/10.3846/1648-6897.2008.16.89-

96.

VAN RENTERGHEM, T.; BOTTELDOOREN, D.; HORNIKX, M.; JEAN, P.; DEFRANCE,

J.; SMYRNOVA, Y.; KANG, J. Road traffic noise reduction by vegetated low noise barriers

in urban streets. In: Proceedings - European Conference on Noise Control, 2012, 944 - 948.

141

Referências

VOLPATO, G.L. Ciência: da filosofia à publicação – São Paulo: Cultura Acadêmica, 2013,

377p.

WANG, B.; KANG, J. Effects of urban morphology on the traffic noise distribution through

noise mapping: A comparative study between UK and China. Applied Acoustics, v. 72, p.556

– 568, 2011. Doi:10.1016/j.apacoust.2011.01.011.

WANG, L.; CAI, M.; ZOU, J. The traffic noise prediction model of a bus stop. In: 41st

International Congress and Exposition on Noise Control Engineering 2012, INTERNOISE

2012, 2012, 11, 9254 - 9265.

WING LAW, C.; KWAN LEE, C.; WAI LUI, A. S.; LEUNG YEUNG, M. K.; CHE LAM, K.

Advancement of three-dimensional noise mapping in Hong Kong. Applied Acoustics, v.72,

p. 534 – 543, 2011. Doi:10.1016/j.apacoust.2011.02.003.

ZANNIN, P. H. T.; DE SANT’ANA, D. Q. Noise mapping at different stages of a freeway

redevelopment project - A case study in Brazil. Applied Acoustics, v. 72, p. 479 – 486, 2011.

ZANNIN, P.H.T.; ENGEL, M.S.; FIEDLER, P.E.K.; BUNN, F. Characterization of

environmental noise based on noise measurements, noise mapping and interviews: A case

study at a university campus in Brazil. Cities, v. 31, p. 317 – 327, 2013a.

ZANNIN, P.H.T.; GAMA, V. L.; DA CUNHA, M. L.; DAMIANI, E. F.; BENETTI, M.;

BIANCHI, H.; DA HORA, A.L.S.; GUEDES, G. B.; PORTELLA, T. L.; PINTO, V. A .J.;

DE SANT’ANA, D.Q. Noise mapping of an educational environment. Canadian Acoustics,

v. 40, n. 1, p. 27 – 34, 2013b.

ZHAO, J.; DING, Z.; HU, B.; CHEN, Y.; YANG, W. Assessment and improvement of a

highway traffic noise prediction model with Leq(20s) as the basic vehicular noise. Applied

Acoustics, v. 97, p. 78–83, 2015. http://dx.doi.org/10.1016/j.apacoust.2015.03.021.

ZHOU, M. Traffic noise mapping of Guangzhou inner ring road. Journal of South China

University of Technology (Natural Science), v. 35, p. 136 -139, 2007.


142

Apêndices

APÊNDICE A – Dados coletados para etapa de modelagem (Ptbus – A; rua Roxo Moreira)

Tabela A.1 – Fluxos horários de veículos (Rua Roxo Moreira).

Dia – data - horário Nº Duração (s) Qvl Qmt Qvp Qtotal

Quinta - 14/05/2015

(9h30min a 11h30min)

1 3600 914 41 62 1017

2 3600 929 50 53 1032

Quarta - 20/05/2015


3 3600 906 50 55 1011

4 3600 923 52 48 1023

Sexta - 22/05/2015


5 3600 1070 59 39 1168

6 3600 1129 48 43 1220

Terça - 09/06/2015


7 3600 1011 72 37 1120

8 3600 1114 68 52 1234

Quarta - 10/06/2015


9 3600 989 59 54 1102

10 3600 996 54 50 1100

Quarta - 07/10/2015


11 3600 974 53 44 1071

Quarta - 07/10/2015

(15h00min a 16h00min) 12 3600 992 57 31 1080

Total 11947 663 568 13178

Média aritmética 996 55 47 1098

Obs.: vl (veículo leve): automóveis, jipe, Kombi, pick-up, caminhonetes, vans, towners/ mt (moto)/ vp (veículo

pesado): micro-ônibus, ônibus e caminhões.

143

Apêndices

Tabela A.2 – Registros de intervalos de tempo entre chegadas sucessivas de ônibus (TC) e tempo de serviço ou

parada (TS) no Ptbus – A (Rua Roxo Moreira).

Dia – data - horário Intervalo de tempo entre chegadas sucessivas de ônibus – TC (s)

Quarta - 29/04/2015

(9h30min às 11h30min)

300 120 420 120 540 540 300 420 900 120

420 240 0 0 60 360 180 480 180 420

840 300 180

Terça - 22/09/2015


420 480 180 0 240 300 660 240 240 120

360 300 660 300 360 840 480 60 120 960

Quarta - 23/09/2015


840 180 0 720 420 60 0 540 360 120

300 300 300 180 840 660 300 240 360 300

0

Quinta - 24/09/2015


660 420 300 120 300 780 420 480 0 60

360 900 420 60 120 900

Quarta - 30/09/2015


138 285 106 248 512 870 45 444 562 352

298 467 1190 23 175 345 82 845

Segunda - 05/10/2015


24 574 55 316 845 217 270 750 54 507

70 167 277 1115 175 458 121 825

Média aritmética: 361s

.Dia – data - horário Tempo de serviço – TS (s)

Quarta - 29/04/2015


7 40 14 9 17 8 21 12 37 6

13 14 8 19 11 20 7 7 29 12

18 22 7

Terça - 22/09/2015


12,5 8,4 21,7 3,3 18,6 23,4 7,2 16,0 12 13,1

7,3 27 13 14,9 20,9 19,1 17 4,5 9,5 49,7

Quarta - 23/09/2015


17,3 14,7 14,7 8,5 17,3 21,8 21,8 12 15,7 22,7

11,7 32 10,3 13,7 11,3 20,5 8,3 8,5 9,8 8,4

8

Quinta - 24/09/2015

(9h30min as 11h30min)

13,3 9,8 7,7 13,4 9,5 25,1 6,9 4,5 6,3 10,2

7,7 14 6,9 20,2 11,3 16,7

Quarta - 30/09/2015

(9h30min as 11h30min)

4,8 5,3 9,1 7 10,5 23,4 23,8 5,7 30,3 8

20 9,9 26,8 4 30,7 8,9 5 21,2

Segunda - 05/10/2015


5,2 8,7 6 12,7 13,2 19,4 11,5 12,4 34 8

6,8 8,4 17,3 17,2 17,1 7,7 6,7 32,3

144

Apêndices

APÊNDICE B – Dados coletados para etapa de modelagem (Ptbus – B; rua Dr. Buarque de

Macedo)

Tabela B.1 – Fluxos horários de veículos (Rua Dr. Buarque de Macedo).

Dia – data - horário Nº Duração (s) Qvl Qmt Qvp Qtotal

Sexta - 21/10/2016

(14h às 16h)

1 3600 712

57

23

792

2 3600 734

61

19

814

Segunda - 24/10/2016

(14h às 16h)

3 3600 662

81

23

766

4 3600 681

71

26

778

Quarta - 26/10/2016

(14h às 16h)

5 3600 687

67

28

782

6

3600

705

66

21

792

Terça - 08/11/2016

(14h às 16h)

7 3600 713

80

29

822

8 3600 723

67

14

804

Quarta - 15/02/2017

(14h às 16h)

9 3600 709

79

27

815

10 3600 684

74

19

777

Total 7010

703

229

7942

Média aritmética 701

70

23

794

Obs.: vl (veículo leve): automóveis, jipe, Kombi, pick-up, caminhonetes, vans, towners/ mt (moto)/ vp (veículo

pesado): micro-ônibus, ônibus e caminhões.

