MOBILIDADE URBANA DURANTE MEGAEVENTOS:

UM SISTEMA ECONOMÉTRICO DE PREVISÃO DA LENTIDÃO DO TRÂNSITO

EM SÃO PAULO DURANTE A COPA DO MUNDO

Alessandro V. M. Oliveira
Rafael Almeida
Instituto Tecnológico de Aeronáutica

RESUMO
A importante questão do congestionamento no trânsito nas capitais brasileiras tornou-se problema crucial de
mobilidade urbana para a acomodação da Copa do Mundo de 2014. A logística advinda do fluxo adicional de
turistas durante o megaevento, aliado ao crescimento orgânico da geração de viagens urbanas, tornou-se ponto
central de desenho de políticas públicas de transportes. Este artigo tem o objetivo desenvolver um sistema de
equações para a previsão do congestionamento na cidade de São Paulo. Foram utilizados modelos explicativos
dos níveis de atividade econômica, preços e fluxos de transportes na região. Modelos de lentidão do trânsito
foram estimados, desagregando-se a análise para os picos da manhã e da tarde. A modelagem econométrica
permitiu testar hipóteses quanto a ações recentes de planejamento dos transportes adotadas pelas autoridades,
como as restrições ao tráfego de caminhões e a inauguração do Rodoanel. Adicionalmente, foram estimados os
efeitos da intensidade das chuvas e a suspensão do sistema de rodízio durante férias escolares e eventos
exógenos. As conclusões do estudo apontam para aumentos entre 17% e 47% na lentidão do trânsito em junho e
julho de 2014. A contribuição do artigo está na busca pelo maior entendimento do problema, em como cada
regressor atua e como cada solução afeta um sistema viário em situações de extrema sobrecarga.

ABSTRACT
The important issue of traffic congestion in Brazilian state capitals has become a crucial problem of urban
mobility to accommodate the World Cup 2014. The logistics arising from the additional flow of tourists during
the mega event, along with the organic growth of urban trip generation, has become central to the design of
transport public policies. This article aims to develop a system of equations to predict congestion in the city of
Sao Paulo. Explanatory models were used for the levels of economic activity, prices and transport flows in the
region. Slow traffic models were estimated by disaggregating the analysis to the morning and afternoon peaks.
The econometric modeling allows us to test hypotheses regarding the recent actions taken by transportation
planning authorities, such as restrictions on truck traffic and the opening of the ring road. Additionally, we
estimated the effects of rainfall intensity and the suspension system of rotation during school holidays and
exogenous events. The findings point to increases between 17% and 47% in slow traffic in June and July 2014.
The contribution of this paper is the quest for greater understanding of the problem, as each regressor operates
and how each solution affects a road system in extreme overload.

1. INTRODUÇÃO
O presente trabalho visa modelar e avaliar econometricamente um conjunto de variáveis que
influenciam o congestionamento na Região Metropolitana de São Paulo (RMSP). A partir
dessa modelagem, busca descrever quantitativamente os fatores que influenciam a mobilidade
urbana da metrópole paulista, além de contribuir para o entendimento do problema, em como
cada regressor atua e como cada solução afeta um sistema viário em situações de sobrecarga.

Um dos grandes desafios enfrentados por grandes cidades e metrópoles no mundo é a

mobilidade urbana. Devido ao crescimento populacional, mas, sobretudo, devido à melhoria
da renda per capita, sua distribuição e as condições de financiamento de bens duráveis em
países emergentes como o Brasil, gerou-se sucessivos aumentos da demanda por viagens por
automóvel. Aliado a esses fatores, tem-se o sucesso da indústria automobilística em
popularizar o setor, atraindo segmentos de consumidores antes excluídos do mercado. Por
consequência, nas grandes cidades observou-se uma pressão sobre a infraestrutura viária e,
consequentemente, um pleito da população por investimentos vultosos e obras viárias que
enfatizassem a capacidade de suprir grandes quantidades simultâneas de veículos em
circulação. Em geral, essas regiões são caracterizadas pela sua alta atividade econômica e
densa população em circulação, ou seja, uma localização de extrema importância política,
econômica e social para o país onde está situada.

