04 - Modelo Das 4 Etapas - Geração de Viagens

ET2613
4. MODELO DAS 4
ETAPAS:
GERAÇÃO 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: Geração de Viagens
1. Modelo das 4 Etapas
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 da Geração de viagens (viajo ou não viajo?) Determina o número total de viagens originadas em,
ou destinadas a cada zona de tráfego (variáveis Oj e Dk, sendo j e k índices representativos da zona de
origem e destino das viagens respectivamente) – bordas da matriz OD.
IME – SE/2 ET2613 – Planejamento de Transportes

Prof. Orivalde Soares da Silva Júnior
2. Etapa da Geração de viagens (viajo ou não viajo?)
Determina o número total de viagens originadas em, ou destinadas a cada zona de tráfego
(variáveis Oj e Dk, sendo j e k índices representativos da zona de origem e destino das
viagens respectivamente) – bordas da matriz OD.

Antes da aplicação do modelo procede-se ao zonamento da região em áreas de tráfego.

Todas as operações do modelo estão relacionadas com essas zonas ou com as relações
entre elas. Recordando a matriz Origem/Destino, o que se pretende determinar no passo
da geração são as bordas vertical e horizontal da matriz de viagens.
Tjk Destino k
1 2 3 4 5 Oj
1 Borda
225
Vertical
2 243
Origem j 3 170
Oj
4 203
5 265
Dk 240 205 180 247 234 1106
Obrigatório
Dk  O j   Dk
Borda Horizontal

MAS AFINAL QUE FATORES INFLUENCIAM

EU VIAJAR OU NÃO VIAJAR?
E QUE FATORES JUSTIFICAM A ATRAÇÃO

DE UM DADO DESTINO?

A modelagem para a previsão de geração de viagens depende essencialmente da quantidade e da
qualidade dos dados e da forma estrutural dos modelos. Estes dados são obtidos através das relações
observadas entre as características das viagens e informações sobre a situação socioeconômica da
população.
Fatores que influenciam na produção de viagens: renda,

propriedade de automóvel, estrutura do domicílio,
tamanho da família, valor do solo, densidade residencial,
acessibilidade, entre outros.
Fatores que influenciam na atração de viagens numa dada

zona pode-se citar: o número de empregos ofertados, o
nível de atividade comercial, o número de matrículas
escolares, serviços existentes (hospitais, etc.).
Ortúzar e Willumsen (1990)

3. Coleta de dados
Interessa caracterizar os fatores que influenciam o padrão de atividade e deslocamentos dos
indivíduos.
- SISTEMA DE TRANSPORTES:
- Rede viária, sistema de transporte coletivo, demanda por viagens atraídas e produzidas,
pesquisa Origem e Destino, frota, etc.)
- VARIÁVEIS SOCIOECONÔMICAS:
- População (Idade, sexo, ocupação, nível de renda, grau de instrução)
- Densidade populacional
- Empregos
- ESTUDOS OU LEGISLAÇÃO SOBRE O USO E OCUPAÇÃO DO SOLO:
- Plano Diretor
- Leis de Zoneamento, etc.
A caracterização é feita em relação às zonas definidas.

QUAL A NECESSIDADE DE DIVIDIR A ÁREA DE ESTUDO EM ZONAS DE TRÁFEGO?
Na Região Metropolitana de São Paulo já foram
Principais Fontes de Informação: realizadas 5 Pesquisas O/D (3 estão disponíveis em
- Pesquisas de Origem e Destino (Pesquisas O/D) padrão digital de fácil utilização). Fatores importante:
1)Identificar padrões de viagens e relacioná-los com

as características socioeconômicas, a estrutura
urbana e o sistema de transporte;
2)Identificar alterações nos padrões de viagens,

relacionadas com alterações de características
socioeconômicas e padrões da estrutura urbana e
de transporte, para melhor compreender a
dinâmica urbana da região.
- Dados Municipais – elementos relacionados ao

Imposto Territorial e Predial Urbano (IPTU),
para caracterizar a ocupação do solo legal.

Principais Fontes de Informação:
- Censo
- Imagens de satélites - obtenção de informações sobre áreas não legalizadas– imóveis irregulares,
resultado da expansão urbana desordenada ou ainda alterações de padrões urbanos não captados
nos dados do IPTU.

4. Métodos de estimação de Oj e Dk
1. Indicadores de geração de viagens – Relação Tráfego/Uso do solo:
Utiliza indicadores de geração/atração de viagens previamente calibrados e

tabelados que relacionam o número de viagens geradas e atraídas em cada zona
com o uso do solo (exemplo norte americano: Trip Generation de 1997).
2. Pesquisa Origem-Destino:
Pesquisa direta com uma amostra da população sobre os seus hábitos de viagens
(origens, destinos, frequência). De seguida faz-se uma extrapolação. Este método
engloba ao mesmo tempo as etapas de geração e distribuição na mesma fase.
3. Modelos de Regressão:
Análise de regressão (múltipla) relacionando a geração/atração de viagens com

origem e destino nas diferentes zonas de tráfego com as características das
famílias nelas residentes e das empresas ou instituições nelas localizadas (dados a
obter com base em pesquisas específicas para cada estudo).

1º MÉTODO: Indicadores de geração de viagens
Determina o número de viagens em função do tipo de ocupação do solo com base em tabelas com
índices de atração/geração de viagens em função dos usos de solo.
Trip Generation: tabelas americanas com cerca de 1000 tipos de função/atividade econômica.
Cuidados a ter com a utilização das tabelas:
(1) significância estatística dos estudos que estão por base nos valores apresentados no manual
(2) diferença de realidades entre os EUA e os outros Países
(3) semelhança do uso encontrado no manual e o uso para o qual pretendemos determinar índices
de geração/atração de viagens.
NOTA: Além disso são apenas apresentados valores de viagens em automóvel e não viagens totais.
A aplicação com sucesso do método depende da informação acerca dos usos futuros do solo. Uma
desagregação muito fina dos usos de solo presentes na maioria dos casos é inconsequente, já que
não sabemos estimar a repartição futura para cada um desses usos.
Boa prática: assumir poucos (8 a 12) grupos de uso de solo, com níveis de agregação como
“habitação”, “escritórios”, “comércio diário”, “comércio ocasional”, “escolas”, “repartições com
atendimento público”, etc.

