Departamento de Engenharia Industrial
ANÁLISE DA INTENSIDADE DE USO DO TRANSPORTE DE
PASSAGEIROS NA METRÓPOLE DO RIO DE JANEIRO UTILIZANDO-
SE DADOS DO PDTU 2015
Aluna: Isabela Ramos Corguinha
Orientador: José Eugênio Leal
Co-Orientador: Orivalde Soares da Silva Júnior
Introdução
Com o crescimento dos grandes centros urbanos, surge a necessidade de ampliar e melhorar
a rede de transportes. Para indicar os gargalos onde serão necessários os investimentos, são
desenvolvidos os planos diretores de transportes.
Para a região metropolitana do Rio de Janeiro foi desenvolvido um Plano Diretor de
Transportes Urbanos (PDTU) no período de 2012 a 2015 [1]. Uma das formas de obtenção de
dados foi através de pesquisas domiciliares, nas quais é possível identificar o perfil do usuário e a
origem e destino (O/D) de suas viagens. Esses dados são utilizados como entrada num modelo de
previsão de demanda em quatro etapas o qual é cuidadosamente calibrado e validado com dados
complementares de contagem de fluxo para garantir sua precisão.
Uma das quatro etapas desse modelo é a distribuição de viagens, que exigem basicamente os
dados referentes à quantidade de viagens futuras e aonde irão se concentrar tais viagens [2]. Há
uma grande quantidade de modelos de distribuição de viagens, sendo que a maioria deles ainda se
encontra em processo de validação. Mais especificamente falando dos modelos sintéticos
relacionados com o uso do solo, estes possuem uma vantagem que é a aplicação em áreas onde se
espera que ocorram mudanças expressivas no desenvolvimento do uso do solo. O modelo
gravitacional é considerado o mais documentado na literatura técnica, além de ser o mais testado e
validado, possivelmente porque é de fácil entendimento e aplicação. Dentro desse contexto, surge
então um modelo baseado na intensidade de uso do solo, que será o foco deste trabalho.
O conceito básico desse modelo baseado na intensidade de uso do solo teve como referência
os conceitos de Kutter [3]. Ele define uma intensidade de uso como a relação entre a frequência
relativa de viagens e a frequência relativa de oportunidades em um determinado intervalo de custo
de ambas as distribuições. Uma experiência com a aplicação do modelo foi desenvolvido utilizando
os dados do ano de 1977 do Rio de Janeiro [3]. Estes dados foram recolhidos para a avaliação do
sistema de metrô do Rio de Janeiro, sendo estes, os últimos dados da pesquisa O/D coletadas na
região. A aplicação foi realizada como uma pesquisa para uma dissertação de mestrado.
Nesse trabalho foram utilizados os dados do PDTU 2015 para obter o número de viagens do
tipo Home Based Work – HBW (viagens do domicílio para o trabalho) e o número de
oportunidades de emprego do censo do IBGE de 2010 projetado para o ano de 2015, ambos em
relação a uma faixa de tempo, gerando a partir disso o parâmetro desejado, denominado intensidade
de uso.
Departamento de Engenharia Industrial
Revisão Bibliográfica
Com o crescimento das cidades, começam a existir muitas falhas no que se refere ao
cumprimento de uma de suas funções que é permitir o acesso da população às oportunidades de
serviço nelas concentradas [2]. Nota-se assim, uma carência no que diz respeito ao planejamento
principalmente na relação entre o uso do solo e o transporte.
Nesse contexto, é de extrema relevância destacar os modelos de demanda de transporte, que
têm como objetivo fornecer dados para o dimensionamento de sistemas de transporte [4]. Um
modelo de planejamento de transporte muito usado é o chamado modelo de quatro etapas.
Os modelos tradicionalmente utilizados para a previsão da demanda em estudos de
transportes urbanos trabalham com variáveis agregadas, cuja demanda é calculada através de
quatro etapas sequenciais de modelagem, sendo elas, de geração, distribuição, repartição modal e
alocação de viagens.
Os modelos de geração de viagem têm como objetivo estimar o total de viagens originadas
(ou destinadas), em cada zona de tráfego. A divisão de zonas é feita para realizar o estudo de
demanda de transportes. Uma proposta de modelo de geração de viagens pode ser encontrada em
[5].
Os modelos de distribuição usam dados de total de viagens originadas e total de viagens
atraídas em cada zona. Na matriz de viagens estes totais estão indicados pela soma dos elementos
de cada linha (viagens geradas) e cada coluna (viagens atraídas, ou destinadas). Propostas de
modelos de distribuição de viagens podem ser encontradas em [6], [7], [8] e [9].
