Вы находитесь на странице: 1из 10

Modelos economtricos aplicados

previso de demanda por transporte interestadual


de passageiros de nibus no Brasil
Mirian Buss Gonalves1; Edson Tadeu Bez2; Antnio Galvo Novaes3

Resumo: O transporte rodovirio de passageiros, no Brasil, um servio pblico essencial. O grau de importncia desse servio pode
ser avaliado quando se observa que o transporte rodovirio por nibus a principal modalidade na movimentao coletiva de usurios
no territrio nacional. A dinmica desse setor tem demandado a implantao de uma sistemtica gil de planejamento dos servios a
serem oferecidos aos usurios. Nesse contexto, a gerao de cenrios com estimativas do volume de movimentaes um dos aspectos
mais relevantes a serem considerados no planejamento de novos servios.
Neste artigo so apresentados modelos economtricos de previso de demanda, que incorporam diversas variveis scio-econmicas
e as variveis do modelo gravitacional clssico. No procedimento de calibrao fez-se uso da regresso linear mltipla e da regresso
de erros absolutos utilizando os softwares Minitab e EGPA-FR (verso Evolucionria do Gradiente com Perturbaes Aleatrias com
Frmula de Representao) no processo de ajuste. O conjunto de dados utilizado na calibrao, correspondente ao ano de 2003, foi
obtido por meio de um processo de anlise e sistematizao de um banco de dados, constante dos Anurios (1999 2003) disponibili-
zados pela Agncia Nacional de Transportes Terrestres ANTT.
Os resultados finais obtidos neste experimento podero ser usados pela ANTT para a gerao de cenrios com estimativas do volu-
me de movimentaes, o que vem a ser uma contribuio importante no processo de conhecimento da demanda por transporte interes-
tadual por nibus.

Abstract: The road transport of passengers in Brazil is an essential public service. Just how important this service is can be seen when
we note that road transport by coach is the main means of collective traveling of users in Brazil. The dynamics of this sector has led to
the implementing of an agile system of planning services to be offered to users. In this context, the generation of scenarios with esti-
mates of passenger flows (of the amount of movement) is one of the most relevant aspects to be taken into account when planning new
services.
In this article econometric models of forecasted demand which incorporate several socioeconomic variables and the variables of the
classic gravitational model are presented. In the assessment calibration procedure multiple linear regression and the regression of abso-
lute errors are employed, making use of the Minitab and EGPA-FR software (Evolutionary version of the Gradient with Random Per-
turbation with the Representation Formula) in the adjustment process. The set of data used in the calibration assessment, correspond-
ing to the year 2003, was obtained by means of a process of analysis and systematization of a database, appearing in the Yearly Publi-
cations (1999 2003) made available by the National Agency of Land Transport ANTT.
The final results obtained from this experiment can be used by ANTT in order to generate scenarios with the objective of estimating
passenger flows, which is an important contribution to the process of forecasting the demand for interstate transport by bus.

1. INTRODUO volume de movimentaes um dos aspectos mais


O transporte rodovirio de passageiros, no Brasil, relevantes a serem considerados no planejamento de
um servio pblico essencial. O grau de importncia novos servios.
desse servio pode ser avaliado quando se observa que A demanda real por transporte de nibus, em geral,
o transporte rodovirio por nibus a principal moda- no pode ser inferida diretamente dos volumes de pas-
lidade na movimentao coletiva de usurios no terri- sageiros transportados, pois parte dessa demanda pode
trio nacional. A dinmica desse setor tem demandado utilizar outra modalidade de transporte ou, simples-
a implantao de uma sistemtica gil de planejamen- mente, no viajar, em decorrncia das caractersticas
to dos servios a serem oferecidos aos usurios. Nesse da oferta disponvel (freqncia, tarifa, conforto, etc.)
contexto, a gerao de cenrios com estimativas do ou de suas prprias preferncias.
Alm disso, no caso dos pases em desenvolvimen-
to, muitas famlias no tm renda que possibilite via-
1
Miriam Buss Gonalves, Departamento de Engenharia de Pro- gens para lazer, turismo, visitar parentes etc. Dessa
duo e Sistemas, Universidade Federal de Santa Catarina. Floria- forma, os fluxos observados so apenas parte da de-
npolis, SC, Brasil. (e-mail: mirianbuss@deps.ufsc.br).
2
Edson Tadeu Bez, Universidade do Vale do Itaja, Campus So
manda, traduzindo o ponto de equilbrio entre a oferta
Jos. So Jos, SC, Brasil. (e-mail: edsonbez@univali.br). e a demanda. No entanto, pode-se afirmar que a oferta
3
Antnio Galvo Novaes, Departamento de Engenharia de Pro- de servios de transporte por nibus, observada hoje
duo e Sistemas, Universidade Federal de Santa Catarina. Floria-
npolis, SC, Brasil. (e-mail: novaes@deps.ufsc.br).
no Brasil, atende a demanda de forma aproximada,
oferecendo freqncias, nveis de conforto e demais
Manuscrito recebido em 22/3/2007 e aprovado para publicao em condies (nvel de servio) at certo ponto ajustadas
4/10/2007. Este artigo parte de TRANSPORTES, volume XV,
nmero 1, de junho de 2007. ISSN: 1415-7713.
s condies locais de demanda. Ademais, todo o sis-

