metr
metr
Atualizao do Plano Diretor de Transporte Urbano da Regio Metropolitana do Rio de Janeiro
SECRETARIA DE TRANSPORTES
Relatrio 2Atividade 6.2 - Zoneamento e Plano Amostral
Parte - 2Revisado
Relatrio 2 Atividade 6.2 Zoneamento e Plano Amostral
Parte 2 Revisado
Agosto de 2012
Histrico do Documento
Relatrio 2 Atividade 6.2 Zoneamento e Plano Amostral
Atualizao do Plano Diretor de Transporte Metropolitano do Rio de Janeiro
Esse documento foi produzido e alterado conforme o quadro abaixo:
Verso Data Descrio Criado por Verificado por Aprovado por
1.0 19/07/2012
Relatrio 2 Atividade 6.2
Zoneamento e Plano Amostral
Parte 2
Alberto
Strozenberg Thadeu Andr
Alberto
Strozenberg
2.0 20/08/2012
Relatrio 2 Atividade 6.2
Zoneamento e Plano Amostral
Parte 2 Revisado
Alberto
Strozenberg Nino Aquino Nino Aquino
LISTA DE ABREVIATURAS E SIGLAS UTILIZADAS
CNEFE Cadastro Nacional de Endereos para Fins Estatsticos
DICTUC Universidade Catlica de Santiago do Chile
GPS Global Positioning System
IBGE Instituto Brasileiro de Geografia e Estatstica
PDTU Plano Diretor de Transportes Urbanos
RMRJ Regio Metropolitana do Rio de Janeiro
SM Salrio Mnimo
UTM Universal Transverso de Mercator
Sumrio
1. INTRODUO 1
2. PESQUISA DOMICILIAR 2
3. PESQUISA NOS PONTOS DE INTERCEPTAO 21
4. PESQUISA NOS POSTOS DO DETRAN 23
5. PESQUISA NOS DEMAIS TRANSPORTES PBLICOS DE ALTA CAPACIDADE 25
6. ANEXOS 26
Lista de Figuras Figura 3.1 Mapa de localizao do ponto de interceptao (exemplo)
PONTO 98 (Rua Topzios x Av. dos Italianos) Rocha Miranda 21
Figura 4.1 Mapa com Localizao dos Postos do DETRAN-RJ 24
Lista de Tabelas Tabela 2.1 Amostra por Municpio 2
Tabela 2.2 Distribuio da Amostra por 20 categorias (estudo) 3
Tabela 2.3 Distribuio da Amostra por 20 categorias (estudo) 4
Tabela 2.4 Distribuio da Amostra por 12 categorias 5
Tabela 2.5 Distribuio da Amostra por 12 categorias 5
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos 6
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos 13
1
1. INTRODUO
O presente relatrio complementa a Atividade 6.2 Zoneamento e Plano Amostral.
Para sua elaborao alguns importantes elementos foram utilizados, os dados do
Censo 2010 disponibilizados pelo IBGE, as informaes obtidas atravs do
zoneamento e os resultados das pesquisas pilotos realizadas no decorrer do ms de
julho.
O contato no exitoso com o DETRAN-RJ, visando conhecer o universo de veculos
vistoriados e emplacados em cada posto da RMRJ, e obter permisso para execuo
da pesquisa, impossibilitou a realizao de pesquisa piloto, bem como efetuar o
clculo da amostra a ser entrevistada nos postos do referido rgo, conforme
indicao do Notvel Dr. Fernando Mac Dowell.
importante destacar que mesmo com investimentos do Governo do Estado em
reas diversas como segurana e habitao, as dificuldades encontradas em campo
so diversas e imponderveis, como por exemplo, a realizao de pesquisa em
favelas, as quais mesmo j pacificadas muitas vezes apresentam clima hostil em seu
acesso por pessoas estranhas comunidade.
Outro exemplo a ser citado refere-se simplesmente ao fato do entrevistado no querer
participar da pesquisa.
Para melhor compreenso das informaes contidas neste relatrio, optou-se por
apresent-lo seccionado em cinco partes conforme sequncia abaixo:
Pesquisa Domiciliar
Pesquisa de Interceptao
Pesquisa nos Postos do DETRAN-RJ
Pesquisa nos Demais Modos de Transporte de Alta Capacidade
Anexos
Faz parte deste relatrio um CD composto por um conjunto de Anexos (1 a 8)
conforme descrito abaixo, os quais so mencionados ao longo do estudo.
Anexo 1 - Definies metodolgicas pesquisas de origem destino e
estimao de matrizes de viagem
Anexo 2 Parecer tcnico do Notvel Dr. Fernando Mac Dowell - Agosto
2011
Anexo 3 Parecer tcnico do Notvel Dr. Fernando Mac Dowell - Maro 2012
Anexo 4 Amostra Pesquisa Domiciliar
Anexo 5 Pontos de Interceptao Screen line
Anexo 6 Descrio dos Pontos de Interceptao
Anexo 7 Mapas de localizao dos Pontos de Interceptao
Anexo 8 Programa de execuo Pesquisa Pontos de Interceptao - 1 e 2
semanas
2
2. PESQUISA DOMICILIAR
A amostragem foi calculada dentro da metodologia j apresentada (Anexo 1) e
aprovada (Anexos 2 e 3) e deveu-se a maior confiabilidade estatstica e dificuldades
reais de no resposta.
A partir dos dados do Censo 2010, o Consrcio em conjunto com a DICTUC
(Universidade Catlica de Santiago do Chile) definiu a amostra para a pesquisa
domiciliar.
O tamanho da amostra calculada de 4.321 domiclios, conforme a distribuio por
municpios apresentada na tabela a seguir. Entretanto, ser visto mais adiante que
sero feitos 4.481 domiclios, visando garantia da representatividade das variveis.
Tabela 2.1 Amostra por Municpio
Municpio Amostra
Belford Roxo 183
Duque de Caxias 337
Guapimirim 30
Itabora 86
Itagua 41
Japeri 36
Mag 84
Mangaratiba 30
Maric 53
Mesquita 67
Nilpolis 64
Niteri 212
Nova Iguau 308
Paracambi 30
Queimados 53
Rio de Janeiro 2.054
So Gonalo 408
So Joo de Meriti 185
Seropdica 30
Tangu 30
Total 4.321
O estudo foi elaborado considerando-se o nmero de domiclios em cada municpio,
definido-se o nmero mnimo de 30 pesquisas por municpio para aqueles cujo
clculo resultava ser inferior. Assim cada municpio participa da amostra, o que
garante uma melhor distribuio geogrfica.
3
Para a definio da amostra considerou-se inicialmente 20 categorias de domiclios,
com o cruzamento de duas variveis:
- Nmero de moradores/domiclio 4 categorias: 1, 2, 3, 4ou mais moradores.
- Renda Familiar definindo-se 5 categorias:
Classe de renda A mais de 8,66 SM com valor representativo de 10 SM
Classe de renda B entre 3,02 SM e 8,66 SM com valor representativo de
5 SM
Classe de renda C entre 1,40 SM e 3,02 SM com valor representativo de
2 SM
Classe de renda D entre 0,94 SM e 1,40 SM com valor representativo de
2 SM
Classe de renda E menos de 0,94 SM com valor representativo de 0,5
SM
A seguir possvel observar que se optou por trabalhar com 3 categorias de Renda,
agrupando A /B e D/ E, ficando, portanto um total de 12 categorias.
Ressalta-se que a varivel posse de carro no se mostrou diferenciadora diante das
outras duas variveis.
Algumas tabelas foram produzidas inicialmente conforme se v a seguir. Ressalta-se
que para os passos do clculo final, as tabelas foram ajustadas.
Para o Municpio do Rio de Janeiro:
Tabela 2.2 Distribuio da Amostra por 20 categorias (estudo)
Pessoas/Domiclio Renda Amostra
1 A 77
1 B 107
1 C 119
1 D 145
1 E 86
2 A 88
2 B 94
2 C 100
2 D 97
2 E 72
3 A 59
3 B 90
3 C 111
3 D 116
3 E 86
4 A 66
4 B 93
4 C 142
4 D 156
4 E 141
Rio de Janeiro 2.045
4
Para Regio Metropolitana fora Rio de Janeiro:
Tabela 2.3 Distribuio da Amostra por 20 categorias (estudo)
Pessoas/Domiclio Renda Amostra
1 A 30
1 B 60
1 C 124
1 D 140
1 E 253
2 A 30
2 B 50
2 C 103
2 D 138
2 E 125
3 A 30
3 B 60
3 C 126
3 D 171
3 E 179
4 A 30
4 B 81
4 C 176
4 D 264
4 E 271
RMRJ fora Rio 2.441
A seleo dos setores censitrios foi feita em funo dos valores das tabelas
anteriores. Utilizaram-se trs categorias de renda (A/B, C e D/E) e as 4 categorias de
n pessoas/domiclio, perfazendo 12 categorias que apresentam diferenas
significativas estatisticamente. Como as viagens na Cidade do Rio de Janeiro tm
taxas de gerao diferentes dos demais municpios, foram separadas em duas sub-
amostras.
A respeito dos totais da amostra importante levar em considerao que se trata de
uma amostra estratificada, dependendo do que se obter de resultados prticos
possvel que tenha que se voltar ao campo para complementar dados de categorias
(so 12) menos representadas na amostra.
Assim, os totais das amostras ficaram superiores ao calculado. As tabelas anteriores
ficaram assim determinadas:
5
Municpio do Rio de Janeiro
Tabela 2.4 Distribuio da Amostra por 12 categorias
Categorias Amostra
Calculada
Acrscimo
Amostra Total
AB_1 191 0
684 AB_2 181 0
AB_3 155 0
AB_4 156 0
C_1 120 0
560 C_2 98 57
C_3 114 22
C_4 147 2
DE_1 208 0
954 DE_2 162 34
DE_3 204 4
DE_4 318 24
Total 2.054 144 2.198
Regio Metropolitana fora Rio de Janeiro
Tabela 2.5 Distribuio da Amostra por 12 categorias
Categorias Amostra
Calculada
Acrscimo
Amostra Total
AB_ 65 0
328 AB_2 65 20
AB_3 76 1
AB_4 101 0
C_1 91 0
600 C_2 98 63
C_3 121 39
C_4 168 19
DE_1 276 0
1.455 DE_2 253 33
DE_3 352 0
DE_4 531 10
Total 2.197 186 2.383
6
De cada setor censitrio escolhido a amostra aleatria ser de 5% dos domiclios,
podendo este percentual ser um pouco superior em alguns setores, com objetivo de
completar categorias menos frequentes de renda e de nmero de moradores por
domiclio.
Apresenta-se a seguir as tabelas dos setores e do tamanho da amostra por setor. O
nmero total foi acrescido, em relao ao calculado.
