UNIVERSIDADE DE SO PAULO

ESCOLA DE ENGENHARIA DE SO CARLOS

DEPARTAMENTO DE TRANSPORTES

UM MTODO DE UTILIZAO DE DADOS DE PESQUISA

EMBARQUE/DESEMBARQUE NA CALIBRAO DE
MODELOS DE DISTRIBUIO DO TIPO GRAVITACIONAL

Eric Amaral Ferreira

Dissertao apresentada Escola de Engenharia de So Carlos da

Universidade de So Paulo, como parte dos requisitos para obteno do
ttulo de Mestre em Engenharia (rea: Transportes).

ORIENTADOR: Prof. Dr. Antnio Nlson

Rodrigues da Silva

So Carlos
1999
 Aos que me guiam:

Deus pai e me

Se antes a terra, e depois o capital, eram os fatores decisivos

para a produo... hoje o fator decisivo , cada vez mais, o
homem em si, ou seja, seu conhecimento.

Pp. Joo Paulo II, Centesimus Annus. Encclica 1991.

 AGRADECIMENTOS

Escola de Engenharia de So Carlos.

Ao professor e orientador Doutor Antnio Nlson Rodrigues da Silva
pela confiana e orientao dispensada nos momentos finais.
CAPES e a FAPESP pela bolsa auxlio e que estas continuem a
incentivar a pesquisa no Brasil.
Ao professor Doutor Eiji Kawamoto pela orientao inicial.
Ao professor Doutor Jos Bernardes Felex conhecedor das boas
coisas da vida.
Aos professores do Departamento de Matemtica, em especial ao
Doutor Marcos Arenlis pela ajuda e orientao nos modelos e ao
Professor Castelo pelas discusses sempre proveitosas.
Aos Professores Juan de Dios Ortzar e Frank Southworth. Ortzar
por ter me indicado o Frank. Ao Frank por ter me indicado alguns
artigos.
Cynthia Perptua pelo auxlio na elaborao do programa.
Ao professor Doutor Joo Alexandre Widmer pelas conversas nos
momentos de deciso.
todos os professores que fizeram com que meu conhecimento
fosse descoberto.
todos os colaboradores que fazem com que o STT exista.
Aos meus amigos de mestrado e a todas as pessoas com as quais
tenho e tive contato.
 SUMRIO

LISTA DE SMBOLOS _______________________________________________ i

RESUMO __________________________________________________________ 3
ABSTRACT ________________________________________________________ 4
1 - INTRODUO ___________________________________________________ 5
1.1 - Objetivos _______________________________________________________ 6
1.2 - Apresentao dos captulos ________________________________________ 7
2 - TRANSPORTE PBLICO URBANO _________________________________ 8
2.1 - Introduo _____________________________________________________ 8
2.2 - Noes sobre transporte pblico urbano ____________________________ 18
2.3 - Modos de transporte coletivo urbano _______________________________ 21
2.3.1 - Transporte coletivo urbano por nibus ______________________________ 22
2.3.1.1 - Rotas _________________________________________________________ 24
2.3.1.2 - Pontos de parada _______________________________________________ 27
3 - MTODOS DE OBTENO DE MATRIZES NUMA LINHA DE
TRANSPORTE PBLICO. ___________________________________________ 29
3.1 - Representao da matriz _________________________________________ 30
3.1.1 - Representao de uma matriz em uma linha de transporte pblico por nibus
_____________________________________________________________________ 36
3.2 - Mtodos diretos ________________________________________________ 38
3.2.1 - Mtodos censitrios ______________________________________________ 39
3.2.2 - Mtodo de pesquisas domiciliares de autopreenchimento _______________ 39
3.2.3 - Pesquisa de entrevista pessoal domiciliar_____________________________ 42
3.2.4 - Pesquisas de abordagem __________________________________________ 44
3.2.5 - Mtodo de pesquisa de abordagem do tipo "santinho ______________________ 46
3.2.6 - Pesquisas de observao __________________________________________ 47
3.3 - Mtodos indiretos _______________________________________________ 49
3.4 - A pesquisa embarque/desembarque (E/D) como fonte de informaes ____ 51
4 - MODELOS DE DISTRIBUIO ___________________________________ 52
4.1 - Demanda por transportes ________________________________________ 52
4.2 - Modelos de distribuio __________________________________________ 73
4.2.1 - Abordagens dos modelos de distribuio de viagens____________________ 74
4.3 - Modelo de programao linear ____________________________________ 78
4.4 - Modelo de oportunidades_________________________________________ 80
4.5 - Modelo eletrosttico _____________________________________________ 81
4.6 - Mtodo do fluido _______________________________________________ 83
4.7 - Modelos entrpicos _____________________________________________ 85
4.8 - Algoritmo SYNODM (matrizes sintticas origem-destino) ______________ 88
4.9 - Modelo gravitacional ____________________________________________ 91
4.10 - Modelo de equilbrio ___________________________________________ 94
4.11 - Modelo nibus O/D ____________________________________________ 99
5 - MODELO PROPOSTO __________________________________________ 103
5.1 - Introduo ___________________________________________________ 103
5.2 - Modelo de gravidade restringido proposto ___________________________ 93
5.2.1 - Formulao do modelo proposto____________________________________ 94
5.3 - Calibrao ____________________________________________________ 98
5.3.1 - Determinao do parmetro i____________________________________ 100
5.4 - Mtodo de Gauss-Newton _______________________________________ 100
5.4.1 - Utilizao do modelo de Gauss-Newton no modelo de gravidade restringido
____________________________________________________________________ 102
5.5 - Obteno do modelo de gravidade proposto via maximizao da entropia_ 105
6 - APLICAO DO MODELO ______________________________________ 111
6.1 - Introduo ___________________________________________________ 111
6.2 - Avaliao do desempenho do modelo ______________________________ 104
6.2.1 - Chi-quadrado __________________________________________________ 104
6.2.2 - ndice de dissimilaridade _________________________________________ 105
6.2.3 - Estatstica phi-normalizada_______________________________________ 105
6.3 - Consideraes sobre agregaes de pontos de parada _________________ 106
6.4 - Apresentao dos resultados _____________________________________ 110
7 - CONCLUSES E RECOMENDAES ____________________________ 114
REFERNCIAS BIBLIOGRFICAS _________________________________ 118
ANEXO B ________________________________________________________ 130
 LISTA DE SMBOLOS

Vij nmero de viagens com incio em i e trmino em j

Xij valores das transferncias intrazonais
Z valor mnimo da funo linear das variveis (dado pelo modelo)
VPi Q j probabilidade de movimento da zona i para a zona j

Pi nmero de trabalhadores morando na zona i

Qj nmero de empregos disponveis na zona j
Rij distncia em linha reta da zona i zona j
VQ j Pi probabilidade de movimento da zona j para a zona i

A i, constante de proporcionalidade das origens

Bj constante de proporcionalidade dos destinos
Oi nmero de viagens que tm origem na zona i
Dj nmero de viagens com destino em j
Cij custo da viagem entre i e j
multiplicador de Lagrange
Etl mdia do nmero de passageiros que embarcam num nibus da linha
l no trecho t
Dtl mdia do nmero de passageiros que desembarcam de um nibus da
linha l no trecho t
Ot0 ocupao mdia de um nibus da linha l no trecho t0
l nmero de identificao de uma linha de nibus
Nl nmero de viagens pesquisadas na linha l
t trecho de linha (ou link de uma rota de nibus). Tem incio em um
ponto de nibus t e fim no ponto imediatamente posterior (t +1)
Etkl total de passageiros que entram no nibus da viagem k da linha l no
trecho t
TElt total de embarques de transferncia na linha l trecho t
TDlt total de desembarque para transferncia na linha l trecho t
f(cij) funo impedncia de viagem entre i e j
K constante a ser calibrada
Ptij probabilidade de um passageiro com origem em i e destino em j
escolher um nibus que passe no trecho t
Vtl volume total de passageiros no trecho t durante o perodo de tempo t.
S percentual dos nibus pesquisados durante o perodo de tempo t
(amostragem)
porcentagem de passageiros embarcados em um ponto desembarcam
no ponto seguinte
ci carregamento no trecho
Ek passageiros embarcados
Dk passageiros desembarcados
x2 chi quadrado
phi-normalizado
ID ndice de dissimilaridade
 RESUMO

FERREIRA, E. A. Um mtodo de utilizao de dados de pesquisa

embarque/desembarque na calibrao de modelos de distribuio do
tipo gravitacional. So Carlos, 1999. 110p. Dissertao (Mestrado) -
Escola de Engenharia de So Carlos, Universidade de So Paulo.

O objetivo deste trabalho testar um modelo de distribuio de viagens do

tipo gravitacional para a calibrao de matrizes origem/destino (O/D) em
linhas de transporte pblico por nibus a partir de dados de pesquisa de
contagem de embarque/desembarque (E/D).
A metodologia proposta possibilita a obteno de matrizes O/D de forma
rpida e barata, pois combina um mtodo de pesquisa simples e de baixo
custo (pesquisa de contagem de usurios) com um modelo de distribuio
de viagens.
O modelo associa a cada ponto de origem um valor de parmetro. A
utilizao de um valor de parmetro associado a cada origem busca neste
caso reproduzir o custo mdio de distribuio de viagens de uma origem em
relao aos seus diferentes destinos. O modelo incorpora ainda como
restrio a probabilidade de um passageiro desembarcar no ponto seguinte
ao seu ponto de embarque.
Os dados de pesquisa foram cedidos pelo Departamento de Transportes da
Universidade Federal do Paran. O teste de desempenho do modelo foi
realizado atravs da comparao entre matrizes O/D observadas e
simuladas para as cidades de Curitiba e Paranagu.

Palavras-chave: matriz O/D; distribuio de viagens, calibrao, modelo

gravitacional.

3
 ABSTRACT

FERREIRA, E. A. An on/off data utilization method in calibration of gravity models.

So Carlos, 1999. 110p. Dissertao (Mestrado) Escola de Engenharia de
So Carlos, Universidade de So Paulo.

The aim of this work is to test a gravity model for trip distribution designed to
estimate bus routes origin/destination (O/D) matrices based on boarding and
alighting data.
The proposed method combines a simple and low-cost survey method (on/off
passenger counting) with a mathematical model for trip distribution, which
enables the estimation of an O/D matrix in a fast and inexpensive manner.
The model assumption that each origin point is associated to a parameter
value tries to reproduce the average costs of the actual trip distribution from
each origin to every single destination along the bus route. The model brings
also as a built-in restriction an expected (usually low) probability of
passengers getting off the vehicle in the bus stop following the boarding
point.
The survey data used in this work have been collected by researchers of the
Transportation Department at the Federal University of Paran. The model
performance has been tested by the comparison of observed and simulated
O/D matrices in the cities of Curitiba and Paranagu. The results found in
most of the simulations showed that for an estimated trip frequencies did not
statistically differ from the actual values for a required level of significance

Keywords: O/D matrix estimation, calibration,gravity models, trip distribution

models

4
1 - INTRODUO

Com o crescimento e aglomerao dos centros urbanos surgem

inmeros problemas relacionados aos deslocamentos de pessoas e
mercadorias, gerando uma infinidade de problemas para a comunidade,
incluindo congestionamento de trfego, atrasos, poluies sonoras, visuais e
atmosfrica. Conhecendo estes problemas e a fim de minimizar os
problemas decorrentes da atividade transporte, administradores, polticos e
instituies pblicas vm procurando avaliar, organizar e coordenar o
transporte dentro dos centros urbanos.

A minimizao destes problemas pressupe um entendimento dos

componentes do sistema de transporte, dentre eles o sistema de transporte
coletivo, do padro bsico de viagens, bem como os motivos e desejos da
populao.

Cientes de que os deslocamentos espaciais da populao de uma

determinada rea urbana em um determinado intervalo de tempo podem ser
representados por uma matriz O/D, tcnicos em transporte adotam-na como
informao bsica para a sua atividade de planejamento.

As matrizes so um importante meio de descrio da demanda de

passageiros e tm sido utilizadas sistematicamente nas anlises de,
planejamento, programao e avaliao de rotas (LONDON TRANSPORT

5
INTERNATIONAL CONSULTANTS1.1 apud FURTH & NAVICK, 1993a),
avaliaes de pontos de parada e servios expressos, identificao dos
locais de troca de viagens os quais justifiquem servios de integrao, e
integrao entre servios expressos e locais (FURTH et al.1.2 apud FURTH &
NAVICK, 1993a).

Matrizes origem-destino indicam o nmero de passageiros viajando

entre pares de pontos de uma linha de nibus. As matrizes podem ser do dia
todo ou somente de um perodo especfico de interesse de determinadas
viagens.

Uma matriz O/D sintetiza a demanda por viagem de uma populao,

embora de forma imperfeita, uma vez que ela no capta a demanda
reprimida. Confrontando a demanda assim descrita com a oferta em uma
determinada rea, pode-se planejar algum tipo de soluo para problemas
detectados, ou problemas que possam ocorrer em um futuro prximo. Por
meio de uma seqncia de matrizes O/D ao longo do tempo, os operadores
de transporte podem ter uma idia bastante clara do volume de servios que
devero ofertar entre dois pontos de um espao geogrfico. O conhecimento
do comportamento da demanda pode ajudar a evitar que se oferea um
volume de servios excessivo ou insuficiente. O primeiro implicaria em
realizar gastos desnecessrios, e o segundo em comprometer a qualidade
dos servios. Assim muitos dos problemas de planejamento e operao
(tarifas diferenciadas, servios expressos, limitao de pontos de parada,
etc.) em transportes pblicos, como a eficincia e o nvel de servio, so
resolvidos total ou parcialmente com a utilizao de matrizes Origem-Destino
(KAWAMOTO, 1994).

1.1 LONDON TRANSPORT INTERNATIONAL CONSULTANTS, INC (1987). Route, Schedule and ridership
analyses. Final report/Technical report to Dallas Area Rapid Transit. apud FURTH, P. G.; NAVICK, D. S.
(1993a). Bus route O-D matrix generation: relationship between biproportional and recursive methods.
Transportation Research Record, n.1338. p.14-21.
1.2 FURTH, P. G. et al. (1984). Operating strategies for major radial bus routes. Report DOT I - 84 - 27. UMTA, U.
S. Department of Transportation. apud FURTH, P. G.; NAVICK, D. S. (1993a). Bus route O-D matrix

5
 O problema da obteno de uma matriz O/D o seu alto custo, pois a
sua elaborao requer grande volume de informaes que devem ser
coletadas de alguma forma. Entre os mtodos mais freqentemente
utilizados na coleta de dados citam-se: pesquisa domiciliar, pesquisa nos
pontos de atrao (locais de trabalho, comrcio, escolas, cinemas, etc.), nos
pontos de parada de transporte coletivo (quando o objetivo for
exclusivamente o planejamento deste tipo de transporte), etc. Quanto mais
elaborada e abrangente for a pesquisa, maior o volume de recursos a ser
empregado na preparao (coleta) e tabulao dos dados. No por outra
razo que se buscam mtodos expeditos e baratos.

Apesar da sua importncia, so poucas as cidades brasileiras que

dispem de matrizes O/D, e que mantm rgos gerenciadores dotados de
engenheiros de transporte capacitados para efetuar os servios de
planejamento e operao.

Por tudo isso, a necessidade de desenvolvimento de mtodos de

obteno de matrizes O/D de forma rpida e de baixo custo tem motivado
pesquisadores e tcnicos em transporte.

1.1 - Objetivos

Este trabalho tem por objetivos: revisar os mtodos de obteno de

matrizes O/D em linhas de transporte urbano, os quais combinem modelos
de previso de demanda de viagens e mtodos simples e baratos de coleta
de dados, e apresentar um mtodo de utilizao de dados de pesquisa
embarque/desembarque (E/D) para calibrao de matrizes O/D a partir de
um modelo gravitacional.

generation: relationship between biproportional and recursive methods. Transportation Research Record,
n.1338. p.14-21.

6
1.2 - Apresentao dos captulos

A importncia do transporte coletivo por nibus no Brasil fica

evidenciada no captulo 2. Os transportes coletivos respondem por cerca de
50% das pessoas transportadas em nossas cidades. O planejamento de um
sistema de transporte necessariamente passa pelo conhecimento das
tecnologias e dos modos de transporte. Assim, o captulo 2 introduz noes
sobre as particularidades do transporte pblico, em especial dos nibus
urbanos.

O captulo 3 trata da representao de uma matriz e dos mtodos de

obteno de matrizes, diretos e indiretos.

O captulo 4 apresenta os modelos de distribuio de viagens e os

mtodos de obteno de matrizes a partir de dados de pesquisa embarque-
desembarque.

O captulo 5 apresenta um mtodo de calibrao de um modelo de

gravidade.

O captulo 6 apresenta a aplicao do modelo proposto para as

cidades de Curitiba e Paranagu e as anlises estatsticas utilizadas para a
validao do modelo proposto.

No captulo 7 esto reunidas as concluses e recomendaes

referentes ao modelo estudado.

Os anexos apresentam o programa desenvolvido em Turbo Pascal e

o modelo de entrada de dados.

7
2 - TRANSPORTE PBLICO URBANO

2.1 - Introduo

O planejamento dos transportes coletivos de massa, especialmente o

transporte coletivo por nibus no Brasil, de suma importncia, visto que
esse modo de transporte corresponde a quase 50% das viagens realizadas.
O transporte pblico um servio essencial nas cidades, pois democratiza a
mobilidade para as pessoas que no possuem automveis; torna-se uma
alternativa aos congestionamentos de trfego, quando dotados de vias
especiais ou segregadas; reduz a poluio e o uso indiscriminado da energia
automotiva; reduz a construo de vias e estacionamentos, auxiliando
polticas de uso e ocupao do solo, dentre outras vantagens.

O objetivo deste captulo apresentar os modos de transporte

pblico, em especial o transporte pblico por nibus. No modo nibus
urbano, devido a importncia para a obteno de matrizes de viagem
origem-destino a partir de dados de pesquisa embarque-desembarque, so
descritos os tipos de veculos, as rotas de transporte e os pontos de parada.
O conhecimento dos elementos componentes de um sistema de transporte
fundamental para o planejamento e operao dos modos de transporte.

8
2.2 - Noes sobre transporte pblico urbano

O sculo XX experimentou o maior desenvolvimento cientfico e

demogrfico da histria da humanidade, e esse desenvolvimento propiciou o
crescimento dos centros urbanos de uma forma nunca vista.

Segundo MORLOK (1978), o desenvolvimento de meios de transporte

mecanizados permitiu o aumento gradativo do tamanho das cidades.

No Brasil, mais de 78 milhes de viagens motorizadas so realizadas

por dia; estima-se que mais de 70% sejam realizadas por meio dos
transportes coletivos. Aproximadamente 62% das pessoas que utilizam os
coletivos tm por motivo o trabalho. Isto comprova sua importncia social e
seu papel como instrumento de produo (PADILHA, 1998).

Dentre os diversos servios essenciais manuteno das cidades

modernas (abastecimento de gua, energia eltrica, coleta de resduos
slidos e lquidos, etc.), temos o transporte como um dos principais servios.
O transporte um dos servios mais importantes, pois possibilita o
deslocamento de mercadorias e pessoas, mantendo o suprimento de
alimentos e o contato entre as pessoas. O transporte pblico democratiza os
deslocamentos de pessoas dentro e entre cidades, contribuindo para um
aumento da qualidade de vida quando atinge seus objetivos.

Segundo PASCHETTO et al. (1984) o transporte urbano estruturou o

crescimento de boa parte das cidades at a metade deste sculo. O
crescimento da rede de transporte acompanhou o crescimento das
populaes urbanas, tanto nas reas centrais quanto nas zonas externas
das reas urbanas.

O transporte pblico desempenha um papel social e econmico de

extrema relevncia, pois:
18
 democratiza a mobilidade, proporcionando locomoo para aqueles que
no possuem automvel ou no podem dirigir (a se incluem: pobres,
idosos, crianas, adolescentes, deficientes, etc.).
representam uma alternativa de transporte em substituio ao automvel,
fundamental para aliviar os congestionamentos, a poluio (sobretudo
atmosfrica) e o uso indiscriminado de energia automotiva
(principalmente do petrleo, cujas fontes so finitas e no renovveis).
ainda como substituto do automvel, reduz a necessidade de
investimentos da construo de vias, estacionamentos, etc., permitindo a
alocao de recursos em setores de maior relevncia social, bem como
uma utilizao mais racional do solo urbano.

Segundo FERRAZ (1998), dentre os diversos modos de transporte, o

transporte pblico o modo mais importante, sendo responsvel por mais da
metade das viagens urbanas motorizadas.

FERRAZ (1998) aponta que aproximadamente 75% da populao

vive nas cidades. Ou seja, atualmente 120 dos 160 milhes de brasileiros
vivem em cidades. Considerando os estudos demogrficos que apontam a
estabilizao do crescimento daqui a 50 anos, o Brasil ter 240 milhes de
habitantes. Supondo que o ndice de urbanizao dever ser de 80%,
teremos uma populao urbana de cerca de 192 milhes de habitantes nas
cidades, sendo que 75% da populao urbana vive hoje em municpios que
possuem mais de 100.000 habitantes.

Esses valores mostram a importncia do equacionamento adequado

da questo do transporte urbano no pas, pois a qualidade desse transporte
afetar a qualidade de vida da grande maioria da populao.

Para a ANTP (1997), os sistemas de transporte pblico passam por

um declnio na sua importncia, na sua eficincia e na sua confiabilidade

19
junto ao pblico, tornando-se um mal necessrio para aqueles que no tm
outra opo de deslocamento. Como conseqncia imediata, houve a
formao de dois grupos que refletem, na prtica, as desigualdades sociais
e econmicas de nossa sociedade: os que tm acesso ao automvel e os
que precisam do transporte pblico. Ou seja, enquanto uma parcela reduzida
goza das melhores condies de transporte, a maioria continua tendo o seu
direito de ir e vir limitado.

As condies atuais de transporte so precrias para a maioria da

populao, pelo desconforto, congestionamentos e acidentes. Com o
objetivo de reverter esta situao, necessrio fazer um novo exame do
modelo atual de transporte e circulao das cidades brasileiras, que
proporcione melhores opes de deslocamento, juntamente com uma maior
eficincia geral do sistema. Isto s pode ser obtido caso o processo de
desenvolvimento urbano e as polticas de transporte e trnsito sejam
revistas, de forma a gerar um equilbrio entre os vrios modos, que aumente
a eficincia geral do sistema e garanta condies adequadas para a maioria
dos usurios (ANTP, 1997). Para se conseguir estes resultados, as polticas
necessrias devem ser adotadas, de acordo com a ANTP (1997), de forma a
garantir:

melhor qualidade de vida para toda a populao, traduzida por condies

dignas de transporte, segurana de trnsito e acessibilidade para a
realizao das atividades essenciais vida moderna;
eficincia, demonstrada pela disponibilidade de uma rede de transportes
integrada por modos complementares, trabalhando em regime de
eficincia, com prioridade efetiva para os meios coletivos;
qualidade ambiental, representada pelo controle dos nveis de poluio
atmosfrica e sonora, pela proteo do patrimnio histrico,
arquitetnico, cultural e ambiental e das reas residenciais e de vivncia
coletiva contra o trnsito indevido de veculos.