145

Apêndices

Tabela B.2 – Registros de intervalos de tempo entre chegadas sucessivas de ônibus (TC) e tempo de serviço ou

parada (TS) no Ptbus – B (Rua Dr. Buarque de Macedo).

Dia – data - horário Intervalo de tempo entre chegadas sucessivas de ônibus – TC (s)

Quinta – 06/10/2016

(14h às 16h)

292 0 0 226 517 151 75 0 302 222

302 237 231 71 216 0 234 358 81 69

748 236 514 0 81 0 0 84 673 291

Segunda – 10/10/2016

(14h às 16h)

417 0 89 67 156 0 372 217 223 0

369 309 590 228 370 26 366 137 157 212

232 13 0 287 0 0 381 143 0 240

140 0 0 366 750

Terça – 22/11/2016

(14h às 16h)

73 292 0 81 148 305 369 306 132 229

154 153 211 160 80 216 0 755 0 71

446 225 15 143 361 0 87 79 512 11

288 448 0 224 87

Média aritmética: 197s

.Dia – data - horário Tempo de serviço – TS (s)

Quinta – 06/10/2016

(14h às 16h)

14,5 6 10,3 16,1 11,7 4,1 11 10,1 12,8 3,1

22,1 17,4 45 4,9 5,6 9,2 80 20 5,6 16,3

6,8 6,7

Segunda – 10/10/2016

(14h às 16h)

12,3 3,9 2,9 9,6 4,1 8,1 6,5 6,6 5 51,9

7,8 9,3 3,4 5,2 40,5 88 2 22,4 13,7 8,4

5 19,3 6,49 4 5,4

Terça – 22/11/2016

(14h às 16h)

13 6,6 3,3 19,3 20,4 13 10,2 5 6,6 9,1

6,6 4,1 4,7 5,1 5 45 63 28,7 3,1 9,1

4,7 5,8 2,9 11,5 4,6 8,5 4,1 4,8 3,5 4

146

Apêndices

APÊNDICE – C: Ofício à Diretoria de Transportes (Diretoria Geral da Administração –

DGA/UNICAMP). Solicitação de ônibus para os experimentos de gravação de sinais sonoros.

147

Apêndices

APÊNDICE D – Caracterização dos veículos usados nas simulações dos estudos piloto e

final da pesquisa.

A Tabela D.1 apresenta informações de velocidade, marcha e níveis sonoros

equivalentes (LAeq,10s) das passagens individuais dos veículos – teste usados nas simulações

do estudo piloto da pesquisa. As Figuras D.1. D.2 e D.3 mostram os gráficos dos sinais

sonoros desses veículos.

Tabela D.1 – Informações de velocidade, marcha, nível sonoro equivalente (LAeq.10s ) das passagens individuais

dos veículos – teste usados nas simulações do estudo piloto da pesquisa.

Veículo [Categoria] Nº ID Data (a)

Velocidade

[km/h]

Marcha LAeq.10s (b)

[dBA]

D0 (c)

[m]

Clio - Renault [vl]

PROJ006 23/07/15 50 3ª 61,3 (60,9)

7,5

Intruder 125 - Suzuki [mt] PROJ003 23/07/15 50 3ª 59,5 (59,0)

7,5

Toyota/ Bandeirante BJ55LP [vp] PROJ013 23/07/15 40 4ª 69,7 (70,5) 7,5

(a) Data da realização do experimento de gravação e medição acústica.

(b) Valores entre parênteses foram obtidos pelo sonômetro Bruel & Kjaer mod. 2270.

(c) D0: distância perpendicular entre ponto de gravação/ medição acústica e eixo de referência da pista de teste.

Figura D.1 – Sinal sonoro: Clio – Renault – PROJ006 [vl; 50 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.2 – Sinal sonoro: Intruder 125 – Suzuki – PROJ003 [mt; 50 km/h; 3ª marcha].

Fonte: O autor.

148

Apêndices

Figura D.3 – Sinal sonoro: Toyota – Bandeirante BJ55LP – PROJ013 [vp; 40 Km/h; 4ª marcha].

Fonte: O autor.

A Figura D.4 mostra o sinal sonoro do ciclo chegada – parada – partida de um

ônibus no ponto de parada (Ptbus-A; rua Roxo Moreira). Esse sinal foi extraído da gravação

do dia 23/09/2015. Para a seleção dessa amostra de sinal, analisou-se a ocorrência de menores

influências de passagens de outros veículos na rua durante o processo de chegada do ônibus

no Ptbus-A. A gravação ocorreu a uma distância de 9,5m do eixo do leito de parada do

ônibus. O LAeq,19s desse ciclo foi de 70,7 dBA.

Figura D.4 – Sinal sonoro: Chegada – parada – partida do ônibus no ponto de parada (Ptbus – A).

Fonte: O autor.

A Tabela D.2 apresenta informações de velocidade, marcha e nível sonoro

equivalente – contínuo (LAeq,10s) referentes as passagens individuais dos veículos – teste

usados nas simulações dos estudos finais da pesquisa. Os gráficos dos seus respectivos sinais

sonoros podem ser vistos nas Figuras D.5 a D.22.

149

Apêndices

Tabela D.2 – Informações de velocidade, marcha, nível sonoro equivalente (LAeq.10s ) das passagens individuais

dos veículos – teste usados nas simulações dos estudos finais da pesquisa.

Veículo [Categoria] Nº ID Data (a)

Velocidade

[km/h]

Marcha LAeq.10s (b)

[dBA]

D0 (c)

[m]

DUSTER – Renault [vl] PROJ079 16/10/16 45 3ª 61,5 (61,2) 7,5

DUSTER – Renault [vl] PROJ087 16/10/16 40 3ª 59,4 (59,4)

) 7,5

MARCH – Nissan [vl] PROJ101 16/10/16 45 3ª 58,0 (58,1)

7,5

MARCH – Nissan [vl] PROJ104 16/10/16 40 3ª 55,8 (56,1)

7,5

PUNTO – Fiat [vl] PROJ091 16/10/16 45 3ª 58,4 (58,7)

7,5

PUNTO – Fiat [vl] PROJ096 16/10/16 40 3ª 57,8 (58,1)

7,5

UP – Volkswagen [vl]

PROJ109 16/10/16 45 3ª 56,2 (56,5)

7,5

UP – Volkswagen [vl] PROJ114 16/10/16 40 3ª 55,2 (55,6)

( 7,5

CB300R – Honda [mt] PROJ119 16/10/16 45 3ª 61,3 (61,4)

7,5


7,5


7,5

Intruder 125 – Suzuki [mt] PROJ124 16/10/16 45 3ª 57,1 (57,3)

7,5


7,5


7,5


7,5

Toyota – Bandeirante BJ55LP [vp] PROJ013 23/07/15 40 4ª 69,7 (70,5) 7,5

Ônibus – Mercedes Benz [vp] PROJ228 02/04/17 30 4ª 67,1(d)

(67,2) 13,0

Ônibus – Mercedes Benz [vp] PROJ245 02/04/17 30 3ª 70,0(e)

(70,6)

13,0

Obs.:


(b) Valores entre parênteses foram obtidos pelo sonômetro Bruel & Kjaer mod. 2270.

(c) D0: distância perpendicular entre ponto de gravação/ medição acústica e eixo de referência da pista de teste.

