yup

Linux runs too fast compared to Windows/Wine, causing vehicle queue
backup (~44% completion vs 95% on Windows). Adding microsecond delays
via LockSupport.parkNanos() achieves 92% completion.

- 50μs delay in SocketConnection send/receive
- 100μs delay in CoordinatorProcess vehicle generation

.gitignore

@@ -8,6 +8,9 @@ logs
 *.md
 *.tex
 !README.md
+report.aux
+report.synctex.gz
+!report.tex
 
 # BlueJ files
 *.ctxt
@@ -53,6 +56,7 @@ build/
 # Other
 *.swp
 *.pdf
+!Desempenho_Linux.pdf
 
 # JAR built pom file
 dependency-reduced-pom.xml
@@ -60,3 +64,6 @@ dependency-reduced-pom.xml
 # Python env
 venv/
 .$Diagrama de arquitetura - SD.drawio.bkp
+
+#others
+*.out

main/analysis/HIGH_LOAD_20251208-082040.csv

@@ -1,6 +0,0 @@
-Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
-1,1836,348,18.95,75.91,72.28,37.96,151.82
-2,1728,663,38.37,52.10,49.52,26.05,104.21
-3,1747,539,30.85,116.39,112.54,58.19,232.78
-4,1769,149,8.42,89.64,85.89,44.82,179.29
-5,1827,1097,60.04,90.49,86.93,45.25,180.98

main/analysis/HIGH_LOAD_20251208-082040.txt

@@ -1,215 +0,0 @@
-================================================================================
-ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
-================================================================================
-Configuração: simulation-high.properties
-Número de Execuções: 5
-Data da Análise: 2025-12-08 08:20:40
-
---------------------------------------------------------------------------------
-MÉTRICAS GLOBAIS
---------------------------------------------------------------------------------
-
-Veículos Gerados:
-    Média:      1781.40    Desvio Padrão:      48.09
-    Mediana:    1769.00    IC 95%: [1712.97, 1849.83]
-    Mín:        1728.00    Máx:             1836.00
-
-Veículos Completados:
-    Média:       559.20    Desvio Padrão:     358.22
-    Mediana:     539.00    IC 95%: [49.44, 1068.96]
-    Mín:         149.00    Máx:             1097.00
-
-Taxa de Conclusão (%):
-    Média:        31.33    Desvio Padrão:      19.70
-    Mediana:      30.85    IC 95%: [3.30, 59.36]
-    Mín:           8.42    Máx:               60.04
-
-Tempo Médio no Sistema (segundos):
-    Média:        84.91    Desvio Padrão:      23.46
-    Mediana:      89.64    IC 95%: [51.52, 118.29]
-    Mín:          52.10    Máx:              116.39
-
-Tempo Médio de Espera (segundos):
-    Média:        81.43    Desvio Padrão:      23.02
-    Mediana:      85.89    IC 95%: [48.68, 114.19]
-    Mín:          49.52    Máx:              112.54
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR TIPO DE VEÍCULO
---------------------------------------------------------------------------------
-
---- BIKE ---
-  Contagem de Veículos:
-    Média:       111.60    Desvio Padrão:      69.43
-    Mediana:     105.00    IC 95%: [12.80, 210.40]
-    Mín:          29.00    Máx:              215.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        78.89    Desvio Padrão:      20.87
-    Mediana:      89.97    IC 95%: [49.20, 108.59]
-    Mín:          49.27    Máx:               98.23
-
-
---- LIGHT ---
-  Contagem de Veículos:
-    Média:       333.80    Desvio Padrão:     221.25
-    Mediana:     332.00    IC 95%: [18.95, 648.65]
-    Mín:          90.00    Máx:              669.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        83.83    Desvio Padrão:      24.74
-    Mediana:      86.14    IC 95%: [48.63, 119.03]
-    Mín:          51.94    Máx:              120.26
-
-
---- HEAVY ---
-  Contagem de Veículos:
-    Média:       113.80    Desvio Padrão:      68.36
-    Mediana:     102.00    IC 95%: [16.53, 211.07]
-    Mín:          30.00    Máx:              213.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        76.79    Desvio Padrão:      21.46
-    Mediana:      81.20    IC 95%: [46.26, 107.33]
-    Mín:          43.10    Máx:              102.14
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR INTERSEÇÃO
---------------------------------------------------------------------------------
-
---- Cr1 ---
-  Tamanho Máximo da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Tamanho Médio da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Veículos Processados:
-    Média:       221.40    Desvio Padrão:     226.21
-    Mediana:     128.00    IC 95%: [-100.50, 543.30]
-    Mín:          61.00    Máx:              616.00
-
-
---- Cr2 ---
-  Tamanho Máximo da Fila:
-    Média:         3.60    Desvio Padrão:       5.90
-    Mediana:       2.00    IC 95%: [-4.79, 11.99]
-    Mín:           0.00    Máx:               14.00
-
-  Tamanho Médio da Fila:
-    Média:         3.60    Desvio Padrão:       5.90
-    Mediana:       2.00    IC 95%: [-4.79, 11.99]
-    Mín:           0.00    Máx:               14.00
-
-  Veículos Processados:
-    Média:       228.60    Desvio Padrão:     211.41
-    Mediana:     126.00    IC 95%: [-72.24, 529.44]
-    Mín:          93.00    Máx:              593.00
-
-
---- Cr3 ---
-  Tamanho Máximo da Fila:
-    Média:         1.20    Desvio Padrão:       2.68
-    Mediana:       0.00    IC 95%: [-2.62, 5.02]
-    Mín:           0.00    Máx:                6.00
-
-  Tamanho Médio da Fila:
-    Média:         1.20    Desvio Padrão:       2.68
-    Mediana:       0.00    IC 95%: [-2.62, 5.02]
-    Mín:           0.00    Máx:                6.00
-
-  Veículos Processados:
-    Média:       263.80    Desvio Padrão:     240.18
-    Mediana:     128.00    IC 95%: [-77.98, 605.58]
-    Mín:          57.00    Máx:              604.00
-
-
---- Cr4 ---
-  Tamanho Máximo da Fila:
-    Média:         0.60    Desvio Padrão:       0.89
-    Mediana:       0.00    IC 95%: [-0.67, 1.87]
-    Mín:           0.00    Máx:                2.00
-
-  Tamanho Médio da Fila:
-    Média:         0.60    Desvio Padrão:       0.89
-    Mediana:       0.00    IC 95%: [-0.67, 1.87]
-    Mín:           0.00    Máx:                2.00
-
-  Veículos Processados:
-    Média:        95.00    Desvio Padrão:      78.43
-    Mediana:      62.00    IC 95%: [-16.60, 206.60]
-    Mín:          43.00    Máx:              231.00
-
-
---- Cr5 ---
-  Tamanho Máximo da Fila:
-    Média:         2.80    Desvio Padrão:       3.63
-    Mediana:       1.00    IC 95%: [-2.37, 7.97]
-    Mín:           0.00    Máx:                9.00
-
-  Tamanho Médio da Fila:
-    Média:         2.80    Desvio Padrão:       3.63
-    Mediana:       1.00    IC 95%: [-2.37, 7.97]
-    Mín:           0.00    Máx:                9.00
-
-  Veículos Processados:
-    Média:       207.60    Desvio Padrão:     166.31
-    Mediana:     139.00    IC 95%: [-29.06, 444.26]
-    Mín:          76.00    Máx:              493.00
-
-
---- ExitNode ---
-  Tamanho Máximo da Fila: Sem dados
-
-  Tamanho Médio da Fila: Sem dados
-
-  Veículos Processados:
-    Média:       559.20    Desvio Padrão:     358.22
-    Mediana:     539.00    IC 95%: [49.44, 1068.96]
-    Mín:         149.00    Máx:             1097.00
-
-
---------------------------------------------------------------------------------
-RESUMOS INDIVIDUAIS DAS EXECUÇÕES
---------------------------------------------------------------------------------
-
-Execução #1 [simulation-high.properties]:
-  Gerados: 1836, Completados: 348 (19.0%)
-  Tempo Médio no Sistema: 75.91s
-  Tempo Médio de Espera: 72.28s
-
-Execução #2 [simulation-high.properties]:
-  Gerados: 1728, Completados: 663 (38.4%)
-  Tempo Médio no Sistema: 52.10s
-  Tempo Médio de Espera: 49.52s
-
-Execução #3 [simulation-high.properties]:
-  Gerados: 1747, Completados: 539 (30.9%)
-  Tempo Médio no Sistema: 116.39s
-  Tempo Médio de Espera: 112.54s
-
-Execução #4 [simulation-high.properties]:
-  Gerados: 1769, Completados: 149 (8.4%)
-  Tempo Médio no Sistema: 89.64s
-  Tempo Médio de Espera: 85.89s
-
-Execução #5 [simulation-high.properties]:
-  Gerados: 1827, Completados: 1097 (60.0%)
-  Tempo Médio no Sistema: 90.49s
-  Tempo Médio de Espera: 86.93s
-
-================================================================================
-FIM DO RELATÓRIO
-================================================================================

main/analysis/HIGH_LOAD_20251211-021618.csv

@@ -0,0 +1,11 @@
+Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
+1,1801,1711,95.00,140.07,135.67,70.03,280.14
+2,1796,1721,95.82,143.35,139.00,71.68,286.70
+3,1834,1773,96.67,149.98,145.57,74.99,299.95
+4,1799,1527,84.88,140.39,136.20,70.19,280.77
+5,1830,1670,91.26,150.89,146.66,75.45,301.78
+6,1833,1690,92.20,139.40,135.24,69.70,278.80
+7,1822,1769,97.09,148.40,144.03,74.20,296.80
+8,1756,1487,84.68,135.16,131.01,67.58,270.32
+9,1829,1640,89.67,144.65,140.25,72.32,289.30
+10,1784,1745,97.81,151.09,146.69,75.54,302.17

