Melhorando a Simulação de Bicicletas do SUMO para um Comportamento de Ciclismo Realista

Pra incentivar mais gente a andar de bike, reduzir o trânsito de carros, diminuir as emissões de carbono e promover um estilo de vida mais saudável, as cidades precisam mudar a forma como planejam e constroem sua infraestrutura. Os planejadores de tráfego estão usando ferramentas de simulação como o SUMO, que ajudam a analisar os efeitos de mudanças antes de serem feitas na vida real. Mas o jeito que as bikes são modeladas no SUMO não é muito preciso. No SUMO, os Ciclistas se comportam como carros lentos ou pedestres rápidos, resultando em Dados pouco confiáveis ao estudar o tráfego de bicicletas.

Esse artigo explora como tornar o modelo de ciclistas no SUMO mais realista usando dados de passeios reais. Analisamos comportamentos chave dos ciclistas, como Aceleração, Desaceleração e como viram à esquerda nas interseções. O objetivo é melhorar a simulação de ciclistas no SUMO e fornecer modelos melhores para diferentes tipos de ciclistas.

#A Importância de Andar de Bike

Andar de bike traz muitos benefícios, como melhorar a saúde, reduzir engarrafamentos e diminuir os níveis de poluição. Mas os ciclistas frequentemente enfrentam infraestruturas que priorizam os carros, o que pode deixá-los inseguros e influenciar suas escolhas de rotas. Melhorar essa infraestrutura requer um planejamento significativo por parte dos oficiais e engenheiros da cidade. Simulações de tráfego de bicicletas podem ajudar a avaliar o quão bem novos planos acomodam ciclistas e pedestres.

#Desafios na Simulação Atual de Bicicletas

O SUMO permite uma simulação detalhada de veículos variados, incluindo carros e bicicletas, mas o modelo atual para ciclistas falta realismo. Estudos mostraram que melhorias foram feitas, mas os ciclistas ainda não se comportam de maneira realista. Até pouco tempo, não havia dados suficientes do mundo real sobre como os ciclistas agem em várias situações. Sorte que projetos como o SimRa conseguiram reunir muitos dados sobre passeios de bike, que podemos usar pra melhorar o modelo de ciclistas do SUMO.

#Analisando o Comportamento dos Ciclistas

Analisamos dados do projeto SimRa, que coleta passeios de ciclistas usando um app. Esse dataset contém informações sobre aceleração, desaceleração, velocidades e comportamentos de viradas em interseções, o que nos permite criar um modelo de ciclistas mais preciso no SUMO.

#Coleta de Dados

O projeto SimRa começou em 2019 e usa um método de crowdsourcing pra coletar dados. Os ciclistas gravam seus passeios usando um app de smartphone, que coleta dados de GPS e informações do sensor de movimento. O projeto já acumulou quase 90.000 passeios, com muitos deles na Alemanha, especialmente em Berlim.

#Limpeza de Dados

Pra garantir a qualidade dos dados, filtramos passeios que têm imprecisões causadas por problemas de desempenho do sensor ou outras questões. Depois da limpeza, analisamos 55.175 passeios do dataset SimRa, focando nos comportamentos principais dos ciclistas.

#Categorizar Ciclistas

Pra entender os diferentes tipos de ciclistas, os categorizamos com base na velocidade média. Os passeios são divididos em três grupos:

• Ciclistas lentos: velocidade média de até 13,5 km/h.
• Ciclistas médios: velocidade média entre 13,5 km/h e 17,9 km/h.
• Ciclistas rápidos: velocidade média acima de 17,9 km/h.

Essa categorização permite que a gente adapte nossos modelos de simulação baseado nos comportamentos únicos de cada grupo.

#Aceleração e Desaceleração dos Ciclistas

A gente se aprofunda em como os ciclistas aceleram e desaceleram examinando os comportamentos de aceleração e desaceleração do dataset. Nossa análise mostra que os padrões de aceleração e desaceleração nos dados do mundo real diferem bastante do que o SUMO usa atualmente. Por exemplo, o modelo padrão no SUMO assume uma taxa máxima de aceleração fixa de 1,2 m/s², enquanto nossos dados revelam uma variação muito maior.

