Metodologia de caracterização dos padrões de mobilidade dos usuários de transporte público por ônibus através de dados de bilhetagem eletrônica e análise espacial
DOI:
https://doi.org/10.14295/transportes.v30i3.2749Palavras-chave:
Padrão de mobilidade, Bilhetagem Eletrônica, Caracterização da Mobilidade, Transporte PúblicoResumo
O sistema de transporte público no Brasil vem perdendo demanda nas últimas décadas. Devido ao importante papel desse sistema em promover a equidade no acesso e a sustentabilidade do sistema de transportes, torna-se essencial conhecer os padrões de mobilidade dos usuários e como estes padrões variam espacialmente e temporalmente. Este artigo propõe um método para caracterizar os padrões de mobilidade no sistema de transporte público através do uso de dados de bilhetagem eletrônica (Smart Card) e análise espacial. O método contribui para análise da variação da demanda para diferentes padrões de mobilidade, em cidades brasileiras onde uma parcela considerável da população depende do transporte público nos seus deslocamentos diários. Assim, o método teve como base hipóteses sobre os tipos de padrões, a variabilidade espacial e temporal dos padrões, e de como eles se relacionam espacialmente com a variação da demanda. A aplicação do método para os dados de 2014 e 2018 do sistema de transporte público por ônibus de Fortaleza, mostrou principalmente que os usuários do padrão de uso regular, que moram em zonas periféricas com baixos níveis de acessibilidade, são os que mais vêm deixando o sistema ao longo dos anos.
Downloads
Referências
Agard, B., Morency, C. and Trépanier, M. (2006) ‘Mining public transport user behaviour from smart card data’, IFAC Proceedings Volumes, v. 39, n. 3, p. 399–404. DOI: 10.3182/20060517-3-FR-2903.00211.
Bree, S., Fuller, D. and Diab, E. (2020) ‘Access to transit? Validating local transit accessibility measures using transit ridership’, Transportation Research Part A: Policy and Practice, v. 141, p. 430–442. DOI: 10.1016/j.tra.2020.09.019.
Briand, A. S., Côme, E., El Mahrsi, M. K. and Oukhellou, L. (2016) ‘A mixture model clustering approach for temporal passenger pattern characterization in public transport’, International Journal of Data Science and Analytics, v. 1, p. 37–50. DOI: 10.1007/s41060-015-0002-x.
Briand, A. S., Côme, E., Trépanier, M. and Oukhellou, L. (2017) ‘Analyzing year-to-year changes in public transport passenger be-haviour using smart card data’, Transportation Research Part C: Emerging Technologies, v. 79, p. 274–289. DOI: 10.1016/j.trc.2017.03.021.
Cats, O. and Ferranti, F. (2022) ‘Unravelling individual mobility temporal patterns using longitudinal smart card data’, Research in Transportation Business & Management, v. 43. DOI: 10.1016/j.rtbm.2022.100816.
Devillaine, F., Munizaga, M. and Trépanier, M. (2012) ‘Detection of activities of public transport users by analyzing smart card data’, Transportation Research Record: Journal of the Transportation Research Board, v. 2276, n. 1, p. 48–55. DOI: 10.3141/2276-06.
Diab, E., DeWeese, J., Chaloux, N. and El-Geneidy, A. (2020) ‘Adjusting the service? Understanding the factors affecting bus rid-ership over time at the route level in Montréal, Canada’, Transportation, v. 48, p. 2765–2786. DOI: 10.1007/s11116-020-10147-3.
Faroqi, H., Mesbah, M. and Kim, J. (2019) ‘Comparing sequential with combined spatiotemporal clustering of passenger trips in the public transit network using smart card data’, Mathematical Problems in Engineering, v. 2019, p. 1–16. DOI: 10.1155/2019/5070794.
Faroqi, H., Mesbah, M., Kim, J. and Tavassoli, A. (2018) ‘A model for measuring activity similarity between public transit passengers using smart card data’, Travel Behaviour and Society, v. 13, p. 11–25. DOI: 10.1016/j.tbs.2018.05.004.
Garcia, C. S. H. F., Macário, M. do R. M. R., Menezes, E. D. de A. G. and Loureiro, C. F. G (2018) ‘Strategic Assessment of Lisbon’s Ac-cessibility and Mobility Problems from an Equity Perspective’, Networks and Spatial Economics, v. 18, p. 415–439. DOI: 10.1007/s11067-018-9391-4.
Goulet-Langlois, G., Koutsopoulos, H. N., Zhao, Z. and Zhao, J. (2018) ‘Measuring Regularity of Individual Travel Patterns’, IEEE Transactions on Intelligent Transportation Systems, v. 19, n. 5, p. 1583-1592. DOI: 10.1109/TITS.2017.2728704.
Gomide, A. A. (2003) ‘Transporte urbano e inclusão social: elementos para políticas públicas’, Texto para discussão No 960, Insti-tuto de pesquisa econômica aplicada, Brasília.
Hawkins, J. and Habib, K. N. (2020) ‘Heterogeneity in marginal value of urban mobility: evidence from a large-scale household travel survey in the Greater Toronto and Hamilton Area’, Transportation, v. 47, p. 3091–3108. DOI: 10.1007/s11116-019-10041-7.
