ET2613

5. MODELO DAS 4
ETAPAS:
DISTRIBUIÇÃO DE
VIAGENS PLANEJAMENTO DE TRANSPORTES

Mestrado em Engenharia de Transportes SE/2

Prof. Orivalde Soares da Silva Júnior – orivalde@ime.eb.br
 Modelo 4 Etapas: Distribuição de Viagens
1. Modelo das 4 Etapas - Distribuição
O Modelo das 4 Etapas é um modelo de simulação do funcionamento de um sistema de transportes que
se aplica com base num Modelo da Rede de Transportes e integra as seguintes etapas:

Vou ou não vou?

Para onde vou?

Como vou?

Por onde vou?

Etapa de Distribuição de viagens (para onde viajo?) Determina o número de viagens entre cada zona de
origem e cada zona de destino (variáveis Tjk) – miolo da matriz OD.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Etapa de Distribuição de viagens (para onde viajo?)

Determina o número de viagens entre cada zona de origem e cada zona de destino
(variáveis Tjk) – miolo da matriz OD.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Da Geração para a Distribuição:
j
j

1 2 3
1 2 3
1 12 14 6 32
1 32
i
i

2 32 Oj 2 14 8 10 32 Oj

3 6 10 2 18
3 18
Tjk 32 32 18
32 32 18

Dk
Dk

Um modelo de geração (1ª Etapa), estima o
número de viagens com origem ou destino
em cada zona (que motivam essas viagens).
Com este modelo conhecemos uma ou
ambas as bordas da matriz O/D.
Um modelo de distribuição (2ª Etapa), estima
para onde se dirigem as viagens iniciadas em
cada zona, e/ou onde tiveram origem as
viagens que se sabe terminarem numa zona.
Com este modelo preenche-se o miolo da
matriz.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
2. Modelos de Distribuição de Viagens
Os modelos de distribuição visam simular as relações de origem e destino de deslocamentos entre
as zonas da região de estudo.
Tipos dos modelos de distribuição:
- Modelos Agregados: baseiam-se em dados da zona de tráfego. São os mais utilizados.
- Modelos Desagregados: baseiam-se no indivíduo. Reproduzem o processo de escolha de
um destino por cada indivíduo. Estes modelos estão ainda em fase de estudo e
aperfeiçoamento devido à complexidade dos mesmos.

Componentes básicos da relação O/D em modelos agregados

• Potencial de Geração - grandezas que expressam a capacidade de cada zona produzir ou
originar viagens para certos destinos.
- Pessoas potencialmente dispostas a exercer atividades que implicam deslocamentos.
• Potencial de Atração - grandezas que expressam o capacidade de atração de viagens de
cada zona.
- Oportunidades ou equipamentos específicos para exercer a atividade.
• Função de Impedância – expressa matematicamente relações de fatores que se opõem
de forma diferenciada no espaço, ao deslocamento entre duas zonas.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

TESTE: Dê exemplos de grandezas utilizadas em potenciais de geração e de atração e

em funções de impedância.

Melhor modelagem é a Separação por motivos de viagem: Para se obter uma relação
lógica entre elementos atraídos e elementos atrativos o ideal seria separar as viagens
por motivos, afim de modelar adequadamente relações O/D. Quanto mais detalhada
for a definição do motivo de viagens, mais exata será a definição dos equipamentos
(destinos) em questão. Existe no entanto uma contradição entre a necessidade de
detalhar a especificação do motivo de viagem e de equipamentos e a disponibilidade
de dados atuais e futuros correspondentes a tal grau de detalhe.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Podemos estimar a matriz OD (Tjk) através de:
• Estimação direta (explicado na etapa da Geração) – Fazem-se pesquisas de origem-destino, em que
se entrevistam as pessoas procurando saber de onde vêm e para onde vão, permitindo estimar
cada uma das casas da matriz (miolo) assim como os totais de viagens geradas/atraídas por cada
zona (bordas).