Os modelos de repartição modal são utilizados para estimar o fluxo O-D por cada modo
tentando modelar como o fluxo total (de cada origem para cada destino) se reparte pelos diferentes
modos de transporte. O fluxo total de cada origem para cada destino é guardado em uma matriz O-
D. Transferências entre os diferentes modos também podem ser consideradas e estimadas [10].
Por fim, os modelos de alocação na rede são utilizados para calcular como os fluxos para
cada par origem e destino (O-D) se distribuem sobre os caminhos e carregam os trechos da rede
[7].
Os modelos de distribuição de viagens mais utilizados no transporte urbano são: Modelos à
base do fator de crescimento e Modelos gravitacionais [3].
Os modelos de distribuição, à base do fator de crescimento têm como dados de entrada a
matriz O-D completa das regiões em estudo, para o ano base e os valores da geração e atração de
viagem em cada zona para o ano de projeção. Sendo assim, o método busca adaptar basicamente a
matriz das relações O-D aos fatores de crescimento verificados nos valores da geração e atração de
viagem de cada zona entre o ano base e o de projeção. Dentro desse modelo os métodos mais
utilizados são o de Fratar e o de Furness.
O modelo gravitacional de distribuição de viagem adota o modelo físico de atração entre dois
corpos. Supõe, analogamente ao modelo físico, que o volume de viagens entre duas zonas é
inversamente proporcional a resistência ao deslocamento entre duas zonas. Pode-se utilizar para a
calibração o cálculo usando correlação, modelo com função de impedância e o método de
calibração de Hyman [3].
Além destes, existem uma série de modelos que contribuem no campo teórico, mas são pouco
difundidos na prática, como por exemplo, o modelo de distribuição de viagens baseado na
intensidade de uso do solo. Neste modelo o processo de planejamento dos transportes se baseia na
estimativa de demanda por deslocamentos que estão diretamente relacionadas com a distribuição e
intensidade de uso do solo, através da localização das atividades desempenhadas pelos indivíduos
[2].
Departamento de Engenharia Industrial
O tempo de viagem casa-trabalho é um fator estatisticamente significante na escolha do local
da moradia, ao contrário da acessibilidade de oportunidades de emprego próximo à moradia que é
estatisticamente pouco significante [11]. Utilizando este conceito, propõe-se um modelo
comportamental de acessibilidade com base no número esperado de oportunidades disponíveis para
a realização de alguma atividade específica [12].
Neste presente trabalho, objetivou-se analisar um novo modelo de distribuição de viagens,
tal modelo é sensível às modificações no padrão do uso de terra e no sistema de transporte e deve
ser simples na construção e aplicação.
Metodologia
É possível definir a intensidade de uso do solo como a relação entre a frequência relativa de
viagens e a frequência relativa de oportunidades em cada intervalo de custo para ambas as
distribuições. Teoricamente a análise deve ser feita separadamente por motivo de viagem e pode
ser desagregada por modo de transporte e por subgrupo da população com características
homogêneas a respeito da viagem [3]. Essa desagregação dependerá dos dados disponíveis e da
finalidade da análise.
Para facilitar a visualização da análise, gerou-se um gráfico. Este reflete a razão entre a
frequência relativa do número de viagens pela frequência relativa do número de oportunidades de
emprego, representativo da realidade, no qual se tem um comportamento aproximadamente
decrescente da intensidade de uso do solo ao longo do tempo, como na Figura 1.
Figura 1: Comportamento gráfico teórico esperado.
Esta análise é expressa matematicamente como:
Int(t) = Viagens(t)
Oportunidades(t) (1)
Onde:
Int(t): O valor da intensidade de uso no intervalo t.
Viagens(t): A frequência relativa de viagens o intervalo de tempo t.
Oportunidades(t): A frequência relativa de oportunidades no intervalo de tempo t.
Uma vez que os valores de intensidade de uso são obtidos, a aplicação do modelo para a
distribuição de viagens é feito a partir do esquema da Figura 2.
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Inte
nsi
dad
e d
e u
so
Tempo de viagem
Intesidade de Uso
Departamento de Engenharia Industrial
Figura 2: Esquema de aplicação do modelo.
O modelo da Figura 2 permite realizar o cálculo do número de viagens para cada intervalo t.
Como o objetivo do modelo de distribuição de viagens é determinar o número de viagens para cada
zona individualmente, utiliza-se a expressão 2.
Viagens𝑖,𝑗
=Int(Tempo𝑖,𝑗) ∗ Oportunidades𝑗 (2)
Onde:
Viagensi,j: Frequência relativa de viagens da zona i para a zona j.
Int(Tempoi,j): Valor da intensidade de uso para o tempo médio de viagem da zona i para a zona j
Oportunidadesj: Frequência relativa oportunidades de emprego na zona de destino j.
Para obter o número de viagens é necessário conhecer o número de viagens produzidas pela
zona i, conforme a expressão 3.
