XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados Luz Delicia Castillo Villalobos (CEFET-PR) [email protected] Resumo O objetivo do presente trabalho é apresentar um método alternativo no controle da quantidade de poluição emitida no ambiente urbano, como conseqüência do tráfego de veículos. A metodologia apresentada utiliza como ferramenta de previsão as probabilidades. As probabilidades foram construídas a partir da “freqüência” dos acontecimentos, dando condições de fazer previsões considerando efeitos de fatores que não são possíveis de ser controlados como, por exemplo, os efeitos provocados pela estrutura e composição física da área observada. A aplicação do presente trabalho tem como objetivo mostrar o procedimento de como se aplica o método proposto. Palavras-chave: Poluição, Tráfego, Probabilidades. 1. Introdução A intenção do presente trabalho é desenvolver uma metodologia que permita prever a quantidade de poluentes emitidos pelo fluxo de veículos motorizados que passam por um determinado ponto de uma via. A previsão desses níveis de poluição orientará ao planejador do tráfego da cidade a detectar os problemas de poluição de maneira simplificada e formular soluções para minimizar os efeitos negativos, melhorando a qualidade de vida da população. As quantidades de poluição emitidas serão medidas em quantidades de monóxido de carbono (CO). A escolha da concentração de monóxido de carbono para representar a quantidade de poluição emitida em uma determinada região, deve-se a importância que este tipo de poluente tem para a qualidade do ar urbano e, também, pelas características inerentes a ele conforme é mostrado a seguir: é emitida por todos os veículos motorizados, sua emissão apresenta forte correlação com os regimes de operação do tráfego e em áreas urbanas sua principal fonte de emissão é de origem veicular e pode ser usado como um indicador dos níveis de poluição atmosférica causada por outro tipo de poluentes (ex: hidrocarbonetos e chumbo) (FREITAS, 1991). A metodologia utiliza as probabilidades como ferramenta de previsão, permitindo estabelecer uma relação entre quantidade de veículos e a quantidade de CO emitido no ponto observado da via. Uma característica importante das probabilidades é, que, ela se construí a partir da “freqüência” dos acontecimentos, possibilitando detectar efeitos de outros fatores que não são possíveis de controlar, portanto, para aplicação desta metodologia, é importante manter registros permanentes de dados sobre quantidade de veículos e quantidade de CO, para poder obter resultados satisfatórios nas previsões. Estes registros devem ser feitos para cada região considerada crítica, já que em cada uma delas a quantidade de CO emitida pelos veículos motorizados é diferente. Esta deferência está ligada às características do local pesquisado, como, por exemplo, vias com aclives e declives, provocando maior e menor aceleração dos veículos, portanto, mais emissão de poluentes. Outro exemplo é a existência de prédios altos fechando a região, não deixando que circule o ar, tendo como conseqüência maior concentração de poluentes. A qualidade dos dados é uma fase determinante nesta metodologia para dar condições de providenciar “alarmes” úteis, que prevêem situações potencialmente perigosas, como ENEGEP 2005 ABEPRO 5017 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 episódios de poluição elevada. Portanto a presente metodologia busca obter medidas de poluição por região que permitam comparar com os padrões estabelecidos pelas normas nacionais e internacionais. Os aspectos econômicos de controle ou da tolerância de quantidade de poluentes permitidos em uma determinada região são necessariamente complexos, mas as buscas de novos métodos que contribuíam de alguma forma com este fim, devem ser consideradas importantes já que contribuem para a qualidade de vida das pessoas. 