24 TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007


tema de transporte interestadual por nibus contro- modelos. No procedimento de calibrao faz-se uso da
lado pelo mesmo rgo, a ANTT - Agncia Nacional regresso linear mltipla e da regresso de erros abso-
de Transportes Terrestres, que lhe impe uma estrutu- lutos utilizando os softwares Minitab e EGPA-FR
ra coerente e bastante uniforme. (Bez et al, 2005) no processo de ajuste. O conjunto de
Dessa forma, considera-se adequado o desenvolvi- dados utilizado na calibrao bastante amplo, con-
mento de modelos de demanda diretos a partir dos forme ser descrito na seo 3, e foi obtido por meio
fluxos existentes, para determinado corredor, admitin- de um processo de anlise e sistematizao de um
do implicitamente que constituem uma aproximao banco de dados, constante dos Anurios (1999
da demanda. Uma vez que se trabalha com viagens 2003) disponibilizados pela ANTT.
produzidas (fluxos observados), o modelo de anlise O trabalho estruturado como segue. Na seo 2
da demanda focalizado na distribuio dos fluxos. apresenta-se a especificao preliminar do modelo. Na
H diversos tipos de modelo para representar o pro- seo 3 apresenta-se a anlise e sistematizao do
cesso de distribuio dos fluxos (Ortzar e Willum- banco de dados. Os procedimentos adotados na cali-
sen, 2001), sendo os mais difundidos os modelos de brao do modelo e os resultados obtidos so apresen-
fatores de crescimento e os modelos sintticos, espe- tados na seo 4. Na seo 5 apresenta-se uma avalia-
cialmente o modelo gravitacional. o desses resultados e, finalmente, na seo 6, so
Geralmente esses modelos entram na segunda fase feitas algumas consideraes finais.
do mtodo clssico das quatro etapas: gerao, distri-
buio, repartio modal e alocao. Neste estudo, no 2. ESPECIFICAO DO MODELO
entanto, prope-se a utilizao de um modelo econo-
mtrico mais amplo, que incorpora as variveis do Ortzar e Willumsen (2001) apresentam uma srie de
modelo gravitacional clssico, como um modelo de fatores que devem ser levados em conta na escolha da
demanda direto, contemplando as fases de gerao e abordagem para modelar um problema de transporte.
distribuio num s passo. Entre eles destacam-se o contexto da tomada de deci-
importante ressaltar que os modelos agregados, so, a preciso requerida, a disponibilidade de dados
categoria na qual se encaixa o modelo proposto neste adequados, o estado da arte da modelagem, os recur-
estudo, foram amplamente utilizados nas dcadas de sos disponveis para o estudo e a necessidade de pro-
50 a 70 passadas, num grande nmero de estudos de- cessamento de dados. Todos estes aspectos norteiam a
senvolvidos principalmente na Inglaterra e nos Esta- escolha da modelagem adotada, em especial a dispo-
dos Unidos, tendo sido criticados no perodo que se nibilidade de dados adequados. Como Ortzar e Wil-
seguiu (final da dcada de 70 at incio da dcada de lumsen (2001) salientam, em alguns casos existem
90), por no fornecerem estimativas precisas. A partir poucos dados disponveis, em outros, podem existir
da dcada de 90, muitos estudos retomaram a modela- razes para suspeitar da informao.
gem agregada (Horovitz e Farmer, 1998; Wirasinghe e Uma anlise preliminar foi desenvolvida pelos auto-
Kumarage, 1998; Zhao et al, 2004). res em relao aos dados existentes, tendo como fonte
No contexto brasileiro, a modelagem da demanda os Anurios Estatsticos da ANTT e os dados do senso
por transporte rodovirio interestadual de passageiros demogrfico do IBGE. Desta anlise resultou um con-
sempre teve grande importncia para nortear as aes junto amplo de variveis, que, na viso dos autores,
dos rgos pblicos encarregados da normatizao e poderiam explicar a demanda do sistema de transporte
planejamento desses servios. Os primeiros estudos objeto do estudo. Tambm foi feita uma ampla reviso
foram realizados na dcada de 70, destacando-se o da modelagem que poderia ser adequada, resultando
trabalho pioneiro de Luiz Eugnio D. Gomes. Recen- na seleo de um modelo agregado de demanda direto,
temente, diversos outros estudos foram desenvolvidos, levando-se em conta seu potencial de diminuio dos
buscando aprimorar as estimativas fornecidas pelos erros que normalmente ocorrem na modelagem se-
modelos anteriormente usados (Consrcio STE- qencial, quando no se tm modelos de gerao pre-
ENEFER, 2001; Fundao Universitria Jos Bonif- cisos (Ortzar e Willumsen, 2001). A opo foi por
cio, 2003). Nos diversos estudos, a modelagem tem um modelo multiplicativo, do tipo gravitacional, mo-
em comum a adoo das variveis contempladas no dificado de forma a incorporar diversas variveis s-
modelo gravitacional clssico e da tcnica de regres- cio-econmicas, sem, no entanto, aumentar demasia-
damente a complexidade do mesmo. A especificao
so linear mltipla para a calibrao dos modelos.
inicial concebida dada por:
No presente trabalho essa base comum mantida,

buscando-se aprimorar os modelos de demanda atra- Pi 1 P j 2 mig i 3 mig j 4 m i 5 m j 6 ( ri .r j ) 7 dummy j 8 (1)
vs da incorporao de variveis scio-econmicas Ti , j = 0 9
di j
relevantes na formao dos fluxos e com a utilizao
de um conjunto de dados maior para a calibrao dos onde, Tij = fluxo anual total de passageiros entre os

TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007 25


municpios i e j; Pi, Pj = populao dos municpios i e ficados, quais sejam: a) a normalidade dos resduos,
j, respectivamente; ri, rj = renda mdia per capita dos ou seja, os erros devem ser normalmente distribudos;
municpios i e j, respectivamente; mi, mj = nmero b) os erros devem possuir mdia zero; c) a homoce-
mdio anual per capita de viagens interestaduais por dasticidade deve ser verificada, isto , os erros devem
nibus dos municpios i e j, respectivamente; dummyj possuir varincia constante e; d) as variveis explica-
= varivel que determina se o municpio ou no um tivas no podem ser correlacionadas.
plo turstico (valores adotados: dummyj = 2, se j um
plo turstico e dummyj = 1,2 em caso contrrio); migi 3. ANLISE E SISTEMATIZAO DO BANCO
e migj = ndice de habitantes que no so naturais dos DE DADOS
estados dos municpios de origem e destino, respecti-
Utilizou-se um amplo banco de dados, constante dos
vamente, definido como o quociente entre o nmero
Anurios (1999 2003) disponibilizados pela ANTT.
de habitantes naturais de outros estados pelo nmero
Esse conjunto de dados composto de 236 empresas
total de habitantes do municpio; dij = uma medida da
com 3.041 linhas o que corresponde a um total de
distncia rodoviria entre os municpios i e j; 0, 1,
67.561 sees e uma movimentao anual (ano 2003)
2, 3, 4, 5 , 6, 7, 8, 9 = coeficientes a serem de-
de passageiros de 70.514.322.
terminados.
Uma anlise preliminar do banco de dados mostrou
Na equao (1) a zona de origem i corresponde ao
que o mesmo continha registros que no faziam parte
municpio de menor populao. Parte-se do pressu-
do escopo desta pesquisa, bem como ausncia de in-
posto de que os habitantes dos municpios menores
formao em alguns casos. Decidiu-se, ento, pela
tendem a buscar bens e servios em municpios maio-
busca de critrios para eliminar esses registros.
res, de acordo com a Teoria do Lugar Central de
No procedimento inicial adotado buscou-se obter
Christaller (Gonalves, 1992).
uma maneira de avaliar as sries histricas, de modo a
As variveis migi e migj que correspondem ao ndi-
retirar uma amostra confivel que pudesse ser utiliza-
ce de habitantes que no so naturais dos estados dos
da na calibrao dos modelos de previso da demanda
municpios de origem e destino, respectivamente, fo-
e, para isso, foram retiradas do banco de dados as em-
ram introduzidas para captar a influncia de movimen-
presas que no operaram em 2003, tendo em vista que
tos migratrios na formao dos fluxos, tendo em vis-
seriam utilizados os dados de 2003 para a calibrao
ta que houve uma migrao intensa no Brasil, nas l-
dos modelos. Do total de 236 empresas restaram 191.
timas dcadas (Nordeste rumo a Sudeste; Sul rumo a
Em seguida, foram removidas as empresas que no
Centro-Oeste, etc.) (Censo Demogrfico 2000, 2003).
tinham dados em alguns dos anos anteriores. Do total
Alm disso, o motivo de viagem visitar parentes
de 191 empresas restaram 142.
representa um peso percentual considervel (entre 35
Foi, ento, executado um processo de depurao
e 40 por cento) do universo das viagens inter-
desses dados, tendo como base as sries histricas
estaduais de passageiros, conforme constatado em es-
(1999-2003) agregadas por empresa, realizando o cru-
tudos recentes (Datamtrica, 2005; LabTrans/ UFSC,
zamento de informaes atravs dos seguintes indica-
2005). A varivel dummy, que determina se o munic-
dores:
pio ou no um plo turstico, usada para captar a
Ocupao de veculo (OV):
atratividade prpria desses plos. A renda mdia per
capita foi adicionada ao modelo, pois pode explicar a nmero de passageiros
OV = (2)
gerao de demanda ocasionada por fatores scio- nmero de viagens
econmicos diversos.
A Equao 1 usada como ponto de partida para a Quilometragem percorrida (KP):
calibrao, ou seja, feita uma primeira regresso li- KP = extenso nmero de viagens (3)
near mltipla com todas as variveis e, a seguir, com o
auxlio de um software adequado (neste trabalho utili- ndice de passageiros por quilmetro (IPK):
zou-se o software Minitab), identifica-se o melhor nmero de passageiro s
conjunto de variveis para a especificao final do IPK = 100 (4)
KP
modelo. Para isso usado um algoritmo para seleo
de variveis passo a passo (stepwise regression), que O nmero de passageiros (n.passageiros) usado pa-
testa, a cada passo, se a nova varivel apresenta con- ra determinar os ndices OV e IPK foi obtido conside-
tribuio adicional. No conjunto final de variveis rando-se o critrio de proporcionalidade, como descri-
selecionadas, no se espera que fiquem variveis in- to a seguir.
dependentes que sejam correlacionadas. Suponha que uma linha i tenha N sees. Denota-se:
Para que o modelo seja eficaz na determinao da PASn = nmero de passageiros na seo n; EXT = ex-
varivel preditora alguns pressupostos devem ser veri- tenso da linha i; EXTn = extenso da seo n.