Unidade de geração e
horizonte temporal
Coeficiente de
determinação dá a
significância da curva
de regressão, neste
caso é inexistente

Número Médio Diário de viagens em automóvel Origem+Destino (Trip Generation)
Utilização do solo Nº médio diário de viagens em automóvel

(/unidade de geração) Entrada + Saída Entrada (%) Saída (%)
Aeroporto (/nº de voos diários) 104.73 50 50
Parque Industrial (/1000 m2 Ab) 6.96 50 50
Mor. Uni-Familiares (/nº de residências) 9.57 50 50
Ed. de Apartamentos (/nº de residências) 6.63 50 50
Hotel (/nº de quartos) 8.23 50 50
Escola Primária (/nº de alunos) 1.02 50 50
Escola Secundária (/nº de alunos) 1.79 50 50
Universidade (/nº de alunos) 2.38 50 50
Hospital (/1000 m2 Ab) 16.78 50 50
Ed. de Escritórios (/1000 m2 Ab) 11.01 50 50
Centro Comercial(/1000 m2 Ab) 42.92 50 50

Os picos da manhã e da tarde (Trip Generation)
Nº Médio Horário de viagens em automóvel: Hora de Pico da Manhã
Utilização do Solo
Entrada+Saída Entrada (%) Saída (%)
Aeroporto (/nº de voos diários) 5.4 54 46 O horário de pico e o período de pico
Parque Industrial (/1000 m2 Ab) 0.89 82 18
Mor. Uni-Familiares (/nº de residências) 0.75 25 75 Por exemplo para o período de pico da manhã
Ed. de Apartamentos (/ nº de residências) 0.51 16 84 no caso do aeroporto podemos ter:
Geração/Atração no
Hospital (/1000 m2 Ab) 0.97 73 27
período de pico
Ed. de Escritórios (/1000 m2 Ab) 1.56 88 12
Centro Comercial(/1000 m2 Ab) 1.03 61 39
Nº Médio Horário de viagens em automóvel: Hora de Pico da Tarde

Utilização do Solo
Entrada + Saída Entrada (%) Saída (%)
Aeroporto (/nº de voos diários) 5.75 56 44
Parque Industrial (/1000 SF Ab) 0.92 21 79

Mor. Uni-Familiares (/nº de residências) 1.01 64 36
Ed. de Apartamentos (/ nº de residências) 0.62 67 33
Hospital (/1000 SF Ab) 0.92 24 76
Ed. de Escritórios (/1000 SF Ab) 1.49 17 83

Centro Comercial(/1000 SF Ab) 3.74 48 52

Quais os passos a seguir para aplicar os indicadores de geração de viagens?
1. Identificar-se o melhor possível o total de unidades de geração de cada um dos usos

pré-definidos à partida como sendo aqueles que são mais relevantes para cada zona.
2. O número de viagens total com origem e destino em cada zona será o resultado da
soma das contribuições de cada um desses usos/funções urbanas de geração/atração
de viagens.
NOTA: o Trip Generation dá essencialmente o número total de viagens em automóvel, e

portanto, nesse sentido o modelo dos 4 etapas não pode ser aplicado da mesma forma, já
que não deverá haver uma repartição modal.
Por vezes algumas das funções urbanas apresentam também alguns dados para transporte
coletivo.

Exemplo: Área Central de Pittsburgh

Qual o número de viagens originadas na Área Central de Pittsburgh?
Taxas de Geração de viagens para diferentes

categorias de solo
Uso de Solo Área (1000m2) Uso de Solo Taxa
Residencial 1115 (Viagens por 1000m2)
Comercial/Lojas 2870 Residencial 2,4
Comercial/Serviços 1500 Comercial/Lojas 8,1
Comercial/Serviços 5,2
Comercial/atacado -
Comercial/atacado 1,2
Industria -
Industria 1,0
Transportes 900 Transportes 4,0
Serviço Público 870 Serviço Público 3,9

Qual o número de viagens originadas na Área Central de Pittsburgh?
Taxas de Geração de viagens para diferentes

categorias de solo
Uso de Solo Área (1000m2) Uso de Solo Taxa
Residencial 1115 (Viagens por 1000m2)
Comercial/Lojas 2870 Residencial 2,4
Comercial/Serviços 1500 Comercial/Lojas 8,1
Comercial/Serviços 5,2
Comercial/atacado -
Comercial/atacado 1,2
Industria -
Industria 1,0
Transportes 900 Transportes 4,0
Serviço Público 870 Serviço Público 3,9
Oy = 1 115 x 2,4+ + 2870 x 8,1 + 1500 x 5,2 + 870 x 3,9 + 900 x 4,0 =
= 40716 viag./dia

2º MÉTODO: Pesquisas Origem/Destino
Objetivo: estimar as viagens para cada par Origem/Destino da zona de estudo. O método
determina simultaneamente as Etapas de Geração ( Oj e Dk) e Distribuição (Tjk).
Com este método determinam-se todos os pares Origem/Destino da matriz (miolo da

matriz) e por conseguinte obtêm-se os totais de viagens geradas/atraídas em cada zona
fazendo os somatórios das linhas (Oj ) e os somatórios das colunas (Dk).
VANTAGENS: permite obter uma matriz Origem/Destino bastante realista para a zona de
estudo.
DESVANTAGENS: os totais de viagens geradas/atraídas não estão dependentes de usos do
solo (1º método) ou do número de famílias existentes em cada zona e suas características
sócio demográficas (3º método) pelo que não será tão fácil projetar estes novos totais no
futuro.

