Modelo de Geração de Demanda

Os modelos de geração de demanda estabelecem uma associação entre variáveis socioeconômicas e número de
viagens. O método empregado é a regressão linear como no exemplo a seguir

(linearização)
Zt Pop Renda Emp Mat Prod Atr Ln(Prod) Ln(Pop) Ln(Renda)
1 5.000 500.000 29.000 8.000 1.531 2.892 7,334 8,517 13,122
2 20.000 1.000.000 25.000 6.000 2.938 2.520 7,986 9,903 13,816
3 40.000 400.000 5.000 4.000 2.024 1.235 7,613 10,597 12,899
4 20.000 200.000 6.000 6.000 1.242 1.482 7,125 9,903 12,206
5 15.000 750.000 15.000 6.000 2.394 2.041 7,781 9,616 13,528
100.000 2.850.000 80.000 30.000 10.130 10.170

RESUMO DOS RESULTADOS

Estatística de regressão
R múltiplo 0,930550991
R-Quadrado 0,865925147
R-quadrado ajustado 0,821233529
Erro padrão 285,7678984
Observações 5

ANOVA
gl SQ MQ F F de significação
Regressão 1 1582272,057 1582272,057 19,37556058 0,021739836
Resíduo 3 244989,8753 81663,29177
Total 4 1827261,932

Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores

Interseção 874,8687334 291,0586566 3,005815884 0,057402455 -51,40981289 1801,14728
Renda 0,002019411 0,000458773 4,401767892 0,021739836 0,000559391 0,003479431

RESUMO DOS RESULTADOS

Estatística de regressão
R múltiplo 0,28252062
R-Quadrado 0,079817901
R-quadrado ajustado -0,226909466
Erro padrão 0,380995073
Observações 5

ANOVA
gl SQ MQ F F de significação
Regressão 1 0,037773436 0,037773436 0,260224256 0,645127868
Resíduo 3 0,435471736 0,145157245
Total 4 0,473245172

Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores

Interseção 6,321472979 2,448537267 2,581734435 0,081656863 -1,4708654 14,11381136
Ln(Pop) 0,128359238 0,251624683 0,510121806 0,645127868 -0,672422806 0,929141281
O processo segue as seguintes etapas:

1 – Seleção de variáveis socioeconômicas por zona de tráfego.

2 – Proposição de modelos de produção e de atração de viagens.

- As variáveis do modelo devem apresentar consistência teórica

- Num processo de tentativa e erro, diversas combinações de variáveis e formulações deverão ser testadas

Exemplos de modelos de produção

Prod  a0  a1  Renda

Prod  a 0  Popa1 (requer linearização para antes de aplicação da regressão linear)

3 – Calibração dos modelos propostos

4 – Seleção dos modelos de produção e atração conforme a qualidade estatística, consistência teórica e parcimônia

- Comparar modelos com números de variáveis diferentes através do R-Quadrado Ajustado

- F de significação deve ser < 0,05

- Avaliar a possibilidade de descartar variáveis com P-Valor > 0,05

ORIGIN  1

A calibração de um modelo de distribuição de viagens pode ser desenvolvida segundo as

seguintes etapas:

1 - Seleção de uma função de impedância

  
1.1 - Potência R Ci  j  Ci  j 
  Ci  j

1.2 - Exponencial R Ci  j  e 
  Ci  j
1.3 - Combinação de funções R Ci  j  Ci  j    e
2 - Calibração dos coeficientes da função de impedância
2.1 - Regressão linear da forma linearizada da seguinte função:


Vi  j  k  Oi  D j  R Ci  j 
3 - Seleção do método de cálculo da matriz modelada
3.1 - Modelo gravitacional com dupla restrição

Vi  j  A i  B j  Oi  D j  Ri  j

1 1
 n   n 
A i   B j  D j  Ri  j B j   A i  Oi  Ri  j
   
j  1  i  1 

3.2 - Modelo gravitacional com restrição na origem

Vi  j  A i  Oi  Atr j  Ri  j

1
 n 
A i   Atr j  Ri  j
  
j  1 

3.3 - Modelo gravitacional com restrição no destino

Vi  j  Prodi  B j  D j  Ri  j
1
 n 
B j   Prodi  Ri  j
  
i  1 

3.4 - Modelo gravitaccional sem restrições

Vi  j  Prodi  Atr j  Ri  j
4 - Cálculo da matriz modelada
Exemplo de Aplicação da Equação de Wilson para calibração de um modelo de distribuição
de viagens
 1.6 4.5 7 4.5 8.8  n  5
 4.5 1.2 4.1 7 11.7

  i  1  n   1.379
Matriz de Custos C   7 4.1 1.2 11.1 15.8 
j  1  n Função de impedância
 4.5 7 11.1 1.4 4.7 
  
Ri  j  Ci  j 
 8.8 11.7 15.8 4.7 1.3 
Vetores de produção e atração de viagens

 49816   211077 
 109029   62399  Total de Viagens Geradas
   
 Prod  5.584  10
5
Prod   48017  Atr   22386 
 282006   220714 
   
 Atr  5.584  10
5
 69507   41799 
Início do cálculo dos coeficientes B e A
O  Prod D  Atr
1 
1  1 1
   n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
B   1 
1       
j  1  i  1 
 
