Escolar Documentos
Profissional Documentos
Cultura Documentos
4. MODELO DAS 4
ETAPAS:
GERAÇÃO DE
VIAGENS PLANEJAMENTO DE TRANSPORTES
Como 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.
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.
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
- 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.
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:
Unidade de geração e
horizonte temporal
Coeficiente de
determinação dá a
significância da curva
de regressão, neste
caso é inexistente
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
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).
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.
(Interior – Interior)
(Interior – Interior) Não residentes na
Residentes
área de estudo
(Interior – Exterior)
Baseado em (Ortuzar, Willumsen, 2001)
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
Permite obter:
Emprego Local Y
Habitação Local X
a a
3. Função Potência: Y ao x1 1 x2 2 ...xnan
a0
5. Função Logística: Y
1 a1 a2 x
IME – SE/2 ET2613 – Planejamento de Transportes
Prof. Orivalde Soares da Silva Júnior
Modelo 4 Etapas: Geração de Viagens
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
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
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´
Procedimento de aplicação:
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.
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
3º Passo
Determinação das viagens H com origem e destino em cada zona no período p
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
residências
OHp j ( H ) p Hp VH j
j
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).
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
3º Passo
Determinação das viagens com origem e destino em cada zona no período p
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.
que há
residências
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:
OWp (W ) 1 p Wp VW
Emprego Zonas em
j que há
j j
residências
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
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.
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).
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
Habitação Habitação
Emprego Emprego
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
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
IME – SE/2 ET2613 – Planejamento de Transportes
Prof. Orivalde Soares da Silva Júnior
Modelo 4 Etapas: Geração de Viagens
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
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.
Considere duas zonas distintas, a Zona Sul do Rio (Copacanaba, Ipanema, Leblon e
Gávea) e o aeroporto do Galeão.
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?