Prioritering er saksbehandlernes problem

Os autores Gupta e Shah (2012) definem uma matriz O/D como uma tabela bidimensional que sintetiza a demanda por viagem de uma população, apresentando-a, porém, de forma incompleta, uma vez que deixa de captar a demanda reprimida. Contudo, por intermédio dos dados, é possível determinar como ocorrem os deslocamentos das pessoas entre zonas nas regiões da cidade. As viagens entre as zonas, descritas como viagens de “i” a “j” ou “Vij”, têm a quantidade de viagens que as representam, armazenadas em uma célula da tabela onde as linhas registram as origens (i) e as colunas (j), os destinos. Na Tabela 3 é exemplificada uma matriz genérica que representa os valores de viagens entre as zonas de origem e destino:

Tabela 3: Representação de uma matriz origem-destino.

O somatório da linha contendo valores Vij (V1,1; V1,2; ...; V1,n) representa as viagens originadas na zona de origem 1 (O1). O somatório da coluna com valores Vij (V1,1; V2,1; ...; Vn,1) representa as viagens destinadas para a zona de destino 1 (D1).

Os valores de V1,1 podem ser lidos como: viagens que foram originadas na zona 1 e destinadas para a zona 1, bem como, V2,1 pode ser lida como viagens originadas na zona 2 e destinadas para a zona 1 (D1), e assim, sucessivamente.

Segundo os autores Gupta e Shah (2012), a matriz O/D é amplamente utilizada nos processos de planejamento, especificamente na distribuição de viagens, e ajuda a entender os movimentos das pessoas.

A ideia de reproduzir informações que melhor representem situações reais da movimentação das pessoas tem várias formulações matemáticas. Entre elas, estão as formulações propostas pelos autores: Van Zuylen e Willumsen (1980) e Bell (1984), que discutiram modelos log-lineares. Maher (1983) sugeriu técnicas Bayesianas de estimativa. Spiess (1987) propôs métodos de máxima verossimilhança e Cascetta (1984) e Bell (1991) apresentaram abordagens sobre a formulação generalizada dos mínimos quadrados.

As matrizes O/D têm, como principal fonte de informações, os dados que foram coletados por pesquisas, geralmente domiciliares e realizadas em locais que concentram atividades urbanas com grande demanda, como por exemplo, polos industriais, de comércio e de serviços. As pesquisas para coletar os dados que vão alimentar matrizes O/D exigem amostras que variam no tamanho, de acordo com o objetivo e a abrangência do estudo. Geralmente, quanto mais abrangente e maior for o tamanho da amostra de entrevistados, mais representativos serão os resultados. Desta forma, a complexidade para planejar e executar a pesquisa aumenta de acordo com a abrangência e o tamanho da amostra requerida, pois exige maior esforço e volume de recursos. Apesar de importante nas atividades para planejar o transporte, o alto custo de sua produção desestimula sua realização.

Com esta condição, as matrizes O/D deixam de ser produzidas com a frequência em que são necessárias e causam dificuldades na aplicação do modelo de planejamento que, com o passar do tempo, torna-se incompatível com o avanço das modificações urbanas. Em alguns casos, planejadores optam por realizar pesquisas com menor abrangência ou utilizam levantamento de dados em pontos específicos de controle, sem a necessidade de recorrer a entrevistas. Geralmente, estes pontos de controle estão em locais que apresentam concentração de veículos, cargas ou pessoas, como nos pedágios, PED, estações e terminais.

Nas atividades do planejamento do transporte público coletivo, matrizes O/D simplificadas podem ser construídas com dados obtidos por meio de contagens de

embarque e desembarque de passageiros em PED identificados. São utilizadas técnicas de pesquisas de embarque e desembarque do tipo "santinho" que coletam dados referentes ao número de passageiros viajando entre os pontos de controle. Di Pierro (1985) afirma que, quando há a recolha de informações sobre as transferências entre linhas ou modo de transporte, obtêm-se os totais de viagens geradas e atraídas em cada local da área de estudo, ampliando a utilidade para ações que visem obter equilíbrio entre a oferta de lugares e a demanda de passageiros. Kawamoto (1994) explica que muitos problemas de planejamento e da operação do transporte são resolvidos total ou parcialmente, tendo como base informações que tiveram origem neste tipo de levantamento de dados. O autor acrescenta que a determinação de matrizes de viagens por meio de dados coletados por pesquisas de embarque e desembarque é mais atraente, em termos de economia de recursos, do que métodos convencionais baseados nos resultados obtidos por meio de entrevistas domiciliares.

Apesar da importância das matrizes O/D no planejamento das redes de transporte, nem sempre as cidades dispõem de recursos para obter as informações e analisar os resultados. Mesmo em cidades de maior porte, há economia de recursos a serem empregados na execução de pesquisas para a construção destas matrizes e, devido a isto, decorrem longos períodos entre as atualizações. Em São Paulo, as pesquisas O/D começaram a ser aplicadas no ano de 1997, com atualizações a cada ciclo de dez anos (METRÔ, 2008).

O desenvolvimento de matrizes O/D, que sejam econômicas na utilização de recursos, tem motivado pesquisadores, especialistas e técnicos de transporte a pensar formas alternativas para sua obtenção. Autores como Harmelink et al. (1967), Corradino (1968), Hajj et al. (1971), Coomer e Corradino (1973), Bates (1974), Khasnabis e Poole (1975), Zaryouni e Kannel (1976), Goode (1977), Kristoffersen e Wilson (1977), Rhodes e Hillegass (1978) e Mahmassani et al. (1979) apontam a utilização de dados coletados dos dispositivos eletrônicos móveis dos usuários ou por dispositivos de sistemas inteligentes de transporte (ITS) que reconhecem a circulação deles, como forma de reduzir custos.

3.6.1. Matrizes O/D produzidas por meio da análise de dados coletados por dispositivos eletrônicos.

A expressiva quantidade de dados digitais coletados por dispositivos eletrônicos utilizados nas operações de trânsito e transporte vem atraindo a atenção de especialistas e pesquisadores com o objetivo de aproveitá-los para utilizações que vão além do monitoramento, controle e pagamento.

Os autores Bagchi e White (2003) investigaram, na Inglaterra, os dados coletados por cartões inteligentes para analisar viagens dos passageiros em ônibus nas empresas Merseyside Bus e Bradford, obtendo informações sobre as movimentações da demanda.

Em 2006, nos EUA, Cui (2006) estudou um algoritmo para obter informações em uma matriz O/D sobre os movimentos de passageiros que utilizavam um corredor de ônibus selecionado pelo Chicago Transit Authority (CTA). Analisaram a integração de dados provenientes dos sistemas automáticos de cobrança (AFC), dos contadores de passageiros nos ônibus (APC) e da localização dos veículos (AVL).

Em 2007, para medir a variabilidade espacial da demanda no uso da rede de transporte, Agard et al. (2008) analisaram dados dos cartões inteligentes usados por passageiros do transporte coletivo no Canadá.

Morency et al. (2008) estimaram o desempenho de uma rede de transporte com dados obtidos dos cartões inteligentes por meio de medidas estatísticas de desempenho e métodos de mineração de dados.

Um método para desenvolver pesquisas O/D dinâmicas foi estudado por Bert (2009), usando dados de cartões inteligentes, com resultados satisfatórios.

Pelletier et al. (2009), em um artigo publicado na École Polytechnique de Montréal, divulgaram a aplicabilidade do aproveitamento dos dados das transações dos cartões inteligentes para atividades de planejamento de transportes. Avaliaram, por meio de comparações, os dados obtidos dos cartões e métodos tradicionais de pesquisas de transporte e estudaram sua variabilidade.

Em Londres, durante o ano de 2010, Wang et al. (2011) avaliaram a utilização de dados obtidos automaticamente por sistemas de coleta automática de dados (ADC – Automatic Data Collection), para construção de uma base integrada de informações sobre o transporte.

Um estudo da Transport for London (TfL, 2011) analisou dados de entrada e saída de passageiros que se serviram dos serviços do trem urbano (London Overground). Tomou, como base do estudo, as informações obtidas dos cartões inteligentes. O estudo apresentou o carregamento de trechos da rede do serviço, com a quantidade de usuários por metro quadrado em cada trecho.

Em São Paulo, Gouveia e Ferreira (2011) detiveram-se sobre as origens e destinos dos passageiros que usavam o transporte coletivo ao longo de um eixo de ligação entre a zona leste e a região central da cidade. Fizeram uso dos registros dos GPS dos ônibus e dos cartões inteligentes para avaliar as conexões (transferências) e obter o carregamento de passageiros em seções da ligação estudada.

Os autores Lee et al. (2011) propuseram um método de obtenção das informações do transporte público com base nos cartões inteligentes, no artigo que escreveram para o Korea Railroad Research Institute. Argumentaram que os resultados podem ser aplicados para melhorar a operação dos serviços e planejar alterações no atendimento dos usuários, pois, conforme descreveram, os dados são realistas e representam bem as movimentações da demanda.

Nos estudos desenvolvidos pelos autores Nasiboglu et al. (2012), dados provenientes das transações obtidas dos cartões inteligentes são considerados importantes fontes de informação para o planejamento urbano, pois têm o potencial de demonstrar as características das viagens de pessoas que utilizam o transporte público na atualidade.

Em Cingapura, Lijun Sun et al. (2012) estudaram a densidade espacial- temporal dos trens do Metrô na cidade. Utilizaram dados dos cartões inteligentes para entender a dinâmica de embarques e desembarques e desenvolver requisitos

para melhorar ações a fim de combater indisponibilidades do transporte frente às falhas.

Contudo, para realizar estudos similares, há necessidade de desenvolver processos em que estejam incluídas as definições e regras que são próprias do funcionamento de cada sistema de transporte. Segundo Zhao (2004), nas metodologias que abordam os sistemas cujo controle de acesso ocorre apenas na entrada (sistemas abertos), algumas suposições devem ser feitas para se inferir o local de desembarque (destino) do passageiro. De modo geral, a maior dificuldade é obter os locais onde ocorreram os desembarques, uma vez que, na maioria dos sistemas de bilhetagem eletrônica, os validadores apenas registram eventos que representam as origens das viagens.

Nesses casos, é comum utilizar métodos para inferir os locais dos destinos. Nas viagens encadeadas, com uma ou mais transferências e, dentro de um determinado período de horas, uma regra bastante utilizada é a de atribuir ao local do segundo embarque o local de destino da viagem anterior, e assim, sucessivamente, para as demais transferências. Da mesma forma, considerando que o passageiro retorna ao mesmo local onde iniciou o ciclo de viagens, o local de origem da primeira viagem é suposto como o destino da última viagem do dia.

Na Figura 5, representa-se a sequência de viagens do usuário, levando-se em conta a regra acima explicada.

Figura 5 – Sequência dos deslocamentos de passageiros nas viagens

Embora os ITS sejam cada vez mais aplicados no setor de transportes, outras tecnologias também podem prover dados para inferir as movimentações dos passageiros. A evolução de tecnologias embarcadas em smartphones possibilita que dados sejam coletados destes dispositivos por sensores instalados na infraestrutura dos locais por onde passam as pessoas que os portam enquanto executam suas atividades. Vários autores produziram estudos que demonstram a aplicação de

smartphones para gerar informação sobre a circulação das pessoas, como, por

exemplo, Kostakos et al. (2010).

Os autores propuseram o uso do Bluetooth de dispositivos móveis para transportar dados para scanners instalados nos ônibus, habilitados para coletar dados específicos. Estes dados identificam o dispositivo móvel e os locais onde os passageiros utilizaram os serviços de transporte. Posteriormente, a análise dos dados permitiu construir matrizes O/D mais precisas.

Em 2012, um sistema utilizando beacons em 2 mil ônibus, estações de bicicleta e terminais de transporte na cidade de Tel Aviv, foi utilizado por uma empresa israelense, permitindo o pagamento automático de tarifa nestes locais por meio de smartphones. Os beacons são dispositivos que emitem sinais interpretados por aplicativos instalados em smartphones. Os beacons conectam os smartphones por ultrassom a partir do sistema de GPS, associando o passageiro à tarifa do local. Os bilhetes dos usuários são validados automaticamente por meio dos smartphones quando entram no veículo –– pela porta dianteira ou traseira, eliminando filas. Os dados recolhidos pelo sistema permitiram construir matrizes O/D dinâmicas, atualizadas continuamente, com precisão na identificação dos locais onde os passageiros embarcaram e desembarcaram dos ônibus e informar, em tempo real, a lotação destes veículos (UpOn, 2014).