Realizamos o Estudo de Tráfego com Modelagem de Demanda para avaliar a implantação de um grande Complexo Rodoviário na Região Metropolitana de João Pessoa, englobando corredores estratégicos (incluindo as rodovias federais BR-101 e BR-230) e acessos portuários.
O estudo abrangeu uma extensa área de influência direta composta por cinco municípios, exigindo uma análise macroscópica para prever os impactos de novas pontes e conexões rodoviárias na dinâmica logística e urbana da região. 

• Visão Computacional: As contagens volumétricas e classificatórias foram realizadas por empresa parceira, de forma não invasiva, utilizando câmeras com infravermelho, garantindo o registro contínuo (24h) e a classificação precisa de veículos leves, pesados e motocicletas;
• Engenharia de Dados com Python e SIG: Analisamos os dados de Pesquisas de Origem e Destino (O/D). Todo o processamento dessas matrizes de viagens foi automatizado através de rotinas de programação em Python integradas a Sistemas de Informação Geográfica (SIG). Isso permitiu mapear os padrões espaciais de deslocamento, tendências de uso de modais alternativos (como balsas) e gerar Linhas de Desejo georreferenciadas.
• Modelagem de Demanda e Identificação de Fluxo Desviado Utilizamos modelos dinâmicos de alocação de tráfego para prever o comportamento futuro dos motoristas frente à nova infraestrutura.
• Microssimulação para Análise Macroscópica: Utilizamos o software open-source SUMO (Simulation of Urban MObility) para criar um "gêmeo digital" da malha viária regional, junto de ferramentas disponível em ambiente virtual complemetados com uso de Python.
• Roteamento Dinâmico: Através de algoritmos avançados de busca de caminhos ótimos (Dijkstra e A-Star combinados com heurísticas de tempo dinâmico), aplicamos o conceito de Equilíbrio Dinâmico do Usuário (DUE).
• Análise de Desvio e Atração: O modelo de demanda foi fundamental para identificar com precisão o tráfego desviado e atraído pela nova rota. Ao simular iterativamente as condições de "com projeto" e "sem projeto", o sistema recalculou rotas baseando-se no custo generalizado (tempo de viagem e congestionamentos), revelando cientificamente como o fluxo logístico e de passageiros migraria das vias atuais para o novo complexo rodoviário.
• Calibração por Machine Learning: O modelo passou por 50 ciclos de calibração iterativa utilizando rerouters no SUMO, alcançando uma boa convergência matemática com a realidade observada em campo antes de projetar os cenários futuros.
• Análises de Capacidade e Nível de Serviço Com o fluxo futuro (horizontes de abertura, 10 e 20 anos)  conduzimos a avaliação normativa: 
• Nível de Serviço (LOS): Utilizando metodologias conhecidas internacionalmente (Highway Capacity Manual, atestamos a capacidade das vias de pista simples, pista dupla e das novas interseções projetadas, mostrando pontos de congestionamentos e/ou boa capacidade no projeto previsto.  
• Dimensionamento de Pavimento: Estimativa precisa do Número "N" (solicitações do eixo padrão) baseada na projeção da frota de veículos pesados, subsidiando os projetos de engenharia civil. 
• Resultados Alcançados O uso integrado de Python, processamento SIG e simulação dinâmica no SUMO permitiu entregar ao contratante um estudo de tráfego com dados e modelagem calibrada. O estudo identificou possíveis gargalos e pontos de congestionamentos não previstos no projeto. Com isso a contratante pode otimizar decisões estruturais no planejamento de uma das maiores obras de mobilidade do Estado.