main/analysis/HIGH_LOAD_20251211-021618.txt

@@ -0,0 +1,240 @@
+================================================================================
+ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
+================================================================================
+Configuração: simulation-high.properties
+Número de Execuções: 10
+Data da Análise: 2025-12-11 02:16:18
+
+--------------------------------------------------------------------------------
+MÉTRICAS GLOBAIS
+--------------------------------------------------------------------------------
+
+Veículos Gerados:
+    Média:      1808.40    Desvio Padrão:      25.76
+    Mediana:    1811.50    IC 95%: [1787.45, 1829.35]
+    Mín:        1756.00    Máx:             1834.00
+
+Veículos Completados:
+    Média:      1673.30    Desvio Padrão:      97.44
+    Mediana:    1700.50    IC 95%: [1594.08, 1752.52]
+    Mín:        1487.00    Máx:             1773.00
+
+Taxa de Conclusão (%):
+    Média:        92.51    Desvio Padrão:       4.86
+    Mediana:      93.60    IC 95%: [88.55, 96.46]
+    Mín:          84.68    Máx:               97.81
+
+Tempo Médio no Sistema (segundos):
+    Média:       144.34    Desvio Padrão:       5.58
+    Mediana:     144.00    IC 95%: [139.80, 148.87]
+    Mín:         135.16    Máx:              151.09
+
+Tempo Médio de Espera (segundos):
+    Média:       140.03    Desvio Padrão:       5.52
+    Mediana:     139.62    IC 95%: [135.55, 144.52]
+    Mín:         131.01    Máx:              146.69
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR TIPO DE VEÍCULO
+--------------------------------------------------------------------------------
+
+--- BIKE ---
+  Contagem de Veículos:
+    Média:       338.60    Desvio Padrão:      31.26
+    Mediana:     342.00    IC 95%: [313.19, 364.01]
+    Mín:         279.00    Máx:              377.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:       140.36    Desvio Padrão:      11.64
+    Mediana:     138.38    IC 95%: [130.90, 149.82]
+    Mín:         121.77    Máx:              165.19
+
+
+--- LIGHT ---
+  Contagem de Veículos:
+    Média:       991.30    Desvio Padrão:      49.19
+    Mediana:    1011.00    IC 95%: [951.31, 1031.29]
+    Mín:         893.00    Máx:             1035.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:       141.44    Desvio Padrão:       7.85
+    Mediana:     143.16    IC 95%: [135.06, 147.83]
+    Mín:         130.22    Máx:              151.65
+
+
+--- HEAVY ---
+  Contagem de Veículos:
+    Média:       343.40    Desvio Padrão:      29.42
+    Mediana:     343.00    IC 95%: [319.48, 367.32]
+    Mín:         288.00    Máx:              385.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:       135.81    Desvio Padrão:       9.45
+    Mediana:     134.25    IC 95%: [128.13, 143.49]
+    Mín:         118.95    Máx:              149.71
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR INTERSEÇÃO
+--------------------------------------------------------------------------------
+
+--- Cr1 ---
+  Tamanho Máximo da Fila:
+    Média:         0.70    Desvio Padrão:       1.25
+    Mediana:       0.00    IC 95%: [-0.32, 1.72]
+    Mín:           0.00    Máx:                3.00
+
+  Tamanho Médio da Fila:
+    Média:         0.70    Desvio Padrão:       1.25
+    Mediana:       0.00    IC 95%: [-0.32, 1.72]
+    Mín:           0.00    Máx:                3.00
+
+  Veículos Processados:
+    Média:       578.20    Desvio Padrão:      50.05
+    Mediana:     604.00    IC 95%: [537.51, 618.89]
+    Mín:         493.00    Máx:              626.00
+
+
+--- Cr2 ---
+  Tamanho Máximo da Fila:
+    Média:         1.40    Desvio Padrão:       2.37
+    Mediana:       0.00    IC 95%: [-0.52, 3.32]
+    Mín:           0.00    Máx:                6.00
+
+  Tamanho Médio da Fila:
+    Média:         1.40    Desvio Padrão:       2.37
+    Mediana:       0.00    IC 95%: [-0.52, 3.32]
+    Mín:           0.00    Máx:                6.00
+
+  Veículos Processados:
+    Média:       550.30    Desvio Padrão:      50.21
+    Mediana:     540.00    IC 95%: [509.48, 591.12]
+    Mín:         459.00    Máx:              616.00
+
+
+--- Cr3 ---
+  Tamanho Máximo da Fila:
+    Média:         0.40    Desvio Padrão:       1.26
+    Mediana:       0.00    IC 95%: [-0.63, 1.43]
+    Mín:           0.00    Máx:                4.00
+
+  Tamanho Médio da Fila:
+    Média:         0.40    Desvio Padrão:       1.26
+    Mediana:       0.00    IC 95%: [-0.63, 1.43]
+    Mín:           0.00    Máx:                4.00
+
+  Veículos Processados:
+    Média:       589.10    Desvio Padrão:      42.91
+    Mediana:     595.00    IC 95%: [554.21, 623.99]
+    Mín:         502.00    Máx:              671.00
+
+
+--- Cr4 ---
+  Tamanho Máximo da Fila:
+    Média:         1.50    Desvio Padrão:       1.58
+    Mediana:       1.00    IC 95%: [0.21, 2.79]
+    Mín:           0.00    Máx:                5.00
+
+  Tamanho Médio da Fila:
+    Média:         1.50    Desvio Padrão:       1.58
+    Mediana:       1.00    IC 95%: [0.21, 2.79]
+    Mín:           0.00    Máx:                5.00
+
+  Veículos Processados:
+    Média:       540.10    Desvio Padrão:      52.20
+    Mediana:     549.50    IC 95%: [497.66, 582.54]
+    Mín:         442.00    Máx:              603.00
+
+
+--- Cr5 ---
+  Tamanho Máximo da Fila:
+    Média:         1.50    Desvio Padrão:       1.51
+    Mediana:       1.00    IC 95%: [0.27, 2.73]
+    Mín:           0.00    Máx:                4.00
+
+  Tamanho Médio da Fila:
+    Média:         1.50    Desvio Padrão:       1.51
+    Mediana:       1.00    IC 95%: [0.27, 2.73]
+    Mín:           0.00    Máx:                4.00
+
+  Veículos Processados:
+    Média:      1075.10    Desvio Padrão:      78.71
+    Mediana:    1064.00    IC 95%: [1011.11, 1139.09]
+    Mín:         920.00    Máx:             1176.00
+
+
+--- ExitNode ---
+  Tamanho Máximo da Fila: Sem dados
+
+  Tamanho Médio da Fila: Sem dados
+
+  Veículos Processados:
+    Média:      1673.30    Desvio Padrão:      97.44
+    Mediana:    1700.50    IC 95%: [1594.08, 1752.52]
+    Mín:        1487.00    Máx:             1773.00
+
+
+--------------------------------------------------------------------------------
+RESUMOS INDIVIDUAIS DAS EXECUÇÕES
+--------------------------------------------------------------------------------
+
+Execução #1 [simulation-high.properties]:
+  Gerados: 1801, Completados: 1711 (95.0%)
+  Tempo Médio no Sistema: 140.07s
+  Tempo Médio de Espera: 135.67s
+
+Execução #2 [simulation-high.properties]:
+  Gerados: 1796, Completados: 1721 (95.8%)
+  Tempo Médio no Sistema: 143.35s
+  Tempo Médio de Espera: 139.00s
+
+Execução #3 [simulation-high.properties]:
+  Gerados: 1834, Completados: 1773 (96.7%)
+  Tempo Médio no Sistema: 149.98s
+  Tempo Médio de Espera: 145.57s
+
+Execução #4 [simulation-high.properties]:
+  Gerados: 1799, Completados: 1527 (84.9%)
+  Tempo Médio no Sistema: 140.39s
+  Tempo Médio de Espera: 136.20s
+
+Execução #5 [simulation-high.properties]:
+  Gerados: 1830, Completados: 1670 (91.3%)
+  Tempo Médio no Sistema: 150.89s
+  Tempo Médio de Espera: 146.66s
+
+Execução #6 [simulation-high.properties]:
+  Gerados: 1833, Completados: 1690 (92.2%)
+  Tempo Médio no Sistema: 139.40s
+  Tempo Médio de Espera: 135.24s
+
+Execução #7 [simulation-high.properties]:
+  Gerados: 1822, Completados: 1769 (97.1%)
+  Tempo Médio no Sistema: 148.40s
+  Tempo Médio de Espera: 144.03s
+
+Execução #8 [simulation-high.properties]:
+  Gerados: 1756, Completados: 1487 (84.7%)
+  Tempo Médio no Sistema: 135.16s
+  Tempo Médio de Espera: 131.01s
+
+Execução #9 [simulation-high.properties]:
+  Gerados: 1829, Completados: 1640 (89.7%)
+  Tempo Médio no Sistema: 144.65s
+  Tempo Médio de Espera: 140.25s
+
+Execução #10 [simulation-high.properties]:
+  Gerados: 1784, Completados: 1745 (97.8%)
+  Tempo Médio no Sistema: 151.09s
+  Tempo Médio de Espera: 146.69s
+
+================================================================================
+FIM DO RELATÓRIO
+================================================================================

main/analysis/LOW_LOAD_20251208-081933.csv

@@ -1,6 +0,0 @@
-Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
-1,368,329,89.40,78.34,74.19,39.17,156.67
-2,368,218,59.24,60.44,56.64,30.22,120.89
-3,349,235,67.34,53.51,49.44,26.76,107.03
-4,332,243,73.19,69.63,65.50,34.82,139.27
-5,322,221,68.63,47.52,43.77,23.76,95.05

main/analysis/LOW_LOAD_20251208-081933.txt

@@ -1,215 +0,0 @@
-================================================================================
-ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
-================================================================================
-Configuração: simulation-low.properties
-Número de Execuções: 5
-Data da Análise: 2025-12-08 08:19:33
-
---------------------------------------------------------------------------------
-MÉTRICAS GLOBAIS
---------------------------------------------------------------------------------
-
-Veículos Gerados:
-    Média:       347.80    Desvio Padrão:      20.81
-    Mediana:     349.00    IC 95%: [318.18, 377.42]
-    Mín:         322.00    Máx:              368.00
-
-Veículos Completados:
-    Média:       249.20    Desvio Padrão:      45.76
-    Mediana:     235.00    IC 95%: [184.08, 314.32]
-    Mín:         218.00    Máx:              329.00
-
-Taxa de Conclusão (%):
-    Média:        71.56    Desvio Padrão:      11.17
-    Mediana:      68.63    IC 95%: [55.66, 87.46]
-    Mín:          59.24    Máx:               89.40
-
-Tempo Médio no Sistema (segundos):
-    Média:        61.89    Desvio Padrão:      12.34
-    Mediana:      60.44    IC 95%: [44.33, 79.45]
-    Mín:          47.52    Máx:               78.34
-
-Tempo Médio de Espera (segundos):
-    Média:        57.91    Desvio Padrão:      12.21
-    Mediana:      56.64    IC 95%: [40.54, 75.28]
-    Mín:          43.77    Máx:               74.19
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR TIPO DE VEÍCULO
---------------------------------------------------------------------------------
-
---- BIKE ---
-  Contagem de Veículos:
-    Média:        48.20    Desvio Padrão:      12.38
-    Mediana:      47.00    IC 95%: [30.59, 65.81]
-    Mín:          36.00    Máx:               68.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        51.22    Desvio Padrão:      16.62
-    Mediana:      46.02    IC 95%: [27.56, 74.87]
-    Mín:          40.06    Máx:               80.31
-
-
---- LIGHT ---
-  Contagem de Veículos:
-    Média:       151.00    Desvio Padrão:      22.64
-    Mediana:     146.00    IC 95%: [118.78, 183.22]
-    Mín:         133.00    Máx:              189.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        58.33    Desvio Padrão:      11.58
-    Mediana:      53.58    IC 95%: [41.85, 74.80]
-    Mín:          45.31    Máx:               74.17
-
-
---- HEAVY ---
-  Contagem de Veículos:
-    Média:        50.00    Desvio Padrão:      13.77
-    Mediana:      47.00    IC 95%: [30.41, 69.59]
-    Mín:          35.00    Máx:               72.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        60.73    Desvio Padrão:      34.92
-    Mediana:      44.79    IC 95%: [11.04, 110.42]
-    Mín:          40.26    Máx:              122.51
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR INTERSEÇÃO
---------------------------------------------------------------------------------
-
---- Cr1 ---
-  Tamanho Máximo da Fila:
-    Média:         5.00    Desvio Padrão:       4.47
-    Mediana:       4.00    IC 95%: [-1.36, 11.36]
-    Mín:           0.00    Máx:               12.00
-
-  Tamanho Médio da Fila:
-    Média:         5.00    Desvio Padrão:       4.47
-    Mediana:       4.00    IC 95%: [-1.36, 11.36]
-    Mín:           0.00    Máx:               12.00
-
-  Veículos Processados:
-    Média:        87.00    Desvio Padrão:      29.01
-    Mediana:      93.00    IC 95%: [45.72, 128.28]
-    Mín:          56.00    Máx:              123.00
-
-
---- Cr2 ---
-  Tamanho Máximo da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Tamanho Médio da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Veículos Processados:
-    Média:        95.20    Desvio Padrão:      24.86
-    Mediana:     100.00    IC 95%: [59.82, 130.58]
-    Mín:          61.00    Máx:              125.00
-
-
---- Cr3 ---
-  Tamanho Máximo da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Tamanho Médio da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Veículos Processados:
-    Média:        91.40    Desvio Padrão:      28.68
-    Mediana:     103.00    IC 95%: [50.58, 132.22]
-    Mín:          56.00    Máx:              126.00
-
-
---- Cr4 ---
-  Tamanho Máximo da Fila:
-    Média:         0.80    Desvio Padrão:       0.84
-    Mediana:       1.00    IC 95%: [-0.39, 1.99]
-    Mín:           0.00    Máx:                2.00
-
-  Tamanho Médio da Fila:
-    Média:         0.80    Desvio Padrão:       0.84
-    Mediana:       1.00    IC 95%: [-0.39, 1.99]
-    Mín:           0.00    Máx:                2.00
-
-  Veículos Processados:
-    Média:        63.00    Desvio Padrão:      21.11
-    Mediana:      62.00    IC 95%: [32.96, 93.04]
-    Mín:          38.00    Máx:               87.00
-
-
---- Cr5 ---
-  Tamanho Máximo da Fila:
-    Média:         2.20    Desvio Padrão:       2.59
-    Mediana:       1.00    IC 95%: [-1.48, 5.88]
-    Mín:           0.00    Máx:                5.00
-
-  Tamanho Médio da Fila:
-    Média:         2.20    Desvio Padrão:       2.59
-    Mediana:       1.00    IC 95%: [-1.48, 5.88]
-    Mín:           0.00    Máx:                5.00
-
-  Veículos Processados:
-    Média:       126.40    Desvio Padrão:      45.39
-    Mediana:     111.00    IC 95%: [61.81, 190.99]
-    Mín:          86.00    Máx:              203.00
-
-
---- ExitNode ---
-  Tamanho Máximo da Fila: Sem dados
-
-  Tamanho Médio da Fila: Sem dados
-
-  Veículos Processados:
-    Média:       249.20    Desvio Padrão:      45.76
-    Mediana:     235.00    IC 95%: [184.08, 314.32]
-    Mín:         218.00    Máx:              329.00
-
-
---------------------------------------------------------------------------------
-RESUMOS INDIVIDUAIS DAS EXECUÇÕES
---------------------------------------------------------------------------------
-
-Execução #1 [simulation-low.properties]:
-  Gerados: 368, Completados: 329 (89.4%)
-  Tempo Médio no Sistema: 78.34s
-  Tempo Médio de Espera: 74.19s
-
-Execução #2 [simulation-low.properties]:
-  Gerados: 368, Completados: 218 (59.2%)
-  Tempo Médio no Sistema: 60.44s
-  Tempo Médio de Espera: 56.64s
-
-Execução #3 [simulation-low.properties]:
-  Gerados: 349, Completados: 235 (67.3%)
-  Tempo Médio no Sistema: 53.51s
-  Tempo Médio de Espera: 49.44s
-
-Execução #4 [simulation-low.properties]:
-  Gerados: 332, Completados: 243 (73.2%)
-  Tempo Médio no Sistema: 69.63s
-  Tempo Médio de Espera: 65.50s
-
-Execução #5 [simulation-low.properties]:
-  Gerados: 322, Completados: 221 (68.6%)
-  Tempo Médio no Sistema: 47.52s
-  Tempo Médio de Espera: 43.77s
-
-================================================================================
-FIM DO RELATÓRIO
-================================================================================