20
2.3 - Modos de transporte coletivo urbano

Existem vrios modos de transporte coletivo urbano de passageiros

(tabela 2.1), cada qual operando de acordo com as caractersticas
(econmicas) e necessidades de cada cidade. Existe ainda um outro meio
de transporte situado entre o transporte coletivo e o transporte individual, o
txi, esse possui as vantagens do carro prprio, porm com um custo
geralmente superior aos demais meios de transporte coletivo.

Tabela 2.1 - Principais caractersticas tcnicas dos modos de transporte

pblico
Caractersticas Modos
nibus Bonde VLT Metr Subrbio
Largura (m) 2,4 2,6 2,4 2,6 2,4 2,8 2,5 3,2 2,5 3,2
Comprimento (m) 10 24 14 23 14 30 15 23 20 26
Capacidade (pass) 80 - 240 130 - 230 150 - 350 160 - 300 180 - 250
Unidades em 14 13 14 4 10 4 10
comboio independente engatada engatada engatada engatada
Velocidade (km/h) 10 20 10 20 20 40 25 60 40 70
Capacidade 5 15 5 15 10 30 25 60 20 50
(mil pass./h)
Distncia entre 200 - 400 200 - 400 400 - 800 700 - 2000 1500 - 4000
paradas (m)
Fonte: FERRAZ (1998).

Devido ao menor investimento em infra-estrutura e aquisio das

unidades de transporte quando comparado aos demais modos de transporte,
os nibus tornaram-se o principal meio de transporte coletivo no Brasil.

Segundo FERRAZ (1998), cerca de 50% do transporte urbano

motorizado no pas feito utilizando transporte pblico (95% por nibus e
outros 5% por metr e trem) e os outros 50% com veculos particulares
(carros e motocicletas).
21
2.3.1 - Transporte coletivo urbano por nibus
O transporte coletivo urbano existe em funo das atividades e
necessidades econmicas e sociais dos habitantes de uma comunidade,
sendo indispensvel em comunidades carentes de recursos, uma vez que o
automvel particular no est ao alcance de todos. J em comunidades
abastadas, a falta de condies espaciais para os deslocamentos essenciais
provocados por congestionamentos e estacionamentos desestimulam o uso
do automvel, desde que haja solues alternativas. Desta forma, tem-se no
Brasil o nibus como sinnimo de transporte coletivo urbano, sendo esta a
principal tecnologia utilizada para este fim.

O nibus provavelmente o modo de transporte mais difundido em

todo o mundo. Este fato est relacionado com sua flexibilidade, sua
capacidade de adaptar-se a diferentes demandas, sua tecnologia simples,
sua facilidade em trocar de rotas ou criar novas rotas, alm dos baixos
custos de fabricao, implementao e operao quando comparados
outros modos. Tudo isto faz com que o nibus seja, atualmente, o principal
modo de transporte pblico disponvel em cidades de pequeno e mdio
portes, alm de um importante complemento para os modos de alta
capacidade nas grandes cidades (BALASSIANO, 1997; SILVA & FERRAZ,
1991).

Segundo a MERCEDES BENZ DO BRASIL (1987), as causas do

nibus terem sido to amplamente empregados com relao s outras
modalidades de transporte so:

Requer menor investimento inicial do que os sistemas sobre trilhos;

Por sua natureza, ser meio essencial de transporte;
Flexibilidade na adequao de itinerrios e expanso de trajetos;
Rapidez na implantao;

22
 Poder transportar demandas elevadas e atingir altas velocidades, desde
que em condies prioritrias;
Valor de revenda alto;
Ser operado na maioria dos casos pela iniciativa privada e apenas
regulamentado por rgos pblicos.

Desta maneira, o nibus est integrado na configurao da maioria

das cidades brasileiras como meio de transporte coletivo essencial. Estima-
se que ele atenda cerca de 95% dos deslocamentos urbanos (trabalho,
escola, compras, lazer e outras atividades) por transporte pblico no pas,
considerando-se a tambm o trlebus (ANTP, 1997).

De acordo com a MERCEDES BENZ DO BRASIL (1987), as

exigncias do passageiro, consideradas relevantes para a qualidade do
servio de transporte coletivo por nibus, so:

Distncias curtas a p aos pontos de parada mais prximos por onde

passam os nibus que vo ao destino desejado ou sua vizinhana;
Segurana (reduo dos riscos de acidentes entre veculos, conflitos e
assaltos no interior dos veculos);
Mnimo tempo de espera;
Confiabilidade (cumprimento do horrio preestabelecido, poucas
quebras);
Viagens rpidas (fluidez no trfego e nos pontos de parada);
Conforto (ausncia de baldeaes ou ento integraes coordenadas e
rpidas; nmero de passageiros por metro quadrado; limpeza dos nibus,
terminais, paradas, etc.);
Tarifas baixas; e
Atendimento dos seus desejos de deslocamentos (trabalho, estudo, etc.).

Deve-se observar que, na prtica, dificilmente o passageiro tem estas

exigncias cumpridas satisfatoriamente. As distncias para os pontos de
23
parada s vezes so inadequadas, tendo o passageiro que percorrer longas
distncias a p para pegar o nibus. Os tempos de espera so longos e a
viagem demorada, tendo o passageiro que usar vrios meios de transportes
sem integrao modal e tarifria, sendo obrigado a pagar mais de uma tarifa.

Embora essas exigncias tenham definies prprias e objetivas, elas

representam valores subjetivos que passam pela percepo do passageiro,
que influenciado por um conjunto de caractersticas prprias do indivduo.
Desta forma, torna-se essencial considerar o perfil do passageiro, podendo-
se ento analisar as diferentes maneiras de percepo, peculiares de cada
grupo, ou seja, como os passageiros enxergam o transporte e o que
desejam desse servio.

2.3.1.1 - Rotas
Grande parte das linhas de transporte pblico por nibus surgem das
reivindicaes de moradores junto as empresas de transporte operadoras e
ao poder pblico. Porm as linhas do transporte pblico devem passar pelos
pontos de atrao de viagens da rea que destinada a atender, assim
como proporcionar uma cobertura satisfatria das reas habitadas.

O itinerrio da linha deve permitir que todos os habitantes de uma

determinada rea coberta pelo sistema de transporte pblico possam utiliz-
lo com percursos realizados a p dentro de limites tolerveis. FERRAZ
(1998) considera a acessibilidade, isto , a distncia percorrida a p para
comear e finalizar as viagens, como boa para distncias de caminhada
menores que 300 metros; acessibilidade mdia para distncias entre 300 a
500 metros e ruim para distncias superiores a 500 metros.

24
 Em funo do atendimento oferecido e do itinerrio desenvolvido, as
linhas de nibus recebem uma classificao. Cada tipo de linha se ajusta
melhor a um determinado padro de atendimento. Conhecer o
comportamento da demanda a ser atendida imprescindvel para determinar
o tipo de linha e o tipo de nibus que apresentaro os melhores resultados
operacionais.

De acordo com SILVA & FERRAZ (1991), os tipos mais usuais de

linhas de nibus so:

diametral: liga bairros diametralmente opostos passando pelo centro.

Pode ser utilizada como opo de integrao entre bairros;
radial: liga pontos perifricos da cidade e o centro. Indicada para atender
grandes fluxos de passageiros com destino final no centro da cidade;
circular: opera continuamente em torno de uma determinada rea, no
possui ponto inicial ou final, pode ou no passar pelo centro da cidade;
interbairros: faz a ligao entre subcentros de bairros, no passando pelo
centro da cidade.

As linhas radiais so as mais freqentemente encontradas na maioria

das cidades brasileiras, porque servem a regio central, a qual o maior
plo de atrao de viagens urbanas.

De modo geral, o comprimento mdio das linhas de nibus aumenta

com o crescimento da rea urbana. O caso de cidades que apresentam
linhas relativamente longas pode ser causado pela forma linear da cidade,
ou pela ocupao adensada de bairros afastados do centro da cidade.

Segundo SANCHES (1988) o comprimento mdio das linhas varia

com a extenso e a forma urbana (tabela 2.2)

25
Tabela 2.2 - Caractersticas das redes de nibus em algumas cidades
brasileiras
Cidade rea (ha) Nmero de Extenso mdia Extenso da
linhas das linhas (km) rede (km)
Campina Grande 3712 30 9.5 285
Caruaru 1862 11 6.3 69
Ribeiro Preto 13628 39 10.3 402
Campinas 10223 71 18.2 1292
Bauru 7585 22 14.1 310
Pelotas 3828 27 7.4 200
Caixias do Sul 4165 20 8.4 168
Americana 8540 20 14.1 282
Campos 4000 41 7.3 301
Juiz de Fora 6400 64 18.9 1210
Uberlndia 6906 42 17.5 740
Fonte: SANCHES (1988)

Na elaborao da rede de transporte pblico em cidades mdias,

FERRAZ (1997) recomenda a observao de quatro aspectos, para alcanar
uma eficincia satisfatria do sistema:

Evitar a sobreposio das zonas de influncia de duas ou mais linhas,

com exceo da rea central, ou quando uma das linhas cruzar a zona
de influncia de outra com o objetivo de atingir reas mais afastadas;
Definir adequadamente as zonas de influncia de cada ligao, com a
finalidade de evitar uma excessiva ociosidade na oferta nos perodos de
baixo movimento;
Estabelecer, para cada itinerrio, o caminho mais direto possvel e, de
preferncia, com os itinerrios de ida e volta na mesma via ou em vias
prximas. Devem ser evitados itinerrios sinuosos e tortuosos, pois os
traados diretos levam, quase sempre, a um desempenho mais eficiente
e eficaz do servio, bem como so bem mais fceis de serem
compreendidos e usados pelos usurios;
Utilizar linhas diametrais sempre que houver equilbrio na demanda e
significativo nmero de viagens.
26
2.3.1.2 - Pontos de parada
Pontos de parada so locais definidos nas vias pblicas onde se
realizam o embarque e desembarque de passageiros de transporte coletivo
por nibus. Geralmente esses pontos so distribudos ao longo da linha,
obedecendo a espaamentos regulares.

O tipo e a localizao dos pontos de parada influenciam a operao

do transporte pblico, afetando a velocidade comercial, o consumo de
combustvel, nmero de veculos em operao, enfim, afetam sobremaneira
a determinao dos custos e a tarifa final para o consumidor.

Devido a grande influncia no desempenho da velocidade operacional

dos nibus, VUCHIC (1981) considera que as distncias entre pontos de
nibus no deveriam ser abaixo de 300 metros, deveriam ser entre 400 e
600 metros. O manual da MERCEDES BENZ (1987) considera que as
distncias entre pontos deveriam ser entre 300 e 800 metros.

A ANTP (1995a) em entrevista a 280 municpios, identificou que a

instalao dos pontos de parada considerava os seguintes critrios:

distncia mnima entre pontos, variando de 250 a 500 metros;

reas de concentrao de demanda, adensamento residencial ou
comercial;
nmero de linhas, volume de nibus que passam no local;
possibilidade de integrao;
interferncia no sistema virio, proximidade de semforos, curvas,
posio na quadra, etc.;
topografia;

27
 segurana e comodidade para o usurio, iluminao, visibilidade,
existncia de baias, caladas;
normas de trnsito, Cdigo de Trnsito Brasileiro, Sistema de Trnsito
do Municpio.

Outros critrios bastante utilizados so: presso da populao e dos

comerciantes, costume/tradio da comunidade, e em alguns municpios o
critrio poltico.

A pesquisa da ANTP (1995a) identificou que menos da metade dos

municpios possua um cadastro ou sistema de controle sobre a quantidade
e localizao dos pontos de parada de nibus, principalmente nas cidades
de pequeno porte. As cidades de mdio e grande porte apresentaram um
controle de cadastro de pontos, apesar de que na maioria das vezes o
cadastro de pontos somente parcial.

Os pontos de parada funcionam como a referncia fsica mais visvel

do sistema de transporte, sendo efetivamente o local do contato inicial entre
o usurio e o sistema de transporte, pois onde o trecho do deslocamento
por nibus se inicia. Os pontos de parada podem ser caracterizados como
uma simples pintura nos postes, podem ser estruturas fsicas dotados de
abrigo contra chuva, banco de espera, lixeira, luminria, alm de
informaes bsicas, como o nmero e nome das linhas de passagens,
horrio de operao e partida das viagens, telefone de informaes, mapas
das linhas, etc.

Segundo a ANTP (1995b), para a implantao de pontos de parada

devem ser considerados os seguintes aspectos:

colocar pontos de parada nos locais mais convenientes para os usurios

e que ofeream boas condies de segurana na travessia; todavia,
evitar coloc-los imediatamente aps cruzamento importante, em posio

28
 inadequada em relao ao semforo, em locais de rampa acentuadas ou
junto entrada de garagens e estacionamentos;
em vias expressas ou vias de alta velocidade, colocar baias para a
parada dos nibus, nos pontos de parada; quando o volume de nibus for
elevado, colocar pavimentos rgidos junto aos pontos;
cobrir o ponto de parada para a proteo contra intempries e pavimentar
e iluminar a calada;
dimensionar o ponto de parada para o volume mximo de demanda
prevista para o local (s vezes no basta cobrir apenas o espao da
porta de embarque); adotar solues modulares que possam ser
agrupadas segundo a dimenso necessria do ponto de parada;
dotar o ponto de parada de informaes sobre as linhas de nibus que
passam no local e tambm outras informaes de interesse dos usurios;
prever a explorao publicitria nos pontos de parada como forma de
ressarcimento dos custos de implantao e manuteno dos abrigos.
Entretanto, o contrato de explorao comercial deve prever a
comercializao de toda a rede de pontos, incluindo a aqueles instalados
em regies perifricas de menor poder aquisitivo, ou pontos de menor
afluxo de usurios.

Enfim, localizao, dimenses, instalaes e informaes dos pontos

de parada so fatores que devem ser considerados prioritrios no intuito de
reduzir o desconforto do tempo parado para embarque-desembarque,
oferecer segurana e orientao aos passageiros e minimizar os efeitos que
a parada provoca no trfego em geral.

3 - MTODOS DE OBTENO DE MATRIZES NUMA LINHA

DE TRANSPORTE PBLICO.

29
3.1 - Representao da matriz

No contexto deste trabalho vamos tratar a matriz O/D como sendo a

representao do nmero de passageiros que viajam entre cada par de
pontos ou estaes em uma rota ou em uma direo particular, ou seja,
neste trabalho a matriz O/D um mtodo descritivo da demanda de
passageiros que mostra a distribuio de viagens que se originam em uma
zona (ponto) i (Oi), entre vrios destinos (pontos) j (Dj). Esquematicamente
tem-se:

Zonas de destino
1 2 . n
1 v11 v12 .... v1 j O1
2 v21 v22 ... v2 j O2
Zonas de . . . . . . Viagens
origem . . . . . .
originadas
n vi1 vi2 .. . vi j On
D1 D2 . Dn
Viagens destinadas

Figura 3.1 - Matriz origem-destino

30
 A somatria na linha i representa as viagens que se iniciam no ponto
i, portanto as viagens originadas nesta zona:

v
j
ij = Oi (3.1)

A somatria na coluna j representa as viagens cujos destinos so a

zona j, portanto as viagens atradas neste ponto:

v
i
ij = Dj (3.2)

3.1.1 - Representao de uma matriz em uma linha de

transporte pblico por nibus
No transporte pblico urbano por nibus considera-se como
deslocamento a viagem realizada entre dois pontos ao longo de uma rota.
Os deslocamentos dos usurios em uma linha de transporte pblico radial ou
diametral podem ser representados atravs de uma matriz triangular
estritamente superior.

Matriz triangular estritamente superior aquela em que os elementos

da diagonal e da matriz triangular inferior so nulos (CAMPOS, 1983, p.157).

A utilizao de uma matriz estritamente superior, deve-se ao fato de

que na maioria das linhas de transporte pblico por nibus, os pontos de
parada localizados em um sentido no coincidem com os pontos de parada
do outro sentido. Assim, para uma linha genrica A-B temos duas matrizes,
uma matriz sentido A-B e outra sentido B-A.

36
 Representao esquemtica de uma matriz triangular estritamente
superior.

0 V1, 2 L V1, n 2 V1, n 1 V1, n O1

0 0 L V2, n 2 V2, n 1 V2, n O2
M M M M M M M

0 0 0 Vn 3, n 2 Vn 3, n 1 Vn 3, n On 3

0 0 0 0 Vn 2, n 1 Vn 2, n On 2
0 0 0 0 0 Vn 1 , n On 1

0 0 0 0 0 0 On
D1 D 2 L D n - 2 D n -1 Dn

Figura 3.2 - Matriz origem-destino em uma linha de transporte por nibus

Na diagonal da matriz no se realizam deslocamentos, pois no h

deslocamentos em um mesmo ponto, razo pela qual esta assume o valor
zero.

A matriz triangular inferior apresenta valores iguais a zero, por ser

contrrio ao sentido de deslocamento do nibus.

Atravs da observao do nmero de passageiros vizinhos diagonal

da matriz triangular superior, podemos verificar o nmero exato de
passageiros que embarcam em um ponto e desembarcam no ponto
seguinte. Desta forma, V12 so os passageiros que embarcaram no ponto 1
(O1) e desembarcaram no ponto 2 (D2), V23 so os passageiros que
embarcam no ponto 2 e desembarcam no ponto 3, e assim sucessivamente.

O conhecimento do nmero de passageiros que embarcam em um

ponto e desembarcam no ponto seguinte, e da distncia percorrida entre
esses pontos, fornece informaes a respeito do comportamento dos
usurios em uma linha de transporte. O conhecimento de vrias linhas de
transporte pode ser utilizado em conjunto com modelos seqenciais de

37
previso de demanda, auxiliando na distribuio de viagens em uma matriz
O/D.

Os processos de obteno de matrizes O/D em vrias linhas de

transporte pblico podem ser diretos ou indiretos.

3.2 - Mtodos diretos

Os mtodos diretos de obteno de matrizes tradicionalmente

envolvem pesquisas de origem-destino. NGUYEN (1984) considera que
grandes amostragens devem ser consideradas para que as pesquisas
tenham preciso na estimativa dos resultados. Mesmo as pequenas
amostragens nas pesquisas origem-destino (1-5%), envolvem uma quantia
de recursos financeiros relativamente grande em termos de homens-horas-
trabalhadas, tempo de processamento e dificuldades de conduo da
pesquisa.

Os mtodos diretos contam ainda com a resistncia de muitos

usurios em responder a questes sobre seus padres de viagem
(STOPHER et al., 1985).

Alguns mtodos diretos de obteno de matrizes, como por exemplo

os mtodos de contagem de trfego, no fazem uso de entrevistas com
usurios. Estes mtodos no permitem o conhecimento das caractersticas
scio-econmicas dos usurios. Quando ocorrem mudanas no sistema de
transporte, as caractersticas scio-econmicas podem ser usadas para a
previso do comportamento do usurios, bem como para a avaliao de
impactos causados nos diferentes estratos da populao, e reciprocamente,
do impacto dessa populao nos empreendimentos (RICHARDSON et. al.,
1995).

38
 Dentre os mtodos diretos de obteno de matrizes origem-destino
em linhas de transporte pblico por nibus encontram-se as pesquisas
censitrias, de autopreenchimento, de entrevista domiciliar, de abordagem
(pesquisa sem entrevista do tipo santinho), e de observao.

3.2.1 - Mtodos censitrios

Informaes a respeito das viagens poderiam ser obtidas durante o
recenseamento populacional. O custo marginal de se obter informaes
sobre viagens seria relativamente baixo, com isso todas as cidades,
principalmente as de pequeno e mdio porte, seriam as beneficiadas.

A vantagem deste mtodo a identificao quase que total dos

usurios quanto s suas origens, destinos, classe social, freqncias de
viagem e modos de transporte utilizados. Permite ainda a identificao dos
volumes de viagens produzidas e atradas nas principais zonas da cidade,
dados que so de fundamental importncia para o planejamento da rede
viria, bem como da eficiente operao dos modos de transporte utilizados.

3.2.2 - Mtodo de pesquisas domiciliares de autopreenchimento

Segundo RICHARDSON et al. (1995), pesquisa domiciliar de
autopreenchimento uma das formas mais usadas dentre as tcnicas de
pesquisa em transporte. Pesquisa domiciliar de autopreenchimento
definida para ser aquela na qual as pessoas que respondem o questionrio,
o completam sem que haja a assistncia do entrevistador. Neste tipo de
pesquisa, necessrio que as pessoas desempenhem trs tipos de tarefas.
Estas tarefas so; a leitura e o entendimento da questo, mentalizao da
resposta e sua transcrio para o questionrio. Nas pesquisas de entrevista,

39
o entrevistado somente responsvel pela segunda parte destas trs
tarefas; o entrevistador responsvel pela primeira e terceira questes.

Diversos tipos de formatos de pesquisa bsica podem ser descritos,

dependendo dos mtodos usados para a coleta e distribuio dos
questionrios. Estas variaes incluem:

a) Pesquisas de envio e retorno de questionrios:

Esta a forma mais bsica de pesquisa de autopreenchimento e um dos
mtodos mais utilizados. O questionrio enviado para as pessoas e
solicitado que o mesmo seja devolvido via correio depois de respondidas
as questes. A carta resposta geralmente paga pela agncia
pesquisadora.
b) Entrega do questionrio pessoa com postagem paga:
Onde existe a suspeita de baixo ndice de retorno de questionrios, ou
onde se acredita que haja necessidade de alguma instruo pessoal de
como completar o questionrio, desejvel que o questionrio seja
entregue pessoalmente s pessoas a serem entrevistadas. Desta maneira
o propsito da pesquisa deve ser explicado, as perguntas sobre o
questionrio devem ser respondidas imediatamente, instrues devem ser
dadas, e dvidas sobre como preencher o questionrio devem ser
sanadas. O contato pessoal geralmente aumenta a taxa de resposta e
tambm resulta em uma elevao da qualidade das respostas.
c) Entrega e coleta do questionrio ao entrevistado:
Em complemento entrega do questionrio, tambm possvel colet-lo
em uma data posterior a sua entrega. Isso favorece o aumento da taxa de
respostas atravs da presso do entrevistado em responder a pesquisa
antes que o questionrio seja coletado. A visita do coletor permite resolver
qualquer problema especfico encontrado pelo entrevistado no
preenchimento do questionrio.

