Nas grandes cidades ao redor do mundo os congestionamentos são problemas bem conhecidos e compartilhados por todos os setores da sociedade. Não é surpreendente, então, que grande parte dos investimentos públicos caminhem na direção de reduzir paulatinamente o esforço rotineiro que a população itinerante faz para chegar ao trabalho ou retornar ao lar, melhorando sua qualidade de vida. É partilhando desse intuito que se encontrou a motivação inicial para o desenvolvimento deste trabalho. Em outro pólo encontra-se a vertente dos procedimentos evolutivos que ao longo da história da vida na Terra foram responsáveis pela emergência espontânea de uma enorme gama de soluções para os mais variados ecossistemas. A tradução disso para ambientes computacionais criou a classe dos algoritmos evolucionários, dentre os quais os Algoritmos Genéticos (AGs), que se destacaram por serem boas heurísticas de busca por conjuntos de parâmetros que resultem em ótimos globais para problemas de engenharia. A aplicação de AGs para otimizações em engenharia de tráfego possui boa base bibliográfica, mas são raras as aplicações reais em meios onde há escassez de dados e de Sistemas Inteligentes de Transporte (do inglês, Intelligent Transportation Systems ITS). Neste trabalho então foi desenvolvido um novo modelo de simulação mesoscópica sobre o qual um AG é aplicado para encontrar planos semafóricos que reduzam atrasos e paradas em sub-redes congestionadas. A ferramenta é simplificada para execução rápida, usando parâmetros normalmente colhidos pela Companhia de Engenharia de Tráfego de São Paulo (CET-SP) em estudos de revisão de temporização semafórica. Ao fim do trabalho, o estudo de caso em uma sub-rede paulistana resultou em reduções da ordem de 30% no nível de atraso e paradas em relação aos valores obtidos com a simulação dos planos anteriores. Vale ressaltar que o espaço de busca foi reduzido ao sub espaço de planos aceitos pela experiência dos especialistas da CET-SP, e mesmo dentro deste escopo, o algoritmo foi bem sucedido ao descartar soluções ruins e fazer emergirem soluções ótimas coerentes. / In large cities throughout the world, high traffic congestion is a well known problem endured by all parts of society. Not surprisingly, a great deal of public investments is made in the direction of reducing the citizens daily efforts for going from home to work and backwards. It is by sharing this intent that the motivation for this thesis was found. Meanwhile, in another section of human knowledge there are concepts revolving the evolutionary procedures that were responsible for the spontaneous emergence of an immeasurable quantity of solutions for adaptation to an almost as greater quantity of ecossystems. When science brought these concepts to computational environments the class of evolutionary algorithms was born, a class embodied by the Genetics Algorithms (in this text referred as AGs, for Algoritmos Genéticos, in portuguese) which are heuristics that stand out as good alternatives for searching parameter settings that result in global optima for engineering problems. There is a good knowledge base regarding the use of AGs for traffic engineering optimizations, but rare are the real implementations in which specialists have to deal with lack of data and the absence of Intelligent Transportation Systems (ITS). Therefore, in this thesis a new mesoscopic simulation model was developed over which an AG is applied for finding signal timing plans that reduce stops and delays in congested subnetworks. The prototyped tool is simplified for quicker execution, using data that is normally collected by the Traffic Engineering Company of São Paulo (CET-SP) in signal timing revision activities. After the development, one of the numerous citys subnetworks was adopted as the case study, for which the prototype found plans that reduced the stops and delays in approximately 30% when compared to the values measured with the simulation of the old plans. It is worth notice that the search space was reduced to the subspace that only contains solutions accepted by the experience of CET-SPs traffic signal specialists, and within this subgroup, the algorithm succeeded in discarding the bad solutions and providing means for the emergence of coherent global optima.

Nas grandes cidades ao redor do mundo os congestionamentos são problemas bem conhecidos e compartilhados por todos os setores da sociedade. Não é surpreendente, então, que grande parte dos investimentos públicos caminhem na direção de reduzir paulatinamente o esforço rotineiro que a população itinerante faz para chegar ao trabalho ou retornar ao lar, melhorando sua qualidade de vida. É partilhando desse intuito que se encontrou a motivação inicial para o desenvolvimento deste trabalho. Em outro pólo encontra-se a vertente dos procedimentos evolutivos que ao longo da história da vida na Terra foram responsáveis pela emergência espontânea de uma enorme gama de soluções para os mais variados ecossistemas. A tradução disso para ambientes computacionais criou a classe dos algoritmos evolucionários, dentre os quais os Algoritmos Genéticos (AGs), que se destacaram por serem boas heurísticas de busca por conjuntos de parâmetros que resultem em ótimos globais para problemas de engenharia. A aplicação de AGs para otimizações em engenharia de tráfego possui boa base bibliográfica, mas são raras as aplicações reais em meios onde há escassez de dados e de Sistemas Inteligentes de Transporte (do inglês, Intelligent Transportation Systems ITS). Neste trabalho então foi desenvolvido um novo modelo de simulação mesoscópica sobre o qual um AG é aplicado para encontrar planos semafóricos que reduzam atrasos e paradas em sub-redes congestionadas. A ferramenta é simplificada para execução rápida, usando parâmetros normalmente colhidos pela Companhia de Engenharia de Tráfego de São Paulo (CET-SP) em estudos de revisão de temporização semafórica. Ao fim do trabalho, o estudo de caso em uma sub-rede paulistana resultou em reduções da ordem de 30% no nível de atraso e paradas em relação aos valores obtidos com a simulação dos planos anteriores. Vale ressaltar que o espaço de busca foi reduzido ao sub espaço de planos aceitos pela experiência dos especialistas da CET-SP, e mesmo dentro deste escopo, o algoritmo foi bem sucedido ao descartar soluções ruins e fazer emergirem soluções ótimas coerentes. / In large cities throughout the world, high traffic congestion is a well known problem endured by all parts of society. Not surprisingly, a great deal of public investments is made in the direction of reducing the citizens daily efforts for going from home to work and backwards. It is by sharing this intent that the motivation for this thesis was found. Meanwhile, in another section of human knowledge there are concepts revolving the evolutionary procedures that were responsible for the spontaneous emergence of an immeasurable quantity of solutions for adaptation to an almost as greater quantity of ecossystems. When science brought these concepts to computational environments the class of evolutionary algorithms was born, a class embodied by the Genetics Algorithms (in this text referred as AGs, for Algoritmos Genéticos, in portuguese) which are heuristics that stand out as good alternatives for searching parameter settings that result in global optima for engineering problems. There is a good knowledge base regarding the use of AGs for traffic engineering optimizations, but rare are the real implementations in which specialists have to deal with lack of data and the absence of Intelligent Transportation Systems (ITS). Therefore, in this thesis a new mesoscopic simulation model was developed over which an AG is applied for finding signal timing plans that reduce stops and delays in congested subnetworks. The prototyped tool is simplified for quicker execution, using data that is normally collected by the Traffic Engineering Company of São Paulo (CET-SP) in signal timing revision activities. After the development, one of the numerous citys subnetworks was adopted as the case study, for which the prototype found plans that reduced the stops and delays in approximately 30% when compared to the values measured with the simulation of the old plans. It is worth notice that the search space was reduced to the subspace that only contains solutions accepted by the experience of CET-SPs traffic signal specialists, and within this subgroup, the algorithm succeeded in discarding the bad solutions and providing means for the emergence of coherent global optima.