2. Metodologia Em princípio serão definidas as variáveis que participam na construção da metodologia, que serão: a quantidade de veículos que passam pelo ponto de observação em um determinado intervalo de tempo, que serão medidos em veículos por segundo (vei/seg.) e a quantidade de monóxido de carbono (CO) registrado no mesmo intervalo de tempo, medidos em número de partículas por milhão de partes de mistura (ppm) (CETESB, 1985). A participação destas duas variáveis leva a construir um modelo bivariável, portanto a quantidade de concentrações de CO representado por C e a quantidade de veículos representados por V são variáveis aleatórias da forma (c1, c2, ..........cn) e (v1, v2,..........vm ) respectivamente. Onde: P(V=vi) = f(vi) >0; i = 1,2,.....m. m (1) ∑ f (v ) = 1 (2) P(C=cj) = g(cj)>0; j = 1, 2, ….n (3) i i =1 n ∑ g (c ) = 1 (4) i j =1 A função de probabilidade conjunta das variáveis aleatórias, quantidade de veículos e quantidade de CO se representa por P(V, C) onde: P (vi , c j ) ≥ 0 , para todo (v,c). n m j =1 i =1 ∑ ∑ P (v , c ) =1 (6) j ) = g (c j ) (7) j ) = f (v i ) (8) i n ∑ P (v , c j =1 i m ∑ P (v , c i =1 i (5) j Partindo do suposto que V e C não são linearmente independentes pelo comportamento característico delas, então a função condicional ou probabilidade condicional de uma ENEGEP 2005 ABEPRO 5018 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 determinada quantidade de CO dado uma certa quantidade de veículos passando pelo ponto observado é: g (C ) = vi P (v i , c j ) (9) f (v i ) Informações sobre probabilidade condicional podem ser encontradas em Barry James (1981). O valor esperado é: n E (V , C ) = ∑ j =1 m ∑ P (v , c i =1 i j )(vi , c j ) (10) Por ser V e C duas variáveis aleatórias não linearmente independentes, sua covariância é: σ vc ≠ 0 , então: σ vc = E (V , C ) − E (V ) E (C ) (11) Onde: E(V), é o valor esperado da quantidade de veículos que passam pelo ponto observado. E(C), é o valor esperado da quantidade de concentrações de CO registrados no ponto observado. Como o estudo se baseia na dependência de C em relação a V, será necessário estabelecer esta relação, que parte do suposto que é uma relação linear, para poder aplicar as propriedades da regressão linear. Em caso de estar frente a uma relação não linear, recomenda-se transformar em uma forma linear, usando os métodos convenientes, ver em Kamenta (1990), Box e Cox (1964), Box e Tidwell (1962) e Montgomery (1992). A relação linear será estabelecida entre a quantidade de veículos que passam pelo ponto de observação e a quantidade de CO registrado. A variável considerada dependente é representada por uma média condicional da quantidade de poluentes emitidos, dado uma certa quantidade de veículos, expressa como: P (v C ) i µC / vi = E ( ) f v i (12) Então a relação entre C e V será dada pelo conjunto dos pontos (vi , µC / vi ) , cuja expressão linear é: µC / vi = a + bvi (13) Onde: a e b são os parâmetros do modelo cujos valores são calculados através das expressões: ENEGEP 2005 ABEPRO 5019 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 m m m n ∑∑ (vi c j ) P(vi , c j ) − ∑ f (vi )vi ∑ g (c j ) i =1 j =1 i =1 j =1 b= 2 σv m m i =1 i =1 (14) a = ∑ f (vi ) µC / vi − b∑ f (vi )vi (15) É importante antes de considerar o modelo como válido, verificar se as suposições da regressão linear não foram violadas, usar para tanto análises dos resíduos, ver Chatterjee & Price (1977). Outra forma de verificar se o ajuste é bom consiste em que as somas das variâncias condicionais tendam a zero. Em caso de um ajuste perfeito esta soma é zero (MODE, 1970). m m i =1 i =1 ∑ σ 2 C / vi = ∑ E (C − µC / vi ) 2 = 0 (16) Quando existe um ajuste inadequado, a soma das variâncias é relativamente grande. 3. Aplicação A presente metodologia foi aplicada usando dados obtidos de uma interseção sinalizada com semáforo localizada na cidade de Florianópolis SC. Entre as ruas Othon Gama Deça e Nereu Ramos. O modelo bivariável está composta pelas variáveis consideradas na metodologia e são: Fluxo de veículos medidos em veículos por segundo, e concentrações de CO medidos em ppm. Os fluxos veiculares e as quantidades de CO foram medidos nos mesmos horários e nos mesmos dias, com intervalos de tempo de 10 minutos. O modelo parte do cálculo das probabilidades marginais f(vi ) e g(pj), onde i=1,2,.......7 e j= 1, 2, ....7, cujos valores são dados no quadro 1. Veículos /seg Probabilidades marginais dos veículos Concentrações de CO em ppm Probabilidades marginais de CO v1 = 155 v2 = 180 v3 = 206 v4 = 231 v 5= 257 v6 = 282 v7 = 308 f(v1) = 0,090909 f(v2) = 0,121212 f(v3) = 0,272727 f(v4) = 0,212121 f(v5) = 0,212121 f(v6) = 0,030303 f(v7) = 0,060606 c1 = 1,3 c2 = 2,5 c3 = 3,7 c4 = 4,9 c5 = 6,1 c6 = 7,3 c7 = 8,5 g(c1) = 0,060606 g(c2) = 0,212121 g(c3) = 0,333333 g(c4) = 0,212121 g(c5) = 0,030303 g(c6) = 0,090909 g(c7) = 0,060606 Quadro 1 – Probabilidades marginais das variáveis fluxos veiculares e concentrações de CO Segundo o quadro 1 a quantidade de monóxido de carbono mais freqüente registrada na interseção observada é em média 3,7 ppm. ENEGEP 2005 ABEPRO 5020 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 As probabilidades conjuntas das variáveis analisadas estão