BTPS

Brazilian Transportation
Planning Society

Journal of Transport Literature

Vol. 6, n. 3, pp. 180-203, Jul 2012
Reviews & Essays

JTL|RELIT
www.transport-literature.org
ISSN 2238-1031

Tcnicas exploratrias para localizar potenciais usurios de

transporte pblico urbano
[Exploratory techniques for locating potential users of urban public transportation]

Vctor Frazo Barreto Alves*, Antnio Nlson Rodrigues da Silva,

Peter van der Waerden
Universidade de So Paulo (USP), Brazil, Universidade de So Paulo (USP), Brazil,
Universidade Tecnolgica de Eindhoven, Nederlands
Submitted 25 Aug 2011; received in revised form 16 Dec 2011; accepted 26 Jan 2012

Resumo
O objetivo deste estudo identificar e encontrar potenciais usurios de transporte pblico atravs do emprego de mapas
construdos em um sistema de informaes geogrficas. O mtodo considera a diviso do municpio estudado em zonas, em
funo do cdigo postal. Estas zonas so caracterizadas pelos atributos socioeconmicos da populao e do sistema de
transporte. Diante da hiptese de melhoria na qualidade do transporte pblico, dois segmentos de usurios de automvel foram
considerados: usurios que trocariam para nibus e usurios que continuariam preferindo o carro. Duas tcnicas (Modelo Logit
e Redes Neurais Artificiais) foram utilizadas com o intuito de reproduzir esse comportamento de escolha dos usurios. Assim,
possvel caracterizar espacialmente o impacto de alteraes no sistema de transportes ou no perfil da populao sobre o
potencial de utilizao do transporte pblico. Um cenrio de aumento na densidade populacional permitiu identificar, por
exemplo, regies da cidade de So Carlos com potenciais usurios.
Palavras-Chave: transporte pblico; mapas potenciais; marketing do transporte pblico; modelo logit; redes neurais artificiais.
Abstract
The objective of this study is to identify and locate potential users of public transport through maps built using a geographic
information system. The method assumes a division of the city into areas according to the postcodes of the streets. These areas
are characterized by socioeconomic attributes of the population and of the transport system. Two segments of automobile users
were considered, under the assumption that the quality of public transport would be improved: users who would switch to buses
and users who still prefer the car. Two techniques (Logit Model and Artificial Neural Networks) were used to reproduce the
users choice behavior. That makes it possible to spatially distinguish the impact of changes in the transport system or in the
profile of the population on the potential use of public transport. A scenario of increase in the population density, for example,
allowed the identification of areas in the city of So Carlos with potential users.
Key words: public transportation; potential maps; public transportation marketing; logit model; artificial neural networks.
* Email: victorfrazao@gmail.com.

Recommended Citation
Alves, V. F. B., Silva, A. N. R. and Waerden, P. (2012) Tcnicas exploratrias para localizar potenciais usurios de transporte
pblico urbano. Journal of Transport Literature, vol. 6, n. 3, pp. 180-203.

JTL|RELIT is a fully electronic, peer-reviewed, open access, international journal focused on emerging transport markets and
published by BPTS - Brazilian Transport Planning Society. Website www.transport-literature.org. ISSN 2238-1031.
This paper is downloadable at www.transport-literature.org/open-access.

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

1. Introduo
O crescimento excessivo da motorizao no Brasil tem causado problemas cada vez maiores
para a gesto da mobilidade nas cidades. Para garantir cidades mais sustentveis, polticas de
priorizao do transporte pblico so necessrias, de forma a garantir uma circulao mais
eficiente. Entre outras coisas, esta eficincia pode se traduzir em uma maior taxa de ocupao
dos veculos, evidentemente com uma lotao no excessiva, compatvel com padres
razoveis de conforto para os usurios. Aparentemente, a medida mais efetiva de se promover
isso atravs de investimentos na qualidade do servio de transporte coletivo, aliados a
desincentivos para a utilizao do automvel. O incentivo para atrair usurios para o
transporte pblico passa diretamente pela compreenso de que o servio de transporte por
nibus um produto. Cabe aos gestores, em conjunto com os empresrios, captar clientes para
garantir a eficincia do sistema, at porque a rentabilidade desse segmento extremamente
dependente do nmero de pessoas e da quantidade de vezes que o utilizam.
Uma teoria que define bem os critrios que motivam um consumidor a escolher um produto
em detrimento de outro foi proposta por Lancaster (1966) e posteriormente discutida por
Lovelock (1975) e Button (2006), que a associaram teoria da utilidade. Cunha (2005)
explorou a teoria de Lancaster no contexto do transporte pblico do Brasil. A teoria, que
baseada na abordagem de caractersticas, sustentada pela ideia de que um indivduo no
capaz de associar valor a um produto, mas sim a um conjunto de atributos que compem esse
produto. De forma anloga, a opo por um determinado servio tambm pode ser analisada
atravs da combinao de seus atributos.
Entretanto, como observado por diversos autores (por exemplo, NOVAES, 1986), do ponto de
vista da multiplicidade de fatores, o consumo de um servio de transporte constitui um ato
decisrio mais complexo do que a aquisio de produtos e bens durveis. Ele composto de
uma srie de decises em cascata, que no pode ser encarado de forma concentrada em
nenhum momento.

