Modelo 4 Etapas

MODELOS TRADICIONAIS
TRANSPORTE E TRFEGO
Carlos Paiva
Este trabalho tem como base um conjunto de teses, dissertaes e

artigos tcnicos que foram publicados principalmente no Brasil e,
portanto, muitas das anlises e observaes contidas no texto
devem ser creditadas aos autores relacionados no captulo 4
Referncias Bibliogrficas. A opo de no cit-los se deveu
necessidade de finalizao do estudo em um curto espao de tempo.
INTRODUO
O Planejamento de Transportes tem como um de seus objetivos estimar o padro
dos fluxos (viagens de pessoas e veculos) num determinado horizonte, a fim de
avaliar alternativas de investimento no Sistema de Transportes Pblicos e na malha
viria, de forma a atender a demanda futura de forma satisfatria.
A previso futura da demanda o elemento crucial para a maioria dos estudos de
Planejamento de Transportes. Devido aos sistemas e mecanismos envolvidos, a
previso um processo dinmico, necessitando de permanente reviso, correo
de rumo, exigindo, portanto um repensar constante.
De acordo com a abrangncia do plano de ao no sistema de transporte, existe a
necessidade de coleta de informaes atravs de pesquisas na via, no sistema, com
o usurio ou com a comunidade. Esta coleta de informaes vai dar suporte aos
modelos de previso de demanda segundo os objetivos dos mesmos e os prazos
de execuo
Este estudo descreve o Modelo 4 Etapas, o mais tradicional e outros ainda pouco
utilizados no Brasil: Modelos de Atividades, Modelos de Uso do Solo e Transportes
e Modelo de Preferncia Declarada.
Carlos Eduardo de Paiva Cardoso Engenheiro Eletrnico e Mestre em Transporte pela Escola Politcnica da Universidade de So
Paulo (USP-SP) e Doutor em Servio Social pela Universidade Pontifcia Catlica de So Paulo (PUC-SP). Especialista de Transporte e
Trfego da CET-SP e Membro do Conselho Editorial da Revista de Transportes Pblicos da ANTP - paivacardoso@yahoo.com.br
NDICE
INTRODUO..............................................................................................................................................1
1
BANCODEDADOS.............................................................................................................................3
MODELOSDETRANSPORTE...............................................................................................................4
2.1 MODELO4ETAPAS......................................................................................................................................................4
2.1.1 GeraodeViagens.......................................................................................................................................4
2.1.2 DistribuiodeViagens.................................................................................................................................8
2.1.3 DivisoModal..............................................................................................................................................16
2.1.4 ModelosdeAlocaodeViagens................................................................................................................19
2.2 MODELOSDEATIVIDADES............................................................................................................................................25
2.2.1 BasedeDados..............................................................................................................................................26
2.2.2 EstruturadoModelodeAtividades.............................................................................................................28
2.3 MODELOSDEUSODOSOLOETRANSPORTE....................................................................................................................29
2.4 MODELODEPREFERNCIADECLARADA..........................................................................................................................34
2.4.1 FormatodasRespostas................................................................................................................................35
2.4.2 DesenhodoExperimento.............................................................................................................................36
2.4.3 EntrevistaeAmostra...................................................................................................................................37
RECOMENDAES...........................................................................................................................38
3.1
3.2
3.3
3.4
3.5
3.6
CONSISTNCIA:MATRIZO/DMODOTRILHOS..............................................................................................................38
MATRIZDEVIAGENSMODELADAATUAL........................................................................................................................39
ALOCAODEVIAGENSTRANSPORTECOLETIVO............................................................................................................40
MATRIZDEVIAGENSTENDENCIAL.................................................................................................................................41
MATRIZDEVIAGENSNOPICODATARDE........................................................................................................................42
DISTRIBUIODEVIAGENSVERSUSDIVISOMODAL........................................................................................................44
REFERNCIASBIBLIOGRFICAS........................................................................................................45
1 BANCO DE DADOS
Para o Planejamento dos Sistemas de Transportes so necessrias informaes a
respeito do sistema (rede viria, sistema de transporte coletivo, demanda por
viagens atradas e produzidas, pesquisa Origem e Destino, frota, etc.), coleta de
variveis socioeconmicas (populao, densidade populacional, renda, empregos,
escolas, etc.) e estudos ou legislao sobre o uso e ocupao do solo (Plano
Diretor, Leis de Zoneamento, etc.).
As Pesquisas de Origem e Destino (Pesquisas O/D) so as principais fontes de
informao para o Planejamento dos Transportes. Os dados coletados auxiliam na
anlise dos sistemas e na formulao de modelos matemticos que permitem
prever o comportamento futuro da demanda por transportes. Assim, se torna
possvel planejar e programar o desenvolvimento de um Sistema de Transportes.
Na Regio Metropolitana de So Paulo j foram realizadas cinco Pesquisas Origem
e Destino, sendo que dessas cinco, pelo menos trs esto disponveis em padro
digital de fcil utilizao. Para estas trs pesquisas torna-se importante: (1)
identificar padres de viagens e relacion-los a caractersticas socioeconmicas,
estrutura urbana e ao sistema de transporte; (2) identificar alteraes nos padres
de viagens, relacionadas s alteraes de caractersticas socioeconmicas e dos
padres da estrutura urbana e de transporte, para que possamos melhor
compreender a dinmica urbana da regio.
Outras bases de dados devem ser utilizadas, tanto na elaborao dos modelos
como na previso de variveis que alimentam este modelo. O SEADE Fundao
Sistema Estadual de Anlise de Dados e o IBGE Instituto Brasileiro de Geografia e
Estatstica so fontes de dados importantes para o planejamento urbano municipal
e regional.
Dados municipais, principalmente os relacionados ao Imposto Territorial e Predial
Urbano (IPTU), tambm so fontes importantes de informaes sobre a cidade
legal imveis com regularizao fundiria dos diversos municpios da Regio
Metropolitana enquanto imagens de satlites podem ser utilizadas para a obteno
de informaes sobre reas no legalizadas imveis irregulares, resultado da
expanso urbana desordenada ou ainda alteraes de padres urbanos no
captados nos dados do IPTU.
Para a observao de expanses urbanas (mudanas na cobertura territorial de
reas intra-urbanas e peri-urbanas), a cada ano, deve-se pensar em aquisies de
trs imagens anuais, para se evitar o problema de cobertura de nuvens. J para o
acompanhamento de alteraes de padres urbanos necessita-se de imagens com
alta resoluo (tem custo e disponibilidade ainda restrita). Satlites franceses e
indianos tm este padro de imagem e existem mtodos automticos e semiautomticos criativos de tratar imagens na faixa de 2,5 a 5 metros pensando-se na
obteno de indicadores de adensamento.
2 MODELOS DE TRANSPORTE
A modelagem em transportes tenta prever demandas futuras por meio de recursos
matemticos, computacionais e comportamentais, entre outros. Desta forma, a
anlise dos problemas de transportes passou a ser feita com um embasamento
terico, atravs da utilizao de modelos que visam representar as caractersticas
de uma nova realidade.
Ortzar e Willumsen (1990) definem modelo como sendo uma representao
simplificada de uma parte do mundo real, que se concentra em certos elementos
considerados importantes para a sua anlise, de um ponto de vista particular.
Um modelo amplamente utilizado na modelagem de transporte o denominado
Modelo 4 Etapas. Existem tambm modelos baseados nas escolhas provenientes
dos diferentes comportamentos humanos, denominados de abordagem
comportamental (ORTZAR e WILLUMSEN, 1990).
2.1
MODELO 4 ETAPAS
Neste modelo, os dados do ano-base, inclusive variveis socioeconmicas da

populao, so utilizados para estimar o nmero total de produo e atrao de
viagens em cada zona da rea em estudo (etapa de gerao de viagens).
Em seguida, realiza-se a distribuio das viagens para todos os destinos, gerando
uma matriz futura de viagens (Matriz O/D). O prximo passo envolve a escolha do
modo de transporte, resultando na diviso modal, que consiste na repartio das
viagens em matrizes para os diferentes modais. Por fim, realiza-se a alocao das
viagens de cada modal na rede viria se obtendo os volumes de veculos nas vias e
nmero de passageiros no transporte coletivo.
Este modelo clssico representado como uma seqncia de quatro submodelos:
gerao e distribuio de viagens, diviso modal e alocao de trfego.
2.1.1 Gerao de Viagens

A modelagem para a previso de gerao de viagens depende essencialmente da
quantidade e da qualidade dos dados e da forma estrutural dos modelos. Estes
dados so obtidos atravs das relaes observadas entre as caractersticas das
viagens e informaes sobre a situao socioeconmica da populao.
Ortzar e Willumsen (1990) apresentam os seguintes fatores que influenciam na
produo de viagens: renda, propriedade de automvel, estrutura do domiclio,
tamanho da famlia, valor do solo, densidade residencial, acessibilidade, entre
outros. Como fatores que influenciam na atrao de viagens numa dada zona
pode-se citar: o nmero de empregos ofertados, o nvel de atividade comercial e o
nmero de matrculas escolares.
Os seguintes modelos de gerao de viagem podem ser citados: Fator de

Crescimento, Taxas de Viagens, Classificao Cruzada ou Anlise de Categorias e
Regresso.
2.1.1.1 Modelo do Fator de Crescimento
Determina o nmero de viagens futuras por zona de trfego em funo de
variveis que tm influncia na gerao das mesmas, tais como: populao, renda,
propriedade de veculos, densidade residencial ou comercial etc. Portanto, um
modelo que trabalha com dados agregados.
Frmula Geral:
Onde:
Ti = num. de viagens futuras produzidas na zona de trfego i;
Fi = fator de crescimento
ti = num de viagens do ano base.
O maior problema deste mtodo a estimativa do fator de crescimento (Fi) que vai
depender da escolha das variveis que melhor definem este fator, que pode, por
exemplo, ser definido pela relao:
Onde:
Pi = populao da zona i;
Ri = renda da zona i;
Ci = propriedade de veculos na zona i;
a, f = indicam valores atuais e futuros respectivamente.
Por suas caractersticas este mtodo considerado rudimentar e por isto, pouco
utilizado. Deve ser aplicado apenas em planos de curto prazo, quando a utilizao
de outro mtodo no for possvel e, para definir os movimentos entre zonas
externas (zona externa x zona externa), por estas serem em menor nmero e no
haver uma pesquisa mais aprofundada dos seus dados.
2.1.1.2 Modelo das Taxas de Viagens
Este mtodo determina o nmero de viagens pelo tipo de ocupao do solo. Para
cada tipo de atividade define-se uma taxa de produo e/ou atrao de viagens.
Esta taxa na maioria das vezes relaciona o nmero de viagens por unidade de rea
construda ou de utilizao do solo por atividade. De acordo com a possibilidade
de pesquisa dos dados podem-se obter vrias taxas, cobrindo um maior nmero
de atividades desagregadas.
2.1.1.3 Modelo de Anlise de Categorias ou de Classificao Cruzada
Este modelo pode ser entendido como uma extenso de um modelo de taxas de
viagens, utilizando neste caso dados desagregados.
No contexto de gerao com base-residencial, por exemplo, as viagens so
agrupadas de acordo com um conjunto de categorias de residncias, relacionadas
estrutura familiar e s condies econmicas dessa famlia. Utiliza-se normalmente
de trs a quatro variveis, cada uma delas subdivididas em cerca de trs nveis,
como, por exemplo: (1) tipos de residncias: com 1, com 2 a 3, com 4 ou com mais
de 5 habitantes; (2) nmero de carros por habitao - 0, 1, 2 ou mais carros.
Com estes tipos e nveis tem-se 12 categorias diferentes. As taxas de viagens
associadas a cada categoria so estimadas por mtodos estatsticos e, assume-se
que so constantes no tempo. Os valores das taxas de gerao de viagens por
categoria so obtidos a partir dos dados do ano-base.
Taxa de viagem de uma categoria H:
tc =
Tc
Hc
Onde
T c = i Tic - total de viagens da categoria

H c = i H ic - total de elementos da categoria
Agregao por zona:
Tip = c t cp .H ic
A principal caracterstica deste tipo de modelagem est em escolher categorias que

minimizem varincia das taxas de viagem. Existem mtodos estatsticos para este
tipo de anlise.
As viagens futuras so estimadas a partir da projeo (exgena ao modelo) do
nmero de residncias por categoria em cada zona de trfego, multiplicada pela
taxa respectiva categoria.
Este tipo de modelo traz como vantagem a independncia do zoneamento,
permitindo relaes diferentes para cada categoria definida; contudo, existe a
perda da varincia interna de cada categoria e dificuldades relativas s projees
das variveis. Tem se encontrado alguns problemas na projeo da populao e/ou
de famlias por categorias, principalmente das categorias com tamanho da amostra
reduzido.
rvores de Deciso uma Alternativa a Problemas de Classificao

A rvore de deciso considerada a forma mais simples de representao das
relaes existentes em um conjunto de dados. Os dados so divididos em
subgrupos, com base nos valores das variveis.
Os modelos de rvores fornecem uma alternativa a problemas de classificao de
dados. Eles so ajustados por sucessivas divises de dados com a finalidade de
obter subconjuntos cada vez mais homogneos. O resultado uma rvore
hierrquica de regras de deciso utilizadas para prever ou classificar. Defini-se
varivel resposta, ou dependente (por exemplo: viagem), aquela que se deseja
prever ou classificar de acordo com variveis preditoras ou independentes,
potencialmente relacionada primeira.
O algoritmo ID3, desenvolvido por Ross Quinlan (Sydney,1983) - considerado o pai
das rvores de deciso e suas evolues procuram encontrar na base de dados as
variveis preditoras mais importantes, ou seja, aquelas que fornecem mxima
segregao dos dados.
Uma rvore de deciso tem as seguintes propriedades: (1) h um n chamado raiz,
que contem todo o banco de dados; (2) este n contm dados que podem ser
subdivididos dentro de outros sub-ns chamados de ns filhos; (3) existe um nico
caminho entre o n raiz e cada n da rvore; (4) quanto os dados do n no
podem ser mais subdivididos em um outro sub-conjunto ele considerado um n
terminal ou folha.
As vantagens deste mtodo so: (1) consideram as varireis de maior relevncia
para a segmentao dos dados; (2) so facilmente compreensveis; (3) permitem
aos usurios visualizar diretamente quais os fatores que mais influenciam suas
classificaes ou previses, pois representam as variarias em ordem de
importncia.
Algoritmos utilizados para desenvolvimento de rvores de deciso so: C4.5
(evoluo do ID3 Quinlan, 1993), CHAID (Kass, 1980) e CART (Breiman et al.,
1984).
2.1.1.4 Modelo de Regresso
A utilizao deste mtodo visa construir uma relao linear (ou no) entre o
nmero de viagens existentes (varivel dependente) e os vrios fatores que
influenciam as viagens (variveis independentes). A forma mais freqente o
Modelo de Regresso Mltipla:
Com dados totais da zona agregado

Yi = 0 + 1 . X 1i + 2 . X 2i + ... + i
Onde:
Yi - varivel dependente (nmero de viagens)
Xli - variveis independentes (fatores scio-econmicos e de uso do solo);

i - parmetros estimados pelo modelo.
Com Mdias (por famlia, populao, residncia) desagregado

y i = 0 + 1 .x1i + 2 .x 2i + ... + e i
com
yi =
Yi
Hi
x ki =
X ki
Hi
ei =
i
Hi
Onde :
H i = nmero de famlias na zona i (ou pessoas)
As caractersticas destes modelos: (1) os coeficientes e constantes so encontrados

por calibrao para o ano base, utilizando-se o modelo de regresso linear e dados
de todas as zonas; (2) algumas variveis explicam melhor as viagens atradas,
outras as produzidas; (3) a varivel dependente (Y) pode dar uma estimativa das
viagens produzidas (Pi), ou atradas (Aj), na zona i, se este um modelo que utiliza
dados agregados; ou uma taxa de produo (atrao) de viagens por tipo de
residncia, se este um modelo desagregado de base residencial; (4) usualmente 4
variveis independentes no mximo so suficientes; (5) cada termo da equao de
regresso pode ser interpretado como uma contribuio da varivel independente
para a varivel dependente.
Critrios de escolha das variveis dependentes: (1) devem estar linearmente
relacionadas com a varivel independente; (2) devem estar altamente
correlacionadas com a varivel independente; (3) no devem estar altamente
correlacionadas com outra varivel dependente; (4) devem ser facilmente
projetadas para o futuro.
Para modelos agregados as seguintes variveis podem ser consideradas: (1) na
produo de viagens: renda, propriedade de veculos, nmero de residncias (rea
de ocupao do solo), nmero de pessoas empregadas, populao ou densidade
populacional e nmero de pessoas em idade escolar; (2) na atrao de viagens:
rea destinada indstria, ao comrcio e outros, nmero de empregos, matrculas
escolares e acessibilidade.
2.1.2 Distribuio de Viagens