No Anexo 4 (CD Anexo) esto contidas as tabelas com dados estimados para as
variveis renda (trs categorias) e nmero de pessoas/domiclio (4 categorias).
Para o Municpio do Rio de Janeiro:
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos
Setor Domiclios Amostra %
330455705210445 1199 60 5%
330455705110027 687 34 5%
330455705170007 465 23 5%
330455705170162 382 19 5%
330455705200240 376 19 5%
330455705350025 346 17 5%
330455705290071 326 16 5%
330455705210465 325 16 5%
330455705220405 323 16 5%
330455705090325 322 16 5%
330455705210640 322 16 5%
330455705130064 321 16 5%
330455705350057 315 16 5%
330455705240631 314 16 5%
330455705150135 314 16 5%
330455705140189 300 15 5%
330455705290372 293 15 5%
330455705210590 292 15 5%
330455705170161 291 15 5%
330455705300123 291 15 5%
330455705170107 291 15 5%
330455705320138 286 14 5%
330455705270054 286 14 5%
330455705360032 283 14 5%
330455705290191 282 14 5%
330455705230679 281 14 5%
330455705210625 280 14 5%
330455705390205 280 14 5%
7
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Domiclios Amostra %
330455705110266 280 14 5%
330455705370323 278 14 5%
330455705170523 272 14 5%
330455705200168 266 13 5%
330455705110281 265 13 5%
330455705150105 264 13 5%
330455705340023 264 13 5%
330455705210055 262 13 5%
330455705100391 262 13 5%
330455705320093 261 13 5%
330455705200180 261 13 5%
330455705090231 259 13 5%
330455705320070 258 13 5%
330455705360141 255 13 5%
330455705170516 254 13 5%
330455705120139 252 13 5%
330455705140269 252 13 5%
330455705150217 251 13 5%
330455705300105 251 13 5%
330455705300076 245 12 5%
330455705220019 245 12 5%
330455705110162 242 12 5%
330455705370137 240 12 5%
330455705240584 239 12 5%
330455705130088 238 12 5%
330455705200015 237 12 5%
330455705120134 235 12 5%
330455705290199 235 12 5%
330455705110195 234 12 5%
330455705110310 234 12 5%
330455705170509 230 12 5%
330455705320120 230 12 5%
330455705210521 229 11 5%
330455705150021 229 11 5%
330455705220156 227 11 5%
330455705150195 225 11 5%
330455705360059 223 11 5%
330455705150053 223 11 5%
330455705130075 222 11 5%
8
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Totais Domiclios Amostra %
330455705220168 220 11 5%
330455705140129 219 11 5%
330455705290194 219 11 5%
330455705170511 219 11 5%
330455705340050 218 11 5%
330455705100123 218 11 5%
330455705200218 217 11 5%
330455705090238 217 11 5%
330455705160135 216 11 5%
330455705170613 215 11 5%
330455705130028 214 11 5%
330455705150024 213 11 5%
330455705150070 213 11 5%
330455705250135 213 11 5%
330455705090217 212 11 5%
330455705090458 211 11 5%
330455705300104 210 11 5%
330455705300301 206 10 5%
330455705290088 206 10 5%
330455705290142 204 10 5%
330455705110045 204 10 5%
330455705100340 203 10 5%
330455705200220 202 10 5%
330455705290193 201 10 5%
330455705110005 199 10 5%
330455705220597 199 10 5%
330455705190284 199 10 5%
330455705190288 199 10 5%
330455705100361 196 10 5%
330455705330002 195 10 5%
330455705390022 195 10 5%
330455705250310 194 10 5%
330455705300282 194 10 5%
330455705390202 194 10 5%
330455705300314 190 10 5%
330455705140067 188 9 5%
330455705160214 188 9 5%
330455705220546 187 9 5%
330455705130186 187 9 5%
9
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Domiclios Amostra %
330455705310033 186 9 5%
330455705160093 184 9 5%
330455705270051 183 9 5%
330455705300074 182 9 5%
330455705290094 181 9 5%
330455705210044 179 9 5%
330455705220319 177 9 5%
330455705150003 177 9 5%
330455705360150 177 9 5%
330455705100355 177 9 5%
330455705200450 175 9 5%
330455705110052 175 9 5%
330455705100367 175 9 5%
330455705340034 172 9 5%
330455705110048 172 9 5%
330455705320113 171 9 5%
330455705150131 171 9 5%
330455705310037 171 9 5%
330455705240519 171 9 5%
330455705250290 170 9 5%
330455705320193 170 9 5%
330455705160219 167 8 5%
330455705070026 165 8 5%
330455705320010 162 8 5%
330455705240134 162 8 5%
330455705170065 161 8 5%
330455705170117 161 8 5%
330455705240025 160 8 5%
330455705290173 160 8 5%
330455705340049 159 8 5%
330455705240410 159 8 5%
330455705120133 158 8 5%
330455705240598 158 8 5%
330455705090175 156 8 5%
330455705290367 156 8 5%
330455705200311 154 8 5%
330455705110329 153 8 5%
330455705090334 153 8 5%
330455705100121 152 8 5%
10
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Domiclios Amostra %
330455705150104 149 7 5%
330455705100335 149 7 5%
330455705210832 147 7 5%
330455705100110 147 7 5%
330455705320054 146 7 5%
330455705170479 146 7 5%
330455705110323 145 7 5%
330455705100254 144 7 5%
330455705100363 144 7 5%
330455705240438 142 7 5%
330455705370361 141 7 5%
330455705220482 140 7 5%
330455705290487 137 7 5%
330455705150061 136 7 5%
330455705230659 136 7 5%
330455705240611 136 7 5%
330455705370024 134 7 5%
330455705200153 134 7 5%
330455705290344 134 7 5%
330455705300195 133 7 5%
330455705300085 133 7 5%
330455705080006 132 7 5%
330455705200056 131 7 5%
330455705150139 130 7 5%
330455705270025 129 6 5%
330455705300171 129 6 5%
330455705290147 128 6 5%
330455705110346 127 6 5%
330455705230798 127 6 5%
330455705100020 122 6 5%
330455705090191 122 6 5%
330455705160288 122 6 5%
330455705220163 121 6 5%
330455705290239 121 6 5%
330455705120132 119 6 5%
330455705100360 119 6 5%
330455705290187 118 6 5%
330455705110347 117 6 5%
330455705160090 117 6 5%
11
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Domiclios Amostra %
330455705360161 113 6 5%
330455705290363 113 6 5%
330455705110339 109 5 5%
330455705240022 109 5 5%
330455705240609 109 5 5%
330455705130230 107 5 5%
330455705080094 104 5 5%
330455705230190 103 5 5%
330455705250333 101 5 5%
330455705210637 96 5 5%
330455705300280 95 5 5%
330455705200128 94 5 5%
330455705190043 92 5 5%
330455705130074 91 5 5%
330455705300303 89 3 3%
330455705330049 89 3 3%
330455705110217 88 3 3%
330455705090478 86 3 3%
330455705240526 85 3 4%
330455705210679 83 3 4%
330455705100024 81 3 4%
330455705240604 79 3 4%
330455705310234 78 3 4%
330455705270220 76 3 4%
330455705300326 74 3 4%
330455705100039 71 3 4%
330455705210796 71 3 4%
330455705300294 70 3 4%
330455705070001 70 3 4%
330455705220243 69 3 4%
330455705160287 65 3 5%
330455705240612 64 3 5%
330455705240230 63 3 5%
330455705100405 63 3 5%
330455705160297 62 3 5%
330455705210799 58 3 5%
330455705270041 55 3 5%
330455705370283 55 3 5%
330455705070101 54 3 6%
12
Tabela 2.6 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Domiclios Amostra %
330455705190302 52 3 6%
330455705320144 52 3 6%
330455705280027 51 3 6%
330455705220364 51 3 6%
330455705290353 48 3 6%
330455705240143 47 3 6%
330455705310007 44 3 7%
330455705240520 44 3 7%
330455705290404 39 3 8%
330455705240608 39 3 8%
330455705200135 36 3 8%
330455705290366 36 3 8%
330455705160155 34 3 9%
330455705220318 31 3 10%
330455705290393 31 3 10%
330455705080138 30 3 10%
330455705230768 30 3 10%
330455705320062 27 3 11%
330455705240603 26 3 12%
330455705220569 25 3 12%
330455705200540 24 3 13%
330455705190041 24 3 13%
330455705230793 21 3 14%
330455705150235 21 3 14%
330455705080022 20 3 15%
330455705110143 20 3 15%
330455705350079 19 3 16%
330455705240593 19 3 16%
330455705320172 18 3 17%
330455705200245 16 3 19%
330455705220562 14 3 21%
330455705240606 14 3 21%
330455705290427 13 3 23%
330455705290370 11 3 27%
Total
Rio de Janeiro 43.693 2.230 5,1%
13
Para a Regio Metropolitana, Fora Rio de Janeiro:
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos
Setor Municpio Domiclios Amostra %
330045605030098 Belford Roxo 345 17 5%
330045605050138 Belford Roxo 313 16 5%
330045605040039 Belford Roxo 289 14 5%
330045605020103 Belford Roxo 265 13 5%
330045605020024 Belford Roxo 244 12 5%
330045605030063 Belford Roxo 239 12 5%
330045605020062 Belford Roxo 238 12 5%
330045605040036 Belford Roxo 228 11 5%
330045605020120 Belford Roxo 216 11 5%
330045605020115 Belford Roxo 196 10 5%
330045605020087 Belford Roxo 195 10 5%
330045605050036 Belford Roxo 163 8 5%
330045605020125 Belford Roxo 150 8 5%
330045605020070 Belford Roxo 132 7 5%
330045605040077 Belford Roxo 127 6 5%
330045605030020 Belford Roxo 126 6 5%
330045605030089 Belford Roxo 122 6 5%
330045605010153 Belford Roxo 102 5 5%
330170205000459 Duque de Caxias 544 27 5%
330170215000213 Duque de Caxias 455 23 5%
330170205000473 Duque de Caxias 317 16 5%
330170205000344 Duque de Caxias 297 15 5%
330170205000008 Duque de Caxias 181 18 10%
330170215000142 Duque de Caxias 251 13 5%
330170205000123 Duque de Caxias 225 11 5%
330170215000141 Duque de Caxias 221 11 5%
330170210000280 Duque de Caxias 213 11 5%
330170205000482 Duque de Caxias 150 15 10%
330170210000024 Duque de Caxias 201 10 5%
330170210000180 Duque de Caxias 180 18 10%
330170215000157 Duque de Caxias 196 10 5%
330170205000413 Duque de Caxias 188 19 10%
330170210000008 Duque de Caxias 187 9 5%
330170205000116 Duque de Caxias 177 9 5%
330170205000490 Duque de Caxias 162 8 5%
330170205000139 Duque de Caxias 186 19 10%
330170215000014 Duque de Caxias 145 7 5%
330170215000191 Duque de Caxias 142 7 5%
14