181

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

possvel, porm, realizar anlises especficas como, por exemplo, o processo de

deslocamento. Os estudos realizados por Brnos et al. (2001) sugerem que, atravs da
relao direta do comportamento de viagem com as caractersticas de cada rea de diviso da
cidade, possvel identificar uma demanda potencial por transporte pblico. Brnos et al.
(2001) e van der Waerden et al. (2005) propem a utilizao de mapas como ferramenta para
encontrar esses potenciais usurios do transporte pblico. Nesses estudos, em que apenas
modelos Logit foram utilizados para relacionar os atributos s escolhas, seu desempenho no
foi plenamente satisfatrio para os fins propostos.
Essas foram as motivaes para procurar alternativas para aprimorar a ferramenta de mapas
propostas por Brnos et al. (2001) e van der Waerden et al. (2005). Como alguns autores
(por exemplo, WEST et al., 1997) defendem que Redes Neurais Artificiais (RNAs) podem ter
desempenho superior a mtodos estatsticos na busca de solues para determinados
problemas, foi decidido utiliz-las nesse estudo de caso. Diante desse panorama, o objeto de
estudo deste trabalho a aplicao e avaliao do uso de duas tcnicas, modelo Logit e
RNAs, para identificar potenciais usurios de transporte e como estes se distribuem
geograficamente em uma cidade. Utilizando caractersticas da populao e do sistema de
transporte, o comportamento de escolha do modo de transporte pode ser reproduzido, assim
como foi feito por Alves (2011). Uma vez obtidos os modelos, cenrios futuros puderam ser
construdos para analisar quais usurios selecionaram determinado modo de transporte e onde
eles esto localizados.
O presente estudo apresenta uma breve discusso sobre a utilizao dos mapas potenciais de
uso de transporte pblico e caractersticas bsicas das redes neurais artificiais nas Sees 3 e
4, respectivamente. Embora tratada na Seo 2, a base terica relacionada aos modelos Logit
no ser aprofundada nesse artigo, at mesmo porque muitas referncias envolvendo a tcnica
so apresentadas na Seo 3. A metodologia adotada nesse trabalho exibida na Seo 5. A
Seo 6 contm os resultados, enquanto a Seo 7 aborda a representao geogrfica de um
cenrio futuro estabelecido. Por fim, so apresentadas algumas concluses do estudo realizado
na cidade de So Carlos.

182

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

2. Modelos Logit
Modelos Logit so utilizados para modelar relaes entre uma varivel de resposta discreta e
um conjunto de variveis dependentes. Esse modelo empregado quando a anlise da escolha
de um produto ou de um servio que est sendo estudado envolve mais de uma opo (ou
mais de um modo). O modelo Logit Multinomial satisfaz o axioma da independncia em
relao a alternativas, que postula: "quando duas alternativas quaisquer tiverem probabilidade
no nula de serem escolhidas, a relao entre a probabilidade de uma sobre a outra afetada
pela ausncia ou presena de qualquer alternativa adicional ao conjunto escolhido" (BENAKIVA e LERMAN, 1985).
O modelo Logit Multinomial aplicado aos casos com nmero de opes maior do que dois.
Quando o nmero de modos (opes) igual a dois, tem-se o Modelo Logit Binomial, que
um caso particular do primeiro. Apesar de serem restritivos, por implicarem na adoo de
erros independentes e identicamente distribudos (SILVA, 2004), os modelos Logit passaram
a ser muito utilizados por sua facilidade em obter as probabilidades de escolha entre as
alternativas analisados e por isso foram adotado neste estudo.

3. Mapas potenciais de uso do transporte pblico

A necessidade de tornar o transporte pblico mais atrativo incentivou uma grande quantidade
de estudos, como os de Beiro e Cabral (2007) e dellOlio et al. (2011). Eles analisaram os
diferentes aspectos que os usurios de nibus e potenciais usurios valorizam na qualidade do
servio de transporte pblico. Assim, foram capazes de identificar vantagens e desvantagens
que cada modo de transporte proporciona e recomendar polticas pblicas que estimulassem o
aumento da utilizao de modos coletivos. Entretanto, as polticas propostas consideravam
apenas melhorias na cidade como um todo, visto que a investigao dos potenciais usurios
no estava relacionada localizao geogrfica.

183

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Zhou et al. (2004) desenvolveram um estudo que identifica o market share (diviso de
mercado) do transporte pblico para cada rea da cidade. Primeiro, para descobrir por que as
pessoas usam transporte pblico, onde elas moram e como elas o utilizam. Assim,
conseguiram identificar segmentos de mercado com base em trs fatores que englobam valor
de tempo, restries de compromissos, e sensibilidade privacidade e ao conforto. Em
seguida, foi calculada a diviso modal para cada um dos oito tipos de segmentos de mercado
adotados e para cada rea com o auxlio de um modelo Logit. Por fim, calculou-se a diviso
de mercado do transporte pblico por rea. Essa diviso de mercado, entretanto, no estava
diretamente relacionada s caractersticas do sistema de transporte.
Os estudos elaborados por Brnos et al. (2001) e van der Waerden et al. (2005) propuseram
a identificao dos potenciais usurios por meio de mapas. Diferentemente da maioria das
demais pesquisas relacionadas a potenciais usurios, a inteno do estudo era abranger a
maior quantidade de reas possveis da cidade. Segundo Alves (2011), a grande vantagem
apresentada por essa abordagem a facilidade com que os resultados podem ser apresentados
a gestores de empresas de transporte pblico e da prpria administrao municipal. A
visualizao espacial dos pontos de maior concentrao de potenciais usurios pode indicar
quais reas justificam polticas especficas sem ter de realizar pesquisas caras e de longa
durao.
No modelo sugerido por van der Waerden et al. (2008), o comportamento de deciso pelo
modo de viagem dos usurios foi representado atravs de um modelo Logit Multinomial,
considerando cinco modos alternativos: carro no substituvel, carro substituvel por nibus,
nibus, bicicleta no substituvel e bicicleta substituvel por nibus. Desta maneira, o uso
potencial de transporte pblico pode ser identificado atravs das reas com maior
concentrao de usurios de nibus e tambm de usurios de carro ou de bicicleta que
eventualmente estejam dispostos a troc-los pelo modo nibus.
O clculo das probabilidades das alternativas consideradas possibilita a identificao do
market share da escolha modal de transporte. Desta forma, os resultados da modelagem
podem ser utilizados para localizar onde esto concentradas as pessoas que estariam dispostas
a utilizar o transporte pblico no caso de haver melhorias no servio. A visualizao espacial
dessas reas permite uma tomada de deciso mais direcionada, englobando o problema de um
modo mais completo. Outra vantagem apresentada por essa tcnica a possibilidade de testar

184

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

mudanas antes de implement-las e verificar a sua repercusso na atratividade de usurios

para o transporte pblico.
Foi possvel ainda fazer uma anlise crtica dos parmetros utilizados, congregando as
caractersticas de influncia significativa na escolha modal. Atravs da codificao das
variveis possvel analisar a influncia de cada atributo detalhadamente. Possveis cenrios
futuros podem ser desenvolvidos com a previso de alteraes que influenciem diretamente
sobre as caractersticas. A anlise conjunta de cenrios capaz de revelar as reas que tiveram
maior variao (acrscimo ou decrscimo) no potencial de transporte pblico, que o objetivo
principal dessa ferramenta. Por exemplo, uma possvel aplicao pode ser usada para avaliar
diferentes sistemas de rotas de nibus (VAN DER WAERDEN et al., 2008).