26 TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007


Uma medida do nmero de passageiros na linha i, Tabela 1. Resultados da regresso mltipla utilizando-se a
Equao 8
NPAS i , dada por:
Coeficientes Stat t valor-p
N EXTn 0 = 0,353734 0,493882 0,622365
NPASi = PAS n (5) 1 = 0,721392 15,85074 2,8E-30
n=1 EXT
2 = 0,449665 3,150764 0,002093
Para analisar a regularidade desses indicadores no R2 = 0,694184
perodo de 1999 a 2003, foi calculado o coeficiente de
variao (CV) (Spiegel, 1978) que uma medida esta- passageiros transportados) explicada pelo modelo de
tstica que permite avaliar comparativamente empre- regresso e que os parmetros, exceto 0 apresentam
sas pequenas, mdias e grandes. Este coeficiente significncia estatstica.
dado pela seguinte expresso: Nos testes que verificam a eficcia da varivel pre-
ditora do modelo, a homocedasticidade foi verificada,
CV = (6) os erros se apresentaram normalmente distribudos e
Y
os demais pressupostos, que garantem a eficincia do
onde (Y ) a mdia e ( ) o desvio padro. modelo, foram satisfeitos.
Buscou-se utilizar na calibrao dos modelos os da- Dessa forma, as variveis usadas na regresso foram
dos oriundos de empresas que apresentassem maior validadas. Foi estabelecido, ento, como ltimo crit-
estabilidade temporal dos indicadores citados. Estabe- rio de descarte, retirar as empresas em que esta relao
leceu-se, ento, o seguinte critrio: caso uma empresa foi muito fraca (resduo padronizado > 2). Como con-
estivesse entre os 20% maiores valores do coeficiente seqncia foram descartadas mais 6 empresas, restan-
de variao (CV) em 2 ou mais indicadores, os dados do um total de 108 empresas.
da mesma seriam descartados. Esse processo de limpeza do banco de dados acarre-
Do total de 142 empresas 26 empresas foram des- tou a seleo de um conjunto de empresas com suas
cartadas usando o critrio anteriormente descrito, res- respectivas linhas e sees (pares OD). Foi realizada,
tando 116 e, com o objetivo de verificar a consistncia a seguir, uma anlise da representao espacial da
dos dados dessas empresas, decidiu-se realizar uma movimentao de passageiros da amostra resultante. A
anlise multivariada (regresso mltipla). representao, que no apresentada neste texto por
Para isso foi usada a seguinte expresso: delimitao de espao, levou em conta a movimenta-
o de passageiros em cada regio (Sul, Sudeste, Cen-
Pj = 0 (C j OV j KPj ) 1 NM j
2
(7) tro-oeste, Norte e Nordeste) e a movimentao de pas-
sageiros com origem e destino em regies diferentes,
onde, Pj = nmero de passageiros transportados pela
formando um total de 15 ligaes intra e inter-
empresa j; Cj = capacidade do veculo (46 lugares) da
regionais.
empresa j; OVj = ocupao mdia do veculo (em por-
Tendo em vista que a amostra resultante contem-
centagem) da empresa j; KPj = quilometragem percor-
plou um nmero de pares OD de todas as ligaes in-
rida pela empresa j; NMj = ndice de motoristas da
tra e inter-regionais aproximadamente proporcional
empresa j por quilmetro percorrido pela mesma, de-
movimentao de passageiros dessas ligaes, optou-
finido como o quociente entre o nmero total de mo-
se por utilizar o banco de dados resultante da depura-
toristas da empresa e a quilometragem total percorri-
o realizada para a calibrao dos modelos de de-
da; 0, 1 e 2 so coeficientes a serem determinados.
manda, que relatada na seo que segue.
Para esta anlise foi utilizado um conjunto de dados
adicional, referente s empresas que operaram no ano
de 2003, disponibilizado pela ANTT. Em virtude da 4. PROCEDIMENTOS ADOTADOS NA
inexistncia de informaes relativas ao nmero de CALIBRAO DO MODELO E
motoristas, mais duas empresas foram descartadas, RESULTADOS OBTIDOS
restando um total de 114 empresas. Utilizando-se a equao (1) realizou-se uma primeira
Para efetuar a regresso mltipla, foi aplicado E- regresso linear mltipla usando todas as variveis
quao 7 o logaritmo, resultando na expresso: contempladas nessa equao. A seguir, com auxlio do
( ) (
log( P j ) = log( 0 ) + 1 log C j OV j KP j + 2 log NM j ) (8) software Minitab, uma srie de combinaes entre
essas variveis foi desenvolvida, buscando-se resulta-
Na Tabela 1 apresentam-se os resultados estatsticos dos melhores.
da regresso. Observa-se que o coeficiente de deter- Devido extenso do territrio brasileiro e suas a-
minao obtido garante que aproximadamente 70% da centuadas diferenas regionais, segmentou-se o uni-
variabilidade da varivel independente (nmero de verso de anlise por agrupamentos das ligaes regio-
nais e inter-regionais. O agrupamento das ligaes

TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007 27


regionais e inter-regionais foi feito baseando-se na da de 94,41% at 100%): norte (1.006.904), centro-
anlise de Pareto (curva ABC), usando como varivel oeste norte (800.904), sul centro-oeste (678.875),
a movimentao anual de passageiros das sees. centro-oeste nordeste (579.598), norte nordeste
O princpio de Pareto tambm conhecido como (554.755), sudeste norte (232.170), sul nordeste
regra 80-20 (aproximadamente 80% dos efeitos so (52.366), sul norte (30.886).
decorrentes de 20% das causas). Por exemplo, 80% do A seguir, cada um dos grupos A, B e C, foi segmen-
faturamento de uma empresa provm de aproximada- tado por distncia, considerando-se as seguintes fai-
mente 20% de seus produtos; 80% do suprimento xas: viagens curtas: at 400 km; viagens mdias: de
comprado de mais ou menos 20% dos seus fornecedo- 400 a 800 km; e viagens longas: com mais de 800 km.
res, etc. Em Administrao, a forma mais popular da Essa classificao por distncia vem sendo adotada
anlise ABC prope a diviso dos itens objeto de es- em diversos estudos (Consrcio STE-ENEFER,
tudo em 3 classes: A ( ~ 10%, ~ 65% ), B (~ 20%, 2001), e justificada devido ao grande intervalo re-
~ 25%) e C (~ 70%, ~ 10%), onde o smbolo ~ repre- presentado por cada faixa e percepo emprica de
senta aproximadamente (Wild, 1997). que, nas diferentes faixas, as viagens tm motivao e
No presente estudo, a anlise ABC demonstra que a aspectos comportamentais diferenciados.
maior parte da movimentao anual de passageiros Gerou-se, dessa forma, um total de 9 (nove) grupos
concentra-se num pequeno grupo de ligaes regio- segmentados por agrupamentos regionais e inter-
nais e/ou inter-regionais. Busca-se, ento, concentrar regionais e por distncia. Dividiu-se, a seguir, o con-
o esforo nos grupos de ligaes com maior movi- junto de ODs de cada grupo em dois subconjuntos de
mentao de passageiros, pois bons resultados nesses mesma magnitude: um para ser usado na calibrao do
grupos tm grande alcance no universo de estudo. modelo (Amostra 1) e outro na validao dos coefici-
Da segmentao realizada com base na anlise de entes obtidos (Amostra 2).
Pareto, resultaram trs grupos. GRUPO A: (corres- Com a segmentao realizada obtiveram-se, no pro-
pondendo a 67,43% de movimentao total): sudeste cesso de calibrao, os resultados apresentados nas
(29.841.934), sul (9.773.281), nordeste (7.934.130); Tabelas 2, 3 e 4, onde so identificadas as variveis,
GRUPO B: (correspondendo porcentagem acumula- todas com significncia estatstica, que explicam a
da de 67,43% at 94,41%): sul sudeste (6.115.716), movimentao de passageiros nos diferentes grupos.
sudeste centro-oeste (4.709.540), centro-oeste Para os grupos A, B (todas as faixas de distncia) e
(4.548.952), sudeste nordeste (3.654.311); e C (de 0 a 400 km), os valores de R2 obtidos encon-
GRUPO C: (correspondendo porcentagem acumula- tram-se entre 50 e 60%. Esses valores, bom como a