• Estimação indireta usando modelos gravitacionais – A matriz é estimada através de indicadores do

número de viagens e do custo de viajar entre cada par de zonas. Não é tão realista como um
pesquisa OD completa, mas é incomparavelmente mais barato e mais rápido e na maior parte dos
casos o modelo consegue reproduzir suficientemente bem essa realidade.
- Precisa de uma pesquisa mais curta que permita aferir a impedância do tempo de viagem na
distribuição de viagens;
- Permite obter uma relação de acessibilidade com distribuição de viagens.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
3. Tipos de Modelos de Distribuição de Viagens
Os modelos de distribuição de viagens podem ser grupados da seguinte forma:

• Modelos à base do Fator de Crescimento:

- Métodos iterativos de ajustamento:
- Método do Fator Médio de Crescimento
- Método de Detroit
- Método de Fratar
- Método de Furness

• Modelos Gravitacionais
- Sem restrições
- Com restrições

• A matriz OD pode ainda ser estimada de forma direta.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
4. Modelos à base do Fator de Crescimento
Estes modelos procuram ajustar a matriz O/D atual aos valores futuros de geração e atração de
viagens de cada zona para o ano de projeção.
Dados de input:
• Matriz O/D atual
• Estimativa dos valores futuros de viagens geradas, 𝑂𝑖 , e atraídas, 𝐷𝑗 .
• Grau de rigor das aproximações.

Matriz O/D Ano 0 Exemplo

𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊
0
1 𝑉11 0
𝑉12 0
𝑉13 𝑂10 𝑶𝑵
𝟏 1 100 210 290 600 1057
0 0
2 𝑉21 𝑉22 0
𝑉23 𝑂20 𝑶𝑵
𝟐 2 150 200 210 560 818
0 0 0
3 𝑉31 𝑉32 𝑉33 𝑂30 𝑶𝑵
𝟑 3 400 490 200 1090 889
𝐷𝑗0 𝐷10 𝐷20 𝐷30 𝑇0 𝐷𝑗0 650 900 700 2250
𝑫𝑵
𝒋 𝑫𝑵
𝟏 𝑫𝑵
𝟐 𝑫𝑵
𝟑 𝑇𝑁 𝑫𝑵
𝒋 684 822 1258 2764

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
CONDIÇÕES BÁSICAS:

Existem vários métodos de cálculo dos valores O-D projetados, com base no fator de crescimento.
Em geral esses métodos exigem um algoritmo iterativo para assegurar o cumprimento das duas
condições básicas:
• Somatório dos elementos de cada linha igual ao valor da geração futura (no. de viagens
com origem na zona i). 𝑛

෍ 𝑉𝑖𝑗𝑁 = 𝑂𝑖𝑁
𝑗=1
• Somatório dos elementos de cada coluna é igual ao valor da atração futura (no. de viagens
com destino na zona j). 𝑛

෍ 𝑉𝑖𝑗𝑁 = 𝐷𝑗𝑁
𝑖=1
Adicionalmente é necessário garantir que a soma das viagens geradas seja igual à soma de
viagens originadas. 𝑛 𝑛

෍ 𝑂𝑖𝑁 = ෍ 𝐷𝑗𝑁 = 𝑇 𝑁
𝑖=1 𝑗=1

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Fator de Crescimento – aplicação geral

V ij
N
 Fij .V O
ij

n n

j 1
VijN  OiN
 VijN  D N
j
i 1

N é o ano horizonte e 0 é o ano base (atual).

𝐹𝑖𝑗 é o fator de crescimento a aplicar e que tem ser estimado iterativamente.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Fator de crescimento da
𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 geração:
1 100 210 290 600 1057 1.76
2 1.46 𝑂𝑖𝑁
150 200 210 560 818 𝑓𝑖 = ൘ 0
𝑂𝑖
3 400 490 200 1090 889 0.82
𝐷𝑗0 Fator de crescimento da
650 900 700 2250
𝑫𝑵 atração:
𝒋 684 822 1258 2764
𝒇𝒋 1.05 0.91 1.80 m=1.23 𝐷𝑗𝑁
𝑓𝑗 = ൘ 0
𝐷𝑗
𝑶𝟎𝒊 : viagens originadas na zona 𝑖 no ano base.
𝑶𝑵
𝒊 : viagens originadas na zona 𝑖 no ano Fator de crescimento do total
horizonte.
de viagens:
𝑫𝟎𝒋 : viagens atraídas para a zona 𝑖 no ano base.
𝑇𝑁
𝑫𝑵
𝒋 : viagens atraídas para a zona 𝑖 no ano 𝑚= 0
𝑇
horizonte.
IME – SE/2 ET2613 – Planejamento de Transportes
Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Métodos Iterativos de Aproximação: Fator de Crescimento Médio
Quadro Inicial Iteração 8

𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 𝑂/𝐷0 1 2 3 𝑂𝑖𝐼𝑇𝐸 𝑶𝑵
𝒊 𝒇𝒊
1 100 210 290 600 1057 1.76 1 158 278 620 1056 1057 1.00
2 150 200 210 560 818 1.46 2 201 224 393 818 818 1.00
3 400 490 200 1090 889 0.82 3 324 321 246 890 889 1.00
𝐷𝑗0 650 900 700 2250 𝐷𝑗𝐼𝑇𝐸 683 822 1259 2764
𝑫𝑵
𝒋 684 822 1258 2764 𝑫𝑵
𝒋 684 822 1258 2764
𝒇𝒋 1.05 0.91 1.80 1.23 𝒇𝒋 1.00 1.00 1.00 1.00

Iteração 1
1.76 + 0.91
𝑂/𝐷 0 1 2 3 𝑂𝑖𝐼𝑇𝐸 𝑶𝑵
𝒊 𝒇𝒊 𝑉12 = 210 × = 281
2
1 141 281 516 938 1057 1.13
1.07
𝑉𝑖𝑗𝑛 = 𝐹𝑖𝑗𝑛−1 𝑉𝑖𝑗𝑛−1
2 188 237 342 768 818
3 374 424 261 1058 889 0.84
𝐷𝑗𝐼𝑇𝐸 703 942 1119 2764
𝑫𝑵
𝒋 684 822 1258 2764
𝑓𝑖 + 𝑓𝑗
𝐹𝑖𝑗 =
𝒇𝒋 0.97 0.87 1.12 1.00 2
IME – SE/2 ET2613 – Planejamento de Transportes
Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Métodos Iterativos de Aproximação: DETROIT
Quadro Inicial Iteração 8

𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊
1 100 210 290 600 1057 1.76 1 155 269 633 1058 1057 1.00
2 150 200 210 560 818 1.46 2 201 221 396 818 818 1.00
3 400 490 200 1090 889 0.82 3 327 331 230 888 889 1.00
𝐷𝑗0 650 900 700 2250 𝐷𝑗0 683 822 1259 2764
𝑫𝑵
𝒋 684 822 1258 2764 𝑫𝑵
𝒋 684 822 1258 2764
𝒇𝒋 1.05 0.91 1.80 1.23 𝒇𝒋 1.00 1.00 1.00 1.00

Iteração 1
1.76 × 0.91
𝑂/𝐷 0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 𝑉12 = 210 × = 275
1.23
1 151 275 747 1173 1057 0.90
2 188 217 449 854 818 0.96
3 279 297 239 815 889 1.09
𝑝−1 𝑝−1
𝐷𝑗0 618 789 1435 2842 (𝑝) 𝑓
𝑝−1 𝑖
𝑓𝑗
𝑫𝑵 𝑉𝑖𝑗 = 𝑉𝑖𝑗
𝒇𝒋
𝒋 684
1.11
822 1258
1.04 0.88
2764
0.97
𝑚𝑝−1

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Quadro Inicial
Métodos Iterativos de Aproximação: FRATAR
𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊
1 100 210 290 600 1057 1.76
Matrizes Assimétricas 2 150 200 210 560 818 1.46
3 400 490 200 1090 889 0.82
𝐷𝑗0 650 900 700 2250
𝑫𝑵
𝒋 684 822 1258 2764
𝒇𝒋 1.05 0.91 1.80 1.23

Iteração 1
Matrizes Simétricas 𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊

N
1 172 281 855 1308 1057 0.81
O 913 818 0.90
Vijp  Vijp 1. f jp 1. n
i 2 204 209 500
736 889 1.21
 ij j 256 237 243
p 1 p 1 3
V . f
𝐷𝑗0 632 728 1598 2958
k 1
𝑫𝑵
𝒋 684 822 1258 2764
𝒇𝒋 1.08 1.13 0.79 0.93
1.76+0.91 1057 822
𝑉12 = 210 × × × =281
2 100×1.05+210×0.91+290×1.80 210×1.76+200×1.46+490×0.82