4. Redes Neurais Artificiais

As RNAs so tcnicas computacionais que apresentam um modelo matemtico inspirado nas
funes das redes biolgicas, buscando programar seu comportamento bsico e sua dinmica.
Consistem em um mtodo para solucionar problemas de Inteligncia Artificial (IA),
construindo um sistema com circuitos que procuram, de alguma forma, replicar o
funcionamento do crebro humano, inclusive seu comportamento, ou seja, aprendendo,
errando e fazendo descobertas (SMITH, 1996; GALVO e VALENA, 1999; RODRIGUES DA
SILVA et al., 2008).

A estrutura de funcionamento das RNAs baseada em sistemas de equaes, em que o

resultado de uma equao o valor de entrada para vrias outras da rede, o que de certa forma
lhe confere caractersticas de caixa-preta. Apesar disso, rapidamente se popularizaram
como uma ferramenta para modelar relaes entre variveis, uma vez que conseguem
reproduzir o comportamento de qualquer funo matemtica (SMITH, 1996). Pode-se afirmar
que RNAs so sistemas paralelos distribudos, compostos por unidades de processamento
simples (ns) que calculam determinadas funes matemticas (normalmente no-lineares).
Dada a sua performance, que pode ser at superior a de modelos tradicionais (WEST et al.,
1997 e TILLEMA et al., 2006), as redes neurais artificiais tm sido amplamente utilizadas
como tcnica de suporte ao planejamento de transportes. Dougherty (1995) levantou um

185

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

histrico de estudos na rea at 1995, mas a sua utilizao no parou por a. No Brasil, por
exemplo, diversos estudos foram desenvolvidos aps esse ano (como as teses e dissertaes de
BRONDINO, 1999; RAIA JR, 2000; BOCANEGRA, 2002; AKAMINE, 2005; e CORRA, 2008,

apenas para citar alguns).

Foi utilizada nesse estudo uma Rede Multilayer Perceptron, com um algoritmo
backpropagation no processo de treinamento. Esse algoritmo trabalha com o clculo das
diferenas entre os valores calculados pela rede e o valor atual inicialmente fornecido para
orientar o peso dos ajustes e valores a cada iterao. Diferentes combinaes de camadas,
nmeros de ns nas camadas intermedirias, momentum e taxas de aprendizado podem ser
testadas para aprimorar o desempenho da RNA.

5. Mtodo
A cidade de So Carlos, na qual foi realizado esse estudo em 2010, tem cerca de 220 mil
habitantes (IBGE, 2011) e mais de 128 mil veculos (DENATRAN, 2011). A combinao
desses fatores uma taxa de motorizao superior a 500 veculos a cada mil habitantes. Esta
taxa superior da maioria das cidades brasileiras com populao semelhante. O transporte
pblico realizado exclusivamente por nibus, em uma rede com configurao
diametral/radial, isto , a maioria das linhas da cidade vai em direo ao centro ou passa
atravs dele. Atravs de uma pesquisa de opinio com 1292 usurios do sistema de transporte,
realizada em 2007 e 2008 (RODRIGUES DA SILVA, 2008), foi possvel identificar dois
segmentos de usurios de automvel: os que afirmaram que trocariam por nibus, caso o
transporte pblico oferecido fosse de melhor qualidade, e os que continuariam a usar o carro
mesmo neste caso.
Em seguida, os domiclios aos quais pertenciam os entrevistados foram caracterizados a partir
de atributos socioeconmicos e fsicos. As caractersticas socioeconmicas esto relacionadas
aos indivduos e famlias de uma regio e foram obtidas na pesquisa Origem-Destino (O-D),
realizada em conjunto com a pesquisa de opinio (RODRIGUES DA SILVA, 2008). J as
informaes fsicas so aquelas ligadas ao sistema de transporte. Esses atributos foram
obtidos atravs de ferramentas de um SIG-T (Sistema de Informaes Geogrficas para

186

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

aplicaes em Transportes) com dados da base georreferenciada da cidade. O mtodo de

obteno de cada varivel descrito a seguir:
a) DISPONIBILIDADE

DE AUTOMVEL:

medido pela razo entre automveis e indivduos

no domiclio. Uma disponibilidade igual ou superior a 100 % indica que os indivduos

tm possibilidade de sempre usar o carro para se locomover.
b) NVEL

DE INSTRUO

- obedece a codificao a seguir: 1 - no alfabetizado, 2 - pr-

escola, 3 - fundamental incompleto, 4 - fundamental completo, 5 - mdio incompleto,

6 - mdio completo, 7 - superior incompleto, e 8 - superior completo.
c) TAMANHO DA FAMLIA: dada pelo nmero de pessoas da famlia.
d) STATUS SOCIAL: dado pela renda em salrios mnimos por pessoa do domiclio.
e) TIPO DA FAMLIA/IDADE: dado pelo tipo predominante da famlia. Quando o morador
mais jovem tem 18 anos ou menos, a famlia considerada Famlia com Criana.
Quando a mdia de idade superior a 60 anos, considerada Famlia com Idosos. O
restante considerado Famlia de Jovens.
f) DISTNCIA

AO CENTRO:

distncia do domiclio ao centro da cidade (tomando como

referncia central a Catedral).

g) DISTNCIA RODOVIA: distncia do domiclio Rodovia Washington Luis.
h) NMERO DE LINHAS DE NIBUS: o nmero de linhas de nibus que se encontram a at
350 metros do domiclio. Foi obtido no SIG, da seguinte forma: o sistema de rotas de
nibus foi transformado em arquivo geogrfico e, atravs de comando especfico,
foram levantados os nmeros de linhas dentro da distncia adotada, considerada
aceitvel para caminhada (350 m).
i) DENSIDADE: nmero de domiclios por hectare. Foi obtido no SIG, atravs da criao
de uma banda (buffer) de 30 m para cada lado do eixo das vias. Depois de contados os
domiclios, estes valores foram divididos pelas respectivas reas, com as devidas
correes de unidade.

