ViniciaGomesCardozo

ANÁLISE DAS RELAÇÕES ENTRE INDICADORES SÓCIOECONÔMICOS E

PADRÃO DE VIAGENS NA REGIÃO METROPOLITANA DO RIO DE JANEIRO

(RMRJ).

Vinícia Gomes Cardozo

DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS

PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE

FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS

À OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM ENGENHARIA DE

TRANSPORTE.

Aprovada por:

________________________________________________ Prof. Márcio Peixoto de Sequeira Santos, Ph.D.

________________________________________________ Prof. Ronaldo Balassiano, Ph.D.

________________________________________________ Prof. Licínio da Silva Portugal, D.Sc.

________________________________________________ Prof.ª Márcia Valle Real, D.Sc.

RIO DE JANEIRO, RJ - BRASIL.

ABRIL DE 2008.

ii

CARDOZO, VINÍCIA GOMES.

Análise das relações entre indicadores

socioeconômicos e padrão de viagens na

Região Metropolitana do Rio de Janeiro

(RMRJ). [Rio de Janeiro] 2008.

X, 120 p. 29,7 cm (COPPE/UFRJ, M.Sc.,

Engenharia de Transporte, 2008)

Dissertação - Universidade Federal do

Rio de Janeiro, COPPE

1. Região Metropolitana do Rio de Janeiro

2. Planejamento de Transportes

3. Padrão de Viagens

I. COPPE/UFRJ. II. Título (série)

iii

Dedico a Deus, pela minha vida e por

todas as bênçãos, e à minha família, em especial à

minha mãe, que me apoiou nos momentos difíceis,

lutou comigo, compreendeu o meu caminho e

acompanhou-me nos “dias de chuva” e nos “dias de

sol” as minhas conquistas.

iv

AGRADECIMENTOS

Agradeço a Deus pela minha família, mas, principalmente por ter escolhido uma

pessoa tão especial para ser a minha mãe. Agradeço por sua ajuda e também por seu

apoio. Agradeço também ao meu pai pela importante ajuda e na compreensão desse

estudo e as minhas irmãs Camilla e Josibell. Assim como ao José.

Agradeço ao professor orientador Márcio Santos por sua atenção, confiança e valiosa

contribuição durante toda a minha vida acadêmica, na graduação ou no mestrado.

Agradeço-lhe, principalmente, a oportunidade de elaborar este trabalho.

Especial agradecimento dedico a André Maia pela ajuda, estímulo na concretização

dessa dissertação, principalmente, pela “muita paciência”, companheirismo e valiosa

colaboração em todos os momentos.

Ao Programa de Engenharia de Transporte – PET – aos professores, Prof. Nassi em

especial pelo empréstimo de material, a todos os seus funcionários e amigos que

caminharam comigo nesta jornada, como a D. Helena, Cláudia, Marli, Jane e todo o

pessoal. A turma do Lamipet: André e Luciano e companhia. E também a galera do

CEDOC: Reinaldo e Cássia.

À turma do mestrado de 2005, em especial, Cristiano, Climarcio, Marcela, Felipe,

Henrique, Andrei e a todos que conheci também no PET: Vladimir, Benar e Isolina.

Agradeço-lhes pelo respeito, apoio e carinho nos momentos de alegria e dificuldade.

Agradeço aos amigos que compreenderam a minha ausência em inúmeros eventos

em função do término da dissertação, como Luciana, Cíntia, Evandro, Renata,

Michele, Gleici, Luciano e Elisângela.

Ao CNPq pelo auxílio financeiro e a todos aqueles que não foram mencionados, mas,

que contribuíram de alguma forma para a concretização desse ideal.

v

Resumo da Dissertação apresentada a COPPE/UFRJ como parte dos requisitos

necessários para a obtenção do grau de Mestre em Ciências (M. Sc.).

ANÁLISE DAS RELAÇÕES ENTRE INDICADORES SÓCIOECONÔMICOS E

PADRÃO DE VIAGENS NA REGIÃO METROPOLITANA DO RIO DE JANEIRO

(RMRJ).


Abril/2008

Orientador: Márcio Peixoto de Sequeira Santos

Programa: Engenharia de Transporte

Este trabalho envolve análise das relações entre desenvolvimento regional,

representado por indicadores socioeconômicos e padrão de viagens da Região

Metropolitana do Rio de Janeiro (RMRJ). O método consistiu na elaboração de alguns

modelos estatísticos de regressão para expressar a relação citada anteriormente,

considerando variáveis que pudessem indicar mobilidade sustentável e qualidade de

vida dos diversos municípios que compõem a Região Metropolitana estudada. Os

resultados obtidos mostraram, em parte, satisfatórios, mas não conclusivos, apontando

algumas orientações para pesquisas futuras.

vi

Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the

requirements for the degree of Master of Science (M.Sc.)

ANALYSIS OF THE RELATIONSHIP BETWEEN SOCIOECONOMIC

INDICATORS AND TRAVEL PATTERNS IN THE METROPOLITAN REGION

OF CITY OF RIO DE JANEIRO, BRAZIL.


April/2008

Advisor: Márcio Peixoto de Sequeira Santos

Department: Transport Engineering

This research work involves the analysis of the relationships between regional

development, as represented by socioeconomic indicators, and travel patterns

characteristics within the Metropolitan Region of Rio de Janeiro City (RMRJ). Some

statistical regression models have been formulated attempting to express the above

mentioned relationship, considering variables related to sustainable mobility and quality

of life for the Rio de Janeiro population. The obtained results have appointed to some

satisfactory statistical relationships results, providing some guidance for future research

works in the same study area.

vii

ÍNDICE

Capítulo 1 – Introdução ................................................................................................................................... 1 1.1 Objetivo ........................................................................................................................ 3

1.2 Justificativa................................................................................................................... 4

1.3 Estrutura do trabalho .................................................................................................... 5 Capítulo 2 – Caracterização do Problema.................................................................................................... 7

2.1 Problemática do desenvolvimento urbano................................................................... 7 Capítulo 3 – Revisão Bibliográfica.............................................................................................................. 13

3.1 Configuração do centro urbano e transportes. ........................................................... 13

3.2 O Processo de planejamento....................................................................................... 17

3.3 Padrão de viagens ....................................................................................................... 18 Capítulo 4 – Área de Estudo: Região Metropolitana do Rio de Janeiro (RMRJ). ................................... 22

4.1 O desenvolvimento das Regiões Metropolitanas ....................................................... 22

4.2 A Região Metropolitana do Rio de Janeiro. ............................................................... 26

4.3 Área de Estudo e o Sistema de transportes................................................................. 33 Capítulo 5 – Procedimento Proposto ............................................................................................................ 42

5.1 Procedimentos iniciais................................................................................................ 42

5.2 Seleções de variáveis .................................................................................................. 45

5.3 Aquisição de dados..................................................................................................... 47

5.4 Técnicas estatísticas utilizadas ................................................................................... 48

5.5. Estrutura dos modelos matemáticos .......................................................................... 53 Capítulo 6 – Análise dos dados e Resultados................................................................................................ 55

6.1 Resultados dos valores obtidos das variáveis ............................................................. 55

6.2 - Modelo referente às viagens realizadas para o município do Rio de Janeiro .......... 56

6.3 - Modelo referente às viagens realizadas para dentro dos municípios considerados .59

A variável “consumo de energia elétrica total” apresentou-se como a mais relevante. ... 61

6.4 - Modelo referente às viagens realizadas para Itaboraí (município com menor

valor de IDH no grupo selecionado). ............................................................................... 61

6.5 - Modelo referente às viagens realizadas para Niterói (município com maior valor

de IDH conforme o grupo de municípios selecionados). ................................................. 65 Capítulo 7 – Considerações Finais e Recomendações Futuras ................................................................... 76 Referências Bibliográficas ............................................................................................................................. 79 Bibliografia ..................................................................................................................................................... 83

viii

ÍNDICE DE FIGURAS

Figura 01: Loteamento irregular (Duque de Caxias)........................................................ 8

Figura 02: Percentual de Utilização dos Modos de Locomoção nas Regiões ................ 23

Figura 03: Divisão Modal entre algumas Regiões Metropolitanas do Brasil................. 25

Figura 04: Representação da Região Metropolitana do Rio de Janeiro (RMRJ). .......... 27

Figura 05 – Vetores de Crescimento da Região Metropolitana do Rio de Janeiro. ....... 29

Figura 06: Representação da Área de Estudo................................................................. 35

Figura 07: Gráfico de IDH dos municípios da Área de Estudo...................................... 37

Figura 08: Representação das Viagens para o Município do Rio de Janeiro em 1980. . 38



ÍNDICE DE TABELAS

Tabela 01: Municípios emancipados incluídos na RMRJ. ............................................. 27

Tabela 02: Descrição da Área Metropolitana do Rio de Janeiro.................................... 30

Tabela 03: População dos Municípios da Área de Estudo: ............................................ 36

Tabela 04: Viagens para o Município do Rio de Janeiro. ............................................. 38

Tabela 05: Disponibilidade das variáveis pesquisadas................................................... 45

Tabela 06: Tabela resumo referente aos parâmetros estatísticos.................................... 56

Tabela 07: Tabela resumo referente ao valor do beta..................................................... 57














ix



Tabela 23: Tabela resumo referente aos valores dos betas............................................. 65







ANEXOS

1 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA O MUNICÍPIO DO

RIO DE JANEIRO

1.1 – ANO HORIZONTE DE 1980


1.3 - ANO HORIZONTE DE 2005

2 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA DENTRO DOS

MUNICÍPIOS CONSIDERADOS




3 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA ITABORAÍ

(MUNICÍPIO COM MENOR VALOR DE IDH)




x

4 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA NITERÓI

(MUNICÍPIO COM MAIOR VALOR DE IDH)




1

Capítulo 1 – Introdução

As sociedades atuais constituem um grande desafio para diversos cientistas,

planejadores e pesquisadores de diversas áreas, pois exigem um planejamento adequado

para a realização de suas atividades, para mobilidade de seus habitantes e circulação de

mercadorias. Em um país com uma grande extensão continental, como é o caso do

Brasil, esse desafio torna-se maior (SOUZA, 2005).

Segundo Mello (1975), os problemas que o país enfrenta com a adoção de modelos de

transporte, por exemplo, que não são adequados à realidade social e econômica

brasileira, privilegia alguns modos em detrimento de outros e dificultam ainda mais a

resolução dos problemas que surgem nos núcleos urbanos.

Os grandes centros urbanos brasileiros enfrentam muitos problemas estruturais de

ordem socioeconômica devido a sua grande área de influência. Dentre esses problemas,

se destaca o relacionado ao transporte, pois promove impactos, não somente na

economia dessas áreas centrais, mas, também, das cidades menores, que são articuladas

e dependentes desses núcleos urbanos.

Atualmente, o país enfrenta problemas decorrentes da adoção do modelo de

desenvolvimento centrado no transporte rodoviário que provoca prejuízo no transporte de

pessoas e mercadorias. Essa adoção trouxe conseqüências negativas relevantes nos campos

energético (uso do petróleo) e ambiental (poluição), considerando que esse modo de

transporte, usado de forma generalizada, configura-se um obstáculo à qualidade de vida da

população dos grandes centros urbanos (ANTP, 2008).

Neste sentido, o desenvolvimento desses núcleos urbanos, assim como a realização das

atividades nos mesmos, está relacionado ao sistema de transporte e à evolução de sua

infra-estrutura. Desta forma, há a necessidade de coordenação entre políticas de uso do

solo e planejamento de transportes, devido à relação inerente entre esses dois elementos

(PITOMBO & KAWAMOTO, 2005).

Sendo assim, as políticas de planejamento e uso do solo devem atender a grande

mobilidade direcionada a essas áreas centrais, já que estas são as que concentram

2

investimentos, bens e os principais serviços. Esses deslocamentos ocorrem por vários

motivos como diversional, social e escolar, por exemplo, mas, principalmente, pelos

movimentos urbanos conhecidos como os de “casa-trabalho”, que são os que respondem

pela maior pressão sobre o sistema viário urbano.

A adequação viária, conseqüentemente, tem se mostrado comprometida devido a estes

deslocamentos. Os bloqueios de acessos, que interrompem a mobilidade, ocorrem

algumas vezes devido as correntes de tráfego conflitantes ou força de regulamento posto

em prática com finalidade de manter esses mesmos fluxos em movimento, mas, que não

cumpre o seu papel (GOMIDE, 2003).

As interrupções desses acessos promovem grandes prejuízos à sociedade. Problemas se

apresentam tanto no âmbito social quanto econômico, através dos diversos tipos de

eventos associados à poluição, acidentes e congestionamentos, podendo comprometer a

saúde da população.

Assim, o transporte, como responsável pela mobilidade da população urbana, associado

a outros fatores como um bom planejamento do solo urbano e distribuição de renda de

forma igualitária, por exemplo, possibilita o desenvolvimento da área onde vive parcela

crescente da população (SOUZA, 2005).

E apesar de vários estudos sobre o transporte e a importância deste setor, há uma

grande dificuldade de se encontrar soluções que acompanhem esta temática, juntamente

com os anseios da sociedade, assim como seus conflitos. Podendo as reivindicações

para uma melhor qualidade de vida, transportes e melhores moradias serem citadas

como exemplo.