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Métodos Iterativos de Aproximação: FURNESS BIDIMENSIONAL
Quadro Inicial 1º Passo: utilizar os fatores de crescimento

𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 de geração, 𝑓𝑖
1 100 210 290 600 1057 1.76
𝑽𝒏𝒊𝒋 = 𝒇𝒏−𝟏
𝒊 𝑽𝒏−𝟏
𝒊𝒋
2 150 200 210 560 818 1.46
3 400 490 200 1090 889 0.82 2º Passo: utilizar os fatores de crescimento
𝐷𝑗0 650 900 700 2250 de atração, 𝑓𝑗
𝑫𝑵
𝒋 684 822 1258 2764
𝑽𝒏𝒊𝒋 = 𝒇𝒏−𝟏
𝒋 𝑽𝒏−𝟏
𝒊𝒋
𝒇𝒋 1.05 0.91 1.80 1.23

Iteração nas linhas Iteração nas colunas

𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊 𝑂/𝐷0 1 2 3 𝑂𝑖0 𝑶𝑵
𝒊 𝒇𝒊
1 176 370 511 1057 1057 1.00 1 167 286 655 1109 1057 0.95
2 219 292 307 818 818 1.00 2 208 226 393 827 818 0.99
3 326 400 163 889 889 1.00 3 309 309 209 828 889 1.07
𝐷𝑗0 722 1062 981 2764 𝐷𝑗0 684 822 1258 2764
𝑫𝑵
𝒋 684 822 1258 2764 𝑫𝑵
𝒋 684 822 1258 2764
𝒇𝒋 0.95 0.77 1.28 1.00 𝒇𝒋 1.00 1.00 1.00 1.00

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Vantagens:
• Fácil aplicabilidade e entendimento;
• Baseado em métodos iterativos que garantem uma solução com certo grau de erro definido pelo
analista;
• As taxas ou fatores de crescimento têm normalmente como fonte dados oficiais;
• A matriz estimada conserva os padrões de viagens produzidas e destinadas por zona.

Desvantagens:
• Não é recomendado para estimações de longo prazo;
• Os custos da pesquisa para obtenção dos dados das viagens costumam ser caros;
• Se a matriz OD base obtida da pesquisa contém células vazias, então, isso implica que a matriz
estimada terá células vazias também;
• Não considera as possíveis mudanças no tempo (ou no período em que vai ser estimada a matriz
OD), na rede viária e nem os custos de operação.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
5. Modelo Gravitacionais de distribuição de viagens
Baseiam-se na Lei de Newton: “a força de atração entre dois corpos é diretamente proporcional ao
produto das massas dos dois corpos e inversamente proporcional ao quadrado das distâncias entre
eles”.
Há várias formas de modelo gravitacional:
Sem restrições – Usam-se indicadores do número de viagens geradas e atraídas por cada zona,
como a população ou o emprego, para estimar as viagens entre cada par OD, tendo como
referência uma pesquisa de viagens para alguns pares OD e as distâncias ou tempos de viagens
entre essas zonas. Não requer o passo da Geração (onde obtemos 𝑂𝑗 e 𝐷𝑘 ).
Uma restrição – Queremos que Oj ou Dk seja cumprida, apenas uma das bordas, sendo que a
outra borda fica independente;
Duplamente restringido – Queremos que Oj e Dk sejam cumpridas, ou seja, ambas as bordas
da matriz OD devem ser exatamente iguais aos valores estimados no módulo de geração;
A vantagem deste modelo em relação aos outros é que nele se considera, além da atração, o efeito
da separação espacial ou facilidade de interação entre as regiões definida pela função de impedância.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
MODELO SEM RESTRIÇÕES
Queremos usar um modelo em que o número de viagens seja proporcional à “massa” das zonas e
inversamente proporcional ao custo de viajar entre cada par de zonas.