187

JTL-RELIT

j)

Journal of Transport Literature

vol. 6, n. 3

RAZO DO TEMPO DE VIAGEM NIBUS-CARRO: foi obtido no SIG, atravs de matrizes

com o tempo de viagem de nibus e carro, a partir de todos os domiclios, mas para
destinos selecionados. Em seguida, foi calculada a mdia da razo do tempo de
viagem entre nibus e automvel para cada domiclio.

Assim, foram configurados os modelos Logit e de redes neurais artificiais utilizando os dados
dessas caractersticas como variveis de entrada, com o objetivo de reproduzir a opinio dos
usurios em relao possibilidade de trocar o automvel pelo nibus. As variveis foram as
mesmas utilizadas no modelo Logit de van der Waerden et al. (2008) para a cidade de
Eindhoven. Adicionalmente, os dados foram agrupados em reas em funo do cdigo postal,
assim como no contexto holands.
Para o modelo Logit, em que uma funo linear da utilidade foi utilizada, a avaliao do
comportamento das variveis realizada em funo do cdigo e do resultado do parmetro
obtido. A varivel dependente consiste na escolha entre o carro e o nibus. Na estimao do
modelo, o segmento de usurios que preferem o carro foi adotado como base. Assim,
multiplicando o valor do cdigo pelo parmetro, pode-se estipular a utilidade do segmento de
usurios que trocam para o nibus e compar-lo utilidade do segmento base que tem valor
zero. A probabilidade de utilizao de cada segmento pode ser obtida atravs da
transformao do tipo Logit. Para avaliar a qualidade do modelo foram utilizados dois
parmetros estatsticos: o teste da verossimilhana e o teste . A estatstica tem seu valor
limitado entre 0 e 1, mas, tal como observado por Ortzar e Willumsen (1994), um valor
acima de 0,2 e prximo a 0,4 indica um ajuste considerado muito bom para o modelo Logit
Multinomial.
J as redes neurais artificiais foram construdas com base em variaes de momentum,
learning rates e distribuio e quantidade de ns nas camadas intermedirias. Uma vez
treinadas, podem ser selecionadas as redes que melhor representam os dados individualizados.
Isto feito a partir da porcentagem de acertos, verificada primeiramente para os dados de
validao e depois para os dados de teste. Em seguida, a rede de melhor desempenho testada
para analisar a escolha dos usurios depois de uma alterao na condio atual de uma das
caractersticas utilizada.

188

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Por fim, diante de uma alterao em uma das caractersticas estudadas possvel analisar a
variao entre os potenciais para a possvel utilizao do nibus atravs da elaborao de
mapas temticos com auxlio do SIG para cada modelo. Entretanto, para a elaborao desses
mapas com a representao do potencial de utilizao do transporte coletivo, os dados
utilizados pelas redes neurais devem ser agrupados em funo do cdigo postal, assim como
feito originalmente para o modelo Logit.

6. Resultados
O modelo Logit inicial foi estimado com base em categorias determinadas por van der
Waerden et al. (2008) e obteve um de 0,02133, que um desempenho ruim. Entretanto,
como a melhor diviso de classes de cada varivel pode variar de acordo com as
particularidades da cidade, isso pode ter afetado o desempenho do modelo. Assim,
procurou-se ajustar as categorias de cada varivel para encontrar um modelo mais
representativo para a cidade estudada. As novas e antigas classificaes podem ser vistas na
Tabela 1, assim como os resultados do modelo estimado com as mudanas nas classes, que
mostram uma melhoria no desempenho do modelo: igual a 0,06199.
A interpretao das variveis do modelo Logit pode ser compreendida atravs de um
exemplo. No caso da varivel Status social, por exemplo, a classe Outros (isto , renda mdia
ou abaixo da mdia) teve valor de 0,0771. Multiplicando-se esse valor por 1, valor do cdigo
determinado para esse parmetro, tem-se que a utilidade para usurios que trocam para o
nibus maior que o valor da utilidade para o segmento adotado como base (usurios que
preferem o carro).

189

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Tabela 1 Resultados do modelo Logit

Caractersticas
Constantes
Disponibilidade de auto
Nvel de instruo
Status social
Tipo de famlia

Distncia ao centro

Distncia rodovia
Tamanho da famlia

Nmero de linhas a 350 m

Razo do tempo de viagem

Densidade

Classes adotadas no modelo

original, na cidade holandesa
100% ou mais
Menos de 100%
Alto
Outro
Acima da mdia
Outro
Jovem
Com criana
Idosos
Menos de 1 quilmetro
Entre 1 e 2 quilmetros
Mais de 2 quilmetros
6 quilmetros ou mais
Menos de 6 quilmetros
Menos de 2 pessoas
2 a 3 pessoas
Mais de 3 pessoas
0 linhas de nibus
1 ou 2 linhas de nibus
Mais de 2 linhas de nibus
1,4 ou menos
1,5 a 2,4
mais de 2,4
0 a 30 moradias/ hectare
31 a 60 moradias/ hectare
61 ou mais moradias/ hectare

Novas classes, adaptadas para

Modelo
a cidade de So Carlos
aprimorado
100% ou mais
Menos de 100%
Alto
Outro
Acima da mdia
Outro
Jovem
Com criana
Idosos
Menos de 1 quilmetro
Entre 1 e 2 quilmetros
Mais de 2 quilmetros
3 quilmetros ou mais
Menos de 3 quilmetros
Menos de 3 pessoas
3 a 4 pessoas
Mais de 4 pessoas
0 linhas de nibus
1 ou 2 linhas de nibus
Mais de 2 linhas de nibus
4 ou menos
4,1 a 5
mais de 5
0 a 25 moradias/ hectare
25 a 45 moradias/ hectare
45 ou mais moradias/ hectare

Qualidade do ajuste
Mxima verossimlhana para o modelo nulo
Mxima verossimilhana para o modelo timo
-quadrado
Todos os parmetros so significativos ( = 0,05)
O smbolo indica o parmetro adotado como base
o valor de foi inferior aos dois valores das funes de mxima verossilhana

-0,5090
-0,1881
0,1076
0,0771
0,1339
-0,1941
-0,3836
0,1243
0,3365
-0,4077
0,3078
-1,0892
0,4363
-0,0507
-0,0813
-0,1614
0,2825