NumeroViagens𝑖,𝑗
=Int(Tempo𝑖,𝑗) ∗ Oportunidades𝑗 ∗ ViagensProduzidas𝑖 (3)
Onde:
ViagensProduzidasi: Número de viagens produzidas pela zona i.
Com base neste novo modelo de distribuição de viagens, buscou-se aplicá-lo para a região
metropolitana do Rio de Janeiro com os dados de pesquisas domiciliares do Plano Diretor de
Transportes Urbanos do Rio de Janeiro (PDTU).
Dado:
1) Tempo médio de viagem
entre as zonas
2) A distribuição de
oportunidades por zonas
Parâmetros da
intensidade de uso:
Int(t)
Calcula-se a distribuição
de oportunidades em
função do intervalo de
tempo de viagem:
Oportunidades(t)
Calcular:
Viagem(t)=Oportunidade(t)*Int(t)
Departamento de Engenharia Industrial
Estudo de Caso
Cada vez mais encontra-se presente a necessidade de investimentos em planos diretores de
transportes para ampliar e melhorar a rede de transportes. Para realizar a análise da intensidade de
uso dos transportes de passageiros na metrópole do Rio de Janeiro, foram realizados dois métodos
(método 1 e método 2), para a obtenção da intensidade de uso, cujo motivo está relacionado com a
tentativa de obtenção de um resultado mais próximo e fiel ao que prevê a teoria, representado pela
Figura 1.
O método 1 consistiu em analisar a intensidade de uso a partir das 4.437 pesquisas
domiciliares realizadas pelo PDTU, sendo possível assim, estimar o número de viagens cujo motivo
era HBW( Home based work).
O método 2 considerou a matriz O/D completa fornecida pelo PDTU para analisar o número
de viagens, e também, utilizou como software o TransCAD, para estimar os tempos de viagem
entre as zonas.
Em ambos os métodos 1 e 2 foi utilizado o número de oportunidades de emprego de 2015
também obtidas no PDTU.
O mapa da Figura 3 representa a região metropolitana do Rio de Janeiro, analisada nesse
estudo de caso. Este mapa foi criado um com o sistema de informação geográfica livre chamado
OpenJUMP, que trata-se de um framework para o desenvolvimento de aplicações em Sistema de
Informação Geográfica (SIG) e possui inúmeros recursos [13].
Figura 3: Mapa da Região Metropolitana do Rio de Janeiro, dividida em 730 zonas. Software
utilizado: OpenJUMP.
Método 1: Intensidade de uso utilizando viagens da pesquisa domiciliar
Como ferramentas fundamentais para auxiliar no desenvolvimento deste método pode-se
citar o Access, Excel, PostgreSQL, o Pentaho e o Eclipse.
Primeiramente, foram utilizadas as pesquisas domiciliares importadas do Access para o
banco de dados PostgreSQL, através de um programa chamado Pentaho.O PostgreSQL é um
poderoso Sistema Gerenciador de Banco de Dados - SGBD objeto-relacional de código aberto
Departamento de Engenharia Industrial
muito utilizado para a implantação de um banco de dados geográfico [13]. No PostgreSQL foram
realizadas as consultas (queries), com a finalidade de encontrar o número de viagens com motivo
HBW, considerando o tempo de viagem máximo de 4 horas e 30 minutos, divididos em 9 faixas
de 30 em 30 minutos (Anexo 1). Vale ressaltar que foram utilizados os tempos de viagens
agrupados por motivo de trabalho, não havendo a preocupação com os modos coletivos e
individuais, tendo em vista a restrição dos dados fornecidos pelas pesquisas domiciliares,
ocorrendo assim uma simplificação da realidade.
Em seguida, a partir dos dados fornecidos do número de oportunidades de emprego previstas
para o ano de 2015, pelo censo 2010 do IBGE, utilizou-se a função PROCV do Excel para encontra-
las através da informação do deslocamento entre zonas de origem e destino. Estes dados foram
extraídos também das pesquisas domiciliares. Visto que algumas zonas se repetiam nas faixas de
tempo estabelecidas, foi necessário criar um programa para corrigir essas repetições e então poder
obter um resultado melhor e mais preciso. Para isto utilizou-se a linguagem de programação Java
com o Eclipse (Anexo 2). A partir dos resultados obtidos mostrados na Tabela 1, pôde-se gerar a
intensidade de uso expressada matematicamente pela equação (1).
Tabela 1: A intensidade de uso gerada, a partir da razão entre as frequências relativas do número de
viagens HBW e do número de oportunidades de emprego, agrupadas em nove faixas de tempo.
Com os resultados da Tabela 1, foi possível obter os seguintes gráficos:
Figura 4: Representação gráfica da frequência relativa do número de viagens com motivo HBW.