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330170210000160 Duque de Caxias 140 7 5%
330170210000126 Duque de Caxias 137 7 5%
330170210000335 Duque de Caxias 133 7 5%
330170210000149 Duque de Caxias 118 6 5%
330170205000195 Duque de Caxias 116 6 5%
330170220000044 Duque de Caxias 110 6 5%
330170205000512 Duque de Caxias 106 5 5%
330170220000072 Duque de Caxias 76 3 4%
330170205000507 Duque de Caxias 60 3 5%
330170205000436 Duque de Caxias 58 3 5%
330170220000084 Duque de Caxias 38 3 8%
330170220000087 Duque de Caxias 37 3 8%
330170220000074 Duque de Caxias 22 3 14%
330170215000196 Duque de Caxias 16 3 19%
330170215000198 Duque de Caxias 16 3 19%
330185005000041 Guapimirim 285 14 5%
330185005000058 Guapimirim 145 7 5%
330185005000086 Guapimirim 134 7 5%
330185005000067 Guapimirim 42 3 7%
330185005000048 Guapimirim 11 3 27%
330190005000139 Itabora 16 3 19%
330190005000054 Itabora 343 17 5%
330190040000004 Itabora 19 3 16%
330190018000094 Itabora 308 15 5%
330190040000011 Itabora 249 12 5%
330190018000012 Itabora 34 3 9%
330190018000082 Itabora 158 8 5%
330190005000056 Itabora 119 6 5%
330190005000152 Itabora 72 3 4%
330190025000001 Itabora 68 3 4%
330190015000032 Itabora 60 3 5%
330190019000015 Itabora 47 3 6%
330190015000041 Itabora 32 3 9%
330190005000149 Itabora 27 3 11%
330190005000117 Itabora 27 3 11%
330190010000015 Itabora 22 3 14%
330190010000008 Itabora 17 3 18%
330190005000183 Itabora 15 3 20%
330190005000130 Itabora 14 3 21%
330190025000018 Itabora 10 3 30%
15
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330200705000068 Itagua 435 22 5%
330200705000124 Itagua 143 7 5%
330200715000003 Itagua 136 7 5%
330200715000002 Itagua 124 6 5%
330227005020081 Japeri 201 10 5%
330227005030005 Japeri 146 7 5%
330227005030001 Japeri 127 6 5%
330227005020072 Japeri 98 5 5%
330227005040001 Japeri 56 3 5%
330227005040009 Japeri 55 3 5%
330227005020054 Japeri 40 3 8%
330250220000107 Mag 242 12 5%
330250215000002 Mag 217 11 5%
330250220000112 Mag 215 11 5%
330250205000015 Mag 164 16 10%
330250220000077 Mag 166 8 5%
330250205000057 Mag 129 6 5%
330250205000026 Mag 113 6 5%
330250230000009 Mag 89 3 3%
330250225000015 Mag 74 3 4%
330250220000017 Mag 52 3 6%
330250205000055 Mag 50 3 6%
330250220000117 Mag 24 3 13%
330260120000032 Mangaratiba 205 10 5%
330260115000018 Mangaratiba 105 5 5%
330260110000005 Mangaratiba 82 3 4%
330260110000002 Mangaratiba 71 3 4%
330260105000040 Mangaratiba 45 3 7%
330260120000031 Mangaratiba 38 3 8%
330260110000008 Mangaratiba 28 3 11%
330260120000033 Mangaratiba 27 3 11%
330260115000017 Mangaratiba 13 3 23%
330270005000042 Maric 93 9 10%
330270010000097 Maric 189 19 10%
330270010000069 Maric 234 23 10%
330270010000143 Maric 107 5 5%
330285805000306 Mesquita 5 3 60%
330285805000166 Mesquita 253 13 5%
330285805000175 Mesquita 235 12 5%
330285805000019 Mesquita 125 13 10%
16
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330285805000170 Mesquita 177 9 5%
330285805000025 Mesquita 141 14 10%
330285805000235 Mesquita 100 5 5%
330320305000050 Nilpolis 344 17 5%
330320310000036 Nilpolis 300 30 10%
330320310000027 Nilpolis 286 14 5%
330320305000125 Nilpolis 169 8 5%
330330205000825 Niteri 227 11 5%
330330205000885 Niteri 98 5 5%
330330205000819 Niteri 181 9 5%
330330205000816 Niteri 128 6 5%
330330205000906 Niteri 219 11 5%
330330205000721 Niteri 120 6 5%
330330205000640 Niteri 390 20 5%
330330205000684 Niteri 240 12 5%
330330205000641 Niteri 247 12 5%
330330205000145 Niteri 331 17 5%
330330205000105 Niteri 333 17 5%
330330205000266 Niteri 208 10 5%
330330205000155 Niteri 290 15 5%
330330205000161 Niteri 302 15 5%
330330205000267 Niteri 291 15 5%
330330205000632 Niteri 230 12 5%
330330205000735 Niteri 159 8 5%
330330205000736 Niteri 69 3 4%
330330205000172 Niteri 196 10 5%
330330205000173 Niteri 234 12 5%
330330205000186 Niteri 336 17 5%
330330205000209 Niteri 267 13 5%
330330205000215 Niteri 306 15 5%
330330205000217 Niteri 191 10 5%
330330205000243 Niteri 161 8 5%
330330205000253 Niteri 233 12 5%
330330205000336 Niteri 177 9 5%
330350005160125 Nova Iguau 423 21 5%
330350005170045 Nova Iguau 295 15 5%
330350005110092 Nova Iguau 271 14 5%
330350005170060 Nova Iguau 259 13 5%
330350005120088 Nova Iguau 226 11 5%
330350005120077 Nova Iguau 210 11 5%
17
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330350005180113 Nova Iguau 209 10 5%
330350005160104 Nova Iguau 207 10 5%
330350005190010 Nova Iguau 201 10 5%
330350005110094 Nova Iguau 195 10 5%
330350005160019 Nova Iguau 191 10 5%
330350005160070 Nova Iguau 189 9 5%
330350005160098 Nova Iguau 183 9 5%
330350005170090 Nova Iguau 177 9 5%
330350005170042 Nova Iguau 171 9 5%
330350005120165 Nova Iguau 171 9 5%
330350005120103 Nova Iguau 168 8 5%
330350005180107 Nova Iguau 168 8 5%
330350005180051 Nova Iguau 163 8 5%
330350005100252 Nova Iguau 131 7 5%
330350005160106 Nova Iguau 159 8 5%
330350005160127 Nova Iguau 156 8 5%
330350005160112 Nova Iguau 148 7 5%
330350005190019 Nova Iguau 143 7 5%
330350005160075 Nova Iguau 138 7 5%
330350005160135 Nova Iguau 136 7 5%
330350005180146 Nova Iguau 133 7 5%
330350005200044 Nova Iguau 132 7 5%
330350005160058 Nova Iguau 124 6 5%
330350005210019 Nova Iguau 116 6 5%
330350005170023 Nova Iguau 109 5 5%
330350005180139 Nova Iguau 106 5 5%
330350005160132 Nova Iguau 98 5 5%
330350005190083 Nova Iguau 74 3 4%
330350005210014 Nova Iguau 67 3 4%
330350005210009 Nova Iguau 61 3 5%
330350005160119 Nova Iguau 45 3 7%
330350005210011 Nova Iguau 15 3 20%
330360905000055 Paracambi 366 18 5%
330360905000065 Paracambi 201 10 5%
330360905000058 Paracambi 61 3 5%
330414405050027 Queimados 377 19 5%
330414405020012 Queimados 219 11 5%
330414405030013 Queimados 183 9 5%
330414405030009 Queimados 111 6 5%
330414405040017 Queimados 78 3 4%
18
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330414405060021 Queimados 61 3 5%
330414405050043 Queimados 50 3 6%
330490405000478 So Gonalo 8 3 38%
330490420000299 So Gonalo 76 8 11%
330490405000583 So Gonalo 124 12 10%
330490425000015 So Gonalo 287 14 5%
330490405000602 So Gonalo 37 3 8%
330490420000010 So Gonalo 162 16 10%
330490405000329 So Gonalo 162 16 10%
330490405000386 So Gonalo 87 9 10%
330490405000393 So Gonalo 161 16 10%
330490405000051 So Gonalo 35 3 9%
330490420000270 So Gonalo 14 3 21%
330490410000302 So Gonalo 223 11 5%
330490405000644 So Gonalo 230 23 10%
330490420000043 So Gonalo 73 7 10%
330490425000142 So Gonalo 45 5 11%
330490405000070 So Gonalo 384 38 10%
330490425000030 So Gonalo 141 14 10%
330490425000097 So Gonalo 192 10 5%
330490405000488 So Gonalo 25 3 12%
330490420000201 So Gonalo 95 10 11%
330490405000445 So Gonalo 338 34 10%
330490405000318 So Gonalo 199 20 10%
330490405000378 So Gonalo 338 34 10%
330490405000012 So Gonalo 281 28 10%
330490405000320 So Gonalo 124 12 10%
330490415000338 So Gonalo 26 3 12%
330490405000043 So Gonalo 255 26 10%
330490405000471 So Gonalo 42 3 7%
330490405000623 So Gonalo 91 5 5%
330490425000118 So Gonalo 76 3 4%
330490415000367 So Gonalo 59 3 5%
330490405000154 So Gonalo 56 3 5%
330490405000589 So Gonalo 44 3 7%
330490410000246 So Gonalo 29 3 10%
330490405000311 So Gonalo 26 3 12%
330490420000342 So Gonalo 24 3 13%
330490410000203 So Gonalo 19 3 16%
330490425000129 So Gonalo 15 3 20%
19
Tabela 2.7 Tamanho da Amostra por Setores Censitrios Escolhidos (Continuao)
Setor Municpio Domiclios Amostra %
330490425000123 So Gonalo 14 3 21%
330490405000155 So Gonalo 13 3 23%
330490410000256 So Gonalo 11 3 27%
330490405000167 So Gonalo 10 3 30%
330510905000185 So Joo de Meriti 297 15 5%
330510905000252 So Joo de Meriti 286 14 5%
330510905000070 So Joo de Meriti 241 24 10%
330510910000194 So Joo de Meriti 240 12 5%
330510905000292 So Joo de Meriti 236 12 5%
330510905000268 So Joo de Meriti 227 11 5%
330510905000280 So Joo de Meriti 195 10 5%
330510905000260 So Joo de Meriti 194 10 5%
330510905000213 So Joo de Meriti 184 9 5%
330510915000030 So Joo de Meriti 179 9 5%
330510905000063 So Joo de Meriti 171 9 5%
330510910000060 So Joo de Meriti 170 9 5%
330510910000208 So Joo de Meriti 151 8 5%
330510905000243 So Joo de Meriti 147 7 5%
330510905000244 So Joo de Meriti 146 7 5%
330510905000359 So Joo de Meriti 138 7 5%
330510910000209 So Joo de Meriti 130 7 5%
330510905000373 So Joo de Meriti 119 6 5%
330555405000055 Seropdica 234 12 5%
330555405000082 Seropdica 153 8 5%
330555405000033 Seropdica 73 3 4%
330555405000099 Seropdica 60 3 5%
330555405000085 Seropdica 58 3 5%
330575205000037 Tangu 208 10 5%
330575205000032 Tangu 73 7 10%
330575205000035 Tangu 112 6 5%
330575205000046 Tangu 80 3 4%
330575205000028 Tangu 49 3 6%
330575205000058 Tangu 22 3 14%
Total RMRJ fora Rio de Janeiro 41.496 2.440 5,9%
A etapa seguinte, a partir de 1 de agosto, final das frias, ser a ida aos setores
selecionados com as respectivas listagens dos imveis extradas do CNEFE
Cadastro Nacional de Endereos para Fins Estatsticos, fornecido pelo IBGE, com
base nas informaes coletadas no Censo Demogrfico 2010. Este cadastro ser
carregado nos equipamentos de coleta de cada um dos pesquisadores.