As cidades cuja mobilidade tem-se organizado em torno do automóvel sofrem com os

congestionamentos em suas vias de maior fluxo e influenciam a dinâmica populacional, sócio-
econômica e mesmo habitacional. Essa situação implica em diversos problemas, como por
exemplo, impacto ambiental com poluição devido a quantidade de veículos circulando a baixa
velocidade, aumento das distâncias dentro da cidade por causa da longa duração nos
deslocamentos, atrasos nas viagens, tempo estimado de viagem imprevisível, acidentes,
bloqueio de passagens de emergência, ruído, maior fluxo de carros em vias secundárias em
busca de rotas alternativas, etc. Em última instância, a qualidade de vida é extremamente
prejudicada.

No Brasil, o sistema de transporte foi desenvolvido basicamente sobre a estrutura rodoviária.

Após décadas de falta de investimentos e, em muitos casos, a falta de um planejamento viário
adequado, resultando em congestionamentos das vias urbanas. A importante questão do
congestionamento no trânsito nas capitais brasileiras tornou-se problema ainda mais crucial de
mobilidade urbana para a acomodação da Copa do Mundo de 2014. A logística advinda do
fluxo adicional de turistas durante o megaevento, aliado ao crescimento orgânico da geração
de viagens urbanas, tornou-se ponto central de desenho de políticas públicas de transportes.

Neste trabalho, foram utilizados modelos explicativos dos níveis de atividade econômica,
preços e fluxos de transportes na região. Modelos de lentidão do trânsito foram então
estimados, desagregando-se a análise para os picos da manhã e da tarde. A modelagem
econométrica permitiu testar hipóteses quanto a ações recentes de planejamento dos
transportes adotadas pelas autoridades, como as restrições ao tráfego de caminhões e a
inauguração do rodoanel. Adicionalmente, foram estimados os efeitos da intensidade das
chuvas e a suspensão do sistema de rodízio durante férias escolares e eventos exógenos. As
conclusões do estudo apontam um aumento entre 17% e 47% na lentidão do trânsito em junho
e julho de 2014.

O presente artigo está assim organizado: a Seção 2 apresenta a problemática do

congestionamento e a situação de São Paulo, com descritivo das ações recentes adotadas pelas
autoridades de planejamento de transportes e o desafio do megaevento da Copa do Mundo de
2014. A Seção 3 apresenta a metodologia do estudo, com ênfase na descrição dos modelos
econométricos utilizados. A Seção 4 aborda os resultados e interpretação das regressões
realizadas no estudo econométrico. Por fim, as conclusões são apresentadas.

2. CONTEXTO DO CONGESTIONAMENTO PAULISTANO

A Região Metropolitana de São Paulo (RMSP) possui importância estratégica para a
economia brasileira, não apenas devido a sua pujança econômica, mas também a sua
localização, atraindo viagens de toda região metropolitana paulista e servindo de acessos a
diversos municípios e pólos industriais. Ou seja, o município lida com um montante de
deslocamentos bem acima do número de viagens gerados por sua própria população,
principalmente por ser rota de passagem e possuir relações estreitas com outros municípios da
metrópole e do estado de São Paulo. Em consequência, temos que toda a Região
Metropolitana é afetada em termos de geração de indicadores crescentes de
congestionamento. Os indicadores mais típicos são valores de extensão de lentidão dados em
quilômetros (km) e são obtidos a partir do monitoramento de 835 km das principais vias da
RMSP. Essa análise é efetuada pela Companhia de Engenharia de Tráfego (CET).

O problema crônico de congestionamento paulistano acentuou-se ao longo da década de 1990,

sendo que os registros da CET mostram um crescimento muito elevado dos indicadores entre
o período de 1992 e 1996, com um crescimento de mais de 200% de congestionamento, e uma
queda de 22% da velocidade média do tráfego no sistema estrutural. Devido a esse
crescimento acelerado da extensão da lentidão, em 1996 a situação do trânsito de São Paulo
encontrava-se em um nível de saturação considerado alarmante, sendo que qualquer
ocorrência aleatória ou não - chuva, acidente, etc -, era capaz de comprometer fortemente toda
a malha rodoviária. A Figura 1 apresenta a extensão da lentidão apurada pela CET no período.

