Simulação da Operação em Pelotão de Veículos Autônomos Rodoviários de Carga no Corredor Goiânia, Anápolis, Brasília
Veículos Autônomos; Pelotão (Platooning); Simulação Microscópica, Análise Estatística Aplicada ao Tráfego
Com o avanço das tecnologias de veículos autônomos (VAs) e dos sistemas inteligentes de transporte, torna-se fundamental avaliar de que forma a introdução de caminhões autônomos em pelotão poderá transformar a operação viária em corredores logísticos brasileiros reduzindo congestionamentos e acidentes de trânsito ou, se mal planejada, amplificando conflitos de tráfego. Esta dissertação tem como objetivo quantificar os impactos operacionais da penetração gradual de VAs em três perfis comportamentais (Cauteloso, Normal e All-knowing) ao longo do Corredor Goiânia, Anápolis, Brasília, para níveis de adoção de 0%, 25%, 50% e 75%. Para isso, foi desenvolvido um modelo microscópico no PTV VISSIM 2025, calibrado localmente: utilizou-se o modelo Wiedemann 99 para veículos convencionais e os perfis CoEXist para os VAs. Executaram-se 111 cenários distintos, cada um replicado duas vezes totalizando 222 réplicas com 15 minutos de aquecimento e 45 minutos de coleta de dados. Os indicadores extraídos (velocidade média, densidade média, fluxo₉₅, atrasos e percentis de desempenho) foram processados em R e analisados por meio de ANOVA unifatorial e bifatorial (Fatores: Penetração × Perfil), complementados pelo teste de Tukey. Adicionalmente, conduziram-se análises de correlação e sensibilidade dos parâmetros críticos (CC1 e SafetyRed) via grid search e otimização bayesiana. Em trechos saturados, como na região de Goiânia, a inclusão de 25% de VAs elevou em 31,8 km/h a velocidade média, reduziu em 45 veic/km a densidade e aumentou em 230 veic/h o fluxo₉₅ (p < 0,001), com benefícios marginais decrescentes a partir de 50% de penetração. O perfil All-knowing maximiza o fluxo, porém gera atrasos extremos; já o perfil Cauteloso equilibra fluidez e segurança, diminuindo a parcela de veículos em nível de serviço E/F. A calibração bayesiana indicou como ótimos CC1 = 1,50 m e SafetyRed = 0,90, sendo o CC1 o mais sensível nas análises one-at-a-time. Esses achados sugerem que uma implantação estratégica de VAs entre 25% e 50%, aliada a perfis mais cautelosos e a uma infraestrutura de comunicação robusta, trará ganhos operacionais significativos ao transporte rodoviário de cargas no Brasil.