20
Nos procedimentos de coleta o agente dever percorrer todo o setor, identificar os
endereos atualizando a lista de endereos do CNEFE. Identificar as espcies
existentes em cada endereo. Entregar a carta ao informante e ao sndico e
comunidade conforme o caso. Realizar o arrolamento e agendamento da entrevista,
coletando as coordenadas geogrficas no sistema UTM atravs de um GPS, levantar o
nmero de moradores a partir de sete anos de idade e o nome do morador de
referncia.
A pesquisa domiciliar, propriamente dita, ter incio logo a seguir, no dia 13 de
agosto de 2012.
21
3. PESQUISA NOS PONTOS DE INTERCEPTAO
Os pontos inicialmente apontados como representativos dos ns de trnsito e pontos
dos screenlines, num total de 182, esto contidos no Anexo 5 (CD Anexo).
Foram localizados e mapeados todos os 182 pontos, para em seguida ir ao campo e
verificar in loco as localizaes e caractersticas do movimento de carros e de nibus.
Deste levantamento, ainda em curso sero definidos quais os pontos da Pesquisa de
Interceptao. O critrio de unir alguns pontos inicialmente apontados o de
apresentarem o mesmo fluxo de carros ou as mesmas linhas de nibus.
Cada ponto foi definido conforme figura apresentada a seguir, a ttulo de exemplo,
indicando:
Sentidos de trnsito
Se passa nibus ou somente carros (casos rarefeitos)
Existncia e tempo de durao do semforo
Existncia de posto de gasolina para a realizao da pesquisa nos autos
Necessidade de operao para parada de veculos a serem entrevistados (nos
casos que o semforo no o indicado ou nem tem)
Local de interesse da pesquisa nos nibus (indicando que o usurio de nibus
dever estar dentro do veculo ao passar pelo ponto)
Figura 3.1 Mapa de localizao do ponto de interceptao (exemplo)
PONTO 98 (Rua Topzios x Av. dos Italianos) Rocha Miranda
Contagem, OV e OD. Sinal com reteno de 45(no necessita de operadores).
22
A tabela apresentada no Anexo 6 (CD Anexo), mostra os dados levantados at o
momento, que esto sendo utilizados para o planejamento da Pesquisa de Pontos. No
Anexo 7 (CD Anexo) apresentamos as plantas de localizao dos 70 pontos de
interceptao levantados at o momento.
A pesquisa ter incio dia 1 de agosto com a Pesquisa de Contagem Volumtrica de
Veculos e Contraste Visual de Transporte Coletivo, para subsidiar a pesquisa nos
nibus. A Pesquisa nos Pontos de Interceptao iniciar dia 13 de Agosto segundo a
programao indicada no Anexo 8 (CD Anexo).
23
4. PESQUISA NOS POSTOS DO DETRAN
Completando as informaes da Pesquisa Domiciliar, ser feita uma pesquisa, por
recomendao do Notvel Dr. Fernando Mac Dowell, nos postos de vistoria e
emplacamento do DETRAN na Regio Metropolitana, aplicando ao motorista a
pergunta de movimentao no dia anterior, seguindo mesmo critrio da pesquisa
domiciliar.
O planejamento desta Pesquisa ser feito em conjunto com o rgo, aps o contato
que est sendo estabelecido pela Secretaria de Transportes e CENTRAL.
Ressalta-se que caso concedida permisso para realizao da pesquisa, o Consrcio
compromete-se a entrevistar em cada posto, at 10% dos motoristas que entram nos
postos para emplacar ou vistoriar seus veculos, durante um dia til, que poder ser
de tera a sbado, tendo em vista que a pergunta refere-se sempre a movimentao
realizada no dia anterior.
Apresenta-se na figura a seguir a localizao dos postos do DETRAN-RJ
24
Figura 4.1 Mapa com Localizao dos Postos do DETRAN-RJ
25
5. PESQUISA NOS DEMAIS TRANSPORTES PBLICOS DE ALTA CAPACIDADE
As Pesquisas de Origem/Destino nas demais modalidades de transporte pblico de
alta capacidade, ou seja, trens, metr, barcas e BRT, sero apresentadas em relatrio
especfico, pois o Consrcio j realizou vrias destas pesquisas, dentro do PDTU. O
modelo do questionrio o mesmo da Pesquisa nos Pontos de Interceptao.
26
6. ANEXOS
ANEXO 1
NOTA TCNICA
Definies metodolgicas pesquisas de origem / destino e estimao de matrizes de viagem
22 de Junho de 2011
Apresenta-se nessa Nota Tcnica o mtodo recomendado para determinar as
amostras necessrias para entrevistas domiciliares (ODD) e entrevistas de
interceptao nas vias (ODI), como tambm a metodologia proposta para elaborar
matrizes de viagens atualizadas, para uma pesquisa origem-destino (O-D) em cidades
de grande porte, que possuam pelo menos os dados de uma pesquisa domiciliar de
origem-destino anterior.
Supe-se que os propsitos de realizao destas entrevistas so os tradicionais, ou
seja, contar com informaes gerais sobre o comportamento das viagens,
principalmente as taxas de gerao, motorizao e repartio modal, e construir
matrizes de viagem atualizadas para a cidade. Todos estes dados podem ser
utilizados posteriormente para o ajuste de um modelo estratgico de transportes.
1. DEFINIO DA AMOSTRA
amplamente conhecido (Smith, 1979; Ortzar e Willumsen, 2011, Cap 3) que, para
construir matrizes de distribuio de viagens em cidades com um zoneamento
adequado utilizando somente informaes provenientes de ODD, seria necessrio
entrevistar perto de 100% de toda a populao (e isto logicamente excede qualquer
oramento disponvel). Tambm se sabe que o uso de ODI, complementando a
informao obtida nos domiclios, segundo ser descrito na seo 1.2, um
procedimento mais eficaz para obter sua construo (Ampt e Ortzar, 2004).
Ento, a utilidade principal de uma entrevista de O-D aplicada nos domiclios est
associada medio de um conjunto de indicadores relacionados com as etapas de
gerao de viagens e repartio modal do modelo estratgico. A ODD tambm til
para calibrar a etapa de distribuio de viagens, pois pode fornecer boas informaes
a respeito da extenso e dos tempos de durao das viagens. Desta forma, o tamanho
amostral para a ODD dever ser definido com a finalidade de garantir que estes
indicadores sejam obtidos com um adequado nvel de preciso (mais adiante sero
detalhados os indicadores normalmente considerados, associados s diferentes etapas
do modelo estratgico).
Com relao a ODI, sero a quantidade de locais de interceptao na via
considerados, a sua localizao e a quantidade total de entrevistas levantadas nestes
locais que determinaro a qualidade final das matrizes de viagem atualizadas. Como
se ver na seo 1.2, estas devem ser construdas combinando as informaes da
ODD e ODI.
Desta forma, considerando os propsitos a que esses dois tipos de entrevistas se
destinam, eis o que se prope:
Primeiro, determinar o total de entrevistas necessrias para que a ODD
satisfaa os objetivos mencionados anteriormente;
Depois, alocar o restante dos recursos disponveis para realizar entrevistas de
interceptao, a fim de obter uma adequada cobertura de pares de O-D na cidade,
uma vez que este ser o principal insumo para a construo da matriz de viagens.
1.1. Entrevistas domiciliares
O enfoque para determinar a amostragem deste tipo de entrevista est orientado a
obter indicadores associados estimao de modelos de demanda e no a tentar
reproduzir padres de deslocamento. Portanto, revisaremos quais so os indicadores
relevantes para as diferentes etapas da modelagem (gerao, distribuio e escolha
modal).
Uma vez definidos os indicadores, para se determinar um tamanho de amostra que
permita obt-los com a preciso adequada necessita-se conhecer os seus coeficientes
de variao (CV) isto , a razo entre os seus desvios padro e a as suas mdias na
populao, o erro mximo amostral e o intervalo de confiana que se consideram
aceitveis. Com essas informaes, que podem ser obtidas de estudos anteriores na
prpria cidade ou em cidades semelhantes, o tamanho da amostra pode ser calculado
pela expresso (1), onde E o nvel de preciso (Smith, 1979; Stopher, 1982) e o
valor da distribuio normal para o intervalo de confiana especificado (por exemplo,
= 1,645 para = 90%):
(1)
Se for desejado calcular o tamanho da amostra considerando categorias distintas, um
procedimento amplamente utilizado est descrito no Anexo 1 (Smith, 1979).
Gerao de viagens
A primeira varivel relevante a taxa de gerao e viagens, usualmente entendida
como o nmero de viagens por domiclio (ou, melhor ainda, o nmero de
viagens/pessoas por domiclio). No somente se deseja obter uma medio precisa
desta varivel, em termos globais, mas tambm se necessita conhec-la a nvel de
diversos extratos ou categorias de interesse; por exemplo, segundo o propsito da
viagem (normalmente considerando viagens obrigatrias ou no obrigatrias).
Tambm se espera que este indicador dependa de certas caractersticas dos
domiclios, como o tamanho do domiclio, o nvel de renda familiar e a posse de
veculos, aspectos que devero ser considerados no momento de definir a amostra.