Esses conflitos são representados através da generalização do uso do automóvel, que

possibilita a urbanização de áreas cada vez mais afastadas dos centros urbanos,

contribuindo assim para a segregação espacial, a dispersão das residências e das

atividades, levando à necessidade de deslocamentos mais longos e em maior número.

Conseqüentemente, isto promove maior dependência do automóvel e necessidade de

mais investimento em infra-estrutura viária (MACHADO, 2003).

3

Nos países em desenvolvimento, os efeitos negativos da aplicação desta diretriz têm

contribuído para aumentar a segregação espacial e a exclusão social. Como decorrência

destas ações, percebe-se a expansão da malha urbana, que direciona os escassos

investimentos para infra-estrutura viária. Nesse contexto, são beneficiados os grupos

econômicos como o setor imobiliário especulativo.

Segundo Machado (2003), a concentração de investimentos em infra-estrutura viária

deixa em segundo plano as questões referentes ao transporte coletivo e aos

deslocamentos não-motorizados, marginalizando esses sistemas, dos quais depende a

população mais carente, o que contribui para aumentar a exclusão social.

1.1 Objetivo

O objetivo principal do presente estudo é verificar a influência dos indicadores

socioeconômicos nos padrões de viagens dos municípios que compõe a Região

Metropolitana do Rio de Janeiro (RMRJ).

Busca-se analisar os impactos do desenvolvimento econômico e social dos municípios

através da observação da correlação entre as variáveis socioeconômicas, que

caracterizam o desenvolvimento dos municípios da Região Metropolitana, com o

número de viagens originadas pelos mesmos, em direção ao município central, Rio de

Janeiro, tendo por base os padrões de viagens do transporte coletivo e do individual

rodoviário.

Pretende-se verificar esta relação através de análise de um banco de dados

socioeconômico e de O/D (origem/destino) utilizando ferramentas estatísticas, como a

correlação, por exemplo, para a criação dos cenários.

O presente projeto é direcionado àqueles que pensam nas várias soluções para o

problema de transportes bem como os que procuram melhor entender essa temática.

4

Entretanto, este trabalho não tem a pretensão de resolver o problema de transporte e o

problema social embutido no mesmo, mas ajudar na compreensão de estudos

relacionados a essa problemática.

1.2 Justificativa

O processo de urbanização das cidades, especialmente nos países em desenvolvimento,

tem um modelo o qual é excludente, pois, dentro dessa realidade não são consideradas,

as condições socioeconômicas da maioria da população, o que configuraria um modelo

de cidade ideal (GOMIDE, 2003).

Segundo Gomide (2003), o planejamento de transportes é uma importante ferramenta

indutora do desenvolvimento urbano. Porém, o objetivo “per si” não garante a redução

das diferenças sociais; pelo contrário, na prática, o planejamento de transporte tem

contribuído para o aumento da segregação sócio-espacial, ou seja, para o aumento da

exclusão social.

No Brasil, a privação dos mais pobres ao acesso dos serviços públicos de transporte

coletivo implica na queda da mobilidade urbana desse grupo populacional, restringindo

suas oportunidades de trabalho (procura por emprego, deslocamento para o trabalho),

suas atividades sociais e culturais (lazer, visita aos entes familiares e amigos) e o acesso

aos serviços sociais básicos (como educação e saúde), ou seja, implica desta forma, em

exclusão social. Além disso, a baixa mobilidade resultante contribui para o

agravamento do fenômeno da segregação espacial, principalmente dos residentes nas

periferias urbanas.

Na Região Metropolitana do Rio de Janeiro, a maior parte da população de baixo nível

de renda, que também compõe a maior parte da força de trabalho, reside, na maioria das

vezes, nos municípios periféricos. E essa população não tem condições de morar nas

proximidades do local de trabalho, o qual, quase sempre, está localizado nas valorizadas

zonas centrais.

Os usuários residentes nas áreas mais afastadas, se comparado àqueles que moram no

município central, necessitam percorrer uma distância maior e gastam mais tempo para

5

chegar ao trabalho e dispendem uma parte relativamente grande do orçamento familiar

nos transportes, considerando que o vale transporte é utilizado por aqueles que estão

inseridos no trabalho formal.

1.3 Estrutura do trabalho

A presente dissertação está estruturada em sete capítulos descritos, de forma breve, a

seguir.

Capítulo 1 – Introdução

Neste capitulo serão apresentados, de forma breve, a relação do desenvolvimento dos

núcleos urbanos e como o sistema de transporte afeta esse crescimento. Serão

apresentados também os efeitos de alguns posicionamentos no sistema de transporte,

como a adoção do automóvel, assim como seus impactos na sociedade.

Capítulo 2 – Caracterização do Problema

Serão descritas, neste capítulo, as características dos problemas que abarcam os

transportes, e a influência deste, sem um planejamento adequado, na expansão urbana.

Capítulo 3 – Revisão Bibliográfica

Os principais conceitos para maior esclarecimento do presente trabalho serão

apresentados neste item. Estes conceitos envolvem a área de transportes, além de outros

relacionados à geografia urbana.

Capítulo 4 – Área de Estudo

Busca-se a apresentação, mais detalhada, da área de estudo e como esta foi selecionada.

Neste sentido, será descrita a área a ser estudada, ou seja, a Região Metropolitana do

Rio de Janeiro. Será discutido o surgimento das Regiões Metropolitanas, além de

apresentar a relação dos sistemas de transporte com a área de estudo.

6

Capítulo 5 – Procedimento Proposto

Através do embasamento teórico e do rápido retrato oferecido nos capítulos anteriores,

pretende-se estruturar os procedimentos metodológicos para que seja verificada a

relação dos indicadores socioeconômicos com as viagens realizadas na RMRJ.

Capitulo 6 – Análise dos dados e Resultados

O presente capítulo consiste nas observações e análises dos modelos construídos no

capítulo anterior. Busca-se apresentar, também, recomendações destinadas a trabalhos

futuros que possam servir de base a pesquisadores e interessados. Serão apresentadas,

após este capítulo, as fontes bibliográficas consultadas.

Capitulo 7 – Conclusões

Neste capítulo pretendem-se demonstrar as limitações, assim como também, as

conclusões que envolveram o presente trabalho.

7

Capítulo 2 – Caracterização do Problema

Este capítulo pretende apresentar a problemática que envolve o crescimento urbano e o

transporte.

2.1 Problemática do desenvolvimento urbano.

Segundo Mello (1984), o crescimento urbano concentrado principalmente na periferia,

provocou o surgimento de conurbações – áreas contínuas a partir de um núcleo central,

em geral uma grande capital – modificando o aspecto inicial das cidades, que,

anteriormente, eram separadas por extensas áreas rurais.

A entrada dos automóveis nas áreas urbanas veio a alterar os hábitos da população com

relação aos meios de transporte (MELLO, 1984). Anteriormente à implantação da

indústria automobilística no país, havia uma predominância na utilização dos

transportes públicos, principalmente dos bondes. Podemos perceber, através de o texto a

seguir, a mudança ocorrida em relação às questões de transportes.

“A prioridade ao transporte coletivo em detrimento do

transporte individual mudou completamente o enfoque dado à

questão dos transportes urbanos desde a invenção do

automóvel até meados da década de 70, quando a crise do

petróleo mostrou a necessidade de economizar combustíveis

de origem fóssil. O transporte era mais associado ao trânsito,

à simples circulação dos veículos, que as suas funções

econômicas e sociais. Desse modo, toda prioridade era dada

aos automóveis. O transporte coletivo quando prejudicava o

trânsito dos carros, era até erradicado, como ocorreu, em fins

da década de 60, com os bondes elétricos em quase todas as

cidades brasileiras que os utilizavam” (Mello, 1984).

Neste contexto, à medida que os carros individuais necessitavam de mais espaço para a

sua movimentação, as administrações públicas restringiam a operação dos veículos

públicos em benefício dos privados, alternando a repartição modal e contribuindo para

que os transportes públicos fossem perdendo, ano a ano, a sua importância.

8

Entretanto, esta política, à medida que aumentava a atratividade ou a acessibilidade a

algum ponto, atraía novos automóveis, fazendo que em pouco tempo a vantagem obtida

fosse superada pelos acréscimos de tempo de viagem, provenientes de

congestionamentos. Paulatinamente, os transportes coletivos, ônibus e trens suburbanos

se deterioraram, sejam pela falta de investimentos, ou pela atenção secundária que lhes

foi dada (MELLO, 1984).

O uso de forma irracional e generalizada de automóveis possibilitou a urbanização de

áreas cada vez mais afastadas do núcleo urbano. Contribuindo, esse uso, para a

segregação espacial com dispersão das residências e das atividades, promovendo assim,

um crescimento urbano que levou a necessidade de deslocamentos mais longos e em

maior número (MACHADO, 2003).

Esse crescimento promoveu, principalmente, nas áreas periféricas dos grandes núcleos

urbanos, a incorporação de novas áreas que, sem planejamento, apresentaram uma nova

realidade diferente das áreas centrais, como a falta de equipamentos públicos e infra-

estrutura adequada, como loteamentos irregulares, por exemplo, (figura 01).

Figura 01: Loteamento irregular (Duque de Caxias).

Fonte: do próprio autor, (2008). De acordo com Mello (1984), os efeitos negativos da aplicação do uso dos automóveis,

de forma generalizada, têm contribuído para aumentar os problemas sociais e

9

econômicos. O resultado é o prejuízo à mobilidade, à qualidade de vida, à possibilidade

de planejamento e de se estruturar novos projetos urbanísticos que se enquadre em uma

realidade adequada aos parâmetros sociais brasileiros.

O estudo, “Redução das Deseconomias Urbanas com a Melhoria do Transporte Público”

promovido pelo Instituto de Pesquisa de Economia. Aplicada – IPEA e a Agência

Nacional de Transporte Público – ANTP, em 1998. Incluído no PNUMS – Política

Nacional de Mobilidade Urbana Sustentável, estima que são gastos 5 (cinco) bilhões de

reais, ao ano, com congestionamentos em 10 capitais pesquisadas, não divulgadas no

projeto citado.

Neste sentido, o PNUMS demonstra que a falta de planejamento e as condições

inadequadas no trânsito acarretam quatro tipos de deseconomias:

• Aumento no tempo de percurso, correspondendo a uma perda anual de 250

milhões de reais, com 80% dessas perdas contabilizadas na cidade de São Paulo;

• 120 milhões de horas são perdidas pelos usuários de transporte coletivo;

• Consumo excedente de combustível estimado a 200 milhões de litros de gasolina

e 4 (quatro) milhões de litros de óleo diesel;

• Emissão excedente de CO (monóxido de carbono) e outros poluentes

atmosféricos.

No Brasil, a adoção do modelo de desenvolvimento baseado no transporte rodoviário,

como mencionado anteriormente, promoveu um desbalanceamento no transporte de

mercadorias e pessoas. Esse modelo de desenvolvimento torna-se inadequado, já que

contribui para deseconomias de grande impactos para sociedade, pois promove

impactos na base industrial e de serviços do país, considerando que a eficiência da

economia brasileira depende, em grande parte, do adequado funcionamento das redes

das cidades e de seus sistemas de transportes (ANTP, 2008).

10

Nesse sentido, a adoção desse modelo de transporte compromete os requisitos de

eficiência e competitividade do país, sob ponto de vista estratégico, com os

congestionamentos crônicos e altos índices de acidentes de trânsito (ANTP, 2008).

Completando esse quadro tem-se o sistema alternativo, representado pelas kombis e

vans, que assumem um papel relevante no transporte de passageiros. Esse sistema

possui um grau de organização ainda precário, onde parcela regulamentada trafega com

veículos clandestinos. Os itinerários desses transportes são configurados segundo os

das linhas de ônibus convencionais, municipais e intermunicipais, competindo com

estes, pois atraem parcela da demanda que busca menor tempo de viagem, menor tarifa

e serviço porta a porta (PDTU, 2005).

Segundo PDTU (2005) o transporte ferroviário é uma solução eficaz para a mobilidade

dos grandes centros brasileiros, pois apresenta menor consumo de combustível, energia

e espaço viário por passageiros, assim como taxas muito menores de emissão de

poluentes do que as do transporte privado. Todavia, esse transporte não oferece serviço

de qualidade suficiente para atrair os usuários dos transportes individuais.

A privatização de serviços de transporte metro-ferroviário urbano de passageiro, um

processo muito recente no Brasil como o caso do Metrô e dos Trens de Subúrbio do Rio

de Janeiro, trouxe melhorias, mas não recuperou o sistema ferroviário totalmente.

Considerando que este sistema, nos últimos cinqüenta anos, enfrentou problemas

estruturais e conjunturais decorrentes do processo histórico de construção de ferrovias

(RAMOS & WIDMER, 2003).

O metrô, transporte que oferece serviço de melhor qualidade, se comparado com os

trens suburbanos, e integração, mesmo que ainda tímida, com ônibus e trem, tem

abrangência bem restrita, talvez devido ao alto custo de sua implantação.