main/analysis/LOW_LOAD_20251211-021249.csv

@@ -0,0 +1,11 @@
+Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
+1,353,334,94.62,78.12,73.90,39.06,156.25
+2,366,359,98.09,90.80,86.56,45.40,181.60
+3,352,340,96.59,78.90,74.45,39.45,157.79
+4,362,347,95.86,69.35,64.88,34.68,138.71
+5,338,324,95.86,71.04,66.72,35.52,142.08
+6,371,366,98.65,79.54,75.17,39.77,159.09
+7,355,345,97.18,69.18,64.63,34.59,138.35
+8,364,361,99.18,79.69,75.35,39.84,159.37
+9,363,309,85.12,71.72,67.62,35.86,143.44
+10,386,376,97.41,78.78,74.30,39.39,157.56

main/analysis/LOW_LOAD_20251211-021249.txt

@@ -0,0 +1,240 @@
+================================================================================
+ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
+================================================================================
+Configuração: simulation-low.properties
+Número de Execuções: 10
+Data da Análise: 2025-12-11 02:12:49
+
+--------------------------------------------------------------------------------
+MÉTRICAS GLOBAIS
+--------------------------------------------------------------------------------
+
+Veículos Gerados:
+    Média:       361.00    Desvio Padrão:      12.80
+    Mediana:     362.50    IC 95%: [350.60, 371.40]
+    Mín:         338.00    Máx:              386.00
+
+Veículos Completados:
+    Média:       346.10    Desvio Padrão:      20.35
+    Mediana:     346.00    IC 95%: [329.55, 362.65]
+    Mín:         309.00    Máx:              376.00
+
+Taxa de Conclusão (%):
+    Média:        95.86    Desvio Padrão:       4.02
+    Mediana:      96.89    IC 95%: [92.59, 99.12]
+    Mín:          85.12    Máx:               99.18
+
+Tempo Médio no Sistema (segundos):
+    Média:        76.71    Desvio Padrão:       6.62
+    Mediana:      78.45    IC 95%: [71.33, 82.09]
+    Mín:          69.18    Máx:               90.80
+
+Tempo Médio de Espera (segundos):
+    Média:        72.36    Desvio Padrão:       6.66
+    Mediana:      74.10    IC 95%: [66.95, 77.77]
+    Mín:          64.63    Máx:               86.56
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR TIPO DE VEÍCULO
+--------------------------------------------------------------------------------
+
+--- BIKE ---
+  Contagem de Veículos:
+    Média:        69.60    Desvio Padrão:       6.69
+    Mediana:      71.00    IC 95%: [64.16, 75.04]
+    Mín:          58.00    Máx:               78.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        68.27    Desvio Padrão:      18.90
+    Mediana:      61.61    IC 95%: [52.90, 83.64]
+    Mín:          55.09    Máx:              119.43
+
+
+--- LIGHT ---
+  Contagem de Veículos:
+    Média:       204.80    Desvio Padrão:      13.91
+    Mediana:     202.00    IC 95%: [193.49, 216.11]
+    Mín:         185.00    Máx:              231.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        72.78    Desvio Padrão:       7.41
+    Mediana:      72.59    IC 95%: [66.76, 78.80]
+    Mín:          63.84    Máx:               83.07
+
+
+--- HEAVY ---
+  Contagem de Veículos:
+    Média:        71.70    Desvio Padrão:       8.33
+    Mediana:      70.00    IC 95%: [64.93, 78.47]
+    Mín:          60.00    Máx:               83.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        75.65    Desvio Padrão:      17.00
+    Mediana:      69.72    IC 95%: [61.83, 89.47]
+    Mín:          61.05    Máx:              116.12
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR INTERSEÇÃO
+--------------------------------------------------------------------------------
+
+--- Cr1 ---
+  Tamanho Máximo da Fila:
+    Média:         1.50    Desvio Padrão:       2.68
+    Mediana:       0.00    IC 95%: [-0.68, 3.68]
+    Mín:           0.00    Máx:                7.00
+
+  Tamanho Médio da Fila:
+    Média:         1.50    Desvio Padrão:       2.68
+    Mediana:       0.00    IC 95%: [-0.68, 3.68]
+    Mín:           0.00    Máx:                7.00
+
+  Veículos Processados:
+    Média:       118.90    Desvio Padrão:       6.37
+    Mediana:     119.50    IC 95%: [113.72, 124.08]
+    Mín:         109.00    Máx:              127.00
+
+
+--- Cr2 ---
+  Tamanho Máximo da Fila:
+    Média:         0.80    Desvio Padrão:       1.32
+    Mediana:       0.00    IC 95%: [-0.27, 1.87]
+    Mín:           0.00    Máx:                4.00
+
+  Tamanho Médio da Fila:
+    Média:         0.80    Desvio Padrão:       1.32
+    Mediana:       0.00    IC 95%: [-0.27, 1.87]
+    Mín:           0.00    Máx:                4.00
+
+  Veículos Processados:
+    Média:       118.30    Desvio Padrão:       8.82
+    Mediana:     121.00    IC 95%: [111.13, 125.47]
+    Mín:         104.00    Máx:              128.00
+
+
+--- Cr3 ---
+  Tamanho Máximo da Fila:
+    Média:         0.30    Desvio Padrão:       0.48
+    Mediana:       0.00    IC 95%: [-0.09, 0.69]
+    Mín:           0.00    Máx:                1.00
+
+  Tamanho Médio da Fila:
+    Média:         0.30    Desvio Padrão:       0.48
+    Mediana:       0.00    IC 95%: [-0.09, 0.69]
+    Mín:           0.00    Máx:                1.00
+
+  Veículos Processados:
+    Média:       120.70    Desvio Padrão:      10.27
+    Mediana:     121.50    IC 95%: [112.35, 129.05]
+    Mín:         108.00    Máx:              132.00
+
+
+--- Cr4 ---
+  Tamanho Máximo da Fila:
+    Média:         1.20    Desvio Padrão:       1.48
+    Mediana:       0.50    IC 95%: [0.00, 2.40]
+    Mín:           0.00    Máx:                4.00
+
+  Tamanho Médio da Fila:
+    Média:         1.20    Desvio Padrão:       1.48
+    Mediana:       0.50    IC 95%: [0.00, 2.40]
+    Mín:           0.00    Máx:                4.00
+
+  Veículos Processados:
+    Média:       111.50    Desvio Padrão:      13.71
+    Mediana:     115.00    IC 95%: [100.35, 122.65]
+    Mín:          79.00    Máx:              127.00
+
+
+--- Cr5 ---
+  Tamanho Máximo da Fila:
+    Média:         1.60    Desvio Padrão:       1.35
+    Mediana:       1.00    IC 95%: [0.50, 2.70]
+    Mín:           0.00    Máx:                4.00
+
+  Tamanho Médio da Fila:
+    Média:         1.60    Desvio Padrão:       1.35
+    Mediana:       1.00    IC 95%: [0.50, 2.70]
+    Mín:           0.00    Máx:                4.00
+
+  Veículos Processados:
+    Média:       225.40    Desvio Padrão:      21.42
+    Mediana:     232.50    IC 95%: [207.99, 242.81]
+    Mín:         178.00    Máx:              251.00
+
+
+--- ExitNode ---
+  Tamanho Máximo da Fila: Sem dados
+
+  Tamanho Médio da Fila: Sem dados
+
+  Veículos Processados:
+    Média:       346.10    Desvio Padrão:      20.35
+    Mediana:     346.00    IC 95%: [329.55, 362.65]
+    Mín:         309.00    Máx:              376.00
+
+
+--------------------------------------------------------------------------------
+RESUMOS INDIVIDUAIS DAS EXECUÇÕES
+--------------------------------------------------------------------------------
+
+Execução #1 [simulation-low.properties]:
+  Gerados: 353, Completados: 334 (94.6%)
+  Tempo Médio no Sistema: 78.12s
+  Tempo Médio de Espera: 73.90s
+
+Execução #2 [simulation-low.properties]:
+  Gerados: 366, Completados: 359 (98.1%)
+  Tempo Médio no Sistema: 90.80s
+  Tempo Médio de Espera: 86.56s
+
+Execução #3 [simulation-low.properties]:
+  Gerados: 352, Completados: 340 (96.6%)
+  Tempo Médio no Sistema: 78.90s
+  Tempo Médio de Espera: 74.45s
+
+Execução #4 [simulation-low.properties]:
+  Gerados: 362, Completados: 347 (95.9%)
+  Tempo Médio no Sistema: 69.35s
+  Tempo Médio de Espera: 64.88s
+
+Execução #5 [simulation-low.properties]:
+  Gerados: 338, Completados: 324 (95.9%)
+  Tempo Médio no Sistema: 71.04s
+  Tempo Médio de Espera: 66.72s
+
+Execução #6 [simulation-low.properties]:
+  Gerados: 371, Completados: 366 (98.7%)
+  Tempo Médio no Sistema: 79.54s
+  Tempo Médio de Espera: 75.17s
+
+Execução #7 [simulation-low.properties]:
+  Gerados: 355, Completados: 345 (97.2%)
+  Tempo Médio no Sistema: 69.18s
+  Tempo Médio de Espera: 64.63s
+
+Execução #8 [simulation-low.properties]:
+  Gerados: 364, Completados: 361 (99.2%)
+  Tempo Médio no Sistema: 79.69s
+  Tempo Médio de Espera: 75.35s
+
+Execução #9 [simulation-low.properties]:
+  Gerados: 363, Completados: 309 (85.1%)
+  Tempo Médio no Sistema: 71.72s
+  Tempo Médio de Espera: 67.62s
+
+Execução #10 [simulation-low.properties]:
+  Gerados: 386, Completados: 376 (97.4%)
+  Tempo Médio no Sistema: 78.78s
+  Tempo Médio de Espera: 74.30s
+
+================================================================================
+FIM DO RELATÓRIO
+================================================================================

