ELABORAÇÃO DE MATRIZ
O-D DAS LINHAS DE TRANSPORTE PÚBLICO DE
PASSAGEIROS USANDO DADOS DE EMBARQUE-DESEMBARQUE:
ANÁLISE
COMPARATIVA DE TRÊS MÉTODOS
Eric Amaral Ferreira
Eiji Kawamoto
Escola de Engenharia de São Carlos
Departamento de Transportes
RESUMO
São comparados três métodos de obtenção
de matrizes a partir de dados de pesquisa embarque-desembarque de passageiros,
combinado com modelos matemáticos, a saber: método gravitacional,
método da analogia do fluido e método de programação
linear. As comparações feitas em termos desempenho demonstrou
que o modelo de gravidade apresentou um resultado superior aos demais,
porém em simplicidade o modelo do fluido mostrou-se superior seguido
pelo método gravitacional e o modelo de programação
linear. Os resultados da comparação foram conduzidos com
os dados apresentados por KIKUCHI (1992), autor da aplicação
do modelo de programação linear.
Abstract
Tree methods of estimate matrices using data from research of on-off
of passengers combined with synthetic mathematics models are compared:
Gravity model, Fluid model and linear programming. Simplicity and performance
are compared between tree methods, and these show that gravity model show
the best performance and the fluid model is the most simple follow by the
gravity model and linear programming. The comparison of results was made
with data showed by KIKUCHI (1992), who used linear programming to estimate
matrices.
1. INTRODUÇÃO
Administradores, políticos e instituições públicas
vem procurando avaliar, organizar e coordenar o transporte dentro dos centros
urbanos, a fim de minimizar os problemas decorrentes da atividade transporte.
A minimização destes problemas pressupõe um entendimento
do padrão básico de viagens, bem como os motivos e desejos
da população.
A matriz O/D é um importante método descritivo da demanda de passageiros a qual pode ser usada para diversas análises tais como; avaliação de rotas, projeto de rotas e tabelas de horários, serviços limitados e serviços expressos e locais.(Furth and Navick, 1993).
A obtenção de uma matriz O-D que represente os desejos e anseios da população depende do tipo de pesquisa (domiciliar, nos pontos de parada, etc.), quanto mais elaborada maior seu custo e o tempo de preparação e tabulação dos dados, além de haver a necessidade de treinamento dos pesquisadores e da habilidade dos usuários e/ou moradores.
A busca por métodos que minimizem os tempos de preparação e tabulação dos dados é desejável principalmente para cidades onde o desenvolvimento urbano ocorre de forma acelerada e dinâmica, e, onde os órgãos gestores e as empresas operadoras não possuam recursos financeiros para efetuar pesquisas amplas de Origem-Destino.
No âmbito do transporte urbano de passageiros, o método mais utilizado e também o mais simples para estimar esse volume é o do "santinho" em que cada usuário que embarca no transporte coletivo recebe de um pesquisador de campo um cartão com a inscrição do nome ou código do ponto ou da estação de embarque, e ao desembarcar, entrega-o a outro pesquisador que o deposita num recipiente com a inscrição do horário e do nome ou código do ponto de ônibus ou da estação de desembarque. O total de cartões existentes num recipiente indica o volume de usuários com destino àquele ponto num determinado horário. Portanto, cada recipiente indica um destino, ou seja, uma coluna da matriz, e os cartões indicam a origem. Assim, para se preencher uma dada célula daquela coluna, basta que se conte os cartões com o ponto de embarque correspondente ao da célula. Apesar da aparente simplicidade, o método requer considerável trabalho de preparação dos materiais de pesquisa e de treinamento de pesquisadores de campo.
Por outro lado, existem métodos de pesquisas simples como a de contagem dos usuários que embarcam e desembarcam em cada ponto ou estação. Além da simplicidade e de não depender da boa vontade ou da habilidade dos usuários, é uma pesquisa relativamente barata. O nível de instrução do pesquisador pode ser relativamente baixo, e nos períodos entre-picos um pesquisador pode fazer a contagem tanto dos passageiros que embarcam como daqueles que desembarcam. O problema desse método é que não há como identificar o ponto de origem de um usuário que desembarca num determinado ponto.
Apesar disso, a grande simplicidade desse tipo de pesquisa tem motivado vários autores a buscarem uma forma de elaborar uma matriz O-D associando esse método simples a um modelo matemático.
Neste trabalho são comparados três métodos de obtenção de matrizes origem-destino que utilizam dados de embarque-desembarque ao longo de linhas de transporte de massa: o método baseado no modelo gravidade restringido, método da analogia do fluido e o método de resolução de um sistema de equações lineares e desigualdades (método de programação linear).