Objetivando a melhor qualidade de vida da população, algumas áreas implantaram e

expandiram a malha de ciclovias e faixas de tráfego para bicicletas. Contudo, na

maioria dos casos, como São Paulo e Rio de Janeiro, essas ciclovias têm sido utilizadas

primordialmente por usuários em viagens de lazer (MAIA et al, 2003).

11

O crescimento desordenado das cidades, conforme discutido anteriormente, e o atual

modelo de oferta dos transportes públicos constituem barreiras para a inclusão social. O

crescimento das periferias urbanas e a precariedade dos transportes limitam o acesso às

oportunidades de trabalho e outras atividades que ajudam a promover a cidadania e a

inclusão social.

Contudo, atualmente, surge uma nova estrutura observada pelo crescimento periférico e

o esvaziamento de moradias nas áreas centrais das cidades, o que requer um novo

sistema de transportes, capaz de assegurar e atender a grupos sociais distintos e às

necessidades da população (CHIAPPERO, 2003).

Essa nova estrutura é gerada pela evolução natural da dinâmica demográfica e

socioeconômica, ou seja, um novo arranjo urbano, conforme observado por Chiappero

(2003).

“O surgimento de uma nova estrutura urbana, onde o

desenvolvimento da periferia das cidades e o esvaziamento

das moradias no centro das mesmas, implicam uma nova e

necessária projeção de cobertura do sistema de transporte

para um melhor atendimento da população com poderes

aquisitivos distintos. Associado a esse fenômeno vem a

evolução natural da dinâmica econômica e demográfica das

cidades e a prevalência de atividades terciárias em detrimento

do setor secundário, o que implica também em novos

comportamentos e necessidades da mobilidade”

(CHIAPPERO, 2003).

Conclui-se que os atuais problemas que afetam o sistema de transporte, resultam das

mudanças, em diferentes momentos, geradas nas esferas econômica, social e até mesmo,

habitacional.

Na esfera econômica, fatores como a má distribuição de renda e a adoção de planos

governamentais que, no caso do transporte, terminam por beneficiar modos como o

rodoviário, em detrimento do ferroviário.

12

Nas questões social e habitacional, tem-se como exemplo, o deslocamento indutório da

população de baixa renda para áreas sem planejamento urbano devido ao seu baixo

custo. Essas mudanças estruturais, somadas ao uso indiscriminado do transporte

individual e à crise dos coletivos, comprometem a mobilidade, uma vez que há uma

tendência de crescimento habitacional nos espaços de aglomeração.

No país, na medida em que, inexistiu uma política de transportes que priorizasse as

modalidades de alta capacidade, permitiu-se que os ônibus, e agora os transportes

alternativos, tomassem para si a função de transportadores de passageiros nas áreas de

expansão, promovendo ocupação do solo de forma desordenada e, muitas das vezes,

com baixas densidades e espalhadas ao longo do espaço urbano.

Favorecendo, desta maneira, o aumento das dimensões geográficas das cidades, bem

como a complexidade de sua administração. Considerando que são os grupos sociais

mais pobres que, sem poder aquisitivo suficiente para morar na área central, residem nas

áreas mais afastadas e fazem viagens longas e cansativas em ônibus ou vans

superlotadas. Neste sentido, acredita-se que a temática “transporte” é muito

significativa para a promoção da qualidade de vida da população brasileira.

13

Capítulo 3 – Revisão Bibliográfica

O desenvolvimento dos núcleos urbanos, assim como a realização de atividades nesse

meio, está diretamente ligado ao sistema de transportes. Sendo assim, são necessárias

políticas de planejamento e uso do solo para atender a grande mobilidade direcionada a

essas áreas centrais, já que são estas as que concentram investimentos, bens e os

principais serviços.

3.1 Configuração do centro urbano e transportes.

Alguns estudos foram elaborados envolvendo a temática “urbanismo” e “transportes”.

Jorgensen (1998), por exemplo, apresentou marcos teóricos de pesquisa segundo três

vertentes.

A primeira caracterizando a ascensão da economia de serviços decorrente da

incorporação acelerada dos avanços tecnológicos da informática e das telecomunicações

e indicação de alguns de seus impactos sobre as viagens urbanas. A segunda

abordagem destaca a relação entre o modelo racional-funcionalista de cidades e as

premissas do modelo clássico do planejamento de transportes e o problema de sua

adequação ao planejamento dos transportes nas megacidades. A terceira aborda os

esforços históricos da economia e da geografia para a construção de modelos de

estrutura urbana, em que o problema da centralidade aparece como função direta das

relações espaços-temporais do sistema de mercado.

A visão do centro urbano, para Jorgensen (1998), está relacionada com indicadores

como a geografia dos deslocamentos urbanos e o crescimento do setor de serviços na

economia da cidade. Entretanto, o mesmo autor além de tratar do centro urbano em

seus estudos aborda também o tema “centralidade” que configura a influência que o

centro urbano promove em seu entorno.

Assim como Jorgensen (1998), Souza (2005) apresenta em seus estudos a temática

centralidade e centro urbano. Souza (2005) afirma que centralidade é a função e a

capacidade de uma cidade de oferecer bens e serviços para outros centros urbanos.

Contudo, este autor aborda o centro urbano de maneira distinta. Alguns centros urbanos,

14

não necessariamente grandes, possuem grande importância devido as suas atividades

muito especializadas e com isso, uma considerável área de influência. Deste modo,

classificar um lugar como um centro urbano é considerar mais que sua densidade

demográfica ou o seu poder econômico, mas sim a influência que este local possui em

relação a outros espaços.

Corrêa (1994) considera o grande centro urbano capitalista como o principal local da

materialização de um conjunto de processos sociais, como exemplo a acumulação de

capital e a reprodução social. Sendo assim, para este autor esses processos constituem

funções e formas espaciais, ou seja, atividades e sua concretização, construindo, desta

forma, a configuração urbana.

Como verificado no texto a seguir:

“O grande centro urbano capitalista é o lugar

privilegiado de ocorrências de um conjunto de processos

sociais, entre os quais a acumulação de capital e a reprodução

social têm importância básica. Estes processos criam funções

e formas espaciais, ou seja, geram atividades e suas

materializações, cuja distribuição espacial constitui a própria

organização espacial urbana... Estas relações se manifestam

geralmente através de fluxo de carga e descarga de

mercadorias, nos deslocamentos cotidianos entre áreas

residenciais e nos diversos locais de trabalho, até mesmo os

deslocamentos menos freqüentes como os de compras ou

laser no centro da cidade” (CORRÊA, 1994).

Segundo, ainda, o mesmo autor, os agentes sociais são grupos responsáveis pela

produção do espaço urbano através de suas ações acumuladas em diferentes períodos de

tempo. Eles transformam o espaço em que vivem devido aos seus anseios, da

acumulação de capital, das relações de produção, dos conflitos de classe, de suas

reivindicações e seus principais interesses. São classificados em cinco grupos: os

15

proprietários dos meios de produção, os proprietários fundiários, os promotores

imobiliários, o Estado e os grupos excluídos.

Os agentes sociais refletem, principalmente, na reorganização urbana, seja na renovação

de áreas, densificação do uso do solo e muitas vezes, na incorporação de novos espaços

e na formação de novas periferias, assim como na transformação dos grandes centros.

Como será apresentado no texto a seguir:

“A complexa ação dos agentes sociais reflete, em

prática, onde se incluem um constante processo de

reorganização espacial que envolve, muitas vezes,

incorporações de novas áreas ao espaço urbano, densificação

do uso do solo, deteriorização de certas áreas, renovação

urbana, relocação diferenciada da infra-estrutura e mudanças

tanto no âmbito social e econômico de determinadas áreas”

(CORRÊA, 1994).

Contudo, com enfoque diferente de Corrêa (1994), Cadaval (2000) considera a visão da

organização urbana distorcida devido aos problemas que os grandes centros enfrentam.

Os crescentes engarrafamentos, os elevados índices de emissão de poluentes por

veículos, as altas taxas de mortalidade e invalidez por acidentes de trânsito são

manifestações que representam a mobilidade das pessoas nos grandes centros urbanos,

ou seja, um possível prejuízo para a qualidade de vida e na eficiência do meio social e

econômico.

Neste sentido, Mello (1984) afirma que a política governamental ordenada promove a

configuração urbana parecente com o processo de urbanização. O crescimento da

“urbe” de forma planejada faz com que todos sejam privilegiados, incluindo o setor

público, com menos gastos na resolução de problemas que surgiriam na ausência de

planejamento.

Concorda com Mello (1984), Corrêa (1994) no que se refere à configuração urbana ser

modificada através de decisões políticas, como se pode observar, a seguir, no texto.

16

“... Entretanto, essas tomadas de decisão não são

feitas de forma aleatória e sim promovidas pelos agentes

sociais, que levam a um constante processo de reorganização

espacial, e neste processo incluem-se os sistemas de

transportes, já que estes promovem a conexão e, de forma

indireta a incorporação de novas áreas” (CORRÊA, 1994).

Assim como Mello (1984), Cadaval (1995) considera que a problemática da estrutura

urbana é resultado das grandes demandas promovidas pelos imensos aglomerados

urbanos, que fogem a capacidade de atendimento, resultando, assim, na deterioração de

seus serviços.

Como Cadaval (1995), Lago (2000) afirma que a expansão dos conglomerados é

representada por um novo modo de urbanização, na qual a classe menos favorecida

permanece mais vedada ao acesso à moradia no núcleo urbano. Para essa classe, ficam

restritos os melhores equipamentos urbanos e serviços básicos de qualidade existentes,

na maioria das vezes, nas áreas centrais.

Os problemas enfrentados no meio urbano juntamente com um modelo de expansão da

mobilidade, fortemente apoiado no transporte individual, promovem, indiretamente, a

conexão e incorporação de novas áreas levando a uma reorganização espacial e

possivelmente a maiores problemas devido à ausência de planejamento.

Desta forma, o abrigo de um número maior de pessoas nas cidades somado aos

processos descritos anteriormente são indutores do descontrole no processo de

urbanização. Esse pode ser considerado um fator predominante no surgimento de sub-

habitações, violência sob todos os aspectos, poluição e o aparecimento de periferias

desassistidas constituindo a segregação social e uma nova reorganização espacial.

17

3.2 O Processo de planejamento

Quando a qualidade de vida e a redução das diferenças sociais são enfoques, esses

deverão ser precedidos pelo planejamento. Se em pauta está o uso do solo urbano, esse

planejamento também deverá ser explícito quanto a sua interação ao transporte

carecendo sempre de avaliações (MELLO, 1975).

Nos estudos de Jorgensen (2005), o planejamento de transportes é considerado um

mecanismo que interfere no processo de formação da estrutura espacial urbana,

articulando as diversas formas e graus de intensidade com que se manifesta o fenômeno

da centralidade em um meio urbano.

O mesmo autor confirma, ainda, que o conceito de planejamento de transportes, em uma

abordagem mais ampla, não é apenas considerar a demanda derivada das atividades,

mas o planejamento de instalações e serviços para propiciar a mobilidade de residentes

e mercadorias e acessibilidade ao território.

Neste sentido, o planejamento de transportes se configuraria em muitos processos, de

acordo com o objeto de estudo ou área de atuação em um dado momento. E cada

processo com níveis, complexidades e propósitos distintos. Como os planejadores de

tráfego, por exemplo, que examinariam serviços alternativos diferentes dos planejadores

de transporte público (JORGENSEN, 2005).

A relação entre planejamento de transportes e uso do espaço urbano pode ser visto de

duas formas, segundo Mello (1975): a primeira, quando o transporte é em função do uso

do solo e a segunda, exatamente o inverso.

No primeiro caso, quando o transporte urbano é planejado em função do uso do solo – o

caso mais comum, a organização urbana, já foi consolidada, juntamente com os seus

problemas. Torna-se, assim, obrigatório ao planejador de transporte procurar buscar o

melhor arranjo distributivo de pessoas, mercadorias e áreas de estacionamento, por

exemplo.

18

No inverso do exposto, o planejamento é mais simplificado no que se refere à

construção de novos bairros e cidades.

Forn (2002) também admite que o planejamento de transportes possua dois enfoques,

contudo, estes se diferem de Mello.

É imprescindível, segundo Forn (2002), que o planejador promova a adaptação das

estruturas urbanas às necessidades de deslocamento, ou seja, o objetivo é buscar as reais

facilidades para a mobilidade da população.

A segunda visão se refere ao planejamento direcionado a estudar a influência da

implantação de novas infra-estruturas na formação do território e nas lógicas do

planejamento urbanístico.

Desta forma, o planejador buscaria planos que objetivassem o desenvolvimento

sustentável e a melhor qualidade de vida da sociedade.

Considera-se que o planejamento, a princípio, seguia ditames microeconômicos. Esse

planejamento se propunha a resolver problemas imediatos, equivalendo dizer que,

promovia soluções somente com o surgimento da necessidade, fazendo brotar viadutos e

vias elevadas a cada constatação de um congestionamento.

Contudo, o planejamento deve buscar soluções antecedendo os problemas, e

principalmente, seus impactos sobre a sociedade.

3.3 Padrão de viagens Padrões de viagem estão associados às principais características qualitativas das

viagens, como por exemplo, dia da semana, período do dia que registram os maiores

números de viagens e distribuição de viagens, por exemplo.