Figura 1 – Gráfico da evolução da extensão de lentidão de 1992 a 19961

A frota da região metropolitana representa 14,6% da frota nacional, equivalendo a

aproximadamente 10,5 milhões de veículos, servindo a uma população de mais de 19 milhões
de pessoas. Na cidade de São Paulo são 2,12 habitantes por carro2. De acordo com a pesquisa
Origem Destino, realizada a cada dez anos (última pesquisa realizada em 2007), o número
total de viagens efetuadas diariamente na RMSP é de 38,1 milhões, representando um
aumento de 21% em relação ao ano de 1997, enquanto as viagens motorizadas contabilizam
25,2 milhões, apresentando um acréscimo de 23% no mesmo período. Sendo que uma viagem
equivale ao deslocamento de uma pessoa, por motivo específico, entre dois pontos
determinados (origem e destino), utilizando, para isso, um ou mais modos de transporte. A
cidade de São Paulo atrai viagens de toda região metropolitana paulista além interligar
diversos municípios e pólos industriais.

O município de São Paulo decretou, em 4 de outubro de 1997, uma lei para melhorar a fluidez
do trânsito. Essa lei ficou conhecida como “Rodízio Municipal”, que restringia a circulação de
veículos pelo algarismo final da placa, sendo cada dia da semana placas com dois diferentes
algarismos finais eram restritos de transitarem. A restrição era válida apenas para os dias úteis

1
Fonte: CET.
2
Fonte: DENATRAN e cálculos próprios usando a base de dados da pesquisa.
nos horários de pico da manhã, entre 7h e 10h, e de pico da tarde, entre 17h e 20h. A região
para proibição abrangia a área interna de um Mini-anel, delimitado por algumas dse suas vias
mais importantes, como a Marginal Tietê e a Marginal Pinheiros. Eram previstos alguns
períodos em que as regras não seriam aplicadas, que seriam os meses de férias escolares
(janeiro e julho) e dias que antecedem Natal, Ano novo e carnaval.

Essas medidas resolveram o problema provisoriamente, mas a demanda continuou

aumentando, e a solução adotada por São Paulo foi de acrescentar restrições de circulação às
zonas de congestionamento no decorrer dos anos. Basicamente o que ocorreu foi a inclusão de
caminhões no rodízio (30/jun/2008), ampliação das zonas de restrições para circulação de
caminhões e mais recentemente proibição de circulação de caminhões em certas regiões nos
horários entre 5h e 9h, e entre 17h e 22h nos dias da semana e entre 10h e 14h aos sábados,
somente caminhões autorizados, e devidamente cadastrados, poderão transitar nos horários de
restrição como, por exemplo, veículos de emergência, guincho, correios, caminhões de
concretagem, transporte de valores, etc (alguns desses também com determinadas regras de
horário). As implantações de restrições de tráfego de caminhões no centro de São Paulo têm
como objetivo reduzir o número de ocorrências envolvendo caminhões, que geram
interferências no sistema viário da região nos horários de pico.

Em paralelo às medidas restritivas, alguns investimentos públicos em infraestrutura viária

foram realizados, com destaque para a inauguração do Ronoanel, Trecho Sul, em março de
2010. O Rodoanel é uma infraestrutura de transportes que visa primariamente evitar que o
tráfego rodoviário de passagem trafegue pela Região Metropolitana de São Paulo. Trata-se de
um anel viário que contorna a região, e que possui dois trechos inaugurados, Sul e Oeste,
enquanto os trechos Leste e Norte encontram-se em fase de construção e projeto. O CET
realiza ainda obras de ampliação das vias de maior movimento para aumentar a capacidade do
fluxo de veículos nos horários de pico.

3. MODELAGEM ECONOMÉTRICA DA LENTIDÃO DO TRÂNSITO

Os modelos utilizados para a avaliação quantitativa do congestionamento em São Paulo
consistem de um sistema de equações composto de equações de variáveis de atividade
econômica, variáveis de preços e fluxos de transporte e, por fim, equações de lentidão de
trânsito. Para a estimação dos parâmetros foram utilizados modelos econométricos com
dados em séries temporal. Assume-se , onde é um vetor
. Seja a transposta do vetor de todos os
parâmetros. Adicionalmente, definindo a amostra de dados como sendo composta por , e
, respectivamente, o vetor de observações da variável explicada, dos regressores e o erro:

[ ] [ ] [ ] (1)

DDesta forma, teremos (1) representado por

, (2)
que é o equivalente matricial de . A expressão do estimador de mínimos
quadrados ordinários em forma matricial é igual a:

̂ . (3)

Temos que ( ̂ ) é a esperança do estimador do parâmetro

populacional condicional à amostragem de , significando que, se as hipóteses do modelo
linear clássico da regressão forem respeitadas, teremos ausência de viés na estimação. O
presente modelo assume que algumas das premissas do modelo linear clássico são quebradas,
entretanto, por conta de se considerar que os erros não poderiam ser tratados como
independentes e identicamente distribuídos (iid) ao longo da amostra. Foram assim adotados
procedimentos de correção de autocorrelação dos resíduos de segunda ordem, bem como de
heteroscedasticidade. Para isso, foi utilizado o estimador de variância Huber-White
(“sandwiche”):

(̂ ) . (4)

O estimador acima configura o termo de forma a ser robusto à autocorrelação

(estimador Newey-West), tendo sido utilizado na maioria das regressões abaixo descritas. Nos
modelos de demanda por transportes utilizou-se o procedimento de controle do viés de
endogenia, por meio do Estimador de Momentos Generalizado (GMM). Esse procedimento
requer uso de variáveis instrumentais de custos de transportes. O estimador GMM busca
minimizar a seguinte função objetivo:

(̂ ) ̅( ̂ ) ̅( ̂ ), (5)

onde é uma matriz de pesos que controla as correções entre os termos ̅ ( ̂ )

quando os erros também não são independentes e identicamente distribuídos. Ou seja, trata-se
de um procedimento robusto à autocorrelação e heteroscedasticidade, além do controle da
endogenia de alguns dos regressores (preço dos transportes, por exemplo). Extraindo-se as
condições de primeira-ordem, o estimador GMM é igual a:

̂ , (6)

onde é uma matriz de variáveis instrumentais, construída de forma que os instrumentos

pertencentes a ela respeitam as condições de ortogonalidade =0. Os regressores e as
variáveis dependentes que constituíram o modelo econométrico são apresentados a seguir e
acompanham detalhes de como foram obtidas, suas fontes, como foram construídas:

1) Variáveis de atividade econômica e poder de compra:



eap: população economicamente ativa (fonte: IBGE, Pesquisa Mensal do Emprego).


indprodsp: índice de produção industrial em São Paulo (fonte: IBGE)
gdp: produto interno bruto brasileiro, trazido a valor presente pelo IPCA (fonte:


IPEADATA, com cálculos próprios);
usd: taxa de câmbio (dólar), trazido a valor presente pelo IPCA (fonte: IPEADATA,


com cálculos próprios);
avcredit: operações de crédito ao setor privado, pessoas físicas, em reais, trazido a
valor presente pelo IPCA (fonte: Banco Central do Brasil)
2) Variáveis de preços do setor de transportes:
 purb: índice de preços do transporte urbano na Região Metropolitana de São Paulo


(fonte: IBGE);
pveicprop: índice de custo com veículo próprio na Região Metropolitana de São Paulo


(fonte: IBGE);
pdieselbr: índice de preços do diesel na Região Metropolitana de São Paulo (fonte:


IBGE);
pfreight: Índice Nacional de Variação do Custo do Transporte, INCT, (fonte:
Sindicato das Empresas de Transportes de Carga de São Paulo e Região, SETCESP);

3) Variáveis de frota e fluxos de transportes:

 paxtot: total de passageiros em transporte urbano local, ferroviário, metroviário,


intermunicipal, rodoviário interestadual e aéreo (fonte: IDET-FIPE);
paxloc: total de passageiros em transporte urbano local, ferroviário, metroviário e


intermunicipal (fonte: IDET-FIPE);
paxout: total de passageiros em transporte rodoviário interestadual e aéreo (fonte:


IDET-FIPE);


fleetsp_tot: total da frota de veículos na cidade de São Paulo (fonte: DENATRAN);
truck_tot: total de carga transportada por terceiros em transporte rodoviário
interestadual (fonte: IDET-FIPE).

