Escolar Documentos
Profissional Documentos
Cultura Documentos
44-Texto Do Artigo-107-127-10-20090916
44-Texto Do Artigo-107-127-10-20090916
Resumo: O transporte rodoviário de passageiros, no Brasil, é um serviço público essencial. O grau de importância desse serviço pode
ser avaliado quando se observa que o transporte rodoviário por ônibus é a principal modalidade na movimentação coletiva de usuários
no território nacional. A dinâmica desse setor tem demandado a implantação de uma sistemática ágil de planejamento dos serviços a
serem oferecidos aos usuários. Nesse contexto, a geração de cenários com estimativas do volume de movimentações é um dos aspectos
mais relevantes a serem considerados no planejamento de novos serviços.
Neste artigo são apresentados modelos econométricos de previsão de demanda, que incorporam diversas variáveis sócio-econômicas
e as variáveis do modelo gravitacional clássico. No procedimento de calibração fez-se uso da regressão linear múltipla e da regressão
de erros absolutos utilizando os softwares Minitab e EGPA-FR (versão Evolucionária do Gradiente com Perturbações Aleatórias – com
Fórmula de Representação) no processo de ajuste. O conjunto de dados utilizado na calibração, correspondente ao ano de 2003, foi
obtido por meio de um processo de análise e sistematização de um banco de dados, constante dos Anuários (1999 – 2003) disponibili-
zados pela Agência Nacional de Transportes Terrestres – ANTT.
Os resultados finais obtidos neste experimento poderão ser usados pela ANTT para a geração de cenários com estimativas do volu-
me de movimentações, o que vem a ser uma contribuição importante no processo de conhecimento da demanda por transporte interes-
tadual por ônibus.
Abstract: The road transport of passengers in Brazil is an essential public service. Just how important this service is can be seen when
we note that road transport by coach is the main means of collective traveling of users in Brazil. The dynamics of this sector has led to
the implementing of an agile system of planning services to be offered to users. In this context, the generation of scenarios with esti-
mates of passenger flows (of the amount of movement) is one of the most relevant aspects to be taken into account when planning new
services.
In this article econometric models of forecasted demand which incorporate several socioeconomic variables and the variables of the
classic gravitational model are presented. In the assessment calibration procedure multiple linear regression and the regression of abso-
lute errors are employed, making use of the Minitab and EGPA-FR software (Evolutionary version of the Gradient with Random Per-
turbation – with the Representation Formula) in the adjustment process. The set of data used in the calibration assessment, correspond-
ing to the year 2003, was obtained by means of a process of analysis and systematization of a database, appearing in the Yearly Publi-
cations (1999 – 2003) made available by the National Agency of Land Transport – ANTT.
The final results obtained from this experiment can be used by ANTT in order to generate scenarios with the objective of estimating
passenger flows, which is an important contribution to the process of forecasting the demand for interstate transport by bus.
Tabela 1. Resultados do Grupo A (S, SE, NE) segmentado por distância considerando a movimentação de
passageiros (67,43 %)
Faixa de distância (km) Até 400 400 – 800 Mais de 800
N. total de observações (seções) 2204 1421 476
Amostra (50 % das observações) 1102 711 238
Variáveis Pi , Pj , mi , m j , Pi , Pj , mi , m j , Pi , Pj , mi , m j
d ij , dummy j ri r j , d ij , dummy j d ij
2
R 58,4 55,3 52,0
Tabela 2. Resultados do Grupo B (S-SE, SE-CO, CO, SE-NE) segmentado por distância considerando
a movimentação de passageiros (67,43% até 94,41%)
Faixa de distância (Km) Até 400 400 – 800 Mais de 800
N. total de observações (seções) 660 737 1596
Amostra (50 % das observações) 330 369 798
Variáveis Pi , Pj , mi , m j , Pi , Pj , mi , m j , Pi , Pj , mi , m j ,
d ij , mig i d ij , mig i , mig j d ij , mig i , mig j
R2 55,7 59,1 53,8
Tabela 3. Resultados do Grupo C (N, CO-N, S-CO, CO-NE, N-NE,SE-N, S-NE, S-N) segmentado por
distância considerando a movimentação de passageiros (94,41% até 100%)
Faixa de distância (Km) Até 400 400 – 800 Mais de 800
N. total de observações (seções) 166 201 1324
Amostra (50 % das observações) 83 101 662
Variáveis Pi , Pj , m j , d ij Pi , Pj , mi , d ij Pi , Pj , mi , d ij
2
R 55,9 35,9 30,0
⎧t = [n / 2] + 1 + v no caso de n par.