Uma vez definido o nmero de viagens produzidas ou atradas nas Zonas de
Trfego que compem a rea em estudo, o passo seguinte a determinao da
origem e do destino dos movimentos interzonais futuros (distribuio das futuras
viagens entre zonas de origem e destino).
Os modelos de distribuio de viagens de modo genrico podem ser definidos pela
seguinte expresso:
Onde tij representa o nmero de viagens entre i e j no intervalo de tempo

considerado.
Os modelos de distribuio de viagens podem ser grupados da seguinte forma: (1)
Modelos de fator de Crescimento: mtodo do crescimento uniforme, mtodo do
crescimento mdio, Mtodo de Fratar e Mtodo de Furness; (2) Modelos
Gravitacionais.
2.1.2.1 Modelos de Fator de Crescimento
Os modelos de fator de crescimento tm a seguinte forma geral:
Onde:
tij = nmero de viagens futuras entre as zonas i e j;
fij = fator de expanso;
tij = nmero de viagens atuais entre as zonas i e j
A aplicao deste mtodo se baseia na existncia de uma matriz de origem e
destino das viagens no ano base (viagens atuais) e sua grande vantagem a
simplicidade. Tem como desvantagens manter e ampliar erros da matriz base
como, por exemplo, pares de zonas sem viagens e ignorar os custos das viagens.
I.
Mtodo do Fator de Crescimento Uniforme
Neste mtodo o fator nico para todas as zonas de trfego e pode ser obtido de
duas formas: (1) utilizando-se um fator de crescimento com base em estudos
estatsticos ou curvas de crescimento; por exemplo, a regio crescer 20% no
perodo de estudo, bastando ento multiplicar os valores da matriz por F=1.2; (2)
utilizando-se um fator que avalie a relao entre o nmero de viagens produzidas
atualmente e as projetadas para o futuro para cada zona de trfego.
Fazendo-se:
Onde:
Pi = produo de viagens atualmente na zona i;
Pi = produo de viagens estimadas na zona i;
Sendo:
O mtodo do fator de crescimento uniforme s deve ser utilizado para um

horizonte de projeto de 1 a 2 anos e, em regies j bastante desenvolvidas e
densamente ocupadas. Na Regio Metropolitana de So Paulo, com crescimentos
totalmente dspares (no centro expandido da cidade de So Paulo houve, entre
1997 e 2007, uma diminuio da populao de 13%, enquanto a cidade como um
todo cresceu 10% e os outros municpios da regio cresceram em mdia 25%), no
faz sentido a utilizao de um crescimento uniforme.
II.
Mtodo do Fator Mdio de Crescimento
Utiliza-se um fator de crescimento para cada par origem e destino (i,j) definido
pela mdia dos fatores de crescimento da zona de origem (i) e o fator de
crescimento da zona de destino(j):
Onde:
Pi ou j - viagens futuras produzidas na zona origem i ou j, projetadas pelo modelo
de gerao;
Pi ou j - viagens produzidas atualmente pela zona i ou j na primeira iterao e o total
de viagens estimadas pelo modelo a partir da segunda iterao.
Ao aplicarmos este processo verifica-se que a partir da primeira iterao o total de
viagens produzidas ou atradas para cada zona no se ajusta estimativa original
de viagens produzidas e atradas no futuro. Para ajustar estes valores, aplica-se um
procedimento iterativo at que os valores obtidos sejam equivalentes aos
projetados.
O processo pode ser escrito matematicamente da seguinte forma:
(na primeira iterao) e
(na k-sima iterao)
Este mtodo converge vagarosamente e faz-se necessrio especificar um critrio de
encerramento das iteraes, expresso em termos de um limite para o valor de fik,
definido por intervalos: 0,95fik 1,05 ou 0,90fik 1,10
A aplicabilidade deste mtodo, na Regio Metropolitana de So Paulo tambm no
faz sentido devido disparidade dos fatores de crescimento das zonas. Por
exemplo, a mdia entre fatores de crescimento populacionais de -13% (centro
expandido da cidade de So Paulo e 25% (crescimento mdio dos municpios da
Regio Metropolitana, exceto So Paulo) no um fator aceitvel para expanso de
viagens.
III.
Mtodo de Fratar
Este mtodo representa um aprimoramento dos dois mtodos anteriores e

consequentemente um aumento na complexidade dos clculos necessrios.
Tambm, como o mtodo anterior, requer um procedimento iterativo. Trata-se de
um mtodo bastante utilizado para zonas externas, ou melhor, movimentos
externos/externos.
Considera-se que o nmero de viagens que saem de uma zona i para uma zona j
proporcional ao nmero de viagens totais atuais que saem da zona i modificado
pelo fator de crescimento da zona j. O mtodo compreende as seguintes etapas:
Passo 1: Calcular o fator de crescimento das zonas de trfego
Onde:
Pi* - estimativa do total de viagens produzidas na zona i para o ano de projeto
Pi - viagens atuais, na primeira iterao e viagens calculadas, a partir da segunda
iterao.
Passo 2: Estimar as viagens entre zonas de trfego utilizando a seguinte
expresso:
Passo 3: Montar a nova Matriz, fazendo-se:

(t o valor calculado na iterao) a soma dos novos valores de
Pi e voltando ao passo 1.
O processo termina quando o fator f estiver dentro de um intervalo especificado
previamente e de acordo com a preciso que se deseja.
i
Como se pode observar, o mtodo de Fratar considera apenas os fatores

relacionados produo e, portanto, deve ser utilizado em matrizes que tm
valores de produo e atrao iguais ou prximos. Nestes casos a matriz
resultante de viagens uma matriz simtrica onde t = t .
ij
ji
Para a Regio Metropolitana de So Paulo este tipo de modelo no aconselhvel,

pois temos enormes discrepncias entre as viagens produzidas e atradas nas
zonas. Quase 70% dos empregos existentes esto concentrados no centro
expandido da cidade de So Paulo, uma rea que corresponde a menos de 5% da
rea total da regio da Regio Metropolitana.
IV.
Mtodo do Fator de Crescimento Duplo (Furness)
Utilizado para fazer a distribuio de viagens considerando tanto o fator de

crescimento da produo quanto o da atrao. Este mtodo tambm conhecido
como Fratar Balanceado.
O mtodo requer uma srie de correes at que a soma das linhas convirjam para
o total de produo de cada linha e a soma das colunas para o total de atrao.
Frmula Geral:
Onde:
tij = nmero de viagens no ano base produzido pela zona 1 e atrado pela zona j.
Tij = nmero de viagens calculado produzido pela zona i e atrado pela zona j.
ai = fator de balanceamento da linha i;
bj = fator de balanceamento da coluna j.
Como so necessrias algumas iteraes para se chegar a uma soluo, a tcnica
empregada pode ser representada matematicamente da seguinte forma:
**
Onde:
Pi - estimativa do total de viagens produzidas na zona i para o ano de projeto.
Pi - viagens atuais na primeira iterao e viagens calculadas a partir da segunda
iterao.
Procedimento Geral: (1) faz-se ai = 1,0; (2) calcula-se o fator de crescimento por
coluna bj; (3) calcula-se a matriz de viagens utilizando-se a expresso **; (4)
calcula-se o total por linha Pi e o fator ai; (5) recalcula-se a matriz multiplicando-se
os valores obtidos em 3 por ai; (6) se os valores encontrados para Pi e Aj so iguais
aos projetados, pare; caso contrrio, volte ao item 2.
Vantagens e Limitaes dos Mtodos de Fator de Crescimento Duplo: (1) um
mtodo de fcil entendimento e faz uso direto da matriz de viagens observadas e
de projees de viagens produzidas e atradas; (2) pode ser utilizado quando o
custo do deslocamento no est disponvel ou de menos importncia,
principalmente em projees de curto prazo, ou ainda, na falta de maiores
informaes (viagens externas); (3) a principal limitao que o mtodo de
Furness, assim como os outros mtodos de fator de crescimento, no leva em
considerao mudanas nos custos de transporte devido a melhoramentos ou
restries na rede e, considerado bastante limitado nas anlises de longo prazo
envolvendo opes de novos modos de transporte, novos links, polticas de preo
e novas zonas de trfego.
2.1.2.2 Modelo Gravitacional
A base conceitual deste modelo a lei gravitacional de Newton, que diz: a fora
de atrao entre dois corpos diretamente proporcional ao produto das massas
dos dois corpos e inversamente proporcional ao quadrado das distncias entre

eles.
A sua aplicao em transportes considera a hiptese de que o nmero de viagens
produzidas pela zona i e atrada pela zona j proporcional: (1) ao nmero total de
viagens produzidas pela zona i; (2) ao nmero total de viagens atradas pela zona
j; (3) a uma funo de impedncia que relacione a separao espacial ou custo de
viagem entre as zonas de trfego.
A vantagem deste modelo em relao aos outros que nele se considera, alm da
atrao, o efeito da separao espacial ou facilidade de iterao entre as regies
definida pela funo de impedncia.
Por analogia lei de Newton, a equao do Modelo Gravitacional toma a seguinte
forma:
Onde:
tij nmero de viagens com origem em i e destino em j;
k e c - parmetros a serem calibrados utilizando os dados do ano base;
Pi - total de viagens produzidas pela zona i;
Aj - total de viagens atradas pela zona j;
Rij - varivel de impedncia entre as zonas i e j;
Posteriormente o modelo foi generalizado, assumindo-se que o efeito da
impedncia poderia ser melhor representado por uma funo generalizada de
custo de viagem f(cij) com um ou mais parmetros para calibrao.
A funo f(cij) recebe o nome de funo de impedncia porque ela representa um
obstculo viagem. Verses normalmente utilizadas so:
- funo exponencial negativa
- funo exponencial inversa
- funo combinada
Para a varivel , obtida no processo de modelagem, os valores maiores tem como
significado viagens mais concentradas em zonas prximas, enquanto que
menores, ocorre um maior espalhamento das viagens para zonas mais distantes.
Uma impedncia significa
definida por uma varivel
tempo de viagem ou custo
conjunto destas variveis
qualquer tipo de oposio ao movimento e pode ser

ou por um conjunto de variveis tais como distncia,
de transporte. Quando a impedncia definida por um
d-se o nome de custo generalizado. Este custo
tipicamente definido por uma funo linear de atributos de viagem medidos por
coeficientes que definem a relativa importncia dada a esses atributos pelo
usurio.
Suponhamos, para exemplificar, que a funo custo generalizada seja dada por
Onde:
C = custo direto de viagem
tv= tempo gasto dentro do veculo
te= tempo total de esperas e transferncias
w1,w2,w3 = pesos
Ortzar & Willumsen (1994) consideram o modelo de gravidade o de maior
entendimento dentre os modelos de distribuio e, que, tem a vantagem de
estimar as viagens para cada clula da matriz sem usar diretamente uma matriz
observada. J as desvantagens so a necessidade de um considervel nmero de
ajustes e manipulaes para obteno de um resultado satisfatrio e, a no
garantia de que os fatores socioeconmicos e os relacionados ao tempo de viagem
sero vlidos no futuro.
2.1.2.3 Software EMME
Os modelos de distribuio de viagens mais utilizados so o Gravitacional e os de
Fator de Crescimento Fratar e Furness, que podem ser facilmente implementados
atravs do modulo de balanceamento bidimensional de matrizes do software EMME.
Ambos os modelos necessitam de totais de viagens por zona, obtidos atravs de
modelos de gerao de viagens (vetores: produo e atrao futuros) e de uma
matriz modelada atual.
Na pratica, para desenvolvimento da matriz modelada atual, devemos ter:
1. Uma matriz de tempos de viagem que identifique para cada par origemdestino o tempo mdio de viagem entre zonas, que pode ser obtida, por
exemplo, a partir de uma alocao (simulao) da matriz pesquisada, em um
software tipo EMME, em rede (centrides, conectores, ns e links) j definida.
2. Vetores modelados de produo e atrao de viagens que nos forneam o
nmero de viagens produzidas e atradas em cada zona (1 etapa do
modelo).
3. Um software que tenha procedimentos de balanceamento de matrizes.
Softwares de alocao como EMME, em geral, possuem mdulos que
permitem este procedimento.
No modulo de balanceamento de matrizes, atravs de procedimentos iterativos,
devemos obter um valor para a constante c da funo F = e ct (c = - do Modelo
Gravitacional
), que gere uma matriz modelada com distribuio de tempos de
viagem prxima da matriz pesquisada. Para isso, os seguintes passos so

necessrios:
Entradas:
1. Vetores de Produo e Atrao de Viagens.
2. Matriz na forma:
o valor de c pode ser inicialmente definido em 50.

Matriz de Tempos de Viagem
Resultado: Matriz Modelada

Anlise do Resultado (Matriz Modelada):
Devemos comparar o histograma do
nmero de viagens por faixa de tempo (a
cada 15 minutos, por exemplo) da matriz
modelada com o da matriz pesquisada
(figura ao lado: azul matriz modelada e
verde matriz pesquisada).
O valor do parmetro c e a matriz
modelada final aquela em que o
histograma de tempos de viagem
semelhante ao histograma da matriz
pesquisada.
Na pratica devemos variar o valor do parmetro c, na funo F = e ct, e ento
compararmos o histograma de tempos obtido na matriz modelada com o da matriz
pesquisada at obtermos histogramas semelhantes (idealmente iguais).
Observao: Este procedimento deve ser realizado para cada conjunto de dados
definidos - renda, posse ou no de auto e motivo de viagem - na etapa anterior,
Produo e Atrao de viagens.
Para matrizes futuras os modelos necessitam de totais de viagens obtidos atravs
de modelos de gerao de viagem (vetores: origem e destino futuros) e de uma
matriz base que pode ser a matriz modelada atual (Modelos de Fratar ou Furness)
ou a matriz de tempos de viagens futuros resultado da expresso e ct (Modelo
Gravitacional), onde, t o tempo futuro mdio de viagens entre zonas e c a
constante obtida na calibrao do Modelo Gravitacional na matriz modelada atual.
2.1.2.4 Modelo de Oportunidades Intervenientes
Entre os modelos comportamentais para distribuio de viagens temos o Modelo de
Oportunidades Intervenientes, idealizado inicialmente por Stouffer (1940, apud
Novaes, 1982). O princpio deste modelo o de que os processos de distribuio
espacial de viagens no apresentam relao explcita com a distncia; o fator que
regula a relao de distribuio de viagens a competio entre oportunidades. O
nmero de viagens de uma zona i alocvel zona j diretamente proporcional ao
nmero de oportunidades da zona j e inversamente proporcional s oportunidades

intervenientes, ou seja, oportunidades mais acessveis, a partir da zona i.
Com base no princpio de Stouffer, Schneider (1959, apud Novaes, 1982)
desenvolveu um modelo baseado na probabilidade da viagem com origem na zona
i ser atrada para as zonas de destino possveis. A probabilidade de ser atrado a
uma zona j uma funo do nmero de oportunidades disponveis na mesma
(Novaes, 1982). A formulao matemtica geral, para os modelos
comportamentais, apresentada abaixo:
Onde:
Vij = nmero de viagens entre as zonas i e j;
Vj = nmero de viagens geradas na zona i;
pij = probabilidade de uma viagem ser atrada da zona i para a zona j.
Este modelo, diretamente proporcional ao nmero de oportunidades na zona de
destino e inversamente proporcional s oportunidades nas zonas prximas
(oportunidades intervenientes), tem como principal dificuldade justamente a
identificao das oportunidades intervenientes (zonas mais prximas).
2.1.3 Diviso Modal