4) Variáveis binárias (dummy), indicadores de fatores qualitativos:

 rodoanel: operação do Rodoanel – trecho sul;
 rodoanel_sr: primeiros seis meses de operação do Rodoanel – trecho sul;


truckrestr: restrição ao trânsito de caminhões;


susp_school: suspensão do rodízio pela CET devido às férias escolares (fonte: CET);
susp_wcup: suspensão do rodízio pela CET devido a jogos da Copa do Mundo de


2002, 2006 e 2010 (fonte: CET);
susp_eventos: suspensão do rodízio pela CET devido a eventos exógenos, como


greves e manifestações (fonte: CET);


susp_flood: suspensão do rodízio pela CET devido a inundações (fonte: CET);


hol_prol: feriado prolongado no mês;


nd_hol: contagem de dias de feriado no mês;
dcrisis: variável binária representativa dos impactos da crise financeira global no


Brasil, configurada entre outubro de 2008 a junho de 2009;
tombamentos: dummy de períodos de tombamentos de caminhões, apontadas pela
imprensa (fonte: mídia, diversos).

5) Variáveis de congestionamento:
 cong_mor: média mensal da lentidão do trânsito – pico da manhã (km, fonte: CET)
 cong_aft: média mensal da lentidão do trânsito – pico da tarde (km, fonte: CET)
 cong_avg: média mensal da lentidão do trânsito diário (km, fonte: CET, cálculos


próprios)
rain_nd: número de dias do mês cuja precipitação foi superior à média mensal (mm,
fonte: BDMEP - INMET, Estação: São Paulo, Mirante de Santana, cálculos próprios)
4. RESULTADOS DAS ESTIMAÇÕES

A seguir, são apresentados os resultados das estimações dos modelos econométricos. As

tabelas com os resultados apresentam cada coluna com uma variável dependente do sistema
de equações. As linhas das tabelas apresentam as variáveis explicativas. São apresentados
também o tamanho da amostra e o indicador da qualidade do ajuste, respectivamente, e
(adj. R-sq). Todas as tabelas apresentam os valores das elasticidades estimadas das variáveis,
podendo ser interpretadas como equivalente a aproximadamente uma mudança percentual na
variável regredida referente a um aumento de 1% na variável regressora. Os erros padrões
estão em colchetes e as estrelas são indicativas da significância estatística das variáveis (***
significa um valor-p inferior a 1%, ** um valor-p inferior a 5% e * um valor-p inferior a
10%). Em todos os modelos, efetuou-se o controle de sazonalidade e tendência das variáveis.

A Tabela 1 apresenta os resultados das estimações dos deslocadores de atividade econômica e

do poder de compra. Esses deslocadores são variáveis cruciais na estimação das demais
variáveis, referentes ao sistema de transportes de São Paulo. Como pode ser visualizado na
Tabela 1, temos que o PIB (gdp) é uma variável que afeta significativamente todas as
variáveis macroeconômicas, eap, indprodsp e avcredit. Esta última apresentou a elasticidade
mais significativa, de 3,6328. Além do gdp, a população economicamente ativa é influenciada
positivamente pela produção industrial paulistana. Em adição, e curiosamente, percebe-se que
o período de crise financeira representou um aumento na eap, mostrando como o País
manteve-se relativamente imune à crise em termos de mercado de trabalho.

Tabela 1 – Resultados das estimações dos deslocadores de atividade econômica e do poder de compra 3

(1) (2) (3)

eap indprodsp avcredit

gdp 0.2359*** 0.3977*** 3.6328***

[0.032] [0.121] [0.305]
indprodsp 0.1673***
[0.058]
dcrisis 0.0025*** -0.0037** 0.0080**
[0.001] [0.002] [0.004]

N 149 149 149

adj. R-sq 0.867 0.885 0.966

Notas:

3
Estimativas de elasticidades apresentadas na média amostral; erros padrões estimados em colchetes;
representações de p-valor: *** p<0.01, ** p<0.05, * p<0.10; efeitos estimados de sazonalidade e tendência
omitidos.
A Tabela 2 apresenta os resultados das estimações dos preços do setor de transportes. Nela,
roda-se as variáveis purb, pveicprop, pdiesel e pfreight contra possíveis fatores explicativos.
Dentre esses, destaque para o próprio preço do diesel (pdiesel), que é um deslocador de custos
estatisticamente significante de purb e pfreight. No caso dos regressores de pdiesel, utilizou-
se a taxa de câmbio como uma aproximação às políticas de precificação dos derivados do
petróleo por parte da Petrobrás.