-25431,5701
-23855,0823
0,06199

Para a simulao por meio de redes neurais artificiais, o primeiro passo foi dividir os 1292
dados em trs grupos. Esses grupos tinham aproximadamente 50 % dos dados para
treinamento, 25 % para validao e 25 % para teste. Foram treinadas redes com as seguintes
variaes, tanto para momentum quanto para learning rates: 0,1; 0,3; 0,5; 0,7 e 0,9. Aps
testes preliminares, foram utilizadas redes com apenas uma camada intermediria com 7 ns.
A seleo da melhor rede foi baseada essencialmente na habilidade para previses corretas
para os dados de validao. Todo esse processo foi realizado trs vezes, com diferentes
funes (treinamento, validao e teste) para os dados em cada simulao. Tomando como
base o maior nmero de acertos dos dados de validao, foram selecionadas as 5 melhores
redes para uma segunda anlise. Outras configuraes foram ento testadas e a seleo final

190

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

foi baseada na capacidade da rede de prever os valores de sada dos dados adotados como
teste. O desempenho das dez redes finais testadas est esquematicamente representado na
Figura 1, com o intuito de exibir os nveis de acerto alcanados nessa etapa.
Aproximadamente 60 % dos resultados dados pela rede selecionada estavam corretos.

FIGURA 1 Representao esquemtica da fase final de seleo da melhor rede neural

Apesar de sua capacidade de realizar previses corretas, uma RNA no capaz de dizer como
as variveis influenciam na probabilidade de escolha. Para uma anlise mais aprofundada das
variveis, foi criada, em planilha eletrnica, uma rplica da Rede Neural de melhor
desempenho, tal como proposto por Bocanegra (2002). Por meio da utilizao desta planilha
possvel fazer uma anlise de sensibilidade de cada varivel e avaliar a sua influncia nos
valores encontrados como resultado. Para tal, os valores dos dados de entrada, que no so
objeto da anlise naquele momento, assumem um valor constante.

191

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Nesse ponto, os dados utilizados nas RNAs foram agrupados em funo do cdigo postal.
Assim, foi possvel comparar os resultados com as probabilidades encontradas no modelo
Logit. Os resultados so exibidos nas Figuras 2 e 3. Cada grfico apresenta o comportamento
de uma varivel nos dois mtodos abordados. O modelo de Redes Neurais Artificiais aparece
representado por pontos, j que a anlise de sensibilidade permite analisar diversos valores
discretos. J o modelo Logit, por ter sido utilizado com classes determinadas, aparece com
patamares para cada classe em que a varivel foi dividida. Na Figura 2 esto os resultados das
variveis com efeito esperado no comportamento de escolha modal, ou seja, existem
explicaes lgicas para ambas as abordagens utilizadas. Para os resultados mostrados na
Figura 3, ao contrrio, no foram encontradas explicaes lgicas que explicassem o
comportamento inesperado das variveis.

192

Journal of Transport Literature

60%

50%

40%

30%

20%

10%

0%
0

20

40

60

80

100

120

Potencial de uso de Transporte Pblico(%)

Potencial de uso de Transporte Pblico(%)

JTL-RELIT

60%

50%

40%

30%

20%

10%

0%
0

Modelo de redes neurais

Modelo Logit binomial

Modelo de redes neurais

60%

Potencial de uso de Transporte Pblico(%)

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
0

1000

2000

3000

4000

5000

50%

40%

30%

20%

10%

0%

6000

10

20

Distncia rodovia (m)

Modelo logit binomial

30

40

50

60

70

Tipo de famlia / Idade

Modelo logit binomial

Modelo de redes neurais

Potencial de uso de Transporte Pblico(%)

Potencial de uso de Transporte Pblico(%)

Status social (Renda em salrios mnimos)

Densidade (domiclios / hectare)

Modelo logit binomial

vol. 6, n. 3

Modelo de redes neurais

70%
60%
50%
40%
30%
20%
10%
0%
0

Nmero de pessoas por domiclio

Modelo logit binomial

Modelo de redes neurais

FIGURA 2 Potencial de transporte pblico para as variveis de comportamento

esperado

193

80

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

As principais anlises verificadas na Figura 2 so apresentadas a seguir:

O potencial de uso do transporte coletivo cresce medida que aumenta a Densidade.

Variaes positivas no Status social esto associadas a uma reduo no potencial de

uso do transporte pblico. Como a varivel basicamente associada renda (embora
em salrios mnimos), essa influncia era esperada. O que no se esperava era uma
variao to pequena, menor do que se poderia imaginar a princpio.

O comportamento da escolha do modo de transporte frente variao da caracterstica

da Distncia rodovia foi semelhante varivel Densidade. O potencial de transporte
pblico aumenta medida que aumenta a distncia rodovia.

O potencial de utilizao do nibus decresce de acordo com variaes positivas no

Tipo de famlia/idade. interessante notar que mesmo para as pessoas na faixa acima
de 60 anos que, por lei municipal, no so obrigadas a pagar pelo transporte coletivo,
no houve alteraes nessa influncia.

Para a varivel Nmero de pessoas no domiclio, o maior potencial de transporte

pblico parece estar nos valores extremos, seja com muitas ou poucas pessoas por
domiclio. H um potencial maior nos domiclios com mais de 4 pessoas, seguido de
domiclios com at 2 pessoas.

Nos resultados apresentados na Figura 3, pelo menos um dos modelos abordados produziu
resultados que no podem ser explicados diretamente, como discutido na sequncia:
No modelo de redes neurais foi apontado um decrscimo do potencial de transporte
pblico quando aumenta o Nvel de instruo. De maneira oposta, o modelo Logit
demonstra que quanto maior o nvel de instruo, maior o potencial de transporte
pblico.
Para a varivel Distncia ao centro da cidade, o modelo de redes neurais exibe que o
potencial de transporte pblico cresce conforme aumenta a distncia ao centro. No foi
encontrada uma justificativa capaz de explicar esse efeito, j que o modelo Logit
apresentou o comportamento esperado (isto , de que o maior potencial de utilizao
do transporte pblico estivesse no centro, onde a disponibilidade e variedade de linhas
de nibus superior).