O objetivo dos modelos de diviso modal destinar aos diferentes modos de
transporte as viagens com origem na zona i e destino da zona j, sem se preocupar
com as rotas existentes.
A diviso modal feita com base nas variveis que o usurio utiliza para fazer a
sua escolha. Os fatores que influenciam a escolha modal incluem usualmente
caractersticas socioeconmicas e caractersticas dos servios dos modos de
transporte. De uma forma geral so considerados os seguintes parmetros: (1)
atributos do deslocamento (motivo da viagem, perodo de realizao e destino); (2)
atributos do usurio (propriedade de veculos, renda e estrutura familiar, nvel
cultural); (3) atributos do sistema de transporte (custo e tempo de viagem, tempo
de espera, de transbordo ou andando, freqncia, conforto e acessibilidade).
A incluso desses atributos na formulao de modelos de escolha modal limitada
pelo tipo, quantidade e qualidade das informaes disponveis de calibrao. O
elemento mais restritivo a necessidade de se obter dados com os quais se
possam fazer projees consistentes.
Existem basicamente dois tipos de modelos de diviso modal:
Determinsticos: determinam a proporo de viagens por cada modo utilizando

mtodos quantitativos simples, tais como: Regresso Linear e Classificao
Cruzada ou Curvas de Desvio.
Probabilsticos: utilizam a probabilidade de escolha de cada modo para

determinar a percentagem de viagens para seus respectivos modos. Os modelos
mais utilizados so: Logit Binomial, Logit Multinomial e Logit Hierrquico ou

Aninhado.
2.1.3.1 Modelos Determinsticos
I.
Modelo de Regresso Linear
So, em geral, utilizados para fazer a distribuio modal de forma agregada. Sob
este ponto de vista, determina-se a proporo de viagens por automvel ou por
transporte pblico atravs de uma relao matemtica entre o nmero de viagens e
as caractersticas socioeconmicas dos viajantes e/ou as caractersticas das
alternativas.
Yi = 0 + 1 . X 1i + 2 . X 2i + ... + i
Onde:
Yi
- varivel dependente (nmero de viagens de determinado modo de
transporte i)
Xli - variveis independentes (fatores scio-econmicos, atributos do sistema de
transporte);
i - parmetros estimados pelo modelo.
Deve-se lembrar que a soma de Yi, Yj,...Yk para a situao (viagens de diferentes
modos de transporte) igual ao total de viagens do par origem/destino.
II.
Modelo de Anlise de Categorias (ou Classificao Cruzada)
Os mtodos de Classificao Cruzada tentam dividir a populao ou zonas de

trfego em grupos relativamente homogneos. Os grupos podem ser classificados
de acordo com as caractersticas do tomador de deciso (o viajante) ou com as
caractersticas dos modos.
Normalmente, na classificao cruzada, para cada grupo homogneo obtm-se um
valor mdio do percentual de utilizao de cada modo de transporte. Nestes
modelos, considera-se que os percentuais de utilizao permanecero constantes
para cada grupo de categoria. Este tipo de modelo foi melhor descrito nos modelos
de distribuio de viagens.
A dificuldade do modelo est na identificao destes grupos homogneos e, alm
disso, a suposio de que o percentual de utilizao de cada modo permanecer
constante para cada categoria, pode no ser real.
III.
Modelo de Curvas de Desvio
Similares ao anterior, estes modelos determinam a proporo de viagens entre dois

modos de transporte, atravs de algumas curvas que relacionam o percentual de
utilizao de cada um dos modos com parmetros tais como tempo, custo, nvel de
servio e renda do viajante.
Pode-se observar que os modelos determinsticos, de uma forma geral, utilizam o

mtodo de regresso para chegar proporo de viagens entre os modos de
transporte; a diferena entre os modelos est na maior ou menor agregao dos
dados utilizados para fazer a avaliao.
2.1.3.2 Modelos Probabilsticos
Estes modelos fundamentam-se na hiptese bsica de que a probabilidade de um
indivduo escolher determinada alternativa funo da atratividade da alternativa
escolhida em relao atratividade das outras alternativas disponveis (Ortzar &
Willumsem, 1994).
Para representar a atratividade de uma alternativa utiliza-se o conceito de utilidade,
geralmente definido como uma combinao de variveis que representam
caractersticas da alternativa e do indivduo.
Uma Funo Utilidade uma expresso matemtica que determina o grau de
satisfao que o usurio do transporte obtm com a escolha do modo. De uma
forma geral, definida por uma soma de variveis e seus pesos relativos, tal como:
+
Onde:
U a utilidade derivada da escolha medida pelos atributos xi do modo de
transporte e os pesos ai relativos a estes atributos. Os atributos de transporte so
aqueles definidos anteriormente, tais como custo e tempo de viagem, tempo de
espera e algumas derivaes destes.
A escolha pela utilidade prev que o tomador de deciso realize compensaes entre
os atributos de cada alternativa para escolha de uma na qual seu benefcio seja o
maior possvel. Esse critrio de deciso implica matematicamente que a atratividade
de uma alternativa expressa por um vetor de valores de atributos seja redutvel a um
ndice. O ndice de atratividade de uma alternativa em relao s demais dentro de
um mesmo conjunto de escolha pode ser definido como utilidade.
A teoria para formulao dos modelos de escolha discreta dada pela teoria da
utilidade aleatria. Um tomador de deciso n escolhera dentre o conjunto das j
alternativas disponveis, aquela que maximize sua utilidade.
A utilidade, vista por um tomador de deciso n, seria composta de duas parcelas:
(1) a parcela mensurvel Vnj, baseada no vetor xnj dos atributos das j alternativas
observadas pelo tomador n; (2) a parcela no observvel nj, representando a
parcela de fatores vista por n na alternativa j, mas no mensurvel.
Diferentes tipos de modelos de escolha discreta so obtidos em funo da

distribuio admitida para a componente aleatria . Os modelos mais utilizados
so os do tipo Logit (distribuio do tipo Gumbel) e Probit (distribuio normal). Os
modelos logit so muito empregados por sua praticidade e facilidade operacional
e, se baseiam no pressuposto de os fatores no observados no serem

correlacionados entre alternativas e possurem a mesma varincia.
I.
Modelo Logit Multinomial
Este modelo determina a proporo de viagens que caber a cada modo especfico
k de acordo com a seguinte expresso:
Onde:
p(k)- probabilidade de escolha do modo k;
k - um modo de transporte;
x - so todos os modos concorrentes;
Ux - utilidade do modo x.
O modelo relaciona a probabilidade de escolha de uma alternativa, em um
conjunto de alternativas, por uma unidade de deciso (indivduo, residncia,
empresa, etc.), ou um grupo, de acordo com a utilidade destas alternativas.
II.
Mtodo Logit Binomial
Trata-se de uma simplificao do modelo anterior, em que se avaliam apenas duas

alternativas de transporte. Supondo-se a distribuio de viagens entre dois modos
A e B e, as utilidades relativas dos mesmos como sendo UA e UB, respectivamente, o
modelo toma a seguinte forma:
Onde:
p(A) a probabilidade de escolha do modo A e p(B) = 1- p(A).
III.
Modelo Logit Hierrquico ou Aninhado
Os modelos Logit baseiam-se no pressuposto de os fatores no observados no

serem correlacionados entre alternativas e possurem a mesma varincia. Quando
os fatores so correlacionados utilizam-se os modelos Logit Hierrquicos ou
Aninhados que consideram a correlao dentro de um grupo de alternativas
semelhantes. Este modelo representa uma forma de relaxamento das restries do
Logit Multinomial.
2.1.4 Modelos de Alocao de Viagens

Nos modelos de alocao de viagens, ltimo passo do modelo tradicional 4 etapas,
se procede a atribuio das matrizes de viagens obtidas nos diversos modos s
redes correspondentes. Nesta forma tradicional de anlise, os modelos de alocao
so utilizados para fornecer estimativas de fluxos de trfego em vias estratgicas,
com o principal objetivo de disponibilizar uma base de comparao de sistemas de

transportes a mdio e longo prazo.
Um primeiro conceito que se encontra subjacente a todos os modelos de atribuio
de trfego o do custo de deslocamento. Caso um utilizador disponha de mais de
uma alternativa para efetuar uma viagem, vai naturalmente ponderar uma srie de
fatores para decidir o percurso a seguir.
Torna-se assim til utilizar o conceito de custo generalizado de deslocamento,
como sendo uma funo dos fatores envolvidos na deciso. Alguns destes fatores,
como o conforto, os aspectos cnicos ou a falta de segurana do percurso, so
dificilmente quantificveis e geralmente no so levados em conta nos processos
de modelagem.
Custo generalizado
O custo generalizado de deslocamento da zona i para a zona j, atravs do modo k,
pode ser representado por:
Onde:
C = custo direto de viagem
tv= tempo gasto dentro do veculo
te= tempo total de esperas e transferncias
w1,w2,w3 = pesos
2.1.4.1 Transporte Individual
O comportamento do fluxo de trfego pode ser tratado em pelo menos trs nveis
de agregao, ou seja, modelos com abordagem macroscpica, microscpica e
mesoscpica. Na abordagem macroscpica, objeto de nosso interesse, se descreve
o comportamento do trfego de maneira agregada, baseada na teoria dos fludos
(leis da hidrodinmica).
No modelo macroscpico, o fluxo descrito com base em trs variveis
fundamentais: (1) volume ou fluxo nmero de veculos que passam em
determinado ponto por unidade de tempo, veculos/hora; (2) densidade ou
concentrao nmero de veculos por comprimento unitrio da via, veculos/km
(3) velocidade velocidade mdia em um trecho linear da via, Km/hora.
Por tratarem o trfego de maneira agregada os modelos macroscpicos necessitam
de um menor volume de dados e sua calibrao tende a ser menos complexa que a
dos modelos microscpicos (tratam individualmente cada veculo e utilizam a
teoria da perseguio car following - no gerenciamento destes veculos) e
mesoscpicos (tratam pelotes de veculos formados a partir da rede semafrica e,
explicam a deformao destes pelotes atravs da teoria da disperso de fluxos).
I.
Modelos tudo-ou-nada
O mtodo mais simples de alocar as viagens pela rede atravs da chamada

atribuio tudo-ou-nada. Trata-se simplesmente de, para cada par O-D, determinar
o trajeto com o custo inicial mais baixo e carregar esse percurso com todas as
viagens do par. Este mtodo considera os custos de deslocamento independentes
do fluxo nos arcos, sendo, portanto, aplicvel apenas a redes pouco solicitadas.
II.
Modelos Estocsticos
Os condutores no so todos iguais. Alguns valorizam mais o tempo, outros a

distncia percorrida. Para alm desta variabilidade, h ainda que se notar o fato de
que se um condutor em um determinado dia escolher um trajeto, nada garante que
venha a repetir a opo no outro dia, mesmo em igualdade de circunstncias. Os
comportamentos dos condutores so, portanto, inconstantes e heterogneos. Os
modelos que, de alguma forma, procuram simular a inconsistncia, dizem-se
estocsticos. Nestes modelos, um ou mais elementos esto sujeitos
aleatoriedade e, sucessivas simulaes do mesmo caso, no geram
necessariamente resultados idnticos, como nos modelos determinsticos.
H duas formas tradicionais de incorporar os efeitos estocsticos. A primeira referese a uma famlia de algoritmos em que o trfego distribudo pelos diferentes
trajetos, de acordo com uma curva do tipo Logit, com preferncia pelo trajeto de
custo mnimo. O mais conhecido algoritmo deste tipo atribudo a Dial (1971).
Uma abordagem alternativa utiliza simulaes de Monte Carlo para representar a
variabilidade dos custos percebidos. Os algoritmos deste tipo derivam de uma
tcnica desenvolvida por Burrel (1968, apud Ortuzar; Willunsen, 1994), onde os
custos de deslocamento dos diferentes arcos da rede so retirados de uma
distribuio, retangular ou normal, cuja mdia o custo real.
Em situaes de redes congestionadas, o equilbrio estocstico no garantido,
dado que permite aos usurios a seleo de diversos trajetos, inclusive os no
timos.
III.
Modelos de Equilbrio
Os mtodos de atribuio descritos, tudo-ou-nada e estocstico puro, pressupem

custos de deslocamentos fixos, independentes do carregamento das vias. Os
custos de deslocamento nos arcos, nos Modelos de Equilbrio, dependem da
procura. A escolha de trajeto de um condutor especfico condicionada pelas
opes dos condutores restantes.
Tendo como subjacente a hiptese de que todos os condutores tm a mesma
percepo dos custos de deslocamento, Wardrop (1952) apresentou princpios de
escolha de trajetos com base em dois tipos de comportamentos: (1) os condutores
escolhem os seus percursos independentemente e no seu melhor interesse, com
base nas condies de trfego resultantes das escolhas de outros; (2) os
condutores cooperam na escolha de trajetos, tendo em vista produzir um padro
de trfego que d o mximo benefcio comunidade.
O primeiro tipo de comportamento traduzido pelo seguinte princpio: Em redes

congestionadas, o trfego distribui-se de modo a que os custos de deslocamento em
todos os trajetos utilizados entre cada par origem-destino sejam iguais. O custo de
deslocamento em qualquer um dos trajetos no utilizados superior.
O segundo tipo de comportamento d lugar a uma distribuio de trfego tal que
O custo global de deslocamento de cada um dos trajetos utilizados o mnimo
possvel. Trata-se do Equilbrio do Sistema.
consensual considerar que a escolha individualista de trajetos representa a
aproximao mais realista, pelo que geralmente as tcnicas de atribuio de
trfego procuram respeitar a primeira hiptese de Wardrop, conhecida por
Equilbrio do Utilizador. Atravs de uma abordagem iterativa, considera-se, que o
modelo convergiu quando nenhum condutor consegue reduzir o seu custo de
deslocamento escolhendo um diferente trajeto.
IV.
Software EMME
O algoritmo implementado para a alocao do modo auto por equilbrio (restrio

de capacidade) o algoritmo de aproximao linear proposto por Bruynooghe,
Gibert e Sakarovitch (1968) e, aperfeioado por diversos autores, baseado no
principio de Wardrop (1952), de timo usurio.
A soluo do problema de alocao de trfego por equilbrio iterativa, onde se
busca minimizar a rea sob a curva de volumeretardamento. Atravs do mtodo
de aproximao linear, a cada ciclo, obtm-se uma reduo da rea sob a curva e,
esta diferena pode ser facilmente estimada.
O mtodo segue os seguintes passos:
- 1 alocao tudo-ou-nada, demanda total, nos caminhos mnimos calculados
com base nos custos das ligaes (tempo de viagem = funo
volume/capacidade);
- 2 atualizao dos custos das ligaes;
- 3 alocao tudo-ou-nada, demanda total, nos novos caminhos mnimos
calculados;
- 4 clculo da varivel para carregamento incremental que minimize a rea sob a
curva volumeretardamento;
- 5 alocao dos volumes nas ligaes com base nesta varivel;
- 6 verificao do critrio de interrupo (nmero de iteraes e/ou diferena
entre tempos de viagem na rede) No caso dos resultados obtidos ainda no
serem satisfatrios, o algoritmo retorna ao 4 passo.
2.1.4.2 Transporte Coletivo
Os primeiros modelos para alocao de passageiros em redes de transporte que
apareceram na literatura (Dial, 1967; Andrasson, 1976; Lampkin & Saalmans,
1967; Hasselstrem, 1981), propunham tcnicas de alocao similares s
utilizadas nos problemas de alocao de fluxo de veculos particulares.
Novos tipos de modelos surgiram baseados em hipteses adotadas acerca do

comportamento dos passageiros na hora de fazer a escolha da rota Dois tipos
merecem destaque:
I.
Modelos de Rota Mnima
O usurio do sistema de transporte coletivo utiliza a rota que minimiza seu custo
generalizado. O usurio j sabe qual a linha que tem o menor custo generalizado
para chegar at seu destino e, somente espera um nibus daquela linha, o que
corresponderia a uma alocao do tipo "tudo-ou-nada".
II.
Modelos de Estratgia tima
Este conceito formulado por Spiess (1983) consiste basicamente em escolher um