main/analysis/MEDIUM_LOAD_20251208-082005.csv

@@ -1,6 +0,0 @@
-Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
-1,891,202,22.67,69.75,66.09,34.87,139.50
-2,871,340,39.04,68.73,64.73,34.37,137.46
-3,953,541,56.77,68.64,65.24,34.32,137.28
-4,888,501,56.42,60.85,57.48,30.42,121.69
-5,869,387,44.53,58.29,55.37,29.15,116.58

main/analysis/MEDIUM_LOAD_20251208-082005.txt

@@ -1,209 +0,0 @@
-================================================================================
-ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
-================================================================================
-Configuração: simulation-medium.properties
-Número de Execuções: 5
-Data da Análise: 2025-12-08 08:20:05
-
---------------------------------------------------------------------------------
-MÉTRICAS GLOBAIS
---------------------------------------------------------------------------------
-
-Veículos Gerados:
-    Média:       894.40    Desvio Padrão:      34.20
-    Mediana:     888.00    IC 95%: [845.73, 943.07]
-    Mín:         869.00    Máx:              953.00
-
-Veículos Completados:
-    Média:       394.20    Desvio Padrão:     134.99
-    Mediana:     387.00    IC 95%: [202.11, 586.29]
-    Mín:         202.00    Máx:              541.00
-
-Taxa de Conclusão (%):
-    Média:        43.89    Desvio Padrão:      14.12
-    Mediana:      44.53    IC 95%: [23.80, 63.97]
-    Mín:          22.67    Máx:               56.77
-
-Tempo Médio no Sistema (segundos):
-    Média:        65.25    Desvio Padrão:       5.28
-    Mediana:      68.64    IC 95%: [57.73, 72.77]
-    Mín:          58.29    Máx:               69.75
-
-Tempo Médio de Espera (segundos):
-    Média:        61.78    Desvio Padrão:       4.97
-    Mediana:      64.73    IC 95%: [54.71, 68.86]
-    Mín:          55.37    Máx:               66.09
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR TIPO DE VEÍCULO
---------------------------------------------------------------------------------
-
---- BIKE ---
-  Contagem de Veículos:
-    Média:        83.60    Desvio Padrão:      28.80
-    Mediana:      88.00    IC 95%: [42.62, 124.58]
-    Mín:          42.00    Máx:              112.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        64.62    Desvio Padrão:       9.80
-    Mediana:      65.07    IC 95%: [50.67, 78.57]
-    Mín:          53.82    Máx:               77.73
-
-
---- LIGHT ---
-  Contagem de Veículos:
-    Média:       234.80    Desvio Padrão:      86.82
-    Mediana:     221.00    IC 95%: [111.26, 358.34]
-    Mín:         119.00    Máx:              328.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        60.49    Desvio Padrão:       4.15
-    Mediana:      61.41    IC 95%: [54.58, 66.39]
-    Mín:          53.78    Máx:               65.19
-
-
---- HEAVY ---
-  Contagem de Veículos:
-    Média:        75.80    Desvio Padrão:      21.70
-    Mediana:      78.00    IC 95%: [44.93, 106.67]
-    Mín:          41.00    Máx:              101.00
-
-  Tempo Médio no Sistema (segundos): Sem dados
-
-  Tempo Médio de Espera (segundos):
-    Média:        62.90    Desvio Padrão:      13.27
-    Mediana:      63.80    IC 95%: [44.01, 81.79]
-    Mín:          42.19    Máx:               78.56
-
-
---------------------------------------------------------------------------------
-ANÁLISE POR INTERSEÇÃO
---------------------------------------------------------------------------------
-
---- Cr1 ---
-  Tamanho Máximo da Fila:
-    Média:         2.00    Desvio Padrão:       2.55
-    Mediana:       1.00    IC 95%: [-1.63, 5.63]
-    Mín:           0.00    Máx:                6.00
-
-  Tamanho Médio da Fila:
-    Média:         2.00    Desvio Padrão:       2.55
-    Mediana:       1.00    IC 95%: [-1.63, 5.63]
-    Mín:           0.00    Máx:                6.00
-
-  Veículos Processados:
-    Média:       106.20    Desvio Padrão:      62.26
-    Mediana:      72.00    IC 95%: [17.60, 194.80]
-    Mín:          56.00    Máx:              208.00
-
-
---- Cr2 ---
-  Tamanho Máximo da Fila:
-    Média:         1.40    Desvio Padrão:       3.13
-    Mediana:       0.00    IC 95%: [-3.05, 5.85]
-    Mín:           0.00    Máx:                7.00
-
-  Tamanho Médio da Fila:
-    Média:         1.40    Desvio Padrão:       3.13
-    Mediana:       0.00    IC 95%: [-3.05, 5.85]
-    Mín:           0.00    Máx:                7.00
-
-  Veículos Processados:
-    Média:       123.60    Desvio Padrão:      90.00
-    Mediana:     102.00    IC 95%: [-4.47, 251.67]
-    Mín:          49.00    Máx:              275.00
-
-
---- Cr3 ---
-  Tamanho Máximo da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Tamanho Médio da Fila:
-    Média:         0.20    Desvio Padrão:       0.45
-    Mediana:       0.00    IC 95%: [-0.44, 0.84]
-    Mín:           0.00    Máx:                1.00
-
-  Veículos Processados:
-    Média:       102.60    Desvio Padrão:      50.09
-    Mediana:     104.00    IC 95%: [31.32, 173.88]
-    Mín:          55.00    Máx:              181.00
-
-
---- Cr4 ---
-  Tamanho Máximo da Fila: Sem dados
-
-  Tamanho Médio da Fila: Sem dados
-
-  Veículos Processados:
-    Média:        68.80    Desvio Padrão:      27.10
-    Mediana:      60.00    IC 95%: [30.24, 107.36]
-    Mín:          47.00    Máx:              113.00
-
-
---- Cr5 ---
-  Tamanho Máximo da Fila:
-    Média:         1.20    Desvio Padrão:       2.17
-    Mediana:       0.00    IC 95%: [-1.89, 4.29]
-    Mín:           0.00    Máx:                5.00
-
-  Tamanho Médio da Fila:
-    Média:         1.20    Desvio Padrão:       2.17
-    Mediana:       0.00    IC 95%: [-1.89, 4.29]
-    Mín:           0.00    Máx:                5.00
-
-  Veículos Processados:
-    Média:       125.80    Desvio Padrão:      51.69
-    Mediana:      96.00    IC 95%: [52.24, 199.36]
-    Mín:          84.00    Máx:              193.00
-
-
---- ExitNode ---
-  Tamanho Máximo da Fila: Sem dados
-
-  Tamanho Médio da Fila: Sem dados
-
-  Veículos Processados:
-    Média:       394.20    Desvio Padrão:     134.99
-    Mediana:     387.00    IC 95%: [202.11, 586.29]
-    Mín:         202.00    Máx:              541.00
-
-
---------------------------------------------------------------------------------
-RESUMOS INDIVIDUAIS DAS EXECUÇÕES
---------------------------------------------------------------------------------
-
-Execução #1 [simulation-medium.properties]:
-  Gerados: 891, Completados: 202 (22.7%)
-  Tempo Médio no Sistema: 69.75s
-  Tempo Médio de Espera: 66.09s
-
-Execução #2 [simulation-medium.properties]:
-  Gerados: 871, Completados: 340 (39.0%)
-  Tempo Médio no Sistema: 68.73s
-  Tempo Médio de Espera: 64.73s
-
-Execução #3 [simulation-medium.properties]:
-  Gerados: 953, Completados: 541 (56.8%)
-  Tempo Médio no Sistema: 68.64s
-  Tempo Médio de Espera: 65.24s
-
-Execução #4 [simulation-medium.properties]:
-  Gerados: 888, Completados: 501 (56.4%)
-  Tempo Médio no Sistema: 60.85s
-  Tempo Médio de Espera: 57.48s
-
-Execução #5 [simulation-medium.properties]:
-  Gerados: 869, Completados: 387 (44.5%)
-  Tempo Médio no Sistema: 58.29s
-  Tempo Médio de Espera: 55.37s
-
-================================================================================
-FIM DO RELATÓRIO
-================================================================================

main/analysis/MEDIUM_LOAD_20251211-021429.csv

@@ -0,0 +1,11 @@
+Execução,VeículosGerados,VeículosCompletados,TaxaConclusão,TempoMédioSistema,TempoMédioEspera,TempoMínimoSistema,TempoMáximoSistema
+1,923,887,96.10,100.39,96.03,50.19,200.77
+2,858,577,67.25,98.33,94.50,49.16,196.66
+3,873,832,95.30,101.24,96.81,50.62,202.47
+4,898,844,93.99,95.70,91.31,47.85,191.40
+5,862,697,80.86,91.12,87.17,45.56,182.24
+6,881,785,89.10,120.88,116.38,60.44,241.76
+7,948,901,95.04,99.22,94.72,49.61,198.43
+8,873,621,71.13,97.97,93.93,48.99,195.94
+9,848,807,95.17,94.44,90.15,47.22,188.88
+10,927,880,94.93,103.89,99.48,51.95,207.78