He, L., Agard, B. and Trépanier, M. (2020) ‘A classification of public transit users with smart card data based on time series distance metrics and a hierarchical clustering method’, Transportmetrica A: Transport Science, v. 16, n. 1, p. 56–75. DOI: 10.1080/23249935.2018.1479722.
He, L, Trépanier, M. and Agard, B. (2021) ‘Space–time classification of public transit smart card users’ activity locations from smart card data’, Public Transport, v. 13, p. 579–595. DOI: 10.1007/s12469-021-00274-0.
Kieu, L. M., Bhaskar, A. and Chung, E. (2015) ‘Passenger Segmentation Using Smart Card Data’, IEEE Transactions on Intelligent Transportation Systems, v. 16, n. 3, p. 1537–1548. DOI: 10.1109/TITS.2014.2368998.
Lima, L. S (2017) Espraiamento urbano por autossegregação e seus impactos na acessibilidade urbana de Fortaleza. Dissertação de Mestrado, Programa de Pós-Graduação em Engenharia de Transportes, Universidade Federal do Ceará.
Ma, X., Wu, Y. J., Wang, Y., Chen, F. and Liu, J. (2013) ‘Mining smart card data for transit riders’ travel patterns’, Transportation Research Part C: Emerging Technologies, v. 36, p. 1–12. DOI: 10.1016/j.trc.2013.07.010.
Mahrsi, M. K. El, Côme, E., Baro, J. and Oukhellou, L. (2014) ‘Understanding Passenger Patterns in Public Transit Through Smart Card and Socioeconomic Data’, The 3rd International Workshop on Urban Computing (UrbComp 2014), New York, NY, USA.
Martens, K. (2019) ‘Why accessibility measurement is not merely an option, but an absolute necessity’, in Silva, C., Pinto, N. and Bertolini, L. (ed.) Designing accessibility instruments: lessons on their usability for integrated land use and transport plan-ning practices. New York, NY: Routledge, p. 37–51.
Morency, C., Trepanier, M. and Agard, B. (2006) ‘Analysing the variability of transit users behaviour with smart card data’, in 2006 IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC, Toronto, ON, Canada. DOI: 10.1109/ITSC.2006.1706716.
NTU (2018) Associação Nacional das Empresas de Transportes Urbanos, Anuário NTU 2017-2018, Brasília.
Pelletier, M. P., Trépanier, M. and Morency, C. (2011) ‘Smart card data use in public transit: A literature review’, Transportation Research Part C: Emerging Technologies, v. 19, n. 4, p. 557–568. DOI: 10.1016/j.trc.2010.12.003.
Pieroni, C. B. V. (2018) Analysis of travel patterns from precarious settlements transit users in São Paulo through smart card data mining. Dissertação de Mestrado, Programa de Pós-graduação em Engenharia de Transportes, Universidade de São Paulo.
Pieroni, C., Giannotti, M., Alves, B. B. and Arbex, R. (2021) ‘Big data for big issues: Revealing travel patterns of low-income popula-tion based on smart card data mining in a global south unequal city’, Journal of Transport Geography, v. 96, p. 103203. DOI: 10.1016/j.jtrangeo.2021.103203.
Sousa, F. F. L. de M. (2019) Diagnóstico estratégico das desigualdades socioespaciais na acessibilidade ao trabalho em Fortaleza. Tese de Doutorado, Programa de Pós-Graduação em Engenharia de Transportes, Universidade Federal do Ceará.
Viallard, A., Trépanier, M. and Morency, C. (2019) ‘Assessing the Evolution of Transit User Behavior from Smart Card Data’, Trans-portation Research Record: Journal of the Transportation Research Board, v. 2673, n. 4, p. 184–194. DOI: 10.1177/0361198119834561.
Wang, Y., Wang, Y. and Choudhury, C. (2020) ‘Modelling heterogeneity in behavioral response to peak-avoidance policy utilizing naturalistic data of Beijing subway travelers’, Transportation Research Part F: Traffic Psychology and Behaviour, v. 73, p. 92–106. DOI: 10.1016/j.trf.2020.06.016.
Zaki M. J. and Meira, W. JR (2014) Data mining and analysis: fundamental concepts and algorithms. 2nd edition. Cambridge Uni-versity Press, Cambridge.
Zhang, S., Yang, Y., Zhen, F., Lobsang, T. and Li, Z. (2021) ‘Understanding the travel behaviors and activity patterns of the vulnerable population using smart card data: An activity space-based approach’, Journal of Transport Geography, v. 90. DOI: 10.1016/j.jtrangeo.2020.102938.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Renato Goersch Andrade Parente, João Lucas Albuquerque Oliveira, Ivana Maria Feitosa Silva, Francisco Moraes de Oliveira Neto
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Ao submeter um manuscrito para publicação neste periódico, todos os seus autores concordam, antecipada e irrestritamente, com os seguintes termos:
- Os autores mantém os direitos autorais e concedem à Revista TRANSPORTES o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e abrem mão de qualquer outra remuneração pela sua publicação pela ANPET.
- Ao ser submetido à Revista TRANSPORTES, o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial neste periódico.
- Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento da publicação inicial nesta revista, desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela ANPET.
- Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) depois de concluído o processo editorial. Como a Revista TRANSPORTES é de acesso livre, os autores são estimulados a usar links para o site da Revista TRANSPORTES nesses casos.
- Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
- Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados coletados e resultados obtidos, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.