subconjunto de linhas de modo a minimizar o valor esperado do custo total de
viagem.
Uma estratgia de viagem definida como um conjunto de linhas atrativas
escolhidas pelo passageiro em diferentes paradas e possveis pontos de
desembarque destas linhas, para transbordo ou para caminhadas at o destino. A
existncia de sees do caminho que podem ser atendidas por mais de uma linha
de nibus, origina vrias opes para escolha dos passageiros e, esta escolha
freqentemente no simples de ser modelada.
Spiess (1983) prope um modelo que determina as rotas timas em uma rede de
transporte coletivo, resolvendo um problema de programao linear para obter as
estratgias timas de viagem entre dois ns. Ele define uma estratgia como um
conjunto de regras que permitem ao passageiro chegar ao seu destino, ou seja, o
passageiro vai decidindo sua viagem de acordo com essas regras, podendo ter ns
de transbordo e, define a estratgia tima, como aquela que minimiza o valor
esperado do custo total de viagem. Este autor generaliza seu modelo para o caso
em que o custo de viagem em veculo em um arco uma funo crescente do fluxo
de passageiros naquele arco.
Modelos desenvolvidos posteriormente comeam a considerar a influncia do
congestionamento. Spiess & Florian (1989) propem um modelo que considera que
os custos do deslocamento em veculo (custo experimentado pelo passageiro j
dentro do nibus) so funes crescentes do nmero de passageiros, ou seja, que
o efeito do congestionamento representaria o desconforto dos passageiros dentro
de um nibus lotado. Nesse modelo so considerados custos de espera fixos que
unicamente dependem da frequncia das linhas, mas que no so afetados pelos
efeitos do congestionamento.
Alguns autores consideram os efeitos do congestionamento concentrados nos
pontos de parada dos nibus. Gendrau (1984) considerou efeitos do
congestionamento na distribuio de passageiros e nos tempos de espera nas
paradas. De Cea & Fernndez (1993-I) e Wu et al. (1994) apresentam formulaes
em que os passageiros experimentam tempos de espera que dependem da
capacidade total da linha (ou conjunto de linhas atrativas) e do fluxo de
passageiros nela. De Cea & Fernndez (1993-II) formulam dois modelos em que
assumem que os tempos de espera dependem da capacidade dos arcos e do fluxo
de passageiros que utilizam as linhas associadas a estes arcos, mas, uma vez que
os passageiros abordam um veculo, o tempo de viagem em veculo fixo e,
determinado somente pelo nvel de congestionamento na rede viria, o qual
considerado um parmetro exgeno.
As redes de transporte pblico em pases em desenvolvimento apresentam
algumas caractersticas peculiares, como por exemplo, a existncia de muitas vias
por onde circula uma grande quantidade de linhas de nibus. A estrutura dos
percursos de muitas linhas produz uma grande superposio de nibus em
algumas vias principais. Em muitos pases, os operadores pressionam para
oferecer linhas cujos itinerrios atravessam vias com maior demanda. O problema
das linhas comuns nas redes de transporte coletivo em algumas cidades de pases
em desenvolvimento deveria ser modelado considerando a questo do limite de
capacidade, o que no feito em muitos modelos de alocao disponveis, motivo
pelo qual necessrio fazer alguma simplificao.
Bunster (1986) indica que nenhuma das diferentes formulaes acerca do
comportamento dos usurios na hora da escolha da rota, quando existem linhas
comuns, pode pretender ser exata, pois na deciso de cada usurio entram
aspectos pessoais que dificilmente podem ser modelados matematicamente. Mas,
considerando um comportamento racional e similar em todos os usurios, pode-se
supor que o objetivo deles minimizar o custo generalizado associado viagem, o
que inclui tempo de espera, valor monetrio da passagem, tempo de deslocamento
em veculo, tempo de caminhada, etc.
III.
Modelos de Escolha Discreta
Os modelos do tipo Logit, assumem que os passageiros so indivduos racionais,

que associam a cada alternativa de um conjunto de alternativas possveis, uma
utilidade e, que eles escolhem a alternativa de maior utilidade.
- Funo de Utilidade:
+
O modelo relaciona a probabilidade de escolha de uma dada alternativa, de um
conjunto de alternativas, por uma unidade de deciso (indivduo, residncia,
empresa, etc.), ou um grupo, de acordo com a utilidade destas alternativas.
IV.
Software EMME
O mtodo implementado para alocao do transporte coletivo baseado no conceito

de estratgias timas (Spiess, 1984; Spiess e Florian, 1989). O usurio escolhe um
conjunto de caminhos viveis (estratgias) e deixa que a chegada do primeiro
veculo, determine qual caminho ser efetivamente utilizado para atingir seu
destino. Define-se como estratgia um conjunto de regras que permitem ao usurio
atingir seu objetivo. O nmero e tipos de estratgias escolhidas (estratgias timas)
dependem principalmente das informaes disponveis ao usurio.
Definido um conjunto de estratgias, o modelo trabalha com a hiptese que a
nica informao disponvel para o passageiro durante a viagem a que ele
descobre, enquanto est em um n da rede, qual ser a prxima linha a passar e,
ele deve decidir naquela hora se vai ou no embarcar no veculo. Para o conjunto
de estratgias definidas, teramos os seguintes passos:
- 1 defina o n corrente (onde o usurio est) como origem;
- 2 embarque no veculo que chegar primeiro entre os das linhas consideradas
atrativas;
- 3 desembarque no n predeterminado pela estratgia;
- 4 se ainda no estiver no destino, volte ao 1 passo.
2.2
MODELOS DE ATIVIDADES
Neste tipo de modelo se reconhece a existncia de complexas interaes entre a

participao em atividades e o padro da viagem. As atividades geradoras de
demanda por transportes e, no mais as viagens tornam-se o foco da modelagem.
So modelados os mecanismos que os indivduos usam para decidir quais
atividades iro realizar, principalmente as relaes de causa e efeito que
determinam as decises de viagens e as viagens necessrias para a composio de
sua agenda diria de atividades. No processo de definio do modelo so
consideradas: as interaes entre os membros do domiclio; o tipo de atividade
que cada um realiza; os padres de uso do solo e as restries existentes, sejam
elas domiciliares (estrutura, renda) ou individual (tempo disponvel, disponibilidade
de auto, etc.).
Todos estes fatores, mais o perodo de funcionamento do estabelecimento a ser
acessado, so determinantes para a definio do modo de transporte que permita
cumprir as tarefas estabelecidas.
Este tipo de modelo, com nfase na participao em atividades e nos seus padres
de realizao, pode fornecer informaes sobre o modo como os indivduos e os
domiclios alteram esta participao (atividades realizadas, modos de viagem, etc.)
em resposta a determinada poltica de transporte e/ou de ocupao do solo, o que
permite prever com mais preciso a dinmica urbana da cidade.
Algumas consideraes relativas participao em atividades e a realizao de
viagens so destacadas a seguir:
- A viagem uma demanda derivada, feita de modo a satisfazer a necessidade ou
o desejo do individuo de realizao de atividades em diferentes locais; logo, as
caractersticas dessas atividades afetam diretamente o padro da viagem;
- Diversas caractersticas afetam a viagem, tais como: programao domiciliar das
atividades; ordem de prioridades das atividades; situao do individuo no
domicilio; as restries oramentrias; distribuio de recursos internamente ao
domicilio; e por fim, as opes de modos de transporte.
- A realizao das atividades funo da disponibilidade de locais para sua
execuo, o que forma um conjunto limitante de possibilidades. Algumas
atividades s podem ser realizadas em locais e horrios especficos, como, por
exemplo, a atividade de trabalho, enquanto que, a de compras essencialmente
dependente do local escolhido.
A nfase no domiclio como unidade de deciso faz com que a interrelao

entre os membros do domiclio determine a agenda de atividades de cada um.
As restries, que limitam a realizao de atividades de um individuo, podem
afetar a agenda de atividades de outros membros do domiclio.
Devem ser observadas as interdependncias entre os diferentes eventos
(mltiplas atividades) que ocorrem durante o dia. Se mais tempo gasto em
uma atividade, menos tempo haver para as outras atividades a serem
realizadas em locais diferentes (menos tempos para as viagens).
comum a utilizao de um prisma espao-tempo para se definir quais regies de

tempo e espao podem ser alcanadas por um indivduo, dado um conjunto de
restries a ele imposto e o modo de transporte utilizado. Pode-se afirmar que
modelos que descrevem a programao ou a execuo de atividades so
ferramentas poderosas para a previso de demanda de viagens, permitindo que se
analise polticas de transporte e uso do solo urbano.
2.2.1 Base de Dados

Os dados necessrios para os Modelos de Atividades superam aqueles coletados
para os modelos tradicionais. Observaes das etapas consecutivas da
programao de atividades, bem como dos atributos que afetam a deciso, so
requeridos. Para anlise de novas polticas de transporte e uso do solo, tambm
so variveis de entrada os tempos demandados para a realizao de cada
atividade, assim como a prioridade das atividades para o indivduo.
Modelos de Atividades utilizam as seguintes informaes: dados sciodemogrficos do individuo (idade, gnero, situao de emprego, ocupao, grau
de escolaridade, etc.); recursos disponveis no domiclio (propriedade de
automvel, renda, estrutura do domiclio, etc.); dados espaciais e no espaciais
sobre os locais de realizao da atividade (horrio de funcionamento,
acessibilidade, localizao geogrfica, tipos de produtos disponveis comrcio,
etc.); e dados referentes malha viria e rede de transporte coletivo existentes.
2.2.1.1 Dirio de Atividades
Na obteno de dados para modelagem convencional em transporte utilizam-se
questionrios com um dirio de viagens (por exemplo, as pesquisas origemdestino), onde os entrevistados descrevem aspectos das viagens realizadas. Este
tipo de levantamento dificulta a anlise do mecanismo de programao de
atividades, uma vez que, nestes dirios, tm-se apenas informaes sobre o
resultado do processo de tomada de deciso e no sobre o processo em si.
O mtodo de pesquisa conhecido como dirio de atividades capaz de fornecer as
informaes necessrias para o Modelo de Atividades com o nvel de detalhe
necessrio para descrever as relaes entre viagens e atividades.
No dirio de atividades, a viagem em si apenas um meio para alcanar
determinado destino, onde se deseja realizar alguma atividade, o que torna a
atividade e a viagem mais facilmente lembrada e descrita pelo entrevistado do que
em dirios de viagens. Muitas questes so similares s dos dirios de viagens,

alterando-se apenas a ordem em que so feitas, o que enriquece em detalhes a
pesquisa.
Alguns cuidados devem ser tomados na coleta de dados atravs do dirio de
atividades: (1) s dados relevantes devem ser coletados, tendo em vista o grande
nmero de informaes que j so necessrias a este tipo de modelo; (2) deve-se
ter maior cuidado com a qualidade dos dados, uma vez que, ela ter efeito direto
nos resultados obtidos; (3) em geral, este tipo de coleta de dados resulta em baixa
taxa de respostas quando no realizada atravs de entrevista; (4) o tempo de
aplicao dos dirios, quando preenchidos pelo usurio, deve ser de no mximo
dois dias; mesmo sendo ideal um perodo maior, aps esse perodo h um maior
nmero de falta de respostas e/ou dados inconsistentes.
As atividades devem ser classificadas de acordo com o nvel de detalhes que se
deseja obter. Para restries espao-temporais, por exemplo, deve-se ter um
conjunto maior de detalhes. A escolha do formato do dirio de atividades deve ser
de acordo com os dados que se deseja obter e o tipo de anlise que se quer
realizar.
Na implementao desses dirios importante a escolha do(s) dia(s) da semana em
que as informaes devem ser coletadas. Como o conjunto de atividades
realizadas por um indivduo pode sofrer alteraes durante os dias da semana,
deve-se tentar garantir que os dirios sejam distribudos de forma balanceada nos
dias da semana, de forma a tentar capturar eventuais mudanas de programao
de atividades.
A dimenso temporal uma das principais variveis includas nesses modelos. Ela
fornece a possvel programao de atividades individual, em funo da
disponibilidade de tempo de cada pessoa. Assim, devem ser coletados dados sobre
horrios de incio e trmino das atividades e viagens. Nesse caso, o pesquisador
deve estar atento preciso que deseja obter em relao a essa varivel. Podem
ser usados intervalos de tempo abertos em que o entrevistado descreve os
horrios de incio e trmino de suas atividades ou intervalos de tempo fixos - em
que o entrevistado deve descrever as atividades em intervalos de tempo prdefinidos.
Nos dirios de atividades preciso especificar quem est participando da atividade
com o entrevistado. Quando esta atividade realizada conjuntamente com
indivduos que no fazem parte do domiclio, a coleta desses dirios fica
comprometida.
Uma das desvantagens do uso dos dirios de atividades o fato deles poderem
apresentar baixo nvel de respostas. Freqentemente, os indivduos que no
encontram tempo para preencher os dirios so aqueles que realizam maior
nmero de viagens.
2.2.2 Estrutura do Modelo de Atividades

Diferentes abordagens tm sido utilizadas nos modelos de atividades. Os
primeiros modelos foram desenvolvidos com base na teoria de Hgerstrand (1970),
que identifica um conjunto de padres de atividades possveis relativas aos
padres de uso do solo, restries temporais e opes de transporte existentes,
para ento distribuir as viagens no sistema.
Diferentes tcnicas tm sido utilizadas nos modelos baseados em atividades.
Algumas so descritas a seguir:
2.2.2.1 Maximizao da Utilidade
Os modelos de atividades e a anlise do comportamento de escolha de um padro
de atividade um processo complexo e diz respeito ao amplo conjunto de
escolhas e alternativas. Alguns modelos baseados em atividades tm utilizado a
estrutura dos modelos do tipo Logit Hierrquico, que avaliam a probabilidade de
escolha entre alternativas similares ou correlacionadas que so agrupadas em
nveis de uma rvore de deciso.
2.2.2.2 Viabilidade da Atividade
Estes modelos verificam se um determinado padro de atividade pode ser
realizado em um especfico ambiente de espao e tempo. O ambiente de espao e
tempo definido pela localizao, atributos da atividade, modos de transporte e
tempos de viagem, etc.
Para se verificar a viabilidade de uma programao de atividades, um algoritmo de
anlise combinatria utilizado de modo a gerar todas as possveis seqncias de
atividades. A viabilidade de cada seqncia de atividades testada das seguintes
formas: (1) verifica-se se o intervalo entre o horrio de trmino da atividade
anterior e o horrio de incio da prxima atividade suficiente para a realizao da
atividade e da viagem associada; (2) verifica-se se a condio de sequenciamento
das atividades no foi violada.
Esta categoria de modelo utiliza em sua estrutura regras lgicas para simular o
comportamento individual e domiciliar de realizao de atividades. Busca-se avaliar
como os indivduos, dentro de um domiclio, tomam suas decises de realizao
de atividades, dadas as condies do ambiente de viagem (sistemas de transporte,
uso do solo) e restries individuais. O modelo baseado em heursticas de
escolha (SE <condio> ENTO <ao>) definidas a partir do dicionrio de
atividades.
Uma das principais dificuldades existentes para implementao do Modelo de
Atividades a base de dados envolvida, que obtida atravs do mtodo de dirio
de atividades.
Este modelo baseado principalmente na inter-relao dos indivduos
internamente ao domiclio e na disponibilidade de locais e horrios para realizao
das atividades; contudo, algumas atividades s podem ser realizadas em locais e

horrios especficos (trabalho e escola). Devido s dificuldades envolvidas na
obteno dos dados necessrios sua operacionalidade, ele deve ser restrito a
anlises especficas, tais como a de plos geradores de trfego (por exemplo, a
concorrncia entre shopping centers e supermercados) e, anlises gerais que
envolvam mudanas de hbitos sociais consolidados, como o reescalonamento de
horrios de empregos e aulas escolares.
2.3
MODELOS DE USO DO SOLO E TRANSPORTE
A necessidade de participao em atividades dispersas no espao urbano