194

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

As redes neurais, assim como o modelo Logit, apontaram um decrscimo no potencial

medida que aumenta o Nmero de linhas a 350 metros, o que no um
comportamento esperado. Uma possvel explicao seria de que alguns usurios talvez
tenham mais linhas de nibus disponveis com uma distncia de caminhada um pouco
maior que o valor de 350 metros adotado no estudo. Outra possibilidade seria de que
nos locais com maior disponibilidade de linhas de nibus, ou seja, mais prximo ao
centro da cidade, os usurios optassem pelo modo a p, visto que teriam menores
distncias de deslocamento.
Conforme o modelo de redes neurais, a caracterstica Razo do tempo de viagem
nibus-carro no tem variao do potencial de uso do transporte pblico at a razo
do tempo do nibus trs vezes maior que o tempo do carro. A partir da, o potencial
para transporte pblico decresce conforme aumenta essa razo de tempo de viagem at
o valor de 6, quando passa a crescer. O comportamento decrescente da caracterstica
em relao ao crescimento do potencial tambm foi encontrado no modelo Logit.
Verificou-se que esse resultado incoerente na fase de crescimento do potencial pode
ter explicao na baixa disponibilidade de veculos (abaixo de 50 %) para os usurios
que tm razo de viagem entre nibus-carro acima de 7, proveniente de poucos dados.

De acordo com a varivel Disponibilidade de automvel, para o modelo Logit, existe

um aumento do potencial de uso do transporte pblico com a diminuio da
disponibilidade de automvel. De maneira oposta, o modelo de redes neurais apontou
que quando havia um aumento no valor da disponibilidade, crescia tambm o
potencial de uso de transporte pblico. Essa varivel pode ter se comportado de
maneira inesperada, para o modelo de redes neurais, devido a um nmero de dados
insuficientes de domiclios com alta disponibilidade de automveis. Apenas cerca de
10 % dos domiclios tm mais de 100 % de disponibilidade de automvel. Essa
condio no afetou os resultados do modelo Logit, principalmente por causa do
processo de agregao de dados usado na calibrao desse modelo.

195

Journal of Transport Literature

60%
50%
40%
30%
20%
10%
0%
0

60%

50%

40%

30%

20%

10%

0%

10

1000

Nvel de instruo
Modelo de redes neurais

60%
50%
40%
30%
20%
10%
0%
2

5000

10

12

14

16

Modelo de redes neurais

50%
40%
30%
20%
10%
0%
0

Razo do tempo de viagem nibus-carro

Modelo logit binomial

Modelo de redes neurais

90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
0

6000

60%

Modelo de redes neurais

Potencial de uso de Transporte Pblico(%)

4000

70%

Nmero de linhas a 350 m

Modelo logit binomial

3000

Modelo logit binomial

70%

2000

Distncia ao centro da cidade (m)

Potencial de uso de Transporte Pblico(%)

Modelo logit binomial

Potencial de uso de Transporte Pblico(%)

vol. 6, n. 3

70%

70%

Potencial de uso de Transporte Pblico(%)

Potencial de uso de Transporte Pblico(%)

JTL-RELIT

20

40

60

80

100

120

140

160

Disponibilidade de carro (%)

Modelos logit binomial

Modelos de redes neurais

FIGURA 3 Potencial de transporte pblico para as variveis de comportamento

inesperado

196

10

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

7. Representao geogrfica
Independentemente da tcnica de modelagem adotada, a representao geogrfica das
informaes extradas dos modelos uma importante contribuio da aplicao da
ferramenta. De posse dos mapas com as reas onde h maior crescimento dos usurios em
potencial, gestores pblicos podem identificar polticas relacionadas ao sistema de transporte
que efetivamente alcancem esses cidados. As descobertas podem ser facilmente comparadas
com outras caractersticas socioeconmicas espacialmente distribudas e caractersticas do
sistema de transporte. Mapas podem ser, nesse caso particular, uma ferramenta poderosa de
suporte a decises na promoo do desenvolvimento sustentvel. Entretanto, enquanto
produzia mapas com cenrios futuros para ambas as tcnicas (Logit e RNA), Alves (2011)
encontrou algumas diferenas na distribuio geogrfica das reas com potenciais usurios.
Os resultados e seus padres espaciais foram ento examinados, na busca de explicaes para
diferentes resultados. A quantidade relativamente pequena de reas que apresentaram variao
de potencial de uso do transporte pblico do modelo de RNA pode ser uma consequncia da
calibrao feita com base em dados individuais. Isso pode ter tornado as reas menos
sensveis alterao de uma nica caracterstica. Como consequncia, os resultados do
modelo Logit mostram mais facilmente as variaes de potencial em porcentagens. Essa
condio, no entanto, no implica necessariamente em maior significncia nas previses.
Portanto, ao invs de tentar achar explicaes para as diferenas, pode-se buscar uma viso
complementar dos mapas. Dessa maneira, reas promissoras so aquelas com alto potencial
de uso do transporte pblico para ambas as tcnicas, como mostrado na Figura 4, tanto para o
modelo Logit quanto para RNA. Isso elimina previses diferentes (e eventualmente
incorretas).
As caractersticas complementares reveladas pelo modelo Logit (dados agrupados), tal como
no caso holands, e pelo modelo de rede neural (dados individuais) levam a crer que um mapa
proveniente da fuso das duas anlises seja o que melhor represente geograficamente o
potencial para uso de transporte pblico. Para a varivel Densidade, por exemplo, o produto
dessa anlise foi o mapa da Figura 4, resultante do potencial coincidente entre os dois
modelos.