⎨ A seguir são apresentados os resultados finais para
⎩s = [n / 2] − v os 9 (nove) grupos (Tabelas 10, 11, 12 e 13). A Equa-
onde [•] indica a parte inteira do número e v é esco- ção 12 é usada no Grupo C com distâncias de 400 a
lhido de maneira que t e s sejam simétricos em relação 800 km e maior que 800 km e nos demais grupos a
ao índice da mediana amostral. A diferença entre t e s Equação 13, que segue:
deve ser pequena e e(t) e e(s) não podem ser nulos.
⎡ ⎛ Pi ⎞ ⎛ Pj ⎞
Salienta-se, também, que λ̂ é um estimador consisten- Tij = exp⎢α 0 + α1 ln⎜ ⎟ + α 2 ln⎜⎜ ⎟⎟ + α3 ln(migi ) +
te de λ (Narula e Stangenhaus, 1988). Maiores deta- ⎣ ⎝ 1000 ⎠ ⎝ 1000 ⎠
lhes sobre a utilização da regressão L1 na calibração ⎛ ri ⋅ r j ⎞
de modelos de distribuição de viagens podem ser vis- ( ) ( ) ( )
α 4 ln mig j + α 5 ln mi + α 6 ln mig j + α 7 ln⎜
⎜ 10000 ⎟⎟ + (13)
tos no trabalho de Bez e Gonçalves (2006). ⎝ ⎠
A calibração do modelo foi bem sucedida para as ( )]
α8 ln d ij
duas faixas de distância consideradas (Grupo C, 400 a
Tabela 10. Parâmetros do GRUPO A: Sudeste, Sul e Nordeste
Parâmetros Até 400 400 – 800 Mais de 800
α0 8,301365873873120 8,087857093549980 8,060233479808390
α1 0,796942591205408 0,746394122270084 0,768417612202321
α2 0,635112753161796 0,460060954344267 0,749215460295464
α5 0,392490583052169 0,389003078693068 0,324061268619131
α6 0,350311335187946 0,284395978815848 0,304697160914189
α7 0 0,187844704235045 0
α8 0,768546997382765 1,583012375455010 0
α9 -1,317742790589580 -1,386710533881670 -1,309897388857810
α3 = α4 = 0
demanda observada ou superestimam (Tabela 15). to, demonstrou ser um procedimento adequado. Este
Analisando essa tabela observa-se que o modelo ante- fato fez com que se obtivesse um resultado satisfató-
rior superestimou a demanda numa grande porcenta- rio, para a maioria dos casos, identificando-se as vari-
gem das seções da amostra usada, enquanto para o áveis que explicam a movimentação de passageiros e
modelo proposto isso não ocorre. definindo-se as equações que representam o modelo
Esse fato é considerado positivo, pois diminui o ris- de previsão demanda.
co de serem obtidos indicativos de exploração autô- Além das variáveis clássicas do modelo gravitacio-
noma de uma linha e, posteriormente, a mesma não se nal, que foram estatisticamente significantes em todos
mostrar viável. Uma das possíveis causas que expli- os grupos, destacaram-se: o número médio anual per
cam esse fato é o número significativo de ODs usados capita de viagens interestaduais por ônibus, que foi
nas amostras utilizadas para a calibração dos modelos, representativo em todos os grupos, as variáveis que
tendo em vista que a ampla maioria dos municípios captam a influência dos fluxos migratórios (grupo B)
brasileiros são pequenos ou médios, e que os mesmos e a atratividade dos pólos turísticos (grupo A, faixas
foram contemplados na mesma proporção que os mu- de distância até 400 km e entre 400 e 800 km).
nicípios maiores. Desenvolveu-se uma análise comparativa das esti-
mativas fornecidas pelo modelo proposto e um mode-
6. CONSIDERAÇÕES FINAIS lo anterior, utilizado pela ANTT, na qual se pode veri-
ficar que o modelo proposto apresentou melhor per-
O presente trabalho atendeu ao seu objetivo inicial, formance.
obtendo modelos de previsão de demanda para o Os resultados obtidos poderão ser usados pela
transporte rodoviário interestadual de passageiros, que ANTT para a geração de cenários com estimativas do
podem ser usados para avaliar a demanda potencial de volume de movimentações, o que é um dos aspectos
uma nova linha interestadual de ônibus. mais relevantes a serem considerados no planejamento
A utilização de um modelo de demanda direto mos- de novos serviços.
trou-se interessante, tendo em vista a não existência de Com o desenvolvimento das novas tecnologias de
dados de geração de viagens disponíveis e o alto custo informação, cada vez mais é possível obter melhores
para obtê-los. Um estudo exploratório do banco de informações dos sistemas reais. Cabe à Agência Regu-
dados dos municípios do IBGE permitiu uma análise ladora e às empresas aprimorarem seus procedimentos
das variáveis que afetam os padrões da demanda, i- de coleta de dados. Com isso melhores resultados po-
dentificando-se as principais variáveis que influenci- derão ser obtidos através dos modelos de previsão de
am na formação dos fluxos e ao mesmo tempo podem demanda, que devem ser revistos e atualizados perio-
ser usadas na modelagem por estarem disponíveis no dicamente.
bando de dados.