Há diversos tipos de viagens a considerar de forma a obter uma representação
pormenorizada da mobilidade numa área de estudo independentemente do modo de
transporte.
Exterior Viagens de atravessamento

(Exterior-Exterior)
Cordão externo Não residentes na
área de estudo
Zona de estudo -
Interior (Interior – Exterior)
(Interior – Interior)
(Interior – Interior) Não residentes na
Residentes
área de estudo
(Interior – Exterior)
Baseado em (Ortuzar, Willumsen, 2001)

O tipo de pesquisa a realizar depende da relevância de cada um destes tipos de viagens
na zona em estudo:
• Estudo ao nível de uma cidade ou apenas de uma zona?
• A área de estudo está situada num eixo de grande passagem de viagens do tipo
exterior-exterior?
• Há movimentos pendulares significativos do exterior para o interior? Se não há,
torna-se pouco necessário pesquisar nas regiões limítrofes.
• Há uso significativo de modos de transporte coletivo? Se não há, aprofundar o
conhecimento apenas sobre as viagens em transporte privado.
Tipos de pesquisas:
1. Pesquisa de Origem/Destino efetuado no domicílio (agregado familiar) interno e
externo à zona de estudo
2. Pesquisa de interceptação na estrada ou pesquisa de cordão (screen line)
3. Processo contínuo de obtenção de informação sobre mobilidade

1. Pesquisa de Origem/Destino efetuado no domicílio (agregado familiar)
interno e externo à zona de estudo.
Permite obter:
1. Situação geral do agregado (nº pessoas, nº veículos, casa própria / alugada);

2. Descrição da situação de cada pessoa do agregado (idade, sexo, situação laboral,
modo de transporte mais habitual);
3. Descrição de todas as viagens num dado dia (véspera da pesquisa) de todos os
membros do agregado em qualquer modo de transporte.
Tipo de viagens captadas:
• Interior-exterior e interior-interior de residentes na área de estudo;

• Interior-exterior e interior-interior de não-residentes na área de estudo (para
pesquisas realizadas nas regiões limítrofes);
• Exterior-Exterior (viagens de passagem) de não-residentes (para pesquisas
realizadas nas regiões limítrofes mais afastadas);



2. Pesquisa na estrada ou pesquisa de cordão:
Determinam o número de viagens que entram, saem ou atravessam uma determinada
área (contida num cordão virtual) ajudando a completar a informação obtida na pesquisa
O/D no domicilio.
É pedido a uma amostra de viajantes em automóvel que pare, pesquisando sobre:
origem, destino, motivo, etc., permite obter matrizes de O/D, classificadas por motivos.
São especialmente úteis para captar as viagens de atravessamento.
Tipo de viagens captadas:
• Viagens em automóvel Interior-Exterior de residentes e não residentes (qualquer

que seja o local onde moram);
• Viagens em automóvel Exterior-Exterior de não residentes;
• Não permite obter outros modos de transporte. Isso pode ser obtido
alternativamente através de pesquisa nos transportes coletivos.

Formas de aplicação das entrevistas de cordão:
a. Com parada dos veículos: Permite obter informação de Origem, Destino, Motivo, etc.
Exige cooperação das forças de segurança. Por vezes é difícil de realizar nos locais
pretendidos pelos efeitos nocivos sobre o tráfego. É impossível pesquisar todas as pessoas,
pelo que a contagem do tráfego serve para inferir o número total de viajantes para cada
motivo e par O/D através de proporções. Ao mesmo tempo essas contagens são usadas
para validação posterior do modelo nesses arcos da rede.
b. Sem parada dos veículos: Permite obter informação de fluxos de entrada/saída do
cordão.
c. Cordão total e sincronizado com contagem de matrículas: Permite obter informação de
fluxos de entrada / saída do cordão. Permite também contabilizar o número de veículos
que ficaram no interior da área de estudo e por quanto tempo. É um método sujeito a
erros, já que os registos incorretos de matrículas conduzem a estimativas erradas. Não
pode ser realizado em áreas de estudo demasiado grandes.

EXEMPLO: pesquisa de cordão realizado na zona da nova estação de Coimbra para
planejamento de uma rede de suporte ao aumento de tráfego originado por este novo polo
gerador/atrativo de viagens (Estudo local).
Se é aplicado a toda a área

de estudo que é dividida
em várias zonas, não
permite obter viagens
Interior-Interior.
Mas estas podem ser

pouco significativas como
neste caso em que a área
de estudo é relativamente
pequena. As viagens
internas são
provavelmente a pé.

Outros métodos incluem a estimação da matriz O/D a partir de contagens de tráfego.
Willumssen, 1978
Fonte: Sampaio, 2013

3. Um processo contínuo de obtenção de informação sobre mobilidade
O futuro das entrevistas de mobilidade
A abordagem mais promissora para as pesquisas de mobilidade defende que a

informação sobre viagens deve ser obtida para cada dia da semana durante todo o ano e
preferencialmente captando vários anos.
Zoneamento variável
A metodologia recomenda que as origens e
destinos das viagens sejam georreferenciados em
Sistema de Informação Geográfica (SIG).
Isto permite que a informação seja utilizada com
níveis de agregação diferentes ao contrário dos
sistemas rígido de zoneamento atuais definidos à
partida.
Este tipo de entrevista permite medir mudanças na procura de transportes ao longo do

tempo assim como medir a correlação dessas mudanças com a oferta dos sistema de
transportes e as alterações dos usos do solo.
3º MÉTODO: Modelos de Regressão
A utilização deste método visa construir uma relação linear (ou não) entre o número de
viagens existentes (variável dependente) e os vários fatores que influenciam as viagens
(variáveis independentes). A forma mais frequente é o Modelo de Regressão Múltipla.
Neste método utilizam-se pesquisas na zona de estudo para determinar os fatores de
geração de viagens.
Normalmente consideram-se dois tipos de viagens:
HW (Home-Work) - viagens que têm início NHB (Non Home-Based) – viagens que
em casa e fim no trabalho e vice-versa. São a não têm nem início nem fim em casa.
maior percentagem de viagens em meio Representam uma menor % das viagens.
urbano (aprox. 70%)
Emprego Local Y
Habitação Local X