Pesquisas de autopreenchimento tm vantagens e desvantagens. As

vantagens incluem:
40
a) Pesquisas de autopreenchimento geralmente so mais baratas que as
pesquisas de entrevistas individuais. (HITLIN3.3 et al. apud
RICHARDSON et al. 1995).
b) Devido a ausncia de entrevistadores envolvidos na pesquisa, os efeitos
do entrevistador so eliminados como uma possvel fonte de vis de
respostas.
c) A pessoa que responde o questionrio dispe de um tempo relativamente
longo para preench-lo. Tambm possvel pessoa consultar
documentos, caso seja necessrio.
d) Quem responde pode escolher a hora e o lugar no qual ir completar o
questionrio (exceto para questionrio que devem ser respondidos
rapidamente, tais como os feitos dentro de veculos).

As desvantagens dos formulrios de autopreenchimento so:

a) A crtica mais consistente s pesquisas de autopreenchimento o baixo
ndice de respostas. Taxas de respostas em torno de 20 a 50% no so
raros, e isto gera uma significativa possibilidade para desvios na entrada
de dados (BRG & MEYBURG3.4 apud RICHARDSON et al. 1995).
b) A aparncia e linguagem do questionrio devem ser extremamente claros
e simples. Devido a ausncia de entrevistador no esclarecimento das
questes, as definies devem ser claras e fceis de serem entendidas
pela populao em estudo (no somente para o projetista da pesquisa).
c) Com uma pesquisa de autopreenchimento, difcil assegurar que a
pessoa certa ir preencher o questionrio. Mesmo pensando que o
questionrio seja especfico, no h garantia de que o questionrio ser
preenchido e no existe uma maneira fcil de verific-lo.

3.3 HITLIN, R. A. et al. (1987). A comparison of telephone and door-to-door survey results for transit
market research. In: Annual Meeting of Transportation Research Board, 66., Washington, D. C.
apud RICHARDSON, A. J., AMPT, E. S., MEYBURG, A. H. (1995). Survey methods for transport
planning. Melbourne, Eucalyptus Press.
3.4 BRG, W; MEYBURG, A. H. (1982). Influence of survey methods on the results of representative travel
surveys. In: Transportation Research Board Meeting, 61., jan. apud RICHARDSON, A. J., AMPT, E. S.,
MEYBURG, A. H. (1995). Survey methods for transport planning. Melbourne, Eucalyptus Press.

41
d) Respostas espontneas no so possveis, as opinies dadas podem
no ser opinies prprias dos entrevistados, mas sim resultados de
discusses com outras pessoas, por esta razo este tipo de pesquisa
no aconselhado para pesquisas de atitudes.
e) Em geral, somente questes simples e de um estgio podem ser
perguntadas.

3.2.3 - Pesquisa de entrevista pessoal domiciliar

Uma pesquisa de entrevista pessoal definida como aquela na qual o
entrevistador faz as perguntas e anota as respostas dadas pelo entrevistado.
Por esta razo, muitas das pesquisas de abordagem, bem como as
pesquisas feitas por telefone, tambm podem estar dentro desta categoria.
Porm neste caso nos interessam as pesquisas feitas nas residncias.

As pesquisas de entrevistas domiciliares podem ser escolhidas em

detrimento s pesquisas de autopreenchimento, devido a uma srie de
fatores:

a) Em geral, podem ser obtidos ndices mais altos de respostas em

entrevistas pessoais do que em pesquisas de questionrios de
autopreenchimento. ndices de respostas da ordem de 75 a 80% no so
raros. Isto tende a minimizar os efeitos de vis devido as no-respostas,
embora no elimine os erros de vis.
b) A pesquisa de entrevista pessoal permite uma considervel flexibilidade
no tipo de informao coletada. Atitudes, opinies, pesquisas orais e
outras informaes no qualitativas so mais facilmente coletadas em
uma entrevista pessoal do que em uma pesquisa de questionrio.
Seqncias complexas ou filtros podem ser usados, se necessrios,
desde que os entrevistadores (diferentemente dos entrevistados) sejam
treinados previamente.
42
c) A presena de um entrevistador significa que as explicaes podem ser
dadas considerando o significado da questo.
d) Pesquisas domiciliares pessoais podem ser conduzidas em um perodo
muito curto comparado s pesquisas de autopreenchimento de
questionrios. Essas ltimas necessitam mais de 6 semanas para
incorporar avisos populao sobre os procedimentos da pesquisa.
e) Algumas pesquisas so muito longas, e a presena do entrevistador
pode manter o entrevistado interessado e assegurar que o conjunto de
questes fique completo.
f) Atravs da percepo do interesse do entrevistado e do modo como este
responde, o entrevistador pode fazer uma avaliao da validade das
respostas.

As desvantagens so:
a) Pesquisas de entrevista so particularmente caras. Normalmente custam
de trs a dez vezes mais por questionrio respondido do que uma
pesquisa de autopreenchimento de questionrio, devido ao alto custo da
mo-de-obra dos pesquisadores.
b) Para reduzir o custo de viagens e o custo do tempo perdido em
deslocamentos, muitas das pesquisas de entrevistas fazem uso das
amostragens sobre bases geogrficas desatualizadas. Isto faz com que o
tamanho da amostra efetiva seja reduzido, com conseqente reduo
da exatido de estimativa dos dados.
c) A situao de entrevista basicamente uma interao humana entre o
entrevistado e o entrevistador. Tais relaes raramente so neutras. O
resultado da interao (freqentemente denominada vis do
entrevistador) pode afetar cada participante (e o dado coletado) de vrias
maneiras, incluindo:
i. A caracterstica individual do entrevistador (idade, sexo, aparncia
geral) pode influenciar os entrevistados e vice-versa.
ii. Para responder s perguntas, o entrevistado altera sua rotina diria.
Caso tal alterao seja inconveniente, esta pode distorcer as respostas

43
 dadas (por exemplo, caso o entrevistado deseje voltar sua rotina o
mais rpido possvel).
iii. Um entrevistador com fortes opinies pode subconscientemente
comunicar estas opinies ao entrevistado. Em algumas circunstncias,
alguns entrevistados podem concordar ou discordar das declaraes,
dependendo da percepo do temperamento do entrevistador.
iv. Responder as questes antes da entrevista permite ao entrevistador
construir uma imagem do comportamento e atitude geral das pessoas a
serem entrevistadas. O entrevistador pode ento interpretar respostas
tardias (especialmente respostas vagas) para serem consistentes com
este quadro, mesmo que o entrevistado tenha a inteno de dar uma
resposta contrria ou aparentemente inconsistente.

Onde os conceitos so complexos ou se exige uma seqncia

complexa de perguntas, prefervel a utilizao de pesquisas de entrevistas
pessoais pesquisas de atitudes. A pesquisa de entrevista mais cara que
a pesquisa de autopreenchimento, porm, apresenta um maior ndice de
respostas e pode ser realizada em um curto perodo de tempo, sendo ideal
para as pesquisas onde existe a necessidade de alta qualidade com tempo
mdio de preparao da pesquisa (RICHARDSON et al. 1995).

3.2.4 - Pesquisas de abordagem

Pesquisas de abordagem so aquelas as quais os locais das
entrevistas no so as residncias dos entrevistados, a abordagem pode
ocorrer em qualquer lugar.

As pesquisas de abordagem incluem as pesquisas realizadas dentro

dos veculos de transporte, nos pontos de parada e nas linhas de cordo da
via, e outros locais de atividades como shopping centers, locais de trabalho,
terminais de transporte como aeroportos, etc. Dependendo dos objetivos da
44
pesquisa e do local da abordagem, as pesquisas podem ter mais ou menos
interao entre o pesquisador e pesquisado. Entretanto, de uma forma ou de
outra, todas as pesquisas de abordagem envolvem um contato pessoal com
o entrevistado, como por exemplo na entrega de formulrios contendo
questionrios ou na forma de perguntas.

Esse tipo de pesquisa pode ser executada diretamente com os

usurios do sistema de transporte, entrevistando uma amostra da
populao.

O mtodo de entrevista dos usurios do sistema de transporte tem a

vantagem de identificar as zonas de interesse dos usurios, as quais podem
ou no estar em acordo com as zonas servidas pelo transporte pblico.

Os principais tipos de pesquisas de abordagens so:

a) Distribuio de questionrios dentro do veculo com retorno via correio -

Nas pesquisas de embarque, o pesquisador embarca no veculo e
distribui os questionrios para os passageiros do veculo. Aos
passageiros ser solicitado que preencham os questionrios conforme
sua convenincia, e ento os remetam de volta via correio.
b) Distribuio e coleta dentro do veculo - Como uma alternativa ao mtodo
(a), pode-se recolher o questionrio antes dos usurios desembarcarem
do veculo, mas este tipo de pesquisa nos veculos de transporte pblico
tem algumas dificuldades prticas. Por exemplo, nem todos os usurios
esto sentados, nem todos possuem canetas, nem todos possuem o
tempo necessrio para preencher o questionrio antes da viagem
terminar e outros sequer sabem ler e escrever.
c) Distribuio e coleta dentro do veculo mais retorno via correio - Em
alguns estudos, pesquisas mistas dentro do veculo, as quais combinam
elementos dos dois mtodos (a) e (b), tm sido usadas com sucesso

45
 (SHESKIN & STOPHER3.5 apud RICHARDSON et al. 1995). O mtodo
envolve o uso de um questionrio contendo duas partes. A primeira parte
assemelha-se a um carto, claramente marcado para ser preenchido e
devolvido dentro do veculo (pesquisa do santinho). A segunda parte
maior e levada pelo usurio para ser respondida posteriormente e
remetida via correio. Esse mtodo permite coletar um maior nmero de
informaes que o obtido da pesquisa padro de distribuio de
questionrios dentro do veculo com retorno via correio.

A qualidade dos resultados obtidos nas pesquisas de embarque dos

tipos (a) a (c) depende dos mtodos de amostragem usados na seleo dos
veculos, rotas e pessoas pesquisadas.

Segundo FURTH & NAVICK (1993b), os mtodos de abordagem

apresentam como deficincia a impossibilidade de identificao dos usurios
potenciais do sistema, pois esses no esto no universo de pessoas
pesquisadas. Alm disso estas pesquisas podem conter erros de
informaes, caso as perguntas no estejam bem formuladas e/ou os
entrevistadores no executem sua tarefa adequadamente.

3.2.5 - Mtodo de pesquisa de abordagem do tipo "santinho

O mtodo do carto ou mtodo do tipo "santinho", um mtodo direto
de pesquisa do tipo abordagem e consiste em colocar dois pesquisadores no
nibus, sendo que um pesquisador deve ficar situado na porta de embarque
e outro na porta de desembarque. O primeiro entrega a cada usurio que
embarca um carto contendo a inscrio com o horrio e o nome ou cdigo
do ponto ou da estao de embarque. Ao desembarcar, o passageiro
entrega ao outro pesquisador o carto recebido no embarque, que o
deposita num recipiente com a inscrio com o horrio e com nome ou

3.5 SHESKIN, I. M.; STOPHER, P. R. (1982). Surveillance and monitoring of a bus system.
Transportation Research Recoard 862, p. 9-15. apud RICHARDSON, A. J.; AMPT, E. S.;

46
cdigo do ponto de nibus ou da estao de desembarque. O total de
cartes existentes num recipiente indica o volume de usurios com destino
quele ponto num determinado horrio. Portanto, cada recipiente indica um
destino, ou seja, uma coluna da matriz, e os cartes indicam a origem.
Quando esse mtodo aplicado de maneira a levar em conta tambm as
transferncias, os resultados permitem a elaborao de matriz O/D bastante
satisfatria. verdade que a matriz assim obtida tem alguns defeitos, uma
vez que apenas cobre as zonas de trfego servidas pelo transporte coletivo,
e tambm no permite identificar os usurios em potencial. Ademais, no
permite identificar exatamente as zonas de origem e de destino, e sim os
pontos de embarque e de desembarque.

O mtodo do santinho permite ainda a obteno do ndice de

renovao da linha de transporte estudada.

3.2.6 - Pesquisas de observao

Pesquisas de observao, enquanto so relativamente raras nas
pesquisas de cincias sociais, so triviais em transporte e, mais
particularmente, nas pesquisas de trfego. Dois tipos bsicos de pesquisas
de observao so as pesquisas de observao direta e indireta. Exemplos
de pesquisas de observao direta so:

a) Inventrio de pesquisas de transporte (exemplo, uso de tcnicas tais

como a gravao em vdeo, imagem digital, e veculos instrumentados);
b) Pesquisas de contagem de embarque e desembarque (E/D) ou tipos
diferentes (exemplo, contagem entre ligaes, contagem em intersees,
cordes de contagem, contagem em linhas de contorno, contagem em
rotas de trnsito, contagem de entrada e sada, contagem de trfego,
etc.);

MEYBURG, A. H. (1995). Survey methods for transport planning. Melbourne, Eucalyptus Press.
47
c) Pesquisas de desempenho de sistema (tais como pesquisas de tempo de
viagem, pesquisas de atrasos em intersees, e pesquisas de
desempenho de transporte pblico);
d) Pesquisas de classificao de veculos, nas quais os tipos de veculos
so identificados por vrios meios, tais como reconhecimento visual,
perfil induzidos por laos, reconhecimento do padro atravs de um
contador de eixo de roda simples.

Uma caracterstica crtica dos tipos de pesquisa (b) at (d) que

estas deveriam reconhecer que as medidas de desempenho do sistema
obtidas em um dia so somente pontuais em relao as medidas de
desempenho do sistema. Por exemplo, tempo de viagem varia de dia para
dia para qualquer viagem, assim como o tempo de espera do passageiro do
transporte pblico dependente das chegadas e partidas dos diferentes
modos de transporte. Nos projetos de pesquisa de desempenho de
sistemas, devem ser feitas concesses para a variabilidade inerente de cada
um dos parmetros sob observao.

Exemplos de pesquisas de observaes indiretas:

a) Visual (de veculos ou pedestres) o qual pode indicar fluxos de trfego
predominantes;
b) Restos de veculos acidentados ou marcas de frenagem para indicar
locais perigosos na via; e
c) Movimento nos postos de gasolina, e outros indicadores econmicos, a
fim de estimar o total de atividade nos vrios setores de transporte.

Em geral, as tcnicas de observaes indiretas so menos usadas

que as tcnicas de observao diretas em pesquisas de transporte, porm
amplamente utilizadas no campo das pesquisas de cincias sociais.

48
3.3 - Mtodos indiretos

Os processos indiretos conjugam modelos de previso de demanda

por transporte com pesquisas de campo simples, as quais no requerem
grande volume de mo-de-obra e tempos de tabulao excessivamente
longos e trabalhosos.

Os mtodos indiretos esto sujeitos a erros por serem somente uma

simplificao e uma representao imperfeita da realidade. Estes mtodos
reproduzem os resultados das condies existentes no local e no perodo
em que a pesquisa foi realizada e no esto sujeitos s mudanas futuras de
comportamento da sociedade. Relatam pequenas ou nenhuma informao
sobre os efeitos das decises dos viajantes quando das mudanas das
circunstncias de viagem ou em termos de alternativas competidoras de
transporte.

Alm disso, os modelos so baseados em dados representando

zonas agregadas de viagens e condies scio-econmicas, obscurecendo
muitas das informaes nos dados (DOMENCICH & MCFADDEN, 1975) e,
junto com a falta de estrutura comportamental, dificultando a generalizao
de modelos entre cidades.

A pesquisa de observao, do tipo contagem de usurios ao longo da

linha de transporte, uma pesquisa simples e de baixo custo financeiro pois
no requer pessoal especializado, alm de no causar nenhuma
interferncia na operao. A pesquisa consiste da alocao de
pesquisadores ao longo da rota para efetuar a contagem de embarque e
desembarque dos usurios do sistema de transporte. Este mtodo identifica
apenas os volumes de usurios em cada ponto de uma dada linha de
transporte, no informando sobre as zonas de origem e de destino. Este tipo
de pesquisa, quando efetuado corretamente, permite contagem de 100 %
dos usurios da linha pesquisada.

49
 Basicamente, os modelos para obteno de matrizes O/D a partir de
dados de contagem embarque-desembarque so: os modelos de equilbrio
demanda/oferta, modelos estatsticos e os modelos de distribuio de
viagens, com grande predomnio destes ltimos.

Os modelos de equilbrio demanda/oferta tm sido estudados para

obteno da matriz O/D a partir da contagem de veculos nas ligaes de
uma malha viria. YANG et al. (1992) revisam o esquema geral, cujo mtodo
aplicvel obteno de matriz O/D tanto para transporte coletivo como
para transporte individual. Estes modelos, quando comparados alguns
modelos de distribuio de viagens, como por exemplo o modelo
gravitacional simples, apresentam maior complexidade matemtica.

Os modelos estatsticos encontrados na reviso bibliogrfica

abordam, em sua maioria, a obteno de matrizes O/D a partir de contagens
de trfego em uma malha viria. Dentre os modelos encontrados, MAHER
(1983) prope uma estimativa Bayesiana para atualizao de antigas
matrizes O/D, CASCETTA (1984) obtm uma matriz O/D introduzindo a
estimativa de mnimos quadrados, SPIESS (1987) utiliza um modelo
baseado no princpio da mxima verossimilhana, LOGIE & HYND (1990)
utilizam a tcnica de mxima probabilidade para estimar os valores de
parmetros de um modelo de gravidade para contagens de trfego, BELL
(1991) discute o uso de mnimos quadrados, GUR & BEN-SHABAT (1997)
desenvolveram um modelo que combina o modelo de mnimos quadrados ao
modelo de mnima informao (Fratar), para a obteno de matrizes O/D a
partir de dados de embarque-desembarque para linhas de transporte pblico
urbano.

Os modelos de distribuio de viagens comumente utilizados para

obteno de matrizes O/D sero tratados no captulo 4.

50
3.4 - A pesquisa embarque/desembarque (E/D) como fonte de
informaes

A determinao de matrizes de viagens a partir de informaes

coletadas nas pesquisas E/D bastante atraente em termos de economia de
recursos. Os mtodos convencionais de determinao de matrizes de
viagens so dispendiosos, como o caso das pesquisas domiciliares; ou
requerem a participao dos usurios, como o caso das pesquisas dentro
de nibus que identificam a origem e o destino de cada passageiro atravs
da entrega (na entrada) e recebimento (na sada) de cartes de identificao
da zona de origem.

Alm disso, a pesquisa E/D permite a determinao dos totais de

viagens geradas e atradas em cada zona da rea de estudo (desde que
haja informaes referentes aos percentuais de transferncias) (DI PIERRO,
1985), alm de dar subsdios para a adequao da operao demanda,
dentro de um nvel desejado.

A pesquisa embarque/desembarque, ou pesquisa sobe/desce,

consiste na contagem dos passageiros que embarcam e desembarcam em
cada ponto de uma dada linha de nibus. Geralmente realizada por dois
pesquisadores viajando dentro do nibus e localizados prximos s portas
de entrada e sada. utilizada principalmente para fornecer dados de
flutuao de ocupao durante o percurso. Atravs dela pode-se determinar
a ocupao crtica de cada horrio e, portanto, a freqncia de viagens que
deve ser oferecida (vide Figura 3.3).

51
 Passageiros
E

ocupao do veculo no ponto x

D
Incio da linha x Fim da linha

Figura 3.3 Ocupao crtica em uma linha de nibus

4 - MODELOS DE DISTRIBUIO

4.1 - Demanda por transportes

O transporte tornou-se parte integral da vida urbana. A necessidade

de movimentao de pessoas e/ou mercadorias entre os diferentes locais,
gera uma demanda por transportes.

A locomoo de pessoas e mercadorias dentro de uma rea,

mediante o uso de veculos automotores, produz uma srie de problemas
para a comunidade, incluindo; congestionamento de trfego, acidentes,
atrasos, poluio visual, sonora e atmosfrica, e estes problemas contribuem
para o declnio da qualidade de vida nas cidades. Qualquer medida para
aliviar estes problemas pressupe um entendimento dos padres de
viagens.

52
 A anlise da demanda por transporte o processo pelo qual se
procura identificar os determinantes da demanda e a maneira como eles
interagem e afetam a evoluo do volume de trfego.

53
 Os resultados destas anlises so geralmente modelos matemticos
ou estatsticos que relacionam medidas de demanda por transportes
(geralmente volume de trfego) com medidas do nvel de atividade scio-
econmicas e/ou caractersticas do usurio de transportes.

MANHEIN (1973) classifica os modelos baseados em redes de

transporte em dois grandes grupos:

a) modelos de demanda diretos;

b) modelos de demanda seqenciais.

A identificao do ponto de equilbrio entre a demanda e a oferta de

viagens em uma rede de transportes um objetivo comum aos modelos de
demanda. A diferena entre os modelos de demanda diretos e seqenciais
est no processo de modelagem.

Os modelos diretos so aqueles com os quais se procura representar

a demanda por um dado modo e motivo de viagem, entre um determinado
par de origem-destino.

O modelo seqencial adota submodelos que implicam no

seccionamento da modelagem da demanda de viagens em vrios estgios
sucessivos, pois considera que o viajante adota uma determinada seqncia
de decises, sem que haja, a priori, uma razo que justifique tal escolha
dentre as seqncias alternativas (BEN-AKIVA et al., 1985).

A diviso do problema em um modelo seqencial analisa a seqncia

de deciso que se acredita que um indivduo tome antes de efetuar uma
viagem. Supe-se primeiramente que o indivduo decide exercer uma
atividade, decide ento onde exercer esta atividade, depois escolhe o modo
de viagem e finalmente a rota.

Estes passos sintetizam o mtodo de quatro etapas:

71
 Gerao de viagens;
Distribuio de viagens;
Diviso modal;
Alocao de viagens s rotas.

A abordagem no modelo seqencial em uma determinada rea deve

conter os dados referentes ao zoneamento e ao sistema de redes de
transporte, a coleta de regulamentos e planejamento, atividade econmica;
incluindo empregos, populao, espaos para comrcio, educao e lazer.