1 
 6.685  10
6
   1.568 
 1.056  10
5  0.82 
   
A   2.014  5 B   0.98 
10
   0.777 
6
 5.704  10    A´  A
   1.025 
5
 1.463  10  B´  B
2ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
   
j  1  i  1 

 4.884  10
6
 1.369     0.943   1.662 
   1.031 
 1.024  10
5
   0.968   0.847 
 A´        B´      
A   1.846  5
   1.09  10    0.934  B   1.05 
A    B 
0.906  6 1.068   0.727 
   6.298  10     
 1.007     1.008   1.018 
5
 1.453  10 
A´  A B´  B
3ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
   
j  1  i  1 

 4.672  10
6
 1.045     0.99   1.679 
   1.033 
 9.905  10
6
   0.974   0.87 
 A´        B´      
A   1.768  5
   1.044  10    0.965  B   1.088 
A    B 
0.973  6 1.019   0.713 
   6.472  10     
 0.994     1.008   1.01 
5
 1.462  10 
A´  A B´  B

4ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
   
j  1  i  1 

 4.634  10 6 
 1.008     0.997   1.684 
   1.015 
 9.763  10 6     0.989   0.88 
 A´        B´      
   1.018  A   1.737  10 5     0.986  B   1.104 
A    B 
0.991  1.006   0.709 
   6.53  10 6     
 0.995   5
  1.005   1.005 
 1.469  10  A´  A B´  B

5ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
     
j  1  i  1 

 4.624  10 6 
 1.002     0.93   1.686 
  1.006 
 9.708  10 6    0.905   0.884 
 
A´     
B´   
   1.007  A   1.726  10 5     1.217  B   1.11 
A    B 
0.997  0.993   0.707 
   6.55  10 6     
 0.997     1.417   1.003 
5
 1.473  10  A´  A B´  B
6ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
   
j  1  i  1 

 4.621  10
6
 1.001     1   1.686 
   1.002 
 9.686  10
6
   0.998   0.886 
 A´        B´      
A   1.721  5
   1.003  10    0.998  B   1.112 
A    B 
0.999  6 1.001   0.707 
   6.558  10     
 0.999     1.001   1.002 
5
 1.475  10 
A´  A B´  B

7ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
   
j  1  i  1 

 4.619  10 6 
 1     1   1.686 
   1.001 
 9.678  10 6     0.999   0.886 
 A´        B´      
   1.001  A   1.72  10 5     0.999  B   1.113 
A    B 
1  1   0.706 
   6.561  10 6     
 1     1   1.001 
5
 1.476  10  A´  A B´  B
8ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
     
j  1  i  1 

 4.619  10
6
1    1   1.686 
  1 
 9.675  10
6
  1   0.886 
 A´        B´      
A   1.719  5
  1  10   1  B   1.113 
A     B    0.706 
1 6 1
   6.562  10     
1    1   1.001 
5
 1.476  10 
A´  A B´  B
9ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
    
j  1  i  1 

 4.619  10
6
1    1   1.686 
  1 
 9.674  10
6
  1   0.886 
 A´        B´      
A   1.719  5
  1  10   1  B   1.114 
A     B    0.706 
1 6 1
   6.562  10     
1    1   1.001 
5
 1.476  10 
A´  A B´  B

10ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
    
j  1  i  1 

 4.619  10
6
1    1   1.686 
  1 
 9.674  10
6
  1   0.887 
 A´        B´      
A   1.719  5
  1  10   1  B   1.114 
A     B    0.706 
1 6 1
   6.562  10     
1   5
 1   1.001 
 1.476  10 
A´  A B´  B

11ª interação
1 1
 n   n 
Ai   B j  D j  Ri  j B j   Ai  Oi  Ri  j
     
j  1  i  1 

 4.619  10
6
1    1   1.686 
 1 
 9.673  10
6
 1   0.887 
  
A´     
B´  
A   1.719  5
  1  10   1  B   1.114 
A     B    0.706 
1 6 1
   6.562  10     
1    1   1.001 
5
 1.476  10 
A´  A B´  B
Modelo Gravitacional Geral ou de Máxima Entropia com dupla restrição

Vi  j  Ai  B j  Oi  D j  Ri  j

Matriz Modelada

 42838 1599 392  4507 480

 47181 45373 3757 11234 1485

 
V   20073 6522 15999 4655 768 
 82785 6995 1669 181390 9166 
 
 18201 1910 569 18928 29900 

 49816   211077 
 109030   62399 
n   n  
Oi 
 Vi  j O   48017 
 282005 
D j 
 Vi  j D   22386 
 220714 
j  1 i  1
   
 69507   41799 

n n

 Oi  558375
 D j  558375
i  1 j  1

Matriz Observada

 43927 1456 314 

3754 365
 47219 45437 3326 11651 1396

 
Vo   19151 7218 16907 4150 591 
 84116 6665 1355 181585 8285 
 
 16664 1623 484 19574 31162 

Variação entre matrizes modelada e observada

X  Vo  V

 1.089  103 143.431 77.931 753.316 

114.882
 38.171 

64.365 430.733 416.666 89.207

n n
 Xi  j  2
V  Vo   921.91 695.548 907.617 504.704 176.931  Chi 
  Vi  j
 3  j  1 i  1
 1.331  10 329.891 314.264 195.074 880.975

 1.537  103 3 Chi  984.985
 286.591 84.689 646.28 1.262  10 