(d) LAeq.10s = 69,5 dBA (Após correção para a D0 = 7,5m).

(e). LAeq.10s =72,4 dBA (Após correção para a D0 = 7,5m).

Figura D.5 – Sinal sonoro: DUSTER – Renault – PROJ079 [vl; 45 Km/h; 3ª marcha].

Fonte: O autor.

150

Apêndices

Figura D.6 – Sinal sonoro: DUSTER - Renault - PROJ087 [vl; 40 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.7 – Sinal sonoro: MARCH – Nissan – PROJ101 [vl; 45 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.8 – Sinal sonoro: MARCH – Nissan – PROJ104 [vl; 40 Km/h; 3ª marcha].

Fonte: O autor.

151

Apêndices

Figura D.9 – Sinal sonoro: PUNTO – Fiat – PROJ091 [vl; 45 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.10 – Sinal sonoro: PUNTO – Fiat – PROJ096 [vl; 40 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.11 – Sinal sonoro: UP – Volkswagen – PROJ109 [vl; 45 Km/h; 3ª marcha].

Fonte: O autor.

152

Apêndices

Figura D.12 – Sinal sonoro: UP – Volkswagen – PROJ114 [vl; 40 Km/h; 3ª marcha].

Fonte: O autor.

Figura D.13 – Sinal sonoro: CB300R – Honda – PROJ119 [mt; 45 Km/h; 3ª marcha].

Fonte: O autor.


Fonte: O autor.

153

Apêndices


Fonte: O autor.

Figura D.16 – Sinal sonoro: Intruder 125 – Suzuki – PROJ124 [mt; 45 Km/h; 3ª marcha].

Fonte: O autor.


Fonte: O autor.

154

Apêndices


Fonte: O autor.


Fonte: O autor.

Figura D.20 – Sinal sonoro: Toyota – Bandeirante BJ55LP – PROJ013 [vp; 40 Km/h; 4ª marcha].

Fonte: O autor.

155

Apêndices

Figura D.21 – Sinal sonoro: Ônibus – Mercedes Benz – PROJ228 [vp; 30 Km/h; 4ª marcha].

Fonte: O autor.

Figura D.22 – Sinal sonoro: Ônibus – Mercedes Benz – PROJ245 [vp; 30 Km/h; 3ª marcha].

Fonte: O autor.

Tabela D.3 – Informações de nível sonoro equivalente (LAeq) dos processos de desaceleração, parada e

aceleração de um ônibus em um ponto de parada hipotético usados nas simulações dos estudos finais da

pesquisa.

Veículo Nº ID Data (a)

TS(b)

[s]

TT(c)

[s]

LAeq.10s (d)

[dBA]

D0 (e)

[m]

Ônibus – Mercedes Benz – TS6

PROJ237 02/04/17 6 24 68,9 (71,3) 13,0

Ônibus – Mercedes Benz – TS6 PROJ239 02/04/17 6 24 69,2 (71,6) 13,0



Ônibus – Mercedes Benz – TS11 PROJ235 02/04/17 11 29 68,6 (71,0)

13,0


Obs.:


(b) Tempo de serviço ou parada do ônibus no ponto de parada hipotético.

(c) Tempo total do processo de desaceleração, parada e aceleração do ônibus do ponto de parada hipotético.

(d) Valores entre parênteses foram corrigidos para a distância de 7,5m.

(e) D0: distância perpendicular entre ponto de gravação/ medição acústica e eixo de referência da pista de teste.

156

Apêndices

Figura D.23 – Sinal sonoro: Ônibus – Mercedes Benz – TS6 – PROJ237 [Processo de desaceleração – parada –

aceleração no ponto de parada hipotético].

Fonte: O autor.



t – tempo(s)

Fonte: O autor.



Fonte: O autor.

DESACELERAÇÃO PARADA ACELERAÇÃO



157

Apêndices



Fonte: O autor.



Fonte: O autor.



Fonte: O autor.




158

Apêndices

APÊNDICE E – Dados coletados para etapa de validação (Ptbus – A; rua Roxo Moreira).

Tabela E.1 – Dados de tráfego e acústicos para validação - t = 3min (Ptbus – A; rua Roxo Moreira).

Dia/data/

horário Nº Qvl Qmt Qvp Qt QPtbus-A

LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

Qu

art

a-f

eira

- 2

3/0

9/2

01

5

(9h

30

min

às

11

h3

0m

in)

1 48 1 1 50 0 71,1 52,9 67,5 95,7 85,7

2 50 3 2 55 3 73,1 56,5 68,9 93,1 85,6

3 48 2 2 52 0 70,6 52,8 66,8 93,9 84,6

4 62 3 0 65 1 71,1 56,5 67,4 84,8 82,0

5 31 2 3 36 1 70,8 52,6 67,3 95,6 85,5

6 39 1 0 40 0 69,7 50,6 64,7 97,0 83,8

7 37 2 4 43 0 70,5 52,0 67,3 96,0 85,8

8 46 0 3 49 0 70,7 53,3 67,6 92,8 85,0

9 49 4 2 55 0 72,1 48,3 69,9 113,5 93,7

10 43 2 0 45 0 71,0 52,2 66,8 97,2 85,5

11 45 3 2 50 0 70,3 54,7 66,7 87,1 82,3

12 58 2 1 61 1 70,8 55,9 67,1 85,4 82,0

13 39 2 2 43 0 70,7 49,6 66,2 104,1 87,3

Qu

inta

–fe

ira

- 2

4/0

9/2

015

(1

4h

30

min

às

16

h30

min

)

14 57 3 2 62 1 72,5 57,5 70,1 87,5 85,1

15 41 8 0 49 1 71,9 51,6 67,8 102,6 88,0

16 54 3 3 60 0 71,1 55,4 67,6 88,1 83,3

17 44 2 3 49 1 71,3 54,0 68,3 93,0 85,5

18 41 4 2 47 1 71,7 55,1 67,8 91,3 84,3

19 38 0 1 39 0 70,2 50,7 67,5 98,9 87,1

20 47 4 0 51 1 71,4 52,8 67,4 97,3 86,0

21 60 2 2 64 1 70,8 58,3 67,5 78,3 80,0

22 61 0 1 62 0 71,4 55,7 68,0 88,5 83,6

23 53 3 1 57 1 70,7 54,3 67,5 89,9 83,9

24 51 2 2 55 0 70,4 52,1 67,3 95,1 85,5

25 48 2 1 51 1 70,9 54,5 66,9 90,0 83,3

26 44 4 4 52 1 72,3 56,0 70,2 91,5 86,5

27 51 1 0 52 1 71,0 55,2 67,2 88,2 82,9

28 65 2 0 67 1 72,6 57,3 70,4 88,3 85,7

29 40 6 1 47 2 71,5 52,3 70,5 99,0 89,7

Ter

ça -

fei

ra –

06

/10

/20

15

(14

h3

0m

in à

s 1

6h

30

min

)