Para estimar taxas de gerao de viagens por domiclio indispensvel, em primeiro
lugar, classificar os domiclios (ou tipos de usurios) em categorias definidas de
acordo com as variveis que influenciam a produo das viagens. Em consequncia,
recomenda-se considerar ao menos o tamanho (e estrutura) do domiclio, o nvel de
renda familiar e a posse de veculos no domiclio. Visando a calibrao da etapa de
distribuio de viagens, ou escolha de destinos, tambm recomendvel considerar
uma varivel associada localizao ou acessibilidade do domiclio, com a finalidade
da amostra fornecer resultados de valores representativos da extenso e dos tempos
de viagem.
Smith (1979), por exemplo, considerou trs categorias de renda e trs categorias de
posse de automvel e, utilizando valores mdios e desvios padres reportados por
diversas cidades nos EUA, calculou tamanhos de amostra que no superam 1.300
entrevistas com seu mtodo.
Segundo o detalhamento no Anexo 1, o mtodo especfico para calcular o total de
entrevistas requer o conhecimento da frequncia de cada categoria na populao e os
coeficientes de variao da varivel de interesse de cada uma destas categorias (
necessrio computar um coeficiente de variao representativo de acordo com a
frequncia de cada categoria). No obstante, ainda que uma amostra classificada
possa requerer tamanhos menores que os necessrios ao considerar uma nica
categoria, as amostras devem possuir totais mnimos para cada categoria. Por outro
lado, uma amostra calculada segundo estas consideraes no implica em uma
repartio necessariamente adequada na cidade, ou seja, a amostra poderia ser
tomada de qualquer subconjunto de zonas que permita obter as quantidades mnimas
necessrias por categoria.
Por este motivo, parece mais conveniente realizar a seleo mediante uma heurstica
de amostragem estratificada multi-etapa (Ortzar e Willumsen, 2011, pag. 82), que
consiste em selecionar as categorias de acordo com sua representatividade na
populao, categorizar as zonas de acordo com estas categorias (marca-se cada zona
segundo a categoria mais frequente), selecionar aleatoriamente zonas de cada extrato,
considerando uma certa porcentagem da populao a entrevistar; e completar a
seleo com as zonas restantes em um processo iterativo que permita completar a
mnima quota de entrevistas estabelecidas para cada categoria.
Mediante este processo, na entrevista O-D de Santiago (2001), definiu-se um tamanho
de 1.312 domiclios, considerando 264 zonas e 14 categorias (por renda e posse de
automvel). Como o procedimento pode levar a amostragens muito grandes em
certas zonas, uma soluo melhor consiste em utilizar um processo de otimizao que
possa restringir a porcentagem mxima a se amostrar por zona (ver mtodo sugerido
por Ortzar, 2008, no Anexo 2). Desta forma, para o mesmo caso mencionado e
estabelecendo uma porcentagem mxima de domiclios a amostrar de 5%, o mtodo
implicava 1.683 entrevistas aplicadas em somente 27 zonas.
No obstante, como j se mencionou, recomendvel agregar mais duas categorias s
anteriores: tamanho do domiclio (ou um indicador da estrutura familiar) e ainda um
indicador da acessibilidade da zona onde est localizado o domiclio (isto pode ser
feito mediante sua distncia ao centro ou, o que mais indicado para regies
polinucleadas, uma medida de conectividade s redes de transporte de massa). Desta
forma, a quantidade de categorias a considerar pode ser maior que as j mencionadas
acima, chegando-se a totais que podem atingir 5.000 entrevistas (DICTUC, 2003).
Assim, as zonas em que se devero aplicar as entrevistas sero mais numerosas e
melhor repartidas na cidade, ainda que em nenhum caso seja necessrio entrevistar
cada zona considerada. Afortunadamente, neste caso pode-se contar com informao
disponvel de um censo realizado recentemente e o processo de seleo das zonas a
serem amostradas pode adaptar-se facilmente ao uso de setores censitrios dentro
dos distintos bairros.
Distribuio de viagens
J foi mencionado que no factvel construir uma matriz de viagens para um
zoneamento de tamanho razovel (superior a 100 zonas) mediante a coleta de
entrevistas em domiclios (por exemplo, para o caso de Santiago, considerando
somente 34 zonas, um nvel de preciso de 25% e 90% de confiana para o valor das
distintas clulas, seriam necessrias em torno de 75.000 entrevistas).
No obstante, mediante entrevistas em domiclios possvel obter uma boa
estimativa das extenses mdias das viagens, indicador que se pode utilizar para
elaborar distribuies de frequncia de extenso de viagens (trip lenght frequency
indicator: TLFD). Mediante as TLFD, por sua vez, possvel ajustar modelos de
distribuio gravitacional, que so os mtodos mais comumente utilizados para
simular os padres de viagens (Pearson et al., 1974, mostram como determinar TLFD
para distintos propsitos e os correspondentes coeficientes de variao).
Utilizando a expresso (1), mas a nvel de viagens em lugar de domiclios, e
considerando distintos tipos de viagem (por exemplo, baseados no domiclio, no
baseados no domicilio), tem-se computado totais de entrevistas que no superam 600
domiclios. No obstante, isto resulta vlido somente para cidades relativamente
pequenas, pois do contrrio tanto a extenso da viagem como sua variabilidade
diferem consideravelmente entre distintas zonas da cidade. Para contornar isso,
pode-se realizar categorizaes segundo um zoneamento agregado, ou simplesmente
garantir uma adequada repartio geogrfica da amostra total na cidade. De toda
forma, os totais necessrios sero menores que os condicionados pela etapa de
gerao, portanto no se espera que esse aspecto influa no tamanho da amostra, mas
sim impondo consideraes com relao distribuio geogrfica da amostra, e segue
sendo suficiente entrevistar somente algumas zonas do total da cidade.
Repartio modal
Usualmente se ajustam modelos de repartio modal (tipicamente modelos Logit)
diferentes para cada propsito de viagem. Neste caso no existem indicadores
simples, como os mencionados nas etapas anteriores, que condicionem o modelo e
possam ser obtidos diretamente mediante a ODD; estes tipos de modelos tampouco
contam com um mtodo estatstico para determinar tamanhos de amostra como os
apresentados anteriormente (devido ao fato de que normalmente so ajustados
mediante a mxima verossimilhana). No obstante, tamanhos amostrais de mais de
600 entrevistas so mais que suficientes para estes propsitos, sempre que se obtenha
um mnimo de observaes para os distintos extratos scios econmicos (alto, mdio
e baixo, por exemplo; Ortzar e Willumsen, 2011).
Outro indicador interessante pode ser a taxa de motorizao. Pode ser desejvel, por
exemplo, determinar um tamanho amostral que permita estimar a taxa de
motorizao para domiclios a nvel de bairros (com um nvel aceitvel de erro e para
um grau de confiana previamente especificado). Isto, que em princpio seguiria o
mesmo mtodo descrito anteriormente, implicaria em garantir um mnimo de
entrevistas (por exemplo, 30 para obter uma boa estimativa da mdia) para os
distintos bairros da cidade.
1.2. Entrevistas de interceptao
O custo de uma observao (uma viagem entre dois pontos) em uma entrevista de
interceptao consideravelmente menor que o de uma viagem em uma entrevista
domiciliar; um entrevistador pode completar facilmente 30 viagens em uma hora em
uma entrevista de interceptao, enquanto que em entrevistas domiciliares a taxa
pode ser de 1,0 a 1,3 domiclios por dia por entrevistador.
Para a seleo dos postos de contagem, devem ser distinguidos dois tipos de pontos
segundo sua relao com a rea de estudo: pontos perimetrais (cordo externo) e
pontos interiores. Os primeiros so simples de determinar, j que atendem
necessidade de interceptar viagens que entram e saem da rea de estudo (efetuam-se
entrevistas no cordo externo a rea de estudo, normalmente delimitada por um
nmero baixo de conexes). Neste caso fica somente o problema prtico de identificar
lugares apropriados para realizar a entrevista, especificar a frao da amostra a obter
em cada link, conceber e conduzir o questionrio correspondente. No obstante, uma
entrevista no cordo externo no suficiente para garantir a aquisio de informao
com qualidade para as matrizes de O-D internas a rea, j que somente capaz de
captar viagens que se originam ou tenham seu destino fora da rea de estudo. Por
isto necessrio conceber outras entrevistas (delimitando cordes internos, screen
line ou pontos singulares da rede), a fim de se interceptar tambm as viagens com
origem e destino dentro da rea de interesse.
Para estes pontos internos imprescindvel contar desde o princpio com uma rede e
uma matriz de viagens. Esta ltima pode ser uma matriz antiga, inclusive
considerada obsoleta, ou simplesmente uma matriz sintetizada a partir de um
modelo de distribuio.
Com estes elementos deve-se carregar a rede e fazer uma anlise dos pares de O-D
que utilizam os links onde potencialmente se poderiam fazer entrevistas de
interceptao. Isto pode ser feito em programas comerciais mediante a opo anlise
de links selecionados (selected link analysis, SLA). Ainda que a tcnica de SLA seja
relativamente fcil, muito poderosa na prtica. Consiste na possibilidade de
especificar (em um pacote de alocao) um ou mais links de interesse e extrair a
matriz de viagens que utiliza esses links. A tcnica foi desenvolvida inicialmente para
conhecer que pares de O-D seriam afetados, por exemplo, pelo fechamento ou
proibio de circular por um ou mais links. Mais adiante, seu uso foi estendido a
outras aplicaes muito prticas.
Pacotes como SATURN, por exemplo, permitem especificar vrios links para extrair
uma matriz que os utilize. Assim, se podem especificar links que constituam um
cordo ao redor de uma rea de interesse e a matriz que se extrai a correspondente
s viagens que cruzam o cordo. igualmente til identificar screen lines com esse
objeto. Pacotes como EMME/2 ou TRIPS permitem especificar estes links de forma
interativa na tela grfica que representa a rede. interessante destacar, todavia, que
sob condies estritas de equilbrio se produz uma certa ambiguidade com este
procedimento. Quando h equilbrio, os custos so nicos, mas as rotas usadas no o
so, isto , no esto completamente especificadas. Nestas condies, a maior parte
dos pacotes identificam um conjunto factvel de pares O-D e as propores que usam
os links selecionados. Entretanto, estritamente falando, possvel que outras
propores de viagem tambm satisfaam as condies especificadas.
Ento, interessa selecionar uma combinao de pontos de entrevista que permita
cobrir a maior parte da matriz de O-D (pares mais importantes) sem duplicaes
desnecessrias. Isto pode ser feito utilizando uma combinao de experincia,
intuio e mtodo sistemtico. Um procedimento heurstico simples que temos
desenvolvido em diversas cidades chilenas o seguinte (Valeze, 2002):
Carregar a matriz disponvel (tudo ou nada) na rede. Para comear, pode-se
fazer uma SLA de todos os sitios de entrevista do cordo externo, que so conhecidos,
e obter a matriz de viagens que cruza estes pontos. Subtrair da matriz total esta parte
da matriz. Isto permite eliminar as viagens que entram ou saem da rea.