Estes dados so usados para estimar as quatro etapas do modelo:

a) produo e atrao de viagens; a etapa que tem por objetivo

desenvolver modelos que permitam explicar o total de viagens
produzidas em uma zona de trfego i e o total de viagens atradas para
uma zona de trfego j, em funo das caractersticas scio-econmicas
da populao e do uso do solo nas zonas de trfego. A tcnica mais
comumente utilizada para o desenvolvimento destes modelos a anlise
de regresso linear mltipla.

b) distribuio espacial de viagens; a etapa que tem o propsito de

desenvolver um procedimento que sintetize o nmero de viagens entre
zonas de trfego. Isto , definidos os modelos de produo e de atrao
de viagens e calculados os volumes futuros de viagens geradas por cada
zona de trfego, faz-se a sua distribuio, identificando o volume
deslocado (pessoas ou toneladas, no caso de cargas) entre a zona de
origem e de destino. O propsito desta etapa a elaborao da matriz
origem-destino utilizando modelos de distribuio, com os quais se
procura expressar o volume de viagem entre pares de zonas, em funo
das variveis scio-econmicas e caractersticas de custo generalizado
de transporte.

72
c) diviso modal; a etapa que tem por objetivo identificar e estimar o
percentual de participao das diferentes modalidades de transportes
utilizados nas viagens entre cada par de zonas i e j. Basicamente a
anlise investiga dois grupos, viagens de pessoas atravs de transporte
pblico e viagens atravs de transporte particular. Existem modelos de
diviso modal que fazem o uso de dados agregados e de dados
desagregados. Entre estes destaca-se o modelo logit.

d) Alocao de viagens s rotas; visa alocar o total de viagens distribudas

na etapa anterior, para as vrias rotas disponveis.

A obteno de matrizes origem-destino no transporte pblico por

nibus atravs de dados de pesquisa embarque-desembarque, um
trabalho de distribuio de viagens, na qual se busca obter uma distribuio
de fluxos (i.e. uma matriz origem-destino) que seja consistente com os
dados observados em campo (pesquisa embarque-desembarque).

4.2 - Modelos de distribuio

A distribuio de viagens representa um passo na abordagem

seqencial de estimativa de trfego urbano no qual se trata da escolha do
destino, distribuindo os totais marginais das origens e destinos.

A distribuio de viagens parte do processo de planejamento que

relaciona um certo nmero de viagens com origem em cada zona da rea de
estudo com um determinado nmero de viagens com destino em outra zona.
A distribuio sintetiza os fluxos origem-destino sem necessariamente tratar
dos modos disponveis nem das rotas utilizadas para efetuar o transporte.

73
 A importncia da distribuio de viagens est no fato de que esta d a
dimenso espacial da demanda de transporte e deste modo permite anlises
polticas com respeito ao planejamento das redes de transporte.

Segundo KANAFANI (1983) existem basicamente dois tipos de

processo de distribuio de viagens nas reas urbanas. Um deles pode ser
chamado de processo de longo prazo, o qual inclui a distribuio das
viagens de casa para o trabalho, e o outro, o processo de curto prazo, que
inclui as viagens de compras ou lazer.

O primeiro processo estvel e muda somente em um longo prazo ou

atravs da mudana de endereo da residncia ou do emprego, mas
diariamente o usurio seleciona o mesmo destino. Este processo
caracteriza-se por ser constante, ou seja, o viajante sempre seleciona o
mesmo destino, o local de trabalho.

O segundo processo chamado de curto prazo. Dentro deste

processo encontram-se as viagens para compras ou lazer; este processo
quando comparado ao anterior mais instvel, j que o destino, os trajetos e
tempos de viagem so bastante mutveis, dependendo diretamente do
balanceamento de diversos fatores. Portanto, na seleo de um modelo de
distribuio a ser aplicado, deve-se levar em conta essas diferenas,
escolhendo aquele que mais se adapta ao caso em estudo.

4.2.1 - Abordagens dos modelos de distribuio de viagens

Segundo KANAFANI (1983) os modelos de distribuies de viagens
podem ser classificados em trs diferentes tipos, de acordo com a
abordagem da modelagem bsica: modelos de demanda origem-destino,
modelos de escolha e modelos fsicos ou interao espacial.

74
i. Modelos de demanda origem-destino: a maioria das abordagens de
modelos de distribuio de viagens para construir um modelo de
demanda para viagens entre uma origem e um destino. Este modelo
geralmente estratificado por um propsito de viagem, podendo ser
uma funo individual ou agregada. Contudo, como outros modelos de
demanda, este derivado como uma funo individual, utilizando o
princpio da maximizao da utilidade. O modelo de demanda
normalmente multiplicativo das variveis scio-econmicas e de oferta
do sistema. A caracterstica bsica desta abordagem que esta gera
fluxos totais de trfego, em vez de probabilidades de escolha. Alm
disso, no influencia o nmero de origens e destinos atravs da rede
como outras abordagens fazem. chamado de modelo de utilidade de
distribuio de viagens e o modelo de gerao/distribuio pertence a
esta categoria.

ii. Modelos de escolha (ou potencial de interao): a diferena

fundamental entre o modelo de escolha e a abordagem do modelo de
demanda que este postula uma seqncia, separa o processo de
deciso de viagem e trata da escolha do destino separadamente de
outros passos do processo. Est interessado na porcentagem de
distribuio de viagens de uma dada origem para os provveis destinos
e no diretamente no fluxo de trfego entre eles. A escolha do destino
pode ser feita com base na comparao de atributos de todas as
alternativas viveis e pode ser funo da caracterstica scio-econmica
do viajante. Alguns dos modelos de distribuio, tais como o modelo de
oportunidades intervenientes e o modelo de gravidade, podem ser
formulados como modelos de escolha.

iii. Modelos fsicos de interao espacial: os primeiros modelos de

distribuio de viagens no eram baseados nos princpios econmicos
de maximizao da utilidade. Ao contrrio, eram derivados de
postulados considerando a interao espacial, os quais eram
largamente baseados nas analogias com fenmenos fsicos. Por esta
75
 razo, os modelos derivados destas aproximaes so referidos como
modelos fsicos de interao espacial. Com respeito ao comportamento
da totalidade de viajantes no sistema de origens e destinos conectados
por uma rede de transporte, trs abordagens tm sido utilizadas para
derivar modelos de distribuio de viagens pertencentes a esta
categoria. A primeira a abordagem gravitacional, baseada na analogia
com a lei de Newton. A segunda abordagem a entrpica, baseada na
analogia com a fsica dos gases. A terceira a abordagem terica de
rede, baseada na analogia com a teoria de sistemas eltricos e fluxos
timos de rede.

A ausncia explcita de um comportamento microeconmico nos

modelos de interao espacial no significa que eles no contenham este
comportamento. Na verdade, todos estes modelos postulam que os viajantes
so atrados para vrios destinos para satisfazer seus propsitos, e que eles
resistiro tanto quanto possvel a estender viagens mais caras. Estes
modelos tem sido relacionados aos modelos de demanda microeconmico e
de comportamento de escolhas do consumidor, alm disso, os modelos
resultantes desta aproximao so similarmente prximos aos outros dois
modelos.

Diferentes tipos de modelos de distribuio tem sido desenvolvidos

para auxiliar a investigao futura dos padres de viagens, KANAFANI
(1983) relaciona trs propriedades bsicas para modelos de distribuio:

a) Conservao. O trfego estimado deve satisfazer as equaes bsicas

n n n n
de conservao ( Oi = v ij ; D j = v ij ; Oi = D j ). A propriedade de
j i i j

conservao deve ser imposta quando o modelo de distribuio for

utilizado na estimativa de fluxos vij ou a soma da linha e coluna, Oi e Dj.

76
 Todavia, quando Oi e Dj so dados exgenos, provenientes de outros
modelos, tal como no caso de anlises de gerao de viagens, no
necessrio que as equaes sejam satisfeitas, pois no h porque
estimativas de dois modelos separados devam ser exatamente iguais.

Dentro desta considerao, tm-se realizado muitos estudos na

tentativa de encontrar nos modelos de distribuio de viagem fatores de
correo que garantam que as produes e atraes de viagens
previamente estabelecidas sejam iguais aos valores de entrada de Oi e Dj.

b) No-negatividade. Esta uma regra simples que afirma que todos os

valores de vij, estimados por um modelo, devem ser no negativos.
Todavia, alguns modelos de distribuio (os lineares, por exemplo) podem
produzir resultados negativos, caso no sejam tomados os devidos
cuidados.

c) Divisibilidade e compressibilidade. Esta regra se aplica ao processo de

distribuio de viagens em que origens e destinos so definidas em
termos de zonas de trfego, ou seja, de reas. A divisibilidade exige que,
se uma zona dividida em duas, ento a soma das viagens originadas
nestas ou atradas por estas deve ser igual ao total observado antes da
diviso. Por exemplo, se uma zona (v) de destino j dividida em duas
zonas, ento a regra de divisibilidade requer que os valores de trfego
estimados pelo modelo devem satisfazer a seguinte condio:

vij +vij = vij para todos os i.

Esta propriedade garante que a soma da coluna e da linha continue a

mesma, apesar da redefinio do zoneamento adotado na anlise. A
compressibilidade o oposto, e exige que, se duas zonas so comprimidas
em uma, o fluxo de trfego calculado atravs do modelo para a nova zona
deve ser igual a soma dos valores para as duas zonas originais. Deve-se
notar que esta propriedade no satisfeita, exceto em modelos lineares. Os
77
modelos de distribuio de viagens mais usados so funes no-lineares e
no satisfazem a propriedade. Na prtica, seria suficiente, todavia, que o
modelo produzisse resultados que satisfizessem aproximadamente as
condies de divisibilidade e compressibilidade.

Dentre os modelos de distribuio de viagens utilizados para a

obteno de matrizes O/D a partir de contagens embarque-desembarque,
encontram-se os modelos de programao linear, oportunidades,
eletrostticos, modelo de analogia ao fluido, entrpicos, mxima
probabilidade (algoritmo SYNODOM), modelos gravitacionais, distribuio
de fluxos em uma rede, e o modelo nibus-O/D

4.3 - Modelo de programao linear

A programao linear uma tcnica de otimizao desenvolvida

originalmente para lidar com problemas militares, que trata de determinar a
atribuio tima de recursos para alcanar determinados objetivos.
Basicamente a tcnica determina os valores no negativos das variveis (X1
a Xn) que minimizem (ou maximizem) uma funo linear dessas variveis (a
funo objetivo) satisfazendo um conjunto de desigualdades lineares
referentes s variveis (as restries).

A formulao geral do modelo para resolver o problema da

distribuio de viagens com m origens e n destinos minimizar a funo:

m n
Z = X ijCij (4.1)
i =1 j =1

sujeita as restries:

78
a Xij O (i = 1,...m; j= 1,...n)
n
b X
j =1
ij = Oi (i = 1,...m )

m
c X
i =1
ij = D j ( j = 1,... n)

onde:

Xij = valores das transferncias interzonais (a serem determinados pelo

modelo);
Cij = custo de se fazer a viagem, isto , distncia entre os centrides das
zonas i e j;
Z = valor da funo linear das variveis a ser minimizado;
Oi = total das viagens originadas em i;
Dj = total das viagens atradas por j.

O modelo de programao linear para obteno de matriz O/D

utilizando dados de pesquisas embarque-desembarque foi testado por
KIKUCHI & PERINCHERRY (1992), em uma linha de trem. No mtodo
desenvolvido pelos autores, o analista tem a vantagem de poder incorporar
ao modelo estimativas do nmero de passageiros que embarcam e
desembarcam em determinados pontos de uma linha de transporte. Estas
informaes podem ser de conhecimento do analista familiarizado com o
padro O/D da linha ou fornecidas pelos funcionrios da empresa operadora.
A utilizao destes dados aumenta a preciso dos resultados obtidos, alm
de diminuir o nmero necessrio de interaes para convergncia do
modelo.

O mtodo requer conhecimentos de programao linear alm do

padro de embarque-desembarque referente a alguns pontos ao longo da
linha de transporte pblico. FERREIRA e KAWAMOTO (1998), utilizando os
dados de embarque-desembarque e distncias mdias entre pontos da

79
pesquisa de KIKUCHI & PERINCHERRY (1992), obtiveram resultados
similares utilizando um modelo gravitacional restringido.

4.4 - Modelo de oportunidades

O modelo de oportunidades introduz o conceito de probabilidade como

fundamentao terica para a distribuio de viagens. Ele foi desenvolvido
na dcada de 40 nas pesquisas realizadas em estudos de transporte, sendo
que a primeira verso destes modelos deve-se Samuel A. Stouffer,
posteriormente aprimorada por Scheider em 1959 (ORTZAR &
WILLUMSEN, 1994).

Para STOUFFER (1940), o movimento de pessoas no espao um assunto

bsico da investigao sociolgica, e assume que no existe uma relao
entre a mobilidade e a distncia. Stouffer verificou inicialmente que o
nmero de pessoas que se deslocam a uma certa distncia diretamente
proporcional ao nmero de oportunidades oferecidas quela distncia e
inversamente proporcional ao nmero de oportunidades geograficamente
intermedirias.

O modelo preconiza que: a tendncia da viagem de ser to curta

quanto possvel, mas seu comportamento ditado pela probabilidade de
terminar em qualquer destino que encontre - no sempre possvel
terminar no destino mais prximo; deve-se considerar um destino alternativo
e, se este no aceitvel, considera-se um outro prximo a esse e assim
por diante CHICAGO AREA TRANSPORTATION STUDY4.6 apud BRUTON,
(1979).

80
 KANAFANI (1983) demonstra que, quando a distribuio parcial de
oportunidade de destino de viagem conhecida, ento os modelos de
gravidade e oportunidade so equivalentes.

O modelo de oportunidade apresenta a vantagem de responder s

polticas implantadas; sua formulao tem uma base conceitual forte, desde
que seja dirigida aos interesses individuais; pode ser calibrado usando
tcnicas estatsticas bem estabelecidas.

Porm o modelo apresenta algumas reservas quanto ao seu uso:

parmetros de calibrao tm de ser estimados para o futuro (sendo que
este desconhecido e incerto); sendo difcil a insero de fatores scio-
econmicos para viagens dentro do modelo.

4.5 - Modelo eletrosttico

Baseado na Lei da Fora Eletrosttica de Coulomb, R. T. Howe

desenvolveu a teoria do campo eletrosttico para distribuir os movimentos
individuais. Dada uma distribuio inicial de unidades de carga negativa,
correspondendo aos centros de residncia e as distribuies de centros de
carga positiva, representando os locais de empregos com magnitudes que
igualam o nmero de pessoas empregadas, a probabilidade dos movimentos
entre locais de residncias e de trabalho pode ser vista tendo como base a
teoria do campo eletrosttico (HOWE4.7 apud BRUTON 1979).

A aplicao do modelo requer as seguintes hipteses:

4.6 CHICAGO AREA TRANSPORTATION STUDY (1960). Final Report Volume II, State of Illinois, Country of Cook
& City of Chicago apud BRUTON, M. J. (1979). Introduo ao planejamento dos transportes. 2. ed. Rio de
Janeiro, Editora Intercincia Ltda.
4.7 HOWE, R. T. (1962). A theoretical predication of work trip patters. Highway Research Board, n 347 BRUTON,
M. J. (1979). Introduo ao planejamento dos transportes. 2. ed. Rio de Janeiro, Editora Intercincia Ltda.

81
a) a rea de estudo um sistema fechado;
b) o padro de viagens estvel;
c) os movimentos entre dois lugares variam em relao ao uso do solo,
porm independem do modo de viagem;
d) todos os locais de trabalho possuem uma hierarquia de emprego;
e) a separao espacial entre zonas de residncia e emprego considerada
como sendo uma distncia em linha reta;
f) os movimentos ocorrem dentro do sistema por causa do desequilbrio
inicial entre as cargas positivas (empregos) e as cargas negativas
(pessoas).

As equaes do modelo so:

Qj
Pi
R ij
VPiQ j = (i = 1, 2,...., m ) (4.2)
m Qj
R
j =1 ij

Pi
Qj
R ij
VQ j Pi = n (i = 1, 2,...., n ) (4.3)
Pi

i =1 R ij

onde:
VPi Q j = probabilidade de movimento da zona i para a zona j;

Pi = nmero de trabalhadores morando na zona i;

Qj = nmero de empregos disponveis na zona j;
Rij = distncia em linha reta da zona i zona j;
VQ j Pi = probabilidade de movimento da zona j para a zona i;

A primeira equao assegura a obteno do nmero provvel de

trabalhadores de cada zona de residncia. A segunda assegura a alocao
do nmero provvel de trabalhadores em cada zona de emprego. Entretanto,

82
as duas equaes fornecem diferentes conjuntos de viagens e, ento, deve-
se aplicar o processo de balanceamento, usando fatores de balanceamento,
para se evitar a super ou a sub atribuio de viagens individuais s
diferentes zonas de trfego.

A desvantagem deste mtodo que lida com sistemas fechados. A

semelhana com os primeiros modelos de gravidade implica que ele tem as
mesmas falhas, embora nenhuma tentativa tenha sido feita para superar
essas falhas.

4.6 - Mtodo do fluido

O mtodo trata o veculo de transporte como um container movendo-se ao

longo de uma rota na qual os passageiros localizados nos pontos de
parada vo embarcando, e como um fluido, so instantnea e
completamente misturados. Aps os passageiros terem embarcado e
percorrido uma certa distncia mnima requerida em relao ao seu ponto
de embarque, e se no tiverem previamente desembarcado, estes
estaro aptos desembarcar. Percorrida a distncia mnima requerida,
uma amostra representativa de usurios desembarcada nos pontos ao
longo da rota. O mtodo assume que, em um dado momento, todos os
passageiros estaro provavelmente aptos a desembarcar.

O mtodo de analogia com fluido ou mtodo Tsygalnitzky foi utilizado

por SIMON & FURTH (1985) para a obteno de uma matriz O/D a partir de
dados de embarque-desembarque em linhas de nibus na Califrnia, porm
BEN-AKIVA4.8 apud FURTH & NAVICK (1993a) chamou este mtodo de

4.8 Ben-Akiva, et al. (1985). Alternative methods to estimate route level trip tables and expand on-board surveys.
Transportation Research Record, n.1037, p. 01 - 11. apud FURTH, P.G.; NAVICK, D. S. (1993a). Bus route
O-D matrix generation: relationship between biproportional and recursive methods. Transportation Research
Record, n.1338. p.14 - 21.

83
oportunidades intervenientes, devido a este seguir a clssica lgica do
modelo de oportunidades dando prioridade aos destinos mais prximos.

FURTH & NAVICK (1993a) demonstraram que o mtodo Tsygalnitzky

(mtodo recursivo) um caso especial do mtodo biproporcional quando se
utiliza apenas dados de embarque-desembarque para gerar uma matriz O/D,
sendo que seu uso razovel em certos tipos de rotas, as quais tenham
distncias curtas entre pontos e com pequenas interferncias de outras
linhas.

Esta analogia ao fluido assume uma estimativa de uma nica matriz

O/D muito simples. Numerando-se os pontos ao longo da rota de forma
crescente, as variveis usadas so: vij = volume de passageiros indo do
ponto i para o ponto j, i < j; vi = volume de passageiros embarcados no ponto
i, j > i; vj = vij = volume de passageiros desembarcando no ponto j, i < j; eij
= volume de passageiros que embarcam em i, eleitos para desembarcar em
j; m = mnima distncia de viagem, medida em nmero de pontos.

Passageiros embarcados em i so eleitos para desembarcar em j, se

estes tiverem viajado a distncia mnima requerida (isto , se j - i m), e se
no tiverem desembarcado em um ponto anterior a j. (Enquanto no
existirem provveis complicaes a uma distncia mnima requerida,
assume-se em um caso simples um mnimo de m = 1).

O clculo segue assumindo que eij = vij = 0 para todo par O/D (i, j) no
qual j - i < m. Pelo mesma suposio, eij = vij para todo par (i, j) no qual j - i =
m. A estimativa procede coluna por coluna, comeando com a coluna j = m +
1 (o primeiro ponto no qual deva haver um desembarque). A cada ponto j, e.j
passageiros so eleitos para desembarcar, enquanto v.j foram observados
desembarcando. Esta frao aplicada para todo ponto de embarque i no
qual existem passageiros eleitos, isto , vij = fjeij para todo i = 1,..., j - m.

84
Antes de proceder ao prximo ponto de desembarque (j + 1), os passageiros
eleitos so reduzidos do nmero que desembarcou em j.

1 - Incio
v =0
ij
e =0 para i, j no qual j < i + m
ij
e =v para todo i = 1,..., n - m
i,i + m i.
j = m +1
2 - Clculo
e = e
.j ij
v
.j
f =
j e
.j
V =f e para i = 1, ..., j - m
ij j .j
e = e v
i, j +1 ij ij
3 - Voltar
Se j = n, parar
caso contrrio, fazer j = j + 1 e ir para 2

4.7 - Modelos entrpicos

O mtodo de maximizao da entropia foi apresentado pela primeira

vez por Shannon em 1948. Em 1957, Jaynes estudou-o extensivamente e
introduziu o procedimento de otimizao usando o mtodo de Lagrange. Em
1970, Wilson adaptou esta tcnica para a distribuio de viagens.

WILSON (1970) considerou que um sistema de transporte pode

identificar 3 nveis: micro, meso e macronvel. A descrio destes 3 nveis
pode ser encontrada em FLEMMING (1993):

Micronvel: Neste nvel tem-se a descrio de detalhes para cada

indivduo, isto , sua origem i, seu destino j, tempo de viagem,
85
 etc. Portanto neste nvel tem-se informaes sobre cada micro-
estado do sistema (ou evento elementar).
Mesonvel: Este um nvel intermedirio. Alguns micro-estados
so agregados em convenientes nveis de agregao, e passa-se
a analisar apenas informaes sobre o conjunto. Portanto um
meso-estado caracterizado pelo nmero de indivduos que se
deslocam entre cada par de origem-destino.
Macronvel: Este considerado o nvel inferior de descrio do
sistema quando comparado aos demais nveis. As informaes
sobre o macro-estado do sistema so obtidas exogenamente.
Neste contexto as informaes so caracterizadas pelo nmero
total de viagens geradas (Oi) e atradas (Dj) em cada zona, custo
total de transporte, etc.

Desde ento os modelos entrpicos foram usados para criar uma

ampla classe de modelos de distribuio de viagens, como o gravitacional e
o modelo de oportunidades.