19

Silveira (1991) considera os Padrões de viagens de PGVs (Pólos Geradores de Viagens)

como sendo as principais características qualitativas das viagens, e aponta além das

características mencionadas anteriormente, outras, como a distribuição das viagens por

categoria de usuário, de acordo com a classe sócio-econômica; por modo de transporte;

distribuição das viagens segundo origem-destino; e distribuição segundo os motivos .

Para PITOMBO e KAWAMOTO (2005) o padrão de viagem é definido como cadeia de

viagens associadas às origens e destinos dos diferentes deslocamentos realizados pelos

indivíduos. Em seus estudos, esses autores utilizaram características dos destinos

escolhidos e das zonas da residência de cada um dos indivíduos analisados.

No estudo de Nicholson (2003) foi apresentado uma série de pesquisas de padrões de

viagens na Universidade de Canterbury (Christchurch, Nova Zelândia) onde se

pretendia desenvolver estratégias para atrair os usuários de transporte individual e

incentivar o uso dos modos de viagens mais sustentáveis, como ônibus, bicicletas e o

modo “a pé”. Diferente do estudo citado anteriormente, Nicholson (2003) utilizou

como indicadores as escolhas modais de professores e estudantes ao invés de zonas, já

que o espaço geográfico, a universidade, já estava definido.

Portugal & Goldner (2003) afirmam que os estudos sobre o padrão de viagem auxiliam

na previsão de demanda gerada pelos grandes empreendimentos. Com estes estudos é

possível, por exemplo, estabelecer a viabilidade financeira desses empreendimentos

para dimensionar suas instalações, definir as necessidades de espaço viário e de serviços

de transportes.

Nesse sentido, a viagem pode ser considerada como um simples mecanismo físico para

se atingir um destino com objetivo de realizar determinada atividade, segundo

ICHIKAWA et. al (2002). Isso implica que o deslocamento pode ser considerado como

um subsistema de um subsistema maior, ou seja, o sistema de atividades das pessoas no

meio urbano.

20

Desta forma, os deslocamentos não seriam considerados uma atividade fim, e sim um

mecanismo para a realização de atividades relacionadas às necessidades básicas, assim

como sociais, culturais e econômicas.

Os estudos sobre padrão de viagem utilizam alguns critérios como, por exemplo, em

relação à variação de freqüência das viagens, onde o mês dezembro é considerado o mês

de maior movimento, assim como, segunda-feira os de maior freqüência durante a

semana.

Deve-se considerar, também, que a produção de viagens depende do tamanho e da

natureza do empreendimento, bem como das características socioeconômicas e da infra-

estrutura das áreas de influência e adjacentes do pólo gerador de viagens (PORTUGAL

& GOLDNER, 2003).

A maioria dos estudos sobre padrão de viagens tem como objetivo a pesquisa de PGVs .

E demonstram que um empreendimento, como um teatro ou escola, por exemplo, exerce

grande atratividade sobre a população, mediante a oferta de bens e serviços, gerando

elevado número de viagens.

De acordo com Pitombo e Kawamoto (2005), as políticas de uso de solo, assim como o

a estrutura urbana, podem influenciar comportamento relacionado às viagens. Tal

influencia, segundo os autores, são obtidas através da observação da correlação de

variáveis, que, de acordo com os modelos tradicionais de previsão de demanda por

transportes, são o número de viagens originadas em uma determinada área geográfica

(zona de tráfego) ou número de viagens atraídas à outra área geográfica, considerando

variáveis que incluíam população e empregos por zonas de tráfego.

O estudo de Srinivasan (2000) demonstra que o uso do solo (característica da

vizinhança ou configuração urbana), rede de transporte e medidas de acessibilidade

afetam o comportamento de viagem em relação à escolha modal e padrão de viagens.

Dever ser considerado, como contribuição do presente estudo, que o núcleo urbano,

independente de seu tamanho, economia e índice demográfico, dever ser avaliado

21

segundo a sua influência nos outros centros e não quanto a sua posição na hierarquia na

rede urbana. O planejamento de transporte não deve limitar-se apenas a demanda, mas,

no planejamento dos acessos às instalações e serviços a fim de oferecer mobilidade

adequada às pessoas e mercadorias.

Sendo assim, a configuração urbana e planejamento de transporte influenciam no padrão

de viagem, pois interfere no deslocamento das pessoas, ou seja, na mobilidade da

população na execução de suas atividades. Considerando que muitas áreas foram

construídas antes da entrada efetiva dos transportes.

22

Capítulo 4 – Área de Estudo: Região Metropolitana do Rio de Janeiro (RMRJ).

Neste capítulo, será apresentada a área de estudo com o intuito de facilitar o

entendimento, interpretação e avaliação dos resultados da pesquisa.

Inicialmente, será discutido, de forma rápida, o desenvolvimento das regiões

metropolitanas brasileiras e sua relação com os transportes. Esse item tem como

finalidade configurar uma base para que se possa entender a relevância do

desenvolvimento da RMRJ.

No item seguinte serão relacionadas às características da Região Metropolitana do Rio

de Janeiro, como a sua composição demográfica, com enfoque na temática transporte.

Posteriormente, será descrita a área de estudo, a sua formação, composição e a

justificativa para a adoção da mesma.

4.1 O desenvolvimento das Regiões Metropolitanas

Segundo Pinto (1997), as áreas metropolitanas brasileiras foram institucionalizadas

através da Lei Complementar nº. 14, de 8 de junho de 1973 e posteriormente pela lei

complementar nº. 20, de 1º de julho de 1974, para a inclusão da área metropolitana do

Rio de Janeiro. Essas áreas concentram, hoje, uma parcela maior da população

brasileira.

Nas regiões metropolitanas observa-se a incorporação de novas áreas, na maioria das

vezes, refletida pela acelerada urbanização, como no caso brasileiro. Possibilitando,

dessa forma, a criação de um processo de ocupação do solo profundamente

desordenado, à medida que são oferecidos loteamentos e assentamentos em regiões

distantes do núcleo central das cidades. Resultando no surgimento de grandes áreas

vazias ou de baixa densidade no interior da mancha urbana, favorecendo a especulação.

Mesmo sendo estas incorporações constituintes de necessidades básicas, fica

comprometido o abastecimento com equipamentos urbanos e serviços públicos nessas

23

novas e distantes áreas. No que se refere ao transporte coletivo urbano, torna-se mais

custoso ainda, pois reflete diretamente o diâmetro da malha viária.

Verifica-se que nestes locais há um grande prejuízo para a mobilidade levando a

redução da qualidade de vida dessa população que, em sua maioria, é de baixa renda e

as que mais sofrem o prejuízo desse crescimento desordenado, geralmente localizado

nas zonas periféricas.

Estudo promovido pelo Ministério das cidades, em 2004, com dados coletados da

Agência Nacional de Transporte Público – ANTP do ano de 2000 e Política Nacional de

Mobilidade Urbana Sustentável – PNMUS, apresenta a distribuição de modos de

transporte nas Regiões Metropolitanas brasileiras, segundo a sua utilização, como visto

a seguir:

Figura 02: Percentual de Utilização dos Modos de Locomoção nas Regiões Metropolitanas Brasileiras.

Percentual de Utilização dos Modos de Transportes.

Por automóvel19%

A pé44% Transporte

Coletivo29%

Motocicleta1%

Por bicicleta7%

Fonte: Adaptado da ANTP (2000)

Verifica-se que o modo “a pé” é o mais utilizado. Esse meio de locomoção, cerca de

44% (quarenta e quatro por cento), é predominante nas Regiões Metropolitanas

brasileiras. Segundo o relatório, quase 21 (vinte e um) quilômetros diários são feitos a

pé.

24

A mobilidade por automóvel, segundo a figura 02, responde por 19% (dezenove por

cento) nas Regiões Metropolitanas brasileiras. Apenas 10% (dez por cento) menor que

a taxa de transporte coletivo.

O percentual de utilização dos modos de transporte “motocicleta” e “bicicleta”, 1% (um

por cento) e 7% (sete por cento) respectivamente, são pequenos se comparados aos

outros modos. Entretanto, somando-se os percentuais desses meios de transportes,

motocicleta e bicicleta, com o de automóvel chega-se a um valor muito próximo ao

percentual da utilização dos transportes coletivos.

O transporte coletivo, de acordo com a figura 02, é responsável por 29% (vinte e nove

por cento) da utilização dos modos de transportes. Comparando-se esse modo com

outros, como “a pé”, por exemplo, percebe-se a necessidade de políticas públicas para

melhor atender a população, seja por redução de tarifas ou por oferecer serviço de

melhor qualidade.

Segundo o mesmo relatório, o transporte coletivo atende 59 (cinqüenta e nove) milhões

de viagens diárias nas áreas urbanas brasileiras, sendo a maioria delas, cerca de 94%

(noventa e quatro por cento), realizadas por ônibus e os 6% (seis por cento) restantes

pela rede metro-ferroviário.

Dessas viagens, 80% são de ônibus e estão concentradas na Região Metropolitana bem

como metade da frota de veículos circulantes de todo o país.

Contudo, a RMRJ apresenta um bom percentual de uso de transporte coletivo se

comparada com outras regiões metropolitanas do país, como a de Vitória, Recife e São

Paulo, como mostra na figura 03, a seguir:

25

Figura 03: Divisão Modal entre algumas Regiões Metropolitanas do Brasil.

Fonte: Adaptado do PDTU (2005).

A figura 03 mostra que a participação do transporte coletivo da RMRJ, como na região

metropolitana de Recife, é consideravelmente maior se comparada às outras regiões

metropolitanas. Na mesma figura apresentam-se, também, os índices dos modos não

motorizados (a pé e bicicleta) que são muito semelhantes, sendo que a região

metropolitana paulista apresenta maior índice de viagens pelo modo individual.

Esses trabalhos preocupam-se com planejamento e promoção de melhorias nos

transportes, com finalidade de elevar a qualidade de vida da população, apresentando,

também, o quanto é prejudicial para a sociedade os congestionamentos nos grandes

centros urbanos.

As regiões metropolitanas são as que mais sofrem com a ausência de planejamento,

fazendo com que haja o crescimento desordenado e a deterioração da mobilidade.

Problemas que são um desafio para a promoção do deslocamento diário da população às

suas diversas atividades nessas regiões. E neste contexto está inserida a Região

Metropolitana do Rio de Janeiro (RMRJ).

26

4.2 A Região Metropolitana do Rio de Janeiro.

Aspectos Gerais:

A lei complementar nº. 20, de 01.07.74, estabeleceu a fusão dos Estados do Rio de

Janeiro e o da Guanabara em uma única unidade federativa. E por esta lei, os

municípios de Duque de Caxias, Itaboraí, Itaguaí, Magé, Mangaratiba, Maricá,

Nilópolis, Niterói, Nova Iguaçu, Paracambi, Petrópolis, Rio de Janeiro, São Gonçalo e

São João de Meriti passaram a integrar a Região Metropolitana do Rio de Janeiro

(RMRJ).

Esta nova divisão político-administrativa e o macro zoneamento foram elaborados pela

Fundação para o Desenvolvimento da Região Metropolitana do Rio de Janeiro (RMRJ)

– FUNDREM. E essa nova região formou-se a partir de agregação de treze municípios

do antigo estado do Rio de Janeiro e do extinto estado da Guanabara.

A principal mudança ocorrida na Região Metropolitana, desde sua formação, foi a

exclusão do município de Petrópolis, que passou a fazer parte da Região Serrana em

1990, a do município de Maricá, que em 1991 foi incluído na Região das Baixadas

Litorâneas, e dos municípios de Itaguaí e Mangaratiba que juntamente com Angra dos

Reis e Parati passaram a formar uma nova região a da Costa Verde, pela lei

complementar nº. 105 de 04/07/2002.

Foram incluídos, também, novos municípios como Belford Roxo, Queimados, Japeri e

Mesquita que se emanciparam de Nova Iguaçu, os dois primeiros nos anos de 1990 e,

1993 e 1999 respectivamente os dois últimos; também o município de Guapimirim que,

em 1990, se desmembrou de Magé; No ano de 1995, Tanguá tornou-se município

deixando de ser um distrito de Itaboraí, e o mesmo ocorreu com Seropédica que, em

1996, deixou de fazer parte de Itaguaí, como descrito na tabela a seguir:

27

Tabela 01: Municípios emancipados incluídos na RMRJ.

Município de Origem Município Emancipado Data Nova Iguaçu Belford Roxo 3 de abril de 1990

Magé Guapimirim 25 de novembro de 1990 Nova Iguaçu Queimados 21 de dezembro de 1990 Nova Iguaçu Japeri 2 de dezembro de 1993

Itaboraí Tanguá 28 de dezembro 1995 Itaguaí Seropédica 12 de outubro de 1996

Nova Iguaçu Mesquita 25 de setembro de 1999 Fonte: Cardoso et al, 2005.