main/analysis/MEDIUM_LOAD_20251211-021429.txt

@@ -0,0 +1,240 @@
+================================================================================
+ANÁLISE ESTATÍSTICA MULTI-EXECUÇÃO
+================================================================================
+Configuração: simulation-medium.properties
+Número de Execuções: 10
+Data da Análise: 2025-12-11 02:14:29
+
+--------------------------------------------------------------------------------
+MÉTRICAS GLOBAIS
+--------------------------------------------------------------------------------
+
+Veículos Gerados:
+    Média:       889.10    Desvio Padrão:      33.51
+    Mediana:     877.00    IC 95%: [861.85, 916.35]
+    Mín:         848.00    Máx:              948.00
+
+Veículos Completados:
+    Média:       783.10    Desvio Padrão:     113.98
+    Mediana:     819.50    IC 95%: [690.43, 875.77]
+    Mín:         577.00    Máx:              901.00
+
+Taxa de Conclusão (%):
+    Média:        87.89    Desvio Padrão:      10.91
+    Mediana:      94.46    IC 95%: [79.02, 96.76]
+    Mín:          67.25    Máx:               96.10
+
+Tempo Médio no Sistema (segundos):
+    Média:       100.32    Desvio Padrão:       8.08
+    Mediana:      98.77    IC 95%: [93.75, 106.89]
+    Mín:          91.12    Máx:              120.88
+
+Tempo Médio de Espera (segundos):
+    Média:        96.05    Desvio Padrão:       7.96
+    Mediana:      94.61    IC 95%: [89.58, 102.52]
+    Mín:          87.17    Máx:              116.38
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR TIPO DE VEÍCULO
+--------------------------------------------------------------------------------
+
+--- BIKE ---
+  Contagem de Veículos:
+    Média:       157.20    Desvio Padrão:      23.74
+    Mediana:     163.50    IC 95%: [137.90, 176.50]
+    Mín:         113.00    Máx:              183.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        98.61    Desvio Padrão:      15.54
+    Mediana:      97.14    IC 95%: [85.98, 111.24]
+    Mín:          81.15    Máx:              135.92
+
+
+--- LIGHT ---
+  Contagem de Veículos:
+    Média:       469.20    Desvio Padrão:      67.33
+    Mediana:     491.00    IC 95%: [414.46, 523.94]
+    Mín:         336.00    Máx:              539.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        94.53    Desvio Padrão:      11.74
+    Mediana:      93.58    IC 95%: [84.98, 104.08]
+    Mín:          78.21    Máx:              120.14
+
+
+--- HEAVY ---
+  Contagem de Veículos:
+    Média:       156.70    Desvio Padrão:      27.98
+    Mediana:     167.50    IC 95%: [133.95, 179.45]
+    Mín:         117.00    Máx:              192.00
+
+  Tempo Médio no Sistema (segundos): Sem dados
+
+  Tempo Médio de Espera (segundos):
+    Média:        98.43    Desvio Padrão:       8.24
+    Mediana:      98.39    IC 95%: [91.73, 105.13]
+    Mín:          84.28    Máx:              111.64
+
+
+--------------------------------------------------------------------------------
+ANÁLISE POR INTERSEÇÃO
+--------------------------------------------------------------------------------
+
+--- Cr1 ---
+  Tamanho Máximo da Fila:
+    Média:         0.50    Desvio Padrão:       1.08
+    Mediana:       0.00    IC 95%: [-0.38, 1.38]
+    Mín:           0.00    Máx:                3.00
+
+  Tamanho Médio da Fila:
+    Média:         0.50    Desvio Padrão:       1.08
+    Mediana:       0.00    IC 95%: [-0.38, 1.38]
+    Mín:           0.00    Máx:                3.00
+
+  Veículos Processados:
+    Média:       290.40    Desvio Padrão:      33.98
+    Mediana:     300.50    IC 95%: [262.77, 318.03]
+    Mín:         224.00    Máx:              337.00
+
+
+--- Cr2 ---
+  Tamanho Máximo da Fila:
+    Média:         2.80    Desvio Padrão:       5.47
+    Mediana:       0.00    IC 95%: [-1.65, 7.25]
+    Mín:           0.00    Máx:               15.00
+
+  Tamanho Médio da Fila:
+    Média:         2.80    Desvio Padrão:       5.47
+    Mediana:       0.00    IC 95%: [-1.65, 7.25]
+    Mín:           0.00    Máx:               15.00
+
+  Veículos Processados:
+    Média:       281.70    Desvio Padrão:      23.73
+    Mediana:     284.50    IC 95%: [262.41, 300.99]
+    Mín:         245.00    Máx:              323.00
+
+
+--- Cr3 ---
+  Tamanho Máximo da Fila:
+    Média:         0.30    Desvio Padrão:       0.48
+    Mediana:       0.00    IC 95%: [-0.09, 0.69]
+    Mín:           0.00    Máx:                1.00
+
+  Tamanho Médio da Fila:
+    Média:         0.30    Desvio Padrão:       0.48
+    Mediana:       0.00    IC 95%: [-0.09, 0.69]
+    Mín:           0.00    Máx:                1.00
+
+  Veículos Processados:
+    Média:       277.30    Desvio Padrão:      27.14
+    Mediana:     280.50    IC 95%: [255.24, 299.36]
+    Mín:         220.00    Máx:              314.00
+
+
+--- Cr4 ---
+  Tamanho Máximo da Fila:
+    Média:         1.60    Desvio Padrão:       1.07
+    Mediana:       2.00    IC 95%: [0.73, 2.47]
+    Mín:           0.00    Máx:                3.00
+
+  Tamanho Médio da Fila:
+    Média:         1.60    Desvio Padrão:       1.07
+    Mediana:       2.00    IC 95%: [0.73, 2.47]
+    Mín:           0.00    Máx:                3.00
+
+  Veículos Processados:
+    Média:       272.80    Desvio Padrão:      31.86
+    Mediana:     274.50    IC 95%: [246.90, 298.70]
+    Mín:         204.00    Máx:              324.00
+
+
+--- Cr5 ---
+  Tamanho Máximo da Fila:
+    Média:         2.70    Desvio Padrão:       2.45
+    Mediana:       2.00    IC 95%: [0.71, 4.69]
+    Mín:           0.00    Máx:                8.00
+
+  Tamanho Médio da Fila:
+    Média:         2.70    Desvio Padrão:       2.45
+    Mediana:       2.00    IC 95%: [0.71, 4.69]
+    Mín:           0.00    Máx:                8.00
+
+  Veículos Processados:
+    Média:       532.80    Desvio Padrão:      56.13
+    Mediana:     538.00    IC 95%: [487.17, 578.43]
+    Mín:         407.00    Máx:              615.00
+
+
+--- ExitNode ---
+  Tamanho Máximo da Fila: Sem dados
+
+  Tamanho Médio da Fila: Sem dados
+
+  Veículos Processados:
+    Média:       783.10    Desvio Padrão:     113.98
+    Mediana:     819.50    IC 95%: [690.43, 875.77]
+    Mín:         577.00    Máx:              901.00
+
+
+--------------------------------------------------------------------------------
+RESUMOS INDIVIDUAIS DAS EXECUÇÕES
+--------------------------------------------------------------------------------
+
+Execução #1 [simulation-medium.properties]:
+  Gerados: 923, Completados: 887 (96.1%)
+  Tempo Médio no Sistema: 100.39s
+  Tempo Médio de Espera: 96.03s
+
+Execução #2 [simulation-medium.properties]:
+  Gerados: 858, Completados: 577 (67.2%)
+  Tempo Médio no Sistema: 98.33s
+  Tempo Médio de Espera: 94.50s
+
+Execução #3 [simulation-medium.properties]:
+  Gerados: 873, Completados: 832 (95.3%)
+  Tempo Médio no Sistema: 101.24s
+  Tempo Médio de Espera: 96.81s
+
+Execução #4 [simulation-medium.properties]:
+  Gerados: 898, Completados: 844 (94.0%)
+  Tempo Médio no Sistema: 95.70s
+  Tempo Médio de Espera: 91.31s
+
+Execução #5 [simulation-medium.properties]:
+  Gerados: 862, Completados: 697 (80.9%)
+  Tempo Médio no Sistema: 91.12s
+  Tempo Médio de Espera: 87.17s
+
+Execução #6 [simulation-medium.properties]:
+  Gerados: 881, Completados: 785 (89.1%)
+  Tempo Médio no Sistema: 120.88s
+  Tempo Médio de Espera: 116.38s
+
+Execução #7 [simulation-medium.properties]:
+  Gerados: 948, Completados: 901 (95.0%)
+  Tempo Médio no Sistema: 99.22s
+  Tempo Médio de Espera: 94.72s
+
+Execução #8 [simulation-medium.properties]:
+  Gerados: 873, Completados: 621 (71.1%)
+  Tempo Médio no Sistema: 97.97s
+  Tempo Médio de Espera: 93.93s
+
+Execução #9 [simulation-medium.properties]:
+  Gerados: 848, Completados: 807 (95.2%)
+  Tempo Médio no Sistema: 94.44s
+  Tempo Médio de Espera: 90.15s
+
+Execução #10 [simulation-medium.properties]:
+  Gerados: 927, Completados: 880 (94.9%)
+  Tempo Médio no Sistema: 103.89s
+  Tempo Médio de Espera: 99.48s
+
+================================================================================
+FIM DO RELATÓRIO
+================================================================================