Considerando que existam D pessoas no sistema que efetuam

viagens entre essas origens e destinos, uma determinada distribuio de
viagens, dada pela matriz T, definida como sendo um estado do sistema.
Assim, uma matriz determinada para fluxos entre origens e destinos e no
especfica para viagens particulares. O modelo tambm descreve a
conduta agregada do sistema. O nmero de maneiras pelas quais V viagens
podem assumir um dado estado ou uma distribuio T=[Vij], para todos os i e
j, pode ser determinada atravs de:

( { }) = DV! !
W T = Vij
ij
(4.4)
ij

D = total de viagens observadas no sistema, e,

86
Vij = nmero de viagens de i para j.

Supondo, ento, que existam D viajantes no sistema: D11 pessoas que

viajam de 1 para 1; o nmero de maneiras diferentes de se ter essa situao
pode ser obtido atravs da combinao C D , D11 ; dos restantes (D - D11), D12

viajam de 1 para 2; a combinao C( D D ), D , o nmero de maneiras

11 12

possveis de se obter essas duas situaes conjuntas.

Supe-se, adicionalmente, que o estado associado ao menor W ocorre com

maior freqncia.

A maximizao de W sujeita a restries de viagens produzidas e atradas e

de custo mdio, leva ao modelo com a seguinte caracterstica:

.Cij
Vij = Ai . B j . Oi . D j . e (4.5)

onde:
Vij = nmero de viagens da origem i para o destino j;
Ai, = fator de balanceamento das origens;
Bj = fator de balanceamento dos destinos;
Oi = nmero de viagens que tm origem na zona i;
Dj = nmero de viagens com destino em j;
Cij = custo da viagem entre i e j;
= multiplicador de Lagrange.

A calibrao do modelo pode ser feita pelo mtodo iterativo, mtodo

Furness, mtodos de busca.

87
4.8 - Algoritmo SYNODM (matrizes sintticas origem-destino)

STOKES & MORRIS (1980) descrevem o uso do programa

computacional SYNODM, o qual utiliza um algoritmo derivado do modelo de
gravidade para estimar o total de veculos que entram e saem de cada
rampa em uma via expressa. Analogamente, pode-se imaginar que o
itinerrio a ser percorrido em uma linha de nibus seja, por comparao,
uma via expressa, e as rampas de entrada e sada da via sejam os pontos
de embarque e desembarque. Desta forma podemos utilizar o algoritmo para
estimar matrizes O/D para linhas de nibus a partir das contagens de
embarque e desembarque.

O mtodo inicialmente considera o caso de uma matriz completa O/D

(isto , uma matriz na qual todas as entradas de clulas no contenham
zero). Com r rampas de entrada (embarques) e c rampas de sadas
(desembarques), as estimativas de viagens entre rampas podem ser obtidas
de:

* (Oi .D. j )
Vij = (4.6)
S

onde:

Vij* = estimativa de viagens entre a origem i e o destino j;

Oi. = volume total entrando na origem i;

D.j = volume total saindo no destino j;

r c
S = Oi. = D. j
i =1 j =1

88
 A equao (4.6) estima a mxima probabilidade de uma clula
individual para objetivos estatisticamente independentes em uma matriz
origem-destino. Embora esta formulao no leve em conta qualquer
mtodo de comportamento de viagem, nem leve em considerao a
separao espacial entre origens e destinos, proporciona uma medida
conveniente para avaliar a preciso do mtodo de estimativa e a aceitao
da suposio da independncia estatstica das origens e dos destinos
(HAUER & SHIN4.9 apud STOKER & MORRIS, 1980).

Especificamente, sob a suposio de independncia, a estatstica

r c ( )
Vij Vij *

i =1 j =1
*
, onde Vij o fluxo observado da origem i para o destino j,
Vij
segue uma distribuio qui-quadrado com (r-1) e (c-1) graus de liberdade.

O problema fundamental na equao (4.6), que os fluxos O/D so

estimados utilizando somente os totais de viagens das origens e dos
destinos. Conseqentemente, para duas matrizes O/D podem haver valores
de clulas completamente diferentes, porm com o mesmo total nas origens
e os nos destinos, desta forma a equao (4.6) capaz de resultar duas ou
mais matrizes idnticas. Ento, intuitivamente, pode-se esperar erros
bastante grandes nos Vij* obtidos da equao (4.6).

Uma tpica matriz O/D de uma via expressa para fluxos em uma
direo, pode ser representada pela figura 3.2 (matriz triangular superior).
Algumas mudanas de viagens ao longo da via expressa no so permitidas
(isto , o resultado da matriz O/D no completo). A estrutura desta matriz
implica que, para as sees da via expressa onde cada rampa de entrada
acompanhada de uma rampa de sada alguns metros corrente abaixo,

4.9 Hauer, E., Shin, B. T. (1980). Estimating of origen-destination matrices from observed flows: simple systems.
Research Report, n 65, Departament of Civil Engineering, University of Toronto, Toronto, Canada. apud
STOKES, R. W.; MORRIS, D. E. (1980). Application of an algorithm for estimating freeway trip tables.
Transportation Research Record, 976, p. 21-25.

89
poucos veculos entraro na via expressa e sairo logo a seguir (HAUER &
SHIN apud STOKES & MORRIS, 1980).

NIHAN (1982) comenta que a estimativa da mxima probabilidade

pode gerar solues superestimadas para viagens de curta distncia em vias
expressas, e subestimar viagens de longa distncia. Viagens de curta
distncia so aquelas em que os veculos (pessoas) entram por uma rampa
(embarque) e saem na rampa seguinte (desembarque), e viagens de longa
distncia so aquelas em que os veculos entram por uma rampa e passam
por diversas rampas at sarem da via.

Para a matriz mostrada na figura 3.2, est claro que V12* = D.2 e V*n-1,
n = O(n-1). Logo que V12* e V*n-1, n forem encontrados, a soma da linha e da
coluna correspondente pode ser ajustado para a soluo da matriz
procurada. Seguindo esta abordagem, V*n-2,n-1 e V*n-2,n podem ser obtidos
por:

O(n 2 ). D.(n 1)
V * n 2,n 1 = '
(4.7)
D.(( n 1) + D .n

O(n 2 ). D ' .n
V *
n 2,n = '
(4.8)
D.(( n 1) + D .n

onde D.n = D.n V*n-1. Nas equaes (4.7) e (4.8) somente o segundo termo
do numerador varia atravs da linha. Conseqentemente, a relao entre a
soma da linha atual e o total de destino atual pode ser armazenados no
computador e usado como fator de distribuio para estimar os V*ijs das
somas das colunas correspondentes.

Para estimativa dos Vijs da linha On-3, estimam-se os novos totais das
colunas D.n-2, D.n-1 e D.n,, os quais sero utilizados nas equaes (4.7) e
(4.8). Estima-se D.n-2, D.n-1 e D.n, subtraindo Vn-3,n-2, V*n-2,n-1 e V*n-2,n dos
90
totais das colunas Dn-2, Dn-1 e Dn. Para a linha On-4 estimam-se os novos
D.n-3, D.n-2, D.n-1 e D.n subtraindo os Vijs da linha On-3 dos totais D.n-3,
D.n-2, D.n-1 e D.n , os quais sero utilizados novamente nas equaes (4.7)
e (4.8). E assim sucessivamente, at a linha O1.

O conhecimento do padro de viagens e de estimativas de viagens

entre dois pontos pode ser incorporado na matriz e utilizado no
desenvolvimento do algoritmo, produzindo assim uma reduo substancial
do erro mdio de viagens.

4.9 - Modelo gravitacional

O modelo de gravidade para distribuio de viagens nasceu da

analogia lei da gravitao universal de Newton, de 1686. O incio da
aplicao do modelo de gravidade data de 1885, quando Ravenstein
estudou fluxos de imigrantes e observou que o nmero de pessoas que se
movimentaram entre quaisquer pares de cidades parecia ser proporcional ao
tamanho delas e inversamente proporcional distncia entre elas. Segundo
KAWAMOTO (1994), Lille, em 1891, estudando a rede de transportes
ferrovirios da Alemanha, sugeriu algo semelhante.

O grande impulso ao modelo deu-se na dcada de 50, quando

Voorhees, baseado nos trabalhos de Reilly e em oposio a lei de Newton,
determinou valores do expoente diferentes de dois para a distribuio de
viagens com motivos diferentes. Assim foi realada a importncia dos
valores especficos de atratividade e resistncia viagem e reconhecida a
influncia do propsito nos padres de viagem.

91
 Segundo BRUTON (1979) a primeira aplicao real da tcnica do
modelo gravitacional ocorreu em 1955, quando H. J. Casey Jr. (CASEY4.5
apud BRUTON, 1979) adaptou a lei de Reilly e sugeriu uma abordagem para
sintetizar viagens com objetivo de compras e reas compreendidas entre
regies da cidade. Na sua formulao mais simples o modelo tem a seguinte
forma funcional:

Pi Pj
Vij = (4.9)
d ij2

onde Pi e Pj so as populaes das reas de origem e destino,

respectivamente; dij a distncia entre i e j, um fator de
proporcionalidade.

Este modelo logo foi considerado uma analogia muito simplista com a
lei de gravidade e prontamente houve melhoras, incluindo o uso total de
viagens (Oi e Dj) ao invs do total da populao, e um parmetro n, potncia
de dij, a ser calibrado. Diferentes estudos tm estimado valores de potncia
variando entre 0,65 e 3,50.

Posteriormente o modelo foi generalizado, assumindo que o efeito

distncia ou separao poderia ser melhor representado por uma funo
decrescente de distncia, tempo de viagem ou custo entre zonas.

Vij = Oi Dj f(cij) (4.10)

onde f(cij) uma funo generalizada do custo de viagem com um ou mais

parmetros para calibrao. Esta funo geralmente recebe o nome de
funo de impedncia, porque ela representa um obstculo que desencoraja

4.5 CASEY, H.J. (1955). Applications to traffic engineering of the law of retail gravitation, Traffic Quarterly, Eno
Foundation. Apud BRUTON, M. J. (1979). Introduo ao planejamento dos transportes. 2. ed. Rio de
Janeiro, Editora Intercincia Ltda.

92
a viagem, como a distncia (tempo) ou aumento do custo. Verses
normalmente usadas para esta funo so:

f(cij) = exp (-cij) funo exponencial negativa

f(cij) = cij-n funo potncia inversa

f(cij) = cijn exp (-cij) funo combinada.

A forma geral destas funes para diferentes valores de seus

parmetros dada pela figura 4.1:

1,6 -*- c-2

1,4 -!- exp (- 1.0 c)
1,2
1 -"- exp (- 0.01 c)
0,8 - x - exp (- 0.3 c)
0,6
0,4 -- c0.5 exp (- 0.1
0,2
c)
0
0 20 40 60
custo da viagem (min)

Figura 4.4 - Diferentes funes de restrio

Fonte: ORTZAR & WILLUMSEN (1994)

ORTZAR & WILLUMSEN (1994) consideram o modelo de

gravidade o de maior entendimento dentre os modelos de distribuio, e tem
a vantagem de estimar as viagens para cada clula da matriz sem usar
diretamente uma matriz observada.

A obteno de uma matriz ponto de origem/ponto de destino a partir

de dados de pesquisa embarque-desembarque foi abordada por
KAWAMOTO (1994). Este utilizou um modelo gravitacional restringido,
aplicado na distribuio de viagens. A pesquisa supe que o nmero de
93
viagens que ocorre entre i e j da linha diretamente proporcional ao nmero
de passageiros embarcados em i, ao nmero de passageiros
desembarcados em j, e ao comprimento da viagem entre i e j. A diferena
fundamental est nesta ltima suposio. Nela esta implcito que o usurio
de transporte coletivo tem um modo alternativo de viagem a caminhada e
que, portanto, dificilmente utiliza o transporte coletivo para percorrer
pequenas distncias. Alm disso, adota-se como uma restrio adicional o
comprimento mdio (ou total) de viagem.

O modelo gravitacional apresenta maior simplicidade matemtica

quando comparado a outros mtodos de obteno de matrizes a partir de
pesquisas embarque-desembarque (ORTZAR & WILLUMSEN, 1994).

O modelo apresenta como desvantagens a necessidade de que um

considervel nmero de ajustes e manipulaes sejam feitas para que se
encontre o resultado satisfatrio, no garante que os fatores de tempo de
viagem e os fatores scio-econmicos assumidos no modelo permanecero
constantes ao longo do tempo e, finalmente, necessita de aferio
estatstica.

4.10 - Modelo de equilbrio

DI PIERRO (1985) expe um mtodo de obteno de matrizes ponto

de origem/ponto de destino para passageiros de nibus urbanos a partir de
pesquisas de contagem embarque-desembarque.

O mtodo busca determinar fluxos de passageiros nos trechos de

rede de transporte pblicos atravs das ocupaes dos nibus que utilizam
cada trecho. Pressupe-se que, para cada par de zonas de origem e
destino, sabe-se por quais trechos da rede o passageiro ir viajar. Isso

94
feito atravs de um mtodo de alocao de viagens. Com base nessas
informaes constri-se um sistema de equaes, onde o fluxo de
passageiros observado em cada trecho se iguala soma das viagens entre
pares de zonas que utilizam aquele trecho.

Para a determinao da matriz de viagens de nibus a partir de dados

de pesquisa E/D necessria a estimativa de:

Etkl = total de passageiros que entram no nibus da viagem k da linha l no

trecho t

Dtkl = total de passageiros que desembarcam do nibus da viagem k da linha

l no trecho t

Ot0kl = ocupao do nibus da viagem k da linha l no trecho to

[ ]
t0
Ot 0 = E t Dt
kl kl kl
(4.11)
t =1

ou

[ ] [D ]
t0 t0
Ot 0 = E t
kl kl kl
t
(4.12)
t =1 t =1

Etl = mdia do nmero de passageiros que embarcam num nibus da linha l

no trecho t
Nl kl 1
E t = E t (k = 1, 2, 3...Nl )
l
, (4.13)
k =1 Nl
Nl = nmero de viagens pesquisadas na linha l

Dtl = mdia do nmero de passageiros que desembarcam de um nibus da

linha l no trecho t
Nl kl
Dt = Dt
1
(k = 1, 2, 3...N l ) (4.14)
l
,
k =1 Nl

95
Ot0 = ocupao mdia de um nibus da linha l no trecho t0
t0
Ot 0 = E Dt (4.15)
l l l
t
t =1

Vtl = volume de passageiros da linha l no trecho t durante um perodo de

tempo T (amostragem)

S = percentual dos nibus pesquisados durante o perodo de tempo T

(amostragem)
1
Vt = Ot Nl
l l
(4.16)
S

Vt = volume total de passageiros no trecho t durante o perodo de tempo T

1
Vt = Vt = Ot Nl
l l
(4.17)
l l S

Pijt = probabilidade de um passageiro com origem em i e destino em j

escolher um nibus que passe no trecho t

Equao fundamental para determinao da matriz de viagens [Tij] a

partir da pesquisa E/D (embarque/desembarque)

Vt = Tij Pij
t
* (4.18)
i j

onde:

Vt = determinvel atravs da pesquisa E/D

Pijt = determinvel atravs de um mtodo de alocao
Tij = so incgnitas em nmero de (Z2 Z) onde Z o nmero de zonas de
trfego

Portanto, preciso que a pesquisa E/D envolva pelo menos (Z2 Z)

trechos t, caso contrrio a equao * torna-se indeterminada. Esse problema
96
poder ser resolvido aproximando-se as viagens Tij atravs de um modelo
gravitacional como segue:

Tij = KOi D j Ai B j f (cij ) (4.19)

onde:

Oi = total de viagens originadas na zona i;

Dj = total de viagens destinadas zona j;
f(cij) = funo impedncia de viagem entre i e j;
cij = custo da viagem entre i e j;
K = constante a ser calibrada;
Ai e Bj so fatores de balanceamento e dependem do tipo de restrio
imposta ao modelo, como segue:
1

- modelo com restrio simples: Ai = D j f (c ij )
j
1

- modelo normalizado: Ai = D j e Bj = 1 para ambos os casos
j
1

- modelo com restrio dupla: Ai = D j B j f (c ij )
j
1

B j = Oi Ai f (c ij )
i

Assim, os fluxos Vt no trecho t ficam:

Vt = KOi D j Ai B j f (cij )Pij * *

t
(4.20)
i j

os valores de Oi e Dj podem ser obtidos atravs da pesquisa E/D:

97
 1 se t i
(
Oi = E l t TEt x,
l
) x= (4.21)
l t 0 se t j

1 se t j
(
D j = Dt TDt y , y =
l l
) (4.22)
i j y = 0 se t j

onde:

TElt = total de embarques de transferncia na linha l trecho t;

TDlt = total de desembarque para transferncia na linha l trecho t;

TElt e TDlt so obtidos atravs da pesquisa.

A funo impedncia de viagem f(cij) uma funo decrescente com

o custo cij de viagem.

f(cij) = exp (-cij) ou f(cij) = cij-

onde e so obtidos por calibrao

Portanto a equao * * tem apenas duas incgnitas:

K e (ou )

A soluo pode ser obtida adotando-se valores para o parmetro (ou ) da

funo de impedncia e obtendo-se K por regresso linear mltipla.
Adota-se o par de valores (k, ) ou (k, ) que fornece o melhor ajuste na
regresso, ou seja, aquele que fornecer o melhor valor de S.

S = (Vt Vt )2 (4.23)
t

98
onde: Vt = volumes observados
Vt = volumes modelados (com k e ou )

Obtidos (k, ) ou (k, ) tem-se um modelo gravitacional calibrado que

permitir determinar a matriz O/D de viagens de nibus.

4.11 - Modelo nibus O/D

GUR & BEN-SHABAT (1997) propem um mtodo de obteno de

matriz O/D a partir de dados de embarque-desembarque para linhas de
transporte pblico urbano denominado nibus O/D. O mtodo utiliza
informaes de contagens em veculos (embarque-desembarque)
combinado com informaes sobre a estrutura de desembarque dos
passageiros ao longo da viagem, combinando assim modelos de mnimos
quadrados e de mnima informao (Fratar).

O modelo nibus O/D, busca um meio de combinar trs elementos

que contribuem para a soluo. Primeiro, usa o ajustamento dos mnimos
quadrados para considerar a contagem de embarque em um nibus.
Segundo, pode aceitar como entrada uma Matriz de Probabilidade de
Desembarque (MPD) bsica que inclua informao adicional sobre a
estrutura da MPD. Terceiro, utiliza a formulao de mnima informao para
a seleo da soluo final. O modelo formulado como um programa de
otimizao no linear.

A anlise do problema envolve a matriz de probabilidade de

desembarque (MPD) X={xij}, onde xij a probabilidade que um passageiro

que embarcou em um ponto i desembarque em um ponto j. De posse do

conhecimento de X e do nmero de embarques em cada ponto i, qi, pode-se
estimar a matriz de embarque B={bij}, como sendo: bij=qi .xij.

99
 O problema assume que a MPD exista; sendo que cada passageiro
embarcado aleatoriamente tem um destino com base na probabilidade
correspondente sua estao de embarque. Devem ser realizadas
contagens de embarque para cada veculo, pois as viagens variam entre si
na diviso de embarques entre estaes. A distribuio de passageiros
desembarcados entre estaes em cada viagem depende da diviso do
embarque e de X. Desta forma, a estrutura da MPD pode ser deduzida das
anlises destas variaes usando estimativas estatsticas.

Alm das contagens de embarque-desembarque, o modelo utiliza

outras fontes possveis de informaes adicionais sobre a estrutura da
matriz, como por exemplo o conhecimento da tendncia de comportamento
dos passageiros e de matrizes velhas que eventualmente existam.

A formulao do modelo considera uma linha unidirecional que

consiste de S estaes (pontos), numerados 1, 2..., S, onde o passageiro
embarca e desembarca. Os pontos podem ser utilizados tanto para
embarque quanto desembarque. A linha servida por veculos. Um
passageiro que embarca em um veculo no ponto i deve desembarcar no
ponto subsequente j, i j S (sendo permitido o agrupamento de pontos).
No primeiro ponto da linha todos os veculos esto vazios, tal como no ltimo
ponto, quando os passageiros deixam o veculo. A MPD X estima a
probabilidade de um passageiro que embarcou no ponto i desembarcar no
ponto j. Assume-se que X aplicado para todos os passageiros no perodo
de anlise.
Durante o perodo de anlise, NT veculos viagem so realizados. N
destes veculos so examinados; 2 N NT . Os veculos examinados so
numerados de 1, 2,...N. Sendo q(t)={qi(t)} o nmero de embarque e r(t)={ri(t)}
o desembarque em cada estao i no nibus t, respectivamente; q e r so
assumidos para serem conhecidos sem erros para todos os veculos
pesquisados. A base da matriz de probabilidade de desembarque estimada
externamente dada por F={fij}, a qual fornece uma estimativa a priori de X.

100
 O problema estimar X, dados os vetores q(t) e r(t) para todos os
veculos examinados, e a matriz F. A otimizao do problema formulada da
seguinte forma:
min Z ( X ) = A( X ) + B( X ) (4.23)
onde

[
A( X ) = r j (t ) y j (t ) ]
2
(4.24)
j i

[
y j (t ) = qi (t ) xij ] (4.25)
i

x
B( X ) = qi x ij log ij 1 (4.26)
i j
fij

tal que

y (t ) = r (t )
j
j
j
j para cada j (4.27)

x
j
ij = 1 .0 para cada i (4.28)

xij = 0 para cada i j (4.29)

se fij = 0 ento xij = 0 (4.30)
se fij > 0 ento xij 0 (4.31)

A funo objetivo (4.23) minimiza a soma dos valores das duas

quantidades, A e B, sobre a varivel decisria X, a qual esta sendo
estimada, um parmetro escalar.

O valor de A da Equao 4.24 significa a soma do quadrado da

diferena entre o nmero de desembarques observado e o esperado em
todos os pontos e veculos. O clculo do nmero esperado de
desembarques, y, descrito na equao 4.25. O valor de B da Equao
4.26, a medida da informao contida em X. O parmetro esta includo
na equao 4.26 para normalizar o valor de B para problemas de diferentes
tamanhos e nmeros de veculos utilizados. Isto permite que permanea
inalterado em uma grande famlia de casos.

101
 As restries do problema so diretas. A equao 4.27 requer que o
nmero total de embarques e desembarques em cada ponto para o perodo
de anlise seja igual. Este, por outro lado, faz com que a estimativa seja
consistente com os mtodos convencionais de estimao. A equao 4.28
(junto com as equaes 4.30 e 4.31) especifica que X descreve as
probabilidades. A base da MPD, F, tem duas funes especficas. Primeiro,
usada para especificar clulas estruturais zero (equao 4.30). Isto inclui
todas as viagens de volta, e todas as outras clulas que no podem ter
viagens. A segunda funo de F introduzir no procedimento de clculo a
informao externa sobre a estrutura da matriz soluo (equao 4.25).

O problema inclui os trs elementos necessrios para a completa

soluo do modelo nibus O/D: considera a contagem E/D para nibus
individual, obtm e utiliza informao para a matriz bsica, e usa a
formulao de mnima informao para a seleo final.

