Aprimoramento da representação espaço-temporal do fluxo veicular com dados derivados de GPS para aplicação em inventário de emissões

Abstract

O transporte rodoviário é uma das principais fontes de emissões atmosféricas em áreas urbanas, cuja variabilidade espacial e temporal é representada pela atividade veicular. Entretanto, enquanto as abordagens baseadas no consumo de combustível apresentam limitações para representar a variabilidade espaço-temporal dos fluxos veiculares locais, os métodos fundamentados na modelagem de tráfego demandam elevado investimento técnico e financeiro, frequentemente indisponíveis. Diante da necessidade de desenvolvimento de métodos com alta resolução espaço-temporal, neste trabalho foi desenvolvido um método para geração de curvas de fluxo veicular utilizando dados de tráfego do provedor de dados TomTom e de informações de malha viária geradas pela comunidade do OpenStreetMaps, viáveis para qualquer município no mundo. Os dados obtidos para todas as capitais brasileiras entre maio e junho de 2026 foram tratados e complementados com curvas gaussianas. As semanas médias de fluxo geradas foram comparadas com medições feitas em municípios, em vias estaduais e federais. Foram observadas correlações de Spearman iguais ou acima a 0,68 para os dados modelados, com subestimativas sistemáticas por tipo de via em 57%, MAE de 182,01 e RMSE de 333,84. Nas análises por tipo de via, foram obtidas correlações medianas de Pearson e Spearman acima de 0,8. As curvas foram relativizadas com valores de atividade agregados por município produzidos a partir do modelo BRAVES e posteriormente feitas duas comparações. A primeira comparação foi feita com o método de desagregação por densidade de vias e curva de desagregação única. Foi observado um aumento na variabilidade espacial e temporal da representação da atividade veicular e maior atividade sendo atribuída a vias de mais alta capacidade. A segunda comparação foi feita com dados de fluxo modelados para o horário de pico no município de Florianópolis, onde foram observadas subestimativas em vias de alto fluxo e superestimativas em vias residenciais. Os resultados evidenciam potencial aplicação em modelos de emissão veicular, tanto para desagregação das emissões quando para modelagem de fluxo em áreas com dados escassos.

Abstract: Road transportation is one of the main sources of atmospheric emissions in urban areas, and its spatial and temporal variability is represented by vehicular activity. However, while fuel consumption-based approaches have limitations in representing the spatiotemporal variability of local traffic flows, methods based on traffic modeling require substantial technical and financial resources, which are often unavailable. Given the need to develop methods with high spatiotemporal resolution, this study developed an approach to generate vehicular flow curves using traffic data from the TomTom data provider and road network information produced by the OpenStreetMap community, making the method feasible for any municipality worldwide. The data collected for all Brazilian capital cities between May and June 2026 were processed and supplemented with Gaussian curves. The generated average weekly flow profiles were compared with measurements collected in municipalities and on state and federal roads. Spearman correlations equal to or greater than 0.68 were observed for the modeled data, with systematic underestimation by road type of 57%, an MAE of 182.01, and an RMSE of 333.84. In the analyses by road type, median Pearson and Spearman correlations above 0.8 were obtained. The curves were relativized using municipal-level aggregated activity values produced by the BRAVES model, followed by two comparisons. The first comparison was performed against a road-density-based disaggregation method using a single disaggregation curve. An increase in the spatial and temporal variability of vehicular activity representation was observed, with greater activity assigned to higher-capacity roads. The second comparison was conducted using modeled peak-hour flow data for the municipality of Florianópolis, where underestimations were observed on high-flow roads and overestimations on residential roads. The results demonstrate the potential application of the proposed method in vehicular emission models, both for emission disaggregation and for flow modeling in areas with scarce data.