Regressão
Instrumento geral de análise de dados, que parte do princípio da existência de uma dependência
entre duas ou mais variáveis.
Tenta explicar o relacionamento através de uma função: 𝑌 – variável dependente; 𝑋𝑖 – variável
independente
Funções de tendência usadas na regressão
n
1. Função Linear: Y  a0  a x
i 1
i i
2. Função do 2º Grau: Y  ao  a1x  a2 x 2
a a
3. Função Potência: Y  ao x1 1 x2 2 ...xnan
4. Função Exponencial: Y  aob x
a0
5. Função Logística: Y
1  a1 a2 x
Regressão Linear
É a linha que melhor se ajusta a distribuição dos pares (x,y), ou seja é aquela na qual a somatória de
todos os desvios verticais dos valores observados em relação a reta é mínima.
Variável Dependente (Y)
Regressão equação:
𝒀 = 𝒂 + 𝒃𝒙 + 𝜺
Inclinação = b
𝜺 – erro aleatório ou resíduo

Intercepto = a • Quanto menor o seu valor melhor será a
modelagem de Y a partir de X.
• Valor alto pode significar que outras variáveis
devem ser incorporadas no modelo
Variável Independente (X)

Critério de Ajuste: “Mínimos quadrados”
Ao ajustar uma equação de regressão aos dados, na maioria das vezes o valor observado de y não
corresponde exatamente ao valor predito de y, a esta diferença chamamos de resíduos ou variação
residual.
Objetivo: minimizar a soma do quadrado da diferença entre os valores estimados e os valores medidos.
n ^
Min ( yi  y i ) 2
i 1
Y
(X4,Y4) Y  ao  a1x
d4
(X1,Y1) d3
(X3,Y3)
d1
d2
(X2,Y2)
X

Regressão Linear Múltipla

Recorre a mais de uma variável independente para explicar a variável dependente Y.
𝑦 = 𝑎 + 𝑏1𝑥1 + … + 𝑏𝑖𝑥𝑖 + ⋯ + 𝑏𝑛 𝑥𝑛 + 𝜀
onde, 𝑎 , 𝑏1 , 𝑏2 ,..., 𝑏𝑛 são denominados de parâmetros da regressão múltipla ou coeficiente de
regressão parcial, v substitui ε, e é denominado de resíduo.
EXEMPLO:
Variável dependente
número de viagens originadas (VIAG):
Variáveis independentes
número de pessoas economicamente ativas (ECA), estudantes (ES) , donas de casa (DC)
número de autos (AUTOS)
A equação resultante será do tipo:
𝑉𝐼𝐴𝐺 = 𝑎 + 𝑏1. 𝐸𝐶𝐴 + 𝑏2. 𝐸𝑆 + 𝑏3. 𝐷𝐶 + 𝑏4. 𝐴𝑈𝑇𝑂𝑆´
A equação encontrada é válida para todas as zonas.

Estes modelos caracterizam-se por:
• Os coeficientes e constantes são encontrados por calibração para o ano base,
utilizando-se o modelo de regressão linear e dados de todas as zonas.
• Algumas variáveis explicam melhor as viagens atraídas, outras as produzidas.
• A variável dependente (Y) pode dar uma estimativa das viagens produzidas (Oi), ou
atraídas (Dj), na zona i, se este é um modelo que utiliza dados agregados; ou uma
taxa de produção (atração) de viagens por tipo de residência, se este é um modelo
desagregado de base residencial.
• Normalmente 4 variáveis independentes no máximo são suficientes.
• Cada termo da equação de regressão pode ser interpretado como uma contribuição
da variável independente para a variável dependente.
Critérios de escolha das variáveis independentes:

• Devem estar linearmente relacionadas com a variável dependente.
• Devem estar altamente correlacionadas com a variável dependente.
• Não devem estar altamente correlacionadas com outra variável independente.
• Devem ser facilmente projetadas para o futuro.
Procedimento de aplicação:
1. Determinar as viagens geradas/atraídas com origem/destino em casa (viagens H)

correspondentes a viagens HW (Home-Work).
2. Determinar as viagens geradas/atraídas com origem/destino no local de trabalho

(viagens W) correspondentes a viagens HW (Home-Work).
3. Determinar o número total de viagens realizadas com origem na zona j e com destino
na zona k (H e W).
NOTA: São calculados os valores totais, para um determinado período ou para as horas de
pico.

1. Geração/Atração de viagens com origem ou destino em casa (viagens H)
correspondentes a viagens HW (Home-Work)
1º Passo – Pesquisa de geração/atração de viagens Habitação

Realização de pesquisas com as famílias (amostra
representativa) sobre os seguintes aspectos:
a) o número total diário de viagens baseadas em casa (H) durante o dia?

b) a proporção de viagens 𝑯 no período 𝒑 no total diário de viagens 𝐻 (Hp)?
No total de viagens realizadas durante um dia do tipo H, há uma proporção
dessas viagens que se realiza no período 𝑝. Por exemplo no período do pico
da manhã ou na hora do pico da manhã.

c) a proporção de viagens H com origem na habitação realizadas num determinado

período p do dia (p) teta
Ex.: No período da manhã o mais natural será que este valor p seja alto já que é
nesse período que as pessoas se deslocam para o trabalho e não tanto o contrário.
Naturalmente 1- p será a proporção de viagens H que têm como destino a

habitação no período p.
d) dimensão da família pesquisada (número de membros)

e) número de pessoas ativas (em idade de trabalhar) e população em idade escolar
f) número de automóveis
Mais variáveis sócio demográficas

poderão ser registadas para construir
modelos melhores.