main/graphing_all.py

@@ -0,0 +1,365 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import glob
+import os
+
+# Find CSV files using glob
+def load_latest_csv(pattern):
+    """Load the most recent CSV file matching the pattern"""
+    files = glob.glob(pattern)
+    if not files:
+        print(f"Aviso: Nenhum ficheiro encontrado com o padrão '{pattern}'")
+        return None
+    # Sort by modification time, get the latest
+    latest_file = max(files, key=os.path.getmtime)
+    print(f"A carregar: {latest_file}")
+    return pd.read_csv(latest_file)
+
+print("="*60)
+print("ANÁLISE COMPLETA DE SIMULAÇÃO")
+print("="*60)
+
+# Carregar todos os dados
+print("\nA procurar ficheiros de análise...")
+low = load_latest_csv('analysis/LOW_LOAD_*.csv')
+medium = load_latest_csv('analysis/MEDIUM_LOAD_*.csv')
+high = load_latest_csv('analysis/HIGH_LOAD_*.csv')
+
+# Check if we have all data
+if low is None or medium is None or high is None:
+    print("\nErro: Ficheiros de análise em falta!")
+    print("Por favor execute a análise batch primeiro.")
+    exit(1)
+
+# Create output directory for graphs
+os.makedirs('graphs', exist_ok=True)
+
+# Determine the run column name (could be 'Run' or 'Execução')
+run_col = 'Run' if 'Run' in low.columns else 'Execução'
+
+print(f"\nColunas disponíveis: {low.columns.tolist()}")
+
+# ==============================================================================
+# GRÁFICOS COMPARATIVOS (entre cargas)
+# ==============================================================================
+
+print("\n" + "="*60)
+print("A GERAR GRÁFICOS COMPARATIVOS")
+print("="*60)
+
+# 1. Gráfico: Dwelling Time vs Load
+plt.figure(figsize=(10, 6))
+dwelling_times = [
+    low['TempoMédioSistema'].mean(),
+    medium['TempoMédioSistema'].mean(),
+    high['TempoMédioSistema'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], dwelling_times, color=['green', 'orange', 'red'])
+plt.ylabel('Tempo Médio no Sistema (s)')
+plt.title('Desempenho do Sistema vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+for i, v in enumerate(dwelling_times):
+    plt.text(i, v + 1, f'{v:.2f}s', ha='center', va='bottom')
+plt.savefig('graphs/dwelling_time_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/dwelling_time_comparison.png")
+plt.close()
+
+# 2. Gráfico: Completion Rate vs Load
+plt.figure(figsize=(10, 6))
+completion_rates = [
+    low['TaxaConclusão'].mean(),
+    medium['TaxaConclusão'].mean(),
+    high['TaxaConclusão'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], completion_rates, color=['green', 'orange', 'red'])
+plt.ylabel('Taxa de Conclusão (%)')
+plt.title('Taxa de Conclusão de Veículos vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+plt.ylim(0, 100)
+for i, v in enumerate(completion_rates):
+    plt.text(i, v + 2, f'{v:.1f}%', ha='center', va='bottom')
+plt.savefig('graphs/completion_rate_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/completion_rate_comparison.png")
+plt.close()
+
+# 3. Gráfico: Waiting Time vs Load
+plt.figure(figsize=(10, 6))
+waiting_times = [
+    low['TempoMédioEspera'].mean(),
+    medium['TempoMédioEspera'].mean(),
+    high['TempoMédioEspera'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], waiting_times, color=['green', 'orange', 'red'])
+plt.ylabel('Tempo Médio de Espera (s)')
+plt.title('Tempo Médio de Espera vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+for i, v in enumerate(waiting_times):
+    plt.text(i, v + 1, f'{v:.2f}s', ha='center', va='bottom')
+plt.savefig('graphs/waiting_time_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/waiting_time_comparison.png")
+plt.close()
+
+# 4. Gráfico: Summary Statistics (comparativo)
+fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(14, 10))
+loads = ['Baixa', 'Média', 'Alta']
+
+# Vehicles generated
+ax1.bar(loads, [low['VeículosGerados'].mean(), medium['VeículosGerados'].mean(), high['VeículosGerados'].mean()], color=['green', 'orange', 'red'])
+ax1.set_title('Veículos Gerados')
+ax1.set_ylabel('Quantidade')
+ax1.grid(axis='y', alpha=0.3)
+
+# Vehicles completed
+ax2.bar(loads, [low['VeículosCompletados'].mean(), medium['VeículosCompletados'].mean(), high['VeículosCompletados'].mean()], color=['green', 'orange', 'red'])
+ax2.set_title('Veículos Concluídos')
+ax2.set_ylabel('Quantidade')
+ax2.grid(axis='y', alpha=0.3)
+
+# Min/Max dwelling time
+x = range(3)
+width = 0.35
+ax3.bar([i - width/2 for i in x], [low['TempoMínimoSistema'].mean(), medium['TempoMínimoSistema'].mean(), high['TempoMínimoSistema'].mean()], width, label='Mín', color='lightblue')
+ax3.bar([i + width/2 for i in x], [low['TempoMáximoSistema'].mean(), medium['TempoMáximoSistema'].mean(), high['TempoMáximoSistema'].mean()], width, label='Máx', color='darkblue')
+ax3.set_title('Tempo no Sistema Mín/Máx')
+ax3.set_ylabel('Tempo (s)')
+ax3.set_xticks(x)
+ax3.set_xticklabels(loads)
+ax3.legend()
+ax3.grid(axis='y', alpha=0.3)
+
+# Performance summary
+metrics = ['Tempo no\nSistema', 'Tempo de\nEspera', 'Taxa de\nConclusão']
+low_vals = [low['TempoMédioSistema'].mean(), low['TempoMédioEspera'].mean(), low['TaxaConclusão'].mean()]
+med_vals = [medium['TempoMédioSistema'].mean(), medium['TempoMédioEspera'].mean(), medium['TaxaConclusão'].mean()]
+high_vals = [high['TempoMédioSistema'].mean(), high['TempoMédioEspera'].mean(), high['TaxaConclusão'].mean()]
+
+x = range(len(metrics))
+width = 0.25
+ax4.bar([i - width for i in x], low_vals, width, label='Baixa', color='green')
+ax4.bar(x, med_vals, width, label='Média', color='orange')
+ax4.bar([i + width for i in x], high_vals, width, label='Alta', color='red')
+ax4.set_title('Resumo de Desempenho')
+ax4.set_xticks(x)
+ax4.set_xticklabels(metrics)
+ax4.legend()
+ax4.grid(axis='y', alpha=0.3)
+
+plt.tight_layout()
+plt.savefig('graphs/summary_statistics.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/summary_statistics.png")
+plt.close()
+
+# ==============================================================================
+# GRÁFICOS INDIVIDUAIS POR CARGA
+# ==============================================================================
+
+def generate_individual_graphs(data, load_type, load_name, color):
+    """Generate detailed graphs for a specific load type"""
+    
+    print(f"\n{'='*60}")
+    print(f"A GERAR GRÁFICOS - CARGA {load_name.upper()}")
+    print("="*60)
+    
+    # 1. Gráfico: Run-by-Run Dwelling Time
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TempoMédioSistema'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.fill_between(data[run_col], data['TempoMínimoSistema'], data['TempoMáximoSistema'], alpha=0.2, color=color)
+    plt.ylabel('Tempo no Sistema (s)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Tempo no Sistema por Execução - Carga {load_name}')
+    plt.grid(alpha=0.3)
+    plt.legend(['Média', 'Intervalo Min-Max'])
+    plt.savefig(f'graphs/{load_type.lower()}_dwelling_time_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_dwelling_time_runs.png")
+    plt.close()
+
+    # 2. Gráfico: Run-by-Run Completion Rate
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TaxaConclusão'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.axhline(y=data['TaxaConclusão'].mean(), color='black', linestyle='--', label=f'Média: {data["TaxaConclusão"].mean():.1f}%')
+    plt.ylabel('Taxa de Conclusão (%)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Taxa de Conclusão por Execução - Carga {load_name}')
+    plt.ylim(0, 105)
+    plt.grid(alpha=0.3)
+    plt.legend()
+    plt.savefig(f'graphs/{load_type.lower()}_completion_rate_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_completion_rate_runs.png")
+    plt.close()
+
+    # 3. Gráfico: Run-by-Run Waiting Time
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TempoMédioEspera'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.ylabel('Tempo de Espera (s)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Tempo Médio de Espera por Execução - Carga {load_name}')
+    plt.grid(alpha=0.3)
+    plt.savefig(f'graphs/{load_type.lower()}_waiting_time_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_waiting_time_runs.png")
+    plt.close()
+
+    # 4. Gráfico: Vehicles Generated vs Completed
+    plt.figure(figsize=(10, 6))
+    x = range(len(data))
+    width = 0.35
+    plt.bar([i - width/2 for i in x], data['VeículosGerados'], width, label='Gerados', color='lightblue', alpha=0.8)
+    plt.bar([i + width/2 for i in x], data['VeículosCompletados'], width, label='Concluídos', color=color, alpha=0.8)
+    plt.ylabel('Número de Veículos')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Veículos Gerados vs Concluídos - Carga {load_name}')
+    plt.xticks(x, data[run_col])
+    plt.legend()
+    plt.grid(axis='y', alpha=0.3)
+    plt.savefig(f'graphs/{load_type.lower()}_vehicles_comparison.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_vehicles_comparison.png")
+    plt.close()
+
+    # 5. Gráfico: Summary Statistics (4-panel)
+    fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(14, 10))
+
+    # Panel 1: Dwelling Time Statistics
+    metrics = ['Média', 'Mínimo', 'Máximo', 'Desvio\nPadrão']
+    values = [
+        data['TempoMédioSistema'].mean(),
+        data['TempoMínimoSistema'].min(),
+        data['TempoMáximoSistema'].max(),
+        data['TempoMédioSistema'].std()
+    ]
+    ax1.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+    ax1.set_title('Estatísticas de Tempo no Sistema')
+    ax1.set_ylabel('Tempo (s)')
+    ax1.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(values):
+        ax1.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+    # Panel 2: Waiting Time Statistics
+    values = [
+        data['TempoMédioEspera'].mean(),
+        data['TempoMédioEspera'].min(),
+        data['TempoMédioEspera'].max(),
+        data['TempoMédioEspera'].std()
+    ]
+    ax2.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+    ax2.set_title('Estatísticas de Tempo de Espera')
+    ax2.set_ylabel('Tempo (s)')
+    ax2.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(values):
+        ax2.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+    # Panel 3: Completion Rate Distribution
+    ax3.hist(data['TaxaConclusão'], bins=10, color=color, alpha=0.7, edgecolor='black')
+    ax3.axvline(data['TaxaConclusão'].mean(), color='red', linestyle='--', linewidth=2, label='Média')
+    ax3.set_title('Distribuição da Taxa de Conclusão')
+    ax3.set_xlabel('Taxa de Conclusão (%)')
+    ax3.set_ylabel('Frequência')
+    ax3.legend()
+    ax3.grid(axis='y', alpha=0.3)
+
+    # Panel 4: Key Metrics Summary
+    summary_metrics = ['Veículos\nGerados', 'Veículos\nConcluídos', 'Taxa de\nConclusão (%)']
+    summary_values = [
+        data['VeículosGerados'].mean(),
+        data['VeículosCompletados'].mean(),
+        data['TaxaConclusão'].mean()
+    ]
+    # Create bars individually with different alpha values
+    alphas = [0.5, 0.7, 0.9]
+    for i, (metric, value, alpha_val) in enumerate(zip(summary_metrics, summary_values, alphas)):
+        ax4.bar(i, value, color=color, alpha=alpha_val)
+    ax4.set_xticks(range(len(summary_metrics)))
+    ax4.set_xticklabels(summary_metrics)
+    ax4.set_title('Resumo de Métricas-Chave')
+    ax4.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(summary_values):
+        ax4.text(i, v + max(summary_values)*0.02, f'{v:.1f}', ha='center', va='bottom', fontweight='bold')
+
+    plt.tight_layout()
+    plt.savefig(f'graphs/{load_type.lower()}_summary_statistics.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_summary_statistics.png")
+    plt.close()
+
+    # Print detailed summary statistics
+    print(f"\n{'='*60}")
+    print(f"CARGA {load_name.upper()} - ESTATÍSTICAS DETALHADAS")
+    print("="*60)
+
+    print(f"\nTEMPO NO SISTEMA:")
+    print(f"  Média: {data['TempoMédioSistema'].mean():.2f}s")
+    print(f"  Desvio Padrão: {data['TempoMédioSistema'].std():.2f}s")
+    print(f"  Mínimo: {data['TempoMínimoSistema'].min():.2f}s")
+    print(f"  Máximo: {data['TempoMáximoSistema'].max():.2f}s")
+    print(f"  Mediana: {data['TempoMédioSistema'].median():.2f}s")
+
+    print(f"\nTEMPO DE ESPERA:")
+    print(f"  Média: {data['TempoMédioEspera'].mean():.2f}s")
+    print(f"  Desvio Padrão: {data['TempoMédioEspera'].std():.2f}s")
+    print(f"  Mínimo: {data['TempoMédioEspera'].min():.2f}s")
+    print(f"  Máximo: {data['TempoMédioEspera'].max():.2f}s")
+    print(f"  Mediana: {data['TempoMédioEspera'].median():.2f}s")
+
+    print(f"\nTAXA DE CONCLUSÃO:")
+    print(f"  Média: {data['TaxaConclusão'].mean():.2f}%")
+    print(f"  Desvio Padrão: {data['TaxaConclusão'].std():.2f}%")
+    print(f"  Mínimo: {data['TaxaConclusão'].min():.2f}%")
+    print(f"  Máximo: {data['TaxaConclusão'].max():.2f}%")
+    print(f"  Mediana: {data['TaxaConclusão'].median():.2f}%")
+
+    print(f"\nCONTAGEM DE VEÍCULOS:")
+    print(f"  Média Gerados: {data['VeículosGerados'].mean():.0f}")
+    print(f"  Média Concluídos: {data['VeículosCompletados'].mean():.0f}")
+    print(f"  Média Perdidos: {data['VeículosGerados'].mean() - data['VeículosCompletados'].mean():.0f}")
+
+    print(f"\nEXECUÇÕES ANALISADAS: {len(data)}")
+
+    # Check for config file column - could be ArquivoConfig or ConfigFile
+    config_col = None
+    if 'ArquivoConfig' in data.columns:
+        config_col = 'ArquivoConfig'
+    elif 'ConfigFile' in data.columns:
+        config_col = 'ConfigFile'
+
+    if config_col:
+        print(f"FICHEIRO DE CONFIGURAÇÃO: {data[config_col].iloc[0]}")
+
+# Generate individual graphs for each load
+generate_individual_graphs(low, 'LOW', 'Baixa', 'green')
+generate_individual_graphs(medium, 'MEDIUM', 'Média', 'orange')
+generate_individual_graphs(high, 'HIGH', 'Alta', 'red')
+
+# ==============================================================================
+# SUMÁRIO FINAL
+# ==============================================================================
+
+print("\n" + "="*60)
+print("SUMÁRIO COMPARATIVO FINAL")
+print("="*60)
+
+print(f"\nCARGA BAIXA:")
+print(f"  Tempo Médio no Sistema: {low['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {low['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {low['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {low['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {low['VeículosCompletados'].mean():.0f}")
+
+print(f"\nCARGA MÉDIA:")
+print(f"  Tempo Médio no Sistema: {medium['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {medium['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {medium['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {medium['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {medium['VeículosCompletados'].mean():.0f}")
+
+print(f"\nCARGA ALTA:")
+print(f"  Tempo Médio no Sistema: {high['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {high['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {high['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {high['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {high['VeículosCompletados'].mean():.0f}")
+
+print("\n" + "="*60)
+print("ANÁLISE COMPLETA!")
+print(f"Total de gráficos gerados: 19")
+print("Todos os gráficos foram guardados no diretório 'graphs/'")
+print("="*60)