O método de gravidade restringido supõe como no caso de aplicação convencional, que o número de viagem que ocorre entre os pontos i e j de uma linha é diretamente proporcional ao número de passageiros embarcados no ponto i, ao número de passageiros desembarcados no ponto j, e ao comprimento da viagem entre i e j. A diferença fundamental está nesta última suposição. Nela está implícito que o usuário de transporte coletivo vê na caminhada um modo alternativo de viagem e que, portanto, dificilmente toma uma condução para viagens de curta distância, principalmente em se tratando de usuários economicamente carentes. Além disso, adota-se como restrição adicional o comprimento médio (ou total) da viagem.
O método do fluido foi proposto por Tsygalnitzky em 1977, trata o veículo como se fosse um container que se move ao longo de uma rota, a medida que os passageiros vão embarcando, são misturados como um fluido. Todos os passageiros qualificados tem a mesma probabilidade de desembarque nos pontos ao longo da linha. O passageiro está qualificado se o seu ponto de embarque estiver a uma certa distância mínima do ponto de desembarque, ou se este não tenha desembarcado anteriormente.
O método de resolução de um sistema indeterminado
de equações lineares e desigualdades, utiliza informações
de embarque-desembarque ao longo de uma linha de transporte, bem como informações
a respeito de alguns pares de pontos selecionados. O conjunto de equações
lineares representa a equações de conservação
do fluxo baseado na contagem de embarque-desembarque, e o conjunto de desigualdades
representa as informações de alguns parâmetros desconhecidos
dados por uma série de valores. Os elementos da matriz O-D são
derivados para minimizar a expectativa de erro entre os valores "verdadeiros"
e os valores calculados.
2. MODELOS
2.1 Modelo Gravitacional Restringido
O modelo gravitacional restringido é muito utilizado no processo
seqüencial de previsão de demanda, e tem como finalidade estimar
o número de viagens entre duas zonas de tráfego. A principal
diferença entre o modelo de gravidade aplicado na distribuição
de viagens e o aplicado neste trabalho está no sinal do expoente.
No modelo de distribuição de viagens original é negativo,
uma vez a escolha de um determinado destino fica inibido à medida
que se aumenta a distância da viagem. No caso do transporte coletivo
pode ser visto como sendo resultado de um processo em que se teve como
um modo concorrente a caminhada. Assim, as pessoas que escolheram o transporte
coletivo foram motivadas por algumas de suas vantagens em relação
à caminhada, quais sejam: a rapidez e o conforto físico,
os quais somente aparecem a partir de certa distância. E essas vantagens
crescem com a distância. Assim, a probabilidade de um passageiro
que embarca num ponto desça no ponto seguinte é quase nula,
e aumenta à medida que aumenta a distância. A Equação
(1) descreve o número de viagens entre os pontos i e j.
Ai.= constante de origem;
Bj.= constante de destino;
Oi = número de viagens geradas em i;
Dj = número de viagens atraídas por j;
Cij= função custo (tempo ou distância de viagem); e
ak = constante a ser adotada para o k-ésimo grupo de origens.
A denominação "restringido" deve-se ao fato de que os volumes de viagens devem obedecer a duas restrições básicas: a) o total de viagens originadas em uma zona deve ser o total de viagens originadas em uma zona deve ser igual ao total de viagens distribuídas a partir dela; e b) o total de viagens que se dirigem a um ponto deve ser igual ao total de viagens atraídas por ele (para maiores detalhes ver Novaes, 1986 ou Erlander & Stewart, 1990). As Equações (2) e (3) são as restrições mencionadas.
(2)
(3)
Kawamoto (1994) discorre sobre o modelo Gravitacional Restringido e apresenta uma aplicação a uma linha de transporte por ônibus. Nesse trabalho o autor considerou, além das restrições representadas pelas Equações (2) e (3), o tempo médio de viagem, o qual foi calculado a partir dos tempos de viagem entre dois pontos consecutivos e dos dados de embarque e desembarque.
Quanto à constante ak,
ela pode ser manipulada a fim de reduzir ou aumentar o número de
viajantes que embarcam em um dado ponto e desembarcam no ponto seguinte.
No presente trabalho, o valor de ak
foi adotado em função da probabilidade de 0,01% dos passageiros
desembarcarem nos pontos seguintes aos seus respectivos pontos de embarque.
Uma pesquisa preliminar realizada com os dados coletados na cidade de São
José do Rio Pardo mostrou que apenas 1% dos passageiros desembarcam
antes de completar 1000 m de viagem.
2.2 Modelo de Analogia do Fluido
O método do fluido ou Tsygalnitzky foi utilizado por Simon (1993)
para a obtenção de uma matriz O/D a partir de dados de embarque-desembarque
em linhas de ônibus na Califórnia. Ben-Akiva apud Furth(1993)
chamou este método de oportunidade interveniente, devido a este
seguir a clássica lógica do modelo de oportunidades, dando
prioridade aos destinos mais próximos.