2º Passo – Regressão
Determinação da equação de regressão múltipla (várias variáveis independentes e uma
variável dependente) para o número médio diário de viagens H por família por dia
vH     1 x1   2 x2   3 x3
νH: número de viagens H por família num dia

x1 : dimensão da família (número de membros da família)
x2 : número de ativos (pessoas em idade ativa na família)
x3 : número de automóveis disponíveis no agregado familiar
α , 𝛽1 , 𝛽2 , 𝛽3 : parâmetros a serem calibrados com base em dados da

pesquisa na área de estudo ou em zonas que se considerem ter
comportamentos próximos

3º Passo
Determinação das viagens H com origem e destino em cada zona no período p
• Número de viagens H geradas em cada zona em todo o dia

VH j     1 X 1 j   2 X 2 j   3 X 3 j Fj 
VHj: número médio diário de viagens H por zona.
X1j, X2j, X3j: valores médios para x1 , x2 e x3 na zona j
Fj : número de famílias residentes na zona j
• Número de viagens H geradas no período p tendo como origem Zonas em que há

habitações da zona j emprego
residências
OHp j ( H )   p  Hp VH j
j

• Número de viagens H realizadas no período p tendo como destino habitações da zona k
DHp ( H )  1   p   Hp VH
k
k k
Zonas em residências
que há
emprego
• Permite-nos saber quantas viagens saem de cada zona com origem em casa (qualquer
que seja a zona) e saber quantas viagens chegam a cada zona (qualquer que seja a zona).
• Isso não basta, é necessario saber que comportamento de geração/atração têm as

zonas que vão receber/originar essas viagens.

2. Geração/Atração de viagens com origem ou destino no local de trabalho
(viagens W) correspondentes a viagens HW (Home-Work)
NOTA: O processo é igual ao usado para as
viagens com origem ou destino em casa
Origem no
1º Passo – Pesquisa de geração/atração de viagens Emprego
emprego
Realização de pesquisas no local de trabalho ao
número de viagens atraídas/geradas em zonas
representativas da área de estudo.
Destino no
emprego
a) o número total diário de viagens durante o dia (W)
b) a proporção de viagens no período p no total diário de viagens W (Wp)

No total de viagens realizadas durante um dia do tipo W, há uma proporção
dessas viagens que se realiza no período p. Por exemplo no período de pico da
manhã ou hora de pico da manhã.

c) a proporção de viagens W com destino no trabalho realizadas num determinado

período p do dia (p) ómega
Por exemplo: No período da manhã o mais natural será que este valor p seja alto já
que é nesse período que as pessoas se deslocam para o trabalho e não tanto o
contrário.
Naturalmente 1- p será a proporção de viagens W que têm origem no trabalho no
período p.
d) Número total de postos de trabalho na zona j

e) Número de postos de trabalho de cada categoria: terciário, indústrial, etc …
f) Outras opções podem ser o número de m2 de área de escritórios, área comercial, etc …

2º Passo regressão
Determinação da equação de regressão múltipla (várias variáveis independentes e uma
variável dependente) para o número médio diário de viagens W por zona por dia
Cuidado! Neste caso já não

vW     1 x1   2 x2 usamos agregado familiar
mas sim zona como unidade
de estimação
νW: número de viagens W por zona por dia
x1 : Número de postos de trabalho
x2 : Número de postos de trabalho terciário
α , β1 , β2: parâmetros a serem calibrados com base em dados da pesquisa

ou em zonas que se considere terem comportamentos próximos

3º Passo
Determinação das viagens com origem e destino em cada zona no período p
• Número de viagens W geradas por cada zona em todo o dia

VW j     1 X1 j   2 X 2 j 
VWj: número médio diário de viagens W por zona.
X1j, X2j: valores das variáveis para x1 e x2 na zona j.
• Número de viagens W realizadas no período p tendo como destino o emprego na zona k
DWpk ( W )   p  Wp VWk Zonas em

Emprego
que há
residências

• Número de viagens W realizadas no período p tendo como origem o emprego da zona j
Zonas em
que há
OWp (W )  1   p   Wp VW
residências
j j Emprego
j
• Permite-nos saber quantas viagens saem de cada zona com destino ao emprego
(qualquer que seja a zona) e saber quantas viagens chegam a cada zona vindas do
emprego (qualquer que seja essa zona).

Viagens H:
residências Zonas em
OHp j ( H )   p  Hp VH j j que há
emprego
DHp ( H )  1   p   Hp VH
Zonas em
que há k
k k emprego
residências
Viagens W:
DWpk ( W )   p  Wp VWk Zonas em

que há k
residências Emprego
OWp (W )  1   p   Wp VW
Emprego Zonas em
j que há
j j
residências

3. Número total de viagens realizadas no período p com origem na zona j e com
destino na zona k (H e W):
O p   p  H p VH j  1   p   W p VW
j j
D p  1   p   H p VH   p  W p VWk
k k
• O somatório de viagens originadas em cada zona ∑Oj dificilmente será igual ao somatório de viagens
com destino em cada zona ∑Dk já que ambos os valores são estimados em estudos não relacionados e
usando diferentes unidades de geração: agregado familiar e zona.
•Quando isto acontece deve ser realizado um ajustamento dos valores em uma das bordaduras
usando um dos seguintes factores que deverá depois ser multiplicado pela matriz:
T T
f  ou f 
 Dk Oj
Assumimos como valor correto o que tiver um R2 mais elevado. Outro critério poderá ser o de obter o
máximo de viagens possivel, ficando assim o estudo do lado da segurança.