33,60 32,48
15,56
7,89 6,102,43
0,45 0,60 0,180,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Fre
qu
ên
cia
Re
lati
va
Faixas de Tempo (min)
Frequência Relativa do Número de Viagens
Faixas de Tempo
Frequência relativa do
número de viagens (%)
Frequência relativa do
número de oportunidades (%) Intensidade de uso
00:30 33,60 14,64 2,30
01:00 32,48 22,07 1,47
01:30 15,56 21,02 0,74
02:00 7,89 15,90 0,50
02:30 6,10 12,02 0,51
03:00 2,43 9,35 0,26
03:30 0,45 1,48 0,31
04:00 0,60 1,90 0,31
04:30 0,18 0,67 0,27
Departamento de Engenharia Industrial
Nota-se a partir da Figura 4 que o número de viagens cujo motivo é o trabalho, obtidos pelas
consultas feitas nas pesquisas domiciliares, se concentra nas duas primeiras faixas, sendo esta
frequência em torno de 33,6 % para a primeira faixa (0 a 30 minutos) e cerca de 32,48% e para a
segunda faixa (31 minutos até 1 hora). Fica evidente por esse gráfico que esse número de viagens
torna-se muito pequeno ao ultrapassar três horas de viagem, o que é justificável, pois nestas
condições o tempo de viagem de ida e volta seria maior que seis horas.
Figura 5: Representação gráfica da frequência relativa do número de oportunidades de emprego
previstas para o ano de 2015, segundo dados do censo de 2010 do IBGE.
Com a Figura 5 é possível verificar que as oportunidades de emprego encontram-se mais
voltadas para viagens de 1 hora (com aproximadamente 22,07%), e 1 hora e 30 minutos (em torno
de 21,02%). Embora a tendência da população seja buscar empregos o mais próximo da onde
reside, nota-se que não é tão fácil encontrar emprego na primeira faixa, de até 30 minutos, 14,64%.
O número de oportunidades se reduz consideravelmente a partir de 3 horas e 30 minutos de viagem.
Figura 6: Representação gráfica da Intensidade de Uso obtida através do método 1.
A Figura 6, nos mostra que o método experimental conseguiu um resultado satisfatório para
a intensidade de uso diante do que era esperado teoricamente, representado pela Figura 1. As
maiores intensidades de uso se encontram nas duas primeiras faixas de 30 minutos e de 1 hora. Na
primeira faixa, obtêm-se a partir da equação (1), 2,30 de intensidade de uso do solo, e na segunda
faixa, obtêm-se 1,47. Percebe-se então analisando o gráfico que há um comportamento decrescente
da intensidade de uso do solo em relação ao tempo, conforme se previa.
14,64
27,07
21,02
15,90
12,029,35
1,48 1,90 0,67
0,00
5,00
10,00
15,00
20,00
25,00
30,00
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Fre
qu
ên
cia
Re
lati
va
Faixas de Tempo (min)
Frequência Relativa do Número de Oportunidades de Emprego
2,30
1,47
0,740,50 0,51
0,26 0,31 0,31 0,27
y = 2,0084e-0,261x
R² = 0,8413
0,00
0,50
1,00
1,50
2,00
2,50
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Inte
nsi
dad
e d
e U
so
Faixas de Tempo (min)
Intensidade de Uso
Departamento de Engenharia Industrial
Para realizar a distribuição de viagens de forma desagregada, para cada zona
individualmente, calculam-se os parâmetros que são a distribuição de oportunidades e a
distribuição de intensidade. As zonas são ordenadas pelo tempo médio de viagem para a zona de
origem. A seguir é apresentado um trecho da tabela utilizada para realização do cálculo da
distribuição de viagens.
Tabela 2: Exemplo de distribuição de viagens utilizando a intensidade de uso para a zona de
origem 3 que possui o total de 31614 viagens produzidas
Zona i Zona j Int(Tempoi,j) Oportunidadesj Viagensi,j Numero
Viagensi,j
3 56 0,0206 0,0276528 0,0005694 18
3 72 0,9062 0,0989614 0,0896755 2835
3 74 1,0558 0,0311892 0,0329284 1041
3 75 0,1827 0,1203521 0,0219839 695
3 100 10,6254 0,0046024 0,0489024 1546
3 105 0,0185 0,0750621 0,0013918 44
3 137 1,4217 0,0770728 0,1095717 3464
3 144 0,3947 0,0250037 0,0098690 312
3 171 9,3635 0,0598377 0,5602897 17713
3 212 0,0607 0,0776218 0,0047131 149
3 387 0,6515 0,0629273 0,0409945 1296
3 503 0,3876 0,0137115 0,0053141 168
3 510 0,3961 0,0273145 0,0108180 342
3 532 0,2719 0,0195459 0,0053141 168
3 686 0,0040 0,1436770 0,0005694 18
3 689 0,1027 0,0797539 0,0081926 259
3 716 0,8777 0,0557141 0,0489024 1546
Método 2: Intensidade de uso utilizando viagens da matriz O/D estimada no PDTU
Visto que as pesquisas domiciliares possuem suas limitações e segundo o PDTU existem
atualmente 730 zonas na metrópole do Rio de Janeiro, notou-se que as pesquisas deixaram muitas
lacunas na matriz O/D, que é composta por 730 linhas e 730 colunas. Sendo assim, sentiu-se a
necessidade de aplicar um método no qual fosse possível preencher essa matriz visando considerar
os deslocamentos de cada zona de origem para cada zona de destino, com objetivo de aproximar
ainda mais o resultado da realidade.