Modelo gravitacional de Newton:

M j .M k A força gerada entre dois corpos é proporcional à

F jk  G 2
sua massa e inversamente proporcional ao
d jk quadrado da distância entre eles;

Modelo gravitacional de Transportes: Com:

Ljk - afastamento entre as zonas j e k medido por
M j .M k distância, tempo ou custo generalizado;
T jk   , f ' ( L jk )  0 Mj - Massa da zona, tipicamente a população ou
f ( L jk ) a quantidade de empregos nessa zona;

Formas da função atrito ou impedância:

β .L
L jk pode ser custo generalizado de viagem:
f ( L jk )  e jk Função exponencial
natural
C jk  c f  vt .t jk
f ( L jk )  L jk β Função potência jk

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Custos generalizados de viagens:

Cij  a1tijv  a2tijw  a3tijpar  a4tijtrans  a5 Fij  a6Ter  

v
tij Tempo de viagem no veículo

tijw Tempo de espera pelo veículo

tijpar Tempo em paradas

tijtrans Tempo em transbordos

Fij Tarifa do transporte

Ter Custo em terminais

 Custo em segurança, conforto, confiabilidade, etc

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Ilustração do modelo gravitacional:

489 mil

6,32 milhões

12,18 milhões

Rio de Janeiro e São Paulo estão a 430 km uma da outra, mas há mais viagens entre
elas do que entre Rio de Janeiro e Juiz de Fora, cuja distância é de apenas 180 km.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
• É necessário ter um cuidado especial com este modelo: a distribuição do número de viagens em
função da sua impedância não segue uma função exponencial ou potência perfeitas e portanto o
modelo traduz mal as viagens de proximidade.
Se colocarmos Lij como 0, já que as
viagens de uma zona para ela mesma
são consideradas como tendo origem e
destino no mesmo nó centroide,
estaremos sobredimensionando esse
número de viagens o que não coincide
com a realidade.

M j .M k
T jk  
f ( L jk )

Por vezes o que fazemos nestes casos é

considerar a impedância como um
valor muito alto (99999), evitando que
Baseado em (Ortuzar, Willumsen, 2001)
sejam distribuídas viagens intra-zonais
neste paso.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
6. Exercício de aplicação do modelo não restringido
Determine a matriz origem-destino para as viagens em automóvel na região apresentada
com base na informação sobre população, emprego e tráfego disponibilizada. Admita
que o padrão de deslocamentos segue um modelo gravitacional da forma:
População Emprego
Centro
Pj .Ek (milhares) (milhares)
T jk   
A 37.1 13.2
t jk B 139.1 70.8
C 13.0 4.2
D 61.6 24.2
A
E 26.4 9.0
H
G F 21.7 7.2
4
12 18
Tráfego
Origem Destino
21 Velocidades
(VLE/período)
I
21 (km/h) B A 602
17
7 B C 1208
5 B B D 1842
120
16 J
B E 1139
13 80
E B F 727
D 20 60
A B 1911
C 50
Distâncias em km 14 C B 3243
D B 2197
F E B 1442
F B 1024

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Que parâmetro vamos utilizar como fator de

massa para a geração de viagens?

E para a atração?

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Resolução – vamos recorrer à regressão linear
Calibração do Modelo
Pj .Ek  T jk 
1. Precisamos de uma expressão linear! T jk    ln    ln   β ln t jk
t jk
β  P .E 
Temos de “logaritmizar” a expressão de  j k 
Newton y  a b x

2. Converter os dados para a expressão transformada usando o Excel.

Origem Destino ln(Tjk/(Pj*Ek)) ln(tjk)

B A -1.11515 3.044522
Matriz de tempos de viagem (minutos) B C 0.726444 2.302585
B D -0.60294 3.465736
A B C D E F B E -0.09451 3.178054
A 99999 21 31 35 31 42 B F -0.32035 3.044522
B 21 99999 10 32 24 21 A B -0.31809 3.044522
C 31 10 99999 42 34 11 C B 1.259446 2.302585
D 35 32 42 99999 8 32 D B -0.68567 3.465736
E 31 24 8 8 99999 24 E B -0.25944 3.178054
F 42 21 32 32 24 99999 F B -0.4057 3.044522

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

1,5

1
Interseção na origem:
0,5 y = -1,4427x + 4,1566 Ln ( )=a=4.157 =>   e^4.157 = 63.88
R² = 0,7141
0
Declive:
2 2,2 2,4 2,6 2,8 3 3,2 3,4 3,6
-0,5
𝛽 =-b=-(-1.4427)=1.4427

-1 Coeficiente de determinação:
R2 = 0.7141 (71%)
-1,5

Pj .Ek  T jk 
T jk    ln    ln   β ln t jk Pj  Ek
t jk
β  P .E  T jk  63.88
 j k  t jk 1.4427
y  a b x

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

2º Cálculo da Matriz O/D – Determinam-se as viagens célula a célula:

O tráfego modelado de
2076 está razoavelmente
PA  EB
TA , B  63.88 1.4427 próximo ao observado de
1911 viagens (R2=0.7141)
t A,B
37.1 70.8
 63.88 1.4427
 2076
21

TA,C  (...)