#Análise de Velocidade

Ao avaliar a velocidade máxima dos ciclistas do dataset SimRa, percebemos que as configurações padrão do SUMO não representam bem os ciclistas do mundo real. A velocidade máxima média no SUMO é de 5,56 m/s, mas nossos dados mostram que muitos passeios ultrapassam essa velocidade.

#Comportamento de Virada à Esquerda nas Interseções

Como os ciclistas viram à esquerda nas interseções é essencial pra melhorar a segurança no tráfego. Analisamos o comportamento de virada à esquerda dos ciclistas em várias interseções de quatro vias. O modelo do SUMO atualmente oferece uma abordagem simplista que não reflete com precisão como os ciclistas navegam em interseções reais.

Nosso levantamento observa dois caminhos principais de virada à esquerda para ciclistas: direto e indireto. Os ciclistas frequentemente escolhem caminhos indiretos pra evitar o tráfego de carros, um comportamento que não é representado no modelo do SUMO. Ao desenvolver um novo modelo de interseção, podemos replicar melhor esses comportamentos nas simulações.

#Melhorando o Modelo de Bicicletas do SUMO

Depois de analisar os dados, propomos uma série de melhorias na simulação de bicicletas do SUMO. Nossas melhorias envolvem ajustar os parâmetros de aceleração, desaceleração e velocidades máximas baseados nos comportamentos que observamos no dataset SimRa. Além disso, criamos modelos separados para ciclistas lentos, médios e rápidos pra capturar melhor as características únicas deles.

#Novas Funcionalidades do Modelo

1. Parâmetros Longitudinais Ajustados: Usando dados do mundo real, trocamos valores fixos por distribuições teóricas pra parâmetros cinemáticos, permitindo que o modelo responda de forma mais realista a diferentes comportamentos de ciclismo.

2. Modelo de Interseção: Introduzimos um novo modelo para comportamentos de virada à esquerda nas interseções, que reflete melhor como os ciclistas respondem a condições específicas de tráfego.

3. Variabilidade do Grupo de Ciclistas: Com nossos novos modelos, conseguimos simular tipos distintos de ciclistas com base na velocidade média e comportamentos em várias situações.

#Avaliação dos Novos Modelos

Pra avaliar a eficácia dos nossos novos modelos, comparamos eles com o modelo padrão de bicicletas do SUMO usando cenários de tráfego específicos em ambientes urbanos. Ao focar em cenários que representam condições de tráfego realistas, conseguimos medir melhorias em termos de aceleração, desaceleração, velocidade e comportamento de virada à esquerda.

#Visão Geral dos Resultados

Nossa avaliação revela que nossos novos modelos de ciclistas superam significativamente o modelo padrão do SUMO em várias métricas. Observamos que os comportamentos de aceleração e desaceleração são muito mais variados entre os ciclistas usando nossas abordagens, alinhando-se de perto com os dados de passeios do mundo real.

Além disso, nosso modelo de interseção permite uma simulação mais realista das manobras de virada à esquerda, mostrando uma precisão melhor quando comparado ao padrão do SUMO.

#Conclusão

Esse trabalho mostra que usar dados do mundo real pra melhorar o modelo de bicicletas no SUMO pode aprimorar as simulações do comportamento dos ciclistas. Ao analisar as características dos ciclistas e ajustar os parâmetros do SUMO de acordo, conseguimos representar melhor como os ciclistas interagem com o tráfego e navegam em ambientes urbanos.

Embora nossos novos modelos não sejam perfeitos, eles representam um passo significativo pra simular corretamente o comportamento das bicicletas. Pesquisas futuras vão se concentrar em refinar esses modelos e abordar limitações nos nossos dados e metodologia. Melhorar a simulação de tráfego de bicicletas é crucial pra planejadores urbanos que buscam criar uma infraestrutura mais acolhedora e segura pra ciclistas.