Primeiramente, foi decido utilizar os dados do número de viagens por motivo HBW da matriz
O/D original do PDTU. Em seguida, com o objetivo de obter uma matriz O/D com todas as
distâncias entre origens e destinos das zonas, utilizou-se o TransCAD, este software foi o primeiro
Sistema de Informação Geográfica (GIS) projetado especificamente para uso por profissionais de
transporte para armazenar, exibir, gerenciar e analisar os dados de transporte [14]. Nesse trabalho,
essa ferramenta reproduziu o mapa da metrópole e possibilitou gerar a matriz O/D com as
respectivas distâncias, para então preencher a matriz incompleta obtida pelas pesquisas
domiciliares.
Departamento de Engenharia Industrial
Figura 7: As 730 zonas da Metrópole do Rio de Janeiro, exibidas no TransCAD.
A partir das distâncias em km obtidas para o deslocamento zona a zona, foi possível com os
tempos de viagens disponíveis pelo PDTU, estipular um tempo médio de viagem e em seguida
calculando a velocidade média com as distâncias obtidas, completou-se os tempos de viagens de
toda a matriz. Essas operações foram realizadas no Excel, e como principal função utilizada pode-
se destacar o PROCV.
Por fim, ao conseguir preencher a matriz O/D representada parcialmente na Tabela 3, para
evitar novamente a repetição de algumas zonas nas faixas de tempo estabelecidas, alterou-se a
tabela de dados a ser lida pelo programa para a Tabela 2 e utilizou-se o mesmo código na linguagem
Java utilizado no método 1 (Anexo 2).
Tabela 3: Parte da Matriz O/D (730X730) obtida a partir das distâncias fornecidas pelo
TransCAD e o número de viagens obtidas da matriz O/D original do PDTU.
Origem Destino
Número de
viagens Distância(KM)
Tempo de
viagem(Minutos)
Nº de Oportunidades de Emprego
2015
1 2 20 2 5 9.367
1 3 20 3 5 21.115
1 4 20 1 3 10.794
1 5 20 1 3 23.317
1 6 38.350 6 12 12.197
1 7 42.770 5 10 14.200
1 8 43.830 6 12 6.377
1 9 47.910 8 16 7.221
1 10 31.070 5 11 9.656
1 11 83.110 40 78 3.076
1 12 93.700 48 95 2.886
1 13 93.700 47 91 2.128
Departamento de Engenharia Industrial
A partir desse resultado obtido após a programação, foi possível gerar a Tabela 4 com as
mesmas faixas de tempo utilizadas anteriormente, como na Tabela 1, para avaliar os novos dados
e comparar as mudanças ocorridas ao conseguir preencher toda a matriz.
Tabela 4: A intensidade de uso gerada pelo método 2.
Faixas de
Tempo
Frequência relativa do número
de viagens (%)
Frequência relativa do número de
oportunidades de emprego (%)
Intensidade
de Uso
00:30 8,86 16,08 0,55
01:00 24,63 11,96 2,06
01:30 25,21 11,96 2,11
02:00 18,80 11,96 1,57
02:30 11,91 11,96 1,00
03:00 5,86 11,96 0,49
03:30 2,82 11,83 0,24
04:00 1,29 8,84 0,15
04:30 0,45 2,41 0,19
Figura 8: Representação gráfica da frequência relativa do número de viagens com motivo
HBW fornecida pela matriz O/D original do PDTU.
Torna-se evidente pela Figura 8 que a matriz O/D original do PDTU tem como maiores
percentuais a frequência relativa de 1 hora de viagem, com cerca de 24,63% e de 1h e 30 minutos,
com 25,21%. O percentual encontrado para viagens de até 30 minutos é de 8,86% evidenciando
8,86
24,63 25,21
18,20
11,91
5,862,82
1,29 0,450,00
5,00
10,00
15,00
20,00
25,00
30,00
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Fre
qu
ên
cia
Re
lati
va
Faixas de Tempo
Frequência Relativa do Número de Viagens
1 14 130.590 49 96 1.441
1 15 97.090 50 98 3.046
1 16 97.090 49 96 1.007
1 17 143.790 51 100 3.008
1 18 116.710 51 100 2.128
1 19 141.410 53 103 349
1 20 100.360 51 100 1.439
…
Departamento de Engenharia Industrial
que naturalmente as pessoas precisam se deslocar mais do que esse tempo quando o motivo da
viagem é o trabalho.