Atualmente, a Região Metropolitana do Rio de Janeiro (figura 04) compreende 20

municípios: Belford Roxo, Duque de Caxias, Guapimirim, Itaboraí, Itaguaí, Japeri,

Magé, Mangaratiba, Maricá, Mesquita, Nilópolis, Niterói, Nova Iguaçu, Paracambi,

Queimados, Rio de Janeiro, São Gonçalo, São João de Meriti, Seropédica e Tanguá,

sendo que, os municípios, Maricá, Itaguaí e Mangaratiba, são excluídos e utilizados para

fins estatísticos pelo IBGE. Representa essa região metropolitana, neste sentido, a

segunda maior do país, (CATÃO & SARTORI, 2001).

Figura 04: Representação da Região Metropolitana do Rio de Janeiro (RMRJ).

Fonte: do próprio autor, dados IBGE (1998).

28

Os aspectos geomorfológicos da Região Metropolitana do Rio de Janeiro podem ser

caracterizados por três principais grupos estruturais: os Maciços litorâneos, as Baixadas

e a Serra do Mar. Esses elementos orientados de norte a oeste delimitam as fronteiras

com os municípios da Região Serrana e Centro-Sul Fluminense. Na região, também,

encontram-se duas baías: a de Guanabara e de Sepetiba.

A capital do estado, o município do Rio de Janeiro, é o centro de gravidade da

metrópole fluminense, segundo Ribeiro (2000). Este município possui características

particulares no que se refere à economia, política, social e cultura, além de abrigar

54,5% (cinqüenta e quatro e meio por cento) da população da metrópole, segundo o

IBGE (1996).

A Região Metropolitana do Rio de Janeiro apresenta uma estrutura urbana

polinuclearizada com a convergência espacial de variadas atividades e de diferentes

padrões urbanísticos, arquitetônicos, sociais e uso de solo diversificado (PDTU, 2005).

Outra característica marcante dessa área é o desnível do padrão de renda entre suas

diferentes localidades. Considerando a cidade do Rio de Janeiro, como uma das mais

altas rendas per capita do Brasil, e a Baixada Fluminense como um dos mais baixos

padrões de renda. (MELLO, 1984).

A localização da população de baixa renda na periferia resulta do crescente processo de

urbanização e de valorização dos terrenos em áreas situadas centralmente e com boa

infra-estrutura configurando segregação social. E nos estudos, de segregação no Rio de

Janeiro, pode-se destacar Lago (2000):

No Rio de Janeiro, a análise do processo de

segregação social foi o centro das preocupações de várias

pesquisas sobre a estrutura interna do espaço metropolitano.

Nesse campo, foi pioneiro o estudo de Brasileiro (1976), por

apresentar uma caracterização geral da organização

metropolitana do Rio de Janeiro e por inaugurar uma

categorização analítica dos seus espaços residenciais (a saber,

29

núcleo e periferias imediata, intermediária e distante), com

base nas variáveis distância, nível de equipamento e serviços

urbanos. Esse modelo analítico passou a ser utilizado e

desenvolvido na literatura sobre segregação residencial,

tornando o Rio de Janeiro o “modelo metropolitano

brasileiro” (LAGO, 2000 apud SANTOS e BRONSTEIN,

1978).

Deve-se ressaltar que a população, residente na periferia ou nas regiões mais afastadas

do município do Rio de Janeiro, não está em condições de nível de igualdade com a

população das áreas mais próximas do município núcleo, em termos da qualidade do

sistema de transporte que lhe é oferecido.

Pesquisa realizada por CARDOSO et al. (2005), sobre habitação na RMRJ, apresenta a

ocupação da periferia que, historicamente, ocorreu em áreas onde não havia infra-

estrutura ou serviços urbanos. Esse estudo demonstra, também, os vetores da periferia

em expansão que abrange os municípios de Guapimirim, Itaguaí, Magé, Mangaratiba,

Maricá, Paracambi, Tanguá, Seropédica e Itaboraí (figura 05).

Figura 05 – Vetores de Crescimento da Região Metropolitana do Rio de Janeiro.

Fonte: Cardoso (2005) apud Observatório Ippur/UFRJ-Fase

30

Considerando as áreas de desagregação definidas pelas Pesquisas Nacionais por

Amostra de Domicílios (PNAD´s) juntamente com o Instituto de Pesquisa de Economia

Aplicada (IPEA) tem-se a tabela 02 que descreve e classifica a Área Metropolitana do

Rio de Janeiro.

Segundo esse relatório, as áreas mais afastadas do núcleo metropolitano apresentam

tendências de expansão como Guapimirim, Maricá e Itaboraí. Contudo, alguns

municípios mesmo demonstrando altas taxas de crescimento têm pouco peso relativo na

composição da população metropolitana. As populações dos municípios da periferia

metropolitana que mais cresceram sua posição relativa foram a de Duque de Caxias e de

São Gonçalo.

Tabela 02: Descrição da Área Metropolitana do Rio de Janeiro. Área da metrópole Descrição das áreas (Regiões Administrativas/Municípios)

Zona Sul – Barra da Tijuca Botafogo, Copacabana, Lagoa, Barra da Tijuca e Rocinha.

Zona Norte - Centro Centro, Rio Comprido, Tijuca, Vila Isabel, Méier e Santa Teresa.

Subúrbio próximo Portuária, São Cristóvão, Ramos, Inhaúma, Ilha do Governador, Jacarezinho, Complexo do Alemão e da Maré.

Subúrbio distante Penha, Irajá, Anchieta e Pavuna. Zona Oeste Bangu, Campo Grande, Santa Cruz e Guaratiba.

Mun

icíp

io d

o R

io d

e Ja

neir

o

Madureira - Jacarepaguá Madureira e Jacarepaguá.

Periferia Metropolitana I Nilópolis, São João de Meriti, Duque de Caxias, Magé e Guapimirim.

Periferia Metropolitana II Niterói e Maricá. Periferia Metropolitana III São Gonçalo, Itaboraí e Tanguá.

Mun

icíp

ios d

a R

MR

J

Periferia Metropolitana IV Belford Roxo, Nova Iguaçu, Japeri, Queimados, Paracambi, Seropédica, Itaguaí e Mangaratiba.

Fonte: Ribeiro (2000) apud PNAD´s em parceria com IPEA.

De acordo com Ribeiro (2000), o mercado imobiliário altamente concentrado na área

litorânea e em seu entorno, sobretudo em razão das desigualdades sócio-espaciais,

expressam a redistribuição da população entre núcleo e periferia metropolitana. Este

panorama mostra o núcleo da Região Metropolitana, principalmente as zonas litorâneas

dos municípios do Rio de Janeiro e de Niterói, como áreas de segmentos superiores de

estrutura social devido à concentração de equipamentos e serviços urbanos em

quantidade e qualidade, contrastando com a periferia que possui uma gama inferior de

serviços prestados.

31

Contudo, é importante frisar que mesmo na área de segmentos superiores, como área da

zona sul do município do Rio de Janeiro, por exemplo, há presença de favelas que

representam espaços populares e operários. Encontra-se também na periferia uma

grande diversificação, onde há áreas com população com melhor poder aquisitivo

contrastando com áreas com população mais pobre.

Segundo Ribeiro (2000), apesar do crescimento da sua frente de expansão, a Zona

Oeste, o município do Rio de Janeiro, no geral, vem perdendo posição em relação à

RMRJ, apesar desta perda ter se reduzido na primeira metade da década de 90.

Neste sentido, a RMRJ, se comparada com as outras metrópoles brasileiras, apresenta

uma menor taxa anual de crescimento e uma grande inflexão no ritmo do crescimento

demográfico, apesar de apresentar, na primeira metade da década de 90, uma

desaceleração no ritmo de perda.

Aspectos Socioeconômicos:

Analisando a evolução histórica do crescimento demográfico da RMRJ verifica-se um

decréscimo, desde as décadas de 1950 e 1960, que representava uma taxa de

crescimento de 52,2% sendo que no período de 1960 e 1970, a mesma caiu para 42,3%.

Quando se considera apenas o município do Rio de Janeiro percebe-se que os valores

são 36,6% e 30,9%, respectivamente no mesmo período. Esse fenômeno pode ser

atribuído a perda de atratividade da região para os fluxos migratórios em função da

transferência da capital para Brasília.

A RMRJ abrigava, em 1980, cerca de 77,6 % da população do Estado do Rio de Janeiro,

sendo que, residiam no município central cerca de 45 % da população do Estado. A

concentração de perto de 62% (sessenta e dois por cento) do parque industrial da capital

lhe dá uma predominância econômica sobre os outros municípios da RMRJ.

Sob aspectos econômicos deve-se considerar a RMRJ antes de sua formação. A fusão

do extinto estado da Guanabara com o estado do Rio de Janeiro, por exemplo, tinha

como objetivo diminuir as disparidades econômicas entre capital e interior.

32

Em 1980, os investimentos públicos, principalmente nos eixos viários, auxiliaram na

estruturação da industrialização no Estado e na RMRJ. Entretanto, a distribuição de

indústria não fez com que o município do Rio de Janeiro deixasse de concentrar o

mercado de serviços mais especializado.

A década de 80 é conhecida como a “década perdida” devido a uma estagnação

econômica e aumento da desigualdade social. O Estado e empresas, neste período,

buscaram mecanismos para integração da economia brasileira com o mercado mundial.

Neste sentido, um grande contingente de trabalhadores urbanos, com baixa qualificação,

foi excluído do mercado de trabalho.

Todavia, OLIVEIRA (2003) acredita que a década de 80, apesar de sua estagnação

econômica, é um período de mudanças. Antes, o processo de crescimento regional ou

local, por exemplo, era explicado pela concentração de grandes empresas. Na busca de

recuperação, as estruturas produtivas passaram a procurar por novas bases e novas

relações.

A década de 90 apresentou uma melhoria razoável. A abertura da economia aos capitais

externos e a integração, assim como, a estabilização da moeda com a adoção do “Real”

trouxe um crescimento pequeno se comparado aos padrões internacionais. O chamado

“crescimento sem emprego” era configurado pela elevada produtividade industrial, com

o aumento lento, mas constante, do setor terciário sob o comando do capital financeiro

em escala mundial (OLIVEIRA, 2003).

Nesse período, as mudanças nas estruturas produtivas começam a se materializar.

Ocorre a consolidação da desfragmentação das empresas líderes, que buscam o interior,

fugindo das deseconomias urbanas. Neste sentido, buscou-se um conjunto de relações,

as chamadas “parcerias”, entre governos, universidades, sindicatos e empresas,

compondo um novo papel para o município central, o de integrador.

A RMRJ, no ano de 1995, apresentou melhorias devido ao processo de recuperação

econômica através dos impactos das transformações industriais, principalmente no

33

espaço fluminense. Os investimentos industriais, neste período, passam a buscar

cidades médias do interior do estado, ficando os serviços avançados e especializados

para a capital.

O processo de desconcentração e reestruturação urbana e produtiva concretizou-se, em

2005, através de novas formas de integração com o território. As buscas por parcerias

juntamente com o uso estratégico de sistemas técnicos de comunicação e informatização

resultaram em novas relações, como no setor econômico, por exemplo, com uma maior

integração do setor industrial com o financeiro. Neste sentido, houve uma maior

integração de diferentes espaços através da tecnologia.

A economia da RMRJ, assim como a do estado, apresentou um bom desempenho na sua

economia, em 2005, com uma significativa recuperação da renda e emprego formais. O

PIB per capita cresceu 3,76% e a renda 2,9% neste período, se comparado ao ano

anterior. Esses resultados foram reflexos do acelerado crescimento da economia

brasileira e bom desempenho dos setores mais dinâmicos da economia, o metal-

mecânico, o extrativo mineral, o de produção alimentício e de bebidas e o de turismo

(CIDE, 2008).

4.3 Área de Estudo e o Sistema de transportes

A Região Metropolitana do Rio de Janeiro resultou da evolução intensa de núcleo e

periferia, ou seja, de um processo através dos séculos da expansão de uma cidade

“central” no sentido de absorção gradativa dos espaços periféricos.

A expansão da RMRJ coincidiu com os eixos naturais configurados pela topografia da

região e que configuram os principais corredores de transporte. O início da urbanização

da cidade do Rio de Janeiro, principalmente seu centro urbano, foi influenciado pelos

bondes, introduzidos no Brasil em 1856, ainda com tração animal e em 1892, com

tração elétrica.

O início da urbanização dessa região está intimamente vinculado ao sistema ferroviário

de passageiro que, desde sua implantação, no século XIX, contribuiu para a formação de

34

seu território. Esse sistema já transportou um volume diário de 1 (um) milhão de

pessoas nos anos 60, chegando, em 1998, a atender a apenas 150 (cento e cinqüenta) mil

passageiros por dia, apesar da população ter tido um crescimento superior a 50%

(cinqüenta por cento). Atualmente, é responsável pelos deslocamentos diários de 360

(trezentos e sessenta) mil passageiros, o que aponta para uma tendência de recuperação,

mas ainda em níveis insuficientes (PORTUGAL & GONÇALVES, 2005).

Os sistemas de transportes exerceram forte influência na orientação do crescimento do

tecido urbano durante a década de 70. O crescimento urbano acompanhou os principais

eixos ferroviários e as vias de acessos, na modalidade rodoviária e ferroviária. No

município do Rio de Janeiro a mancha urbana se expandiu da zona suburbana em

direção a Paracambi e Nova Iguaçu, se desenvolvendo ao longo da Rodovia Presidente

Dutra, além de acompanhar a ferrovia que liga o Rio de Janeiro a São Paulo. O mesmo

ocorreu com a Rodovia Washigton Luís e a Estrada de Ferro Leopoldina que envolve o

município de Duque de Caxias.