Tabela 1. Resultados do Grupo A (S, SE, NE) segmentado por distncia considerando a movimentao de
passageiros (67,43 %)
Faixa de distncia (km) At 400 400 800 Mais de 800
N. total de observaes (sees) 2204 1421 476
Amostra (50 % das observaes) 1102 711 238
Variveis Pi , Pj , mi , m j , Pi , Pj , mi , m j , Pi , Pj , mi , m j
d ij , dummy j ri r j , d ij , dummy j d ij
2
R 58,4 55,3 52,0

Tabela 2. Resultados do Grupo B (S-SE, SE-CO, CO, SE-NE) segmentado por distncia considerando
a movimentao de passageiros (67,43% at 94,41%)
Faixa de distncia (Km) At 400 400 800 Mais de 800
N. total de observaes (sees) 660 737 1596
Amostra (50 % das observaes) 330 369 798
Variveis Pi , Pj , mi , m j , Pi , Pj , mi , m j , Pi , Pj , mi , m j ,
d ij , mig i d ij , mig i , mig j d ij , mig i , mig j
R2 55,7 59,1 53,8

Tabela 3. Resultados do Grupo C (N, CO-N, S-CO, CO-NE, N-NE,SE-N, S-NE, S-N) segmentado por
distncia considerando a movimentao de passageiros (94,41% at 100%)
Faixa de distncia (Km) At 400 400 800 Mais de 800
N. total de observaes (sees) 166 201 1324
Amostra (50 % das observaes) 83 101 662
Variveis Pi , Pj , m j , d ij Pi , Pj , mi , d ij Pi , Pj , mi , d ij
2
R 55,9 35,9 30,0

28 TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007


normalidade dos resduos (Figura 1), se mostraram um os coeficientes obtidos com e sem as observaes dis-
pouco insatisfatrios. Decidiu-se, ento, retirar as ob- crepantes. A seguir, foram calculadas as estatsticas
servaes discrepantes (outliers) e validar a sua retira- PHI-normalizada (PHI), Erro Mdio Absoluto Norma-
da. Em seguida calibrou-se o modelo sem estas obser- lizado (EMAN), ndice de Dissimilaridade (ID), que
vaes e verificou-se uma melhoria dos valores de R2 so estatsticas clssicas para avaliar o ajuste de matri-
(Tabelas 5, 6 e 7). A melhoria na normalidade dos zes de distribuio de viagens. Quanto menor o valor
resduos aps a retirada dos outliers exemplificada de PHI, EMAN ou ID, melhor o ajuste entre as ma-
na Figura 2. trizes de viagens observadas e estimadas. Uma descri-
Para validar o modelo obtido em cada grupo com a o das mesmas pode ser encontrada em Gonalves,
retirada dos outliers, foi utilizada a Amostra 2 (metade 1992 ou em Bez, 2000.
das observaes reservadas para validao dos mode- Na Tabela 8, so exemplificados os resultados para
los). Para isso foram obtidas as estimativas fornecidas o grupo A, na faixa de distncia de 0 a 400 km. Nos
pelo modelo, para os pares OD dessa amostra, usando demais grupos os modelos resultantes da calibrao
sem os outliers tambm apresentaram uma melhor
performance quando aplicados na amostra 2, o que
justifica a sua adoo.

Tabela 8. Resultados do ajuste do modelo com e sem a retira-


da dos outliers (Grupo A, At 400 km)
PHI ID EMAN
Com outliers 1,22 34,79 757,18
Sem outliers 1,07 33,30 724,62

Em razo dos baixos valores obtidos para R2 na ca-


Figura 1. Histograma dos resduos do Grupo A sem retirada
dos outliers librao do Grupo C, para viagens mdias e longas,
utilizou-se o modelo em sua forma multiplicativa. A
2
Tabela 5. Valores de R no GRUPO A, com e sem a retirada calibrao foi feita usando a estatstica ndice de Dis-
dos outliers similaridade (Equao 9), sendo utilizado o mtodo
Faixa de distncia (km) At 400 400 800 Mais de 800 EGPA-FR (Bez et al, 2005) para a minimizao dessa
R2 com os outliers 58,4 55,3 52,0 estatstica.
R2 sem os outliers 67,2 65,1 59,2
50 *
ID = T Tij (9)
* ij ij
2
Tabela 6. Valores de R no GRUPO B, com e sem a retirada
T
dos outliers
onde, Tij* = nmero de viagens observadas da origem i
Faixa de distncia (km) At 400 400 800 Mais de 800 para o destino j; Tij = nmero de viagens estimadas da
R2 com os outliers 55,7 59,1 53,8
origem i para o destino j; T* = Total de viagens obser-
R2 sem os outliers 63,1 70,0 53,3
vadas.
2
Salienta-se que a minimizao de uma estatstica
Tabela 7. Valores de R no GRUPO C, com e sem a retirada
dos outliers
que considera os mdulos das diferenas (ID) entre os
valores observados e estimados considerada mais
Faixa de distncia (km) At 400
adequada em diversas situaes, sendo menos sensvel
R2 com os outliers 55,9
R2 sem os outliers 62,0 a valores aberrantes (Narula e Stangenhaus, 1988).
Como a nova regresso realizada leva em conside-
rao os erros absolutos (Regresso L1), para anlise
da significncia estatstica dos coeficientes encontra-
dos, tornou-se necessrio a adoo de uma nova esta-
tstica que substitusse a estattisca t de student, utili-
zada na regresso de mnimos quadrados, j que esta
se baseia na soma de quadrados. De acordo com Naru-
la e Stangenhaus (1988), o teste t de student no a-
dequado em uma regresso de erros absolutos. Os au-
tores apresentam a seguinte estatstica, que pode ser
usada nesse caso:
Figura 2. Histograma dos resduos do Grupo A com retirada
dos outliers

TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007 29


800 km e mais que 800 km), resultando na equao
bi
Z* = (10) (12), que representa a forma clssica do modelo gravi-
1
( X ' X ) ii tacional:
Pi1 Pj 2
onde bi o i-simo coeficiente obtido na regresso, Ti , j = 0 3
(12)
(X' X)ii-1 o i-simo elemento da diagonal de (X' X)-1, di, j
onde X a matriz formada pelas variveis indepen- Na Tabela 9 apresenta-se uma anlise comparativa
dentes e um valor desconhecido. Um estimador dos dois modelos (regresso de mnimos quadrados e
sugerido para dado por: regresso de erros absolutos) para a faixa de distncia
e (t ) e ( s ) de 400 a 800 km, evidenciando-se um melhor ajuste
= (11) do modelo obtido pela regresso de erros absolutos, o
2 (t s ) / n
que justifica a sua adoo.
onde e(1) e(2) ... e(n) representam os resduos
Tabela 9. Anlise comparativa dos modelos obtidos pela
ordenados. recomendado que os valores de t e s se- regresso de mnimos quadrados e regresso de
jam escolhidos de tal maneira que estejam posiciona- erros absolutos, para o grupo C, faixa de distncia
de 400 a 800 km
dos simetricamente em torno do ndice da mediana
amostral, ou seja, Regresso de Regresso de erros
Estatsticas
mnimos quadrados absolutos
t = [(n + 1) / 2] + v no caso em que n mpar, e ID 41,04 19,61

s = [(n + 1) / 2] v EMAN 82,91 39,62
PHI 1,57 0,74

t = [n / 2] + 1 + v no caso de n par.
A seguir so apresentados os resultados finais para
s = [n / 2] v os 9 (nove) grupos (Tabelas 10, 11, 12 e 13). A Equa-
onde [] indica a parte inteira do nmero e v esco- o 12 usada no Grupo C com distncias de 400 a
lhido de maneira que t e s sejam simtricos em relao 800 km e maior que 800 km e nos demais grupos a
ao ndice da mediana amostral. A diferena entre t e s Equao 13, que segue:
deve ser pequena e e(t) e e(s) no podem ser nulos.
Pi Pj
Salienta-se, tambm, que um estimador consisten- Tij = exp 0 + 1 ln + 2 ln + 3 ln(migi ) +
te de (Narula e Stangenhaus, 1988). Maiores deta- 1000 1000
lhes sobre a utilizao da regresso L1 na calibrao ri r j
de modelos de distribuio de viagens podem ser vis- ( ) ( ) ( )
4 ln mig j + 5 ln mi + 6 ln mig j + 7 ln
10000 + (13)
tos no trabalho de Bez e Gonalves (2006).
A calibrao do modelo foi bem sucedida para as ( )]
8 ln d ij
duas faixas de distncia consideradas (Grupo C, 400 a
Tabela 10. Parmetros do GRUPO A: Sudeste, Sul e Nordeste
Parmetros At 400 400 800 Mais de 800
0 8,301365873873120 8,087857093549980 8,060233479808390
1 0,796942591205408 0,746394122270084 0,768417612202321
2 0,635112753161796 0,460060954344267 0,749215460295464
5 0,392490583052169 0,389003078693068 0,324061268619131
6 0,350311335187946 0,284395978815848 0,304697160914189
7 0 0,187844704235045 0
8 0,768546997382765 1,583012375455010 0
9 -1,317742790589580 -1,386710533881670 -1,309897388857810
3 = 4 = 0

Tabela 11. Parmetros do GRUPO B: Sul - Sudeste, Sudeste Centro-Oeste, Centro-Oeste,


Sudeste Nordeste
Parmetros At 400 400 800 Mais de 800
0 9,669452781533640 15,547490974495700 2,463275144398500
1 0,938684186940491 0,878143234255628 0,765201860744870
2 0,729338172445292 0,703106804331187 0,726892058542628
3 0,386203240623749 0,459425537749364 0,224353812843686
4 0 0,430361198729195 0,679006362917358
5 0,383598091603631 0,238797735493225 0,176601251936519
6 0,147531198903630 0,443097286036165 0,191253171835200
9 -1,565279941665680 -2,287268593352390 -0,343487785426711
7 = 8 = 0