O modelo considera ainda que os viajantes possuem um modo

concorrente (caminhada) ao modo nibus, quando estes percorrem
pequenas distncias. A fim de minimizar superestimativas para pequenas
distncias de viagens, o modelo assume um fator racional de impedncia
para viajantes que escolhem entre os modos caminhar ou pegar um nibus.
Segundo GUR & BEN-SHABAT (1997) os fatores que afetam a escolha do
modo de transporte para pequenas distncia incluem: a distncia entre
pontos e a velocidade relativa de caminhada, tarifa do nibus, freqncia, e
densidade nas estaes. A formulao bsica do modelo no considera este
problema.

Segundo os autores, em um nmero limitado de aplicaes, a

utilizao do fator de impedncia para pequenos deslocamentos melhorou
significativamente o desempenho do modelo. Argumentam porm que o
processo como um todo ainda grosseiro e no suporta ou justifica
procedimentos mais refinados para a modelagem dos efeitos dos pequenos
deslocamentos.
102
5 - MODELO PROPOSTO

5.1 - Introduo

Os modelos de gravidade nascidos da analogia lei gravitacional de

Newton so os modelos de maior entendimento prtico dentre os modelos
de distribuio. Os modelos de gravidade tm sido amplamente utilizados
para a predio de matrizes de viagem em planejamento de transportes e
igualmente como um modelo descritivo e de otimizao (HALLEFJORD &
JRNSTEN, 1986).

O uso de modelos de demanda aliado a dados de pesquisa simples

do tipo embarque-desembarque, permitem que sejam estimadas matrizes
O/D para servios de transporte urbano de nibus de modo expedito e de
baixo custo financeiro.

Diversos autores tm feito uso desses mtodos para obteno de

matrizes O/D. KAWAMOTO (1994), utiliza um modelo de gravidade

restringido do tipo: Vij = Ai Oi B j D j C ij , para estimar a matriz ponto de

origem/ponto de destino de dados de pesquisa E/D. Neste caso, a principal

diferena em relao ao modelo de gravidade aplicado na distribuio de
viagens o sinal do expoente. O autor sustenta que a escolha do transporte
coletivo tem como modo concorrente a caminhada. Assim, as pessoas que
escolheram o

103
transporte coletivo foram motivadas por algumas de suas vantagens em
relao caminhada, quais sejam: a rapidez e o conforto fsico, os quais
somente aparecem a partir de uma certa distncia. E essas vantagens
crescem com a distncia. Assim, a probabilidade de que um passageiro que
embarcou num ponto desa no prximo ponto quase nula, e ela aumenta
medida que aumenta a distncia.

NAVICK & FURTH (1993) demonstram a propenso do usurio em

caminhar pequenas distncias. Em uma matriz elaborada usando o conceito
de propenso, argumentam e mostram que uma funo gama ( Pij = dij e dij ,

onde Pij a propenso de viajar entre pontos i e j, dij a distncia entre i e j,

e e so constantes) descreve adequadamente a propenso para a
ocorrncia de viagem com a distncia. Isto significa que a propenso de se
usar transporte coletivo em viagens curtssimas pequena, aumenta
medida em que cresce a distncia, atinge o mximo para uma dada
distncia, e a partir da passa a diminuir.

Sabendo das diferentes propenses de viagens, EASA (1993b) usou

no modelo gravitacional um parmetro (i) especfico para cada zona de
origem em uma funo de impedncia exponencial relacionada ao tempo de
viagem. Testes conduzidos em trs reas indicaram que o modelo
reproduziu padres de viagens com maior preciso que o modelo
gravitacional comum.

Outro que utilizou um valor de parmetro relacionado a cada ponto de

origem foi SOUTHWORTH (1978). O autor considerava que os estudos dos
valores de parmetros relacionados a cada origem deveriam ser melhor
compreendidos e investigados de forma desagregada. Southworth
considerava que a calibrao do modelo despendia um tempo
computacional excessivamente longo, e esta desvantagem inibia seu uso em
relao aos outros modelos.

92
5.2 - Modelo de gravidade restringido proposto

O modelo proposto (Vij = Ai Oi B j D j C ij i ) est baseado no modelo

de gravidade restringido, que tem por finalidade estimar o nmero de

viagens entre duas zonas de trfego. Supe-se que o nmero de viagens
que ocorre entre pontos i e j da linha diretamente proporcional ao nmero
de passageiros embarcados em i e desembarcados em j, e ao comprimento
da viagem. Quanto a esta ltima suposio, o usurio do transporte pblico
tem como modo alternativo de viagem a caminhada e, portanto, dificilmente
toma uma conduo para viagens de curta distncia. O modelo adota ainda
como restrio adicional o comprimento mdio (ou total) de viagem.

O modelo tem como caracterstica associar a cada origem um valor

de parmetro i. A suposio, neste caso, est relacionada a distncia de
caminhada entre o ponto de embarque e o ponto de desembarque, e a
probabilidade do usurio de transporte desembarcar no ponto seguinte ao
ponto de embarque.

Enquanto a adoo de um nico valor de para toda matriz implica

em considerarmos um custo mdio para todas as viagens, a utilizao de um
valor de i associado a cada origem busca reproduzir o custo mdio de
distribuio de viagens de uma origem em relao aos seus diferentes
destinos.

O fato de as pessoas caminharem pequenas distncias um

indicativo para valores apresentados nas estimativas de matrizes. Estes
valores podem ser observados nas clulas vizinhas diagonal da matriz
(V12, V23, etc.) estimada. Assim, caso os valores de matrizes estimados
apresentem valores elevados nas clulas vizinhas diagonal da matriz,
estas podem no estar representando o comportamento dos usurios em
uma determinada situao.

93
5.2.1 - Formulao do modelo proposto
Conforme o exposto no item 2.3.1.2 - Pontos de Parada, a
probabilidade dos passageiros desembarcarem no ponto seguinte ao ponto
de embarque muito reduzida. Esta probabilidade pode ser estimada
atravs de pesquisas de campo e/ou inferidas pelo analista a partir do
conhecimento das distncias entre pontos, alm das caractersticas de
localizao dos pontos, tais como: bairros, regio central, shopping centers,
etc.

Analisando sete linhas de transporte coletivo, duas linhas

pertencentes a cidade de Curitiba e cinco pertencentes Paranagu, com
distncia entre pontos variando de 150 a 500 m, observou-se que, em
mdia, 0,01% dos passageiros embarcados em um ponto desembarcavam
no ponto seguinte.

Admitindo que apenas uma porcentagem do total de passageiros

embarcados em um ponto desembarcam no ponto seguinte, podemos
restringir as estimativas dos valores vizinhos diagonal da matriz (V12, V23,..)
valores previamente calculados. Desta forma estamos reduzindo em n-1
graus de liberdade as distribuies de viagens a serem estimadas em cada
linha da matriz.

Respeitando as imposies do modelo gravitacional duplamente

restringido e impondo as restries referentes a i, fazemos:

I
Vij = Ai Oi B j D j Cij (5.1)

A denominao restringido do modelo de gravidade deve-se ao fato

de que os volumes de viagens devem obedecer a duas restries bsicas: a)
o total de viagens originadas em uma zona deve ser igual ao total de viagens
distribudas a partir delas; e b) o total de viagens que se dirigem a um ponto

94
de nibus deve ser igual ao total de viagens com destino ao ponto de
desembarque j.

As equaes de restrio do modelo so:

V
j =2
ij = Oi (5.2.a)

n 1

V
i =1
ij = Dj (5.2.b)

No ponto 1 (O1), adotando o valor 1 em V12, ou seja, a porcentagem

de passageiros que embarcam no ponto 1 desembarcarem no ponto
seguinte, fazemos:
V12 + V13 + V14 + L + V1n = O1 (5.3)

Substituindo V12 por 1.O1

1 O1 + V13 + V14 + L + V1n = O1

1
1 O1 + A1 O1 B j D j C1 j = O1
j
n 1
1 = 1 A1 B j D j C1 j
j =2

Assim, V12 = 1O1 para a primeira linha da matriz, significa que, de V12
desembarca apenas uma porcentagem 1 do volume de passageiros
embarcados em O1. Na segunda linha da matriz temos V23 = 2 O2, e assim
sucessivamente.

Genericamente temos:

n 2 i
i = 1 Ai B j D j C ij (5.4)
j =2

95
 Respeitando as restries do modelo (5.2) temos:
1 i
Ai = n
(5.5)
i
B j D j Cij
j =2

1 i
Bj = n 1
(5.6)
i
Ai Oi Cij
i =1

Os fatores de balanceamento Ai e Bj so, portanto, interdependentes.

Isto significa que a estimativa de um conjunto requer os valores do outro
conjunto.

Ao adotarmos valores de i para valores vizinhos diagonal da

matriz, estamos impondo valores prvios estas clulas da matriz e
reduzindo as distribuies de viagens a serem estimadas em cada linha da
matriz. Tomemos por exemplo a linha On-2, ao impormos o valor de n-2 em
Vn-2, n-1, devemos estimar um valor de parmetro n-2, que ajuste as
distribuies de viagem da linha On-2 sujeito as restries de n-2 , (5.2a) e
(5.2b). Desta forma obtemos um parmetro que satisfaz n-2 e Vn-2, n. E assim
sucessivamente para as demais linhas da matriz.

A restrio adicional i s clulas vizinhas da diagonal da matriz, bem

como as restries V
i
ij = Dj e V ij = Oi no so suficientes para garantir
j

uma nica soluo, e diversas matrizes podem ser encontradas, bastando

que as somatrias das viagens nas linhas e nas colunas satisfaam as
restries impostas pelo modelo. De fato, h possibilidade de se aumentar
ou diminuir o valor de uma clula sem violar as restries, desde que as
outras clulas sejam alteradas de modo a compensar as variaes
ocorridas.

Com o intuito de limitar o rearranjo interior da matriz, adota-se o

tempo mdio (ou total) de viagem como uma restrio complementar. Impe-
96
se o tempo mdio (ou total) de viagem, calculado a partir de uma
amostragem, totalidade das viagens. Embora o problema persista, sua
dimenso reduzida.

Conhecendo-se os volumes de embarque e desembarque nos pontos

sucessivos de uma linha de transporte, pode-se obter o nmero de pessoas
que viajam entre dois pontos atravs da frmula:

i
ci = ( E k Dk ) (5.7)
k =1

onde D1 = En =0

sendo:
ci = carregamento no trecho;
Ek = passageiros embarcados;
Dk = passageiros desembarcados.

Conhecido o carregamento em cada trecho e o tempo de percurso

correspondente, pode-se calcular o tempo total de permanncia dos
usurios na linha atravs da frmula:

n 1
T = ci t i (5.8)
i =1

onde:
T = tempo total10
ti = tempo de percurso do trecho i

5.10
Este trabalho utilizou como condio de parada o tempo total (T) de viagem da matriz, o
qual composto pela soma de n Ti s (soma dos tempos de viagem dos passageiros
embarcados no ponto i). A utilizao dos diversos Ti como condio de parada no processo
de calibrao, est limitada a problemas de ordem terica (visto que os fatores de
balanceamento Ai e Bj so interdependentes) e computacional, razo pela qual no foi
utilizada esta condio de parada.
97
5.3 - Calibrao

No modelo gravitacional (5.1) existem os parmetros Ai, Bj , i. Os

parmetros Ai Bj so calibrados durante a estimao do modelo de
gravidade, como parte direta do esforo para satisfazer as restries

V
i
ij = Dj e V
j
ij = Oi . Pelo menos um dos Ai ou Bj redundante, assim

como existe uma condio adicional iOi = j Dj = V, e portanto uma das

restries (Equaes 5.2a e 5.2b) linearmente dependente do resto. O
parmetro i deve ser calibrado para assegurar que a distribuio ao longo
da viagem seja reproduzida to prxima quanto possvel.

Diversas tcnicas de estimativa de parmetros alfa em modelos de

gravidade foram propostas. Uma estimativa deste parmetro adoo inicial
de um valor qualquer. Estima-se uma matriz, a qual comparada com uma
matriz de viagens observadas. Caso a matriz estimada no esteja muito
prxima da matriz observada, adotam-se outros valores para o parmetro
at que o modelo convirja. NOVAES (1986) utiliza a regresso linear simples
ou mltipla para estimar o valor de parmetro a partir de dados da distncia
entre pontos e do fator de expanso. ORTZAR e WILLUMSEN (1994)
descrevem o mtodo de Hyman para sua estimativa.

No modelo proposto, a estimativa dos parmetros assemelha-se ao

primeiro caso descrito acima. Inicialmente adotam-se valores quaisquer para
os diversos i (por exemplo, i = 0 para i = 1, 2, ...,n onde n o nmero de
pontos), valores quaisquer para Bj (por exemplo, Bj = 1 para j = 1, 2, ...,n
onde n o nmero de pontos de parada em cada linha) e, valores para i
(por exemplo 0,01). Os valores de i representam a probabilidade de
desembarque no ponto seguinte ao ponto de embarque; estes valores
podem ser determinados atravs de pesquisas de campo ou da
sensibilidade e do conhecimento do analista.

98
 Com a adoo de valores iniciais de i, i e de Bj, e de posse dos
valores de Dj, Oi e Cij estimam-se os valores de Ai ,usando a equao (5.5).
De posse dos valores de Ai estimam-se os valores de Bj por (5.6).

Com os valores de Dj, Oi, Cij Ai, Bj e de i inicial, estimam-se os

valores de Vij atravs da equao (5.1) Com os valores estimados de Vij
estima-se o nmero de passageiros que passam por cada trecho da rota, e
estima-se o tempo total de viagem atravs da equao (5.8). Esse valor
estimado com dados de valores de parmetros introduzidos confrontado
com a estimativa de tempo total real a partir das contagens de embarque
(Oi) e desembarque (Dj) em cada ponto.

Caso a diferena entre o tempo total real e o estimado seja maior que
um valor arbitrado, denominado condio de parada, adotam-se novos alfas.

A calibrao pode ser resumida da seguinte forma:

a) A partir dos volumes de embarque e desembarque de cada ponto,

estima-se o nmero de passageiros que passa por cada trecho da
rota e o tempo total real de viagem;
b) Adotam-se valores iniciais para Bj, i, i. Estima-se Ai, pela equao
(5.5);
c) Estimam-se os valores de Bj, (equao 5.6);
d) Estimam-se os valores de Vij (equao 5.1);
e) Estima-se o tempo total (equao 5.8);
f) Compara-se o tempo total real com o tempo total estimado. Caso a
diferena entre os tempos seja maior que um valor arbitrado, adotam-
se novos valores de alfa, caso contrrio encerra-se o processo;
g) Estimam-se pelo mtodo Gauss-Newton os novos valores de alfa pela
equao (5.4);
h) De posse dos novos valores de alfa e de Ai, repete-se o processo a
partir de c).

99
5.3.1 - Determinao do parmetro i
A diferena fundamental do mtodo proposto est no procedimento de
adoo de novos valores de alfa. Ao invs de se adotar valores aleatrios
para alfa e verificar se o modelo atinge a condio de parada, adota-se um
modelo de busca que tem por objetivo orientar a estimativa de um valor de
alfa que satisfaa as restries do modelo (5.2a) e (5.2b) e atinja a condio
de parada.

A estimativa do valor do coeficiente alfa para cada linha da matriz

realizada atravs de (5.4). Desta forma, as novas estimativas de valores i
passam a ser um problema de resoluo de uma equao no linear. Para a
soluo deste problema, utilizou-se o mtodo de Gauss-Newton.

5.4 - Mtodo de Gauss-Newton

Em muitos problemas de modelo de regresso no linear mais

prtico achar as estimativas de mnimos quadrados usando um mtodo de
procura direta, em lugar de obter o sistema de equaes normais e logo usar
algum mtodo numrico para resolver este sistema. O mtodo Gauss-
Newton usa a expresso de sries de Taylor para aproximar o modelo de
regresso no linear com termos lineares e logo usa mnimos quadrados
ordinrios para estimar parmetros. Assim, as iteraes destas duas etapas
conduzem a uma soluo do problema de modelo de regresso no linear.
O mtodo comea com valores iniciais dos parmetros:

(0 ) (0 )
0 ,...., p 1

Logo aproximamos a funo resposta para as n observaes usando

(0 )
a srie de Taylor em torno de k , k = 0, 1,...., p - 1 . Assim obteremos:

100
 p 1
f ( X i , ) (0 )
f ( X i , ) = f ( X i (0 )
)+ ( )
k
k k
k =0

(5.9)

Mudando a notao:

(0 ) (0 )
fi = f ( X i , )
(0 ) (0 )
k = k k

(0 ) f ( X i , )
Dik =
k

(0 )
onde a derivada estimada no ponto k = k

Assim, podemos escrever a aproximao de Taylor na seguinte

forma:
p 1
(0 ) (0 )
f ( X i , ) f i + Dik k (0 ) (5.10)
k =0

Uma aproximao do modelo de regresso no linear (5.10) a

seguinte:

p 1
(0 ) (0 )
Yi f i + D ik k (0 ) + i (5.11)
k =0

(0 ) (0 )
Se Yi = Yi f i , ento:
p 1
(0 ) (0 )
Yi Dik k (0 ) + i (5.12)
k =0

onde i = 1, ..., n e usando a notao matricial, temos:

101
Y (0 ) D (0 )b (0 ) + (5.13)

Y1 f1 (0 )
(0 )
Y (0 ) M ; (0 ) = M

(
Yn f n 0 ) (0 )
p 1

D10 (0 ) L D1,p 1(0 )

D (0 ) = L L L
(0 ) (0 )
D n,0 L D n, p1

Da equao (5.13) obtm-se b(0) = ((Dt)(0) D(0)) 1 ((Dt)(0)Y(0)) ou seja, o

vetor de estimao dos mnimos quadrados dos coeficientes de regresso.

Usa-se este vetor para obtermos os novos k, ou seja os k (1).

k (1)
=k (0)
+ bk (0)
a estimativa revisada de k no final da primeira
iterao. Assim: (1) = (0) + b (0).

5.4.1 - Utilizao do modelo de Gauss-Newton no modelo de

gravidade restringido
O mtodo de Gauss-Newton utilizado na calibrao do modelo de
gravidade restringido para a estimativa dos valores i (5.4).

Assim:

102
 (0 )
fi = f ( X i , (0 ) )
n 1
X i = 1 Ai B j D j C ij
i

(0)
= i

(0 ) f ( X i , )
Dik =
k
n
(0 )
= A * B j * D j * Cij i * ln Cij

Dij
j =2

Y (0 ) D (0 )b (0 ) + (5.16)

Y1 f1 (0 )
(0 )
Y (0 ) M ; (0 ) = M

(
Yn f n 0) (0)

p 1

D10 (0 ) L D1,p 1 (0 )

D (0 ) = L L L
(0 ) (0 )
D n,0 L D n,p 1

Yn = n valor de teta adotado para a linha n;

( 0)
fn = valor estimado de teta para a linha n;

Da equao (5.16) obtm-se b(0) = ((Dt)(0) D(0)) 1 ((Dt)(0)Y(0)), ou seja, o

vetor de estimao dos mnimos quadrados dos coeficientes de regresso.

Usa-se este vetor para obtermos os novos i, ou seja os i (1).

103
 Desta forma i (1) =i (0) + bi (0) a estimativa revisada de i no final da
primeira iterao. Assim: (1) = (0) + b (0), ou seja i (1) a estimativa do valor
de alfa a ser utilizada no prxima iterao do modelo gravitacional. A cada
iterao, os novos valores de alfa so utilizados no processo de estimativa
dos valores de Ai, Bj e Vij, at que os valores estimados de Vji satisfaam as
restries de tempo total impostas.

A estimativa de matrizes a partir de um modelo gravitacional utilizando

dados de contagem de embarque e desembarque, distncias entre pontos e
porcentagem de passageiros desembardos logo aps o seu embarque,
iniciado pela adoo de valores quaisquer para i, Bj e i. So estimados os
valores de Ai atravs de (5.5) e Bj por (5.6). De posse destes valores feita
a distribuio de viagens atravs de (5.1). Para iniciar a segunda iterao
estimam-se os valores de atravs de i (5.4) utilizando o mtodo Gauss-
Newton. De posse dos novos valores de i so determinados novos valores
de Ai e Bj, dando seqncia ao processo iterativo at que seja atingida a
condio de parada.

No nosso caso, a condio de parada foi atingida quando a diferena

em mdulo do tempo total da matriz real e o tempo total da matriz estimada
for inferior a 0,1% do valor do tempo total da matriz real.

O fluxograma da figura 5.1 descreve os procedimentos de entradas e

sadas de dados e as rotinas de clculo para implementao do modelo
proposto.

104
 Embarque Desembarque Distncia ou
i iniciais Bj iniciais tempo entre
Oi Dj
pontos

Adotam-se val ores de Estim ativa de Ai

teta e estimam-se i
(Mt odo
Gauss-Newton)

Estim ativa de Bj

Estimativa da Matriz
O-D

Clculo do tempo Clculo do tempo

total da matriz O-D total da Matriz O-D
estimada real

SIM Condio de parada

(Diferena entre o
tempos totais)

NO

Fim
do processo

Figura 5.5 - Fluxograma do procedimento de entrada e sada de dados do

modelo proposto

5.5 - Obteno do modelo de gravidade proposto via

maximizao da entropia

O modelo de gravidade pode ser obtido a partir da maximizao da

entropia.

105
 T!
WILSON (1967) props a maximizao de W [Tij ] = sujeita a
Tij !
ij

uma srie de restries (onde T = Tij = nmero total de viagens no

ij

sistema).

Segundo os procedimentos de Jaynes, Wilson estabeleceu trs tipos

clssicos de restries que achava que fossem necessrias para se obter
uma boa estimativa de Tij , quais sejam: um conjunto de restries sobre o
nmero total de viagens originadas em cada zona i (denotado por Oi), um
conjunto de restries sobre o nmero total de viagens atradas por cada
zona j (denotado por Dj) e uma restrio sobre a despesa total com viagens
no sistema (denotado por C). Estes conjuntos de restries caracterizam um
especfico macroestado do sistema.

ULYSSA NETO (1991) descreve a formulao matemtica deste

problema de maximizao com funo montona de W [Tij] como sendo a
funo objetivo, dada por:

T!
Max ln W [Tij ] = ln (5.17)
Tij !
ij

T
i
ij = Dj (5.18)

T
j
ij = Oi (5.19)

T c
ij
ij ij =C (5.20)

onde cij = custo generalizado de viagem entre i e j.