Segundo a projeção tendencial para o ano de 2015, foram estimados um total de 5.494.669
oportunidades de empregos. Na obtenção da frequência relativa do número de oportunidades de
emprego pelo método 2 pode-se observar uma frequência constante entre as faixas de 1 hora até 3
horas de viagem, ilustrado pelo gráfico da Figura 9.
Figura 9: Representação gráfica da frequência relativa do número de oportunidades de
emprego previstas para o ano de 2015, com a matriz O/D completa utilizando o TransCAD.
A partir da Figura 9 pode-se então explicar algumas das observações obtidas a partir da
realização do método 2. A partir das pesquisas domiciliares utilizadas pelo método 1, tentou-se
prever um tempo médio de viagem entre as zonas, obtendo como resultado cerca de 1 hora e 10
minutos de duração em média. Além disso, com esse tempo médio e as distâncias retiradas da
matriz O/D do TransCAD, foi possível calcular a velocidade para cada zona, estimando por fim a
velocidade média em relação a todas as zonas, que resultou em 30,58 quilômetros por hora. Torna-
se evidente que devido ao grande número de dados e estimativas feitas ao longo deste processo, a
frequência relativa do número de oportunidades de emprego teve grande influência dessa
velocidade média estimada, a partir do Excel notou-se que entre as faixas de 1 hora e 3 horas de
viagem, o número de oportunidades foi de 5.456.669, diferindo apenas de 38.143 oportunidades
entre o valor total projetado para o ano de 2015. Portanto, nesses faixas foram consideradas
praticamente todas as oportunidades de emprego, e esse comportamento pode ser justificado pelas
inúmeras estimativas feitas ao longo do processo como citado anteriormente.
16,08
11,96 11,96 11,96 11,96 11,96 11,838,84
2,41
0,00
5,00
10,00
15,00
20,00
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Fre
qu
ên
cia
Re
lati
va
Faixas de Tempo
Frequência Relativa do Número de Oportunidades de Emprego
0,55
2,06 2,11
1,57
1,00
0,490,24 0,15 0,19
y = 2,6709e-0,294x
R² = 0,615
0,00
0,50
1,00
1,50
2,00
2,50
0-30 31-60 61-90 91-120 121-150 151-180 181-210 211-240 241-270
Inte
nsi
dad
e d
e U
so
Faixas de Tempo
Intensidade de Uso
Departamento de Engenharia Industrial
Figura 10: Intensidade de Uso gerada pelo método 2.
Nota-se com a Figura 10 que apesar das aproximações realizadas e explicadas anteriormente,
a intensidade de uso gerada pelo método 2 retrata o que de fato prevê a teoria, mostrando o declínio
da intensidade de uso ao longo do tempo. Exceto no intervalo de até 30 minutos de viagem, cuja
intensidade de uso é de 0,55, ou seja, muito abaixo do que se esperava obter.
Comparação entre os dois métodos
Devido a fonte de dados do método 1 ser as pesquisas domiciliares fornecidas pelo PDTU,
sentiu-se uma certa carência no número de pesquisas capturados com relação às 730 zonas da região
metropolitana do Rio de Janeiro. Sendo assim, a proposta da realização do método 2 foi preencher
a matriz O/D considerada incompleta pelo método 1, ou seja, buscou-se obter um resultado mais
completo e, portanto, mais preciso diante do que já havia sido estudado pelo primeiro método.
No entanto, verificou-se que o método 2, por mais que tenha preenchido toda a matriz O/D
gerou-se uma maior complexidade ao analisar os dados devido a necessidade de aproximações ao
longo do método, tais como a estimativa de uma velocidade média, e o tempo de viagem de uma
zona de origem para uma zona de destino.
Com isso, é possível notar que os cuidados necessários para realização de cada método não
eram necessariamente os mesmos, e que ao gerar maior complexidade ao analisar os dados do
método 2 seria necessária uma análise mais cuidadosa, preocupando-se com uma melhor
modelagem dos dados e possivelmente também uma calibração.
No que diz a respeito da frequência relativa ao número de viagens, o método 1 difere do
método 2 consideravelmente apenas na primeira faixa de 0 a 30 minutos. Essa diferença pode ser
justificada pelo fato de o método 1 ter utilizado as pesquisas domiciliares, e o método 2 a matriz
original (O/D) fornecida pelo PDTU. Pelo método 1 têm-se o percentual de 33,60% e pelo método
2 cerca de 8,86%. Sendo assim, o método 1 mostra que viagens de 5 a 30 minutos são comuns
dentro da mesma zona, e já o método 2, mostra com seu percentual baixo entre 0 a 30 minutos, que
normalmente torna-se necessária uma viagem com duração maior do que 30 minutos cujo motivo
é o trabalho.