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
6. O modelo duplamente restringido
Ambas as bordas Oj e Dk vindas do passo da Geração têm que ser respeitadas.

 T jk
j J
 Dk , k  K  T jk  O j , j  J
k K

Para isso precisamos de dois vetores auxiliares Aj e BK no modelo gravitacional:

A j .O j .Bk .Dk
T jk 
f ( L jk )

Os fatores Aj BK são introduzidos no modelo para garantir a compatibilidade do somatório das

viagens realizadas de cada zona para as diferentes zonas de tráfego com a totalidade das viagens
nessa zona de tráfego.
1 1
Aj  , j  J e Bk  , k  K
Bk .Dk Aj .O j

kK f ( L jk )

j J f ( L jk )

Garante Oj Garante Dk

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Os fatores Aj calculam-se a partir dos fatores Bk e os fatores Bk calculam-se a partir

dos fatores Aj, portanto a respectiva determinação só é possível resolvendo um
sistema de equações não-lineares.

Um método simples e eficaz que pode ser usado para o efeito é utilizar um processo
iterativo:
• Admite-se inicialmente Bk =1, k e calculam-se os Aj.
• Usam-se os Aj assim obtidos para calcular os novos valores para Bk
• Calculam-se os novos valores para Aj, e assim sucessivamente, até que os
valores de Aj e Bk se mantenham em duas iterações sucessivas (o que
normalmente se verifica bastante rapidamente). Desta forma consegue
obter-se uma solução para o sistema de equações não linear.

NOTA: Usando o Excel podemos obter essa solução sem ser necessário o processo
iterativo, utilizando a ferramenta Solver que resolve sistemas de equações não
lineares.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
7. Exercício de aplicação do modelo duplamente restringido
Oj Dk
Determine a matriz origem-destino da cidade representada
A 5565 7051
para o período da manhã utilizando como geração/atração os B 3317 13166
valores estimados no passo da Geração. C 7419 9169
D 11498 6559
E que a distribuição de tráfego obedece a um modelo E 5898 4386
gravitacional com função de impedância: Norte 4320 1258
Sul 5040 1467

f ( L jk )  L jk 1.5 , com L jk  d jk
Neste caso já nos dão o valor β da impedância da
função de atrito.

Matriz de Distâncias
A B C D E NORTE SUL
A 999999 2 4 4 4 10 11
B 2 999999 6 6 2 8 9
C 4 6 999999 8 8 8 15
D 4 6 8 999999 8 14 15
E 4 2 8 8 999999 10 9
NORTE 10 8 8 14 10 999999 17
SUL 11 9 15 15 9 17 999999

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Resolução usando o método iterativo:
1ª iteração 1 1
AA  
Bk .Dk BA .DA BS .DS
Fazendo: Bk   {1,1,1,1,1,1,1},k , vem 
k K LA k
1.5
LAA1.5  (...) 
LAS1.5

A  {1.38;1.91;4.27;4.12;1.58;6.69;8.83}10
j
4

1
 1.38 10  4
1 7051 11467
Bk   {0.648;0.698;1.683;2.211;1.080;2.661;3.899} 999991.5
 (...) 
111.5

Ao fim de seis iterações:

A  {1.27;1.74;4.37;4.46;1.85;57.0;8.25}10
j
4

Bk   {0.633;0.681;1.716;2.286;1.119;2.612;3.840}
Matriz O/D
A B C D E NORTE SUL Oj
AD .OD .BA .DA
A
B
0
910
2238
0
1388
617
1323
588
433
999
73
84
109
120
5565
3317
TDA  1.5

