0
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA
MESTRADO EM ENGENHARIA AMBIENTAL URBANA - MEAU
DAIANE CASTRO BITTENCOURT
AVALIAÇÃO ESPACIAL DE OCORRÊNCIAS DE ROUBO
NO TRANSPORTE COLETIVO URBANO POR ÔNIBUS
SALVADOR
2014
1
DAIANE CASTRO BITTENCOURT
AVALIAÇÃO ESPACIAL DE OCORRÊNCIAS DE ROUBO
NO TRANSPORTE COLETIVO URBANO POR ÔNIBUS
Projeto de Pesquisa apresentado ao Programa de
Pós-Graduação em Engenharia Ambiental
Urbana da Universidade Federal da Bahia como
requisito parcial para obtenção do título de
Mestre.
Grande Área: Gestão do Território e Sistemas
de Transportes
Área de Concentração: Modelagem para
planejamento urbano e de transportes
Orientador: Juan Pedro Moreno Delgado
Co-orientadora: Cira Souza Pitombo
SALVADOR
2014
2
LISTA DE FIGURAS
Figura 01: Feições principais de um variograma...........................................................16
Figura 02: Fluxograma metodológico............................................................................24
Figura 03: Mapa de localização do município de Salvador na Bahia............................25
Figura 04: Mapa de Salvador com bairros que não serão considerados na pesquisa.....26
Figura 05: Mapa de quantidade de roubos a ônibus por bairro em Salvador, 2013.......28
Figura 06: Mapa de densidade de roubo a ônibus por Hectare em Salvador, 2013.......29
Figura 07: Mapa de pontos de centróides com roubos a ônibus em Salvador, 2013.....30
Figura 08: Mapa Kernel de ocorrências de roubo a ônibus em Salvador, 2013.............31
3
LISTA DE GRÁFICOS
Gráfico 01: Distribuição das ocorrências de roubo a ônibus por mês em Salvador,
2013.................................................................................................................................26
Gráfico 02: Distribuição das ocorrências de roubo a ônibus por mês em Salvador,
2013.................................................................................................................................26
4
LISTA DE TABELAS
Tabela 01: Ocorrências de roubo a ônibus urbano em Salvador – 2012 a 2014............25
5
LISTA DE ABREVIATURAS
CONDER - Companhia de Desenvolvimento Urbano do Estado da Bahia
GEOMS - Geostatistical Modelling Software
IBGE - Instituto Brasileiro de Geografia e Estatística
KO - Krigagem Ordinária
KDE - Krigagem por Deriva Externa
RLM - Regressão Linear Múltipla
SEI - Superintendência de Estudos Econômicos da Bahia
SIG - Sistema de Informação Geográfica
SGE - Sistema de Gerenciamento Estatístico
SPSS - Statistical Package for the Social Sciences
SSP - Secretaria da Segurança Pública
TRANSALVALDOR - Superintendência de Trânsito e Transporte de Salvador
UFBA - Universidade Federal da Bahia
VR - Variável Regionalizada
6
SUMÁRIO
RESUMO ..................................................................................................................................... 7
1. INTRODUÇÃO ....................................................................................................................... 8
2. PROBLEMA DE PESQUISA .............................................................................................. 10
3. HIPÓTESES .......................................................................................................................... 10
4. OBJETIVOS .......................................................................................................................... 11
4.1 Geral: ..................................................................................................................................... 11
4.2 Específicos: ........................................................................................................................... 11
5. JUSTIFICATIVA .................................................................................................................. 11
6. REVISÃO BIBLIOGRÁFICA ............................................................................................. 12
6.1 Análise espacial e Geoestatística ........................................................................................... 12
6.2 Planejamento de transporte e geoestatística .......................................................................... 16
6.3 Roubo no transporte coletivo urbano por ônibus .................................................................. 18
7. MÉTODO ............................................................................................................................... 20
7.1 Área de estudo ...................................................................................................................... 23
8. RESULTADOS PRELIMINARES ...................................................................................... 25
9. CRONOGRAMA DE ATIVIDADES .................................................................................. 31
10. REFERÊNCIAS BIBLIOGRÁFICAS .............................................................................. 32
7
RESUMO
A redução da qualidade do serviço de transporte público provocada pelas ocorrências de
roubo a ônibus ocasiona nos usuários a sensação de insegurança, o que contribui para
um aumento na procura de outros modos de transporte, comprometendo, assim, a
mobilidade sustentável. Desta forma, esta pesquisa visa analisar o crime de roubo a
ônibus no transporte público, considerado um dos fatores mais importantes para a
qualidade do serviço de transporte. Pretende-se avaliar particularmente o padrão de
distribuição espacial dos roubos a ônibus na cidade de Salvador-BA, focalizando os
itinerários, períodos do dia e sazonalidade em que este fenômeno ocorre com maior
intensidade, visando identificar eventuais áreas de intervenção para a aplicação de
políticas públicas. Para tanto, serão utilizados dados sociodemográficos e do meio
ambiente construído, bem como dados das principais rotas do transporte coletivo em
Salvador e informações acerca de atividades e contingente de policiais por bairro para
identificação dos fatores que estão mais associados com o padrão de distribuição
espacial de roubo a ônibus. Os dados sociodemográficos serão obtidos através do
CENSO 2010 realizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), e os
dados referentes ao contingente policial serão disponibilizados pela Secretaria da
Segurança Pública da Bahia (SSP-BA), fonte também dos dados de roubo a ônibus
mencionados anteriormente. As análises serão realizadas a partir da aplicação de
técnicas estatísticas e geoestatísticas, como regressão linear múltipla e krigagem,
respectivamente. Os locais críticos identificados como resultado da estimação serão
avaliados adicionalmente visando uma maior compreensão dos fatores associados a este
padrão de distribuição de ocorrências de roubo a ônibus. Desta forma, através do
desenvolvimento deste projeto pretende-se contribuir com uma análise diferenciada
sobre violência no transporte público por ônibus em Salvador, uma vez que a utilização
da geoestatística, juntamente com outras técnicas de análise espacial pode proporcionar
um melhor entendimento deste tema bastante complexo, possibilitando a interpretação
dos resultados e análise de padrões espaciais. Os resultados deste projeto poderão servir
como suporte para tomada de decisão e planejamento de políticas públicas que visem
proporcionar maior segurança no transporte público de Salvador e, por conseguinte, o
fortalecimento da mobilidade sustentável na cidade.
8
1. INTRODUÇÃO
A violência no transporte público é um tema diretamente relacionado à
Engenharia Urbana e de Transportes, pois afeta a produtividade e a qualidade dos
transportes das cidades e a gestão adequada do transporte público urbano. Ferraz e
Torres (2004) corroboram com essa relação, pois consideram a segurança um dos
critérios que afetam principalmente a qualidade do transporte público por ônibus,
abrangendo os acidentes durante o deslocamento e atos de violência.
Parasuraman et al. (1985) enumeraram dez aspectos fundamentais na qualidade
em serviços, entre esses a segurança. Este fator, ainda segundo os autores supracitados,
refere-se ao nível de perigo, risco ou dúvida durante o transporte, abrangendo, desta
forma, o risco de roubo.
A qualidade no transporte público passou a ser entendida, a partir dos anos 90,
no contexto dos parâmetros da qualidade pela visão do usuário, ou seja, deixou de ser
analisada no campo operacional para contemplar as expectativas do usuário e
necessidades dos cidadãos em relação ao transporte público. Assim, a qualidade, além
de ser um parâmetro quantitativo, passa a ser considerado também qualitativo, pois
envolve a satisfação do uso (BERTOZZI & LIMA JR, 1998).
A redução da qualidade do serviço de transporte público provoca uma maior
procura pelo uso do automóvel e outros modos de transporte individuais, contribuindo
para uma cidade cada vez menos sustentável. As conseqüências desse problema são
facilmente percebidas pelo aumento de veículos nas vias, muitas vezes transportando
apenas uma pessoa, acarretando no aumento de congestionamentos e elevação no tempo
de viagem. O congestionamento é visto com um dos principais fatores que prejudicam a
qualidade de vida das pessoas e eficiência do sistema de transporte (BANISTER, 2008).
A mobilidade sustentável não visa proibir o uso do automóvel e outros modos de
transportes individuais, mas sim proporcionar uma cidade com alta qualidade de
mobilidade e acessibilidade, num nível adequado para que a maioria das pessoas não
necessite do carro para se transportar (BANISTER, 2008). Desta maneira, deve haver
uma valorização do transporte público em relação ao transporte individual motorizado,
proporcionando qualidade e eficiência, de acordo com as necessidades de mobilidade da
população. Isso envolve uma melhora na segurança relacionada ao sistema de transporte
9
público, principalmente na redução de roubo a ônibus, como uma dos fatores que afeta a
qualidade do serviço.
O roubo a ônibus urbano, geralmente apresenta um padrão de distribuição
espacial, o que justifica a utilização de técnicas de geoestatística em estudos que
consideram esta temática, objetivando aprimorar as análises tendo por atributo adicional
a localização geográfica destes eventos. Essa distribuição espacial está muitas vezes
relacionada às características sociodemográficas, do meio ambiente construído e do
ambiente físico. Isso porque o sítio geográfico, o padrão de ocupação do solo urbano, as
características demográficas e da demanda por transporte público facilitam a ação e
evasão desse tipo de crime.
Gomes (2005) ressalta que a cidade se tornou um lugar perigoso, inseguro,
repartido e fragmentado, diferente do seu objetivo na origem da humanidade, que era de
proteger os cidadãos. Assim, a violência constrange a população e impede direitos
fundamentais, como o direito de ir e vir. A violência é um problema bastante complexo
e necessita de estudos com diferentes abordagens para investigação.
Contudo, observa-se na literatura que as técnicas geoestatísticas ainda são pouco
utilizadas em trabalhos que realize uma análise espacial de crimes. No entanto, essas
técnicas têm sido propostas em estudos de diferentes áreas da ciência, principalmente
em geociências, geologia, hidrologia, agricultura, entre outras, e mais recentemente nas
ciências sociais, pois possibilitam resultados mais precisos considerando o atributo
espacial dos dados.
As consequências do problema de insegurança no transporte público têm
rebatimento direto na questão da mobilidade urbana, uma vez que, devido aos grandes
números de roubos e outros delitos em ônibus, sempre que possível o cidadão busca
outros meios de transportes - muitas vezes não sustentáveis - gerando um deslocamento
cada vez menos eficaz para todos. Desta forma, as consequências atingem toda a
sociedade, não somente àqueles que utilizam transporte coletivo. Outros tipos de danos
causados pelo roubo em transporte coletivo estão relacionados com as perdas materiais,
e até mesmo o risco de morte que ficam submetidos aqueles que se encontram no
interior ou próximo aos ônibus, no momento do roubo. Isso porque, na maioria das
vezes, os roubos são realizados por indivíduos portando armas de fogo. Nesse sentido,
Paes-Machado e Levenstein (2002) corroboram afirmando que os roubos em ônibus
10
urbanos podem provocar lesões fatais e não fatais, medo e conflitos de identidade, além de
tensões com os passageiros e conflitos trabalhistas no que tange ao pagamento do prejuízo.
2. PROBLEMA DE PESQUISA
O roubo a ônibus urbano é influenciado, dentre outros fatores, pelas
características da estrutura urbana, tais como infraestrutura urbana, rotas\itinerários do
transporte público, características do meio ambiente construído, sociodemográficas e
características do espaço público. Desta forma, se configura como um fenômeno que
apresenta influência de fatores espaciais, dentre outros, possibilitando uma abordagem a
partir de análise espacial.
No entanto, observa-se na literatura uma ausência de metodologia baseada numa
abordagem espacial para análise dos fatores que possuem uma expressão territorial
associados ao roubo a ônibus urbano. Assim, a inserção de técnicas de
geoprocessamento e de geoestatística pode aprimorar as análises através do uso de
coordenadas geográficas, e possibilita uma compreensão dos fatores espaciais
relacionados.
3. HIPÓTESES
Parte-se da hipótese que, por apresentar uma dimensão espacial, a distribuição das
ocorrências de roubo a ônibus pode contribuir para a identificação de eventos ou rotas
de ônibus que representam um maior risco potencial para ocorrência deste delito.
Além disso, existem espaços geográficos e períodos mais propensos para a
ocorrência do roubo a ônibus, estes relacionados às características do próprio ambiente
físico, à rotina do transporte, rotas de fugas, entre outros fatores relacionados que são
identificados na literatura sobre o tema.
Desta forma, acredita-se que o roubo a ônibus tem seu padrão de distribuição
espacial associado às rotas de fuga e à certeza de impunidade nos locais desprovidos da
proteção do estado, que pode ser representado pela presença das forças e unidades de
11
segurança pública como, por exemplo, a presença de policiamento em determinados
espaços.
4. OBJETIVOS
4.1 Geral:
Analisar a criminalidade no transporte público a partir do estudo da distribuição
espacial de roubos a ônibus em Salvador – BA.
4.2 Específicos:
Avaliar o padrão de distribuição espacial dos roubos a ônibus com uso de
técnicas de geoestatística, focalizando particularmente os itinerários, períodos do
dia e sazonalidade, visando compreender o seu relacionamento com outros
fatores geográficos.
Identificar eventuais áreas críticas visando à intervenção mediante aplicação de
políticas públicas.
5. JUSTIFICATIVA
Esta pesquisa se insere na área temática iniciada no Departamento de
Transportes da Escola Politécnica da Universidade Federal da Bahia (UFBA), relativa
ao uso de geoestatística e análise espacial por geoprocessamento para modelagem de
planejamento urbano e de transporte. Tal projeto une o uso de técnicas espaciais ainda
pouco exploradas em estudos sobre criminalidade no transporte público,
especificamente na análise da violência envolvendo o roubo a ônibus urbano, como a
krigagem por deriva externa, a qual se configura como uma das possibilidades da
geoestatística.
Assim, a temática da violência em transporte é bastante complexa e importante,
pois compromete o direito de mobilidade e bem-estar dos cidadãos, gerando
insegurança na população. Tendo como base a mobilidade sustentável, este projeto
12
justifica-se pela necessidade de estudos sobre a violência no sistema de transporte
coletivo, pois este representa um dos fatores que geram a redução da qualidade do
transporte público, o que provoca o aumento do uso de modos de transportes
individuais, muitas vezes não sustentáveis. Logo, as diversas abordagens sobre este
tema são importantes, se inserindo nesse contexto o potencial das ferramentas de análise
espacial.
Por isso, o uso de técnicas de análise espacial de dados em temas como este, que
apresenta uma expressão territorial, se faz imprescindível, uma vez que esta ferramenta
possibilita a espacialização dos dados através da quantificação, qualificação e
localização, além de proporcionar o relacionamento com outras variáveis espaciais na
análise dos fenômenos (FRANCISCO FILHO, 2004).
6. REVISÃO BIBLIOGRÁFICA
6.1 Análise espacial e Geoestatística
A análise espacial de dados é um conjunto de técnicas que buscam descrever os
padrões existentes nos dados espaciais e estabelecer, preferencialmente de forma
quantitativa, os relacionamentos entre as diferentes variáveis geográficas (CARNEIRO
E SANTOS, 2003). Neste contexto, os dados espaciais são definidos por Câmara et al.
(2004) como quaisquer dados que possam ser caracterizados no espaço, em função de
algum sistema de coordenadas.
Desta forma, a análise espacial permite descrever a distribuição das variáveis de
estudo, identificar observações atípicas, e buscar a existência de padrões na distribuição
espacial. Câmara et al. (2004) afirmam que a maior parte das ocorrências, sejam essas
naturais ou artificiais, apresentam entre si uma relação que depende da distância. Daí
surge o conceito de dependência espacial. A partir desse conceito, tem-se o conceito de
autocorrelação espacial que é definido como a expressão computacional do conceito de
dependência espacial. A autocorrelação espacial corresponde à medida de correlação
realizada com a mesma variável aleatória, medida em locais distintos do espaço.
13
Estes conceitos baseiam-se na afirmação de Waldo Tobler na década de 70 de
que “todas as coisas são parecidas, mas coisas mais próximas se parecem mais que
coisas mais distantes”, o que significa que coisas mais próximas no espaço tendem a
possuir valores mais similares, possibilitando a correlação de atributos (CARNEIRO E
SANTOS, 2003).
Neste contexto se inserem as técnicas de geoestatística, as quais consideram a
dependência espacial entre as amostras, através da utilização dos valores da localização
espacial das mesmas. A partir de técnicas de geoestatística é possível identificar a
estrutura da variância, proporcionando conhecer aspectos que não estariam disponíveis
através de outros métodos.
O primeiro autor que discutiu e utilizou o termo geoestatística foi o engenheiro
francês Matheron (1963), que analisou os princípios dessa técnica e propõe o conceito
de variáveis regionalizadas, a qual fornece a dependência espacial a partir da distância,
pois considera a localização geográfica dos dados, e também introduziu a noção de
variograma.
No entanto, o pesquisador Daniel Krige já havia iniciado, na década de 1950,
estudos sobre dados relacionados às atividades em minas de outro na África do Sul,
propondo o uso de geoestatística para avaliação de jazidas minerais, pois identificou a
necessidade de considerar a distância entre as observações. Desta forma, a origem da
geoestatística ocorreu na escola sul-africana, que iniciou os estudos sobre correlações
espaciais e problemas de erros de estimação (ANDRIOTTI, 2003). Representou um
avanço nos estudos da época, uma vez que se começa a identificar a necessidade de
analisar os fenômenos espaciais de forma mais adequada, passando a utilizar técnicas de
geoestatística, já que a estatística tradicional não considera o atributo espacial dos dados
em análise, impossibilitando um estudo mais completo do fenômeno.
Em 1971 foi publicada uma revisão da obra do francês Matheron realizada por
Watson, G., em que o método de krigagem - que representa um dos aspectos
fundamentais para a aplicação da geoestatística - foi explicado de forma intuitiva, bem
como foram destacados os problemas estatísticos existentes. O termo krigagem
homenageia Daniel Krige, que desenvolveu os primeiros estudos relacionados à
geoestatística.
14
A partir de então, surgem diversos estudos com aplicação de técnicas de
geoestatística, principalmente na área de geologia (DE GEOFFROY & WIGNALL,
1972; DREW, 1977; KLINGE, 1971; SINCLAIR & WERNER, 1978), e em 1977 foi
publicado um estudo na área de hidrologia (TORELLI & TOMASI, 1977), bem como
uma aplicação em petróleo e gás em 1978 (BAROUCH & KAUFMAN, 1978).
Os conceitos básicos para a modelagem geoestatística estão descritos com maior
detalhamento nas subseções a seguir:
a. Variável Regionalizada (VR)
Essa técnica destaca a importância das relações espaciais presentes entre as
observações que constituem a amostra. O termo regionalizado refere-se ao fato de os
valores das observações em análise não serem totalmente independentes, pois têm
influência a partir de sua localização geográfica (ANDRIOTTI, 2003). Logo, um valor
elevado apresenta maior probabilidade de ter outro valor elevado em sua proximidade
do que um valor baixo.
Podem ser destacados dois aspectos contraditórios das VR: o aspecto aleatório e
estruturado dos fenômenos. É aleatório pela possibilidade que os valores apresentam de
variar consideravelmente entre si (ANDRIOTTI, 2003). É estruturado na medida em
que apresenta as correlações que existem entre os diversos pontos onde ocorre o
fenômeno (SOUSA e MUGE, 1990).
b. Variogramas
A modelagem do variograma se constitui como a etapa principal da análise
geoestatística, pois sintetiza a informação sobre a estrutura espacial do fenômeno,
possibilitando a descrição dos padrões espaciais. Logo, o variograma apresenta a
estrutura do fenômeno em estudo através da medição das relações estatísticas.
A seguir a descrição de parâmetros essenciais para análise do variograma
(Figura 01), de acordo com Andriotti (2003):
Amplitude ou alcance (a): corresponde à distância a partir da qual as amostras
são independentes, ou seja, em que não há mais correlações espaciais. Desta
forma, o alcance separa o campo estruturado (onde há correlações) da zona
aleatória (caracterizado pela independência das amostras).
15
Patamar (Co+C): identifica o ponto em que o variograma se estabiliza,
geralmente em torno de uma variância máxima.
Efeito Pepita (Co): representa a origem do variograma, onde toca o eixo y. Ao se
verificar valores elevados de efeito pepita, pode-se depreender que são gerados
mapas mais suavizados.
Figura 01: Feições principais de um variograma.
c. Krigagem
A partir da krigagem, a geoestatística pode predizer valores em locais não
amostrados, bem como fornece uma estimativa do ponto com uma medida de
acuracidade. Apresenta como um de seus objetivos a minimização dos erros que estão
relacionados a uma estimativa. Há, então, uma ponderação das amostras, o que
geralmente reduz os erros de excesso, sendo essa a principal vantagem da krigagem
(ANDRIOTTI, 2003).
A krigagem gera uma suavização, por isso, não há certeza de que o mapa
interpolado utilizando essa técnica tenha os mesmos variograma e variância dos dados
originais (ANDRIOTTI, 2003). Para Andriotti (2003), a Krigagem ordinária (KO)
possibilita a estimação de valores em qualquer lugar, exceto nos locais onde as
observações de campo estão presentes. Nesse caso, a KO reproduz o valor medido, e
com isso nesses pontos de observação o erro quadrático desaparece. A KO não exige a
estacionariedade da média sobre toda área estudada, por isso mesmo torna esse método
bastante utilizada para estimação de valores.
16
Isaaks & Srivastava (1988) corroboram com uma discussão relacionada à
geoestatística e afirmam que a base desse conjunto de técnicas é a descrição,
modelagem e uso de continuidade espacial. Os autores realizam uma revisão sobre
conceitos importantes na área, como semivariograma e autocovariância, e analisam os
motivos para preferir os semivariogramas, o qual se mostrou mais válido no estudo
desenvolvido.
Goovaerts (2008) desenvolveu um estudo visando mapear a distribuição espacial
de uma determinada variável de interesse em regiões geográficas, utilizando dados de
saúde. Realizou uma comparação entre o Estado de Indiana e quatro estados do oeste
dos Estados Unidos. Assim, estudos mostram as vantagens das técnicas de geoestatística
e algumas limitações em diversas áreas de conhecimento, porém observa-se a
necessidade de aprofundar os conhecimentos em relação à sua aplicabilidade na área de
engenharia de transporte, mais especificamente no estudo de dados de segurança
pública, que ainda não foram explorados de forma aprofundada a partir desse método.
6.2 Planejamento de transporte e geoestatística
Entre as primeiras pesquisas relacionadas ao planejamento e engenharia dos
transportes utilizando técnicas de geoestatística, encontra-se o estudo desenvolvido por
Jin et al. (2006), que analisou a previsão de tráfego diário a partir de métodos de
estatística espacial. O banco de dados foi organizado a partir de dados do Departamento
de Transporte da Carolina do Norte – Estados Unidos, e as características
socioeconômicas tiveram como fonte o CENSO 2000. A técnica espacial utilizada foi
considerada satisfatória para a geração do modelo e alcance do objetivo proposto, e os
autores concluíram que a geoestatística mostra-se eficaz na contagem de tráfego para
locais em que dados são escassos e apresenta orçamento limitado. Zhao e Chung (2001)
anteriormente tinham desenvolvido um estudo similar, porém utilizando sistema de
informações geográficas (SIG) para investigar fatores que contribuem para o tráfego
médio diário na Flórida, com avaliação da previsão dos modelos gerados.
Adjemian et al. (2010) analisaram a importância das relações espaciais nos
estudos de transporte e afirmaram que diversos estudos têm mostrado que a temática de
transporte apresenta fatores com significativa interdependência espacial, como a escolha
17
do modo de transporte. Por isso, utilizaram dados de coordenadas geográficas para a
geração do modelo a partir de informações acerca do transporte de San Francisco, no
Estado da Califórnia – Estados Unidos. Desta forma, a geoestatística apresentou-se
como fundamental, já que proporcionou a análise da dependência espacial na escolha do
automóvel, aprimorando a inferência estatística. Por isso, os autores sugerem que os
fatores espaciais devem ser considerados para estimação de modelos de escolha de
veículos.
Miura (2010) analisou o tempo de viagem através de resultados obtidos pelo
método de krigagem, que se configura como um meio de previsão espacial, bem como
estimar a previsão de tempo de viagens futuras. O estudo foi aplicado na região de
Londres e concluiu que o método se mostrou eficaz para análise em áreas urbanas com
tempo de viagens diversas em virtude de congestionamentos.
Um estudo mais recente foi proposto por Delmelle et al. (2012) que analisaram o
desenvolvimento de uma estrutura de otimização usando Sistema de Informação
Geográfica (SIG) para a melhoria da acessibilidade por meio de adição de paradas.
Entre os resultados da pesquisa, destacam-se os mapas com a interpolação da
distribuição espacial da probabilidade de chegar a todos os destinos.
Considerando o transporte ferroviário, por exemplo, uma modelagem
geoestatística para estudo de impactos gerados por projetos de transporte urbano foi
realizada por Hamed e Effat (2006). Com isso, são incorporadas informações espaciais e
programação de softwares no estudo de caso de avaliação de um projeto de transporte
ferroviário.
Pitombo et al. (2010) desenvolveram um estudo visando comparar os resultados
encontrados com uso de duas técnicas para análise de dados espaciais para previsão de
produção e atração de viagens urbanas. Assim, a primeira técnica utilizada se insere no
contexto da geoestatística, a krigagem com deriva externa, e a segunda foi a regressão
geograficamente ponderada, para análise de dados da Região Metropolitana de São
Paulo – RMSP. Sobre os resultados, os autores identificaram que ambas as técnicas
podem ser consideradas satisfatórias para previsão de viagens, porém a krigagem
apresenta a vantagem de possibilitar estimar valores em coordenadas desconhecidas.
Utilizando a técnica de krigagem – umas das possibilidades que a geoestatística
oferece - numa abordagem para a ciência ambiental, há o estudo realizado por Chi e
18
Zheng (2012), que propõem analisar os impactos de transporte no ambiente natural em
áreas de difícil acesso a dados. A pesquisa é desenvolvida em Michigan, Estados
Unidos.
No estudo desenvolvido por Zou et al. (2012), os autores utilizaram a krigagem
para interpolação de dados de tráfego, e propõe uma medida de distância que melhor se
ajusta aos estudos de rede rodoviária, buscando solucionar as limitações da krigagem
tradicional, que usa geralmente a distância euclidiana. Com isso, concluíram que a
métrica de distância melhorada aprimorou o resultado da interpolação de dados de
tráfego, fornecendo dados mais confiáveis para várias aplicações. Observa-se na Figura
03 um dos resultados apresentados pelo estudo, em que há uma comparação entre os
erros de krigagem na interpolação de velocidades de deslocamento com os dois métodos
relativo aos dados do fim de semana.
Zou et al. (2012) mostraram que o método proposto apresentou erro menor
quando comparado à aplicação da distância euclidiana para toda rede de estradas.
6.3 Roubo no transporte coletivo urbano por ônibus
A violência que acontece durante o deslocamento das pessoas que utilizam
ônibus nas cidades, principalmente relacionadas ao roubo, torna-se um tema relevante
nas discussões sobre de planejamento urbano e engenharia dos transportes, pois
influencia na qualidade e eficiência do serviço de transporte urbano e atinge a sociedade
como um todo. Isso porque, em virtude da insegurança no transporte público, parte da
população busca outros modos de transporte, como o automóvel, contribuindo para o
aumento do número de veículos nas vias, e, consequentemente, para um maior
congestionamento, acidentes e baixa qualidade dos deslocamentos.
Esse tipo de crime, o roubo a ônibus, possui uma dimensão territorial e,
geralmente, um padrão de distribuição espacial, o que possibilita a inserção de técnicas
que considerem o atributo espacial para analisar esse tema, como o uso de técnicas de
geoestatística. Desta forma, há locais na cidade que apresentam uma maior freqüência
desses casos de violência, sendo possível uma análise a partir de técnicas de
geoestatística e posterior mapeamento.
19
Neste contexto, vale ressaltar a definição de roubo, o qual é se caracteriza pelo
ato de “Subtrair coisa móvel alheia, para si ou para outrem, mediante grave ameaça ou
violência a pessoa, ou depois de havê-la, por qualquer meio, reduzido à
impossibilidade de resistência” (BRASIL, 2001). Para Paes-Machado e Levenstein
(2002), entre os fatores associados a esse tipo de delito estão: volume de dinheiro
transportado, facilidades de fuga dos ônibus, horários de maior arrecadação, paradas
próximas aos fins de linha (trechos em que os veículos estão vazios) e policiamento
urbano.
Desta forma, os referidos autores desenvolveram um estudo que aborda o
impacto da criminalidade violenta nas condições de trabalho, saúde e segurança dos
trabalhadores de transporte coletivo em Salvador- BA, utilizando um método
qualitativo. Analisaram o perfil dos agressores envolvidos com o crime em transporte
público por ônibus, os quais geralmente são jovens, desempregados, sem antecedentes
criminais, muitas vezes, e estão a procura de dinheiro fácil, sobretudo para atividades de
lazer.
Cappaert & Dufays (2004) revisaram sobre as tecnologias e ferramentas de
segurança utilizadas no transporte público, como sistemas que gravam violências e
assaltos em veículos públicos, e publicaram pela União Internacional de Transporte
Público.
Couto et al. (2011) analisaram as opiniões de motoristas e condutores sobre as
causas de violência no trabalho e possíveis formas de prevenção no contexto do setor de
transporte rodoviário. A pesquisa teve como área de estudo a cidade de Maputo, em
Moçambique, e utilizou uma abordagem qualitativa. Utilizando uma perspectiva
quantitativa, Fyhri & Backer-Grøndahl (2012) utilizaram técnicas estatísticas para
analisar a relação entre a percepção de risco no transporte e a personalidade, abordando
fatores como violência e roubo. Para a exploração dos resultados das entrevistas,
utilizou a técnica estatística de regressão. As amostras foram coletadas em Oslo e
Kristiansand – Noruega.
Um estudo desenvolvido na Austrália por Hart & Miethe (2014), analisa a
violência em torno de pontos de ônibus e em outros nós do sistema, em Henderson,
Nevada. Os autores se baseiam em fundamentos da criminologia ambiental para o
desenvolvimento da análise e identificaram que as paradas de ônibus são os locais de
mais provável ocorrência de roubo quando comparado com qualquer outro nó da rede.
20
Em relação à criminalidade no transporte de forma mais geral, em 1982 foi
desenvolvido um trabalho sobre a temática de crime em sistema de transporte público a
partir de uma perspectiva ambiental publicado nos Estados Unidos. Pearlstein & Wachs
(1982) identificaram que crimes ocorrem principalmente em rotas que atravessam áreas
com altos índices de criminalidade em geral, sendo que a maioria acontece durante a
noite.
Contudo, observa-se que não há nenhum registro de trabalhos que realize uma
análise espacial de crimes em ônibus urbano a partir do uso de técnicas de
geoestatística. No entanto, essas técnicas têm sido propostas em estudos de diferentes
áreas da ciência, principalmente em geociências, geologia, hidrologia, agricultura, entre
outras, e mais recentemente nas ciências sociais, pois possibilitam resultados mais
precisos considerando o atributo espacial dos dados.
7. MÉTODO
A abordagem desta pesquisa é classificada como quantitativa, e possui um
objetivo exploratório e descritivo, pois se baseia na análise espacial, a partir de dados
secundários, de fatores possivelmente associados às ocorrências de roubo a ônibus do
transporte público. A metodologia será desenvolvida seguindo algumas etapas com
procedimentos específicos, as quais estão descritas a seguir:
a. Construção do referencial teórico: Inicialmente será desenvolvida uma
pesquisa de subsídios teórico-metodológicos sobre o tema para organização de
arcabouço teórico que embasará a discussão dos resultados e conhecimento do estado da
arte. Essa etapa será desenvolvida durante toda a realização da pesquisa a partir de
leituras em livros, revistas científicas, artigos, teses, dissertações e monografias
publicadas em meio digital e impresso. Os fatores associados ao roubo a ônibus,
segundo a literatura, são: volume de dinheiro, facilidades de fuga dos ônibus, horários
de maior arrecadação, paradas próximas aos fins de linha, dia da semana, policiamento
urbano.
b. Construção do banco de dados: Serão considerados os roubos a ônibus
ocorridos em Salvador, referentes ao ano de 2012 a 2014, disponibilizados pela
Secretaria da Segurança Pública da Bahia, uma vez que foi a partir de 202 que teve
21
início o georreferenciamento de ocorrências através do Sistema de Gerenciamento de
Estatística (SGE) desta secretaria. Esses dados estão organizados em Excel e possuem
um atributo espacial referente ao centróide do trecho onde aconteceu o roubo, sendo que
cada logradouro possui um trecho no respectivo bairro ao qual pertence. Do total de
1210 roubos registrados no ano de 2013, 241 não possuem a informação do logradouro
(19,9%), impossibilitando a definição do centróide, o que inviabiliza a inclusão dos
respectivos registros nas etapas de análise espacial. Além disso, os roubos a ônibus
possuem os atributos de dia, hora e mês do fato.