30 54 0 3 57 0 72,0 55,7 69,6 90,9 85,9

31 54 3 1 58 3 71,9 57,5 69,4 85,2 83,8

32 52 3 2 57 1 73,0 57,1 69,1 90,9 85,0

33 44 1 1 46 0 70,3 48,5 66,6 105,8 88,4

34 65 9 0 74 0 71,1 56,2 67,6 86,0 82,6

35 44 1 3 48 1 71,9 55,7 70,2 90,4 86,4

36 39 3 2 44 1 71,8 52,5 68,2 99,8 87,5

37 48 4 0 52 1 72,5 54,4 68,6 96,7 86,6

38 44 3 2 49 0 71,5 56,6 67,4 86,2 82,3

39 51 3 1 55 0 70,8 54,6 67,2 89,3 83,3

40 54 3 0 57 0 70,8 52,6 66,6 95,3 84,8

41 53 2 2 57 0 70,7 49,5 67,0 104,4 88,2

42 62 1 2 65 0 70,6 56,2 67,4 83,8 81,8

Obs,: Qvl (fluxo de vl/3min); Qmt (fluxo de mt/3min); Qvp (fluxo de vp/3min); Qt (fluxo total/3min; QPtbus-A (fluxo

de ônibus que chega ao ponto de parada/ 3min) / TNI e LNP calculados. Continua,

159

Apêndices

Continuação

Dia/data/

horário Nº Qvl Qmt Qvp Qt QPtbus-A

LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

Qu

inta

-fei

ra –

08

/10

/201

5

(9h

30

min

às

11

h30

min

)

43 59 3 2 64 0 71,2 56,6 67,6 84,9 82,2

44 48 2 1 51 0 70,8 52,7 66,4 95,1 84,4

45 48 3 1 52 1 71,7 55,4 68,9 90,8 85,3

46 52 4 4 60 0 72,0 57,7 69,7 84,8 84,0

47 54 6 1 61 0 70,2 53,8 67,3 89,7 83,8

48 51 4 1 56 0 71,2 54,5 67,0 91,1 83,6

49 57 4 0 61 2 72,5 60,2 68,7 79,5 81,1

50 51 4 3 58 0 71,3 56,4 67,9 85,9 82,7

51 57 2 3 62 1 70,7 57,4 67,8 80,8 81,2

52 41 3 3 47 0 71,1 55,0 67,1 89,6 83,3

53 50 5 1 56 0 69,9 55,0 67,0 84,6 81,9

54 40 3 3 46 0 70,6 52,2 66,7 95,7 85,1

55 45 2 4 51 0 70,6 53,7 66,5 91,5 83,5

56 56 6 1 63 0 71,3 53,8 68,0 93,9 85,5

57 54 4 3 61 0 72,2 54,4 68,2 95,5 86,0

58 43 4 0 47 0 69,4 52,8 65,4 88,9 81,9

Média aritmética: 49 3 2 54 1 71,2 54,3 67,8 91,9 84,7

Média Logarítmica: 71,3 54,9 68,0 98,8 85,5

Obs.: Qvl (fluxo de vl/3min); Qmt (fluxo de mt/3min); Qvp (fluxo de vp/3min); Qt (fluxo total/3min; QPtbus-A

(fluxo de ônibus que chega ao ponto de parada/ 3min) / TNI e LNP calculados. Conclusão

160

Apêndices

APÊNDICE F – Dados coletados para etapa de validação (Ptbus – B; rua Dr. Buarque de

Macedo).

Tabela F.1 – Dados de tráfego e acústicos para validação - t = 3min (Ptbus – B; rua Dr. Buarque de Macedo).

Dia/data/

horário Nº Qvl Qmt Qvp Qt QPtbus-B

LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

Ter

ça-f

eira

– 1

/11

/201

6

(14

h à

s 1

6h

)

1 55 6 2 63 1 74,2 54,4 70,8 103,4 90,5

2 56 5 0 61 1 72,5 57,3 68,8 88,2 84,0

3 31 5 3 39 1 75,6 60,3 74,3 91,6 89,7

4 39 9 0 48 0 72,7 57,8 70,4 87,5 85,3

5 38 4 2 44 1 76,7 55,3 72,0 111,1 93,5

6 36 2 3 41 3 77,0 55,4 72,9 112,0 94,5

7 44 6 2 52 2 74,4 57,7 71,6 94,6 88,3

8 45 4 1 50 2 75,1 55,1 71,7 105,0 91,7

9 44 3 1 48 2 71,3 54,3 67,1 92,1 84,1

10 48 5 0 53 1 73,0 53,5 69,4 101,7 88,9

11 34 6 3 43 3 77,1 56,4 73,7 109,4 94,4

12 40 4 0 44 2 75,1 55,3 73,0 104,6 92,9

13 42 3 2 47 1 73,9 53,5 71,1 105,0 91,5

Qu

art

a-f

eira

– 9

/11

/201

6

(14

h à

s 1

6h

)

14 41 0 2 43 3 77,2 54,7 74,4 114,7 96,9

15 45 5 0 50 1 72,2 54,8 70,0 94,6 87,5

16 36 5 3 44 2 75,8 55,3 71,4 107,1 91,8

17 42 6 3 51 1 74,6 52,1 71,0 112,3 93,6

18 48 7 1 56 0 73,2 54,0 69,6 100,9 88,8

19 53 5 0 58 0 71,3 56,7 68,0 85,0 82,6

20 48 4 2 54 2 73,9 55,3 69,8 99,9 88,5

21 51 4 1 56 1 72,9 56,9 68,8 90,8 84,8

22 43 4 1 48 2 71,5 55,3 69,6 90,1 85,8

23 48 2 2 52 1 72,9 55,7 69,2 94,4 86,4

24 49 4 0 53 1 72,3 55,0 68,3 94,2 85,6

25 46 2 1 49 0 70,8 53,6 67,4 92,4 84,6

26 41 1 0 42 1 71,5 54,3 67,7 93,3 84,9

27 33 7 2 42 2 76,4 54,2 73,5 112,9 95,6

28 41 5 1 47 4 73,9 55,6 73,9 98,7 92,2

29 39 5 0 44 1 71,4 56,2 68,5 86,8 83,7

30 42 7 0 49 1 72,0 56,3 68,4 89,0 84,1

31 43 1 1 45 1 72,8 55,3 70,2 95,4 87,8

32 40 5 1 46 2 74,9 54,7 71,8 105,5 92,0

33 42 0 0 42 1 72,2 55,0 68,1 93,9 85,3

Qu

inta

-fei

ra –

17

/11

/20

16

(14

h à

s 1

6h

)

34 42 8 1 51 2 74,7 55,3 70,9 103,0 90,3

35 38 1 0 39 1 71,2 52,7 67,3 96,4 85,7

36 51 3 1 55 0 72,8 52,2 75,7 104,7 96,3

37 44 8 4 56 4 78,8 54,5 74,3 121,6 98,6

38 42 6 2 50 1 75,0 54,2 72,7 107,7 93,6

39 38 3 1 42 2 72,8 53,9 68,9 99,6 87,9

40 36 1 2 39 2 74,5 55,4 70,8 101,6 89,9

41 41 4 1 46 1 71,5 54,7 69,4 92,0 86,3

Obs,: Qvl (fluxo de vl/3min); Qmt (fluxo de mt/3min); Qvp (fluxo de vp/3min); Qt (fluxo total/3min; QPtbus-B (fluxo

de ônibus que chega ao ponto de parada/ 3min) / TNI e LNP calculados. Continua,

161

Apêndices

Continuação

Dia/data/

horário Nº Qvl Qmt Qvp Qt QPtbus-B

LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

Qu

inta

-fei

ra –

17

/11

/20

16

(14

h à

s 1

6h

)