A proposta de agrupar as regiões e ligações inter-
regionais, em grupos, baseando-se na análise de Pare-
REFERÊNCIAS BIBLIOGRÁFICAS
Bez, E. T. (2000) Um estudo sobre os procedimentos de calibração de
alguns modelos de distribuição de viagens. Dissertação (Mestrado
em Engenharia de Produção) – Programa de Pós-Graduação em
Engenharia de Produção, Universidade Federal de Santa Catarina,
Florianópolis.
Bez, E. T., Souza de Cursi, J. E., Gonçalves, M. B. (2005) A Hybrid Me-
thod for Continuous Global Optimization Involving the Represen-
tation of the Solution. 6th World Congress on Structural and Mul-
tidisciplinary Optimization – WCSMO6. Rio de Janeiro, RJ, Bra-
zil.
Bez, E. T., Gonçalves, M. B. (2006) Utilização da regressão de erros abso-
lutos na calibração de modelos de distribuição de viagens.. In: XX
Congresso de pesquisa e ensino em transportes, 2006, Brasília.
Panorama Nacional da Pesquisa em Transportes 2006. Rio de Ja-
neiro : ANPET, v. I. p. 455-461.
Censo Demográfico 2000 – Migração e Deslocamento (2003), IBGE, Rio
de Janeiro.
Consórcio STE-ENEFER (2001) “Relatório Técnico Reavaliação do mo-
delo de estimativa da demanda de passageiros em ligações de
transporte rodoviário” – Estudo realizado por GISTRAN para
ANTT.
Datamétrica – Consultoria, Pesquisa e Telemarketing (2005). “Relatório de
Transporte Rodoviário de Passageiros – Pesquisa de avaliação
da satisfação dos usuários dos serviços das empresas de trans-
porte terrestre” para ANTT.
Fundação Universitária José Bonifácio (2003) “Relatório 03 – Modelos de
Demanda” – Consultoria Técnica, para a ANTT, visando o de-
senvolvimento do transporte rodoviário interestadual e interna-
cional de passageiros.
Gonçalves, M. B. (1992) Desenvolvimento e Teste de um Novo Modelo
Gravitacional – de Oportunidades de Distribuição de Viagens.
Tese (Doutorado em Engenharia de Produção) – Programa de
Pós-Graduação em Engenharia de Produção, Universidade Fede-
ral de Santa Catarina, Florianópolis.
Horowitz, A.J, e Farmer, D.D (1998). A Critical Review of Statewide
Travel Forecasting Practice, University of Wisconsin. Disponível
em: <http://my.execpc.com/~ajh/Statewid.pdf>.
Labtrans/UFSC (2005) “Relatório 5 – Estudo Piloto” Convênio 018/2004
– Modelo de viabilidade, monitoramento e representação dos in-
dicadores de desempenho das linhas de transporte rodoviário de
passageiros, entre a UFSC e a ANTT.
Narula, S.C., Stangenhaus, G. (1988) Análise de Regressão L1 . 8o Sinape.
Campinas.
Novaes, A. G. (1982) Modelos em planejamento urbano, regional e de
transportes. Edgard Blucher, São Paulo.
Ortúzar, J. D., Willumsen, L. G. (2001) Modelling Transport. Third Edic-
tion. John Wiley & Sons, New York.
Spiegel, M. R. (1978) Probabilidade e Estatística. Makron Books Editora
Ltda., São Paulo.
Wild, T. (1997) Best Practice in Inventory Management. John Wiley &
Sons, New York.
Wirasinghe, S. C., Kumarage, A.S. (1998) An aggregate demand model for
intercity passenger travel in Sri Lanka, Transportation, vol. 25,
77-98.
Zhao F., Chow L. F., Li, M. T. e Gan A. (2004) Refinement of Fsutms Trip
Distribution Methodology. Final Report, Prepared by Lehman
Center for Transportation Research, Department of Civil & Envi-
ronmental Engineering, Florida International University.