Tabela 2 – Resultados das estimações dos preços do setor de transportes4

(1) (2) (3) (4)

purb pveicprop pdieselbr pfreight

pdieselbr 0.0680** 0.1638***

[0.034] [0.043]
gdp 0.3435*** -0.4418*** -0.0830
[0.025] [0.087] [0.092]
paxtot 0.3803***
[0.076]
usd 1.6172***
[0.271]
usd2 -0.6064***
[0.117]

N 148 148 148 141

adj. R-sq 0.701 0.900 0.525 0.874

Notas:
A Tabela 3 apresenta os resultados dos modelos econométricos da frota paulistana e dos
fluxos de transportes na região. No caso da frota (fleetsp_tot), importante salientar que tanto
eap quanto indprodsp mostraram-se deslocadores estatisticamente significantes. Uma
hipótese testada foi a da causalidade entre disponibilidade de crédito (avcredit) e tamanho da
frota. Obteve-se um efeito estatisticamente significante e positivo, com elasticidade 0.2698,
ou seja, a cada 1% de aumento na disponibilidade de crédito, tem-se um aumento de 0.2698%
na frota da cidade de São Paulo. No que diz respeito aos fluxos, nota-se que as elasticidades-
preço tanto do transporte rodoviário de carga quanto total de passageiros na cidade
mostraram-se estatisticamente insignificantes. Esse resultado pode ser atribuído à baixa
elasticidade-preço, à falta de variabilidade dessas variáveis, e também à dificuldade de obter
variáveis instrumentais adequadas para o estimador GMM. No caso do transporte de carga,
nota-se que tanto a dummy de rodoanel quanto a de restrição aos caminhões (respectivamente,
rodoanel e truckrestr), mostraram-se estatisticamente significantes. Isso é claramente
indicativo de que as políticas públicas de transportes para a região mostraram-se eficazes
quanto a esses aspectos.

4
Estimativas de elasticidades apresentadas na média amostral; erros padrões estimados em colchetes;
representações de p-valor: *** p<0.01, ** p<0.05, * p<0.10; efeitos estimados de sazonalidade e tendência
omitidos.
 Tabela 3 – Resultados das estimações da frota e dos fluxos de transportes 5

(1) (2) (3)

fleetsp_tot truck_tot paxtot

eap 0.6844**
[0.274]
indprodsp 0.2083***
[0.071]
avcredit 0.2698***
[0.100]
pfreight -0.1296
[0.576]
indprod 0.4064***
[0.096]
rodoanel -0.0125**
[0.005]
rodoanel_sr 0.0009
[0.001]
truckrestr -0.0500***
[0.016]
purb -0.2191
[0.170]
gdp 0.6218***
[0.115]

N 148 138 138

adj. R-sq 0.962 0.718 0.819

A Tabela 4 Notas:
apresenta as regressões das principais variáveis do estudo - as variáveis de
- Estimativas
lentidão do trânsito de elasticidades
cong_avg, apresentadas
cong_mor e cong_aft. na média amostral
Primeiramente, tem-se a Coluna (1),
que decompõe os fatores explicativos da lentidão diária média. Nota-se que as principais
variáveis apontadas pelo modelo econométrico são paxtot, rain_nd, truck_tot, rodoanel,
susp_school, tombamentos e hol_prol. Temos que eventos exógenos como chuvas,
tombamentos de caminhões, férias escolares e feriados são efetivos fatores de incremento da
lentidão do trânsito. O tráfego rodoviário de carga é fator relevante de congestionamento
médio, sendo que a cada 1% no aumento da carga transportada, tem-se um aumento de
0,2119% na lentidão média. A restrição ao trânsito de caminhões na cidade não teve impacto
significativo nessa relação. Já o Rodoanel proporcionou uma queda de quase 3% na lentidão.