42 48 9 1 58 1 74,4 53,4 70,6 107,2 91,6

43 45 6 2 53 0 73,0 53,4 69,1 101,8 88,7

44 41 4 2 47 0 71,6 51,9 68,1 100,7 87,8

45 35 6 1 42 1 72,2 52,2 68,6 102,3 88,7

46 39 5 3 47 0 75,1 54,2 72,4 107,9 93,3

47 50 5 0 55 1 72,1 54,7 68,6 94,4 86,0

48 35 9 1 45 3 76,1 65,5 73,8 77,9 84,4

49 39 2 0 41 1 73,3 56,0 70,1 95,1 87,4

50 38 8 1 47 3 76,0 59,6 72,1 95,0 88,4

51 40 2 1 43 0 70,5 50,3 67,6 101,0 87,7

52 36 6 3 45 0 73,4 54,7 73,7 99,3 92,4

Média aritmética: 42 5 1 48 1 73,7 55,1 70,6 99,4 89,2

Média logarítmica: 74,1 56,0 71,2 107,7 91,0

Obs.: Qvl (fluxo de vl/3min); Qmt (fluxo de mt/3min); Qvp (fluxo de vp/3min); Qt (fluxo total/3min; QPtbus-B

(fluxo de ônibus que chega ao ponto de parada/ 3min) / TNI e LNP calculados. Conclusão

162

Apêndices

APÊNDICE G - Análise de aderência entre os dados de tráfego coletados e o modelo de

Poisson (Teste estatístico “Qui_quadrado”, sob um nível de significância de 5%).

*** Rua Roxo Moreira – Ponto de ônibus “A” (Ptbus-A) ***

Variável: Fluxo de veículos leves (Qvl)

h = 0

p = 0.7228

chi2stat: 1.3266

df: 3

O: [11 10 15 11 11]

E: [10.9667 12.6925 12.9843 9.9621 9.2423]

Variável: Fluxo de motos (Qmt)

h = 0

p = 0.3903

chi2stat: 3.0085

df: 3

O: [10 15 16 11 6]

E: [12.8017 13.5762 12.9520 9.2674 9.3577]

Variável: Fluxo de veículos pesados (Qvp)

h = 0

p = 0.5096

chi2stat: 1.3483

df: 2

O: [12 16 15 15]

E: [11.2741 18.4663 15.1232 11.6380]

Variável: Fluxo total de veículos (Qt)

h = 0

p = 0.4654

chi2stat: 2.5554

df: 3

O: [9 15 11 13 10]

E: [11.7008 13.0689 12.9938 9.6893 8.6537]

Variável: Fluxo de ônibus no ponto de parada (QPtbus_A)

h = 0

p = 0.4262

chi2stat: 0.6331

df: 1

O: [34 20 4]

E: [34.5774 17.8849 5.4229]

*** Rua Dr. Buarque de Macedo – Ponto de ônibus “B” (Ptbus-B) ***

Variável: Fluxo de veículos leves (Qvl)

h = 0

p = 0.5389

chi2stat: 2.1648

df: 3

O: [5 12 16 7 12]

E: [5.4808 12.3317 13.8732 10.4049 9.4741]

Variável: Fluxo de motos (Qmt)

h = 0

p = 0.4184

chi2stat: 3.9094

df: 4

O: [11 4 9 11 8 9]

E: [8.6940 8.6041 9.8037 8.9365 6.7883 8.2130]

Variável: Fluxo de veículos pesados (Qvp)

h = 0

p = 0.8828

chi2stat: 0.2494

df: 2

O: [14 18 12 8]

E: [14.3361 18.4715 11.8999 6.7572]

Variável: Fluxo total de veículos (Qt)

h = 0

p = 0.0874

chi2stat: 4.8736

df: 2

O: [20 10 7 15]

E: [16.2139 13.6202 10.8263 10.7557]

163

Apêndices

Variável: Fluxo de ônibus no ponto de parada (QPtbus_B)

h = 0

p = 0.3328

chi2stat: 2.2006

df: 2

O: [10 23 12 7]

E: [13.5324 18.2167 12.2613 7.3534]

164

Apêndices

APÊNDICE H - Código principal do modelo computacional (Matlab).

clc

clear all

close all

tic

% Estabelece nova semente do gerador de número aleatório.

rng ('shuffle');

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Fluxo médio de veículos por hora [veic/hora]

vl = 996 ;

mt = 55 ;

vp = 47;

% Fluxo médio de veículos por segundo [veic/segundo]

Pvl = vl/3600; %Probabilidade de sucesso (evento: passagem de vl)

Pmt = mt/3600; %Probabilidade de sucesso (evento: passagem de moto)

Pvp = vp/3600; %Probabilidade de sucesso (evento: passagem de vp)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Intervalo de tempo médio entre chegadas de ônibus (em segundos)

TCbus = 360;

% Probabilidade de chegada de ônibus no ponto de parada

Pbus = 1/TCbus;

% Sinais de áudio gravados (Veículos - Fontes de ruído)

%%%%%%%%%%%%%%%%%% Veículo leve – vl %%%%%%%%%%%%%%%%%%%%%%%%%%%

[svl1,fs] = audioread ('DUSTER – Renault – PROJ079.wav');

% LAeq,10s = 61,5 dBA; d01 = 7,5m; vel = 45km/h; 3ªmarcha

[svl2,fs] = audioread ('DUSTER – Renault – PROJ087.wav');


[svl3,fs] = audioread ('MARCH – Nissan – PROJ101.wav');


[svl4,fs] = audioread ('MARCH – Nissan – PROJ104.wav');


[svl5,fs] = audioread ('PUNTO – Fiat – PROJ091.wav');


[svl6,fs] = audioread('PUNTO – Fiat – PROJ096.wav');


[svl7,fs] = audioread ('UP – Volkswagen – PROJ109.wav');


[svl8,fs] = audioread ('UP – Volkswagen – PROJ114.wav');


165

Apêndices

%%%%%%%%%%%%%%%%%%%% Moto - mt %%%%%%%%%%%%%%%%%%%%%%%%%%%

[smt1,fs] = audioread ('CB300R – Honda – PROJ119.wav');








[smt5,fs] = audioread ('Intruder 125 – Suzuki – PROJ124.wav');


[smt6,fs] = audioread('Intruder 125 – Suzuki – PROJ129.wav');






%%%%%%%%%%%%%%%%%%%% Veículo pesado – vp %%%%%%%%%%%%%%%%%%%%%%%

[svp1,fs] = audioread ('Toyota – Bandeirante BJ55LP – PROJ013.wav');

% LAeq,10s = 69,7 dBA; d01 = 7,5m; vel = 40km/h; 4ª marcha

[svp2,fs] = audioread ('Ônibus – Mercedes Benz – PROJ228.wav');


[svp3,fs] = audioread ('Ônibus – Mercedes Benz – PROJ245.wav');


%%%%%%% Sinal de áudio de ônibus no ponto de parada - bus (chegada - parada – partida) %%%%%%%

[sbus1,fs] = audioread ('Ônibus – Mercedes Benz – TS6 – PROJ237.wav');

% Ts = 6s; LAeq,24s = 68,9 dBA; d02 = 13,0m; Tempo do ciclo = 24s





[sbus4,fs] = audioread('Ônibus – Mercedes Benz – TS11 – PROJ234.wav');


[sbus5,fs] = audioread('Ônibus – Mercedes Benz – TS11 – PROJ235.wav');




166

Apêndices

%%%%%%%%%%%%%%%%%%% Sinal de áudio do ruído residual da rua %%%%%%%%%%%%%%%

% Composição de fragmentos extraídos do sinal gravado na Rua _ Objeto de estudo

[RF,fs] = audioread ('RUIDO DE FUNDO_Rua Roxo Moreira.wav');

% Calibração do Ruído residual gravado na Rua _Objeto de estudo (calibração: P = 1Pa, Lp=94 dB, f=1kHz).