30 TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007


Tabela 12. Parmetros do GRUPO C: Norte, Centro-Oeste Por fim foi feita uma avaliao dos resultados obtidos pelo
Norte, Sul Centro-Oeste, Centro-Oeste modelo novo comparativamente ao modelo desenvolvido
Nordeste, Norte Nordeste, Sudeste Norte, pelo consrcio STE-ENEFER (2001) (Equao 14).
Sul Nordeste, Sul Norte
Parmetros At 400 ln(Demanda) = b0 + b1 ln(Pop _ A) +
0 12,461258153384400
(14)
b2 ln(Pop _ B) + b3 ln(Dist) + b4 Atrat + b5 Re g
1 0,575401236367286
2 0,896521019315957
6 0,328571443851490 onde, Pop_A = Populao municipal da localidade de
9 -2,043542076826620 maior demografia, em milhares de habitantes; Pop_B
3 , 4 , 5 , 7 , 8 0
= Populao municipal da localidade de menor demo-
grafia, em milhares de habitantes; Dist = Distncia
Tabela 13. Parmetros do GRUPO C: Norte, Centro-Oeste rodoviria entre localidades, em quilmetros; Atrat =
- Norte, Sul - Centro-Oeste, Centro-Oeste - Atratividade (o valor atribudo a atratividade 1(um)
Nordeste, Norte - Nordeste, Sudeste - Norte,
Sul - Nordeste, Sul - Norte nos casos de ligaes com caractersticas de polaridade
Parmetros 400 800 Mais de 800 espacial e 0 (zero) em caso contrrio; Reg = Assume
0 5,2761875456E-04 0,16185606032509 diretamente o valor 0 (zero) para as ligaes Norte,
1 0,12160295556711 1,01032526542223 Sudeste, Sul, Centro-Oeste, Norte Centro-Oeste,
2 1,18590486757524 0,79690438393203
3 0,38992882494686 1,93144653444439 Norte Nordeste, Nordeste Sudeste, Centro-Oeste
Sudeste e Centro-Oeste Sul e assume valor 1 (um)
nas ligaes Nordeste, Nordeste Centro-Oeste, Nor-
deste Sul, Norte Sul e Sudeste Sul.
5. AVALIAO DO RESULTADO Para isso, foram retiradas, aleatoriamente, amostras
Inicialmente importante destacar que no houve uma com 100 pares de OD, de cada um dos nove agrupa-
busca por um modelo nico para todo o territrio na- mentos realizados, isto , para cada uma das nove e-
cional, pois se partiu do pressuposto que seria interes- quaes do modelo de previso de demanda proposto.
sante ter um modelo para cada subconjunto. Uma das A seguir foram calculadas as estimativas de demanda
vantagens de calibrar um modelo nico a utilizao fornecidas pelo novo modelo. Tambm foram calcula-
de uma amostra nica. No entanto, quando o banco de das as estimativas de demanda dessas ODs, utilizando
dados contm um nmero significativo de registros, o outro modelo citado. Para analisar a performance
no h prejuzo em usar segmentaes, desde que em dos modelos, foi utilizada a estatstica ndice de Dis-
cada segmento se tenha um nmero de observaes similaridade (Equao 9).
adequado. Os valores dessa estatstica so sempre positivos,
Em todos os grupos observou-se a significncia es- sendo zero quando todas as estimativas coincidirem
tatstica das variveis contempladas. Alm disso, os com os dados observados. No entanto, difcil fazer
sinais obtidos para os coeficientes, em todos os gru- uma interpretao dos valores absolutos obtidos.
pos, so coerentes, isto , esto de acordo com o espe- Quanto mais prximo de zero for seu valor, melhor o
rado pela especificao do modelo. A retirada das ob- ajuste (ou seja, mais prximas dos dados observados
servaes discrepantes permitiu um melhor ajuste, estaro as estimativas fornecidas pelo modelo). Em
tendo sido validada atravs da aplicao do modelo na geral, essa estatstica usada para comparar os resul-
Amostra 2 (metade das observaes reservadas para a tados obtidos por modelos distintos, como o caso do
validao dos modelos). presente estudo.
As condies para o uso da regresso linear mlti- Cabe ressaltar, no entanto, que na situao particu-
pla tambm foram verificadas. A correlao de vari- lar onde o nmero total de viagens estimadas T coin-
veis foi evitada atravs do algoritmo de seleo de cidir com o nmero de viagens observadas T*, a esta-
variveis passo a passo e a homocedasticidade foi tes- tstica ndice de Dissimilaridade tem uma interpreta-
tada para todos os grupos. Isso foi feito observando-se o muito interessante. Neste caso seus valores variam
se os resduos tm varincia relativamente constante e entre 0 e 100 e ela mede a porcentagem de viagens
com distribuio prxima do normal. Nos testes reali- que necessitam ser realocadas entre os pares de ori-
zados no houve evidncia de varincia no constante. gem-destino (ODs), a fim de que a matriz de viagens
Os valores obtidos para R2 mostram que entre 60 e estimada coincida com a matriz de viagens observada
70% da variabilidade da varivel preditora foi expli- (Gonalves, 1992).
cada pelos modelos finais adotados (Tabelas 5, 6 e 7). Na Tabela 14 apresentam-se os resultados obtidos.
Embora esses valores possam ser considerados baixos Observa-se que em todos os agrupamentos os resulta-
em diversas situaes, nesse estudo eles podem ser dos fornecidos pelo novo modelo so melhores. Fi-
considerados razoveis, tendo em vista a grande di- nalmente, foi feita uma comparao referente por-
versidade do universo de pares OD analisados. centagem de sees onde os modelos subestimam a

TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007 31


Tabela 14. Comparativo entre o modelo novo (M.N.) e o e o modelo do consrcio STE-ENEFER (M.C.), usando a estatstica ndice de
dissimilaridade (equao 9)
GRUPO A GRUPO B GRUPO C
At 400 400 800 Mais de 800 At 400 400 800 Mais de 800 At 400 400 800 Mais de 800
M. N. 32,41 28,73 35,18 33,26 33,59 33,59 41,92 41,25 35,02
M. C. 33,36 103,89 71,59 48,54 52,87 52,87 72,85 56,87 53,13

Tabela 15. Porcentagens de estimativas superestimadas e subestimadas pelos modelos


GRUPO A
At 400 400 800 Mais de 800
MODELOS superestima subestima superestima subestima superestima Subestima
M. N. 44% 56% 56% 44% 54% 46%
M. C. 80% 20% 90% 10% 84% 16%
GRUPO B
At 400 400 800 Mais de 800
MODELOS superestima subestima superestima subestima superestima Subestima
M. N. 52% 48% 46% 54% 52% 48%
M. C. 82% 18% 86% 14% 80% 20%
GRUPO C
At 400 400 800 Mais de 800
MODELOS superestima subestima superestima subestima superestima Subestima
M. N. 65% 35% 41% 59% 40% 60%
M. C. 87% 13% 76% 24% 74% 26%