106
Usando-se a aproximao para Tij!, dada pela frmula de Stirling:

Tij != Tij ln Tij Tij (5.21)

pode-se transformar a funo objetivo ln W[Tij] em:

H = Tij ln Tij Tij (5.22)

ij

A funo estritamente cncava e o termo T

ij
ij = T uma constante

e, portanto, pode ser retirado do problema de maximizao sem que a

soluo seja alterada.

A soluo da maximizao de (5.22) sujeita as restries (5.18) a

(5.20) pode, ento, ser obtida atravs da maximizao irrestrita da funo
Lagrangeana , dada por

= H + 'i (Oi Tij ) + ' ' j ( D j Tij ) + ' ' ' (C Tij cij )
i j j i ij

(5.23)

onde i, j e so multiplicadores de Lagrange, associados com

restries (5.18), (5.19) e (5.20).

Estabelecendo-se as condies de mximo, passamos a ter um

sistema de m2 + m + 1 equaes e m2 + m + 1 incgnitas e desta maneira o
sistema torna-se perfeitamente determinado.

O timo (mximo) pode ento ser determinado como segue:

107
 Diferenciando com relao a Tij e igualando a zero, resulta:

= ln Tij 'i ' ' j ' ' ' cij = 0 (5.24)
Tij

A diferenciao de reproduz as restries (5.18) a (5.20). A soluo

deste problema de maximizao , ento, obtida da equao (5.24)
mediante o isolamento de Tij. Assim, obtm-se:

'i '' j '''c ij

Tij = e (5.25)

Fazendo as seguintes transformaes:

Ai O i = e i (5.26)

B j D j = e j (5.27)

obtm-se:

C ij
Tij = Ai Oi B j D j e (5.28)

O modelo (5.28) o modelo gravitacional de distribuio de viagens

obtido por Wilson.

C ij
A funo de impedncia f (C ij ) = e , implica que os viajantes tem

uma percepo linear do custo de transporte, ou seja, a influncia de um

acrscimo marginal do custo de transporte sempre a mesma,
independente do custo de viagem.

108
 Atravs da restrio T
ij
ij ln cij = C , ULYSSEA NETO (1991) utiliza

uma funo de impedncia que incorpora a percepo logartmica dos

custos de transporte, resultando em um modelo:

ln C ij
Tij = Ai Oi B j D j e (5.29)

Segundo o autor, este modelo mais recomendado na estimativa de

viagens entre localidades em nvel regional ou interurbano, onde as
distncias percorridas so consideravelmente maiores do que as percorridas
em nvel urbano. Podemos observar que o padro de distribuio de viagens
obtido com estes modelos varia para os mesmos dados em relao a funo
de impedncia adotada.

Devido as diferenas scio-econmicas entre os usurios de

transporte pblico por nibus e das caractersticas das cidades brasileiras,
as quais concentram nas periferias as pessoas de baixa renda e os servios
na rea central, podemos supor que existe uma percepo diferenciada
entre os usurios de um sistema de transporte ao longo de uma linha de
transporte quanto ao custo e a distncia viajada.

Admitindo que a cada ponto de nibus exista uma percepo

diferenciada do custo e/ou da distncia de transporte a ser percorrida em
relao aos seus possveis destinos, fazemos:

T j
ij log cij = C i (5.30)

C i Tij log cij = 0 (5.31)

j

109
 Adotando a restrio (5.30), temos:

= H + 'i (Oi Tij ) + ' ' j (D j Tij ) + i ' ' ' (Ci Tij logcij ) (5.32)
i j j i i j

Tomando a primeira derivada parcial com respeito a Tij e igualando a

zero:

= log Tij 'i ' ' j i ' ' ' log cij = 0 (5.33)
Tij

ento:

Tij = exp(i ' - j ' ' i ' ' ' log cij ) = exp(i ' ) exp(' j ' ' ) exp(i ' ' ' log cij ) (5.34)

Resultando no modelo:

Tij = Ai Oi B j D j exp( i log c ij ) (5.35)

i
Vij = Ai Oi B j D j C ij (5.36)

O modelo associa para cada origem um parmetro especfico, como

sugerido por WILSON5.11 apud SOUTHWORTH (1978). A consistncia
interna de distribuio das viagens garantida pela satisfao das restries

5.11 WILSON, A. G. (1970). Entropy in urban regional modelling. London apud SOUTHWORTH, F. (1978). The
calibration of a joint trip-distribution and modal-split model with origin-specific cost decay parameters. Area,
n 10, p.252-258.

110
 n
(5.18) e (5.19). A distncia total de transporte dada pela somatria ( C ij )
j

correspondente a cada origem.

6 - APLICAO DO MODELO

6.1 - Introduo

Neste captulo, apresentam-se os dados referentes a aplicao do

modelo proposto e anlise estatstica das simulaes em 2 linhas de
transporte pblico da cidade de Curitiba e 6 linhas da cidade de Paranagu.
Os dados utilizados nas simulaes so provenientes de dados de pesquisa
embarque-desembarque, realizadas pelo Departamento de Transportes da
Universidade Federal do Paran.

As caractersticas de demanda e tipo de linhas diferem entre as duas

cidades. Curitiba uma cidade com cerca de um milho e trezentos mil
habitantes e tem uma demanda caracterizada por dois picos: manh e tarde.
As linhas referentes a Curitiba so diametrais, ligando dois bairros distintos
passando pelo centro da cidade.

Paranagu situa-se na faixa de cento e vinte mil habitantes e

apresenta uma demanda com trs picos: manh, meio do dia e tarde. As
linhas de Paranagu so radiais ligando bairros ao centro da cidade.

111
 Foram realizadas duas simulaes para cada conjunto de dados de
uma linha. Primeiramente considerando pontos de parada de forma
desagregada e em seguida com pontos de parada agregados.

112
6.2 - Avaliao do desempenho do modelo

Existem diversos mtodos estatsticos para avaliar o desempenho de

modelos gravitacionais que estimam matrizes O/D (ver por exemplo SMITH
& HUTCHINSON, 1981; WILSON, 1976; FURTH & NAVICK, 1993a). Os
testes estatsticos propostos so medidas de similaridade e medem a
proximidade da matriz observada com a matriz estimada. Os testes
estatsticos utilizados neste trabalho so o Chi-quadrado, Phi-normalizado e
o ndice de dissimilaridade.

6.2.1 - Chi-quadrado
Segundo WILSON (1976), o teste chi-quadrado um teste estatstico
padro usado na avaliao de modelos de gravidade para testar as
freqncias observadas (pesquisadas) e as freqncias esperadas
(estimadas).

SMITH & HUTCHINSON (1981) consideram o chi-quadrado como

uma estatstica muito suscetvel, porm segundo esses autores, existe
algumas dificuldades em seu uso. Para esses autores, valores menores que
seis requerem agregao de entrada de matrizes e no existe um mtodo
consistente para se fazer isto. COCHRAN6.12 apud CONOVER (1980)
sugere que nenhum dos valores de entrada deveria ser menor que 1 e no
mais que 20% deveria ser menor que 5. Estudos mais recentes indicam que
esta regra pode ser ainda mais relaxada (CONOVER, 1980).

O chi-quadrado definido como:

6.12 COCHRAN, W. G. (1952) The x2 test of goodnessof fit. Annals of Mathematical Statistics 23, 315-534 apud CONOVER, W. J. (1980). Pratical
nonparametric statistics. 2 ed. New York. John Wiley & Sons.

104
 x 2
=
(V ij Vij
*
) (6.1)
*
i j Vij

onde

Vij* = matriz O/D observada;

Vij = matriz O/D estimada;
V = nmero total de viagens.

6.2.2 - ndice de dissimilaridade

Segundo GONALVES e ULYSSA NETO (1993), o ndice de
dissimilaridade mede a porcentagem de viagens que podem ser realocadas
entre pares (i, j), para que a matriz observada coincida com a matriz
estimada. O ndice de dissimilaridade dado por:

50
ID = Vij Vij
*
(6.2)
V ij

O valor de ID varia entre 0 e 100. Assim, quanto mais prximo de zero

for o valor de ID, tanto melhor ser a estimativa da matriz.

6.2.3 - Estatstica phi-normalizada

Esta estatstica baseada na Teoria da Informao e segundo SMITH
e HUTCHINSON (1981), a estatstica phi-normalizada mostra-se adequada
para a avaliao de modelos de distribuio de viagens. GONALVES e
ULYSSA NETO (1993) definem a estatstica phi-normalizada por:

VIJ * Vij *
= ln (6.3)
V V
ij
ij

105
 O valor de igual a zero indica que as matrizes observadas e
estimadas so idnticas. Assim, quanto menor o valor de tanto melhor
ser a matriz O/D de viagens estimadas.

6.3 - Consideraes sobre agregaes de pontos de parada

Para aplicar o modelo proposto nas linhas de Curitiba e Paranagu,

desenvolveu-se um programa em linguagem Turbo Pascal, descrito no
anexo A e apresentado na figura 5.1. O programa foi instalado em um
microcomputador com velocidade de 133 megahertz, o tempo de
processamento dos dados para a convergncia do modelo prximo a 1
segundo. Os resultados obtidos foram dispostos na forma de matrizes
agregadas e desagregadas, e ento, avaliadas atravs das medidas x2, e
ID, definidas nas sees anteriores.

As clulas das matrizes desagregadas observadas e simuladas

representam o nmero de passageiros em cada par origem-destino,
enquanto que, nas matrizes agregadas, cada clula da matriz representa a
soma do conjunto de passageiros de diversos pontos de parada.

Devido ao elevado nmero de pontos de parada em cada linha de

transporte pblico urbano, as matrizes O/D apresentam valores iguais a zero
em grande parte de suas clulas. Isto ocorre porque geralmente no existem
mais que 120 embarques por viagem, porm o nmero de pares origem-
destino (O/D) por linha cerca de algumas dezenas. Para linhas onde
existem 30 pontos de parada, os nmeros de pares O/D possveis so
0,5 . 29 . 30 = 435. Como resultado, o nmero de passageiros esperado para
a maioria dos pares O/D ser muito baixo e, muitas das clulas da matriz
contero zeros.

106
 Cada linha analisada em Paranagu teve seus pontos de parada
agregados. A agregao de pontos levou em conta as caractersticas
scioeconmicas, zoneamento da cidade, total de viagens com origem e
destino de cada zona, barreiras fsicas e distncia de caminhada entre
pontos (figura 6.1). Levando em considerao as referncias contidas no
item 2.3.3, procurou-se agregar pontos de parada de modo que a soma das
distncias entre pontos fosse em torno de 800 metros.

A figura 6.2 mostra as linhas de transporte coletivo e os pontos de

parada correspondentes a cada linha.

Na cidade de Paranagu as distncias entre pontos nas zonas

coletoras (bairros) muitas vezes no excedem a 150 m e muitas vezes os
itinerrios so circulares dentro bairro. Desta forma, procurou-se agregar em
mdia de 3 a 5 pontos de parada, sempre respeitando os zoneamentos, e
caractersticas scioeconmicas. O mesmo procedimento foi realizado para
as zonas de penetrao e de destino (centro da cidade).

Em Curitiba, onde as linhas simuladas so diametrais, a agregao

ocorreu da mesma forma como em Paranagu. Agregou-se os pontos de
parada das zonas coletoras (bairro), zonas de penetrao, zona central
(centro da cidade), zona de penetrao e zona de destino (bairro).

107
108
109
6.4 - Apresentao dos resultados

A tabela 6.1 apresenta os valores para as estatsticas x2, e ID

estimados das matrizes O/D obtidas pelo modelo proposto. So
apresentados valores de testes estatsticos para linhas de transporte pblico
a partir de matrizes com pontos de parada desagregados e com pontos de
parada agregados.

A tabela 6.2 apresenta os valores do teste estatstico x2 estimado e o

valor crtico do x2 para as linhas de transporte pblico por nibus de Curitiba
e Paranagu. So apresentados resultados para linhas de transporte sem
agregao de pontos de parada e com agregao pontos de parada.

As linhas pertencentes a cidade de Curitiba so; gua Verde e

Taboo. As demais linhas fazem parte do conjunto de linhas da cidade de
Paranagu. As matrizes referentes aos dados de pesquisa do tipo
Santinho, ou seja, as matrizes reais e as matrizes estimadas atravs do
mtodo proposto encontram-se no Apndice.

110
Tabela 6.1 - Valores de , X2 e ID estimados com pontos de parada
desagregados e agregados
2 2
LINHA X X ID ID
agregado desagregado agregado desagregado agregado desagregado
gua Verde 0,4 1,1 43,4 270,6 22,9 56,0
gua Verde 1 0,6 1,0 34,0 62,2 42,9 53,7
gua Verde 2 0,3 0,8 41,5 230,6 15,4 86,8
gua Verde 3 0,5 1,1 29,2 142,1 27,5 58,1
gua Verde 4 0,3 0,9 49,1 253,3 18,8 60,4
gua Verde 5 0,6 0,6 38,9 43,1 50,4 62,9
Taboo 0,5 1,0 40,5 272,3 31,7 53,0
Taboo 1 0,4 0,9 56,2 122,5 28,7 51,3
Taboo 2 0,5 1,1 55,7 243,9 29,3 57,6
Taboo 3 0,6 1,0 41,2 153,4 32,3 55,1
Taboo 4 0,2 0,9 11,9 145,0 14,4 53,6
Samambaia 0,5 1,0 62,9 205,7 23,3 51,1
Samambaia 1 0,6 1,3 59,0 183,8 38,4 73,4
Samambaia 2 0,4 0,8 68,0 246,4 21,6 42,5
Divinia 0,4 1,1 48,8 126,0 22,4 50,3
Divinia 1 0,5 1,2 16,9 56,5 26,2 55,5
Horizonte 0,4 0,6 8,5 32,7 19,4 37,4
Horizonte 1 0,6 1,1 45,3 154,0 34,5 60,0
Horizonte 2 0,7 1,1 17,9 47,5 41,8 58,2
Primavera 0,0 0,8 0,0 6,7 0,0 44,0
Primavera 1 0,2 0,8 8,5 79,8 9,7 42,7
Populares 0,1 0,2 11,8 42,5 6,7 23,1
Populares 1 0,0 0,0 0,0 0,0 0,0 0,0
Vila Garcia 0,5 1,9 36,6 104,6 57,9 85,6
Vila Garcia 1 0,3 0,8 65,7 292,5 25,2 43,7
Vila Garcia 2 0,6 1,1 73,7 229,2 37,9 62,6
Vila Garcia 3 0,5 1,4 42,5 214,1 36,9 59,7

111
Tabela 6.2 - Valores de X2 simulados e tabelados =(0,05)
2 2 2 2
LINHA X crtico X estimado X crtico X estimado
agregado agregado desagregado desagregado
gua Verde 67,5 43,4 353,9 270,6
gua Verde 1 40,1 34,0 90,5 62,2
gua Verde 2 55,7 41,5 234,0 230,6
gua Verde 3 55,7 29,2 179,6 142,1
gua Verde 4 54,5 49,1 272,5 253,3
gua Verde 5 41,3 38,9 79,1 43,1
Taboo 61,6 40,5 326,2 272,3
Taboo 1 47,4 56,2 179,6 122,5
Taboo 2 61,6 55,7 273,6 243,9
Taboo 3 44,7 41,2 154,0 153,4
Taboo 4 48,6 11,9 234,0 145,0
Samambaia 67,5 62,9 279,0 205,7
Samambaia 1 67,5 59,0 234,0 183,8
Samambaia 2 67,5 68,0 246,6 246,4
Divinia 79,1 48,8 146,6 126,0
Divinia 1 33,9 16,9 67,5 56,5
Horizonte 31,4 8,5 67,5 32,7
Horizonte 1 55,7 45,3 165,0 154,0
Horizonte 2 25,0 17,9 48,6 47,5
Primavera 7,8 0,0 19,7 6,7
Primavera 1 35,3 8,5 101,1 79,8
Populares 23,7 11,8 79,8 42,5
Populares 1 7,8 0,0 7,8 0,0
Vila Garcia 57,8 36,6 126,3 104,6
Vila Garcia 1 79,1 65,7 279,0 292,5
Vila Garcia 2 81,1 73,7 314,4 229,2
Vila Garcia 3 50,7 42,5 192,4 214,1

Os resultados da estatstica x2 para simulaes de matrizes com

pontos de parada desagregados mostram que os valores so menores que
os valores crticos em 26 das 27 simulaes, ou seja, para o nvel de
significncia desejado, as freqncias estimadas no diferem
estatisticamente das freqncias observadas na grande maioria das

112
simulaes e, as diferenas entre as freqncias observadas e estimadas,
nestes casos, podem ser atribudas ao acaso.

Quando os pontos de parada so agregados, os valores da estatstica

x2 para todas as linhas simuladas so menores que os valores crticos,
conseqentemente as freqncias estimadas no diferem estatisticamente
das freqncias observadas e, as diferenas entre os valores observados e
estimados podem ser atribudas ao acaso para todas as linhas simuladas.

Os resultados listados na tabela 6.1 apresentam os valores dos testes

e ID para linhas com pontos de parada agregados e pontos de parada
desagregados. Os maiores valores de e ID correspondem s piores
estimativas e os menores valores correspondem as melhores estimativas,
respectivamente.

Os valores extremos (mximos e mnimos) para o teste para todas

as simulaes foram de 0,0 e 1,9 para pontos desagregados e 0,0 e 0,68
para pontos agregados, enquanto que o teste ID apresentou resultados de
0,0 e 86,8 para pontos desagregados e 0,0 e 57,9 para pontos agregados.

O valor 0,0 encontrado na linha Populares 1 para os testes x2, e ID

pode ser devido ao baixo nmero passageiros na amostra estimada (4
passageiros) e a ausncia de pontos coincidentes de embarque e
desembarque. A ausncia de pontos de embarque e desembarque
coincidentes faz com que os valores das somatrias para todas as linhas e
colunas seja sempre igual a 0,0 ou 1,0.

A linha Vila Garcia 3 apresentou valor estimado de x2 maior que o

valor crtico para pontos desagregados, porm esta linha no apresentou os
maiores valores para as estatsticas e ID quando comparado aos valores
extremos da tabela 6.1. Apesar de ter apresentado o pior resultado na
estatstica x2 o mesmo no apresentou os piores resultados nos outros

113
testes, os valores de e ID para Vila Garcia 3 (1,4 e 59,7), so menores que
os valores extremos simulados para esta mesma linha (=1,9 e ID=85,6).

Das 27 linhas simuladas, 18 representam o perodo de pico (manh,

ao meio-dia e tarde) e 9 linhas representam o perodo de entre pico. Os
resultados apresentados no permitem identificar a influncia da utilizao
de dados amostrados nos perodos de pico e de entre pico.

O valor 0,0 para a estatstica indica que a matriz estimada igual a

matriz observada. Este resultado pode ser observado na linha Populares 1.
Os dados de E/D utilizados nesta simulao so referentes ao entre pico da
manh, porm o maior valor encontrado para a estatstica tambm ocorreu
no entre pico (Vila Garcia = 1,9).

7 - CONCLUSES E RECOMENDAES

A obteno de matrizes O/D de modo expedito e de baixo custo

particularmente interessante para rgos de planejamento e gesto de
transportes, sejam estes municipais, estaduais ou federais, bem como para
as empresas operadoras de transporte. Atualmente tm-se observado
grande interesse por parte das empresas operadoras em obter este tipo de
informao, pois muitas esto buscando planejar a oferta para aumentar a
eficincia da operao, melhorando assim o atendimento ao cliente e
maximizando seus lucros.

O modelo gravitacional utilizado para a obteno de matrizes O/D a

partir de dados E/D de fcil aplicao, e as informaes necessrias para
a implementao do mesmo podem ser facilmente coletadas em campo de

114
forma rpida e pouco dispendiosa em termos de tempo e recursos
financeiros. As informaes referentes s contagens de embarque-
desembarque no necessitam de pessoal especializado para serem
realizadas, e podem ser obtidas por pesquisadores sem grande experincia
ou pelos prprios operadores no momento da operao. As distncias entre
pontos de parada podem ser obtidas durante a prpria operao dos
servios de transporte.

A utilizao do programa desenvolvido em Turbo Pascal simples de

ser realizada e no necessita de pessoal especializado. Este procedimento
pode ser adaptado para planilhas eletrnicas do tipo EXCEL atravs da
utilizao de macros, tornando-o assim mais atraente visualmente.

115
 Quando comparado aos outros modelos de obteno de matrizes
listados no captulo 4, o modelo proposto mostrou-se de fcil entendimento e
de operacionalizao. Os modelos do fluido e o algoritmo SYNODM
mostraram-se de fcil utilizao, podendo ser implementados facilmente em
planilhas eletrnicas, porm estes modelos no fazem uso da informao
distncia viajada, utilizam somente a probabilidade de desembarque de cada
passageiro aps percorrido um determinado nmero de pontos.

A diferena entre o modelo proposto e os demais modelos de

gravidade, que a grande maioria dos modelos de gravidade utilizam
somente um valor de parmetro de impedimento da funo distncia viajada
para toda matriz. Enquanto que o modelo proposto utiliza n - 1 valores de
parmetros em funo da distncia viajada, buscando assim reproduzir o
custo mdio de distribuio de viagens de uma origem em relao aos seus
diferentes destinos.

Alguns autores (WILSON, 1970; SOUTHWORH, 1978) comentam que

a desagregao dos valores de parmetros da funo custo permitem aos
analistas incorporar fatores de penalidade e ajuste aos parmetros de custo,
produzindo assim uma reduo do erro mdio de viagens. Na dcada de 70
Southworth considerava que o tempo computacional era um empecilho a
utilizao deste modelo. Como o problema do tempo computacional
encontra-se praticamente resolvido, recomenda-se que sejam realizadas
pesquisas a fim de aprofundar o conhecimento nesta rea.

Seria interessante comparar o desempenho entre o modelo proposto

com outros modelos de gravidade os quais contenham outros tipos de
funes de impedncia, como por exemplo a funo exponencial negativa,
comparar os modelos que utilizam outros mtodos de calibrao e os
modelos que utilizam apenas um nico valor de parmetro em relao a
funo de impedimento distncia viajada.

116
 Antes de prosseguir com os estudos, no entanto, fundamental que
seja feita uma reviso no processo de calibrao do modelo proposto, de
forma a assegurar que os coeficientes de cada linha da matriz sejam
calibrados separadamente. Isto requer, sem dvida, um esforo considervel
de programao, que no foi possvel contemplar neste trabalho, mas que
deve ser conduzido antes de qualquer anlise comparativa.

Uma sugesto para trabalhos futuros seria a comparao entre

desempenho dos diversos modelos de obteno de matrizes a partir da
utilizao de dados de pesquisa E/D. Estas comparaes poderiam permitir
a identificao dos modelos que melhor se adaptariam aos diferentes
padres de comportamento da demanda, caractersticas scioeconmicas,
caractersticas de ocupao e uso do solo, etc.