RF = 3.3231*RF';

% Correção do sinal sonoro em função da distância (Fonte linear)

d01 = 7.5; % Distância 1 do ponto de medição ao eixo da pista de teste (m)

d02 = 13; % Distância 2 do ponto de medição ao eixo da pista de teste (m)

d1 = 5; % Distância do ponto de referência ao eixo da pista _ objeto de estudo (m)

d2 = 9.5; % Distância do ponto de referência ao eixo do ponto de parada_ objeto de estudo (m)

% Veículo leve

svl1 = svl1*sqrt(d01/d1);








% Moto

smt1 = smt1*sqrt(d01/d1);








% Veículo pesado

svp1 = svp1*sqrt(d01/d1);



% Bus - Ponto de ônibus

sbus1 = sbus1*sqrt(d02/d2);






% Matrizes de áudios (veículos)

svl = [svl1';svl2';svl3';svl4';svl5';svl6';svl7';svl8'];

smt = [smt1';smt2';smt3';smt4';smt5';smt6';smt7';smt8'];

svp = [svp1';svp2';svp3'];

% Sinais de áudio dos ônibus chegando ao ponto de parada

sbus1 = sbus1';

sbus2 = sbus2';

sbus3 = sbus3';

sbus4 = sbus4';

sbus5 = sbus5';

sbus6 = sbus6';

167

Apêndices

% Número de simulações

n = 58;

% Criação dos vetores das variáveis de tráfego

q_vl = zeros(1,n);

q_mt = zeros(1,n);

q_vp = zeros(1,n);

q_bus = zeros(1,n);

% Inicialização da variável acréscimo em dBA (Correção devido a reflexão nas fachadas opostas da rua)

deltarefl_dB = zeros(1,n);

for j = 1 : n

sumvl = 0;

summt = 0;

sumvp = 0;

sumbus = 0;

% Dados iniciais de simulação

fs = 44100;

TempoDeSimulacao = 180;

DuracaoDoEvento1 = 10; %Tempo de passagem de veículos no fluxo.

DuracaoDoEvento2 = 24; %Tempo do evento _ Bus no ponto (Chegada - parada - partida) – TS : 6s

DuracaoDoEvento3 = 29; %Tempo do evento _ Bus no ponto (Chegada - parada - partida) – TS : 11s

DuracaoDoEvento4 = 35; %Tempo do evento _ Bus no ponto (Chegada - parada - partida) – TS: 17s

sinal_1 = zeros(1,(TempoDeSimulacao+DuracaoDoEvento1)*fs);




% Inicialização do vetor para receber os diferentes tipos de veículos leves

vetortipo_vl = zeros(1,TempoDeSimulacao);

% Inicialização do vetor para receber os diferentes tipos de motos

vetortipo_mt = zeros(1,TempoDeSimulacao);

% Inicialização do vetor para receber os diferentes tipos de veículos pesados

vetortipo_vp = zeros(1,TempoDeSimulacao);

% Inicialização do vetor para receber os diferentes tipos de ônibus

vetortipo_bus = zeros(1,TempoDeSimulacao);

for k = 1:TempoDeSimulacao,

i = 1+(k-1)*fs;

ovl = (rand(1,1)<Pvl);

omt = (rand(1,1)<Pmt);

ovp = (rand(1,1)<Pvp);

obus = (rand(1,1)<Pbus);

if (ovl),

sumvl = sumvl + ovl;

probvl = [1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8];

tipo_vl = sorteio(probvl);

vetortipo_vl (1,k) = vetortipo_vl(1,k) + tipo_vl;

sinal_1(i:i+DuracaoDoEvento1*fs-1) = sinal_1(i:i+DuracaoDoEvento1*fs-1) + svl(tipo_vl,:);

end,

Obs.: Nas situações com presença de

semáforo, deve-se substituir esse módulo pelo

apresentado no APÊNDICE I

168

Apêndices

if (omt)

summt = summt + omt;

probmt = [1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8];

tipo_mt = sorteio(probmt);

vetortipo_mt (1,k) = vetortipo_mt(1,k) + tipo_mt;

sinal_1(i:i+DuracaoDoEvento1*fs-1) = sinal_1(i:i+DuracaoDoEvento1*fs-1) + smt(tipo_mt,:);

end,

if (ovp),

sumvp = sumvp + ovp;

probvp = [1/3 1/3 1/3];

tipo_vp = sorteio(probvp);

vetortipo_vp (1,k) = vetortipo_vp(1,k) + tipo_vp;

sinal_1(i:i+DuracaoDoEvento1*fs-1) = sinal_1(i:i+DuracaoDoEvento1*fs-1) + svp(tipo_vp,:);

end,

if(obus),

sumbus = sumbus + obus;

probbus = [1/8 1/8 1/6 1/6 1/6 1/4];

tipo_bus = sorteio(probbus);

vetortipo_bus (1,k) = vetortipo_bus(1,k) + tipo_bus;

switch tipo_bus

case 1

sinal_2(i:i+DuracaoDoEvento2*fs-1) = sinal_2(i:i+DuracaoDoEvento2*fs-1) + sbus1;

case 2


case 3


case 4


case 5


case 6


end

end,

end

% Quantitativos _Dados de tráfego simulados

q_vl(1,j) = q_vl(1,j) + sumvl;

q_vp(1,j) = q_vp(1,j) + sumvp;

q_mt(1,j) = q_mt(1,j) + summt;

q_bus(1,j) = q_bus(1,j) + sumbus;

q_fluxototal = q_vl + q_vp + q_mt;

% Sinal sonoro (Ruído simulado)

dist = 40; % Distância entre fachadas opostas (m)

c = 345; % Velocidade do som no ar (m/s)

delay = round((dist/c).*fs); % Delay em função da 1ª reflexão do ruído nas fachadas.

sinal_1 = sinal_1(1:TempoDeSimulacao*fs+delay);




sinal = sinal_1 + sinal_2 + sinal_3 + sinal_4;

169

Apêndices

% Consideração da 1ª reflexão sonora nas fachadas (alfa médio = 0)

Alfa_medio = 0; % Valor do coeficiente de reflexão.

% Sinal das passagens dos veículos com reflexão

sinal_final = sinal(1:end-delay+1) + (Alfa_medio)*sinal(delay:end);

% Ruído residual

sinal_5 = RF(1:length(sinal_final));

% Sinal geral

sinalGeralsemrefl = sinal(1:end-delay+1) + sinal_5; % Sinal geral sem reflexão das fachadas

sinalGeral = sinal_final + sinal_5; % Sinal geral

sinalGeraln = sinalGeral./norm(sbus3); % Sinal geral normalizado

% Contribuição da reflexão em dB

b1 = 10.*log10(sum(sinalGeral.^2));

b2 = 10.*log10(sum(sinalGeralsemrefl.^2));

deltarefl_dB(1,j) = deltarefl_dB(1,j)+ (b1-b2);

Crefl_dB = 10.*log10(mean(10.^(.1*deltarefl_dB)));

%Filtro de Compensação A

f1 = 20.598997;

f2 = 107.65265;

f3 = 737.86223;

f4 = 12194.217;

A1000 = 1.9997;

NUMs = [(2*pi*f4)^2*(10^(A1000/20)) 0 0 0 0];

DENs = conv([1 +4*pi*f4 (2*pi*f4)^2],[1 +4*pi*f1 (2*pi*f1)^2]);

DENs = conv(conv(DENs,[1 2*pi*f3]),[1 2*pi*f2]);