determina a necessidade de viagem do indivduo, dentro de um conjunto de
opes disponveis e de restries impostas pela classe social, composio
domiciliar, disponibilidade de transporte, etc.
Vrios modelos vm sendo desenvolvidos de modo a prever padres de
desenvolvimento do solo urbano e dos sistemas de transporte.
Os modelos existentes podem ser separados em quatro grupos, segundo suas
caractersticas na modelagem do solo e de transportes: (1) a modelagem da
ocupao do solo no segue regras mercadolgicas e, utiliza o modelo Logit para a
modelagem de transporte; (2) utiliza o modelo Logit para a modelagem de
ocupao do solo (preo do terreno) e de transporte; (3) a modelagem de ocupao
do solo segue regras mercadolgicas e utiliza o modelo Logit para a modelagem
de transporte. (o TRANUS e o MEPLAN, por exemplo, que simulam a hora pico); (4)
a modelagem do uso do solo e do transporte baseada em atividades e, incorpora
em sua estrutura a dinmica da inter-relao entre uso do solo e transporte (o
ILUMASS e o ABSOLUTE, por exemplo, se enquadram na categoria mais evoluda
deste tipo de modelagem).
Os modelos citados, principalmente o TRANUS, sero descritos a seguir:
ILUMASS, 2003 (Integrated Land-Use Modelling And Transportation System
Simulation): modelo de simulao de fluxo de trfego urbano em escala
microscpica, que incorpora alteraes no uso do solo e da demanda por
transporte. Utiliza tcnicas de micro-simulao para alteraes de uso do solo e
fluxos de trfego. Faz uso de modelo de atividades para gerar padres de
mobilidade individual. O ILUMASS tem mdulos de demografia, de ciclo de vida
domiciliar e empresarial, de alterao do padro comercial e residencial e, de
mobilidade do mercado de trabalho. Esses mdulos interagem com modelos de
demanda por transporte que fornecem os padres dirios de atividades, viagens de
pessoas e movimentao de mercadorias. J o modelo de uso do solo trabalha com
dados agregados obtidos dos domiclios.
ABSOLUTE, 2004 (Activity-Based Sustem of Land Use and Transport Events):
integrao de um modelo de demanda por transporte baseado em atividades a um
modelo de uso do solo. O modelo simula o elo entre alteraes nos padres de uso
do solo e padres de viagens e atividades. Tem como objetivo final a modelagem
de decises de localizao de empresas, domiclios e medidas governamentais,
referentes ao uso do solo. A demanda de atividades determinada pela

programao de atividades individuais que, determina onde, com quem, por
quanto tempo e qual modo de transporte ser utilizado. Por outro lado, a oferta de
locais para estas atividades so feitas por empresas e autoridades governamentais
que se preocupam em atender demanda existente. A oferta e a demanda
interagem de maneira que o padro de atividades existente determine o conjunto
de oportunidades para os indivduos realizarem suas atividades e, o padro do uso
do solo determina a viabilidade econmica de implantaes de novos postos de
atividades e os nveis de congestionamento no sistema.
MEPLAN, 1969 (Marcial Echenique): um modelo que permite anlises e
avaliaes de projetos estratgicos de infra-estrutura. Tem por base uma estrutura
geral e altamente flexvel, na qual o espao dividido em zonas, quantidades de
moradias e atividades econmicas. Parte de uma matriz de insumo-produto
espacialmente desagregada. O modelo estima a demanda por transporte e o
crescimento das atividades produtivas, buscando obter o equilbrio entre a
demanda por viagens de passageiros e de cargas, a oferta de transporte e a
localizao espacial das atividades econmicas. Uma caracterstica do modelo a
integrao entre as atividades e o sistema de transporte. Emprega um modelo
matemtico probabilstico tipo Logit Hierrquico.
TRANUS, 1982 (Integrated Land Use and Transport Modeling System - Modelistica)
O modelo TRANUS visa, em primeiro lugar, simular os provveis efeitos de polticas
de projetos de uso do solo e de transporte e, em segundo lugar, avaliar esses
efeitos do ponto de vista social, econmico e ambiental, adotando uma nica
estrutura terica para representar todo o fenmeno de uso do solo e transporte
(modelos logsticos multinomiais hierrquicos ou aninhados).
Ele parte da suposio da existncia de um vnculo entre localizao de atividades
no espao, uso do solo e o sistema de transporte. Segundo Barra (1989), o sistema
tem nveis de desagregao desenvolvidos atravs da combinao de hierarquias,
tanto para modelos de uso do solo (populao, emprego, tipos de uso do solo,
mercado de propriedade, entre outros), quanto para o de transportes (gerao de
viagem elstica, anlise de demanda reprimida, transferncia entre operadores,
tarifas integradas, clculos de tempo de espera, entre outros).
O modelo composto por dois elementos principais - sistema de transportes e
sistema de atividades - que se interagem. A localizao e a interao entre
atividades representam a demanda do sistema de atividades e, o mercado
imobilirio, sua oferta. O solo e as edificaes so representados pelo espao
construdo, que permite que tanto a demanda quanto a oferta desempenhem suas
funes, equilibrados por preo ou rendas imobilirias desse sistema.
A interao com o sistema de transporte d-se por meio dos seus custos e da sua
acessibilidade, que influenciam a localizao e a interao entre atividades,
suscitando um fluxo entre os sistemas. Da mesma forma que o sistema de uso do
solo, o sistema de transportes possui oferta e demanda que se interagem. A oferta,
porm, subdividi-se em fsica e operativa. O equilbrio entre demanda e oferta dse no somente pelos preos, como tambm pelos tempos de equilbrio.
Em relao ao fator tempo do modelo, os componentes uso do solo e transportes
esto relacionados de forma dinmica por intervalos de tempo discretos, onde as
interdependncias das atividades localizadas no espao geram fluxos. Essa
localizao de atividades em diferentes zonas estimada pelo modelo de uso do
solo, que equilibra o mercado de propriedades. O resultado do processo de
distribuio de atividades resulta num conjunto de matrizes representando o fluxo
funcional de i para j por meio de n setores socioeconmicos. No modelo de
transportes, essas matrizes de fluxo so transformadas em matrizes de viagem.
O fluxo de viagens determina a demanda de viagens para cada par origem-destino
e, esse fluxo assume que isso ocorre instantaneamente em um nico perodo de
tempo. Assim, processa-se o clculo do custo composto generalizado de
transportes, que um dos componentes da funo utilidade no modelo de
distribuio de atividades.
Esse custo alimentado, ento, pelo modelo de uso do solo, no de forma imediata,
mas depois de decorrido certo perodo de tempo. Isso equivale a dizer que, h uma
inrcia relativa ao uso do solo e, localizao de atividades neste perodo.
Consequentemente, custos de transporte calculados pelo tempo T1 influenciam a
localizao de atividades no tempo T2 e, assim por diante. (Barra, 1989).
2.3.1 Uso do Solo

Com esse modelo, Barra busca uma estrutura geral para representar o sistema
econmico-espacial em qualquer escala (urbana e/ou regional) baseado em
formulaes probabilsticas, onde, elementos microeconmicos como formao de
preos, preos de equilbrio, elasticidades so utilizados.
O sistema de atividades o elemento central do modelo; no caso da alocao e
interao de atividades no espao, esse sistema pode ser visto como pessoas
desempenhando atividades em lugares particulares. Ele assume que a oferta de
trabalho, de solo construdo/terra e de transporte limitada no curto prazo e, ter
variao no longo prazo, por meio de investimentos no caso da terra e de
migrao, no caso do trabalho. O prprio sistema representa a demanda para
esses trs elementos, mas a caracterstica de cada um varia, sendo que solo
construdo e terra so vistos como mercadorias combinadas.
O sistema demandar solo construdo/terra em lugares particulares e, a relao
oferta/demanda determinar preos de propriedades ou valores de terra
diferentes. No perodo seguinte, promotores introduziro nova oferta de terra
onde esta provou ser mais rentvel no passado, afetando, ento, os preos. Vale
ressaltar que a oferta de terra est sujeita interveno estatal (regulamentao do
uso do solo) e, implica tambm em oferta de servios, tais como, saneamento,
energia e outras utilidades pblicas.
No TRANUS a oferta de rea construda direcionada a cada zona dada por:
FIth
(F ) .(Y F ) .(p )
= F .
(F ) .(Y F ) .(p )
h f
It '
kg
g f
kt '
h u
It '
h
It '
g
kt '
g u
kt '
h r
It '
g r
kt '
Onde:
Ft o incremento global (exgeno) de construo (tipo h)

Z hIt ' a construo possvel definida pelas regras de zoneamento
FIth' a rea construda existente e YIth' a ocupao (atividades)
p hIt ' a renda de aluguis
(p
h
It '
c hIt ' a rentabilidade
Assumindo o controle do processo existe um modelo de contabilidade espacial

ou modelo insumo-produto.
J para o sistema de atividades, cada setor na economia definido em termos de
nmero de pessoas envolvidas no setor de produo, ou, melhor dizendo,
empregos; pode-se ai incluir todos os tipos de atividades, produtivas ou no.
Na contabilidade regional utilizam-se muito os termos demanda final e demanda
intermediria. A demanda final de um modelo insumo-produto representada pelo
consumo final do sistema e, geralmente inclui consumo privado, consumo do
governo, exportaes e investimentos; salrios, importaes, lucros e taxas
constituem os insumos primrios requisitados pela demanda intermediria. No
caso urbano, esses termos podem ser substitudos por atividades bsicas
(emprego bsico, solo, populao residencial) e induzidas (emprego de servios).
2.3.2 Transporte
O modelo de transporte estima a demanda de viagem e a aloca na oferta de
transporte, de forma que o equilbrio entre oferta e demanda de transportes seja
alcanado. A demanda de viagem estimada pelos fluxos econmicos
transformados pela interface em fluxos das categorias de transportes.
O modelo de gerao de viagem calcula o nmero de viagens derivada do fluxo
funcional calculado pelo modelo de localizao de atividade e transformado em
fluxos por categoria de transporte pela interface uso do solo-transporte.
A oferta operativa considerada em termos de modos de transporte (carga,
pblico e privado) representados por um conjunto de operadores que fornecem um
servio para um tipo particular de usurio. Para cada categoria de transporte, um
conjunto de escolhas deve ser definido, consistindo de uma lista de modos
disponveis para aquela categoria particular. Cada modo pode consistir de vrios
operadores, os quais possuem algumas caractersticas de servio, tais como, tipos
de veculos, tarifas, custos de operao, custo de transferncia, etc.
Os usurios so classificados por categorias de transporte, as quais permitem um

tratamento separado de passageiros e de cargas. Passageiros podem ser
classificados por grupos de renda, propsito de viagem ou ambas as combinaes.
Cada categoria de pessoa tem uma disponibilidade de transporte associada, que
limita a seleo entre modos de transporte pblico e privado.
O modelo de distribuio conecta as produes s atraes de viagens para
produzir um conjunto de matrizes origem-destino, enquanto que a diviso modal
separa essas matrizes de viagem por modo. Esses dois elementos so combinados
em um nico modelo que define matrizes de viagem por modo k e categoria s,
resultando:
Onde:
o nmero de viagens entre a origem i e o destino j do modo k da categoria s
A primeira tarefa do modelo de alocao de viagens procurar caminhos entre
pares origem-destino por modo e categoria, como objetivo de obter um jogo de
opes de viagens de uma origem a um destino. Durante a procura dos caminhos,
o modelo calcula o custo generalizado (
= custo generalizado do caminho p de i
para j pelo modo k para a categoria s) para cada caminho.
A probabilidade de escolher tal caminho determinada pelo seguinte Modelo Logit
Multinomial:
Onde :
Yk o parmetro de disperso no caminho. Se grande, o caminho com custo
generalizado menor ter uma alta probabilidade sobre todas as outras opes; se
pequeno, viagens sero nomeadas uniformemente a todas as opes disponveis.
Viagens por modo e categoria so ento alocadas aos caminhos de acordo com a
probabilidade calculada
:
Onde:
o nmero de viagens entre i e j do modo k e categoria s alocada no caminho p
Os custos de transporte e desutilidades (custo monetrio de viagem, valor do
tempo de viagem, tempo de espera, elementos subjetivos tais como conforto,
segurana, etc.) resultantes do equilbrio so usados pelo modelo de atividades
para simular o perodo subseqente. Este custo faz parte das desutilidades que so
usadas para calcular custos de produo no modelo de atividades.
2.4
MODELO DE PREFERNCIA DECLARADA
Os modelos atitudinais visam identificar reaes dos usurios no captadas atravs

dos modelos convencionais e comportamentais. Estes se apiam na relao entre
dados reais do deslocamento e elementos que condicionem o comportamento dos
indivduos indiretamente (Novaes, 1986).
Os modelos so interessantes para investigar possveis mudanas no
comportamento dos usurios frente a mudanas nos meios de transporte
existentes e, servem tambm para comprovar se h relaes de causa e efeito reais
entre as variveis comportamentais e as atitudes dos indivduos por meio da
percepo e preferncias dos usurios. So aplicados muitas vezes para o
planejamento da etapa de diviso modal. (Novaes, 1986).
Os dados necessrios para a elaborao e o ajuste do modelo so obtidos por meio
de entrevistas diretas com os usurios, ou, indiretamente, atravs do envio de
questionrios. Estes so geralmente detalhados, envolvendo perguntas que
objetivam identificar no somente as preferncias reais dos entrevistados, como
tambm suas percepes e sentimentos sobre caractersticas diversas dos meios
de transportes utilizados (Novaes, 1982; Ortzar, 2000). Na literatura, estes
modelos tambm podem ser encontrados como Modelos de Preferncia Declarada.
Nos Modelos de Preferncia Declarada os dados coletados so quantificados em
funo das diferenas dos atributos analisados (tempo de viagem, tarifa, entre
outros) em cada uma das alternativas (Ortzar, 2000). A formulao geral deste
tipo de modelo :
Onde:
Vm = nmero de viagens no modo m;
1 2 = diferena entre os modos 1 e 2 no atributo ;
O termo preferncia declarada refere-se a uma famlia de tcnicas que usam
declaraes de indivduos sobre suas preferncias para a estimativa de funes de
utilidade. Essas opes podem ser descries de situaes e/ou cenrios
hipotticos construdos.
Em contraponto Preferncia Declarada (PD) existe a possibilidade do tradicional
uso da Preferncia Revelada (PR), que aquela obtida atravs da observao de
escolhas feitas na situao a ser analisada. Como os dados de PR so coletados no
mundo real, as alternativas estudadas ficaro sempre restritas s disponveis. Isto
pode representar dificuldades caso se deseje realizar estudos envolvendo, por
exemplo, uma nova opo de transporte.
Os principais atributos da PR so diretamente relacionados s opes analisadas,
tais como tempo de viagem e custo do transporte, sendo difcil a mensurao de
atributos como segurana, pontualidade, conforto, etc.
O que caracteriza uma informao por Preferncia Declarada (PD) o fato de

refletir uma escolha realizada em um cenrio hipottico. Este fato fornece um
importante benefcio em relao aos dados da Preferncia Revelada (PR), que
permitem levantamentos concernentes apenas a cenrios existentes. Pode-se
atravs da PD explorar questes que vo alm da tecnologia atual.
O principal atrativo de um levantamento de PD em relao a um de PR o controle
de cenrios de escolha por parte do analista, o que implica em: (1) o conjunto de
escolhas pode ser pr-especificado; (2) o intervalo de variao dos atributos pode
ser ampliado; (3) existe possibilidade de controle da relao entre os atributos; (4)
podem ser incorporados atributos de difcil mensurao como confiabilidade e
segurana; (5) no existe erro de medida, como por exemplo, o tempo de viagem
informado nas pesquisas origem-destino; (6) alternativas no existentes no cenrio
de escolha podem ser includas; (7) mltiplas observaes podem ser obtidas de
um nico entrevistado.
Dados obtidos por PR contm informaes sobre a situao atual de equilbrio,
enquanto os obtidos por PD so ricos em informaes de perdas e ganhos relativos
entre os diferentes atributos, quando da escolha de um cenrio (tradeoffs entre
atributos).
Levantamentos de atributos significativos como o de valorao do tempo tem sido
consistentes e aceitveis quando bem executados, enquanto que outros, como
confiabilidade, conforto e segurana, tendem a ser supervalorizados pelos
entrevistados.
2.4.1 Formato das Respostas