apresentadas no quadro 2. P(v1, cj) P(v2, cj.) P(v3, cj.) P(v4, cj.) 0,03303 0,06060 0,09090 P(vi, c3) 0,06060 0,18181 0,06060 0,03030 P(vi, c4) 0,03030 0,03030 0,06060 0,09090 P(vi, c1) 0,06060 P(vi, c2) 0,03030 P(v5, cj.) P(v6, cj.) P(v7, cj.) 0,03030 P(vi, c5) P(vi, c6) P(vi, c7) 0,06060 Quadro 2 – Probabilidades conjuntas das variáveis fluxos veiculares e concentrações de CO O fato que acontece neste cruzamento com maior probabilidade (0,182) é a passagem de 206 vei/seg em média, produzindo uma poluição medida em concentrações de CO de 3,7 ppm. Como o interesse da metodologia não é só determinar as probabilidades pontuais de cada instante observado, se não também de construir um modelo que complete o objetivo de previsão. Então a relação construída é: µC / vi = −3,98195 + 0,03712vi Usando as propriedades da regressão linear foi possível calcular o coeficiente de determinação do modelo ajustado, cujo valor é igual 0,87, o qual indica que a reta de regressão ajusta-se bem às observações. Também foi provado que existe um efeito linear entre as variáveis que participam no modelo, para tanto foi utilizado o teste estatístico F, cujos valores são, F0 = 39,638 > F0,05 (1,5) = 6,61. Para verificar se as suposições da regressão não foram violadas foi utilizado o gráfico de resíduos, os quais mostraram que não existe falta de linearidade, os erros tem variância constante e não foi detectada observação extrema, ver anexo, figura 1. Em quanto a normalidade dos resíduos não foram obtidas indicações de violação a este suposto, ver anexo, figura 2. 4. Conclusões O objetivo do presente trabalho de passar um novo método que sirva como ferramenta de controle sobre o comportamento do tráfego de veículos motorizados que passam pelo ponto observado em relação à quantidade de CO emitido por eles foi alcançado. O uso das probabilidades permitiu através das freqüências observadas determinar o grau de incidência de um determinado volume médio de veículos sobre a quantidade de poluição existente na área. Usando as probabilidades, também foi possível construir uma relação que permita fazer provisões diretas para certa quantidade de veículos que passam pelo ponto observado em relação à quantidade de CO registrado na região. ENEGEP 2005 ABEPRO 5021 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 O estudo de caso pode-se caracterizar como uma situação não crítica como mostra as probabilidades conjuntas cujos valores são baixos, sendo que a quantidade, mais alta de poluição registrada no cruzamento foi de 8,5 ppm com uma probabilidade de 0,06 produzida por uma quantidade média de 308 vei/seg. Também se podem ter conclusões parciais dos acontecimentos, como por exemplo, a probabilidade que no local de pesquisa passem 206 vei/seg. é 0,27. Como se pode observar nos quadros 1 e 2, as probabilidades marginais e conjuntas têm valores baixos, significa que existe variabilidade significativa da quantidade de veículos e a quantidade de poluição registrada durante o intervalo de tempo de observação. Isto é existe mudança permanente nas características do tráfego e na quantidade de CO emitida na área durante o dia. Referências BARRY, R. J. (1981) – Probabilidade. Instituto de Matemática Pura e Aplicada (IMPA). BOX, G. E. & COX D. R. (1964) - An Analysis of Transformations. Journal of the Royal Statistical Society, serie B, v. 26, n. 2, p. 211-243. BOX, G. E. & TIDWELL P.W. (1962) - Transformation of the Independent Variables. Technometrics, Vol. 4, n.4 p. 531-550. CETESB. (1985) – Inventario de Emissão Veicular: Metodologia de calculo. São Paulo. CHATTERJEE, S. & PRICE B. (1977) – Regression Analysis by Example. John Wiley & Sons, Inc. New York. FREITAS, I. M. D. P. (1991) - Método para Determinar a Capacidade Ambiental em Vias Urbanas: O Caso das Interseções Semaforizadas. Tese de Mestrado COPPE/UFRJ, Rio de Janeiro. KAMENTA, J. (1990) - Elementos de Econometria. Vol. 2, ed. Atlas S. A. São Paulo. MODE, E. B. (1970) – Elementos de Probabilidades y Estadistica. Ed. Reverte Mexicana, S. A. MONTGOMERY, D.C. & PECK E. A. (1992) - Introduction to Linear Rrgression Analysis. 2a ed. John Wiley e Sons, Inc., New York. ENEGEP 2005 ABEPRO 5022 XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 ANEXO 1,4 1,0 Resíduos 0,6 0,2 -0,2 -0,6 -1,0 -1,4 1,0 2,5 4,0 5,5 7,0 8,5 Valores ajustados Figura 1 - Gráfico de resíduos contra valores ajustados 1,6 Valor esperado da normal 1,2 0,8 0,4 0,0 -0,4 -0,8 -1,2 -1,6 -1,4 -1,0 -0,6 -0,2 0,2 0,6 1,0 1,4 Resíduos Figura 2 - Gráfico de normalidade dos residuos ENEGEP 2005 ABEPRO 5023