EXEMPLO
Zona Viagens Geradas Viagens Atraídas Viagens Atraídas

(R2=0,85) (R2=0,78) Corrigidas
1 100 250 250 x 550/500 = 275
2 120 150 150 x 550/500 = 165
3 130 40 40 x 550/500 = 44
4 200 60 60 x 550/500 = 66
Total 550 500 550

Alguns valores de referência para Hp , Wp ,p e p:
Hp (proporção de viagens H realizadas no período p no total diário de viagens H)

- Manhã: 0,5; Tarde: 0,5
- Período de pico: 0,2
- Hora de pico: 0,08
Wp (proporção de viagens W realizadas no período p no total diário de viagens W)
- Manhã: 0,5; Tarde: 0,5
- Período de pico: 0,3
- Hora de pico: 0,1
p (proporção de viagens H com origem na residência realizadas no período p)
- Manhã: 0,75; tarde: 0,25
p (proporção de viagens W com destino no trabalho realizadas no período p)
- Manhã: 0,85; tarde: 0,30

4. Exercício de aplicação do 2º método
A cidade representada esquematicamente na figura anexa
e caracterizada sumariamente no Quadro 1, é constituída
por cinco zonas, A, B, C, D e E, e possui duas zonas
externas, Norte e Sul. Uma entrevista efetuada com 20
famílias residentes na cidade forneceu a informação
constante do Quadro 2. Num estudo anterior foi possivel
obter uma relação entre postos de trabalho e viagens W
Quadro 2
dada por: VWj=1.5xEj sendo Ej o emprego na zona j. X1 (dim. da X2 (nº de X3 (nº de
Família VH
Considere todas as outras viagens negligenciáveis. 1 4
família)
4
activos)
2
automóveis)
2
2 3 5 1 2
3 3 2 2 1
Quadro 1 4 5 7 3 2
5 5 6 1 3
Residentes 6 4 5 2 1
Automóveis
Zona Não- Famílias Empregos 7 3 4 2 2
Ativos Total p/ família 8 5 4 3 2
ativos
9 2 3 2 1
A 6000 9000 15000 3500 1,9 7000 10 1 1 1 0
B 2000 3000 5000 1500 1,213 17000 11 1 2 1 1
12 5 5 3 2
C 8000 12000 20000 5500 1,713 9000
13 5 6 3 2
D 16000 24000 40000 9000 1,413 3000 14 3 3 2 1
E 8000 12000 20000 5000 1,313 3000 15 5 7 2 3
16 5 5 2 2
Total 40000 60000 100000 24500 39000 17 4 6 1 2
18 2 2 1 1
19 1 3 1 1
20 4 3 2 2

A pesquisa residencial não é suficiente na medida em que muita gente se desloca para
esta cidade a partir do Norte e do Sul e vice versa. Para determinar esse número de
viagens foram realizadas pesquisas de interceptação na estrada, que permitiram estimar
o número médio de viajantes que todos os dias saem e entram na cidade a partir de cada
uma das duas zonas: 9000 viagens na zona Norte e 10500 na zona sul.
A proporção dessas viagens no período da manhã é de 60%, sendo que dessas 60%, 80%
têm destino na cidade e só os restantes 20% têm destino nas zonas externas.
Com estes dados estime o número total de viagens geradas durante o período da
manhã com origem e destino nas várias zonas da área de estudo (Oj e Dk) o mesmo é
dizer as bordas da matriz OD para esse período.
Assuma os valores de referência de proporções dados no slide 46.

O exercício utiliza diversos métodos para estimar o número de viagens geradas na região.
Para as viagens com origem ou destino em casa utilizamos o Método da Regressão Linear
(viagens H).
Para as viagens com origem ou destino no local de trabalho utilizamos o Método das
Taxas de viagem através da expressão dada no enunciado (viagens W).
Para as viagens de atravessamento utilizamos os dados obtidos através da pesquisa.
Resolução:
Tem que se começar por determinar qual o número médio de viagens por família
em função das suas características. Temos 20 casos (famílias) sobre os quais
podemos regredir as três variáveis independentes (Características das famílias) e
uma variável dependente (número de viagens efetuadas num dia).
Para isso utiliza-se a ferramenta de regressão do “Analysis ToolPack” do Excel.
Essa ferramenta produz o seguinte resultado:

vH    1 x1   2 x2   3 x3
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,92470 Quanto mais próximo
R Square 0,85508 R2=85.5% à 100% melhor
Adjusted R Square 0,82790 K = número de variáveis independentes
Standard Error 0,60940 n = número de observações
Observations 20 p = k+1 Para IC=95%, K=3 e n-p=16
F < 31.46772
ANOVA
df SS MS F Significance F
Regression K= 3 35,05814 11,68605 31,46772 6,0631E-07
Residual n-p = 16 5,94186 0,37137
Total n-1= 19 41 Para IC=95%, p-value < 0,05
Standard
Coefficients Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept -0,46327 0,43850 -1,05648 0,30644 -1,39286 0,46632 -1,39286 0,46632
X1 (dimensão da família) 0,24464 0,14008 1,74645 0,09990 -0,05231 0,54159 -0,05231 0,54159
X2 (número de ativos) 0,81706 0,20310 4,02285 0,00098 0,38649 1,24762 0,38649 1,24762
X3 (número de automoveis
disponiveis) 0,87059 0,31789 2,73866 0,01457 0,19669 1,54448 0,19669 1,54448

Teste de significância da regressão
Para testar a significância da regressão, através da
Análise de Variância, pode empregar-se a distribuição
F de Fischer-Snedecor, sintetizada no quadro ao lado.
QM representa Quadrado Médio, obtido pela divisão
da Soma de Quadrados por seus respectivos graus de
liberdade.
ANOVA
df SS MS F Significance F
Regression K= 3 35,05814 11,68605 31,46772 6,0631E-07 K = número de variáveis independentes
Residual n-p = 16 5,94186 0,37137 n = número de observações
Total n-1= 19 41 p = k+1
F é o valor do coeficiente calculado pela distribuição F de Fischer-Snedecor.