Porém as modalidades rodoviárias – como automóveis e ônibus – passaram a ter função

principal do setor, mas de forma inadequada. Cabe ressaltar que esses modos se

caracterizaram por promoverem uma ocupação do espaço mais espraiada, de difícil

organização e controle devido à falta de planejamento, conseqüentemente causando a

dispersão das atividades socioeconômicas. Este processo contribui, de forma

significativa, para restrições aos deslocamentos de parte da população mais pobre

fazendo com que esta busque morar próximo aos centros com mais oportunidades de

trabalho e serviços.

No caso da RMRJ, essas condições, em conjunto com outras já citadas, colaboraram

para a formação de comunidades excluídas de equipamentos urbanos e serviços básicos

ocasionando uma perda da qualidade de vida. Considerando também que é um

desperdício a subutilização da infra-estrutura ferroviária enquanto que corredores

rodoviários operam congestionados.

35

Figura 06: Representação da Área de Estudo.

Fonte: do próprio autor, base de dados (1998). Sendo assim, a crise de mobilidade instalou-se na RMRJ independente das causas do

crescimento desordenado e descontrolado das cidades brasileiras. A mobilidade urbana

ficou cada vez comprometida, e os seus índices, principalmente da população de baixa

renda, foram sendo reduzidos. Os planejadores se encontram em uma difícil missão que

é a de tentar organizar o tecido urbano e buscar adequá-lo ao acelerado processo de

urbanização, orientado pelo paradigma de mobilidade centrado no transporte individual

(GOMIDE, 2003).

Nesse trabalho, a área de estudo (figura 06) compreende os municípios que fazem parte

da RMRJ, desde a década de 80 até os dias atuais e são: Duque de Caxias, Itaboraí,

Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, Rio de Janeiro, São Gonçalo e São

João de Meriti.

Portanto, excluiu-se, neste trabalho, os municípios de Belford Roxo, Guapimirim,

Japeri, Mesquita, Queimados, Seropédica e Tanguá, pois esses passaram a integrar a

RMRJ após 1980. Os municípios de Itaguaí, Mangaratiba e Maricá foram excluídos da

36

RMRJ em 2002, 2001 e 2002 respectivamente, e sendo assim, também retirados do

presente estudo.

Esse foi o critério utilizado para a delimitação da área de estudo. A permanência do

município na RMRJ nos períodos estudado, ou seja, desde o ano de 1980 até 2005, a

fim de obter-se uma classificação homogênea.

Algumas mudanças ocorreram na RMRJ, na década de 80, sendo inseridos sete novos

municípios. Considerando os municípios da área de estudo tem-se Nova Iguaçu, por

exemplo, que teve desmembrado, de seu território, quatro distritos que se emanciparam:

Japeri, Queimados, Belford Roxo e Mesquita. O município de Itaboraí perdeu território

para Tanguá, que se emancipou em 1996, o mesmo ocorreu com Magé que deu origem

a Guapimirim, em 1990.

Neste sentido, Nova Iguaçu foi o município que apresentou queda em alguns

indicadores, como o populacional, por exemplo, possivelmente devido as emancipações

dos seus distritos, como mencionado anteriormente. A tabela a seguir apresenta o

número populacional da área de estudo.

Tabela 03: População dos Municípios da Área de Estudo:

População Municípios 1980 1995 2005

RJ - Duque de Caxias 575.830 697478 840.903 RJ - Itaboraí 114.542 178279 216.657 RJ - Magé 166.603 170573 231.427 RJ - Nilópolis 151.585 160188 151.049 RJ - Niterói 397.135 448736 473.616 RJ - Nova Iguaçu 1.094.789 811326 829.999 RJ - Paracambi 30.310 38150 42.936 RJ - Rio de Janeiro 5.090.723 5606497 6.087.219 RJ - São Gonçalo 615.351 832849 958.786 RJ - São João de Meriti 398.819 434458 463.889

Fonte: Ipea (2007).

Considerando os municípios da área de estudo, tem-se nos dois primeiros anos

estudados Rio de Janeiro, Nova Iguaçu e São Gonçalo os que possuíam maior número

populacional. Nova Iguaçu apresentou uma queda muito grande em 1995, devido aos

37

municípios que se originaram a partir dele através de emancipações. Duque de Caxias,

em 2005, superou em número populacional Nova Iguaçu conforme a tabela 03.

Contudo, ao verificar-se o IDH – Índice de Desenvolvimento econômico têm-se

destacado outros Municípios, como Niterói que se destacou nos três anos estudados, por

exemplo, com o maior valor. Os municípios de Itaboraí e Magé foram os que, durante

os anos estudados, apresentaram os menores índices (figura 07).

Figura 07: Gráfico de IDH dos municípios da Área de Estudo.

A década de estagnação econômica, de 80, tem seus reflexos nos dados, principalmente

nos dados referente ao IDH – Índice de Desenvolvimento Humano – que envolve

longevidade, educação e saúde. No ano de 1980 houve grande variação dos dados de

IDH dos municípios da área de estudo.

Niterói é o município que detêm o maior valor de IDH, com 0,76 e o município de

Magé com o menor, ou seja, com 0,59, no ano de 1980, conforme a figura 07.

IDH dos Municípios da Área de Estudo.

00,10,20,30,40,50,60,70,80,9

1

Duque

de C

axias

Itabo

raíMag

é

Nilópo

lisNite

rói

Nova I

guaç

u

Paraca

mbi

Rio de

Jane

iro

São G

onça

lo

São Jo

ão de

Meri

ti

1980 1995 2005

38

Tratando-se das viagens realizadas para o município do Rio de Janeiro, em 1980, os três

primeiros municípios que se destacaram foram os municípios de Nova Iguaçu que

possuía 29,1% destas viagens, sendo seguido por Duque de Caxias, com 24,5% e São

João de Meriti com 18%. O percentual mais baixo, neste ano foi de Itaboraí que

apresentou apenas 0,3% das viagens realizadas como pode ser visto na figura 08 ou

tabela 04, que abarca os três anos estudados.

Tabela 04: Viagens para o Município do Rio de Janeiro.

Viagens com destino Rio de Janeiro (%) Municípios 1980 1995 2005

Duque de Caxias 24,5 17,1 28,3Itaboraí 0,3 1,8 1,2Magé 0,3 3,5 2,1Nilópolis 7,4 3,9 5,1Niterói 11,4 13,6 15,4Nova Iguaçu 29,1 25,7 16,8Paracambi 1,2 0,6 0,2Rio de Janeiro 0 0 0São Gonçalo 7,8 16,3 12,8S. J. de Meriti 18,0 17,5 18,2

Figura 08: Representação das Viagens para o Município do Rio de Janeiro em 1980.

Fonte: dados PIT (1980), mapa (do próprio autor).

39

Como mencionado anteriormente, o ano de 1995 foi um período inicial de recuperação

da economia brasileira, assim como a do estado do Rio de Janeiro. Reflexo desta

recuperação é percebido nos dados da área de estudo. A diferença entre os valores de

IDH dos municípios, por exemplo, diminuiu. O município de Niterói apresentou o

maior valor de IDH, com 0,85 e o município de Magé, com o menor, o de 0,70.

No ano de 1995, contudo, ocorreram poucas mudanças. O município de Nova Iguaçu,

apesar do desmembramento devido às emancipações, continuou destacando-se com

25,7% das viagens realizadas para o município do Rio de Janeiro, sendo que o segundo

município foi São João de Meriti que com 17,5% ultrapassou Duque de Caxias que

neste período apresentou 17,1%.

Vale ressaltar que o município São Gonçalo com 16,5% teve uma participação

significativa, que possivelmente refletiu no município de Itaboraí que antes, no ano de

1980, participava com 0,3%, nesse ano, o de 1995, participou com 1,8. Paracambi, com

0,6%, teve menor participação de todos os municípios estudados.


Fonte: dados PTM (1995), mapa (do próprio autor).

40

Devido às mudanças estruturais tanto na esfera social como na esfera econômica no

âmbito nacional, como a adoção de uma nova moeda, o “Real”, e regional, como

instalação de grandes empresas nas áreas periféricas, percebem-se significativas

mudanças no terceiro período estudado, o ano de 2005.

Muitas empresas se instalaram em Duque de Caxias fazendo com que este possuísse o

maior parque industrial do estado. Sendo assim, acessos e infra-estrutura foram criados

ou facilitados para o município central (BAIXADA FLUMINENSE, 2008).

Tal fato, associado a outros, pode ter refletido no padrão de viagens da maioria dos

municípios estudados. O município de Nova Iguaçu, com 16,8%, por exemplo, que se

destacou nos dois períodos anteriores passou para terceiro lugar, possivelmente devido

as emancipação. Duque de Caxias apresentou 28,3% da participação das viagens. Em

segundo lugar ficou o município de São João de Meriti com 18,2%. São Gonçalo teve

uma queda e passou a participar com 12,8% nas viagens. Acompanhando esta

tendência, temos Paracambi que no ano de 1980 participava com 0,6% e em 2005

participou com 0,2% (figura 10).


Fonte: dados PDTU (1995), mapa (do próprio autor).

41

A posição geográfica privilegiada, e em alguns casos estratégica de alguns municípios

em relação ao município central pode influenciar no percentual de viagens. Neste

sentido, um município mais distante da área central, como Paracambi, por exemplo,

tende a recorrer a sub-centros, ou seja, possivelmente a um município que possua uma

economia mais diversificada e mais elevada. Enquanto os que estão mais próximos da

área central tendem a utilizar esse município como seu centro de referência.

42

Capítulo 5 – Procedimento Proposto Este capítulo irá apresentar a metodologia desenvolvida no presente projeto. Serão

descritos os procedimentos promovidos para relacionar os indicadores socioeconômicos

e os de transportes da Região Metropolitana do Rio de Janeiro. Serão expostos os

procedimentos iniciais, os critérios utilizados para a construção do banco de dados, para

a escolha das variáveis e o método estatístico utilizado.

5.1 Procedimentos iniciais

No presente estudo buscou-se, primeiramente, os conhecimentos básicos através do

levantamento bibliográfico. A segunda fase consistiu em uma análise documental, onde

foram verificados os conceitos que envolvem configuração urbana, planejamento de

transporte e padrão de viagem. Procurou-se, posteriormente, selecionar a área de estudo,

a princípio a RMRJ, dentro do objetivo que foi proposto. Na quarta etapa, buscaram-se

as variáveis e dados que pudessem explicar a evolução do padrão de viagem da área

estudada. A etapa seguinte foi a geração do banco de dados e o tratamento do mesmo

através da estatística e criação de modelos. Após esta fase, realizou-se a análise dos

mesmos.

A situação da mobilidade da RMRJ, como citada em capítulos anteriores, devido a

inúmeros fatores como a crise nos transportes públicos, por exemplo, fez com que

estudos relacionados ao planejamento dessa área fossem elaborados desde a metade da

década de 60. Esses planos que tinham como objetivo promover estudos sistêmicos

para o transporte público de passageiros, serão mencionados a seguir:

• Linhas Policromáticas – Plano Doxiadis (1965)

• Plano Integrado de Transporte – PIT Metrô/RJ (1975/1979);

• Modelo Gravitacional Multimodal – Metrô/RJ (1994);

• Plano de Transporte de Massa da RMRJ – PTM/Prefeitura da cidade do Rio de

Janeiro e empresa municipal de informática e planejamento – PLANRIO

(1990/1995);

• Pesquisas Origem / Destino – Detran/RJ (1996/1997);

43

• Redução das Deseconomias Urbanas Com a Melhoria do Transporte Público –

IPEA (1997/1998);

• Projeto RioBus – Reorganização do Sistema de Transportes Coletivos por Ônibus

na Cidade do Rio de Janeiro – Instituto Municipal de Urbanismo Pereira Passos

(1999).

• Plano Diretor de Transporte Urbano – PDTU/Secretaria de Estado de Transporte e

Companhia Estadual de Engenharia de Transporte e Logística – Central

(2001/2005).

Esses planos são notórios devido às suas contribuições para o desenvolvimento e

viabilização de estudos posteriores. Entretanto, devido a problemas de aquisição de

dados, o presente projeto baseou-se apenas nos dados de três pesquisas Origem-Destino

(O-D), descritas a seguir:

• Plano Integrado de Transporte do Metrô (PIT/METRÔ): realizado no período de

1975-1979. Suas matrizes de viagem foram geradas por meio de pesquisas de campo,

ou seja, de entrevistas domiciliares e de origem-destino, realizadas pelo Metrô do Rio

de Janeiro, no biênio de 1975 a 1976, em todos os modos de transporte da RMRJ. São

apresentadas nesse plano de transporte deslocamentos domicílio-trabalho.

Neste plano, as Regiões Administrativas do município do Rio de Janeiro e os

municípios periféricos a este foram estabelecidos como unidades básicas, ou seja,

setores de tráfego na divisão em zonas. E essas zonas foram estabelecidas a partir de

critérios básicos como o número diário de viagens geradas por cada uma delas. Da

decomposição destas unidades foram delimitadas 280 zonas de tráfegos.

O PIT/METRÔ apresentou, neste sentido, trinta e oito setores de tráfego e destes, vinte

e quatro correspondiam às Regiões Administrativas existentes no município do Rio de

Janeiro (SOUZA, 1981).

• Plano de Transporte de Massa (PTM): promovido durante o período de 1990 a

1995 pela prefeitura da cidade do Rio de Janeiro em conjunto com a empresa municipal

de informática e planejamento – PLANRIO. Obteve as suas matrizes de viagem através

44

de pesquisa de campo junto a terminais rodoviários, pesquisas domiciliares e contagem

de tráfego (volumétricas e seletivas).

Este relatório foi estruturado em dados socioeconômicos, de zoneamento e estruturado

em: deslocamentos não motorizados, onde se incluem os “a pé” e “em bicicleta” e;

deslocamentos motorizados que incluíam automóveis (contagem por veículos) e

coletivos (contagem por pessoas).

O PTM construiu suas matrizes, em nível municipal e em nível zonal, para os picos da

manhã, da tarde e vinte e quatro horas.

• Plano Diretor de Transporte Urbano (PDTU): envolve o período de 2001 a 2005.

Desenvolvido pelo governo do Estado por intermédio da Secretaria de Estado de

Transporte e da Companhia Estadual de Engenharia de Transporte e Logística –

CENTRAL. Contudo, para a realização de sua pesquisa Origem-Destino (O-D) foi feito

um novo zoneamento, que resultou em 483 (quatrocentos e oitenta e três) zonas da

RMRJ, assim como, um plano amostral que resultou em 34.000 (trinta e quatro mil)

entrevistados. Foram coletados vários dados, tais como os modos de realizações das

viagens (como ônibus, carro, a pé, por exemplo) e características das famílias.

O PDTU foi desenvolvido a partir de dados levantados no período de 2002 a dezembro

de 2004. E apresentou um relatório de avaliação de estrutura dos serviços de

transportes na RMRJ através da análise dos diversos componentes do modelo vigente na

prestação dos serviços de transportes.

Os planos de transportes PIT e PTM apesar de sua relevante importância, não

acompanharam as profundas transformações ocorridas na RMRJ, já que, não foram

atualizados e nem ofereciam opções para serem reabastecidos com novos dados e

informações. Esses projetos não consideram o crescimento observado nos bairros da

Zona Oeste, por exemplo (SECTRAN, 2007).

O PDTU, ao contrário, propõe um conjunto de medidas e recomendações. E como um

plano estratégico possui um modelo calibrado em base georreferenciada. A proposta do

45

PDTU é fazer com que o planejamento da RMRJ seja contínuo, e para isso, esse plano

oferece mecanismos para a realimentação de seus dados, assim como a sua revisão e

atualização (SECTRAN, 2007).

5.2 Seleções de variáveis

Em um primeiro momento, selecionou-se as variáveis que pudessem explicar o quadro

de padrão de viagem promovido na RMRJ. Contudo, a falta de padronização da

metodologia empregada, de algumas variáveis, pelos órgãos públicos ou até mesmo pela

falta de dados, prejudicou a proposta inicial. Essa proposta tinha como objetivo,

também, analisar por todos os modos de transporte, particularmente trem, metrô, ônibus

e automóveis, mas a proposta foi inviabilizada devido aos problemas mencionados

anteriormente. A tabela, a seguir, apresenta as variáveis e os anos em que seus dados

estão disponíveis.

Tabela 05: Disponibilidade das variáveis pesquisadas.

Variáveis período 1980 1995 2005 População residente 1996 - 2010 x População economicamente ativa 1970-1980-1991-2000 x Taxa de natalidade 1993-2004 PIB Industrial 2000-2004 x PIB Serviço 2001-2004 PIB Comercial 1996-2004 PIB Global 2000-2004 N° de leitos hospitalares 1995-2005 x x N° de estabelecimentos de ensino 1996-2004 Nº de estabelecimento comercial 1970, 75, 80, 85, 1995 x x Renda Per capita 1991-2000 x Consumo de energia 1998-2005 x Consumo de energia elétrica industrial 1998-2005 x Consumo de energia elétrica industrial 1998-2005 x Consumo de energia elétrica comercial 1998-2005 x Consumo de energia elétrica serviços 1998-2005 x Consumo de energia elétrica rural 1998-2005 x Consumo de energia elétrica residencial 1998-2005 x Consumo de energia elétrica total 1998-2005 x exportações 2003-2004 frota-auto 2001-2007 x frota-caminhão 2001-2007 x

Neste sentido, buscaram-se indicadores socioeconômicos que pudessem oferecer

elementos esclarecedores sobre o sistema metropolitano para a construção de um

parâmetro de desenvolvimento da área de estudo e, que atendessem os conceitos básicos

46

da econometria para a análise dos dados. Cabe ressaltar, que foram utilizadas as

variáveis consideradas pela literatura específica de transporte, como frota de ônibus e

frota de automóveis, assim como indicadores socioeconômicos, como população, PIB –

Produto Interno Bruto e IDH – Índice de Desenvolvimento Humano, por exemplo.

Essas são variáveis que podem auxiliar na identificação dos elementos constituintes e

formadores do comportamento humano e que caracterizem o espaço de circulação.

Os municípios da RMRJ, segundo pesquisas realizadas em anuários estatísticos,

configuraram um segundo problema. Entre o período de 1980 até o período atual,

alguns municípios deixaram de fazer parte, enquanto que outros ingressaram na RMRJ,

como foi o caso de Petrópolis, que fazia parte dessa região e agora participa da região

Serrana. Optou-se, neste sentido, por selecionar os municípios que constituíam a RMRJ

desde o primeiro ano (1980) até o último (2005) e formou-se assim, um grupo de dez

(10) municípios. E são eles: Duque de Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova

Iguaçu, Paracambi, Rio de Janeiro, São Gonçalo e São João de Meriti.

A variável população foi utilizada na modelagem estatística e foi um dos indicadores

que não exigiu interpolação para a obtenção de dados nos três períodos estudados, já

que estavam disponíveis pelo IBGE.

O indicador “consumo de energia elétrica total” abrange todos os segmentos que

consomem energia elétrica, como indústria, comércio, serviços e residências, por

exemplo.

Essa variável foi considerada um indicador que poderia explicar as viagens realizadas

dentro da RMRJ, por oferecer uma indicação de nível de desenvolvimento dos

municípios no que se refere à infra-estrutura.

A variável “número de empregados total” é o somatório de empregados de todos os

setores (industrial, comercial e serviços). Esse indicador foi utilizado por ser um

indicador que permite verificar a atratividade, ou seja, o quanto essa variável influencia

os padrões de viagens entre municípios, dentro dos mesmos, ou ainda, em relação ao

47

centro da RMRJ. Os municípios Rio de Janeiro, Niterói e Nova Iguaçu são os três com

maiores números nos três períodos estudados.

Utilizou-se o PIB – Produto Interno Bruto, apesar de algumas literaturas considerarem-

no não viável para indicar o desenvolvimento. Foram selecionados o PIB serviço, PIB

comércio e o PIB industrial como indicadores para a análise da variável dependente.

Sendo necessária a utilização de interpolação para os dados de 1995 e 2005.

Contudo, além do PIB, utilizou-se o IDH que é considerado um índice mais completo,

já que, oferece três diferentes parâmetros sintetizados em um único indicador. O IDH

abrange a área de educação, longevidade – e dentro deste, incluindo o índice saúde – e

renda. Sendo assim, o índice varia de 0 (pior) a 1 (melhor) construindo assim um

indicador síntese (BARROS, 2001).

O indicador “número de frota de ônibus e automóvel” foi utilizado para que se pudesse

verificar como este poderia interferir nos padrões de viagens, ou seja, se o município

com o maior número de ônibus e automóvel possuía maior número de viagens. Além de

observar como esse indicador de transporte explica a variável dependente.

Pretende-se verificar que variáveis são relevantes para a geração de viagens, assim

como, demonstrar os diferentes contextos em que essas viagens estão inseridas.

5.3 Aquisição de dados. Utilizou-se para aquisição dos dados, fontes oficiais e dados secundários como os do

IBGE – Instituto Brasileiro de Geografia e Estatística, e do IPEA – Instituto de Pesquisa

Econômicas Aplicadas, por exemplo. Para a obtenção de uma amostra homogênea

optou-se por utilizar os dados referentes aos períodos de planos de transporte que

tinham como objetivo o levantamento de dados e criação de matrizes de Origem e

Destino O/D como o Plano de Integração de Transporte - PIT, no período 1980; o Plano

de Transporte de Massa – PTM, de 1995 e, o Plano de Desenvolvimento do Transporte

Urbano – PDTU, de 2005 que resultou no trabalho sobre número de viagens realizadas

no Estado do Rio de Janeiro.

48

Houve dificuldade na obtenção dos dados devido à série histórica, já que, os dados de

algumas variáveis ou não foram coletados, ou não estavam disponíveis em alguns

períodos, sendo necessário algumas interpolações como discutido anteriormente.

Um outro obstáculo foi a ausência de dados para alguns municípios, segundo algumas

variáveis. Como os dados de ICMS, no banco de dados do IPEA, não registrados para

os municípios de Duque de Caxias, Magé e Rio de Janeiro no período de 2005. neste

sentido, excluiu-se esse indicador.

Os modelos matemáticos foram executados segundo técnicas estatísticas e, baseados em

trabalhos com diferente enfoque, mas, com procedimentos semelhantes, como as

pesquisas desenvolvidas por Bayerl (2006) e Lemos (2005) enfocando as regiões do

Brasil e o município do Rio de Janeiro, respectivamente.

5.4 Técnicas estatísticas utilizadas

O método estatístico adotado deve levar em conta o número de variáveis utilizadas neste

trabalho e descrever as relações entre as mesmas.

O método que se deseja trabalhar é aquele onde as variáveis possam ser relacionadas.

Como por exemplo, a representação em um diagrama de dispersão (scatter plot), se

considerada duas variáveis, “X” como a independente e “Y” considerada a dependente.

Com os valores yi na ordenada e xi na abscissa, sendo que cada par de valores xi e yi

fornecerão um ponto.

O método mais comum adotado, neste caso, é análise de regressão linear simples que

testa a hipótese de que existe uma relação entre uma variável dependente Y e pelo

menos duas variáveis independentes e fornece a equação de uma reta:

Yi = αi + βxi + ξi. (1)

Onde:

Yi = variável dependente;

49

xi = variável independente;

α e β = parâmetros da regressão; e

ξ = perturbação estocástica.

E pode ser simplificada, segundo Bayerl (2006), da seguinte forma:

yi = a + bx (2)

Onde:

a = coeficiente de interseção do eixo y;

b= coeficiente que determina a inclinação da linha de tendência.

Os parâmetros α e β são coeficientes desconhecidos a serem determinados. O ξ,

perturbação estocástica, é a representação do resíduo ou o erro, ou seja, de toda a fonte

de variabilidade em Y não explicada por X. Sendo assim, será melhor a modelagem

quanto menor for o resíduo (ξ) e melhor será a modelagem de Y a partir do X

(LOURENÇO, 2004).

Entretanto, quando há envolvidas mais de duas variáveis, ou principalmente, quando

existe a necessidade da incorporação de outras variáveis no modelo com objetivo de

explicar o comportamento de Y. Ou quando há um maior enfoque na no termo ξ e não

na explicação oferecida pela variável X, busca-se utilizar, nesses dois casos, a regressão

linear múltipla expressa pela equação a seguir:

y = α0 + α1 x1i +...+ α m xmi + ε i (3)

Considerando:

α0 e α1 = coeficientes da regressão

ε i = resíduo.

A regressão linear múltipla é multivariada, pois mais de uma variável é medida

simultaneamente em cada observação, contudo, essa regressão não deixa de ser uma

técnica univariada, já que, o objeto de estudo é apenas em relação à variável dependente

(Y) e não o comportamento das variáveis independentes (X). Desta forma, deve-se

atentar a alguns procedimentos:

50

• As relações entre as variáveis devem ser lineares: na representação das variáveis,

ocorre em alguns casos, que o ajuste dos pontos não é fornecido por uma reta. As

equações podem ser ou não lineares, ou ainda, combinam em duas ou mais formas,

desde que as relações não lineares possam ser linearizáveis. Tem-se, a seguir, exemplo

de formas funcionais linearizáveis (Bayerl, 2006):

Polinômios: Y = a+ b.X+ c.X2 + ... + d.Xn (acrescenta-se X2 ) (4)

Função exponencial: Ln Y= Ln a + b.Ln X (5)

Sendo que a variância total de Y é, uma parte, explicada pelas diversas variáveis

independentes (X) e o restante pela variabilidade devida ao erro.

• Devem-se evitar variáveis que tenham um alto coeficiente de correlação entre si: ou

seja, correlação entre as variáveis independentes. A regressão linear múltipla é um

método eficiente para as variáveis “comportadas”, ou que não apresentam

multicolinearidade.

A multicolinearidade ocorre quando duas ou mais variáveis independentes apresentam

correlação. Quando, por exemplo, duas variáveis X1 e X2 têm, aproximadamente, o

mesmo valor.