5
Estimativas de elasticidades apresentadas na média amostral; erros padrões estimados em colchetes;
representações de p-valor: *** p<0.01, ** p<0.05, * p<0.10; efeitos estimados de sazonalidade e tendência
omitidos.
 Tabela 4 – Resultados das estimações da lentidão do trânsito paulistano 6

(1) (2) (3) (4)

cong_avg cong_avg cong_mor cong_aft

paxtot 0.6809*** 1.3803*** 0.2051

[0.184] [0.304] [0.179]
paxloc 0.7066***
[0.186]
paxout -0.1127
[0.142]
fleetsp_tot 0.3002 -0.0072 -1.3080 1.3945***
[0.538] [1.004] [0.950] [0.488]
rain_nd 0.0292** 0.0239** 0.0579*** 0.0097
[0.012] [0.012] [0.017] [0.012]
truck_tot 0.2119** 0.2280** 0.2032 0.2179**
[0.096] [0.099] [0.136] [0.095]
truckrestr -0.0062 -0.0089 -0.0124 -0.0019
[0.012] [0.011] [0.014] [0.014]
rodoanel -0.0267*** -0.0187*** -0.0144* -0.0350***
[0.005] [0.004] [0.009] [0.006]
susp_school 0.0193*** 0.0212*** 0.0277*** 0.0135***
[0.003] [0.004] [0.005] [0.004]
susp_wcup -0.0014 -0.0016 -0.0004 -0.0021
[0.001] [0.001] [0.001] [0.002]
susp_eventos 0.0003 0.0000 0.0019 -0.0008
[0.003] [0.003] [0.004] [0.003]
susp_flood 0.0002 0.0002 0.0010 -0.0003
[0.001] [0.001] [0.002] [0.001]
tombamentos 0.0016** 0.0018** 0.0015** 0.0017*
[0.001] [0.001] [0.001] [0.001]
hol_prol 0.0472** 0.0503** 0.0703*** 0.0315
[0.020] [0.021] [0.026] [0.022]
nd_hol -0.0132 -0.0152 -0.0241 -0.0058
[0.021] [0.023] [0.027] [0.024]

N 149 138 149 149

adj. R-sq 0.809 0.806 0.814 0.725

Notas:
A Coluna (2) da Tabela 4 apresenta os resultados desagregando o total de passageiros (paxtot)
entre passageiros "locais" (paxloc) e passageiros "outros" (paxout). Os passageiros "locais"
são os passageiros com origem e destino localizadas intrarregião metropolitana. Percebe-se
que a demanda desses passageiros (e fatores correlacionadas com essa demanda) gera
causalidade estatisticamente significante com a lentidão do trânsito média. Já paxout não tem
efeito estatisticamente significante. Os demais resultados da Coluna (2) não são alterados. Por
fim, as colunas (3) e (4) apresentam uma desagregação dos resultados em lentidão matutina
(cong_mor) e lentidão vespertina (cong_aft). Pode-se notar que o efeito do rodoanel é mais
pronunciado reduzindo a lentidão da tarde. Por outro lado, a suspensão do rodízio durante as
férias escolares tem efeito mais pronunciado no congestionamento da manhã. Todos esses
resultados proporcionam um mapeamento quantitativo e uma decomposição de fatores
explicativos da lentidão do trânsito paulistano.

Uma vez efetuadas as estimações do sistema de equações, foi possível efetuar uma previsão
do congestionamento futuro na cidade de São Paulo. O foco das previsões foram os meses de
junho e julho, com vistas a uma comparação com o período da Copa do Mundo de 2014. Para

6
Estimativas de elasticidades apresentadas na média amostral; erros padrões estimados em colchetes;
representações de p-valor: *** p<0.01, ** p<0.05, * p<0.10; efeitos estimados de sazonalidade e tendência
omitidos.
as projeções, foi considerado o crescimento do PIB brasileiro de acordo com a pesquisa
FOCUS do Banco Central, adotando-se o crescimento esperado de 2013 para 2014. Todas as
demais variáveis foram projetadas a partir dos modelos econométricos estimados. A variável
paxtot teve um acréscimo de tráfego devido ao megaevento, projetado utilizando-se as
previsões de Martins, Belezza e Werner (2011) e utilizando o fator de duas viagens por turista
por dia, mais duas viagens aéreas para cada (ida e volta). Com as projeções de todos os
regressores, foi possível efetuar a previsão da lentidão matutina e vespertina para junho e
julho de 2014. As Figuras 1 e 2 apresentam os resultados dessas projeções.