197

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

FIGURA 4 Mapa com reas apontadas pelas duas abordagens com potencial para
utilizao do transporte pblico em um cenrio de aumento na densidade

198

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Concluses
As concluses obtidas no desenvolvimento e aplicao das duas tcnicas para a determinao
do potencial de uso do nibus podem ser divididas em cinco conjuntos de elementos: i)
avaliao do modelo Logit; ii) avaliao do modelo de redes neurais artificiais; iii) anlise do
efeito das caractersticas; iv) visualizao e comparao dos resultados atravs dos mapas
potenciais e v) utilidade da aplicao da tcnica. Esses pontos so discutidos a seguir.
i. O desempenho superior do modelo Logit adaptado para So Carlos em relao ao
modelo inicial mostrou que as classes adotadas para as variveis precisam ser melhor
investigadas. Uma mudana na varivel Tamanho da famlia, que dependente do
contexto onde est inserida, produziu uma reduo no nvel de significncia da
varivel. Isso sugere que seu resultado est mais prximo de sua representao real em
relao ao modelo anterior, quando a classificao tinha sido simplesmente transferida
das condies holandesas. As novas classes parecem representar melhor o
comportamento de escolha modal dos usurios em So Carlos. Alm disso, as
variveis Distncia rodovia e Razo do tempo de viagem nibus-carro deixaram de
ter comportamento uniforme com as novas classes, o que certamente uma melhor
representao das condies da cidade. A varivel Densidade tambm teve um
desempenho superior com a nova diviso de classes. A melhoria no desempenho
dessas variveis e do modelo em si demonstra que, para cada cidade, pode existir uma
combinao mais representativa de classes para as caractersticas.
ii. O modelo de redes neurais artificiais foi capaz de reproduzir razoavelmente bem o
comportamento de escolha dos usurios quanto ao modo de transporte a partir de
caractersticas socioeconmicas e ligadas ao sistema de transporte. Entretanto, essa
tcnica no conduz diretamente a avaliaes estatsticas das variveis utilizadas.
Assim, para testar o comportamento do modelo na ausncia de uma caracterstica,
seria necessrio exclu-la dos dados de entrada e realizar o processo, muitas vezes
lento, de treinamento, para avaliar as eventuais diferenas entre os resultados obtidos.
iii. Anlises cuidadosas dos efeitos das variveis nos resultados podem fornecer
informaes essenciais aos gestores pblicos na criao de polticas de estmulo ao uso
de transporte pblico. Em So Carlos, por exemplo, foi possvel concluir que as

199

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

seguintes condies so esperadas para um maior crescimento na utilizao do

transporte coletivo: reas com baixa concentrao de renda, domiclios com at duas
ou com mais de quatro pessoas e domiclios com famlias jovens. Alm disso,
domiclios com crianas tm o menor potencial de utilizao do transporte pblico de
todas as condies estudadas. Para a varivel Distncia rodovia, outros fatores
podem influenciar os resultados. Como a rodovia considerada foi a de maior volume
de trfego (rodovia Washington Luis) e a maioria da populao de baixa renda est
localizada do outro lado da cidade, essa combinao de condies pode ter afetado os
resultados. Se os moradores das vizinhanas no podem pagar por um carro, a rodovia
no seria uma alternativa para viagens mais rpidas. Quanto elaborao de polticas
para o resultado da varivel Densidade, deve ser estudado o seu impacto indireto na
utilizao das vias, j que o crescimento do uso do automvel nessas reas pode afetar
a qualidade oferecida pelo transporte pblico.
iv. As duas tcnicas exploradas geraram resultados diferentes, o que particularmente
evidenciado na representao por mapas. Os resultados divergiram essencialmente
porque as abordagens de modelagem utilizaram nveis distintos de agregao de dados
durante o procedimento de calibrao/treinamento. Contudo, ambas as tcnicas tm
pontos positivos. A agregao em classes usada na anlise do modelo Logit ajudou a
encontrar padres no conjunto de dados mais facilmente do que nos dados
individualizados. Do ponto de vista do procedimento para estudo dos resultados
quanto escolha do modo de transporte, utilizar mtodos de calibrao com dados
individualizados e dados agrupados de maneira complementar pode trazer uma anlise
mais completa dos resultados obtidos. Por outro lado, os dados individualizados
usados como entrada para as redes neurais artificiais forneceram uma melhor
caracterizao dos dados para a cidade como um todo. O procedimento combinado
proposto para analisar os resultados parece ser uma alternativa para explorar o
potencial analtico das duas tcnicas. Desse modo, o desempenho relativamente pobre
do modelo Logit, como indicado pelo valor da estatstica , e a porcentagem regular
de previses corretas feitas pela RNA podem de alguma forma compensar um ao outro
quando visualizados em conjunto no mapa. O mapa mostrando os potenciais usurios
encontrados com ambas as tcnicas pode ser uma boa indicao da existncia desses
usurios nas reas indicadas.

200

JTL-RELIT

v.

Journal of Transport Literature

vol. 6, n. 3

A aplicao destas duas tcnicas para So Carlos confirmou que a visualizao

geogrfica das reas com maior potencial de atrao de usurios para o nibus pode se
tornar um excelente subsdio para formulao de polticas de transporte que priorizem
o modo coletivo ao invs do modo individual. Os atributos utilizados na caracterizao
das reas permitem a esse instrumento duas formas de utilizao. A primeira, por meio
da criao de polticas de planejamento para o transporte pblico baseadas no
comportamento dos usurios frente a alteraes das caractersticas relacionadas ao
sistema de transportes de uma cidade. Essas mudanas podem incluir alteraes diretas
no sistema de transporte, o que facilita ainda mais a tomada de decises pelos gestores
pblicos. A segunda, atravs da elaborao de medidas preventivas a uma alterao da
escolha do modo de transporte de acordo com a variao nas caractersticas
socioeconmicas da populao, seja esta mudana positiva ou negativa.

A comparao entre o modelo de redes neurais com um modelo Logit confirmou o resultado
encontrado para o efeito das variveis. Em alguns casos, ajudou a evidenciar as possveis
diferenas e incompatibilidades de cada anlise. Inconsistncias talvez tenham sido causadas
por respostas no condizentes com o real comportamento de alguns entrevistados quando
afirmaram que trocariam o carro pelo transporte pblico. Nenhum dado pde ser descartado,
no entanto, pois no possvel atestar a veracidade das manifestaes dos entrevistados. Um
maior nmero de dados poderia reduzir o impacto desta dvida e beneficiar o desempenho
dos modelos. Outra opo seria a obteno de dados de comportamento revelado e no apenas
declarado.