[B,A] = bilinear(NUMs,DENs,fs);

filtroA = filter(B,A,sinalGeral);

% Cálculo do LAp

pref = 2*10^-5;

p = [];

m = 1;

for i = 5513:5513:length(filtroA),

p(m) = sqrt(mean(filtroA(i-5512:i).^2));

m = m+1;

end

LAp = 10*log10(p.^2*(1/pref^2));

% Cálculo do LAeq

LAeq = 10*log10(mean(10.^(0.1*LAp)));

% Cálculo do LA10, LA90

LA10 = prctile(LAp,90);

LA90 = prctile(LAp,10);

% Cálculo do LNP e TNI

LNP = LAeq + (LA10 - LA90);

TNI = 4.*(LA10 - LA90) + LA90 - 30;

% Matrizes – célula das variáveis acústicas

m_LAeq{1,j} = LAeq;

m_LA10{1,j} = LA10;

m_LA90{1,j} = LA90;

m_TNI{1,j} = TNI;

m_LNP{1,j} = LNP;

end

170

Apêndices

% Conversão matriz em vetor

q_LAeq = round(cell2mat(m_LAeq)*10)/10;

q_LA10 = round(cell2mat(m_LA10)*10)/10;

q_LA90 = round(cell2mat(m_LA90)*10)/10;

q_TNI = round(cell2mat(m_TNI)*10)/10;

q_LNP = round(cell2mat(m_LNP)*10)/10;

% Tabela final dos dados de tráfego e acústicos

Tab_simul = [q_vl' q_mt' q_vp' q_fluxototal' q_bus' q_LA10' q_LA90' q_LAeq' q_TNI' q_LNP' deltarefl_dB'];

toc

171

Apêndices

APÊNDICE I – Módulo para inserção do semáforo no código principal do modelo

computacional (Matlab).

(...)

% Dados do módulo do semáforo

TempoDoSemaforo = 30;

(...)

aux = floor((k-1)/TempoDoSemaforo);

if mod(aux,2) = = 0, % Semáforo - sinal verde

ovl = (rand(1,1) < Pvl *1.725);

omt = (rand(1,1) < Pmt *1.725);

ovp = (rand(1,1) < Pvp *1.725);

obus = (rand(1,1) < Pbus*2);

else % Semáforo - sinal vermelho

ovl = (rand(1,1) < Pvl *.275);

omt = (rand(1,1) < Pmt *.275);

ovp = (rand(1,1) < Pvp *.275);

obus = (rand(1,1) < Pbus*0);

end

(...)

172

Apêndices

APÊNDICE J – Função “sorteio.m” – gerador de número aleatório (Matlab).

function [s] = sorteio (p)

% p = vetor probabilidade de ocorrência para cada evento (Tipo de veículo: vl, mt, vp e “bus”)

for i = 1: length (p),

F(i) = sum (p (1 : i) ); % Função densidade de probabilidade acumulada (CDF)

end,

x = rand (1,1); % Gera um número pseudoaleatório entre 0 e 1 (dist. uniforme)

pos = find( (x-F) < 0 );

s = pos (1);

end

173

Apêndices

APÊNDICE L - Gráficos de ruídos simulados pelo modelo computacional e para verificação

das entradas aleatórias dos veículos na simulação.

Figura L.1 – Gráfico do ruído simulado da rua Roxo Moreira

(Tempo de simulação = 180s).

Fonte: O autor.

Figura L.2 – Gráfico para verificação das entradas de veículos no fluxo de tráfego e de chegadas de ônibus no

ponto de parada - Exemplo de simulação (Rua Roxo Moreira).

Fonte: O autor.

Tempo (s)

S(t

)

Tempo (s)

174

Apêndices

Figura L.3 – Gráfico do ruído simulado da rua Dr. Buarque de Macedo

(Tempo de simulação = 180s).

Fonte: O autor.

Figura L.4 – Gráfico para verificação das entradas de veículos no fluxo de tráfego e de chegadas de ônibus no

ponto de parada - Exemplo de simulação (Rua Dr. Buarque de Macedo).

Fonte: O autor.

Tempo (s)

S(t

)

Sinal verde Sinal vermelho Tempo (s)

175

Apêndices

APÊNDICE M - Modelo do Termo de Consentimento Livre Esclarecido – TCLE utilizado

nas avaliações subjetivas auditivas (Teste de júri).

176

Apêndices

177

Apêndices

APÊNDICE N – Resultados do teste t de Student entre variáveis acústicas simuladas e

medidas (Ptbus – A; rua Roxo Moreira).

Descritor acústico: LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA] LNP [dBA]


Teste t - Student: Simulação 1



p-value 0,2749 0,3331 0,7288 0,8395 0,7464

t - Student -1,0972 -0,9720 0,3476 0,2030 0,3242

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98




p-value 0,6111 0,5216 0,1359 0,6000 0,1552

t - Student 0,5100 -0,6429 1,5020 0,5259 1,4310

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98



Grau de liberdade (g.l) 114 114 114 114 114

p-value 0,9332 0,5857 0,2537 0,8100 0,4665

t - Student 0,0840 -0,5466 1,1472 0,2410 0,7306

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98




p-value 0,8176 0,0917 0,2310 0,6668 0,1716

t - Student 0,2312 -1,7010 1,2041 0,4316 1,3758

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98




p-value 0,7562 0,0289 0,2831 0,1919 0,0399

t - Student -0,3112 -2,2128 1,0784 1,3127 2,0785

t (crítico) ± 1,98 ± 1,98 ± 1,98 ± 1,98 ± 1,98

* Valores médios calculados a partir da média logarítmica.

178

Apêndices

APÊNDICE O – Resultados numéricos das simulações – Análise de sensibilidade (Ptbus –

A; rua Roxo Moreira).

Tabela O.1 – Valores médios dos dados de tráfego e acústicos para a rua Roxo Moreira (vp ≠ 0; tempo de

simulação = 900s; 20 simulações independentes).

Cenário β Qvl Qmt Qvp Qt QPtbus_A LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

(A1)

Qrelat: =1,00

β1: 180s 254 12 12 278 6 72,0 55,8 68,4 91,8 84,7

β2: 360s 249 14 12 275 2 71,1 55,4 67,9 89,9 83,8

β3: 720s 247 12 12 271 1 70,7 55,2 67,6 88,1 83,3

(A2)

Qrelat.= 0,75

β1: 180s 189 10 8 207 4 70,3 52,9 67,1 94,0 84,7

β2: 360s 190 10 9 209 3 69,8 52,6 66,8 92,8 84,2

β3: 720s 186 11 9 206 1 69,4 52,3 66,4 91,6 83,6

(A3)

Qrelat.= 0,50

β1: 180s 128 7 6 141 5 69,5 51,2 66,2 96,1 84,7

β2: 360s 124 7 6 137 3 68,3 50,7 65,4 92,6 83,2

β3: 720 125 7 7 139 1 68,2 50,8 65,2 92,0 82,8

(A4)

Qrelat.= 0,25

β1: 180s 62 4 3 69 5 67,2 49,6 64,6 91,7 82,4

β2: 360s 62 4 3 69 3 66,3 49,4 63,7 88,1 80,8

β3: 720s 65 3 2 70 1 65,4 49,4 62,4 84,5 78,7

(A5)

Qrelat.= 0,125

β1: 180s 32 1 1 35 5 65,1 48,8 63,1 86,1 79,7

β2: 360s 30 2 2 34 3 64,1 48,8 62,0 81,6 77,7

β3: 720s 32 2 1 35 1 63,2 48,7 60,6 77,9 75,4

Tabela O.2 – Valores médios dos dados de tráfego e acústicos para a rua Roxo Moreira, desconsiderando-se

hipoteticamente as passagens de veículos pesados (vp = 0; tempo de simulação = 900s; 20 simulações

independentes).