Carregar a matriz restante (diferena) tudo ou nada. Os volumes resultantes
em cada link indicaro as quantidades provveis que todavia escapam de uma
observao completa (somente so estimados). Selecionar ento um certo nmero de
pontos adicionais de entrevista (por exemplo, cinco pontos), distantes entre si e que
aportem altos fluxos da matriz restante, fazer SLA destes pontos, extrair a matriz
resultante e subtra-la da matriz restante anterior.
Repetir o passo anterior at que resulte muito pouco valor na matriz restante,
ou seja, volumes baixos na rede quando esta se carregue com a ltima matriz
restante.
Outro critrio de parada pode ser dado pelo oramento disponvel para fazer
entrevistas, no obstante, deve-se ter presente que no caso de entrevistas de
interceptao, o custo marginal de uma entrevista baixo. Portanto, razovel
ignorar o custo de obter um tamanho amostral especfico em cada ponto a entrevistar.
Por outro lado, difcil justificar pontos de entrevista em lugares com menos de 150
veculos por hora (veculos, no viagens) em zonas urbanas, no obstante, poderiam
representar lugares de interesse que necessariamente requerem ser entrevistados.
Na ltima entrevista de origem destino aplicada em Santiago, um total de 150 pontos
de interceptao foi suficiente para captar mais de 475.000 entrevistas vlidas. Neste
caso, utilizou-se o mtodo da mxima verosimilhana do total de viagens observadas,
objetivando captar adequadamente todos os fluxos superiores a 100 viagens, em uma
matriz contendo 775 zonas. Cabe assinalar, finalmente, que a seleo de pontos para a
realizao de entrevistas de interceptao, deve realizar-se separadamente para cada
um dos tipos de veculos a considerar (veculos particulares, transporte pblico, etc).
Tamanho da amostra
O tamanho da amostra a entrevistar em uma ODI similar ao planejado para
entrevistas domiciliares. Neste caso, entretanto, as variveis de interesse so as
viagens entre os distintos pares O-D a nvel detalhado, que no caso de grandes
cidades envolve centenas de zonas. Para determinar o tamanho da amostra pode-se
utilizar a seguinte expresso (Ortzar e Willumsen, 2011, pg. 84-85):
(
)
(2)
Onde n o nmero de passageiros a entrevistar, a proporo de viagens com um
destino determinado, e o nvel aceitvel de erro (expresso em proporo), a
varivel Normal padro para o nvel de confiana requerido e o tamanho da
populao (fluxo observado de passageiros na estao de controle).
fcil ver que para , e dados, o valor de = 0,5 produz o valor mais conservador
(maior) de n; assim, tomando este valor e considerando e = 0,1 (isto um erro
mximo de 10%) e = 1,96 (corresponde a um nvel de confiana de 95%) pode-se
obter os tamanhos da amostra requeridos em funo do fluxo horrio que se
apresenta na Tabela 1.2.1
Tabela 1.2.1 - Tamanho da amostra em funo do fluxo
Fluxo horrio estimado
(passageiros/perodo) Tamanho amostral (%)
900 ou mais 10,0 (1 cada 10)
700 a 899 12,5 (1 cada 8)
500 a 699 16,6 (1 cada 6)
300 a 499 25,0 (1 cada 4)
200 a 299 33,3 (1 cada 3)
1 a 199 50,0 (1 cada 2)
1.3. Comentrios
As consideraes descritas neste documento so adequadas independentemente do
tamanho da cidade considerada, de fato, isto somente afeta o processo no sentido que
cidades menores possivelmente requerem um menor nmero de zonas para uma
representao adequada do ponto de vista espacial e que por outro lado sem dvida
mais simples coletar informao proveniente de entrevistas de interceptao na via,
ou de outra natureza, em cidades de menor tamanho e com menos problemas de
congestionamento. Em qualquer caso, os mtodos apresentados permitem uma
alocao de recursos eficiente de acordo com os propsitos tradicionais de uma
entrevista de origem destino.
2. ESTIMAO DAS MATRIZES DE VIAGEM
Para estimar matrizes de viagem recomenda-se um processo de estimao conjunta
que aproveite a informao de diferentes fontes tais como a ODD, ODI e as contagens
de trfego. O processo o seguinte (DICTUC, 2003):
Estimar matrizes separadas para cada propsito e fonte de informao (ODD e
ODI);
Combinar as matrizes ponderando os valores de cada clula em que existam
observaes conjuntas por seus ndices de disperso, segundo detalhamento
posterior;
Calibrar um modelo gravitacional com funo de custo discreta baseado na
entrevistas ODD;
Aplicar este modelo para preencher clulas vazias das matrizes combinadas;
Fazer uma ltima correo utilizando a informao adicional de contagens de
trfego nos links, corredores ou cordes, e screen lines.
Caso se possa contar com uma matriz anterior, neste caso a proveniente da
entrevista domiciliar do ano de 2003, factvel incluir esta matriz no processo de
combinao, realizando previamente um processo de atualizao. Dado que a matriz
disponvel antiga, devero ser retirados dela somente os pares de zonas cujo
comportamento seja considerado relativamente vigente.
Em seguida descrevem-se os mtodos de estimao da matriz de viagens para
as diferentes fontes e posteriormente o mtodo de estimao conjunta.
2.1. Entrevistas domiciliares
O processo de estimao de uma matriz de viagens a partir da informao de
domiclios consiste simplesmente em somar os registros de viagens de cada par O-D
que pertencem a categoria que se quer construir (renda, propsito ou perodo),
multiplicados pelos fatores de correo e expanso correspondentes.
Consideremos o caso geral de entrevistas onde exista informao do censo recente a
nvel de zona (Z) tal como a informao do nmero de domiclios classificados por
tamanho (H), pessoas classificadas por sexo e idade (P) e, consequentemente, o
nmero de domiclios existentes na rea de estudo. A estimao do nmero de
viagens entre as zonas i e j para uma certa categoria k ser dada por:
Onde:
o nmero de viagens das pessoas da categoria P, que pertencem aos
domiclios da classe H na zona Z;
e so os fatores de correo e
expanso correspondentes.
Entrevistas de interceptao
Neste caso recomenda-se utilizar modelos de coeficientes de expanso amostral, uma
vez que este procedimento elimina as complicaes derivadas do problema de
potenciais duplas contagens (Kuwahara e Sullivan, 1985)
Processo de estimao
Seja a matriz a estimar; o conjunto de pontos de entrevistas selecionados que
intercepta o par ; proporo de viagens do par que utiliza o link ;
as
viagens entre e j entrevistadas no ponto e a taxa de amostragem no link .
Ento, uma estimao de dada por
; entretanto existem mltiplos pontos de
entrevistas, portanto um melhor estimador obtido ao minimizar a soma ponderada
das diferenas da estimao direta de em cada link de interceptao. Ou seja, deve-se determinar mediante a seguinte minimizao:
(
)
(3)
Derivando com relao a e igualando a zero, obtm-se:
Portanto um bom estimador obtido isolando da expresso anterior, isto :
(4)
Note que como a segunda derivada da expresso (3) com relao a (
)
sempre um valor positivo, dado que os fatores so todos positivos, a expresso (4)
garante o mnimo. Notar tambm que o denominador igual a soma das propores
de cada par provenientes de todos os link entrevistados, isto diminue o erro de usar
os individualmente.
Consideraes prticas
No caso da ODI busca-se obter a maior e mais eficente cobertura possvel de todas as
viagens que tenham lugar na rea de estudo. Entretanto podem haver problemas
quando se trata de interceptar viagens pouco provveis e que por configurao da
rede, resulte muito ineficiente interceptar. Isto pode dar-se, por exemplo, quando se
conta com redes muito densas onde no possvel interceptar todas as viagens que
cruzam um determinado cordo. Por exemplo, se existem muitas ruas pequenas, cada
uma com pouco trfego, e que cruzam essa linha de interceptao.
Esta uma das razes pelas quais no possvel empregar frmulas definitivas sobre
tamanhos de amostra que permitam combinar diferentes fontes de informao. O
problema demasiadamente dependente da configurao da rede e das
(desconhecidas) matrizes reais.
No obstante, quando se trata de combinar informao sobre matrizes de viagens
obtidas de diferentes entrevistas de interceptao, podem-se aproveitar certas
propriedades estadsticas (mencionadas mais abaixo) para melhorar a qualidade da
estimao. Como j foi visto anteriormente, a probabilidade de interceptar uma
viagem em duas ou mais localidades de entrevista depende da rota escolhida por
aqueles que se deslocam entre essa origem e destino.
Para esta anlise til resumir os fatores de escolha da rota mediante a varivel pij
que contm a proporo das viagens entre i e j que passam pelo link a. Esta a
mesma varivel utilizada nos modelos de atualizao de matrizes a partir de
contagens de trfego. por isto que, em geral, o valor das entrevistas de
interceptao maior naquelas configuraes de zonas e rotas que permitem
expandir as matrizes sem requerer estimaes difceis das propores pij. Por tanto o
problema consiste em obter bons valores para os coeficientes de expanso e para a
conbinao de estimaes, e isto depende diretamente da qualidade dos dados
prvios e do modelo de simulao que se tenha disponvel para a rede da cidade.
2.2. Estimao da matriz combinada ODD ODI
A equao (5) define o ndice de disperso, que permite expressar alguma frmulas
de forma mais compacta (Var(x) a varincia de x e sua mdia).
(5)
Sabemos que a varincia da soma de duas variveis estatisticamente independentes
igual a soma de suas respectivas varincias. Esta propriedade especificamente til
neste caso pois, as vezes, se deseja combinar duas estimaes independentes da
mesma varivel com o objetivo de se obter uma estimao mais confivel. Por
exemplo, podem-se obter duas estimaes independentes da quilometragem mdia
dos automveis em uma cidade, uma baseada em contagens e a outra no consumo de
combustvel. Neste caso, pode-se demonstrar que o melhor valor combinado dado
pela equao (6) e que o ndice de disperso deste valor combinado ser dado pela
equao (7).
(6)
(7)
Para implementar o mtodo proposto anteriormente necessrio considerar diversos
aspectos na prtica:
a) Clculo das varincias e ndices de disperso
As observaes correspondentes a entrevistas domiciliares e de interceptao, podem
ser visualizadas como provenientes de uma amostragem aleatria simples sem
reposio. No caso de observaes de viagens de uma classe c particular (par O-D,
propsito, tipo de veculo, etc), a distribuio do nmero de viagens corresponde a
uma forma hipergeomtrica e a varincia do nmero de viagens desta classe ser
dada pela equao (8), e o seu ndice de disperso pode ser aproximado pela equao
(9).