1809 1976 0 2146 703 470 314 7419
LDA
C
D 2866 3131 3568 0 1113 322 498 11497 4.46 10 4 11498  0.633  7051
E 610 3463 759 724 0 114 228 5898 
NORTE 348 976 1712 705 382 0 198 4320 41.5
SUL 509 1381 1126 1073 756 195 0 5040  2866 viagens.
Dk 7051 13166 9169 6559 4386 1258 1467
Cumpre cada vez melhor as restrições, poderíamos continuar até o erro ser nulo
IME – SE/2 ET2613 – Planejamento de Transportes
Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Resolução usando o solver (solucionador) (muito mais rápido!):

Arbitrar Bk’s=1
Bk 1.000 1.000 1.000 1.000 1.000 1.000 1.000

Aj A B C D E NORTE SUL Soma Objectivo Aj*Oj Erro2

1.38E-04 A 0 3573 880 629 421 31 31 5564.95 5565 7.68E-01 0.0000

1.91E-04 B 1583 0 396 283 985 35 35 3317.41 3317 0.63506 0.0000

4.27E-04 C 2792 2838 0 918 614 176 80 7418.80 7419 3.167916 0.0000

4.12E-04 D 4178 4246 1921 0 919 114 120 11497.59 11498 4.740127 0.0000

1.58E-04 E 822 4340 378 270 0 37 51 5898.10 5898 0.932407 0.0000

6.69E-04 NORTE 644 1682 1171 362 401 0 60 4320.00 4320 2.889805 0.0000

8.83E-04 SUL 861 2171 703 503 723 80 0 5040.00 5040 4.452144 0.0000

Soma 10880 18851 5448 2966 4062 473 376

Minimizar este
Objectivo 7051 13166 9169 6559 4386 1258 1467 erro:

Bk*Dk 7051.46 13166.41 9168.59 6559.48 4385.81 1257.74 1467.36 75640944

Erro2 14660861.8 32313833.9 13842346.3 12912601.0 104616.3 616275.3 1190409.2

É a soma dos dois erros

(10880-7051.46)^2 quadráticos.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Utilização do Solver (Solucionador)

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens

Bk 0.501 0.539 1.357 1.808 0.885 2.067 3.038

Aj A B C D E NORTE SUL Soma Objectivo Aj*Oj Erro

1.60E-04 A 0 2238 1388 1323 433 73 109 5564.95 5565 8.92E-01 0.0000
2.19E-04 B 910 0 616 588 999 84 120 3317.41 3317 0.728163 0.0000
5.52E-04 C 1809 1976 0 2147 702 470 314 7418.80 7419 4.094423 0.0000
5.64E-04 D 2866 3131 3567 0 1113 322 498 11497.59 11498 6.487282 0.0000
2.34E-04 E 610 3463 759 724 0 114 228 5898.10 5898 1.380803 0.0000
7.20E-04 NORTE 348 976 1712 705 382 0 198 4320.00 4320 3.112315 0.0000
1.04E-03 SUL 509 1381 1126 1073 756 195 0 5040.00 5040 5.256155 0.0000
Soma 7051 13166 9169 6559 4386 1258 1467
Minimizar este
Objectivo 7051 13166 9169 6559 4386 1258 1467 errro
Bk*Dk 3534.12 7094.34 12443.17 11862.61 3882.17 2599.46 4458.46 0.00018
Erro 0.0 0.0 0.0 0.0 0.0 0.0 0.0

Erro praticamente nulo

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
 Modelo 4 Etapas: Distribuição de Viagens
Bibliografia

• Antunes A. (2008) Apontamentos da Disciplina de Planeamento Regional e Urbano.

Departamento de Engenharia Civil e Ambiente. Faculdade de Ciências e Tecnologia da
Universidade de Coimbra.
• Correia, G. (2012) Apontamentos da Disciplina de Planeamento de Transportes.
Departamento de Engenharia Civil e Ambiente. Faculdade de Ciências e Tecnologia da
Universidade de Coimbra.
• Paiva, C. Modelos de Tradicionais de Transportes e Tráfego. Universidade Pontifícia Católica de
São Paulo (PUC-SP).
• Banister D. (2002) Transport Planning. 2nd Edition. Taylor & Francis. New York, USA.
• Gravity Models (2005) http://faculty.washington.edu/krumme/systems/gravity.html
• Ortúzar J. and Willumsen L. (2001) Modelling Transport. 3rd Edition. John Wiley and Sons.
West Sussex, England.

IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior