pdtu 2013 - plano amostral

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)


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


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



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



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



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



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



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



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



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



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



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



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.


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.


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

.


4


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

pdtu 2013 - plano amostral

Documents