Na preferncia declarada (PD) de grande importncia a forma como o
entrevistado escolhe entre as alternativas apresentadas. A definio da melhor
forma est muito relacionada s habilidades do entrevistador. Os formatos de
resposta mais utilizados so:
- Escolha discreta de uma alternativa - tem o aspecto negativo de no fornecer
informaes sobre as alternativas no escolhidas, o que implica na necessidade
de mais questes e maior nmero de pessoas entrevistadas.
- Ordenao das alternativas (ranqueamento) - mesmo tendo informaes sobre a
ordem de preferncia das alternativas no se tem informao sobre o grau de
preferncia. Tem como aspectos negativos: (1) o nmero de alternativas
aumenta o grau de dificuldade e diminui o de confiabilidade das respostas; (2) a
falta de informao do entrevistado sobre alternativas as colocam sempre entre
as ltimas no ranque.
- Atribuio de nota s alternativas (rating) - fornece uma avaliao de cada uma
das alternativas atravs de nota em uma escala definida. tido como o mtodo
mais difundido de resposta. Tem como aspecto negativo assumir que os
respondentes esto aptos a fornecer uma medida vlida de seu grau de
preferncia, o que nem sempre verdadeiro. Alguns autores como Ortzar e
Willumsen (2001) apresentam restries a este formato e definem a ordenao
como o mtodo mais confivel.
Aceitao ou no de uma alternativa - o entrevistado, atravs dos atributos,

classifica cada alternativa como aceitvel (passvel de uso) ou no. Da mesma
forma que o primeiro mtodo, oferece pouca informao e exige mais questes
e maior nmero de entrevistados.
2.4.2 Desenho do Experimento

O Desenho do Experimento a base de um estudo de preferncia declarada (PD) e,
envolve a observao do efeito sobre uma varivel resposta em funo da
manipulao de nveis de uma ou mais variveis explicativas.
Para a construo do desenho deve-se inicialmente refinar o problema atravs do
entendimento do sistema, da observao de todas as alternativas e seus atributos
e, tambm, de como os usurios os percebem. Deve-se tambm identificar a
importncia de cada varivel na varivel resposta.
Aps esta etapa, passa-se definio das alternativas do conjunto de escolha.
Devem estar includas todas as possibilidades; no caso de listas extensas deve-se
compor subconjuntos ou cortar as de menor importncia. H hipteses do uso de
alternativas rotuladas ou no (apenas numeradas). As rotuladas, por exemplo,
como a alternativa avio, oferecem um maior risco de correlaes com atributos
nem sempre verdadeiros (avio com rapidez, conforto).
Definidas as alternativas de escolha, deve-se determinar os atributos que
caracterizaro cada alternativa, tarefa nem sempre fcil, pois as alternativas podem
ter diferentes atributos. Por exemplo, o transporte coletivo teria como atributos o
tempo de espera, tarifa, frequncia, atrasos; o transporte individual teria o custo
do estacionamento e do combustvel, tarifas de pedgio, etc..
Deve-se definir quantos nveis ter cada atributo, sendo comum que todos tenham
a mesma quantidade de nveis. Esses atributos podem ser numricos ou
qualitativos, devendo sempre englobar os valores extremos possveis. Quantos
mais atributos, teoricamente mais informaes esto sendo obtidas da pesquisa.
O Desenho do Experimento mais geral o fatorial completo, combinao de todos
os nveis de todos os atributos, o que garante a possibilidade de anlise de todos
os efeitos principais (direto de cada alternativa) e, da interao entre elas.
Experimentos relativamente simples, quando utilizam o desenho fatorial, levam a
uma quantidade de combinaes pouco viveis (um experimento de quatro
alternativas com cinco atributos leva a 45 = 1024 combinaes). Para contornar
esse problema algumas estratgias so adotadas: (1) reduo do nmero de nveis;
(2) formao de blocos; (3) uso de desenhos fatoriais fracionados.
A reduo do nmero de nveis reduz bruscamente a quantidade de combinaes
e, adotada quando se tem uma relao linear na funo de utilidade (reduo de
pontos no altera significativamente o formato da curva); quando no for o caso,
tm-se grandes perdas no desenho da funo.
A formao de blocos consiste em dividir o desenho em partes, onde cada
entrevistado responderia a apenas um bloco. No caso, por exemplo, de um
desenho de 27 combinaes dividido em trs blocos, cada entrevistado

responderia a 9 questes e, portanto, 3 entrevistas formariam um desenho
completo. Existe, portanto a necessidade de um maior nmero de entrevistados, j
que s a cada trs entrevistas temos um desenho completo.
A estratgia mais utilizada a de Desenhos Fatoriais Fracionados, onde se tem a
seleo de uma parte do desenho de modo a permitir que os efeitos de interesse
sejam analisados. Em contrapartida reduo do desenho, tem-se a perda de
informao estatstica de pouca importncia em modelos lineares, pois os efeitos
principais respondem por 70% a 90% da variao explicada. Softwares como SPSS e
Minitab tem rotinas que auxiliam em Desenhos Fatoriais Completos ou
Fracionados.
2.4.3 Entrevista e Amostra

Os prximos passos esto relacionados entrevista em si: (1) tornar o desenho
pronto para uso em campo; (2) definir a forma para obteno dos dados (entrevista
direta, telefone, formulrio enviado por correio ou e-mail, etc.); (3)
desenvolvimento de histrias descritivas e explicativas do contexto; (4) preparo de
ilustraes que facilitem o entendimento do entrevistado. Todos esses itens
requerem muita ateno do analista para que se possa ter bom aproveitamento
dos resultados.
Para definio da amostra deve-se levar em conta aspectos qualitativos e
quantitativos. Em termos qualitativos, defini-se quem entrevistar dependendo de
quais atributos esto sendo estudados e, quais alternativas esto sendo oferecidas.
Em termos quantitativos determina-se o tamanho da amostra. A prtica sugere que
o nmero de questionrios vlidos deve ser da ordem de 0,1% a 1% da populao a
ser pesquisada (Ortuzar & Willumsen, 2001). Trabalhos recentes tm recomendado a
utilizao de 75 a 100 entrevistas por segmento.
Finalizando, tem-se que ter claro que quanto maior o nmero de alternativas,
variveis e nveis, maiores sero, teoricamente, as chances de estimativa de um
modelo adequado; por outro lado, maiores tambm sero as chances de obteno
de respostas de m qualidade por parte dos entrevistados, levando assim a modelos
de inadequados.
Vale a recomendao de Ortuzr e Willumsen (2001): deve-se tomar cuidado quando
o nmero de atributos excessivo, maior que quatro. A conseqente fadiga durante
a entrevista faz com que as respostas sejam simplificadas, focando um menor
nmero de atributos ou simplesmente aleatrias.
A seguir so resumidas as principais vantagens e desvantagens desta metodologia:
A) Vantagens: (1) a garantia de que os dados tenham qualidade suficientemente boa
para a construo dos modelos, j que o pesquisador pode controlar precisamente
as alternativas ofertadas; (2) os efeitos das variveis de interesse podem ser isolados
de fatores sem interesse, tambm devido ao controle do pesquisador; (3) pode ser a
nica fonte de dados disponveis quando da anlise de polticas completamente
novas; (4) o nmero de entrevistas pode ser significativamente menor que o da
Preferncia Revelada, pois o entrevistado pode ser estimulado a considerar vrias
situaes; Desvantagens: (1) os dados obtidos representam afirmaes individuais

sobre um provvel comportamento diante de dados hipotticos; (2) a Preferncia
Revelada apresenta maior validao na estimativa da demanda que a Declarada.
3 RECOMENDAES
Neste item, sero feitas consideraes relevantes sobre os seguintes tpicos
principais:
- Matriz Modo Trilhos;
- Matriz Modelada Atual gerada a partir da Matriz Pesquisada;
- Matriz Tendencial, quando se pode e deve ser utilizada;
- Matriz Pico Tarde, ajuste necessrio ao modelo;
- Etapas da Modelagem, Distribuio de Viagens ou Diviso Modal.
3.1
Consistncia: Matriz O/D Modo Trilhos
O Objetivo de este item propor uma maneira de avaliar os dados da Pesquisa

Origem e Destino 2007 em relao aos dados obtidos nas catracas das estaes de
trem e metr na Regio Metropolitana de So Paulo.
Para realizar a consistncia entre estes bancos de dados, totaliza-se o nmero de
passageiros por hora das estaes de trem e metr - entrada e sada
separadamente para se obter o valor mdio de um perodo de dias considerados
padres. O prximo passo a totalizao destes mesmos valores por zona OD
2007, ou seja, o total de passageiros entrando e saindo das estaes em cada uma
das zonas da pesquisa.
A Pesquisa O/D 2007, diferentemente de pesquisas anteriores, traz as
coordenadas geogrficas da origem e do destino das viagens, alm das
coordenadas dos pontos de transferncias entre modos, ocorridos durante a
viagem. Estes dados permitem consistir, de modo agregado, os dados das catracas
das estaes com os dados obtidos da OD 2007.
Para comparar estas duas bases de dados, deve-se, para os dados da OD 2007:
1) Separar todas as viagens que utilizaram o modo trem ou metr durante a
viagem, ou seja, modo 1 ou modo 2 ou modo 3 ou modo 4, iguais a trem ou a
metr.
2) Para as viagens com um nico modo (modo 1 igual a trem ou a metr) deve-se
verificar, levando em conta o modo utilizado (trem ou metr), se existe estao
do respectivo modo, na zona definida como zona de origem da viagem; se
existir, deve-se assumir esta zona como zona de origem; se no, deve-se
encontrar a estao mais prxima (coordenada do centride da zona de origem
versus as coordenadas das estaes), para se assumir como zona de origem a
que contenha a estao mais prxima. Para a definio da zona de destino o
mesmo procedimento deve ser realizado.
3) Para as viagens com mais de um modo:
a. Todos os modos iguais a trilhos (trem ou metr) - deve-se considerar como

zonas de origem e destino, as identificadas na pesquisa como de origem e
destino da viagem se existir estao do respectivo modo na zona; se no,
deve-se encontrar a estao mais prxima (coordenada do centride da zona
origem ou destino versus as coordenadas das estaes) para definir a zona
de origem ou destino.
b. Modos iniciais um ou mais (modo 1; ou modo 1 e modo 2; ou modo 1 e
modo 2 e modo 3) iguais a trilhos (trem ou metr) e outros modos no
trilhos - deve-se assumir a zona de origem da pesquisa como zona de
origem da viagem se existir estao do respectivo modo; se no, deve-se
encontrar a estao mais prxima (coordenada do centride da zona origem
versus as coordenadas das estaes) para definir a zona de origem. Para a
zona de destino assume-se a zona de transferncia desde que exista estao
(a no existncia de estao significa algum erro na pesquisa; neste caso,
encontra-se a estao mais prxima pelas coordenadas geogrficas).
c. Modos trilhos entre modos no trilhos - por exemplo, modo 2 igual a
trilho e modo 1 e modo 3, no trilhos; ou, modo 2 e modo 3 iguais a trilhos
e, modo 1 e modo 4, no trilhos. Neste caso, para as zonas de origem e
destino da viagem consideram-se as zonas de transferncia no inicio e no
final dos modos trilhos, verificando sempre a existncia de estao do
respectivo modo (a no existncia de estao significa algum erro na
pesquisa; neste caso encontra-se a estao mais prxima pelas coordenadas
geogrficas).
d. Modo trilhos (trem ou metro) no final da viagem - o procedimento o
mesmo de modo trilhos no incio da viagem, invertendo-se as zonas de
origem e de destino.
Este procedimento permite a comparao hora a hora das viagens nas zonas,
possibilitando ajustes na matriz de viagens pesquisada. Pode-se tambm utilizar os
dados atuais para atualizar a matriz para o ano de 2010.
3.2
Matriz de Viagens Modelada Atual
As Pesquisas Origem e Destino tendem a superestimar as viagens de determinados

pares origem-destino e subestimar outros. Isso ocorre porque nenhuma amostra,
economicamente vivel, capaz de capturar todas as viagens existentes entre todos
os pares OD e, na expanso da amostra, os pares de viagem significativos so
expandidos alm da realidade.
Para resolver este problema comum se utilizar na alocao da situao atual a
matriz modelada em vez da matriz pesquisada. Esta matriz concebida a partir do
Modelo 4 Etapas obtido da matriz pesquisada.
Habitualmente os tempos mdios de viagens entre zonas, para o Modelo
Gravitacional de Distribuio (Modelo 4 Etapas) so obtidos a partir da alocao
das viagens da matriz pesquisada nas redes de transporte coletivo e individual, o
que acarreta certa impreciso, tendo em vista que os tempos das viagens podem
ser superestimados ou subestimados em determinados pares origem-destino.
Alm disso, o mtodo usual de se obter a matriz modelada (modelo de distribuio
gravitacional) buscar que ela tenha uma distribuio de tempos de viagens
similar da matriz pesquisada, o que pode no ser suficiente, pois no garante o
padro agregado de distribuio de viagens (troca de viagens entre regies) da
matriz pesquisada.
Para resolver estes problemas deve-se: (1) realizar pesquisas de tempos de viagens
entre regies, (transporte coletivo e individual) que permitam calibrar e ajustar os
tempos obtidos na rede com a matriz pesquisada; (2) comparar o padro agregado
de distribuio de viagens das duas matrizes (pesquisada e modelada) e, adotar
como funo do modelo gravitacional aquela que satisfaa a similaridade dos
tempos e da distribuio agregada das viagens.
3.3
Alocao de Viagens Transporte Coletivo
Os modelos, segundo Ortzar e Willumsen (1990), devem representar de modo

simplificado a realidade em suas principais caractersticas, principalmente nos
elementos considerados importantes para o planejamento de transportes.
Nesse sentido, o modelo de alocao do transporte coletivo existente no software
EMME, baseado no conceito de estratgias timas (Spiess, 1984; Spiess e Florian,
1989), deve ser ajustado para simular as atitudes dos usurios do transporte da
Regio Metropolitana de So Paulo, principalmente nos horrios de pico.
Ao se analisar o transporte coletivo da RMSP no horrio de pico, observa-se que a
ocupao dos nibus, trens e metr torna extremamente difcil a realizao de
transbordos pelos usurios, principalmente os de nibus nibus, mesmo sem
custo monetrio, devido implementao do Bilhete nico.
O procedimento adotado pela maioria dos usurios , sempre que possvel, realizar
todo o trajeto num mesmo veculo, devido principalmente dificuldade de entrar
em outro veculo no meio do trajeto (nibus lotados), o que mostra a
inconsistncia de se usar o mtodo de estratgias timas sem os devidos ajustes.
Outro fator que corrobora para que os usurios no tenham um procedimento de
acordo com o modelo a existncia de corredores de nibus com um grande
nmero de linhas percorrendo o corredor, de ponta a ponta, sem a possibilidade
de ultrapassagens. Dessa forma, no adianta nada pegar o primeiro nibus que
passar (estratgia tima), se no final do corredor, tem-se que esperar por um
nibus que o levar ao seu destino final que se utiliza do mesmo corredor. A
lotao dos veculos torna mais conveniente esperar no incio da viagem e tomar
um nibus que o levar ao seu destino, com menor ocupao, do que se sujeitar
possibilidade de no conseguir entrar no nibus desejado, pelo excesso de
lotao.
Neste tipo de corredor, todos os atrasos de um nibus de uma determinada linha

causados principalmente pela dificuldade do passageiro entrar num veculo lotado,
so propagados a todos os nibus de todas as linhas que vem atrs do nibus que
atrasa, aumentando assim o atraso do sistema.
Com as ressalvas relativas operacionalidade do sistema, parece que a melhor
opo para simular estas condies manter o mtodo atual de estratgias timas,
aumentando o custo dos transbordos, principalmente nibus nibus, de tal
forma que, em muitos pares de viagens, o conjunto de estratgias seria reduzido a
uma nica rota (modelo de rota mnima). Neste caso, a funo de custo
generalizado do sistema torna-se extremamente importante. Para manter coerncia
com a realidade, os custos de transbordos nibus nibus devem ser bastante
altos, talvez comparveis aos custos entre os modos nibus metr/trem.
3.4
Matriz de Viagens Tendencial
No Modelo 4 Etapas, para as fases de gerao e distribuio de viagens os modelos