Cenário β Qvl Qmt Qvp Qt QPtbus_A LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

(A1)

Qrelat: =1,00

β1: 180s 254 15 0 269 7 69,8 55,6 67,0 84,0 81,5

β2: 360s 248 13 0 261 3 68,9 54,7 65,8 82,2 80,2

β3: 720s 249 14 0 263 1 68,5 54,5 65,1 81,2 79,2

(A2)

Qrelat.= 0,75

β1: 180s 188 11 0 199 5 68,9 52,6 65,9 88,6 82,3

β2: 360s 186 10 0 196 2 68,0 52,2 64,7 85,9 80,6

β3: 720s 190 10 0 200 1 67,7 52,3 64,3 84,3 79,7

(A3)

Qrelat.= 0,50

β1: 180s 125 7 0 132 5 67,9 50,8 64,8 90,7 82,0

β2: 360s 127 7 0 134 3 67,0 50,8 63,8 86,6 80,2

β3:720s 120 6 0 126 1 66,4 50,5 62,7 84,4 78,7

(A4)

Qrelat.= 0,25

β : 180s 61 4 0 65 5 66,3 49,4 63,7 88,3 80,8

β2: 360s 61 3 0 64 3 65,1 49,2 61,8 83,1 77,8

β3: 720s 62 4 0 66 1 64,8 49,2 60,9 81,7 76,5

(A5)

Qrelat.= 0,125

β1: 180s 33 2 0 35 6 65,7 48,9 63,5 88,3 80,6

β2: 360s 30 1 0 31 3 63,8 48,8 61,4 79,8 76,7

β3: 720s 32 1 0 33 1 62,7 48,7 59,4 75,8 73,7

179

Apêndices

APÊNDICE P – Resultados do teste t de Student entre variáveis acústicas simuladas e

medidas (Ptbus – B; rua Dr. Buarque de Macedo).

Descritor acústico: LA10 [dBA] LA90 [dBA] LAeq [dBA] TNI [dBA] LNP [dBA]





p-value 0,1663 0,3715 0,4090 0,2862 0,9934

t - Student -1,4048 0,9017 0,8326 -1,0781 -0,0083

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00




p-value 0,2384 0,3562 0,4058 0,1478 0,7967

t - Student -1,1932 0,9313 0,8384 -1,4702 -0,2591

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00




p-value 0,5849 0,2685 0,2827 0,2059 0,9542

t - Student -0,5498 1,1190 1,0860 -1,2817 0,0578

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00




p-value 0,1560 0,2303 0,7066 0,1368 0,4701

t - Student -1,4405 1,2145 0,3786 -1,5120 -0,7278

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00




p-value 0,0300 0,3193 0,9517 0,1938 0,2011

t - Student -2,2338 1,0058 -0,0609 -1,3172 -1,2954

t (crítico) ± 2,00 ± 2,00 ± 2,00 ± 2,00 ± 2,00

* Valores médios calculados a partir da média logarítmica.

180

Apêndices

APÊNDICE Q - Resultados numéricos das simulações - Análise de sensibilidade (Ptbus – B;

rua Dr. Buarque de Macedo).

Tabela Q.1 – Valores médios dos dados de tráfego e acústicos para a rua Dr. Buarque de Macedo (vp ≠ 0;

tempo de simulação = 900s; 20 simulações independentes).

Cenário β Qvl Qmt Qvp Qt QPtbus_B LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

(CB1)

Qrelat: =1,00

β1: 180s 175 18 7 200 5 73,6 53,4 70,2 105,0

0

90,5

β2: 360s 183 17 7 207 3 72,8 53,5 69,6 101,4 89,0

β3: 720s 179 19 6 243 1 72,2 53,1 68,9 99,8 88,0

(CB2)

Qrelat.= 0,75

β1: 180s 136 13 4 153 6 72,7 52,9 69,5 104,2

0000

00

89,6

β2: 360s 134 14 5 153 3 72,0 52,7 68,7 100,7

0000

0000

00

88,1

β3: 720s 129 14 5 148 1 71,3 52,7 67,9 98,0 86,7

(CB3)

Qrelat.= 0,50

β1: 180s 89 10 3 102 5 71,3 52,3 68,3 100,2

000

0000

000

87,6

β2: 360s 90 9 2 101 2 70,0 52,1 66,8 94,4 84,8

β3: 720s 88 10 3 101 1 69,8 52,0 66,5 93,5 84,4

(CB4)

Qrelat.= 0,25

β1: 180s 44 4 1 49 5 69,7 51,7 67,2 96,4 85,6

β2: 360s 43 4 2 49 2 68,0 51,7 65,6 87,8 82,1

β3: 720s 42 5 1 48 1 67 51,7 64,1 85,0 79,9

(CB5)

Qrelat.= 0,125

β1: 180s 21 3 1 25 5 68,5 51,6 66,7 96,4 84,5

β2: 360s 22 2 1 25 3 66,8 51,5 65,1 85,0 80,8

β3: 720s 24 2 1 27 1 65,3 51,5 63,2 78,4 77,3

Tabela Q.2 – Valores médios dos dados de tráfego e acústicos para a rua Dr. Buarque de Macedo,

desconsiderando-se hipoteticamente as passagens de veículos pesados (vp = 0; Tempo de simulação = 900s; 20

simulações independentes).

Cenário β Qvl Qmt Qvp Qt QPtbus_B LA10

[dBA]

LA90

[dBA]

LAeq

[dBA]

TNI

[dBA]

LNP

[dBA]

(CB1)

Qrelat: =1,00

β1: 180s 178 19 0 197 5 72,4 53,4 69,1 99,8 88,2

β2: 360s 176 18 0 194 3 71,7 53,4 68,1 97,1 86,5

β3: 720s 178 18 0 196 1 71,2 53,1 67,2 95,6 85,3

(CB2)

Qrelat.= 0,75

β1: 180s 133 14 0 147 4 71,4 52,9 68,1 97,2 86,7

β2: 360s 133 14 0 147 2 70,7 52,7 67,1 95,0 85,1

β3: 720s 130 13 0 143 1 70,2 52,6 66,2 93,4 83,9

(CB3)

Qrelat.= 0,50

β1: 180s 91 9 0 100 5 70,5 52,2 67,5 96,2 86,0

β2: 360s 88 9 0 97 2 69,5 52,0 66,1 92,3 83,7

β3: 720s 89 9 0 98 1 69,0 52,1 64,9 90,3 81,9

(CB4)

Qrelat.= 0,25

β1: 180s 45 3 0 48 5 69,2 51,7 66,9 93,9 84,7

β2: 360s 43 5 0 48 2 67,4 51,7 64,3 85,5 80,3

β3: 720s 41 4 0 45 2 67,0 51,7 63,7 83,9 79,3

(CB5)

Qrelat.= 0,125

β1: 180s 21 3 0 24 5 68,3 51,6 66,3 93,9 83,8

β2: 360s 22 2 0 24 2 65,3 51,5 63,1 78,6 77,3

β3: 720s 21 2 0 23 1 63,7 51,5 61,6 74,4 74,5

MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO DA INFLUÊNCIA...

Documents

Transcript of MODELO PROBABILÍSTICO PARA INVESTIGAÇÃO DA INFLUÊNCIA...