Esta analogia ao fluido assume uma estimativa de uma única matriz O-D muito simples, numerando-se os pontos ao longo da rota, as variáveis usadas são: vij = volume de passageiros indo do ponto i para o ponto j, i < j; vi = volume de passageiros embarcados no ponto i, j > i; vj = å vij = volume de passageiros desembarcando no ponto j, i < j; eij = volume de passageiros que embarcam em i, eleitos para desembarcar em j; m = mínima distância de viagem, medida em número de pontos.
Passageiros embarcados em i são eleitos para desembarcar em j, se estes tiverem viajado a distância mínima requerida (isto é, se j - i ³ m), e se não tiverem desembarcados em um ponto anterior a j. (Enquanto não existir prováveis complicações às uma distância mínima requerida, assume-se em um caso simples um mínimo de m = 1).
O cálculo segue assumindo que eij = vij = 0 para todo par O-D (i, j) no qual j - i< m. Pelo mesma suposição, eij = vij para todo par (i, j) no qual j - i = m. A estimativa procede coluna por coluna, começando com a coluna j = m + 1 (o primeiro ponto no qual deva haver um desembarque). A cada ponto j, e.j passageiros são eleitos para desembarcar, enquanto v.j foram observados desembarcando. Esta fração é aplicada para todo ponto de embarque i no qual existem passageiros eleitos, isto é, vij = fjeij para todo i = 1,..., j - m. Antes de proceder ao próximo ponto de desembarque (j + 1), os passageiros eleitos são reduzidos do número que desembarcou em j.
2.3 Modelo de Programação Linear
O modelo consiste em minimizar os erros da matriz O-D fazendo com que
o volume de passageiros estimado para cada célula da matriz fique
o mais próximo possível do centro do espaço de soluções
viáveis. Essa tarefa é realizada com o auxílio do
método de programação linear.
As duas primeiras restrições do problema de programação linear são constituídas pelas Equações (2) e (3), consideradas também no modelo gravitacional.
(2)
(3)
As outras restrições advêm das consultas feitas pelo pesquisador aos funcionários da empresa operadora ou aos analistas familiarizados com o padrão de O-D da linha. Especificamente, a consulta refere-se ao número de passageiros que embarcam em um ponto e desembarcam no ponto seguinte. A resposta pode ser fornecida em termos de número absoluto ou relativo ao total de passageiros embarcados naquele ponto, ou ainda em termos de um intervalo de variação. Com esses dados adicionais definem-se outras restrições, mostradas pela Equação (4).
s1(i,j) £ Vij£s2 (i,j) para (i, j) = (1, 2)…,(n-1, n) (4)
onde s1(i,j) e s2(i,j) são limites inferiores e superiores dos valores estimados para Vij, respectivamente. Caso não haja informações a respeito dos limites de Vij, os limites inferiores e superiores, s1(i,j) e s2(i,j) são determinados pelas Equações (5) e (6), respectivamente.
s1(i,j) = max {[Oi - ], [Dj - ], 0} (5)
s2(i,j) = min [Oi . Dj] (6)
O exemplo apresentado por Kikuchi (1992) demonstra que modelo produz
estimativas razoavelmente precisas para a matriz O-D. A grande vantagem
do modelo de programação linear é que outras restrições,
baseadas nas informações completas ou incompletas, podem
ser adicionadas a fim de aumentar a precisão dos resultados.
3. Dados utilizados
A comparação de desempenho dos modelos foi feita com
base nos dados utilizados por Kikuchi (1992) para demonstrar a aplicabilidade
do modelo de programação linear. Trata-se de dados coletados
em uma linha de trem que linha as cidade de Lindenwold, New Jersey a Delaware,
Pennsylvannia, em 1979. A linha tem 23 km, e é dotada de treze estações,
incluindo as estações terminais. A matriz O-D apresentada
pelo autor foi baseada em uma amostra de 3.266 passageiros, retirada do
universo de 40.532 viagens realizadas diariamente.
4. RESULTADOS E CONCLUSÕES
O presente trabalho comparou os resultados observados no campo com
os resultados obtidos através do modelo Gravitacional Restringido,
modelo do Fluido e modelo de Programação Linear. A tabela
1 mostra a comparação entre os resultados observados e os
resultados das estimativas utilizando os três métodos.
O método do fluido pede que se agrupem conjunto de pontos ao longo da rota, desta forma podem aparecer valores de desembarque na diagonal da matriz. No estudo em questão os pontos não foram agrupados e para garantir que nenhum passageiro desembarque em seu ponto de embarque, adotou-se o valor zero na diagonal inferior da matriz, desta forma garantiu-se uma distância mínima de viagem de pelo menos um ponto para todos passageiros.