mais utilizados so os de Regresso e o Modelo Gravitacional.
Para curtos intervalos de tempo (at 5 anos) tm-se pouca informao para se
prever as variveis futuras do Modelo de Regresso, que no sejam as tendenciais:
crescimento populacional e de empregos, as obtidas do IPTU das cidades e das
imagens de satlites. Outras informaes, relacionadas a planos imobilirios,
residenciais, comerciais e industriais, tm, em geral, tempo de maturao mais
longos.
No pico manh, que usualmente serve de base para a modelagem, a grande
maioria das viagens realizada por motivo trabalho; por exemplo, das viagens que
utilizavam o modo trem, em 2007 na RMSP, o motivo trabalho representava cerca
de 90% do total.
Tendo em vista estas consideraes, esta metodologia se prope a obter os
vetores origem e destino de viagens futuros com base nos dados tendenciais das
duas ltimas Pesquisas Origem/Destino, de 2007 e 1997.
O vetor origem, hora pico manh, da matriz modelada 2007, seria ajustado pela
variao anual mdia da populao nestes 10 anos e, o vetor destino, por uma
combinao da variao mdia de empregos e matrculas, dependendo da
composio das viagens que se destinam a cada zona. Outras informaes, j
mencionadas acima, poderiam ser utilizadas para ajustes nas variaes.
Com os vetores futuros disponveis, deve-se utilizar o Modelo de Furness e a
matriz modelada atual OD 2007 - para realizar a distribuio das viagens futuras.
A utilizao do Modelo de Furness se baseia na hiptese de que mesmo que
existam alteraes significativas dos tempos de viagens (melhora da
acessibilidade), sua influncia sobre a reestruturao espacial da cidade s
ocorrer a mdio e longo prazo. As conseqncias na distribuio das viagens, no
curto prazo, seriam mais voltadas a viagens por motivo compras (irrisrias no pico
manh) e na escolha de novas rotas, mantendo-se o padro de distribuio
existente. Este tipo de raciocnio j no totalmente vlido para o pico da tarde,

onde as viagens por motivo compras ocorrem em maior nmero.
Em caso da no realizao de uma mini-pesquisa OD em 2012 para ajuste da
pesquisa OD 2007 (5 anos aps), no descartamos a utilizao deste mtodo por
mais de 5 anos.
3.5
Matriz de Viagens no Pico Da Tarde
Por exemplo, na hora pico manh do total de viagens modo trem (modo 1 ou 2 ou
3 ou 4 igual a trem) cerca de 165 mil com sada das 6hs s 7hs, de acordo com a
Pesquisa OD 2007 - temos 89% por motivo casatrabalho e 8% por motivo casa
escola, o que significa que 97% das viagens tem praticamente destino certo
dificilmente sofre alterao. J no pico da tarde, o total de viagens com destino
certo diminui para 85% de um total de viagens de trem de 191 mil com sada das
17hs s 18hs. Temos, no pico da tarde, 30 mil viagens sem destino certo (16%
mais que no pico da manh), que em termos numricos maior do que qualquer
valor encontrado durante o dia.
Se considerarmos as viagens por motivo escola (8% no pico da manh e da tarde)
tambm como de destino incerto, j que so mais maleveis (como exemplos,
maior falta s aulas que ao trabalho, desistncia da escola, alterao de local,
horrio ou data de incio de um curso, etc.), chegaramos, na hora pico da tarde, a
um total de 45 mil viagens suscetveis variaes de comportamento.
Como ilustrao, vejamos, por exemplo, a relao percentual entre o nmero de
viagens modo trem do pico da tarde (nas 3 horas mais carregadas, das 16hs s
18hs) e do pico da manh (das 5hs s 7hs) e, tambm, da hora mais carregada nos
dois picos (6hs e 17hs) para os anos de 1997 e 2007.
MODOTREMOD2007
MOTIVOS
PT/PM
H17/H6
TRABALHO
18%
1%
ESCOLA
6%
10%
OUTROS
130%
391%
TOTAL
7%
16%
MODOTREMOD1997
MOTIVOS
PT/PM
H17/H6
TRABALHO
8%
6%
ESCOLA
21%
72%
OUTROS
21%
104%
TOTAL
0%
6%
OUTROS = COMPRAS + SAUDE + RECREAO + ETC.

Com base nos dados acima podemos observar: (1) o pico da tarde tem maior
concentrao de viagens em um nico horrio, sendo que, em 2007, esta
concentrao se amplia; (2) a participao de viagens por motivo no total
diferente nos picos manh e tarde; no pico da tarde crescem os motivos outros e
escola.
Para o mesmo conjunto de viagens acima temos, a seguir, as variaes entre os
respectivos perodos (3 horas e hora mais carregada), entre os anos de 1997 e
2007.
MODOTREMOD2007/1997
PM(3HS)
6HS
TRABALHO
42%
38%
ESCOLA
61%
71%
10%
49%
OUTROS
TOTAL
41%
38%
MOTIVOS
MODOTREMOD2007/1997
PT(3HS)
17HS
TRABALHO
35%
43%
ESCOLA
56%
55%
38%
38%
OUTROS
TOTAL
37%
43%
MOTIVOS
Observa-se que: (1) em relao ao total de viagens - enquanto no perodo da

manh, em 2007, o aumento no nmero de viagens ocorreu de forma distribuda
nas 3 horas (PM, perodo de trs horas 41% e 6hs, hora pico 38%), no perodo
da tarde, ele foi mais concentrado na hora pico (PT, perodo de trs horas 37% e
17hs, hora pico 43%); (2) em relao distribuio de viagens por motivos - o
aumento do nmero de viagens no perodo da tarde ocorreu de forma mais
distribuda que no perodo manh quando se concentrou no motivo escola.
Verifica-se tambm uma mudana na relao entre os perodos manh e tarde.
Enquanto em 1997 as diferenas entre os horrios mais carregados dos perodos
estavam divididas entre os motivos escola (72%) e outros (104%), em 2007, a
diferena est muito centrada no motivo outros (391%) e, escola passou a ser de
10%.
Finalizando o conjunto de observaes, temos, em 2007, uma maior concentrao
de viagens no horrio pico da tarde e, uma mudana na distribuio das viagens
nos motivos, chegando, neste horrio, a um total de cerca de 50 mil viagens, mais
suscetveis a mudanas comportamentais.
Algumas questes podem ser citadas como pertinentes elaborao de um
modelo para o pico da tarde, de ajuste do Modelo 4 Etapas desenvolvido: (1) as
viagens a mais do pico tarde do modo trem so de pessoas que no usam este
modo de transporte no perodo da manh e, o fazem no pico tarde, buscando
realizar necessidades latentes que o aumento da renda familiar est permitindo?;
(2) estas mesmas viagens poderiam ser de pessoas que se deslocam no entre-pico,
deixando para voltar para casa neste perodo?; (3) o perfil dos viajantes o mesmo
em 1997 e 2007, havendo unicamente um aumento percentual da concentrao na
hora pico tarde ou houve alterao do perfil das pessoas que s usam o trem?; (4)
outras perguntas poderiam ser levantadas.
3.6
Distribuio de Viagens Versus Diviso Modal
Um questionamento que feito na modelagem 4 etapas est relacionado ordem

das etapas de Distribuio de Viagens e Diviso Modal, comumente realizado nesta
ordem.
Os modelos de transportes buscam prever as viagens futuras em determinada
regio, com base em padres comportamentais atuais, mas em situaes diversas
relativas populao (alterao na composio das classes sociais e locais de
moradia, por exemplo) e aos sistemas de transportes (novas linhas de metr e
trens, por exemplo).
As rvores de deciso, que so utilizadas para representar as relaes existentes
em um conjunto de dados, consideram para a definio de sua estrutura as
varireis de maior relevncia na segmentao destes dados, ou seja, procuram
encontrar as variveis preditoras mais importantes. No Modelo 4 Etapas, a ordem
das etapas, assim como nas rvores de deciso, devem buscar priorizar a
relevncia das variveis.
Das variveis independentes do Modelo 4 Etapas (gerao, distribuio, diviso
modal e alocao) a primeira (gerao) e a ltima (alocao) esto posicionadas
exatamente onde deveriam. O processo de gerao de viagens inicia a modelagem,
j que sem viagens no existe modelo e, o processo de alocao de viagens que
expressa a ocupao de espaos existentes no sistema virio e no sistema de
transporte coletivo, s possvel de ser realizado quando se sabe para onde ir e
qual modo de transporte se vai utilizar.
Quanto s etapas intermedirias (distribuio e diviso), cuja ordem de execuo
no est definida, importante se verificar qual delas tem maior relevncia. Para
modelos preditivos, uma boa medida de relevncia seria a variabilidade da varivel,
j que maior alterao significa maior expresso nas matrizes futuras.
Seguindo esta hiptese analisa-se a variabilidade da distribuio de viagens e da
diviso modal na Regio Metropolitana de So Paulo, entre os anos de 1997 e
2007. Para isso divide-se a Regio Metropolitana de So Paulo em 19 macro-zonas,
com base em reas utilizadas em outros estudos.
Para a distribuio de viagens identifica-se para cada origem o percentual de
viagens (todos os modos) a cada um dos 19 destinos, para os anos de 1997 e
2007. Calcula-se o valor absoluto da diferena entre os percentuais de cada par
origem-destino das OD 1997 e 2007 (VAP) e, se soma estes percentuais
ponderados pelos nmeros de viagens de cada par origem-destino (VOD),
chegando a um nico valor de variabilidade mdia (VM). Este clculo realizado
para a matriz de viagens de todo o dia e, para as horas pico manh e tarde, como
exemplo, do modo trem, respectivamente 6hs e 17hs.
onde n = 19 para esta anlise.
Na diviso modal identifica-se para cada par origem-destino o percentual de

viagens de transporte coletivo em relao ao total de viagens do par OD e,
seguimos o procedimento descrito acima, obtendo a variabilidade mdia.
A seguir temos o mapa das macro-zonas utilizadas e a tabela de variabilidade
mdia da Distribuio de Viagens e da Diviso Modal, obtidas atravs do mtodo
definido.
PERODO
DIA
6HS
17HS
DISTRIBUIO
DEVIAGENS
1,94%
4,30%
2,42%
DIVISO
MODAL
4,96%
1,23%
1,04%
A anlise da variabilidade das variveis indica, para as horas pico, que a

distribuio de viagens deve ser realizada a priori da diviso modal, pois tem maior
variabilidade. Observa-se que a relao entre as variabilidades - 3,5 vezes maior
para a distribuio, no pico da manh e 2,3 no pico da tarde - relativiza esta
escolha. Para um modelo dia, no entanto, as variabilidades das variveis indicam
uma ordem inversa.
4 REFERNCIAS BIBLIOGRFICAS
Almeida, C. M. Modelagem da Dinmica Espacial como uma Ferramenta Auxiliar ao
Planejamento: Simulao de Mudanas de Uso da Terra em reas Urbanas para as
Cidades de Bauru e Piracicaba (Sp), Brasil Doutorado 2003 Instituto Nacional de
Pesquisas Espaciais, INPE.
Almeida, C. M., Cmara G., Monteiro, A. M. V., Soares, B. S., Cerqueira, G. C. Modelos
Celulares de Dinmicas EspaoTemporais: Aplicaes em Estudos Urbansticos
INPE.
Almeida, C. M., Monteiro, A. M. V., Cmara G. Modelos de Simulao e Prognsticos de
Mudanas de Uso do Solo Urbano: Instrumento para o Subsdio de Aes e Polticas
Pblicas Urbanas XI Encontro Nacional da Associao Nacional de Ps-Graduao e
Pesquisa em Planejamento Urbano e Regional ANPUR - 2005
Alves, G. K. A., Sinay, M. C. F. A Lgica Fuzzy Na Avaliao De Desempenho
Ambiental De Sistemas De Transportes Pblicos X Simpsio de Pesquisa Operacional e
Logstica SPOLM 2007
Andrasson, I. A Method for the Analysis of Transit Networks. Second European
Congress on Operations Research, Amsterdam, North-Holland, 1976.
Aragn, F, R. C.; Leal, J. E. Alocao de Fluxos de Passageiros em uma Rede de

Transporte Pblico de Grande Porte Formulado como um Problema de Inequaes
Variacionais Departamento de Engenharia Industrial, Pontifcia Universidade Catlica do
Rio de Janeiro, 2003.
Arruda, F. S. Aplicao de Um Modelo Baseado em Atividades para Anlise da
Relao Uso do Solo e Transporte no Contexto Brasileiro Doutorado, 2005
Engenharia de So Carlos Universidade de So Paulo.
Arruda, F. S. Aplicao de um Modelo Baseado em Atividades para Anlise da
Relao Uso do Solo e Transportes no Contexto Brasileiro Doutorado, 2005
Engenharia de So Carlos da Universidade de So Paulo.
Arruda, F. S. Consultora de Transportes, Braslia; Silva A. N. R. Engenharia de So
Carlos, Universidade de So Paulo; Timmermans H. Urban Planning Group, Eindhoven
University of Technology. Eidhoven, Netherland Estudo exploratrio para aplicao de
modelos de transportes baseados em atividades no Brasil.
Arruda, F. S., Silva, A. N. R. Dirios de Atividades: Uma Metodologia Alternativa de
Coleta de Dados para Planejamento de Transportes Engenharia de So Carlos
Universidade de So Paulo, XVIII ANPET.
Batty, M. Less is more, more is different: complexity, morphology, cities and emergence.
Environment and Planning B: 27, 1-2, 2000.
Bez, E. T. Universidade do Vale do Itaja; Gonalves, M. B. Universidade Federal de Santa
Catarina Utilizao da Regresso de Erros Absolutos na Calibrao de Modelos de
Distribuio de Viagens XX ANPET 2006
Brando Filho, J. E.; Loureiro, C. F. G. - Departamento de Engenharia de Transportes da
Universidade Federal do Cear; Cavalcante, R. A. - Agncia Reguladora de Servios Pblicos
Delegados do Estado do Cear Metodologia de Planejamento de Pesquisas de
Preferncia Declarada Aplicadas em Estudos Comportamentais de Transporte Pblico
Intermunicipal de Passageiros
Breiman, L.; Friedman, J. H.; Olshen, R. A.; Stone, C. J. Classification and Regression
Trees. Wadsworth, Belmont, CA. 1984
Brito A. N.; Strambi O. Anlise de Caractersticas Relacionadas Variao do Valor do
Tempo de Viagem de Motoristas usando Tcnicas de Preferncia Declarada Escola
Politcnica da Universidade de So Paulo.
Brito, A. N. Aplicao De um Procedimento Usando Preferncia Declarada para
Estimativa do Valor do Tempo de Viagem de Motoristas em Escolha entre Rotas
Rodovirias Pedagiadas e No Pedagiadas Mestrado, 2007 Escola Politcnica da
Universidade de So Paulo.
Brusdon, C.; Fotheringham, A. S.; Charlton, M.E. Geographically weighted regression: a
method for exploring spatial nonstationarity. Geographical Analysis, 28(4): 281-298,
1996.
Bruynooghe A., Gibert A. and Sakarovitch M. Une mthode daffectation du traffic.
Proceedings of fourth symposium on the theory of traffic flow (Karlsruhe), 1968.
Bunster, J.P. Tratamiento de lneas comunes en modelos de asignacin de viajes a
redes de transporte pblico. Dissertao de Mestrado em Cincias da Engenharia,
Escuela de Ingeniera, Pontificia Universidad Catlica de Chile, 1986
Cmara, G.; Carvalho, M. S.; Cruz, O. G.; Correa, V. Anlise Espacial de reas Livro
on line da Diviso de Processamento de Imagens do Instituto Nacional de Pesquisas
Espaciais, INPE.
Camargo, E. C. G.; Fucks, S. D.; Cmara, G. Anlise Espacial de Superfcies Livro on
line da Diviso de Processamento de Imagens do Instituto Nacional de Pesquisas
Espaciais, INPE.
Campos, V. B. G. Planejamento de Transportes: Conceitos e Modelos de Anlise
Instituto Militar de Engenharia, IME.
Carneiro, L. G. P. L. Desenvolvimento de uma Metodologia para Previso de Demanda
de Passageiros para o Transporte Rodovirio Interestadual por nibus Mestrado,
2005 Departamento de Engenharia Civil, Faculdade de Tecnologia da Universidade de
Braslia.
Carvalho, L. E. X. Brown University, Silva, H. N. e Loureiro, C. F. G. Engenharia de
Transportes Universidade Federal do Cear, e Meneses, H. B. Centro Federal de
Educao Tecnolgica do Cear Regresso Linear Geograficamente Ponderada em
Ambiente SIG
Cavalcante, R. A. Estimativa das Penalidades Associadas com os Transbordos em
Sistemas Integrados de Transporte Pblico Mestrado, 2002 Universidade Federal do
Rio de Janeiro.
COUCLELIS, H. Cellular worlds: A framework for modelling micro-macro dynamics.
Environment and Planning, v. 17, n. 5, p. 585-596, 1985.
Couclelis, Helen. Space, time, geography. Geographical Information Systems:
principles, techniques, management, and applications. 2d ed., eds. Paul Longley,
Michael Goodchild, David Maguire, and David Rhind Vol. 1. New York: Wiley, 29-38, 1999.
Kass, G. An exploratory technique for investigating large quantities of categorical
data. Applied Statistics, 29(2), pp. 119-127, 1980.
Dalmaso, R. C., Identificao e Caracterizao de Grupos de Indivduos Segundo
Padres de Sequncias de Atividades Multidimencionais Mestrado, 2009 Escola
Deadman, P.; Brown, R. D.; Gimblett, P. Modelling rural residential settlement patterns with
cellular automata. Journal of Environmental Management, v. 37, p. 147-160, 1993.
De Cea, J. & Fernndez, E. Comportamiento de los viajeros y modelos de asignacin de
equilibrio en redes de transporte pblico. Apuntes de Ingeniera, 50, 5-20, 1993-I.
De Cea, J. & Fernndez, E. Transit Assignment for Congested Public Transport
Systems: An Equilibrium Model. Transportation Science, 27(2), 133-147, 1993 -II
De la Barra, T. Integrated Land Use and Transport Modelling Decision Chains and
Hierarchies - Cambridge Urban and Architectural Studies, 1989.
Deus, L. R.; Sanches, S. P. Influncia da Forma Urbana Sobre o Comportamento de
Viagens Urbanas Engenharia Urbana da Universidade Federal de So Carlos - CAMINHOS
DE GEOGRAFIA - revista on line, 2009.
Dial, R.B. Transit Pathfinder Algorithm. Highway Research Record, 205, 67-85, 1967.
Dial, R.B. A Probabilistic Multipath Traffic Assignment Model which obviates Path
Enumeration. Transportation Research, 5, pp. 83-111, 1971.
Felgueiras, C. A.; Druck, S.; Monteiro, A. M. V. Anlise Espacial de Superfcies: O