(8)
(9)
Onde o nmero de viagens da classe , x = o nmero total de observaes
em todas as classes, e a taxa de amostragem no link ou zona . No caso da ODI, o
valor de obtido diretamente como o coeficiente entre as viagens entrevistadas nos
pontos de interceptao e o total de viagens nesses links.
b) Matriz consolidada
A estimao de matrizes origem destino tem, em geral, vrios problemas:
Os tamanhos das amostras para que as ODD forneam bons dados so
proibitivos.
Como as ODI no pegam todas as viagens relevantes, muitas clulas podem
ficar com valores zerados, seja porque impossvel interceptar estas viagens com a
estrutura de pontos de entrevista, ou por razes de amostragem.
As ODI podem contabilizar duas ou mais vezes um mesmo tipo de
deslocamento devido forma em que se configuram os pontos de entrevista no
campo.
Por outro lado, ao estimar matrizes usando dados de diferentes fontes existem trs
situaes que podem ocorrer na prtica:
A clula de uma matriz possui observaes nos dois conjuntos de dados e
. Neste caso deve-se estimar um valor nico que utilize a informao existente na
melhor forma, pode-se demonstrar que o melhor estimador do valor da clula ser
dado pela equao (10), e o ndice de disperso deste valor ser dado pela equao
(11).
{ } { } (10)
{ } { } (11)
A clula de uma matriz possui somente observaes em um conjunto de dados,
digamos a ODI com valor , e no tem observaes no outro. Neste caso a melhor
estimao com ndice de disperso .
A clula em questo no possui observaes em nenhum dos conjuntos de
dados. Neste caso o melhor estimador zero com ndice de disperso zero, mas isto
pode constituir um problema como se discutir adiante.
2.3. Clulas sem observaes
Quando se constroe uma matriz somente com entrevistas domiciliares, pode-se ter
que uma grande maioria das clulas no contenha informaes na amostragem. Desta
forma, ainda que seja possvel estimar ndices de disperso, no existiro estimaes
para os valores mdios.
Algo similar, porm em menor medida, ocorre com alguns pares O-D no caso da
ODI. Por exemplo, possvel no existir observaes ainda que, em princpio, o par
O-D deveria ter sido interceptado, devido a:
Para esse par a taxa amostral era pequena e o nmero de viagens a interceptar
tambm, ou
Simplesmente no foram realizadas viagens entre esse par de O-D no perodo
observado.
Por estes motivos, recomendvel combinar as matrizes que resultam de entrevistas
domiciliares e de entrevistas de interceptao usando os mtodos e varincias
descritas anteriormente. Porm, e em particular quando se est estimando matrizes
por modo, propsito ou perodo, mesmo depois desta operao, normalmente ainda
possvel encontrar numerosas clulas sem observaes.
Para resolver este problema existem dois enfoques interessantes:
Utilizar mtodos de estimao de matrizes a partir de contagens com um valor
inicial sinttico.
Utilizar diretamente valores sintticos para clulas vazias.
Em qualquer dos casos trata-se de obter os melhores valores para completar clulas
vazias. Numa primeira discusso deve-se considerar qual o tipo de modelo mais
apropriado para sintetizar matrizes e, logo, como corrigir finalmente as matrizes
obtidas para a rea de estudo. No Anexo 3 apresentam-se recomendaes sobre este
tema.
3. REFERNCIAS
Ampt, E.S. e Ortzar, J. D., 2004. On best practice in continuous large-scale mobility
surveys. Transport Reviews 24, 337-363.
DICTUC, 2003. Encuesta Origen-Destino de Viajes del Gran Santiago 2001. Informe
Final al Ministerio de Planificacin, Departamento de Ingeniera de Transporte,
Pontificia Universidad Catlica de Chile.
Kuwahara, M. e Sullivan, E., 1985. Estimating O-D matrices from roadside interview
survey data. Working Paper, Intitute of Transportation Studies, University of
californi, Berkeley.
Ortzar, J. D., Armstrong, P.M., Ivelic, A.M. e Valeze, C., 1998. Tamao muestral y
estabilidad temporal en modelos de generacin de viajes. Actas X Congreso
Panamericano de Ingeniera de Trnsito y Transporte, Santander, Espanha.
Ortzar, J. D. e Willumsen, L.G., 2011. Modelling Transport. 4th Edition, John Wiley
and Sons, Chichester.
Pearson, D.F. e outros, 1974. A procedure for estimation of trip length frequency
distributions. Texas Transportation Institute, Texas A&M University.
Smith, M.E., 1979. Design of a small sample home interview travel surveys.
Transportation Research Record 701, 29-35.
Stopher, P.R., 1982. Small-sample home-interview travel surveys: application and
suggested modificatins. Transportation Research Record 886, 41-47.
Valeze, C., 2002. Determinacion de puntos de interceptacion para la estimacin de
matrices de viajes. XII Congreso Panamenicano de Ingeniera de Trnsito y
Transportes. Quito, Equador.
Van der Zijpp, N. e Heydecker, B.G., 1997. On calibration of the gravity model. 25th
European Transport Forum, Brunel University, Inglaterra.
Willumsen, L.G., 1991. Origin-destination matrix: static estimation. En M.
Papageorgiu (Ed.), Concise Encyclopedia of Traffic and Transportation Systems, 315-
322, Pergamon Press, Oxford.
Passos para a definio do tamanho amostral, quando existem categorias.
1. Calcular coeficientes de variao (CV) modificados para cada categoria,
dividindo o desvio padro da varivel em cada clula (S) pela mdia geral da
populao (X). A classe com maior CV denomina-se clula crtica.
2. Calcular a frequncia de cada categoria na populao.
3. Multiplicar cada CV por sua correspondente frequncia; o resultado desta
multiplicao se denomina fator, e a soma destes fatores se denota C*.
4. Escolher o nvel de preciso e o intervalo de confiana, por exemplo, 5% de
erro e 90% de confiana.
5. Calcular F como
6. Multiplicar F pelo quadrado de C* e assim obter o tamanho amostral inicial
(timo); este corresponde ao tamanho da amostra requerido se for utilizada uma
amostragem estratificada.
7. Dividir cada fator por C*, obtendo assim o peso de cada categoria.
8. Multiplicar este peso pelo tamanho inicial timo, este o nmero de amostras
requeridas para cada categoria se for utilizar uma amostragem estratificada.
9. Multiplicar a frequncia de cada clula pelo tamanho inicial timo, este o
nmero de domiclios esperado para cada categoria se for tomada uma amostra
aleatria.
10. Determinar se existe diferena entre a amostra esperada e a calculada para a
clula crtica.
11. Se existe, amplificar o valor da amostra esperada de cada categoria pelo
quociente, pra a categoria crtica, entre a amostra obtida mediante este mtodo e a
esperada. A soma das quantidades obtidas representa a amostra aleatria total
requerida para cumprir com a clula crtica.
12. Se no existir diferena na categoria que tem o maior coeficiente de variao,
utiliza-se a amostra esperada.
Problema de minimizao proposto por Ortzar et al (1998):
Minimizar
{ } { }
Sujeito a
{ }
Onde a proporo de domiclios a entrevistar na zona (por exemplo, um
mximo de 5%), o nmero de domiclios de categoria na zona e a
amostra mnima aceitvel para cada categoria . Este mtodo facilmente extensvel a classes adicionais por consideraes espaciais (por exemplo, distncia ao centro) e
tambm pode ser utilizado para determinar o tamanho amostral para outros tipos de
variveis.
Modelos sintticos para estimar matizes
Existem muitos modelos sintticos que podem ser utilizados para estimar matrizes, e
vrios deles possuem anlises como em Ortzar e Willumsen (2011). No obstante,
dado que necessrio contar com uma familiaridade e uma capacidade de
interpretao razovel no uso destes modelos, o enfoque mais atraente o do modelo
gravitacional e seus derivados. Os modelos do tipo gravitacional podem ser
estimados estabelecendo o tipo de funo de custo que se considere mais apropriada.
Em particular, a funo discreta:
( )
(1)
Onde o valor da funo para o intervalo de custos , e igual a 1 se o custo
de viajar entre i e j est no intervalo m, e igual a 0 caso contrrio, a mais flexvel
destas funes. O fator de custos (como diminue o nmero de viagens potenciais com
os aumentos do custo generalizado dos mesmos) estimado para vrios intervalos de
custo; por exemplo, para 0 a 10, 11 a 20, 21 a 30, 31 a 45, 46 a 60, e mais de 60 minutos
de viagem. Como esta funo possui muitos parmetros, ela se ajusta muito bem, mas
pode estar super-especificada, no sentido de reproduzir exatamente peculiaridade
dos dados devido a erros de medio ou de outra natureza.
Uma possibilidade, ento, calibrar um modelo gravitacional deste tipo com o
objetivo de fornecer informaes para clulas vazias da matriz de viagens. Cabe
assinalar que deve ser calibrado um modelo diferente para cada propsito de viagem,
exceto no caso em que um ou mais propsitos tenham poucas informaes. Neste
ltimo caso, deve-se agrupar estas informaes, calibrar um modelo conjunto para
estes propsitos combinados e logo, se for necessrio, aplicar simplesmente
propores para distinguir os propsitos detalhados caso seja necessrio.
A melhor fonte de informao para calibrar estes tipos de modelos , por sua
natureza, a entrevista domiciliar. Esta contm viagens em todo o intervalo de
distncias e neste caso tem-se um interesse particular em poder modelar viagens
muito curtas (intrazonais) porque existem poucas observaes para elas.
Cabe assinalar que em alguns casos foi proposto o emprego de fatores de correo
para melhorar o ajuste desses tipos de modelos. Entretanto, a utilizao de fatores
em todas as clulas da matriz obviamente disvirtua totalmente o modelo, portanto
deve-se aplicar fatores deste tipo somente a um conjunto limitado de setores ou pares
O-D a fim de refletir associaes que no podem ser explicadas pela distncia e as
viagens totais atradas e geradas: por exemplo, quando uma empresa constroe um
setor residencial completo para seus empregados.
Existem numerosos mtodos para calibrar modelos gravitacionais a partir deste tipo
de informao. Particularmente interessante o mtodo discutido por Van Zijppe e
Heydecker (1997), baseado em tcnicas de mxima verossimilhana. Sua vantagem
que o mtodo permite calibrar modelos com distintas funes de custo e tambm
incorporar restries que representam a informao contida em contagens de trfego
e/ou cordes e screen lines.
Na prtica, a forma de calibrar o modelo depender do pacote computacional
disponvel. O modelo discutido aqui pode ser calibrado utilizando um mecanismo
tri-proporcional (Ortzar e Willemsen, 2011), que para casos simples pode ser
programado inclusive em Excel. Outros modelos requerem programas mais
sofisticados como os disponveis no SATURN-SATCHMO, EMME/2, TransCAD e
TRIPS.