main/graphing_single.py

@@ -0,0 +1,222 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import glob
+import os
+import sys
+
+# Find CSV files using glob
+def load_latest_csv(pattern):
+    """Load the most recent CSV file matching the pattern"""
+    files = glob.glob(pattern)
+    if not files:
+        print(f"Warning: No files found matching '{pattern}'")
+        return None
+    # Sort by modification time, get the latest
+    latest_file = max(files, key=os.path.getmtime)
+    print(f"Loading: {latest_file}")
+    return pd.read_csv(latest_file)
+
+# Determine which load to analyze
+if len(sys.argv) > 1:
+    load_type = sys.argv[1].upper()
+else:
+    print("Usage: python graphing_single.py [LOW|MEDIUM|HIGH]")
+    print("Defaulting to LOW_LOAD...")
+    load_type = "LOW"
+
+# Validate load type
+if load_type not in ["LOW", "MEDIUM", "HIGH"]:
+    print(f"Error: Invalid load type '{load_type}'. Must be LOW, MEDIUM, or HIGH.")
+    exit(1)
+
+# Load the specified data
+print(f"Looking for {load_type}_LOAD analysis files...")
+pattern = f'analysis/{load_type}_LOAD_*.csv'
+data = load_latest_csv(pattern)
+
+if data is None:
+    print(f"\nError: No {load_type}_LOAD analysis files found!")
+    print("Please run the batch analysis first.")
+    exit(1)
+
+# Print available columns for debugging
+print(f"\nAvailable columns in {load_type}_LOAD CSV:")
+print(data.columns.tolist())
+
+# Create output directory for graphs
+os.makedirs('graphs', exist_ok=True)
+
+# Determine the run column name (could be 'Run' or 'Execução')
+run_col = 'Run' if 'Run' in data.columns else 'Execução'
+
+# Load name for titles
+load_name = load_type.capitalize()
+colors = {'LOW': 'green', 'MEDIUM': 'orange', 'HIGH': 'red'}
+color = colors[load_type]
+
+# 1. Gráfico: Run-by-Run Dwelling Time
+plt.figure(figsize=(12, 6))
+plt.plot(data[run_col], data['TempoMédioSistema'], marker='o', color=color, linewidth=2, markersize=6)
+plt.fill_between(data[run_col], data['TempoMínimoSistema'], data['TempoMáximoSistema'], alpha=0.2, color=color)
+plt.ylabel('Tempo no Sistema (s)')
+plt.xlabel('Run Number')
+plt.title(f'Tempo no Sistema por Execução - Carga {load_name}')
+plt.grid(alpha=0.3)
+plt.legend(['Média', 'Min-Max Range'])
+plt.savefig(f'graphs/{load_type.lower()}_dwelling_time_runs.png', dpi=300, bbox_inches='tight')
+print(f"\nGraph saved: graphs/{load_type.lower()}_dwelling_time_runs.png")
+plt.close()
+
+# 2. Gráfico: Run-by-Run Completion Rate
+plt.figure(figsize=(12, 6))
+plt.plot(data[run_col], data['TaxaConclusão'], marker='o', color=color, linewidth=2, markersize=6)
+plt.axhline(y=data['TaxaConclusão'].mean(), color='black', linestyle='--', label=f'Média: {data["TaxaConclusão"].mean():.1f}%')
+plt.ylabel('Taxa de Conclusão (%)')
+plt.xlabel('Run Number')
+plt.title(f'Taxa de Conclusão por Execução - Carga {load_name}')
+plt.ylim(0, 105)
+plt.grid(alpha=0.3)
+plt.legend()
+plt.savefig(f'graphs/{load_type.lower()}_completion_rate_runs.png', dpi=300, bbox_inches='tight')
+print(f"Graph saved: graphs/{load_type.lower()}_completion_rate_runs.png")
+plt.close()
+
+# 3. Gráfico: Run-by-Run Waiting Time
+plt.figure(figsize=(12, 6))
+plt.plot(data[run_col], data['TempoMédioEspera'], marker='o', color=color, linewidth=2, markersize=6)
+plt.ylabel('Tempo de Espera (s)')
+plt.xlabel('Run Number')
+plt.title(f'Tempo Médio de Espera por Execução - Carga {load_name}')
+plt.grid(alpha=0.3)
+plt.savefig(f'graphs/{load_type.lower()}_waiting_time_runs.png', dpi=300, bbox_inches='tight')
+print(f"Graph saved: graphs/{load_type.lower()}_waiting_time_runs.png")
+plt.close()
+
+# 4. Gráfico: Vehicles Generated vs Completed
+plt.figure(figsize=(10, 6))
+x = range(len(data))
+width = 0.35
+plt.bar([i - width/2 for i in x], data['VeículosGerados'], width, label='Gerados', color='lightblue', alpha=0.8)
+plt.bar([i + width/2 for i in x], data['VeículosCompletados'], width, label='Concluídos', color=color, alpha=0.8)
+plt.ylabel('Número de Veículos')
+plt.xlabel('Run Number')
+plt.title(f'Veículos Gerados vs Concluídos - Carga {load_name}')
+plt.xticks(x, data[run_col])
+plt.legend()
+plt.grid(axis='y', alpha=0.3)
+plt.savefig(f'graphs/{load_type.lower()}_vehicles_comparison.png', dpi=300, bbox_inches='tight')
+print(f"Graph saved: graphs/{load_type.lower()}_vehicles_comparison.png")
+plt.close()
+
+# 5. Gráfico: Summary Statistics (4-panel)
+fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(14, 10))
+
+# Panel 1: Dwelling Time Statistics
+metrics = ['Média', 'Mínimo', 'Máximo', 'Desvio\nPadrão']
+values = [
+    data['TempoMédioSistema'].mean(),
+    data['TempoMínimoSistema'].min(),
+    data['TempoMáximoSistema'].max(),
+    data['TempoMédioSistema'].std()
+]
+ax1.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+ax1.set_title('Estatísticas de Tempo no Sistema')
+ax1.set_ylabel('Tempo (s)')
+ax1.grid(axis='y', alpha=0.3)
+for i, v in enumerate(values):
+    ax1.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+# Panel 2: Waiting Time Statistics
+values = [
+    data['TempoMédioEspera'].mean(),
+    data['TempoMédioEspera'].min(),
+    data['TempoMédioEspera'].max(),
+    data['TempoMédioEspera'].std()
+]
+ax2.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+ax2.set_title('Estatísticas de Tempo de Espera')
+ax2.set_ylabel('Tempo (s)')
+ax2.grid(axis='y', alpha=0.3)
+for i, v in enumerate(values):
+    ax2.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+# Panel 3: Completion Rate Distribution
+ax3.hist(data['TaxaConclusão'], bins=10, color=color, alpha=0.7, edgecolor='black')
+ax3.axvline(data['TaxaConclusão'].mean(), color='red', linestyle='--', linewidth=2, label='Média')
+ax3.set_title('Distribuição da Taxa de Conclusão')
+ax3.set_xlabel('Taxa de Conclusão (%)')
+ax3.set_ylabel('Frequência')
+ax3.legend()
+ax3.grid(axis='y', alpha=0.3)
+
+# Panel 4: Key Metrics Summary
+summary_metrics = ['Veículos\nGerados', 'Veículos\nConcluídos', 'Taxa de\nConclusão (%)']
+summary_values = [
+    data['VeículosGerados'].mean(),
+    data['VeículosCompletados'].mean(),
+    data['TaxaConclusão'].mean()
+]
+# Create bars individually with different alpha values
+alphas = [0.5, 0.7, 0.9]
+for i, (metric, value, alpha_val) in enumerate(zip(summary_metrics, summary_values, alphas)):
+    ax4.bar(i, value, color=color, alpha=alpha_val)
+ax4.set_xticks(range(len(summary_metrics)))
+ax4.set_xticklabels(summary_metrics)
+ax4.set_title('Resumo de Métricas-Chave')
+ax4.grid(axis='y', alpha=0.3)
+for i, v in enumerate(summary_values):
+    ax4.text(i, v + max(summary_values)*0.02, f'{v:.1f}', ha='center', va='bottom', fontweight='bold')
+
+plt.tight_layout()
+plt.savefig(f'graphs/{load_type.lower()}_summary_statistics.png', dpi=300, bbox_inches='tight')
+print(f"Graph saved: graphs/{load_type.lower()}_summary_statistics.png")
+plt.close()
+
+# Print detailed summary statistics
+print("\n" + "="*60)
+print(f"{load_name.upper()} LOAD - DETAILED STATISTICS")
+print("="*60)
+
+print(f"\nTIME IN SYSTEM:")
+print(f"  Mean: {data['TempoMédioSistema'].mean():.2f}s")
+print(f"  Std Dev: {data['TempoMédioSistema'].std():.2f}s")
+print(f"  Min: {data['TempoMínimoSistema'].min():.2f}s")
+print(f"  Max: {data['TempoMáximoSistema'].max():.2f}s")
+print(f"  Median: {data['TempoMédioSistema'].median():.2f}s")
+
+print(f"\nWAITING TIME:")
+print(f"  Mean: {data['TempoMédioEspera'].mean():.2f}s")
+print(f"  Std Dev: {data['TempoMédioEspera'].std():.2f}s")
+print(f"  Min: {data['TempoMédioEspera'].min():.2f}s")
+print(f"  Max: {data['TempoMédioEspera'].max():.2f}s")
+print(f"  Median: {data['TempoMédioEspera'].median():.2f}s")
+
+print(f"\nCOMPLETION RATE:")
+print(f"  Mean: {data['TaxaConclusão'].mean():.2f}%")
+print(f"  Std Dev: {data['TaxaConclusão'].std():.2f}%")
+print(f"  Min: {data['TaxaConclusão'].min():.2f}%")
+print(f"  Max: {data['TaxaConclusão'].max():.2f}%")
+print(f"  Median: {data['TaxaConclusão'].median():.2f}%")
+
+print(f"\nVEHICLE COUNTS:")
+print(f"  Mean Generated: {data['VeículosGerados'].mean():.0f}")
+print(f"  Mean Completed: {data['VeículosCompletados'].mean():.0f}")
+print(f"  Mean Lost: {data['VeículosGerados'].mean() - data['VeículosCompletados'].mean():.0f}")
+
+print(f"\nRUNS ANALYZED: {len(data)}")
+
+# Check for config file column - could be ArquivoConfig or ConfigFile
+config_col = None
+if 'ArquivoConfig' in data.columns:
+    config_col = 'ArquivoConfig'
+elif 'ConfigFile' in data.columns:
+    config_col = 'ConfigFile'
+
+if config_col:
+    print(f"CONFIGURATION FILE: {data[config_col].iloc[0]}")
+else:
+    print(f"CONFIGURATION FILE: N/A")
+
+print("\n" + "="*60)
+print(f"All graphs saved in 'graphs/' directory with prefix '{load_type.lower()}_'")
+print("="*60)

main/src/main/java/sd/coordinator/CoordinatorProcess.java

@@ -3,6 +3,7 @@ package sd.coordinator;
 import java.io.IOException;
 import java.util.HashMap;
 import java.util.Map;
+import java.util.concurrent.locks.LockSupport;
 
 import sd.config.SimulationConfig;
 import sd.dashboard.DashboardStatistics;
@@ -375,6 +376,7 @@ public class CoordinatorProcess {
 