Dados relacionados ao contingente policial também serão adquiridos a partir da
Secretaria da Segurança Pública. As variáveis sociodemográficas e os dados que
caracterizam o meio ambiente construído terão como fonte o CENSO 2010, realizado
pelo Instituto Brasileiro de Geografia e Estatística – IBGE. As informações sobre as
principais rotas do sistema de transporte público de Salvador serão adquiridas a partir
do órgão responsável pelo sistema de transporte do município de Salvador, a
Superintendência de Trânsito e Transporte de Salvador – TRANSALVADOR, e
prefeitura do município. Outras variáveis serão incorporadas a partir das entrevistas com
especialistas. Todos os dados serão coletados e organizados num banco de dados
geográfico. Pretende-se usar os programas SPSS 22.0 e geoMs (geostatistical Modelling
Software) para manipulação dos dados e estruturação do banco.
c. Pré-processamento dos dados: Elaboração de mapas temáticos de Salvador
referente aos dados coletados. Serão produzidos os mapas de roubo a ônibus por bairro,
mapa das principais rotas de transportes de Salvador, bem como mapas com aspectos
sociodemográficos por bairro/setores censitários do município. Esses mapas servirão de
alicerce para análise do tema, e posterior comparação com o modelo gerado a partir da
aplicação de técnicas geoestatísticas. Servirá de base para a confecção dos mapas a base
cartográfica de bairros elaborada pela Companhia de desenvolvimento Urbano da Bahia
– CONDER, em parceria com a prefeitura de Salvador, que será manipulada através de
um SIG (Sistema de informações Geográficas), assim como, dados da rede de
corredores de transporte coletivo por ônibus da cidade. Para o mapeamento dos dados
de roubo, considerar-se-á a delimitação de bairros utilizada pela Secretaria da Segurança
Pública da Bahia, a qual não considera três bairros: Areia Branca, Ilha de Bom Jesus
dos Passos e Ilha dos Frades. Logo, dos 163 bairros de Salvador, 160 serão abordados
22
nessa pesquisa. Para análise preliminar, será produzido um mapa Kernel de roubo a
ônibus em Salvador, referente ao ano de 2013, a fim de identificar das ocorrências e
padrão espacial dos dados.
d. Integração dos dados: Utilizar-se-á da Regressão Linear Múltipla para
obtenção de modelo de previsão de roubos baseados nas variáveis sociodemográficas e
do meio ambiente construído, bem como outras variáveis a serem incorporadas. A
Regressão Linear Múltipla (RLM), a qual se configura como uma técnica confirmatória,
que será aplicada para mensurar a importância das variáveis na análise das ocorrências
de roubo a ônibus. Será definido, portanto, um coeficiente para cada uma das variáveis
independentes a fim de elaborar um modelo de estimação de roubos a ônibus na cidade
de Salvador.
A krigagem será utilizada para estimação de roubos em coordenadas
desconhecidas. O resultado da estimação será mapeado usando um SIG (Sistema de
informação geográfica), o que viabiliza a identificação do padrão de distribuição dos
dados e análise espacial. A partir da análise espacial através dos resultados do
semivariograma, podem ser definidos os pesos a serem atribuídos às amostras para
aplicação do método de krigagem. Este método de interpolação de dados é bastante
utilizado em diversas áreas como geologia, pedologia, hidrologia, e baseia-se no uso de
diferentes pesos que correspondem ao inverso do quadrado da distância que separa o
valor interpolado e o valor observado (CAMARGO, 2004). Logo, essa etapa
possibilitará a produção do mapa interpolado de roubo a ônibus em Salvador-BA. Este
resultado permitirá a seleção de uma área crítica para estudo mais específico na seguinte
etapa.
e. Análise e interpretação: Nesta fase pretende-se avaliar a correlação espacial
estabelecida entre roubo a ônibus e os fatores levantados na pesquisa bibliográfica, tais
como: facilidades de fuga, horários de maior arrecadação, paradas próximas aos fins de
linha, dia da semana, policiamento urbano, e outros fatores espaciais, a exemplo de
proximidade de aglomerados subnormais, locais de consumo/distribuição de drogas.
Essa fase será desenvolvida a partir do estudo detalhado de uma área crítica,
identificada através dos resultados das etapas anteriores. Este momento da pesquisa
23
representa um processo de aprendizagem e possibilitará a definição de recomendações
e/ou subsídios para políticas públicas a partir da maior compreensão do fenômeno.
A seguir um fluxograma metodológico com resumo das principais etapas da
pesquisa.
Figura 02: Fluxograma metodológico.
7.1 Área de estudo
Salvador, capital da Bahia, possui uma população estimada em 2014 de 2.902.927
habitantes, com uma extensão territorial de 693.276 km2
(IBGE, 2014). Portanto, a
densidade demográfica no município é 3.859,44 (hab/km2).
24
Figura 03: Mapa de localização do município de Salvador na Bahia.
Fonte dos dados cartográficos: SEI
Elaboração: Bittencourt, D. C. (2014)
Salvador possui 163 bairros, dos quais 160 serão considerados nessa pesquisa.
Isso porque não existem dados de crimes associados a três bairros de Salvador, em
virtude da SSP-BA considerá-los como pertencentes à Região Metropolitana. Esses
bairros são: Areia Branca, Ilha dos Frades e Ilha de Bom Jesus dos Passos (figura 04).
25
Figura 04: Mapa de Salvador com bairros que não serão considerados na pesquisa.
Fonte dos dados: CONDER e SEI.
Elaboração: Bittencourt, D. C (2014)
8. RESULTADOS PRELIMINARES
Entre os anos de 2012 e 2014 foram registrado 4184 ocorrências em transporte
coletivo na cidade de Salvador, segundo dados fornecidos pela Secretaria da Segurança
Pública. A distribuição dessas ocorrências por ano está representada na tabela a seguir
(Tabela 01). Os dados de 2014 são preliminares, pois correspondem aos roubos a ônibus
registrados até o dia 01 de dezembro.
Tabela 01: Ocorrências de roubo a ônibus urbano em Salvador – 2012 a 2014.
Ano Quantidade %
2012 1627 38,8
2013 1211 28,9
2014 1356 32,3
Total 4194 100
Fonte: SSP-BA, 2014
26
Desta forma, em 2013 foram 1211 registros de roubo a ônibus, sendo que a
maior parte aconteceu nos meses de junho e outubro (Gráfico 01).
Gráfico 01: Distribuição das ocorrências de roubo a ônibus por mês em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
No que tange à distribuição por dia da semana, o dia com maior número de
ocorrências em 2013 foi sábado, seguido de terça-feira (Gráfico 02).
Gráfico 02: Distribuição das ocorrências de roubo a ônibus por mês em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
0
20
40
60
80
100
120
140
160
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Ocorrências de Roubo a ônibus por mêsSalvador - BA (2013)
0
50
100
150
200
250
Dom Seg Ter Qua Qui Sex Sab
Ocorrências de Roubo a ônibus por dia da semanaSalvador - BA (2013)
27
Relativo à distribuição espacial, o mapa seguinte apresenta a distribuição da
quantidade de ocorrências de roubo a ônibus por bairros de Salvador em 2013 (Figura
05). Nota-se a presença de bairros com altos números de roubos em todas as regiões da
cidade, porém a maior parte localiza-se na parte central e subúrbio de Salvador. Na orla
norte, o bairros de Itapuã se destaca, com significativo número de roubo em 2013 (90
ocorrências).
Figura 05: Mapa de quantidade de roubos a ônibus por bairro em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
No entanto, o maior número de roubo a ônibus em 2013 corresponde ao bairro de
Brotas, apresentando 101 ocorrências, ou seja, 8,3% do total de registros no período.
Considerando a área de cada bairro de Salvador, a figura 06 apresenta o mapa de
densidade de ocorrências de roubo a ônibus por hectare em 2013.
28
Figura 06: Mapa de densidade de roubo a ônibus por Hectare em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
Verifica-se a localização dos bairros mais críticos na região sudoeste da cidade,
sendo que Calçada, São Caetano, Bom Juá, Pau Miúdo e Nazaré apresentam os valores
mais altos de densidade por hectare.
O Sistema de Gerenciamento Estatístico (SGE) da SSP-BA possibilita o
georreferenciamento de ocorrências de qualquer delito a partir do centróide do
logradouro onde aconteceu o fato. Desta forma, a ocorrência de roubo a ônibus
registrada no SGE apresenta as coordenadas do centróide do logradouro para aqueles
casos em que o logradouro foi informado, ressaltando que o logradouro é subdividido
em trechos associados a cada bairro que o constitui.
O mapa seguinte apresenta as coordenadas dos centróides que possuem registros
de roubo a ônibus associados, referente ao ano de 2013, segundo georreferenciamento
realizado pelo SGE (figura 07).
29
Figura 07: Mapa de pontos de centróides com roubos a ônibus em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
A fim de visualizar as intensidades de ocorrências em cada ponto apresentado, a
seguir encontra-se o mapa gerado a partir da técnica kernel (figura 08). É possível
verificar áreas de maior densidade de ocorrências na região central e nas proximidades
da ribeira, bem como no bairro de Itapuã.
30
Figura 08: Mapa Kernel de ocorrências de roubo a ônibus em Salvador, 2013.
Fonte dos dados: SSP-BA
Elaboração: Bittencourt, D. C (2014).
31
9.CRONOGRAMA DE ATIVIDADES
CRONOGRAMA FÍSICO
ATIVIDADE ago/14 set/14 out/14 nov/14 dez/14 jan/15 fev/15 mar/15 abr/15 mai/15 jun/15 jul/15 ago/15 set/15 out/15 nov/15 dez/15 jan/16 fev/16 mar/16
Preparação do banco de dados (Pré processamento)
Preparação de texto para defesa de projeto
Defesa de projeto
Revisão da literatura - Violência urbana(roubos)
Revisão da literatura - Transporte Público (gerenciamento)
Revisão da Literatura - Geoestatística
Manuseio software GeoMS
Aplicação da Regressão Linear Múltipla
Elaboração modelo multivariado para estimação de roubos - SPSS
Krigagem Ordinária com dados de roubos (univariada)
Análise de Resultados Krigagem Ordinária (univariada)
Krigagem com deriva externa (geoestatística multivariada)
Análise resultados modelo multivariado
Elaboração texto defesa seminário
Defesa Seminário
Seleção e análise de área crítica
Estudo detalhado de área crítica
Redação da dissertação
Defesa da dissertação
32
10. REFERENCIAS BIBLIOGRÁFICAS
ANDRIOTTI, J. L. S. Fundamentos de Estatística e Geoestatística. São Leopoldo: Unisinos, 2003. 165p.
ADJEMIAN, M. K.; LIN, C.; WILLIAMS, J. (2010) Estimating spatial interdependence in automobile
type choice with survey data. Transportation Research Part A: Policy and Practice.- Elsevier, v. 44, p.
661-675.
BANISTER, D. 2008 The sustainable mobility paradigm. Transport Policy, 15 (2) (2008), pp. 73–80.
BAROUCH, E., KAUFMAN, G.M. (1978) The interface between geostatistical modeling of oil and gas
discovery and economics. Mathematical Geology 10, 5.
BERTOZZI, P. P. & LIMA JR., O. F. (1998) A qualidade no serviço de transporte público sob as óticas
do usuário, do operador e do órgão gestor. Revista dos Transportes Públicos - ANTP, São Paulo, ano 21,
p. 53-61, 4º tri.
BRASIL. Leis, decretos, etc. Código Penal. São Paulo: Revista dos Tribunais, 6a ed., 2001.
CÂMARA, G.; CARVALHO, M. S.; FUCKS, S.; MONTEIRO, A. M. Análise Espacial e
Geoprocessamento. In: FUCKS, S.; CARVALHO, M. S.; CÂMARA, G MONTEIRO, A. M. (Org.).
Análise Espacial de Dados Geográficos. Brasília: Emprapa, 2004, v. , p. 21-52.
CAPPAERT, S.; DUFAYS, T. (2004) New technologies to serve security needs. Public Transport
International. 53 (6), pp. 28-29.
