No futuro, quando inseridos na corrente de tráfego das rodovias, os veículos autônomos (AVs) influenciarão a operação do tráfego, a capacidade e a eficiência do fluxo nas rodovias. Este trabalho investiga o impacto dos AVs na operação de autoestradas no Brasil quando há um mix de AVs e veículos convencionais. Para isso, utilizou-se uma adaptação do procedimento usado no HCM-6 para veículos pesados. Dados sintéticos foram gerados através de simulações no software Vissim 2020, cujos parâmetros foram recalibrados para representar o tráfego de uma autoestrada típica do estado de São Paulo. Foram simulados 25 515 cenários criados pela combinação de características do fluxo e da via. Os resultados foram utilizados para obter o coeficiente de ajuste da capacidade (CAF) cujos valores médios variaram entre 0,95 e 1,30 e um modelo para estimação do CAF a partir de características do tráfego e da via foi calibrado e validado, resultando num erro absoluto médio de 0,032. Fatores de equivalência para AVs (E_AV) foram calculados com base nos valores de CAF e obteve-se um valor médio de 0,804, o que sugere que um AV impacta a corrente de tráfego menos que um automóvel convencional. O nível de comunicação V2V dos AVs foi o fator que mais contribuiu para a redução do E_AV. Um modelo de árvore de decisão foi ajustado para estimar o E_AV a partir das características do tráfego e da via. O modelo obtido apresentou uma boa acurácia, com um erro absoluto médio de 0,084.

In the future, when they will become a significant fraction of vehicular fleet, autonomous vehicles (AVs) will impact the operation, capacity and the efficiency of the traffic flow on highways. This thesis examines the impacts of the operation of AVs on the operation of freeways in Brazil using an adaptation of the method used in the HCM-6 to treat heavy vehicles. Synthetic data were generated using a version of Vissim 2020 recalibrated to represent traffic flows on a typical freeway in the state of São Paulo, through the simulation of 25,515 scenarios created from the combination of traffic and roadway characteristics. The simulation results were used to calculate values for the capacity adjustment factor (CAF), whose average values ranged from 0.95 to 1.30. A model to estimate CAF values from traffic and roadway characteristics was fitted and validated, resulting on an mean average error of 0.032. Passenger car equivalent for AVs (E_AV) were calculated from CAF values, resulting on a mean E_AV value of 0.804, meaning that an AV has a lower impact on the traffic flow than that of a conventional passenger car. The V2V communication capabilities of AVs were the factor responsible for the greatest reduction on E_AV. A decision tree model was fitted to estimate E_AV values from traffic and roadway characteristics. The fitted model has a good accuracy, with a mean absolute error of 0.084.