         String entryIntersection = vehicle.getRoute().get(0);
         sendVehicleToIntersection(vehicle, entryIntersection);
+        LockSupport.parkNanos(100000); // 100us
     }
 
     /**

main/src/main/java/sd/protocol/SocketConnection.java

@@ -11,6 +11,7 @@ import java.net.Socket;
 import java.net.SocketTimeoutException;
 import java.net.UnknownHostException;
 import java.util.concurrent.TimeUnit;
+import java.util.concurrent.locks.LockSupport;
 
 import sd.serialization.MessageSerializer;
 import sd.serialization.SerializationException;
@@ -167,7 +168,8 @@ public class SocketConnection implements Closeable {
             DataOutputStream dataOut = new DataOutputStream(outputStream);
             dataOut.writeInt(data.length);
             dataOut.write(data);
-            dataOut.flush(); // Force transmission immediately
+            dataOut.flush();
+            LockSupport.parkNanos(50000); // 50us
             
         } catch (SerializationException e) {
             throw new IOException("Failed to serialize message", e);
@@ -202,6 +204,7 @@ public class SocketConnection implements Closeable {
             // Ler dados exatos da mensagem
             byte[] data = new byte[length];
             dataIn.readFully(data);
+            LockSupport.parkNanos(50000); // 50us
             
             // Deserialize do JSON - força o tipo concreto Message
             return serializer.deserialize(data, sd.model.Message.class);

report.tex

@@ -0,0 +1,186 @@
+\documentclass[a4paper,11pt]{article}
+
+% codificação
+\usepackage[utf8]{inputenc}
+\usepackage[T1]{fontenc}
+
+% layout
+\usepackage[top=2.5cm, bottom=2.5cm, left=2.5cm, right=2.5cm]{geometry}
+\usepackage{parskip} % Espaçamento entre parágrafos sem indentação
+\usepackage{titlesec} % Personalização de títulos
+
+% cor/estilo
+\usepackage{xcolor}
+\definecolor{navyblue}{RGB}{0, 40, 85}
+\definecolor{codegray}{rgb}{0.95,0.95,0.95}
+\definecolor{accent}{RGB}{0, 100, 180}
+
+\usepackage{hyperref}
+
+\hypersetup{
+	pdftitle={Relatório de Correção de Regressão de Desempenho em Linux},
+	pdfauthor={Leandro Afonso},
+	pdfsubject={Análise Técnica},
+	pdfkeywords={Linux, Java, Latency, Syscall, Optimization},
+	pdfcreator={pdfLaTeX}
+}
+
+% data
+\renewcommand{\today}{%
+	\number\day\ de %
+	\ifcase\month\or
+	Janeiro\or Fevereiro\or Março\or Abril\or Maio\or Junho\or
+	Julho\or Agosto\or Setembro\or Outubro\or Novembro\or Dezembro%
+	\fi
+	\ de \number\year%
+}
+
+% tabelas
+\usepackage{booktabs}
+\usepackage{array}
+
+% conf
+\usepackage{listings}
+\lstset{
+	backgroundcolor=\color{codegray},
+	basicstyle=\ttfamily\small,
+	breakatwhitespace=false,
+	breaklines=true,
+	captionpos=b,
+	commentstyle=\color{green!50!black},
+	keywordstyle=\color{blue},
+	stringstyle=\color{red},
+	frame=single,
+	rulecolor=\color{black!20},
+	numbers=left,
+	numberstyle=\tiny\color{gray},
+	stepnumber=1,
+	tabsize=4,
+	showstringspaces=false
+	extendedchars=true,
+	literate={á}{{\'a}}1 {ã}{{\~a}}1 {é}{{\'e}}1 {ç}{{\c{c}}}1 {í}{{\'i}}1 {ó}{{\'o}}1 {õ}{{\~o}}1 {ú}{{\'u}}1 {µ}{{\ensuremath{\mu}}}1 {€}{{\euro}}1,
+}
+
+% seccões
+\titleformat{\section}
+{\color{navyblue}\normalfont\Large\bfseries}
+{\thesection}{1em}{}
+
+\titleformat{\subsection}
+{\color{navyblue}\normalfont\large\bfseries}
+{\thesubsection}{1em}{}
+
+% metadados
+\title{\textbf{\color{navyblue}Relatório de Correção de Regressão de Desempenho em Linux}}
+\author{Leandro Afonso}
+\date{\today}
+
+\begin{document}
+	
+	\maketitle
+	
+	\section{Resumo do Problema}
+	A simulação distribuída de tráfego demonstrou uma regressão significativa de desempenho em ambiente Linux nativo quando comparada com a execução em Windows/Wine.
+	
+	A tabela abaixo ilustra a discrepância nas taxas de conclusão de veículos dentro da janela de simulação fixa:
+	
+	\begin{table}[h]
+		\centering
+		\begin{tabular}{@{}lc@{}}
+			\toprule
+			\textbf{Ambiente} & \textbf{Taxa de Conclusão} \\
+			\midrule
+			Windows / Wine & $\sim 95-100\%$ \\
+			Linux (OpenJDK Nativo) & $\sim 44\%$ \\
+			Linux (com \texttt{strace}) & $\sim 91\%$ \\
+			\bottomrule
+		\end{tabular}
+		\caption{Comparação de desempenho por ambiente.}
+	\end{table}
+	
+	O \textit{insight} crucial surgiu ao descobrir que a execução sob \texttt{strace} recuperava a taxa de conclusão para 91\%. O \texttt{strace} introduz \textit{overhead} em cada \textit{syscall}, o que, paradoxalmente, estabilizou o sistema ao forçar um abrandamento natural (\textit{throttling}).
+	
+	\section{Causa Raiz}
+	\textbf{O Linux executa demasiado rápido.} 
+	
+	O Coordenador gera veículos a uma velocidade superior à capacidade de processamento das interseções distribuídas e da pilha de rede. Em Windows/Wine, o \textit{overhead} inerente à emulação e ao agendador do SO limita naturalmente a taxa de transferência do sistema.
+	
+	Em Linux nativo, a execução mais célere provoca uma condição de corrida sistémica:
+	\begin{itemize}
+		\item A geração de veículos excede a capacidade de processamento imediato dos nós.
+		\item As filas de eventos congestionam (\textit{back up}) rapidamente nas interseções.
+		\item Veículos gerados tardiamente não dispõem de tempo de CPU suficiente para concluir o percurso antes do fim da simulação.
+	\end{itemize}
+	
+	\section{Solução Implementada}
+	A correção consistiu na introdução de micro-atrasos (\textit{micro-throttles}) utilizando \texttt{LockSupport.parkNanos()}. Esta abordagem simula o \textit{overhead} natural presente no ambiente Windows, permitindo o escoamento das filas de E/S.
+	
+	\subsection{Alterações no Código}
+	
+	\textbf{1. Ficheiro: \texttt{SocketConnection.java}} \\
+	Adicionado um atraso de 50$\mu$s após operações de E/S para permitir o processamento da pilha TCP.
+	
+	\begin{lstlisting}[language=Java, title={SocketConnection.java (Excerto)}]
+		// Em sendMessage() após o flush:
+		dataOut.flush();
+		LockSupport.parkNanos(50000); // 50 us delay
+		
+		// Em receiveMessage() após readFully:
+		dataIn.readFully(data);
+		LockSupport.parkNanos(50000); // 50 us delay
+	\end{lstlisting}
+	
+	\textbf{2. Ficheiro: \texttt{CoordinatorProcess.java}} \\
+	Adicionado um atraso de 100$\mu$s na geração de veículos para limitar a taxa de produção.
+	
+	\begin{lstlisting}[language=Java, title={CoordinatorProcess.java (Excerto)}]
+		// Em generateAndSendVehicle():
+		sendVehicleToIntersection(vehicle, entryIntersection);
+		LockSupport.parkNanos(100000); // 100 us delay
+	\end{lstlisting}
+	
+	\textbf{Nota: \textnormal{Em ambos os ficheiros deve ser importado java.util.concurrent.locks.LockSupport.}}
+	
+	\section{Resultados e Validação}
+	
+	A aplicação dos atrasos sintéticos restaurou a paridade de desempenho entre os sistemas operativos.
+	
+	\begin{table}[h]
+		\centering
+		\begin{tabular}{@{}lcc@{}}
+			\toprule
+			\textbf{Ambiente} & \textbf{Antes da Correção} & \textbf{Após Correção} \\
+			\midrule
+			Linux Nativo & $\sim 44\%$ & $\mathbf{\sim 92\%}$ \\
+			\bottomrule
+		\end{tabular}
+	\end{table}
+	
+	\subsection{Por que funciona?}
+	\begin{itemize}
+		\item \textbf{Precisão:} \texttt{LockSupport.parkNanos()} oferece um atraso preciso e não bloqueante, com impacto mínimo no agendador do SO, ao contrário de \texttt{Thread.sleep()}.
+		\item \textbf{Ritmo de E/S (50$\mu$s):} Abranda a comunicação via \textit{socket} o suficiente para evitar a saturação dos \textit{buffers} de receção das interseções.
+		\item \textbf{Controlo de Fluxo (100$\mu$s):} Limita a produção do Coordenador, garantindo que o sistema a jusante consegue processar os eventos em tempo útil.
+	\end{itemize}
+	
+	\subsection{Verificação}
+	Para validar a correção no ambiente de desenvolvimento:
+	
+	\begin{lstlisting}[language=bash]
+		mvn clean compile
+		mvn javafx:run
+	\end{lstlisting}
+	
+	\textbf{Resultado Esperado:} Taxa de conclusão superior a 90\%.
+	
+	\section{Abordagens Alternativas (Falhadas)}
+	As seguintes tentativas foram realizadas antes da solução final, sem sucesso:
+	\begin{itemize}
+		\item \textbf{Thread.sleep(1):} Demasiado impreciso (granularidade mínima de $\sim$1ms em Linux), causando atrasos excessivos.
+		\item \textbf{Thread.yield():} Sem efeito prático no agendador CFS do Linux neste contexto.
+		\item \textbf{Garbage Collectors:} A alteração entre G1, Parallel e Shenandoah não surtiu efeito.
+		\item \textbf{Versão Java:} Testes com Java 17 e 25 mostraram o mesmo comportamento.
+		\item \textbf{Prioridade de Threads:} Ajustes de prioridade na JVM foram ignorados pelo SO.
+	\end{itemize}
+	
+\end{document}