Finalmente, cabe assinalar que as matrizes combinadas, por natureza, podem
representar uma superestimao das viagens do sistema. por isso que se faz
indispensvel validr-las (e eventualmente corrig-las) contrastando-as com
contagens totais em cordes de screen lines, como ser discuitido na seo seguinte.
Emprego de contagens de trfego
A prtica de usar contagens de trfego para atualizar ou simplesmente melhorar
matrizes bastante comum. Para uma reviso global deste tipo de metodologias,
pode-se consultar Willumsen (1991). A seguir so destacados alguns aspectos prticos
de relevncia:
As contagens de trfego no distinguem as categorias de usurios ou
propsitos de viagem e, portanto, somente podem ser utilizadas para atualizar ou
melhorar a estimao de matrizes se for possvel contar com um bom pacote
computacional que permita sua estimao conjunta. Neste sentido, importante que
as ODD e ODI tenham a mesma definio de categorias e propsitos, de modo que ao
usar contagens preservem-se as propores para ambas as dimenses das matrizes
combinadas. Cabe destacar que isto pode definir um espao de solues factveis, em
cujo caso deve-se procurar preservar tanto quanto seja possvel as categorias originais
definindo uma matriz a priori que as contenha. Isto exige uma pequena mudana de
notao e trabalho adicional, mas no um problema muito complicado.
As contagens de trfego podem ser muito teis para obter matrizes para
diferentes perodos, por exemplo, segmentos de meia hora de durao durante um
perodo de pico de trs horas.
TRIPS, SATURN, EMME/2 e Trans CAD possuem rotinas especficas para
realizar esta estimao e atualizao de matrizes, porm com diferentes graus de
sofisticao e refinamento.
A utilizao destes modelos em sua forma tradicional requer muita confiana
na estimao dos fatores pij. Uma maneira de reduzir a dependncia da exatido
destes fatores, agrupar contagens em screen lines ou corredores que reduzam a
possibilidade de erros no mecanismo de seleo de rotas. Pacotes como TRIPS
permitem isto de forma natural (EMME/2 e SATURN tambm, mas com alguma
dificuldade).
O processo de estimao de matrizes a partir de contagens tem a virtude de
eliminar os ltimos elementos de contagem dupla que poderiam ter escapado no
processo de expanso de matrizes (por razes apontadas anteriormente).
Existe sempre o perigo que o emprego destas tcnicas possa servir para ocultar
erros de base (redes no muito bem calibradas e matrizes inicialmente com um alto
nvel de erro) e produzir modelos que estejam aparentemente bem condicionados.
Isto deve-se ao fato de que a tcnica tende a produzir matrizes que se ajustem bem a
rede e suas contagens disponveis. Por isto recomenda-se sempre reservar ao menos
5% das contagens para validar as matrizes e redes.
Este tipo de modelo somente deve ser utilizado na etapa final do processo de
estimao de matrizes, para fazer as ltimas modificaes. Por exemplo, no dever
ser necessrio realizar mais de dez iteraes na estimao de matrizes com mtodos
multi-proporcionais no SATURN.
Alguns pacotes de computador permitem fixar facilmente partes da matriz de
maneira que esta no sofra correes a partir das contagens de trfego. Isto muito
til j que permite deixar congeladas aquelas partes das matrizes que esto realmente
observadas.
ANEXO 2
Ofcio PDTU/22-2011 Rio de Janeiro, 20 de setembro de 2011. Il.mo Sr. Heraldo Magioli Mendes CENTRAL - Companhia Estadual de Engenharia de Transportes e Logstica Av. N.S de Copacabana, 493/309 Copacabana - RJ
Ref.: Parecer Tcnico Consultor Especial PDTU 2011
Prezado senhor,
Pela presente, entregamos, em mos, uma via impressa do parecer tcnico solicitado
pela fiscalizao e elaborado pelo Eng. Fernando Mac Dowell, Prof., Dr.
O Consultor Especial d parecer favorvel adoo da metodologia descrita no paper
apresentado pelo Prof. Juan de Dios Ortuzar, PhD, do Departamento de Engenharia da
Universidade Catlica do Chile, intitulado Definiciones Metodologicas Encuestas
Origem Destino de 16 de junho de 2011.
Solicitamos, portanto, anlise e aprovao para que possamos dar sequncia
montagem das pesquisas de origem e destino domiciliares e complementares, to logo
os dados socioeconmicos do Censo 2010 estejam disponveis e o zoneamento possa
ser ajustado ao mesmo Censo.
Colocamo-nos disposio de V. S. para quaisquer esclarecimentos necessrios.
Atenciosamente,
Willian Alberto de Aquino Pereira
ENG. FERNANDO MAC DOWELL, PROF., Dr.
1
A SINERGIA
ATT. Eng. WILLIAM DE AQUINO Msc.
ASSUNTO: PDTU/2011 PARECER TCNICO sobre o Paper apresentado
pelo Prof. JUAN de DIOS ORTUZAR, PhD, do DEPARTAMENTO de ENGENHARIA
da UNIVERSIDADE CATLICA DO CHILE, intitulado DEFINICIONES
METOOLGICAS ENCUESTRAS ORIGEM DESTINO de 16 DE JUNHO DE 2011.
Rio de Janeiro, 20/08/2011.
Prezado Senhor,
Atendendo solicitao de VSA, conforme reunio realizada em 11 de Agosto de 2011 segue o PARECER TCNICO CONCLUSIVO em epgrafe.
O paper do Professor Juan Ortuzar, PhD se apresenta no s bem estruturado, mas claro no tocante ao desenvolvimento tcnico da metodologia por ele sugerida para aplicao na nova verso do PDTU/2011 semelhana da que foi utilizada na elaborao do PIT-METR (Plano Integrado de Transporte) em 1977.
Vale dizer, trabalhar com os sistemas atuais de transporte de massa concedidos iniciativa privada na Regio Metropolitana, portanto com as respectivas matrizes de Origem e Destino e correspondentes dados dos perfis socioeconmicos dos usurios das redes metroviria, ferroviria e aquaviria.
Para o transporte individual deve-se aproveitar a estrutura do DETRAN-RJ nas reas de vistoria na Regio Metropolitana e realizar ampla pesquisa aleatria, nos moldes feitos tanto na poca do PIT, quanto em 1996 e 1997 respectivamente no Rio e nos demais municpios da Regio Metropolitana, atravs do DETRAN-RJ coordenada pela Subsecretaria de Estado de Infraestrutura.
Quanto ao sistema de transporte coletivo por nibus que hoje j no o principal meio de transporte do Rio, pois continua perseverantemente em declnio atingindo a demanda mdia diria anual de 2,3 milhes (840,7 milhes/ano) com suas 925 linhas e frota de 8226, em que pese demanda em 1982 fosse de 1,291 bilho de passageiros transportado, portanto h 28 anos em 360 linhas e, frota de 6048 nibus convencional.
A prpria formulao matemtica apresentada por Ortuzar, para a determinao do tamanho da amostra a mesma utilizada no PARECER TCNICO desenvolvido pelo Autor (Mac Dowell) no Parecer tcnico elaborado para o Banco Mundial na poca da realizao do PDTU/2003 sobre o tema.
ENG. FERNANDO MAC DOWELL, PROF., Dr.
2
Nessa ocasio o Consrcio de Empresas responsvel pela elaborao do PDTU/2003 deu nfase a Pesquisa Domiciliar definindo o tamanho da Amostra em 35 mil entrevistas para 485 zonas de trfego correspondente a uma Matriz de Viagens com 235.225 clulas
O zoneamento adotado nessa oportunidade com 485 zonas de trfego, 343 encontram-se no Municpio do Rio de Janeiro e 143 para os demais municpios da Regio Metropolitana (RMRJ).
Essa amostragem atravs das 35 mil entrevistas domiciliares para o PDTU/2003, quando foram aplicadas Matriz 132x132 (17.424 clulas) de origem e destino das viagens em automvel entre 132 dos 160 bairros da Cidade do Rio de Janeiro apresentou 83,9% clulas vazias.
No tocante ao transporte coletivo, que representava 71% das viagens entre 132 dos 160 bairros da cidade do Rio de Janeiro identificado nessa mencionada Pesquisa Domiciliar a Matriz correspondente as viagens em transporte coletivo resultaram em 35% de clulas vazias da matriz de coletivo.
Na sequncia a representao grfica das funes que fornecem a variao do tamanho da amostra para diferentes universos e nveis de confiana.
Considerando:
NVEL DE CONFIANA.
Que a probabilidade (P) de acerto que a estimativa possui, podendo ser fixada geralmente como, 90% ou, 95% ou, 99% ou ainda, 99,99%.
INTERVALO DE CONFIANA
Na sequncia, computa-se o erro absoluto (abs) que dever ser somado e subtrado do valor da estatstica da amostra.
Tal erro denominado erro de amostragem, ou erro mximo permissvel da estimativa (abs).
Por sua vez, o erro de estimao depende da Probabilidade de Confiana (P) arbitrada.
Os valores limites do intervalo de estimao (-z e +z) se obtm da curva normal reduzida como mostrado a seguir.
ENG. FERNANDO MAC DOWELL, PROF., Dr.
3
NVEL DE SIGNIFICNCIA
Quando se fixa o nvel de confiana fica automaticamente estabelecido um nvel de significncia () uma vez que (+P=1).
Como o intervalo de confiana simtrico em torno do parmetro o nvel de significncia fica distribudo (/2) para cada lado
.
ENG. FERNANDO MAC DOWELL, PROF., Dr.
4
ENG. FERNANDO MAC DOWELL, PROF., Dr.
5
Atenciosamente,
ENG. FERNANDO MAC DOWELL, PROF., Dr. DOCENTE LIVRE EM ENGENHARIA-UFRJ
IDENT. 16 679 - D CREA-RJ 5a REGIO
IBAMA: REGISTRO No 362.918
ANEXO 3
Parecer Tcnico do Notvel Dr. Fernando Mac Dowell Maro de 2012
ANEXO 4
(CD ANEXO)
Arquivo: Anexo 4 Revisado - Amostra Pesquisa Domiciliar.xlsx
ANEXO 5
(CD ANEXO)
Arquivo: Anexo 5 - postos_screen_.kmz
ANEXO 6
(CD ANEXO)
Arquivo: Anexo 6 - Descrio dos Pontos de Interceptao.xlsx
ANEXO 7
(CD ANEXO)
Arquivo: Anexo 7 - Mapas de Localizacao dos pontos de interceptacao.pptx
ANEXO 8
(CD ANEXO)
Arquivo: Anexo 8 - Programa de Execuao da 1 e 2 semanas.xlsx