You are on page 1of 3

Texto “Big data para análise de métricas de qualidade de transporte:

metodologia e aplicação” – Cadernos Técnicos da ANTP (2015)

A utilização das tecnologias de informação para controle dos sistemas de transporte ainda
é um assunto pouco explorado e praticamente não utilizado pelos gestores públicos ou
pelos operadores privados dos serviços de transporte coletivo no Brasil, apesar de boa
parte da frota em operação nas cidades brasileiras já disporem de recursos para isso, mais
especificamente sistemas de bilhetagem eletrônica e sistemas de localização veicular por
satélite (GPS).

Apesar da disponibilidade desses equipamentos, a gestão cotidiana dos serviços pouco os


utiliza e as atividades rotineiras de planejamento operacional, controle e fiscalização
continuam sendo feitas – quando são feitas – com base em pesquisa de campo sobre
amostras bastante reduzidas e apontamentos manuais, com previsíveis limitações de
abrangência e de confiabilidade.

O controle de parâmetros operacionais é hoje um elemento fundamental para uma


concessão de serviços de transporte público. As novas tecnologias discutidas nesse
relatório e implementadas no serviço web gerado dentro desse estudo mostram a
capacidade que temos hoje em dia de aferição em um serviço tão descentralizado como o
transporte coletivo sobre pneus.

O produto gerado nesse estudo permite que se analise o cumprimento de parâmetros


básicos com o cuidado de decompor as “falhas” entre o viário e a empresa operadora. A
hipótese básica é que o operador não pode se responsabilizar pelo viário. O operador
não pode se responsabilizar com um aumento no trânsito que certamente deve
impedir o cumprimento dos parâmetros operacionais. Poderemos ver nesse estudo o
grau de adesão ao planejado em dois parâmetros fundamentais: cumprimento de
partidas e intervalo entre os mesmos decompondo a falta de adesão entre o trânsito
acima do previsto e outros fatores.

Etapas da Metodologia

1. Etapa Premilimar: etapa de familiarização dos analistas com os dados da cidade


analisada. Cada cidade tem particularidades que são refletidas na estrutura da
malha, na disposição dos pontos de ônibus e na programação das linhas.
Reconhecimento dos dados e organização dos mesmos para visualização de
possíveis outliers que influenciarão no resultado final.
Foram determinadas métricas de qualidade, entre elas o índice de confiabilidade
no cálculo da velocidade média da linha. Este índice depende da quantidade de
ônibus passando pelos trechos de determinada linha. Quanto mais ônibus na linha,
ou linhas diferentes passando em um mesmo trecho, maior é a confiabilidade que
se pode atribuir a um dado de velocidade média.
Definiu-se que, para cada trecho, se a frequência média conjunta de todos os
ônibus que passam pelo trecho é superior a um ônibus a cada 10 minutos para
50% dos trechos de uma linha, então esta linha tem alta confiabilidade no cálculo
de sua velocidade média. No caso analisado, apenas 0,6% das linhas analisadas
possuem mais de 50% dos trechos com pouca confiabilidade no cálculo da
velocidade média.
Para os dados de AVL, foram definidas 16 métricas, já que a própria arquitetura
do sistema de AVL propicia a geração de dados incorretos (por usar tecnologia de
envio de dados de GPS, pode ter locais entre prédios altos que não pode ser
corretamente determinado por um satélite – locais sombreados. Por exemplo,
podem haver dados que forneçam localização fora da cidade de São Paulo. Outro
exemplo é quando o shape mais próximo se encontra a mais de 300 m de distância
da leitura por GPS. Ainda foram identificadas velocidades extremamente baixas
e altas entre dois pontos, que puderam ser descartadas.

2. Valores de Base
3. Cumprimento de Partidas: Determinar a porcentagem de viagens planejadas para
a linha que foi efetivamente cumprida pelo prestador de serviço daquela linha. O
índice de cumprimento de partidas não está ligado apenas à quantidade de viagens
realizadas. Por exemplo, eventuais partidas que deixarem de ser feitas quando a
velocidade da vida caiu muito (engarrafamento), mesmo estando toda a frota na
rua, devem ser tratadas de outra forma.
No caso do tempo de trajeto planejado para a cidade de São Paulo, para cada
trajeto há um tempo único, ou seja, o tempo planejado é único, ou seja, uma partida
as 6:00 da manhã é o mesmo às 11:00 da manhã, o que sugere que o tempo
planejado difere sensivelmente em relação ao tempo de trajeto realizado em cada
horário.

Uma das conclusões a que chegaram foi que em determinados horários “faltava”
ônibus, mas não porque havia poucos ônibus na rua, mas porque ônibus estavam
presos no engarrafamento, não chegando no horário previsto nas paradas. Da
mesma forma, ônibus que cumpriam as linhas circulares também ficavam presos,
atrasando a partida ou mesmo pulando algumas paradas.
4. Intervalo de passagem: A frequência é diretamente afetada pelo trânsito local e
pela consequente redução da velocidade média entre pontos de parada.

CONCLUSÕES

A base de dados coletada em sistemas monitorados deve ser tratada antes de gerar
informações, já que vários dados devem ser descartados por apresentarem-se inválidos
diante das limitações da tecnologia (no caso do AVL) ou erro humano (configuração
errada, inicialização a partir da garagem e não do ponto de partida da linha, etc).
As seis etapas são: (i) exploração dos dados, (ii) análise da qualidade dos dados,
(iii) detecção das viagens, (iv) construção do mapa de velocidades, (v) cálculo dos índices
de cumprimento de partidas e (vi) cálculo dos desvios da frequência de passagem.