Se 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 > 𝐹𝑡𝑎𝑏𝑒𝑙𝑎𝑑𝑜 𝑘;𝑛−𝑝 , rejeita-se 𝐻0 e conclui -se que a regressão é significativa.
Para calcular 𝐹𝑡𝑎𝑏𝑒𝑙𝑎𝑑𝑜 𝑘;𝑛−𝑝 no EXCEL: função 𝐹. 𝐼𝑁𝑉. 𝑅𝑇 𝛼; 𝑘; 𝑛 − 𝑝 𝑜 ou INV.F.CD (𝛼; 𝑘; 𝑛 − 𝑝)
No exemplo 𝐹𝑡𝑎𝑏𝑒𝑙𝑎𝑑𝑜 0.05;3;16 = 3,2388 < 31,46772 logo conclui-se que com 95% de confiança a
variável dependente está relacionada com as variáveis independentes pela eq. de regressão linear
definida.

Verifica-se que todas as variáveis são estatisticamente significativas para um nível de

significância de 5% e o modelo tem um bom coeficiente de determinação, pelo que é
aceitável utilizá-lo para gerar o total de viagens H com origem e destino em cada uma das
zonas da área de estudo.
Determinar o número médio de viagens H geradas/atraídas em cada uma das zonas
através da regressão que foi calibrada:
vHF   0,46327  0,24464 x1  0,81706 x2  0,87059 x3

Nº médio de
viagens ao longo
15000/3500 6000/3500 Número médio de de um dia por 3,64x3500
automóveis família (usando os Número de
Dimensão Número médio de disponíveis por resultados da viagens diárias
Zona média da família ativos por família família regressão) VHF VH
A 4,29 1,71 1,9 3,64 12740
B 3,33 1,33 1,213 2,50 3746
C 3,64 1,45 1,713 3,11 17083
D 4,44 1,78 1,413 3,31 29760
E 4,00 1,60 1,313 2,97 14828

Determinar o número médio de viagens H geradas/atraídas em cada uma das zonas através
da regressão que foi calibrada:
Viagens H no período da manhã Viagens H no período da

Viagens H no período da e que têm a residência como manhã que têm como destino
manhã origem VHmanhã(H->) a residência VHmanhã(->H)
Usa-se como referência o Usa-se como referência o valor
(1-θmanhã )=(1-0,75)=0,25
Zona
valor de τHmanhã=0,5 de θmanhã=0,75
A 6369,9 4777,4 1592,5
B 1873,2 1404,9 468,3
C 8541,7 6406,3 2135,4
D 14880,1 11160,1 3720,0
E 7414,1 5560,6 1853,5
Totais 39079,1 29309,3 9769,8
12740x0,5 6369,9x0,75 6369,9x0,25
Habitação Habitação
Emprego Emprego

Determinar o número médio de viagens W geradas/atraídas em cada uma das zonas
através da regressão que foi calibrada e já é dada no enunciado:
Viagens W no
VWj = 1,5xEj periodo da manhã
e que têm o
Viagens W no
periodo da manhã e
Coeficiente regressão das Viagens W no período da trabalho como que têm o trabalho
viagens W = 1,5 manhã destino (->W) como origem (W->)
Usa-se como
Número de viagens W Usa-se como referência o referência o valor
Emprego diárias valor de τWmanhã=0,5 de manhã=0,85 origem trabalho
A 7000 10500 5250 4462,5 787,5
B 17000 25500 12750 10837,5 1912,5
C 9000 13500 6750 5737,5 1012,5
D 3000 4500 2250 1912,5 337,5
E 3000 4500 2250 1912,5 337,5
Totais 58500 29250 24862,5 4387,5
Emprego Emprego
Habitação Habitação

Viagens externas:
Obtivemos as duas bordas da matriz Origem/Destino das viagens durante o período da
manhã para a cidade em questão:
Período da manhã Destino na Cidade Destino fora
Norte 9000 5400 4320 1080
Sul 10500 6300 5040 1260
Então os totais de viagens são:
OA=4777,4+787,5=5565 DA=1592,5+4462,5=6055 T
f  
OB=1404,9+1912,5=3317
OC=6406,3+1012,5=7419
DB=468,3+10837,5=11306
DC=2135,4+5737,5=7873
 Dk
OD=11160,1+337,5=11498 DD=3720,0+1912,5=5633 43057
  1,16458
OE=5560,6+337,5=5898 DE=1853,5+1912,5=3766 36972
ONorte=4320 DNorte=1080
OSul=5040 DSul=1260
Total: 43057 Total: 36972
Final do passo da Geração utilizando o 2º método:
A B C D E NORTE SUL Oj
A 5564,9
B 3317,4
C 7418,8
D 11497,6
E 5898,1
NORTE 4320
SUL 5040
Dk 7051 13166 9169 6559 4386 1258 1467 43057

Ex2. Etapa da Geração
SUMMARY OUTPUT
Observação Y X1 X2 X3
1 50 10 3 30
2 48 10 3 30 Regression Statistics
3 50 10 3 30 Multiple R 0.953512638
4 49 10 3 30 R Square 0.90918635
5 50 10 3 30
6 40 5 3 15
Adjusted R Square 0.898707852 F(0.05;3;26)
7 39 5 3 15
8 39 5 3 15 Standard Error 4.144548888 2.975154
9 38 5 3 15 Observations 30
10 41 5 3 15
11 30 10 2 20
12 28 10 2 20
ANOVA
13 27 10 2 20 Significance
14 25 3 2 6 df SS MS F F
15 26 3 2 6 Regression 3 4471.257244 1490.419081 86.76685748 1.14E-13
16 22 3 2 6
Residual 26 446.6094226 17.17728548
17 24 5 2 10
18 21 5 2 10 Total 29 4917.866667
19 30 5 3 15
20 24 5 3 15
Lower Upper
21 10 10 1 10
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% 95.0% 95.0%
22 11 10 1 10
23 15 5 1 5 Intercept 15.91859757 6.460373001 2.464036917 0.020668154 2.639111 29.19808 2.639111 29.19808
24 16 5 1 5 X1 -2.501079414 0.938098055 -2.666117257 0.013018808 -4.42937 -0.57279 -4.42937 -0.57279
25 17 5 1 5 X2 1.288885282 2.920596143 0.441308972 0.66263762 -4.71449 7.292257 -4.71449 7.292257
26 16 3 2 6
X3 1.819392931 0.410447885 4.432701439 0.000150225 0.975705 2.663081 0.975705 2.663081
27 18 3 2 6
28 14 3 2 6
29 13 5 1 5
Faça uma análise de regressão linear semelhante à que realizamos em aula. Caso alguma variável seja
30 17 5 1 5 considerada não significativa utilize o Excel para fazer uma nova análise com as variáveis significativas.
Compare.