160
143 145
139
140
124 124
120
106
100 91 89

80 76 76

60

40

20

0
2010 2011 2012F 2013F 2014F
cong_mor (lentidão matutina) cong_aft (lentidão vespertina)

Figura 1 – Evolução da lentidão do trânsito – mês de junho7

160

140 137
134
125
120 115

99
100

80
68
61
60 57
46 45
40

20

0
2010 2011 2012F 2013F 2014F
cong_mor (lentidão matutina) cong_aft (lentidão vespertina)

Figura 2 – Evolução da lentidão do trânsito – mês de julho8

7
Fonte: autores, com base nos modelos estimados.
8
idem.
Com base nos resultados, pode-se concluir que é previsto um aumento considerável na
lentidão do trânsito, tanto no período da manhã quanto da tarde. A previsão é de uma lentidão
matutina média de 106 km e 68 km, respectivamente, em junho e julho de 2014. Já a lentidão
vespertina média atingiria 145 km e 137 km em junho e julho, respectivamente. Esses valores
representam aumentos entre 17% e 47% dos números observados em 2010, podendo ser
considerados relevantes do ponto de vista de desenvolvimento de políticas públicas. Os
resultados incluem a previsão de feriados durante os jogos da Copa do Mundo em São Paulo,
bem como as férias escolares e demais fatores sazonais.

5. CONSIDERAÇÕES FINAIS
O presente artigo efetuou, por meio de modelagem econométrica com desenvolvimento de
sistema de equações, a estimação dos determinantes do congestionamento na cidade de São
Paulo. Foram também realizadas previsões da lentidão do trânsito para o período do
megaevento da Copa do Mundo de 2014. Hipóteses quanto a ações recentes de planejamento
dos transportes adotadas pelas autoridades, como as restrições ao tráfego de caminhões e a
inauguração do rodoanel. Adicionalmente, foram estimados os efeitos da intensidade das
chuvas e a suspensão do sistema de rodízio durante férias escolares e eventos exógenos. As
conclusões do estudo apontam para aumentos de até 47% na lentidão do trânsito.

Um dos grandes problemas enfrentados por grandes cidades e metrópoles no mundo é a

mobilidade urbana. Os desafios tornam-se ainda mais acentuados com a chegada de
megaeventos. No Brasil, o crescimento populacional gerou o aumento da demanda por
automóvel e consequentemente, por vias públicas com capacidade de suprir a quantidade de
veículos circulando nos grandes centros. Cabe às autoridades efetuarem projeções de
demanda mais acuradas e tomada de decisão mais efetivas para enfrentar os importantes
desafios colocados ao País em sua rota de crescimento e desenvolvimento.

REFERÊNCIAS BIBLIOGRÁFICAS
Companhia de Engenharia de Tráfego (2012) Trânsito agora. CET, São Paulo.
Companhia de Engenharia de Tráfego (2012) Rodízio - suspensões. São Paulo.
Companhia de Engenharia de Tráfego (2011) Zona de máxima restrição de circulação – ZMRC,
Restrição ao trânsito de caminhões em São Paulo. São Paulo.
Instituto Nacional de Metereologia (2012) Climatologia da cidade de São Paulo. INMET, São Paulo.
Martins, V. L. M., Belleza, M. R. e Werner, L. (2011) Demanda turística na Copa do Mundo no Brasil
em 2014: uma previsão usando combinação de previsões e ajuste matemático. SIMPOI Anais.
Observatório Cidadão (2012) Transporte / mobilidade urbana. Nossa São Paulo, São Paulo.
Scaringella, R. S. (2001) A crise da mobilidade urbana em São Paulo. São Paulo em Perspectiva, Vol.
15 No. 1.
Secretaria de Transportes Metropolitano (2011) O crescimento das cidades e seus desafios. Secretaria
de Estado dos Transportes Metropolitanos, São Paulo.
Secretaria de Transportes Metropolitano (2008) Pesquisa origem e destino 2007 – Região
metropolitana de São Paulo – Síntese das Informações da pesquisa domiciliar. Secretaria de
Estado dos Transportes Metropolitanos, São Paulo, SP.
Vespucci, K. M. (2005) Operação horário pico. Companhia de Engenharia de tráfego.