Nos valores do modelo de Programação Linear, o programador
deve possuir noção do número de passageiros que embarcavam
e desembarcavam em determinadas estações, este conhecimento
permite atribuir valores aos pontos ao longo da linha conforme os comportamento
dos usuários ao longo do itinerário, contribuindo para a
convergência do modelo.
Tabela 1
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|||||||||||
|
|
|
|
|
|
|||||||||
|
|
|
|
|||||||||||
|
|
|
|
|||||||||||
|
|
|
||||||||||||
|
|
|
|
|
||||||||||
|
|
|
||||||||||||
|
|
|
||||||||||||
|
|
|||||||||||||
|
|
|
|
|||||||||||
|
|
|||||||||||||
|
|
|||||||||||||
|
||||||||||||||
|
|
|||||||||||||
|
||||||||||||||
|
|
|
||||||||||||
|
|
Nota: Primeira linha: valores observados à campo
Segunda linha: valores estimados pelo modelo gravitacional
Terceira linha: valores estimados pelo modelo fluido
Quarta linha: valores estimados pelo modelo de programação
linear
Para avaliação do desempenho dos modelos foram comparados os resultados das diferenças entre os valores observados à campo e os valores estimados pelos três métodos. A fim de se evitar a compensação entre diferenças positivas e negativas, tomou-se as diferenças em módulo. A somatória das diferenças para o modelo de Programação Linear foi de 3.148, o que resulta um erro de 15,34% por passageiro embarcado. A somatória das diferenças para o modelo do Fluido foi de 2966, ou seja um erro de 14,63% por passageiro embarcado. O Método Gravitacional apresentou a menor soma das diferenças 2909 com um erro de 14,35% por passageiro embarcado.
A simplicidade, facilidade e a rapidez computacional do Método Gravitacional e do Método do Fluido tornam estes métodos mais atrativos quando comparados ao Método de Programação Linear. O modelo do fluido utiliza apenas informações de embarque e desembarque, o modelo gravitacional utiliza os dados de embarque desembarque e as distâncias entre pontos, enquanto que o modelo de programação linear, necessita dos valores de embarque desembarque e o conhecimento prévio do padrão de embarque e desembarque em alguns pontos ao longo da linha.
REFERÊNCIAS BIBLIOGRÁFICAS
Easa, S. M. (1993) Urban Trip Distribution in Practice. I: Conventional Analysis. Journal of Transportation Engineering, 119 (6): 793-815.
Furth P.G., D. S. Navick (1992) Bus route O-D Matrix generation: relationship between biproportional and recursive methods. Transportation Research Record , 1338: 14-21.
Kawamoto, E. (1994) Verificação de Matriz Ponto-de-Origem - Ponto-de-Destino de uma Linha de Transporte Coletivo Obtida a Partir de Dados de Embarque Desembarque. Anais do VIII Congresso do Pesquisa e Ensino em Transportes, ANPET, Recife, Vol. 2, 41-49.
Kikuchi, S. e V. Perincherry (1992) Model to estimate passenger origin-destination pattern on a rail transit line. Transportation Research Board, 1349: 54-61.
Navick, D. S.; P.G. Furth (1993) Distance-Based Model for Estimating a Bus Route Origin-Destination Matrix. Transportation Research Record 1433: 16-23.
Parvataneni, R.; P. Stopher e C. Brown (1982) Origin-Destination travel Survey for Southeast Michigan. Transportation Research Board, 886: 1-8.
Simon, J.; P. G. Furth (1985) Generating a Bus Route O-D Matrix From On-Off Data. ASCE Journal of Transportation Engineering, 111 (6): 583-593.
Stopher,P. R.; L Shillito; D. T. Grober e H. M. Stopher (1985) On-Board Bus Surveys: No Question Asked. Transportation Research Record , 1085:50-57.
Tamin, O Z; L. G. Willumsen (1989) Transport demand model Estimation From traffic Counts. **** Transportation , 16: 3-26.
Van Zuylen, H.J.; Willumsen, L.G. (1980)The most likely trip matrix estimated from traffic counts. Transportation Research, 14B (3): 281-294,.
William, H. K. L.; H. L. Lo (1991) Estimation of Origin-Destination Matrix From traffic Counts: A Comparison of Entropy Maximizing and information Models. Transportation Planning and Technology, serviceability rating. Transportation Planning and Technology, 16: 85-104.
Yang, H.; Y. Iida; T. Sasaki (1994) The Equilibrium-Based
Origin-Destination Matrix Estimation Problem. Transportation Research,
28B (1): 23-33.