201

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Referncias
Akamine, A. (2005) Explorando Alternativas para Construo de Modelos Neurais de Interao
Espacial. Dissertao (Mestrado). Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos.
Alves, V. F. B. (2011) Explorando Tcnicas para a Localizao e Identificao de Potenciais
Usurios de Transporte Pblico Urbano. Dissertao (Mestrado). Escola de Engenharia de So
Carlos, Universidade de So Paulo, So Carlos.
Beiro G. e J. A. S. Cabral (2007) Understanding Attitudes towards Public Transport and Private Car:
A Qualitative Study. Transport Policy, v. 14, n. 6, p. 478-489.
Ben-Akiva, M. E. e S. R. Lerman (1985) Discrete Choice Analysis: Theory and Application to Travel
Demand, MIT Press, Cambridge, Massachusetts.
Brnos, M., M. Ruigrok e P. Deelen (2001) The Potential Public Transport User in the Picture
(original em holands), Verkeerskunde, v. 1, n. 9, p. 50-54.
Bocanegra, C. W. R. (2002) Procedimentos para Tornar Mais Efetivo o Uso das Redes Neurais
Artificiais em Planejamento de Transportes. Dissertao (Mestrado). Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos.
Brondino, N. C. M. (1999) Estudo da Influncia da Acessibilidade no Valor de Lotes Urbanos Atravs
de Redes Neurais. Tese (Doutorado). Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos.
Button, K. (2006) Transportation Economics: Some Developments Over the Past 30 Years. Journal of
the Transportation Research Forum, v. 45, n. 2, p. 7-30.
Corra, F. (2008) Aplicaes de Redes Neurais Artificiais no Setor de Transportes no Brasil.
Dissertao (Mestrado). Universidade Federal de So Carlos, So Carlos.
Cunha, C. A. (2005) Estudo de Relaes entre Caractersticas das Cidades e das Linhas de
Transporte Coletivo. Dissertao (Mestrado). Universidade de Braslia, Braslia, DF.
DellOlio, L.; A. Ibeas e P. Cecin (2011) The Quality of Service Desired by Public Transport Users.
Transport Policy, v. 18, n. 1, p. 217-227.
DENATRAN - Departamento Nacional de Trnsito (2011) Frota Municipal. Ministrio das Cidades,
Sistema Nacional de Registro de Veculos/RENAVAM, Sistema Nacional de Estatstica de
Trnsito/SINET. Disponvel em: www.denatran.gov.br/frota.htm. Acessado em: 30 julho 2011.
Dougherty, M. (1995) A Review of Neural Networks Applied to Transport. Transportation Research
Part C: Emerging Technologies, v. 3, n. 4, p. 247-260.
Galvo, C. O. e M. J. S. Valena (1999) Sistemas Inteligentes: Aplicaes a Recursos Hdricos e
Cincias Ambientais. Ed. Universidade Federal do Rio Grande do Sul / Associao Brasileira de
Recursos Hdricos, Porto Alegre.
IBGE (2011) Relatrio do Censo Populacional 2010, Instituto Brasileiro de Geografia e Estatsticas,
Rio de Janeiro. Disponvel em: www.ibge.gov.br/english/estatistica/populacao/censo2010/.
Acessado em: 20 julho 2011.
Lancaster, K. J. (1966) A New Approach to Consumer Theory. The Journal of Political Economy,
v. 74, n. 2, p. 132-157.
Lovelock, C. H. (1975) Researching and Modeling Consumer Choice Behavior in Urban
Transportation. In: M. J. Schlinger (ed.) Advances in Consumer Research, Vol. II, p. 851-862.
Association for Consumer Research, Chicago, IL, EUA.

202

JTL-RELIT

Journal of Transport Literature

vol. 6, n. 3

Novaes, A. G. (1986) Sistemas de Transportes. Vol. 1: Anlise da Demanda. Edgard Blucher, So

Paulo.
Ortzar, J. D. S. e L. G. Willumsen (1994) Modelling Transport, 2 Ed., John Wiley and Sons,
Chichester, Inglaterra.
Raia Jr., A. A. (2000) Acessibilidade e Mobilidade na Estimativa de um ndice Potencial de Viagens
Utilizando Redes Neurais Artificiais. Tese (Doutorado). Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos.
Rodrigues da Silva, A. N. (2008) Elaborao de um Banco de Dados de Viagem para Auxlio ao
Desenvolvimento de Pesquisas na rea de Planejamento dos Transportes. Relatrio FAPESP,
Processo n 04/15843-4. Escola de Engenharia de So Carlos, Universidade de So Paulo, So
Carlos.
Rodrigues da Silva, A. N.; R. A. R. Ramos; L. C. L. Souza; D. S. Rodrigues e J. F. G. Mendes (2008)
SIG: Uma Plataforma para Introduo de Tcnicas Emergentes no Planejamento Urbano: uma
Ferramenta 3D para Anlise Ambiental Urbana, Avaliao Multicritrio, Redes Neurais
Artificiais. Edufscar, So Carlos.
Silva, F. A. B. (2004) Modelos Paramtricos de Escolha Discreta Aplicados Receita Mdica e
Automedicao no Continente Portugus. Dissertao (Mestrado). Instituto Superior de
Economia e Gesto, Universidade Tcnica de Lisboa, Lisboa, Portugal.
Smith, M. (1996) Neural Networks for Statistical Modeling. International Thomson Computer Press,
Londres, Inglaterra.
Tillema, F.; K. M. v. Zuilekom e M. F. A. M. v. Maarseveen (2006) Comparison of Neural Networks
and Gravity Models in Trip Distribution. Computer-Aided Civil and Infrastructure Engineering,
v. 21, n. 2, p. 104-119.
Van der Waerden, P. J. H. J.; A. N. Rodrigues da Silva; H. J. P. Timmermans; M. Brnos e G. R.
Rocha (2008) Public Transport Planning Tools and their Data Requirements and Availability.
Anais da 9th International Conference on Design and Decision Support Systems, Valkenswaard,
Holanda.
Van der Waerden, P. J. H. J.; A. W. J. Borgers; H. J. P. Timmermans e M. Brnos (2005) In Search
of the Public Transport Users: Towards Public Transportation Potential Maps. Anais do 84th
Annual Meeting of the Transportation Research Board, Washington, D.C.
West, P. M., P. L. Brockett e L. L. Golden (1997) A Comparative Analysis of Neural Networks and
Statistical Methods for Predicting Consumer Choice. Marketing Science, v. 16, n. 4, p. 370-391.
Zhou, Y.; K. Viswanathan; Y. Popuri e K. Proussaloglou (2004) Transit Customers - Who, Why,
Where, and How: A Market Analysis of the San Mateo County Transit District. Anais do 83rd
Annual Meeting of the Transportation Research Board, Washington, D.C.

203