CARNEIRO, E. O; SANTOS, R. L. Análise espacial aplicada na determinação de áreas de risco para
algumas doenças endêmicas (Calazar, Dengue, Diarréia, DST e Tuberculose) no bairro Campo Limpo,
Feira de Santana, Bahia. Revista Sitientibus, n. 28, p 51-75, jan/jun 2003.
CHI, G.; ZHENG, Y. (2013) Estimating Transport Footprint along Highways at Local Levels: A
Combination of Network Analysis and Kriging Methods. International Journal of Sustainable
Transportation, (3), 261-273.
COUTO, M. T.; TILLGREN, P.; SÖDERBÄCK, M. (2011) Drivers' and conductors' views on the causes
and ways of preventing workplace violence in the road passenger transport sector in Maputo City,
Mozambique, BMC Public Health. 11, 800.
DE GEOFFROY, J.; WIGNALL, T. K. (1972) A Statistical Study of Geological Characteristics of
Porphyry-Copper-Molybdenum Deposits in the Cordilleran Belt-Application to the Rating of Porphyry
Prospects. Economic Geology, v. 67, n. 5, p. 656-668.
DREW, M. W. (1977) US uranium deposits: A geostatistical model. Resources Policy, v. 3, n. 1, p. 60-
70.
DELMELLE, E. M.; LI, S.; MURRAY, A.T. (2012) Identifying bus stop redundancy: A gis-based spatial
optimization approach. Computers, Environment and Urban Systems , (5) , 445-455.
33
FYHRI, A., AND BACKER-GRONDAHL, A. (2012) Personality and risk perception in transport. Accid.
Anal. Prev. 49, 470–475. doi: 10.1016/j.aap.2012.03.017.
FERRAZ, A. C. P.; TORRES, I. G.E. (2004) Transporte público urbano. São Paulo, Rima Editora, 428 p.
FRANCISCO FILHO, L. L. Distribuição espacial da violência em Campinas: uma análise por
geoprocessamento. 2004. 170 fl. Tese (Doutorado em Geografia) – Instituto de Geociências –
Departamento de Geografia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2004.
GOMES, Carlos A. C. Espaço urbano e criminalidade: uma breve visão do problema. RDE Revista de
Desenvolvimento Econômico, Salvador, a. VII, n. 11, p. 57-68, jan. 2005.
GOOVAERTS, P. (2008) Kriging and semivariogram deconvolution in the presence of irregular
geographical units. Mathematical Geosciences, v. 40, n. 1, p. 101-128.
HAMED, M.; EFFAT, W. (2007) A GIS-based approach for the screening assessment of noise and
vibration impacts from transit projects. Journal of Environmental Management, 84 (3), pp. 305-313.
Cited 4 times. doi: 10.1016/j.jenvman. 2006.06.010.
HART, T. C.; MIETHE, T. D. (2014) Street robbery and public bus stops: A case study of activity nodes
and situational risk. Security Journal , (2) , 180-193.
ISAAKS, E. H. & SRIVASTAVA R. M. (1988) Spatial Continuity Measures for Probabilistic and
Deterministic Geostatistics. Mathematical Geology, Vol. 20, No. 4.
JIN, K. E.; MAN, S. P. ; TAE-YOUNG, H.; LETA, F. H. (2006) Improving the Prediction of Annual
Average Daily Traffic for Nonfreeway Facilities by Applying a Spatial Statistical Method. Transportation
Research Record: Journal of the Transportation Research Board, No. 1968, Transportation Research
Board of the National Academies, Washington, D.C., pp. 20–29.
KENWORTHY, J.R. The eco-city: ten key transport and planning dimensions for sustainable city
development. Environment and Urbanization, Vol 18(1): 67–85, out 2011.
KLINGE U. (1971) On the possibilities for application of geostatistics in the evaluation of deposits,
especially of uranium ores, (Die Geostatistik und ihre Anwendungsmoeglichkeiten fuer die
Lagerstaettenbewertung, insbesondere bei Uranerzen). 24 (5), pp. 220-226.
LEÃO, G. do S. A. (2009) Probabilidade de Ocorrência de Roubo a Coletivo Urbanos no Município de
Belém. Programa de Pós-Graduação Lato Sensu em Segurança Pública e Gestão da Informação. Belém -
Pará.
MATHERON G. (1963) Principles of geostatistics. Economic Geology. 58: 1246–1266.
MIURA, H. (2010) A study of travel time prediction using universal kriging. Top, v. 18, n. 1, p. 257-270.
PAES-MACHADO, E. & LEVENSTEIN, C. (2002) Assaltantes a bordo: violência, insegurança e saúde
no trabalho em transporte coletivo de Salvador, Bahia, Brasil. Cadernos de Saúde Pública, 18(5), 1215-
1227.
34
PAES-MACHADO, E., LEVENSTEIN, C. (2004) I'm Sorry Everybody, but this is Brazil': Armed
Robbery on the Buses in Brazilian Cities, British Journal of Criminology , (1) , 1-14.
PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. (1985). A conceptual model of service quality
and its implications for future research. Journal of marketing, 41-49 p.
PEARLSTEIN, A., & WACHS, M. (1982) Crime in public transit systems: an environmental design
perspective. Transportation, 11(3), 277–297.
PITOMBO, C.; SOUSA, A. J.; BIRKIN; M. (2010) Comparing different spatial data analysis to forecast
trip generation. 12th WCTR, July 11-15,Lisbon, Portugal.
TORELLI, L., TOMASI, P. (1977) Interpolation and trend analysis: Two geohydrological applications.
Mathematical Geology. 9 (5), pp. 529-542.
SINCLAIR, A. J.; WERNER, L. J. (1978) Geostatistical investigation of the Kutcho Creek chrysotile
deposit, northern British Columbia. Journal of the International Association for Mathematical Geology,
v. 10, n. 3, p. 273-288.
SOUSA, A. J.; MUGE, F. (1990) Elementos de geoestatística. Lisboa: Laboratório de Mineralogia e
Planeamento Mineiro.
WATSON, G.S. (1971) Trend-surface analysis. Journal of the International Association for
Mathematical Geology. 3 (3), pp. 215-226.
ZHAO, F.; & CHUNG. S. (2001) Contributing Factors of Annual Average Daily Traffic in a Florida
County: Exploration with Geographic Information System and Regression Models. In Transportation
Research Record: Journal of the Transportation Research Board, No. 1769, TRB, National Research
Council, Washington, D.C. pp. 113–122.
ZOU, H., YUE, Y., LI, Q., ; YEH, A. G. (2012). An improved distance metric for the interpolation of
link-based traffic data using kriging: a case study of a large-scale urban road network. International
Journal of Geographical Information Science, 26(4), 667-689.