demanda observada ou superestimam (Tabela 15). to, demonstrou ser um procedimento adequado. Este
Analisando essa tabela observa-se que o modelo ante- fato fez com que se obtivesse um resultado satisfat-
rior superestimou a demanda numa grande porcenta- rio, para a maioria dos casos, identificando-se as vari-
gem das sees da amostra usada, enquanto para o veis que explicam a movimentao de passageiros e
modelo proposto isso no ocorre. definindo-se as equaes que representam o modelo
Esse fato considerado positivo, pois diminui o ris- de previso demanda.
co de serem obtidos indicativos de explorao aut- Alm das variveis clssicas do modelo gravitacio-
noma de uma linha e, posteriormente, a mesma no se nal, que foram estatisticamente significantes em todos
mostrar vivel. Uma das possveis causas que expli- os grupos, destacaram-se: o nmero mdio anual per
cam esse fato o nmero significativo de ODs usados capita de viagens interestaduais por nibus, que foi
nas amostras utilizadas para a calibrao dos modelos, representativo em todos os grupos, as variveis que
tendo em vista que a ampla maioria dos municpios captam a influncia dos fluxos migratrios (grupo B)
brasileiros so pequenos ou mdios, e que os mesmos e a atratividade dos plos tursticos (grupo A, faixas
foram contemplados na mesma proporo que os mu- de distncia at 400 km e entre 400 e 800 km).
nicpios maiores. Desenvolveu-se uma anlise comparativa das esti-
mativas fornecidas pelo modelo proposto e um mode-
6. CONSIDERAES FINAIS lo anterior, utilizado pela ANTT, na qual se pode veri-
ficar que o modelo proposto apresentou melhor per-
O presente trabalho atendeu ao seu objetivo inicial, formance.
obtendo modelos de previso de demanda para o Os resultados obtidos podero ser usados pela
transporte rodovirio interestadual de passageiros, que ANTT para a gerao de cenrios com estimativas do
podem ser usados para avaliar a demanda potencial de volume de movimentaes, o que um dos aspectos
uma nova linha interestadual de nibus. mais relevantes a serem considerados no planejamento
A utilizao de um modelo de demanda direto mos- de novos servios.
trou-se interessante, tendo em vista a no existncia de Com o desenvolvimento das novas tecnologias de
dados de gerao de viagens disponveis e o alto custo informao, cada vez mais possvel obter melhores
para obt-los. Um estudo exploratrio do banco de informaes dos sistemas reais. Cabe Agncia Regu-
dados dos municpios do IBGE permitiu uma anlise ladora e s empresas aprimorarem seus procedimentos
das variveis que afetam os padres da demanda, i- de coleta de dados. Com isso melhores resultados po-
dentificando-se as principais variveis que influenci- dero ser obtidos atravs dos modelos de previso de
am na formao dos fluxos e ao mesmo tempo podem demanda, que devem ser revistos e atualizados perio-
ser usadas na modelagem por estarem disponveis no dicamente.
bando de dados.
A proposta de agrupar as regies e ligaes inter-
regionais, em grupos, baseando-se na anlise de Pare-

32 TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007


AGRADECIMENTOS
Os autores agradecem ANTT (Agncia Nacional de Transportes terres-
tres) e ao LabTrans - UFSC (Laboratrio de Transportes da Universidade
Federal de Santa Catarina pela cooperao no trabalho desenvolvido. A-
gradecem, tambm, ao CNPq e FAPESC por patrocinarem parcialmente
o presente trabalho.

REFERNCIAS BIBLIOGRFICAS
Bez, E. T. (2000) Um estudo sobre os procedimentos de calibrao de
alguns modelos de distribuio de viagens. Dissertao (Mestrado
em Engenharia de Produo) Programa de Ps-Graduao em
Engenharia de Produo, Universidade Federal de Santa Catarina,
Florianpolis.
Bez, E. T., Souza de Cursi, J. E., Gonalves, M. B. (2005) A Hybrid Me-
thod for Continuous Global Optimization Involving the Represen-
tation of the Solution. 6th World Congress on Structural and Mul-
tidisciplinary Optimization WCSMO6. Rio de Janeiro, RJ, Bra-
zil.
Bez, E. T., Gonalves, M. B. (2006) Utilizao da regresso de erros abso-
lutos na calibrao de modelos de distribuio de viagens.. In: XX
Congresso de pesquisa e ensino em transportes, 2006, Braslia.
Panorama Nacional da Pesquisa em Transportes 2006. Rio de Ja-
neiro : ANPET, v. I. p. 455-461.
Censo Demogrfico 2000 Migrao e Deslocamento (2003), IBGE, Rio
de Janeiro.
Consrcio STE-ENEFER (2001) Relatrio Tcnico Reavaliao do mo-
delo de estimativa da demanda de passageiros em ligaes de
transporte rodovirio Estudo realizado por GISTRAN para
ANTT.
Datamtrica Consultoria, Pesquisa e Telemarketing (2005). Relatrio de
Transporte Rodovirio de Passageiros Pesquisa de avaliao
da satisfao dos usurios dos servios das empresas de trans-
porte terrestre para ANTT.
Fundao Universitria Jos Bonifcio (2003) Relatrio 03 Modelos de
Demanda Consultoria Tcnica, para a ANTT, visando o de-
senvolvimento do transporte rodovirio interestadual e interna-
cional de passageiros.
Gonalves, M. B. (1992) Desenvolvimento e Teste de um Novo Modelo
Gravitacional de Oportunidades de Distribuio de Viagens.
Tese (Doutorado em Engenharia de Produo) Programa de
Ps-Graduao em Engenharia de Produo, Universidade Fede-
ral de Santa Catarina, Florianpolis.
Horowitz, A.J, e Farmer, D.D (1998). A Critical Review of Statewide
Travel Forecasting Practice, University of Wisconsin. Disponvel
em: <http://my.execpc.com/~ajh/Statewid.pdf>.
Labtrans/UFSC (2005) Relatrio 5 Estudo Piloto Convnio 018/2004
Modelo de viabilidade, monitoramento e representao dos in-
dicadores de desempenho das linhas de transporte rodovirio de
passageiros, entre a UFSC e a ANTT.
Narula, S.C., Stangenhaus, G. (1988) Anlise de Regresso L1 . 8o Sinape.
Campinas.
Novaes, A. G. (1982) Modelos em planejamento urbano, regional e de
transportes. Edgard Blucher, So Paulo.
Ortzar, J. D., Willumsen, L. G. (2001) Modelling Transport. Third Edic-
tion. John Wiley & Sons, New York.
Spiegel, M. R. (1978) Probabilidade e Estatstica. Makron Books Editora
Ltda., So Paulo.
Wild, T. (1997) Best Practice in Inventory Management. John Wiley &
Sons, New York.
Wirasinghe, S. C., Kumarage, A.S. (1998) An aggregate demand model for
intercity passenger travel in Sri Lanka, Transportation, vol. 25,
77-98.
Zhao F., Chow L. F., Li, M. T. e Gan A. (2004) Refinement of Fsutms Trip
Distribution Methodology. Final Report, Prepared by Lehman
Center for Transportation Research, Department of Civil & Envi-
ronmental Engineering, Florida International University.

TRANSPORTES, v. XV, n. 1, p. 24-33, junho 2007 33

Вам также может понравиться