Com relação à frequência relativa do número de oportunidades de emprego, observou-se que
o método 1 revelou um comportamento mais próximo da realidade, tendo em vista principalmente
às aproximações e estimativas necessárias no método 2, que acabou considerando em algumas
faixar praticamente o número total de empregos previstos para toda metrópole do Rio de Janeiro
no ano de 2015.
A intensidade de uso é fruto da razão dos dois fatores citados anteriormente, sendo eles, a
frequência relativa ao número de viagens e ao número de oportunidades de empregos. A partir do
método 1 foi possível obter uma intensidade decrescente ao longo do tempo de forma mais
satisfatória do que no método 2. O impedimento para esse comportamento decrescente no método
2 foi a primeira faixa de tempo de 0 a 30 minutos.
Conclusões
Diante da importância da ampliação e de melhorias na rede de transportes, verificou-se a
necessidade de uma abordagem integrada no planejamento urbano e de transportes, para que
garanta principalmente o planejamento adequado do uso do solo visando otimizar o sistema urbano
em sua totalidade.
A partir dos estudos feitos para o presente trabalho, notou-se que em um sistema otimizado,
é possível assegurar para o exercício das atividades em um novo padrão de oferta de oportunidades
Departamento de Engenharia Industrial
com o mínimo de necessidade de deslocamentos. E essas condições são garantidas com a melhoria
da distribuição espacial dos equipamentos e com o aperfeiçoamento do sistema de transportes
integrado ao sistema urbano.
Torna-se assim evidente, a necessidade dos modelos de distribuição de viagens dentro desse
contexto. Ao identificar a localização das demandas atuais e futuras por habitações, equipamentos
urbanos e transportes, os modelos de uso do solo e transporte, possibilitam a definição de políticas
de investimento no setor de transportes, dentro de uma política geral de desenvolvimento urbano.
O principal objetivo do trabalho foi testar e analisar o modelo de intensidade de uso do solo,
para tal foi necessário fazer algumas simplificações, tais como não agrupar as pesquisas por modo
individual e coletivo, apenas considerando o motivo como HBW. Porém essa simplificação não
invalida a metodologia desenvolvida, tendo em vista a necessidade da análise de uma ferramenta
de tal tipo, que fosse capaz de auxiliar no planejamento dos grandes centros urbanos, além da
importância do uso do solo como uma das variáveis para elaboração de novos projetos com esse
viés.
O modelo permite, portanto, testar cenários com alterações futuras e medir o impacto de tais
modificações nos transportes. A partir do estudo de caso, foi possível analisar o modelo a partir
dos dados obtidos, e sendo assim, dentro das previsões teóricas esperava-se um modelo em que a
intensidade de uso gerasse uma curva decrescente em relação ao tempo, mostrando uma frequência
maior de pessoas em faixas de tempo menores.
De fato, após perceber que algumas zonas se repetiam nas faixas de tempo estabelecidas e
programar para não contar as mesmas oportunidades de emprego mais de uma vez em uma mesma
faixa de tempo em ambos os métodos, foi possível gerar uma curva como a desejada teoricamente,
apesar de o método 1 ter obtido um melhor comportamento, mostrou-se que a intensidade de uso
tem um comportamento decrescente em relação ao tempo, ou seja, à medida que o tempo aumenta,
reduz-se a intensidade de uso do solo, apesar de o método 1 possuir um melhor comportamento.
Após analisar as 4.437 pesquisas domiciliares realizadas pelo PDTU para o método 1 , e a
matriz O/D do PDTU para o método 2, pode-se justificar essa relação decrescente entre a
intensidade de uso do solo e o tempo de viagem. Isso se deve principalmente ao fato da tendência
de as pessoas buscarem oportunidades de emprego mais próximas de onde residem. No entanto,
nem sempre isso é possível. Também pode-se observar que é praticamente desprezível a
intensidade de uso após 4 horas e 30 minutos de viagem, pois se torna impraticável uma rotina de
emprego em que demore mais do que este tempo para se deslocar.
Por fim, torna-se evidente que a metodologia utilizada pode colaborar para o planejamento
urbano, no que diz respeito ao uso do solo e sua intensidade, para finalmente visar melhorias no
sistema de transportes.
Referências Bibliográficas
1 - RIO DE JANEIRO. Companhia Estadual de Engenharia de Transportes e Logística.
Secretaria de Estado de Transportes. Plano Diretor de Transportes Urbanos da Região
Metropolitana do Rio de Janeiro. Rio de Janeiro, 2004.
2 - FELSKE, Elaine Margarete. Impacto das modificações estratégicas do uso do solo na
demanda de transportes na região metropolitana do Rio de Janeiro. 1991. 213 f. Dissertação
(Mestrado) - Curso de Engenharia Industrial, Centro Tecnológico Científico, Puc-rio, Rio de
Janeiro, 1991.