Ex3. Etapa da Geração
Considere duas zonas distintas, a Zona Sul do Rio (Copacanaba, Ipanema, Leblon e
Gávea) e o aeroporto do Galeão.
1. Indique justificando quais os fatores pertinentes em cada caso para se poder

estimar o número de viagens com origem e destino em cada uma das zonas
referidas. Notar que não interessam as viagens internas e também não está
sendo pedido para estimar os fluxos entre o Galeão e a Zona Sul do Rio.
2. Se te fosse pedido para obter esses dados como procederia? Quais técnicas
utilizaria e como as organizaria? Ex. Se montasse uma entrevista de cordão na
Zona Sul onde colocaria os pontos de contagem e porquê?

Bibliografia
• Banister D. (2002) Transport Planning. 2nd Edition. Taylor & Francis. New York, USA.
• Everett J., Ruegg S. and Tardiff R. (2010) Travel Survey Manual Wiki Site. Chapter 15 – Vehicle Intercept and
external station surveys. Committee on Travel Survey Methods of the Transportation Research Board.
http://www.travelsurveymanual.org/Chapter-15-2.html
• Estudo de impacte de tráfego da nova estação de Coimbra e plano de urbanização adjacente (2010) ACIV -
Associação para o Desenvolvimento da Engenharia Civil.
•Martinez L. (2009) Smart Combination of passenger transport modes and services in Urban areas for maximum
System Sustainability and Efficiency. MIT-Portugal Program
• Mohammadian K. and Timmermans H. (2010) Travel Survey Manual Wiki Site. Chapter 6 – Household Survey
Methods Design and Sampling Decisions. Committee on Travel Survey Methods of the Transportation Research
Board. http://www.travelsurveymanual.org/Chapter-6-1.html
• Montgomery, D., Runger, G. (1994) Applied Statistics and Probability for engineers, Wiley. Part 7-9 Conficence
interval on a Proportion
• Ortúzar J. and Willumsen L. (2001) Modelling Transport. 3rd Edition. John Wiley and Sons. West Sussex, England.
• Trip Generation (1997) Institute of Transportation Engineers. 6th Edition. Washington, USA.
• Viegas J. (2008) Apontamentos da Disciplina de Transportes do Mestrado Integrado em Engenharia Civil.
Departamento de Engenharia Civil e Arquitectura. Instituto Superior Técnico. Universidade Técnica de Lisboa.


04 - Modelo Das 4 Etapas - Geração de Viagens

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

04 - Modelo Das 4 Etapas - Geração de Viagens

Enviado por

Direitos autorais:

Formatos disponíveis

ET2613

Mestrado em Engenharia de Transportes SE/2

Vou ou não vou?

Para onde vou?

Por onde vou?

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

Antes da aplicação do modelo procede-se ao zonamento da região em áreas de tráfego.

IME – SE/2 ET2613 – Planejamento de Transportes

MAS AFINAL QUE FATORES INFLUENCIAM

E QUE FATORES JUSTIFICAM A ATRAÇÃO

IME – SE/2 ET2613 – Planejamento de Transportes

Fatores que influenciam na produção de viagens: renda,

Fatores que influenciam na atração de viagens numa dada

Ortúzar e Willumsen (1990)

IME – SE/2 ET2613 – Planejamento de Transportes

A caracterização é feita em relação às zonas definidas.

1)Identificar padrões de viagens e relacioná-los com

2)Identificar alterações nos padrões de viagens,

- Dados Municipais – elementos relacionados ao

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

Utiliza indicadores de geração/atração de viagens previamente calibrados e

Análise de regressão (múltipla) relacionando a geração/atração de viagens com

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

Número Médio Diário de viagens em automóvel Origem+Destino (Trip Generation)

Utilização do solo Nº médio diário de viagens em automóvel

IME – SE/2 ET2613 – Planejamento de Transportes

Nº Médio Horário de viagens em automóvel: Hora de Pico da Tarde

Parque Industrial (/1000 SF Ab) 0.92 21 79

Ed. de Escritórios (/1000 SF Ab) 1.49 17 83

IME – SE/2 ET2613 – Planejamento de Transportes

1. Identificar-se o melhor possível o total de unidades de geração de cada um dos usos

NOTA: o Trip Generation dá essencialmente o número total de viagens em automóvel, e

IME – SE/2 ET2613 – Planejamento de Transportes

Exemplo: Área Central de Pittsburgh

IME – SE/2 ET2613 – Planejamento de Transportes

Qual o número de viagens originadas na Área Central de Pittsburgh?

Taxas de Geração de viagens para diferentes

IME – SE/2 ET2613 – Planejamento de Transportes

Qual o número de viagens originadas na Área Central de Pittsburgh?

Taxas de Geração de viagens para diferentes

IME – SE/2 ET2613 – Planejamento de Transportes

Com este método determinam-se todos os pares Origem/Destino da matriz (miolo da

IME – SE/2 ET2613 – Planejamento de Transportes

Exterior Viagens de atravessamento

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

1. Situação geral do agregado (nº pessoas, nº veículos, casa própria / alugada);

Tipo de viagens captadas:

• Interior-exterior e interior-interior de residentes na área de estudo;

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

Tipo de viagens captadas:

• Viagens em automóvel Interior-Exterior de residentes e não residentes (qualquer

IME – SE/2 ET2613 – Planejamento de Transportes

IME – SE/2 ET2613 – Planejamento de Transportes

Se é aplicado a toda a área

Mas estas podem ser

IME – SE/2 ET2613 – Planejamento de Transportes