O planejamento do sistema de transporte por nibus requer o

conhecimento do padro de deslocamento de seus usurios, porm o
mtodo proposto no possibilita identificao e estimativa do nmero de
usurios que fazem uso da transferncia de nibus, bem como de suas
origens e destinos reais (a pesquisa E/D no identifica os passageiros que
realizam transferncias de linhas de nibus). O conhecimento da rede de
transporte pelo analista poderia ser utilizado para identificar os pontos onde
ocorrem as maiores porcentagens de transferncia no sistema. Nestes
pontos poderiam ser realizadas pesquisas de entrevista com os usurios
identificando seus verdadeiros pontos de origem e destino. Este
procedimento poderia permitir que parte do conhecimento dos totais de
transferncia fosse incorporado a matriz O/D. O modelo proposto no
contempla esta informao adicional, imperativa a realizao de novos
estudos para a verificao dessa hiptese.

117
REFERNCIAS BIBLIOGRFICAS

ANTP - ASSOCIAO NACIONAL DE TRANSPORTES PBLICOS (1995a).

Pontos de parada de nibus. So Paulo. Relatrio de pesquisa ANTP.
ANTP - ASSOCIAO NACIONAL DE TRANSPORTES PBLICOS (1995b).
Pontos de parada de nibus urbano - Contribuio para a sua implantao.
Caderno tcnico n. 2, So Paulo.
ANTP - ASSOCIAO NACIONAL DE TRANSPORTES PBLICOS (1997).
Transporte Humano - Cidades com Qualidade de Vida. So Paulo.
BALASSIANO, B. (1997). Planejamento Estratgico de Transportes Considerando
Sistemas de Mdia e Baixa Capacidade. In: Congresso de Pesquisa e Ensino
em Transportes - ANPET, 11, Rio de Janeiro, 1997. Anais. v.1, p.203-216.
BELL, M. G. H. (1983). The estimation of an origin-destination matrix from traffic
counts. Transportation Science, Vol. 17, n. 2, p. 198-217.
BELL, M. G. H. (1991).The estimation of origin-destination matrices by constrained
generalized least squares. Transportation Research, 25B (1), p.13-22.
BEN-AKIVA, M.; MACKE, P. P; and HSU, P. S. (1985). Alternative methods to
estimate route level trip tables and expand on-board surveys. Transportation
Research Record, n.1037, p. 01-11.
BEN-AKIVA, M.; MORIKAWA, T. (1988). Data combination and updating methods
for travel survey. Transportation Research Record, n.1203, p. 40-47.
BRUTON, M. J. (1979). Introduo ao planejamento dos transportes. 2. ed. Rio de
Janeiro, Editora Intercincia Ltda.
CAMPOS, L. B. (1983). lgebra Matricial Volume 1, Curitiba, Universidade
Federal do Paran.
CASCETTA, E. (1984). Estimation of trip matrices from traffic counts and survey
data: A generalized least squares estimator. Transportation Research, 18(B), n
4/5, p. 289-299.
CASCETTA, E.; INUDI, D.; MARQUIS, G. (1993). Dynamic estimators of origin-
destination matrices using traffic counts. Transportation Science, v. 27, p.363 -
373.
CONOVER, W. J. (1980). Nonparametric statistics. 2 Ed. New York. John Wiley &
Sons.

118
DI PIERRO, L. F. (1985). Determinao de matrizes de viagens de passageiros de
nibus a partir de uma pesquisa embarque/desembarque. Revista dos
Transportes Pblicos. 7(27), p.49-68. S. Paulo, SP.
DOMENCICH T. A.; MCFADDEN, D. (1975). Urban travel demand a behavioural
analysis. North-Holland - Amsterdam.
EASA, S. M. (1993a). Urban trip distribution in practice. I: conventional analysis.
Journal of Transportation Engineering, v. 119, n 6, p 793-815.
EASA, S. M. (1993b). Urban trip distribution in practice. II: quick response and
special topics. Journal of Transportation Engineering, v. 119, n. 6, p. 816-834.
ERLANDER, S.; JRNSTEN, O. K.; LUNDGREN, J. T. (1985). On the estimation of
trip matrices in the case of missing and uncertain data. Transportation
Research, 19B (2), p.123-141.
ERLANDER, S.; Stewart, N. F. (1990). The gravity model in transportation analysis -
theory and extensions. Ultrecht, Netherlands.
FERRAZ, A. C. P. (1998). Escritos sobre transporte, trnsito e urbanismo. So
Carlos, SP. Projeto REENGE USP, 218 p.
FERRAZ, A. C. P. (1997). Transporte Pblico Urbano. Notas de Aula do
Curso de ps graduao em Transportes. So Carlos. Escola de
Engenharia de So Carlos, Universidade de So Paulo.
FERREIRA, E. A.; KAWAMOTO. E. (1998). Elaborao de matriz O/D das linhas de
transporte pblico de passageiros usando dados de embarque-desembarque:
anlise comparativa de trs mtodos. In: IX Congreso Latino Americano del
Transporte Pblico y Urbano. Guadalajara, Mxico. Anais em CD ROM.
FISK, C. S. (1989). Trip matrix estimation from link traffic counts: The congested
network case. Transportation Research. 23B (5): 331-336.
FLEMMING, D. M. (1993). Um mtodo de alocao de contadores volumtricos de
trfego numa rede rodoviria para estimar matrizes origem - destino.
Florianpolis, 201p. Tese (Doutorado) - Curso de Ps-Graduao em
Engenharia de Produo - Universidade Federal de Santa Catarina.
FURTH, P. G. (1990). Model of turning movement propensity. Transportation
Research Record, n. 1287, TRB, National Council, Washington, D. C. p.195-
204.
FURTH, P.G.; NAVICK, D. S. (1993a). Bus route O-D matrix generation: relationship
between biproportional and recursive methods. Transportation Research
Record, n.1338. p.14-21.
119
FURTH, P.G.; NAVICK, D. S. (1993b). Distance-based model for estimating a bus
route origin-destination matrix. Transportation Research Record, n.1433. p.16-
23.
GEVA, I.; HAUER, E.; LANDAU, U. (1983). Maximum-Likelihood and Bayesian
methods for the estimation of origin-destination flows. Transportation Research
Record, n.944, p.101-105.
GONALVES, M. B.; ULYSSA NETO, I. (1993). Anlise comparativa do
desempenho de alguns modelos de distribuio de viagens usados para
estimar fluxos intermunicipais de passageiros. In: Anais do VII Encontro
Nacional da ANPET. So Paulo - SP, Vol. I, p.337-348.
GUR, Y. J.; BEN-SHABAT, E. (1997). Estimating bus boarding matrix using
boarding counts in individual vehicles. Transportation Research Record,
n.1607, p.81-86.
HALLEFJORD, A.; JRNSTEN, K. (1986). Gravity models with multiple objectives -
theory and applications. Transportation Research, 20B (1), p. 19-39.
HENDRICKSON, C.; and MCNEIL, S. (1984). Estimation of origin-destination
matrices with constrained regression. Transportation Research Record, n.976,
p.25-32.
HUTCHINSON, B. G.; KUMAR, R. K. (1990). Modeling urban spatial evolution and
transport demand. Journal of Transportation Engineering, v. 116, n. 4, p 550-
571.
JANSON, B. N. (1993). Most likely origin-destination link uses from equilibrium
assignment. Transportation Research, 27B (5), p.333-350.
KANAFANI, A. (1983). Transportation demand analysis. K. McGraw-Hill Book
Company, 1983.
KAWAMOTO, E. (1994). Verificao da matriz ponto-de-origem / ponto-de-destino
de uma linha de transporte coletivo obtida a partir de dados de embarque-
desembarque. In: Anais do VIII Encontro Nacional da ANPET. Recife - PE, Vol.
II, p.41-50.
KIKUCHI S.; PERINCHERRY V. (1992). Model to estimate passenger origin-
destination pattern on a rail transit line. Transportation Research Record, 1349,
p.54-61.
KUWAHARA M.; SULLIVAN. E. D. (1987). Estimating origin-destination matrices
from roadside survey data. Transportation Research, 21B (3), p.233-248.

120
LAM, W. H. K.; LO. H. P. (1991). Estimation of an origin-destination matrix from
traffic counts: a comparison of entropy maximizing and information minimizing
models. Transportation Planning and Technology, n.16, p.85-104.
LAMOND, B.; STEWART, N. F. (1981). Bregmans balancing method.
Transportation Research, 15B(4), p.239-248.
LIMA, L. C.; DA SILVA, M. C. T.; GRANJA, L. Z.; MORA-CAMINO, F. A. C. (1987).
Otimizao de um sistema de transporte pblico urbano: uma abordagem de
equilbrio. Revista dos Transportes Pblicos - ANTP- ano 9, n 36.
LOGIE, M.; HYND, A. (1990). MVESTM matrix estimation. Traffic Engineering and
Control. n. 8/9 p. 454-459 e n.10. p. 534-549.
MAHER, M. J. (1983). Inference on trip matrices from observations on link volumes:
a Bayesian statistical approach. Transportation Research, 17B, p.435-447.
MANHEIN, M. L. (1979). Fundamentals of transportation system analysis: Volume 1
- Basic concepts. The MIT Press, Cambridge, Mass.
MERCEDES-BENZ DO BRASIL S.A. (1987). Manual de Sistemas de
Transporte Coletivo Urbano por nibus Planejamento e Operao.
Departamento de Sistemas de Trnsito e Transporte, So Bernardo do
Campo, SP, 82 p.
MEURS, H. (1990). Trip generation models with permanent unobserved effects.
Transportation Research, 24B (2), p.145-158.
MORLOK, E. K. (1978). Introduction to transportation engineering and planning. Ed.
McGraw-Hill, New York, 767 p.
NAVICK, D. S.; FURTH, P. G. (1993). Distance based model for estimating a bus
route Origin-Destination matrix. Transportation Research Record, n.1433, p.16-
23.
NETER, J., WASSERMAN, W., KUTNER, M. H. (1985). Applied Linear Statistical
Models, Illinois, Ed. R. D. Irwin.
NGUYEN, S. (1984). Estimating origin-destination matrices from observed flows.
Proceedings of the AIRO Conference. Guida, Naples. p.363 - 368.
NIHAN, N. L. (1982). Procedure for estimating freeway trip table. Transportation
Research Record, 895, p. 1-5.
NIHAN, N.; DAVIS, G. A. (1989). Application of prediction-error minimization and
maximum likelihood to estimate intersection O-D matrices from traffic counts.
Transportation Science, vol. 23, n.2.

121
NOVAES, A. G. (1986). Sistemas de transporte. volume 1: anlise da demanda.
So Paulo, Edgard Blcher Ltda.
ORTZAR, J. D.; WILLUMSEN, L. G. (1994). Modelling transport. 2.ed. England,
John Wiley & Sons.
PADILHA, E. (1998). Por uma Poltica de Transportes Urbanos. Folha de So
Paulo, So Paulo, 31 mar. Caderno 1, p.3.
PARVATANEMI, R.; STOPHER, P.; BROWN, C. (1982). Origin-destination travel
survey for southeast Michigan. Transportation Research Board, n 886.
PASCHETTO, A. et al. (1984). Critrios de escolha do modo de transporte segundo
o planejamento urbano e as condies de operao. Revista dos Transportes
Pblicos ANTP, n. 23, maro/84.
RICHARDSON, A. J.; AMPT, E. S.; MEYBURG, A. H. (1995). Survey methods for
transport planning. Melbourne, Eucalyptus Press.
ROBILLARD, P. (1975). Estimating the O-D Matrix From Observed Link Volumes.
Transportation Research, vol. 9, p. 123-128.
ROSALEN, F. J. (1994). A influncia da distncia de viagem na escolha do local de
trabalho em cidades pequenas e mdias. So Carlos. 86p. Dissertao
(Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo.
SANCHES, S. P. (1988). Contribuio anlise operacional de redes de transporte
coletivo em cidades de porte mdio. 117p. Tese (Doutorado) - Escola de
Engenharia de So Carlos, Universidade de So Paulo.
SILVA, A. N. R., FERRAZ, A. C. P. (1991). Transporte pblico urbano operao e
administrao., So Carlos p.82. Notas de Aula, Escola de Engenharia de So
Carlos.
SIMON, J.; FURTH, P. G. (1985). Generating a bus route O-D matrix from on-off
data. ASCE Journal of Transportation Engineering, vol. 111, n.6, p.583-593.
SMITH, D. P., HUTCHINSON, B. G. (1981). Goodness of fit statistics for trip
distribution models. Transportation Research, 15A, p.295-303.
SOUTHWORTH, F. (1978). The calibration of a joint trip-distribution and modal-split
model with origin-specific cost decay parameters. Area, n 10, p.252-258.
SPIESS, H. A. (1987). Matricial likelihood model for estimating origin-destination
matrices. Transportation Research, 21B (5), p.395-412.
STOKES, R. W.; MORRIS, D. E. (1980). Application of an algorithm for estimating
freeway trip tables. Transportation Research Record, 976, p. 21-25.

122
STOPHER, P. R.; SHILLITO, L.; GROBER, D. T., STOPHER, H. M. (1985). On-
Board Bus Surveys: No Question Asked Transportation Research Record,
1085, TRB, National Council, Washington, D. C., p. 50-57.
STOUFFER, S. A. (1940). Intervening opportunities: a theory relating mobility and
distance. In: American Sociological Review. v.5, p. 845-867.
TAMIN, O. Z.; WILLUMSEN, L. G. (1989) .Transport demand model estimation from
traffic counts. Transportation, n.16(1), p. 3-26.
ULYSSA NETO, I. (1991). Desenvolvimento de modelos de distribuio de
viagens atravs do mtodo da maximizao da entropia. In: Anais do V
Encontro Nacional da ANPET. Belo Horizonte - MG, Vol. I, p.233-248.
VAN ZUYLEN, H. J.; WILLUMSEN, L. G; EASA, S. M. (1980). The most likely trip
matrix estimated from traffic counts. Transportation Research, 14B(3), p.281-
294,
VUCHIC, V. R. (1981). Urban Public Transportation - Systems and
Technology. New Jersey, Prentice Hall.
WATLING, D. (1994). Maximum-likelihood estimation of origin-destination matrix
from a partial registration plate survey. Transportation Research, 28(B), n. 4,
p.289-314.
WILSON, A. G. (1967). A statistical theory of spatial distribution models.
Transportation Research, v.1, p. 235-269.
WILSON, A. G. (1970). Entropy in urban and regional modelling. London. Pion.
WILSON, A. G. (1976). Statistical notes on the evaluation of calibrated gravity
models. Transportation Research, v. 10, p. 343-345.
YANG, H.; IIDA Y.; SASAKI, T. (1994). The equilibrium-based origin-destination
matrix estimation problem. Transportation Research, 28B (1), 23-323.
YANG, H.; SASAKI, T.; IIDA, Y.; ASAKURA, Y. (1992). Estimation of origin-
destination matrices from line traffic counts on congested networks.
Transportation Research, 26(B), p.417-34.

ANEXO A
123
PROGRAMA GRAVIDADE
Uses crt,
dos,
printer;

type matri = array [1..60,1..60] of double;

matrix2 = array [1..60,1..60] of double;
vetor = array [1..60] of double;

var O,D,A,B,alfa,F,Y,DE,p:vetor;
C,V:matri;
soma,erro,ttotal,teta,tempo,alfa0,r,errop:real;
n,i,j,L:integer;
arquivo,entrada: text;
resp,valor,count:integer;
{L numero de iteracoes,DE derivada , Y resolucao de teta em uma origem,}

PROCEDURE ESPACO (n:integer;var C1:matri);var i,j:integer;

begin
for i:=1 to n do
begin
for j:=1 to n do
begin
C1[i,j]:=0;
end;
end;

{ writeln;
writeln('Digite a matriz C');}
for i:=1 to n do
read (entrada,C1[i,i+1]);

for i:=1 to n do
begin
for j:=i+2 to n do
begin
C1[i,j]:=C1[i,j-1]+C1[j-1,j];
end;
end;
end;
begin

{ENTRADA DE DADOS}

ClrScr;
{resp:=2;}
assign(entrada,'c:\samamba.txt');
reset(entrada);
{while resp<>1 do
begin
writeln ('Digite a dimensao da matriz - N');}
readln(entrada,n);
{ writeln;
124
 writeln('confirma entrada de dados sim=1 e nao=2');
readln(resp);
end; }
ClrScr;

{resp:=2;
while resp<>1 do
begin
writeln ('Digite a Matriz de Embarque');
writeln;}
for i:=1 to n do
begin
readln(entrada,O[i]);
end;
{ writeln('confirma entrada de dados sim=1 e nao=2');
readln(resp);
end;
ClrScr;}

{resp:=2;
while resp<>1 do
begin
writeln ('Digite a Matriz de Desembarque');
writeln;}
for i:=1 to n do
begin
readln(entrada,D[i]);
end;
{ writeln('confirma entrada de dados sim=1 e nao=2');
readln(resp);
end;
ClrScr; }

{resp:=2;
writeln;
while resp<>1 do
begin
writeln ('Digite o valor de teta');}
readln(entrada,teta);
{ writeln('confirma entrada de dados sim=1 e nao=2');
readln(resp);
end;
ClrScr; }

{resp:=2;
writeln;
while resp<>1 do
begin
writeln('digite o valor do tempo total real');}
readln (entrada,ttotal);
{ writeln('confirma entrada de dados sim=1 e nao=2');
readln(resp);
end;
ClrScr;}

{writeln;

125
 writeln(' B inicial=1');}
for i:=1 to n do
begin
(B[i]):=1;
end;

{writeln;
writeln ('alfa inicial=0');}
for i:=1 to n do
begin
(alfa[i]):=0;
end;

{entrada da matriz Cij}

espaco(n,C);
close(entrada);

erro:=10;
L:=0;
errop:=10;
{valor:=0;
count:=0;}
While (errop>0.10) and (L<10) do
Begin

{ count:=0;
while count<10 do
begin}

For i:=1 to n do
Begin
soma:=0;
For j:=1 to n do
Begin
if C[i,j]=0 then
r:=0
else
r:=exp(alfa[i]*ln(C[i,j]));
soma:=soma+B[j]*D[j]*r;
end;
if soma<>0 then
A[i]:=1/soma
else
A[i]:=0.1;
End;
For j:=1 to n do
Begin
soma:=0;
For i:=1 to n do
Begin
if C[i,j]=0 then
r:=0
else
r:=exp(alfa[i]*ln(C[i,j]));

soma:=soma+A[i]*O[i]*r;

126
 end;
if soma<>0 then
B[j]:=1/soma
else
B[j]:=0.1;
End;
soma:=0;
For i:=1 to n do
Begin
For j:=1 to n do
Begin
if C[i,j]=0 then
r:=0
else
r:=exp(alfa[i]*ln(C[i,j]));

V[i,j]:=A[i]*B[j]*O[i]*D[j]*r;
soma:=soma+V[i,j]*C[i,j];
End;
End;

tempo:=soma;
erro:=ttotal-tempo;
errop:=(abs(erro)/ttotal)*100;

If (abs(errop)>0.10) Then
Begin
For i:=1 to n-2 do
begin
soma:=0;
For j:=i+2 to n do
Begin
if C[i,j]=0 then
r:=0
else
r:=exp(alfa[i]*ln(C[i,j]));
soma:=soma+B[j]*D[j]*r;
end;
F[i]:=1-A[i]*soma;
Y[i]:=teta-F[i];
soma:=0;
For j:=i+2 to n do
Begin
if C[i,j]=0 then
r:=0
else

r:=exp(alfa[i]*ln(C[i,j]))*ln(C[i,j]);
soma:=soma+B[j]*D[j]*r;
end;
DE[i]:=-A[i]*soma;
if DE[i]<>0 then
p[i]:=Y[i]/DE[i]
else
begin
DE[i]:=1;

127
 p[i]:=Y[i]/DE[i]
end;
alfa0:=alfa[i];
alfa[i]:=alfa0+p[i];
end;
j:=n;
i:=n-1;
if abs(C[i,j]) <> 0 then
Begin
F[i]:=1-A[i]*B[j]*D[j]*exp(alfa[i]*ln(C[i,j]));
{ if F[i]<>1 then}
Y[i]:=teta-F[i];
{else
begin
Y[i]:=teta
end;}
DE[i]:=-A[i]*B[j]*D[j]*exp(alfa[i]*ln(C[i,j]))*ln(C[i,j]);
if (abs(DE[i])<>0) then
p[i]:=Y[i]/DE[i]
else
p[i]:=0;
end
else
Begin
F[i]:=0;
Y[i]:=teta-F[i];
DE[i]:=0;
p[i]:=0;
end;
alfa0:=alfa[i];
alfa[i]:=alfa0+p[i];

{End do if}
end;
i:=n;
j:=n;
alfa[i]:=0;
L:=L+1;

{count:=L-valor;
end;
valor:=valor+10;}
writeln('tempo=',tempo:7:2);
writeln('Iteracao=',L);
writeln('erro=',erro:7:3);
writeln('errop=',errop:7:3);
writeln;
writeln;
{writeln('Deseja continuar com as iteracoes ? sim=1');
readln(resp);
if resp<>1
then L:=100;}
End;
assign( arquivo, 'c:\sam.txt' );
rewrite(arquivo);
For i:=1 to n do

128
 Begin
for j:=1 to n do
write(arquivo,V[i,j]:11:5);
write(arquivo,alfa[i]:11:5);
write(arquivo,L:4);
writeln(arquivo);
end;
Writeln(arquivo);
writeln(arquivo);
writeln(arquivo,'tempo total');
write(arquivo,tempo:8:1);
writeln(arquivo);
writeln(arquivo);
{Write(arquivo,alfa[i]:3:2);}
writeln(arquivo);
write(L:4);
writeln(arquivo);
{For i:=1 to n do
Begin
for j:=1 to n do
write(arquivo,c[i,j]:8:1);
writeln(arquivo);
end;
Writeln(arquivo); }
close(arquivo);
end.

129
ANEXO B

ENTRADA DE DADOS

A entrada de dados via arquivos efetuada por arquivos com

extenso txt.

Exemplo de entrada por arquivo para uma matriz com 5 linhas

e cinco colunas:

5 Referente ao nmero de linhas e colunas

25
15
12 Passageiro embarcados
5
0
0
2
10 Passageiros desembarcados
20
25
0.01 Teta (coeficiente de probabilidade)
55420 Tempo total da matriz
250
200
300 Distncia entre pontos
350
300

130