3 - LEAL, J.E. An heuristic model for trip distribution on the basis of the using intensity
parameters. Rio de Janeiro, 2016.
4 - ORTÚZAR, J. de D.; WILLUMSEN, L. G. Modelling transport. Chichester: Wiley, 1993.
Departamento de Engenharia Industrial
5 - MEURS, Henk. Trip generation models with permanent unobserved effects, Transportation
Research Part B: Methodological, Volume 24, Issue 2, April 1990, Pages 145-158, ISSN 0191-
2615, http://dx.doi.org/10.1016/0191-2615(90)90025-T.
6 - FLORIAN, Michael; LOS, Marc. Determining intermediate origin-destination matrices for
the analysis of composite mode trips, Transportation Research Part B: Methodological, Volume
13, Issue 2, June 1979, Pages 91-103, ISSN 0191-2615, http://dx.doi.org/10.1016/0191-
2615(79)90027-4.
7 - BRUZELIUS, Nils. Accessibility, entropy and the distribution and assignment of traffic—
A comment, Transportation Research Part B: Methodological, Volume 15, Issue 3, June 1981,
Pages 165-172, ISSN 0191-2615, http://dx.doi.org/10.1016/0191-2615(81)90004-7.
8 - WALSH, P.K.; GIBBERD, R.W. A probability analysis of some spatial interaction models,
Transportation Research Part B: Methodological, Volume 17, Issue 3, June 1983, Pages 193-200,
ISSN 0191-2615, http://dx.doi.org/10.1016/0191-2615(83)90014-0.
9 - WILLS, Michael J. A flexible gravity-opportunities model for trip distribution,
Transportation Research Part B: Methodological, Volume 20, Issue 2, April 1986, Pages 89-111,
ISSN 0191-2615, http://dx.doi.org/10.1016/0191-2615(86)90001-9.
10 - KARASMAA, Nina. Evaluation of transfer methods for spatial travel demand models,
Transportation Research Part A: Policy and Practice, Volume 41, Issue 5, June 2007, Pages 411-
427, ISSN 0965-8564, http://dx.doi.org/10.1016/j.tra.2006.09.009.
11 - IBEAS, Ángel; CORDERA, Ruben; dell’OLIO, Luigi; COPPOLA, Pierluigi. Modelling the
spatial interactions between workplace and residential location, Transportation Research Part
A: Policy and Practice, Volume 49, March 2013, Pages 110-122, ISSN 0965-8564,
http://dx.doi.org/10.1016/j.tra.2013.01.008.
12 - CASCETTA, Ennio; CARTENÌ, Armando; MONTANINO, Marcello. A behavioral model
of accessibility based on the number of available opportunities, Journal of Transport
Geography, Volume 51, February 2016, Pages 45-58, ISSN 0966-6923,
http://dx.doi.org/10.1016/j.jtrangeo.2015.11.002.
13 - FERREIRA, Paulo Roberto. Metodologia para geração de mapas de transporte público
urbano em um ambiente de sistema de informação geográfica livre via web. 2007. 100 f.
Dissertação (Mestrado) - Curso de Engenharia de Transportes, Centro Tecnológico Científico,
UFRJ, Rio de Janeiro, 2007.
14 - CALIPER, TransCAD. Transportation GIS Software. User’s Guide Version 4.0 for
Windows. Caliper Corporation, Newton, EUA, 2000.
Anexo 1
Consultas utilizando o método 1
Query para calcular o número de viagens entre as zonas, no intervalo de 0 a 30 minutos, o mesmo
foi repetido 9 vezes, até o intervalo de 241 a 270 minutos.
select sum(fator_expansao)
from deslocamento
where motivo_geral = 'HBW'
and (d09 + d10 + duracao) >=0 and (d09 + d10 + duracao) <= 30
Departamento de Engenharia Industrial
Anexo 2
Algoritmo_Correção_de_Repetições_entre_zonas
Entrada: Leitura da matriz com os dados;
Saida: Número de oportunidades de emprego por faixas;
1) Leia a matriz com os dados e divida-os em faixas;
Enquanto a linha do arquivo não for nula, leia os dados, e em seguida
divida-os em faixas de 30 em 30 minutos até 390 minutos;
2) Verificar se os destinos são iguais;
Se (destino1==destino2)-> Verdadeiro;
Se não ->Falso;
3) Buscar a faixa aonde será adicionado um novo item e verificar se pode ser adicionado;
Enquanto houver uma faixa de destino, verifique em qual deve estar o item e adicione-o;
4)Calcular total de empregos e adicionar a lista quando não houver esse item adicionado;
Enquanto (item!= listadeintens)
total+=item
retornar total;
5) Mostrar por faixa o número de oportunidades de emprego;
Fim;