Enfoque da Geoestatstica por Indicao Livro on line da Diviso de Processamento
de Imagens do Instituto Nacional de Pesquisas Espaciais, INPE.
Ferreira,
E.
A.
Um
Mtodo
de
Utilizao
de
Dados
de
Pesquisa
Embarque/Desembarque na Calibrao de Modelos de Distribuio do Tipo
Gravitacional Mestrado, 1999 Engenharia de So Carlos da Universidade de So Paulo.
Flores, M. M. N. Modelos Integrados de Uso do Solo, Transporte e Desenvolvimento
Econmico: Um Estudo Terico Visando a Aplicao a Projetos de Transporte
Empreendimento Mestrado, 2002 Engenharia Civil e Ambiental da Faculdade de
Tecnologia da Universidade De Braslia
Gendrau, M. tude approfondie dun modle dquilibre pour laffectation des
passagers dans les rseaux de transport en commun. Publication 384, Centre de
recherche sur les transports, Universit de Montral, Canad, 1984.
Guerra, C. Otimizao Paramtrica de Estruturas Treliadas por Algoritmos
Genticos Mestrado, 2008 Engenharia Mecnica da Universidade Federal do Rio Grande
do Sul.
Hgerstrand, T. What about people in regional science? Papers of the Regional Science
Association, 24, 7-21, 1970.
Hasselstrem, D. Public Transportation Planning A Mathematical Programming
Approach. Ph. D Thesis, Department of Business Administration, University of
Gothenburg, Sweden, 1981.
Jammal, M. F.; Raia Junior, A. A. A Importncia dos Requisitos de Qualidade do
Transporte Coletivo Urbano na Escolha Modal Engenharia Urbana da Universidade
Federal de So Carlos.
Khlkamp, N. Matemtica; Ulyssa Neto, I. Engenharia Civil Modelos de
Oportunidades Intervenientes de Distribuio de Viagens: Um Novo Mtodo de
Calibrao do Modelo de Schineider Universidade Federal de So Carlos Revista
Transportes vol. XI 2003.
Lampkin, W. & Saalmans, P.D. The Design of Routes, Service Frequencies and Schedules
for a Municipal Bus Undertaking: A case study. Operation Research Quarterly, 18, 375397, 1967.
Larraaga, A. M.; Nodari, C. T. Uso de Tcnicas de Preferncia Declarada na Avaliao
da Substituio do Carro pelo nibus Laboratrio de Sistemas de Transportes do
Programa de Ps-graduao em Engenharia de Produo da Universidade Federal do Rio
Grande do Sul.
Lemes, D. C. S. S. Gerao e Anlise do Cenrio Futuro como um Instrumento do
Planejamento Urbano e de Transportes Mestrado, 2005 Engenharia Civil da
Universidade Federal de Uberlndia.
Lopes, D. L. Viabilidade do Uso de Modelos Sintticos Integrados de Uso do Solo e
Transportes: Estudo de Aplicao Cidade de So Paulo Mestrado, 2003 Escola
Lopes, S. B. Efeitos da Dependncia Espacial em Modelos de Previso de Demanda
por Transporte Mestrado, 2005 Engenharia de So Carlos Universidade de So Paulo.
Loureiro, C. F. G. e Silva, H. N. Engenharia de Transportes Universidade Federal do

Cear e Carvalho, L. E. X. Brown University Metodologia de Anlise de Regresso
Geograficamente Ponderada Aplicada ao Fenmeno das Viagens Intermunicipais.
Modelistica TRANUS: Integrated Land Use and Transport Modeling System - General
Description.
Novaes, A. G. Modelos em Planejamento Urbano, regional e de Transportes. Edgard
Blucher, Ltda, So Paulo, 1982.
Ortzar, J. de D.; Willunsen, L. G. Modelling Transport. Jonh Wiley & Sons, Chichester,
1994, 2001.
Ortzar, J. D. Modelos economtricos de eleccin discreta. Chile: Ediciones Universidad
Catlica de Chile, 2000. 249 p, 2000.
Pacheco, E. A.; Drohomeretski, E.; Cardoso, P. A. A Deciso do Modal de Transporte
atravs da Metodologia AHP na Aplicao da Logstica Enxuta: Um Estudo de Caso
Pontifcia Universidade Catlica do Paran IV Congresso Nacional de Excelncia em
Gesto, agosto de 2008.
Pedrosa, B. M., Cmara G. Modelagem Dinmica e Geoprocessamento Livro on line
da Diviso de Processamento de Imagens do Instituto Nacional de Pesquisas Espaciais,
INPE.
Phipps, M. Dynamical behaviour of cellular automata under constraints of neighbourhood
coherence.21, pp. 197-215, 1989.
Pinto E., Fook, K. D., Monteiro A. M., Cmara G. Modelagem de Dinmicas Espaciais
com Autmatos Celulares Diviso de Processamento de Imagens do Instituto Nacional
de Pesquisas Espaciais, INPE.
Pitombo, C. S. Anlise do Comportamento Subjacente ao Encadeamento de Viagens
Atravs do Uso de Minerador de Dados Mestrado, 2003 Engenharia de So Carlos da
Universidade de So Paulo
Pitombo, C. S. Estudo de Relaes entre Variveis Socioeconnicas, de Uso do Solo,
Participao em Atividades e Padres de Viagens Encadeadas Urbanas Doutorado,
2007 Engenharia de So Carlos da Universidade de So Paulo.
Pitombo, C. S., Sousa, A. J. Aplicao de Conceitos Geoestatsticos para Anlise de
Gerao de Viagens Urbanas Departamento de Engenharia de Minas, Instituto Superior
Tcnico, Universidade Tcnica de Lisboa.
Pitombo, C. S.; Kawamoto, E. Escola de Engenharia de So Carlos, Quintanilha, J. A.
Escola Politcnica Investigao da Influncia do Uso do Solo e das Caractersticas
Socioecmicas na Sequncia de Deslocamentos dos Industririos na Regio
Metropolitana de So Paulo Universidade de So Paulo.
Pitombo, C. S.; Kawamoto, E. Escola de Engenharia de So Carlos; Strambi, O. Escola
Politcnica Relaes entre Participao em Atividades, Caractersticas
Socioeconmicas, Uso Do Solo e Padres De Viagens Urbanas Universidade de So
Paulo.
Quinlan, J. R. Learning efficient classification procedures and their application to
chess end games. In R.S. Michalski, J.G. Carbonell, and T.M. Mitchell, eds., Machine
Learning - An Artif. Intell. Approach, pp. 463- 482. Tioga, Palo Alto, CA, 1983.
Quinlan, J. R. C4.5: Programs for Machine Learning. San Mateo, CA: Morgan Kaufmann,
1993.
Sampaio, C. C. D. Determinao De Uma Rede tima De Transporte Utilizando
Algoritmo Gentico Mestrado, 2004 Faculdade de Tecnologia, Engenharia Civil e
Ambiental da Universidade De Braslia, 2004.
Scarassatti, D. F. Modelagem Dinmica na Projeo de Uso do Solo em funo da
Rede Viria de Transportes UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE
ENGENHARIA CIVIL, ARQUITETURA E URBANISMO, 2007
Silva, A. R., Yamashita Y. Anlise da Matriz de Proximidades Espacial para Problemas
de Transporte Universidade de Braslia Programa de Ps-Graduao em Transportes.
Spiess, H. On optimal route choice strategies in transit networks. Publication 286,
Centre de Recherch sur les Transports, Universit de Montral, 1983.
Spiess, H. and Florian, M. Optimal Strategies: A New Assignment Model for Transit
Networks. Transportation Research B, Vol. 23B, No.2, 83-102, 1989
Sucena, M. P., Silva V. L., Pereira A. L., Portugal, L. S. Uma Aplicao da Lgica Fuzzy
para a Melhoria da Mobilidade Urbana Focada no Usurio XII Simpsio de Engenharia
de Produo SIMPEP, 2005
TOBLER, W. R. Cellular geography. In: Philosophy in Geography. In: GALE, S.; OLSSON,
G., (eds.) Dordrecht, Holland, D Reidel Publishing Company. . pp. 379-386, 1979.
Tom, P. T. F.; Bez, E. T.; Buss, T.; Carrilho, D. L.; Bessa Jnior, J.E.; Oliveira Neto, F. M.;
Paula, F. S. M.; Loureiro, C. F. G. Modelos de Previso de Demanda: Uma Aplicao no
Transporte Rodovirio Interestadual de Passageiros por nibus na Regio Sul do
Brasil XX ANPET, 2006
Torres, A. C. S. Determinao de Rotas timas de nibus Urbano Utilizando
Algoritmo Gentico Mestrado, 2003 Engenharia Civil, Faculdade de Tecnologia da
Universidade de Braslia.
Wardrop, J.G. Some Theoretical Aspects of Road Traffic Research. Proceedings of the
Institution of Civil Engineers, Part II, Volume I, pp. 325-362, 1952.
Wu, J.H.; Florian, M. & Marcotte, P. Transit equilibrium assignment: a model and
solution algorithms. Transportation Science, 28(3), 1994.
Zadeh, L. A. Fuzzy Sets. Information and Control, 8, pp 338-353, 1965.
Zignani, R. C. Avaliao da Escolha de Rota dos Motoristas Frente Cobrana de
Pedgio e Rodovias de Qualidades Distintas Mestrado, 2007 Engenharia de Produo
da Universidade Federal do Rio Grande do Sul.

Modelo 4 Etapas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modelo 4 Etapas

Enviado por

Direitos autorais:

Formatos disponíveis

MODELOS TRADICIONAIS

Este trabalho tem como base um conjunto de teses, dissertaes e

Neste modelo, os dados do ano-base, inclusive variveis socioeconmicas da

2.1.1 Gerao de Viagens

Os seguintes modelos de gerao de viagem podem ser citados: Fator de

T c = i Tic - total de viagens da categoria

A principal caracterstica deste tipo de modelagem est em escolher categorias que

rvores de Deciso uma Alternativa a Problemas de Classificao

Com dados totais da zona agregado

Xli - variveis independentes (fatores scio-econmicos e de uso do solo);

Com Mdias (por famlia, populao, residncia) desagregado

As caractersticas destes modelos: (1) os coeficientes e constantes so encontrados

2.1.2 Distribuio de Viagens

Onde tij representa o nmero de viagens entre i e j no intervalo de tempo

Mtodo do Fator de Crescimento Uniforme

O mtodo do fator de crescimento uniforme s deve ser utilizado para um

Mtodo do Fator Mdio de Crescimento

Este mtodo representa um aprimoramento dos dois mtodos anteriores e

Passo 3: Montar a nova Matriz, fazendo-se:

Como se pode observar, o mtodo de Fratar considera apenas os fatores

Para a Regio Metropolitana de So Paulo este tipo de modelo no aconselhvel,

Mtodo do Fator de Crescimento Duplo (Furness)

Utilizado para fazer a distribuio de viagens considerando tanto o fator de

dos dois corpos e inversamente proporcional ao quadrado das distncias entre

qualquer tipo de oposio ao movimento e pode ser

), que gere uma matriz modelada com distribuio de tempos de

viagem prxima da matriz pesquisada. Para isso, os seguintes passos so

o valor de c pode ser inicialmente definido em 50.

Resultado: Matriz Modelada

nmero de oportunidades da zona j e inversamente proporcional s oportunidades

2.1.3 Diviso Modal

Determinsticos: determinam a proporo de viagens por cada modo utilizando

Probabilsticos: utilizam a probabilidade de escolha de cada modo para

mais utilizados so: Logit Binomial, Logit Multinomial e Logit Hierrquico ou

Modelo de Regresso Linear

Modelo de Anlise de Categorias (ou Classificao Cruzada)

Os mtodos de Classificao Cruzada tentam dividir a populao ou zonas de

Modelo de Curvas de Desvio

Similares ao anterior, estes modelos determinam a proporo de viagens entre dois

Pode-se observar que os modelos determinsticos, de uma forma geral, utilizam o

Diferentes tipos de modelos de escolha discreta so obtidos em funo da

e, se baseiam no pressuposto de os fatores no observados no serem

Modelo Logit Multinomial

Mtodo Logit Binomial

Trata-se de uma simplificao do modelo anterior, em que se avaliam apenas duas

Modelo Logit Hierrquico ou Aninhado

Os modelos Logit baseiam-se no pressuposto de os fatores no observados no

2.1.4 Modelos de Alocao de Viagens

com o principal objetivo de disponibilizar uma base de comparao de sistemas de

O mtodo mais simples de alocar as viagens pela rede atravs da chamada

Os condutores no so todos iguais. Alguns valorizam mais o tempo, outros a

Os mtodos de atribuio descritos, tudo-ou-nada e estocstico puro, pressupem

O primeiro tipo de comportamento traduzido pelo seguinte princpio: Em redes

O algoritmo implementado para a alocao do modo auto por equilbrio (restrio

Novos tipos de modelos surgiram baseados em hipteses adotadas acerca do

Modelos de Rota Mnima

Modelos de Estratgia tima

Este conceito formulado por Spiess (1983) consiste basicamente em escolher um

Modelos de Escolha Discreta

Os modelos do tipo Logit, assumem que os passageiros so indivduos racionais,

O mtodo implementado para alocao do transporte coletivo baseado no conceito

Neste tipo de modelo se reconhece a existncia de complexas interaes entre a

A nfase no domiclio como unidade de deciso faz com que a interrelao