▪ Verificar os resíduos: necessário para a busca de valores anômalos;

▪ Número de casos: não utilizar um número inferior de casos em relação a número de

variáveis consideradas. Que tal relação seja da ordem de 10 (dez) a 20 (vinte) vezes

superiores.

Para verificar as hipóteses de que existe relacionamento linear entre as variáveis X e Y,

uma série de estatísticas equivalentes pode ser utilizada. Os principais parâmetros

estatísticos para as variáveis independentes usados para a regressão múltipla são (Yang,

apud Norusis, 1997):

51

Coeficientes B: são os valores da inclinação e interseção da linha de regressão

(coeficientes de regressão e a constante). São chamados de coeficientes de regressão

parcial, uma vez que o coeficiente para uma determinada variável é ajustado por outras

variáveis independentes na equação. Na interpretação dos indicadores de importância

relativa das variáveis e, principalmente, para haver uma coerência na comparação dos

coeficientes devem-se considerar as unidades de medida das mesmas.

Estatística t: são os níveis de significância observados de t. Pequenos valores dos níveis

de significância (menores que 0,00005), associados com a inclinação, sustentam a

hipótese de que existe uma relação linear entre as variáveis. Este parâmetro indica o

quanto o fenômeno, padrão de viagem, por exemplo, é explicado pela variável

independente. Sabendo-se que, o termo “explicada” refere-se apenas a um significado

numérico, não introduzindo um conhecimento de causa-efeito sobre o motivo da relação

existente.

Quanto mais próximo de zero for o parâmetro t, significa que a variável independente

em análise é importante para a questão proposta. A hipótese a ser verificada consiste em

rejeitar H0 (b = 0, ausência de efeito), quando |t| > |tc|, ou aceitar H0, quando |t| ≤ |tc|

(Bayerl, apud Matos 2006).

As principais estatísticas utilizadas para a análise da variável dependente, de acordo

com Yang (1997), são:

Coeficiente de explicação ou determinação (R2): esse coeficiente indica a melhor

adequação entre a variável dependente e as variáveis independentes. Esta estatística

varia de 0 a 1 e, considera-se que quanto mais próximo de 1 (um) estiver o parâmetro,

melhor será a aderência da linha de regressão e que quanto mais próximo de 0 (zero),

pior a aderência. Um R2 próximo de 0 (zero) não significa, necessariamente, que não

exista associação entre as variáveis e, sim, pode indicar que existe uma relação não-

linear entre elas. E caso contrário, ocorrer R2 igual a 1 (um), todos os pontos observados

se posicionam muitos próximos ou sobre a reta de regressão, sendo o ajuste perfeito.

52

▪ Coeficiente Beta (β): esse coeficiente é utilizado para a comparação de duas ou mais

variáveis. Essa estatística que é um número adimensional obtido ao dividir cada

variável pelo seu respectivo desvio-padrão, torna as variáveis padronizadas.

▪ Estatística F: verifica o ajuste dos dados no modelo de regressão encontrado. Essa

estatística testa o efeito do conjunto das variáveis explicativas sobre a dependente, e

busca verificar se pelo menos uma das variáveis explicativas do modelo exerce

influência sobre a variável dependente, indicando assim, o quanto o conjunto de

variáveis independentes consideradas no modelo é importante para explicar o

fenômeno. Quanto mais próximo de 0 (zero) estiver este parâmetro, mais significantes

são estas variáveis. A hipótese a ser verificada consiste em aceitar H0 (b = 0, ausência

de efeito), quando Fc > F, ou rejeitar H0 (b = 0, ausência de efeito), quando F > Fc

(Bayerl, apud Matos 2006).

Foi necessária, também, a utilização das seguintes estatísticas: inexistência de erros,

heteroscedasticidade e a autocorrelação dos erros ou erro serial.

A hipótese da não existência de erros tanto no conjunto de dados coletados como na

metodologia utilizada é definida como “inexistência de erros”. A heteroscedasticidade é

utilizada para estimar modelos quando os resíduos não são homogêneos. A existência da

heteroscedasticidade implica em erros-padrões e incorreção dos testes t e F e dos

intervalos de confiança (MATOS, 2000). Será realizado o teste de Glejser, para detectar

a presença ou não do problema da heteroscedasticidade.

Segundo Matos (2000), a autocorrelação dos erros ou erro serial é a correlação entre

resíduos, ou seja, a dependência temporal dos valores sucessivos dos resíduos. A

ocorrência da autocorrelação interfere na variância, no erro-padrão dos parâmetros

relacionados, resultando, assim, em testes e intervalos de confiança incorretos. Neste

sentido, para a verificação da autocorrelação dos erros será utilizado o teste de Durbin-

Watson.

Busca-se, com a utilização da regressão múltipla, determinar o modelo matemático que

mais se aproxime em descrever a realidade do fenômeno estudado. Permitindo também

53

esta estatística relacionar o padrão de viagens com vários aspectos que possam

influenciá-lo ou não, e desta forma, reconhecendo a importância desses fatores.

O procedimento utilizado, no presente projeto, foi o método “Enter” do programa

estatístico SPSS (Statistical Package for the Social Sciences) versão 8.0. Esse método

consiste em adicionar variáveis independentes ao modelo quando a estatística F < 0,05 e

remover quando o resultado for F > 0,1.

No item a seguir será demonstrada a utilização do programa SPSS (Statistical Package

for the Social Sciences) versão 8.0, assim como a utilização do programa Curve Expert

1.3 para estimar alguns dados. Serão demonstrados, também, os modelos matemáticos

que estes softwares elaboraram.

5.5. Estrutura dos modelos matemáticos

O programa SPSS (Statistical Package for the Social Sciences) versão 8.0, como citado

anteriormente, promoveu a análise das variáveis independentes, assim como, a

elaboração dos modelos matemáticos, utilizando-se como variável dependente nos

modelos de regressão linear, o Número de Viagens na área de estudo.

Os cenários definidos estão apresentados a seguir:

Municípios x Rio de Janeiro – onde são consideradas as viagens feitas dos

municípios estudados para o município central, Rio de Janeiro;

Dentro dos Municípios – são consideradas as viagens dentro dos municípios

estudados, ou seja, as viagens internas;

Entre os Municípios: Itaboraí x municípios – são estudadas as viagens do

município de Itaboraí em relação aos outros municípios estudados;

Entre os Municípios: Niterói x municípios – são estudadas as viagens do

município de Niterói em relação aos outros municípios estudados.

54

Esses quatro cenários serão elaborados em três períodos, como definido no item

anteriormente discutido “Procedimentos Iniciais”, ou seja, em 1980, 1995 e 2005. Os

modelos foram construídos para verificação da relação entre as variáveis

socioeconômicas e as de viagens, como também se há indícios do processo de

“deseconomia de aglomeração”, que traduz na diminuição de viagens para o centro e

um aumento de viagens entre municípios. Deveriam ser envolvidos, nessa modelagem,

todos os municípios da Região Metropolitana do Rio de Janeiro RMRJ, contudo, houve

problemas de ausência de dados, como citado antes, o que dificultou o estudo.

No primeiro modelo, “Municípios x Rio de Janeiro”, foram considerados as viagens de

Duque de Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, São

Gonçalo e São João de Meriti para o município do Rio de Janeiro. Considerando, neste

caso, os modos rodoviários.

O modelo seguinte, “Dentro dos Municípios”, envolve as viagens internas dos

municípios estudados, não considerando as viagens ocorridas para o município do Rio

de Janeiro, como também, as viagens originadas dele.

Para a definição da terceira modelagem, “Entre os Municípios” consideraram-se dois

municípios, já que, se fosse feito com todos os municípios havia a possibilidade de um

número grande de modelagens que dificultariam a análise no trabalho. Desta forma,

foram selecionados os municípios que possuíssem o mais baixo IDH, por ser uma

variável mais completa ao demonstrar o desenvolvimento municipal. No caso da nossa

seleção, o município de Itaboraí foi classificado como o de menor IDH e, o de maior foi

considerado o município de Niterói, de acordo com os municípios estudados.

55

Capítulo 6 – Análise dos dados e Resultados

Este capitulo tem como objetivo apresentar as análises da modelagem matemática

discutidas no capitulo anterior – modelo “Municípios x Rio de Janeiro”; “Dentro dos

Municípios (viagens internas)” e “Niterói x municípios” e “Itaboraí x municípios” –

assim como os seus resultados.

Levando-se em consideração que os municípios possuem diferentes níveis de

desenvolvimento socioeconômico e cultural, essas modelagens têm como objetivo,

através da explicação da variável dependente auxiliar no entendimento das relações nos

padrões de viagens entre esses municípios.

6.1 Resultados dos valores obtidos das variáveis

Foram considerados, como mencionado anteriormente, quatro modelos diferentes para

avaliar a influência das variáveis independentes (população, IDH, número de

empregados, PIB industrial, PIB comercial, PIB de serviço, consumo de energia elétrica

total, frota de automóveis, frota de ônibus) considerando dez municípios (Duque de

Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, Rio de Janeiro, São

Gonçalo e São João de Meriti) para com as variáveis dependentes (viagens para o

município do Rio de Janeiro, viagens internas dos municípios, viagens para o município

com maior IDH, viagens para o município com menor IDH) para os respectivos anos

horizontes estabelecidos (1980, 1995 e 2005).

Ressalta-se que algumas variáveis independentes não foram consideradas em todos os

anos horizontes estipulados anteriormente devido a não existência de uma quantidade

mínima de valores, para que pudesse interpolar e obter assim valor para assim serem

inseridas e /ou consideradas no respectivo modelo.

O método utilizado para a obtenção da análise de regressão múltipla foi o “Stepwise”,

que permite limitar o número de variáveis independentes.

56

6.2 - Modelo referente às viagens realizadas para o município do Rio de Janeiro

6.2.1 - Ano horizonte de 1980

Considerou-se como variáveis independentes em relação às viagens realizadas as

seguintes: população, IDH, número de empregados, PIB industrial. Neste caso,

aplicando o método “Stepwise”, que seleciona as variáveis quando estas possuem o

mesmo peso, foram obtidos os seguintes testes estatísticos e valores para o R2:

Tabela 06: Tabela resumo referente aos parâmetros estatísticos Método Valores

de R2

Sig. F Sig. T Durbin

Watson

(d)

Durbin

Watson

(Tabela)

di du

Variável

Considerada

Stepwise 1,0 0,000 0,132 1,834 0,376 2,414 Número de

empregados

Conforme visto na tabela 06, o maior valor de coeficiente de explicação ou

determinação R2 obtido atingiu grande representatividade estatística, ou seja, o valor

“1,0” que indica uma boa adequação entre a variável dependente e as variáveis

independentes.

O valor correspondente ao teste (F) mostrou um bom ajuste dos dados no modelo, ou

seja, um bom nível de significância observado. O valor do teste (F), como mencionado

no capítulo anterior, quando mais próximo de “0” (zero) indica que mais significativo é

o efeito do conjunto de variáveis explicativas sobre a variável dependente.

Com o valor considerado de R2 (1,0), a seguinte variável independente foi selecionada

“número de empregados’. Além disso, o teste de autocorrelação serial foi não

conclusivo, enquanto houve a ausência de heterocedasticidade.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

57

Tabela 07: Tabela resumo referente ao valor do beta.

Variáveis Valor do beta

β

Número de empregados 1,0

De acordo com a tabela anterior, a variável mais relevante em relação às viagens

realizadas em análise é número de empregados.


Foram consideradas como variáveis independentes em relação às viagens realizadas as

seguintes: população, IDH, número de empregados, PIB industrial.

Os valores obtidos para o R2 e para os testes estatísticos foram os seguintes:

Tabela 08: Tabela resumo referente aos parâmetros estatísticos

Método Valores de R2

Sig. T Sig. F Durbin Watson

Durbin Watson (Tabela)

Di Du

Variáveis Consideradas

Stepwise 0,998 0,000 0,000 . Número de empregados

Stepwise

0,999

0,000

0,011

0,000

1,190

0,376

2,414 . Número de empregados

. IDH

O maior valor de R2 foi 0,999 e as variáveis consideradas foram: número de

empregados e IDH. O valor do teste (F) correspondente foi de 0,0 o que significa que os

dados foram bem ajustados. Foi verificado que o teste de autocorrelação serial não é

conclusivo e há ausência de heteroscedasticidade.

Com relação aos valores dos betas ( β ), estes são:

58


Variáveis Valores dos betas

β


IDH - 0,040

A variável mais representativa neste modelo é número de empregados. A variável IDH

mostrou-se como inversamente proporcional às viagens, possivelmente devido às

interpolações dos dados de algumas variáveis nesse ano.


Como variáveis independentes foram consideradas a população, IDH, número de

empregados, PIB industrial, consumo de energia elétrica total, frota de automóveis e

frota de ônibus, neste período.

Neste caso, aplicando o método “Stepwise” foi obtido o seguinte valor para o R2:





Di Du


Stepwise 0,997 0,000 0,000 . PIB industrial

Stepwise

0,999

0,000

0,013

0,000

1,811

0,243

2,822 . PIB industrial . IDH

A tabela anterior demonstra que o valor de R2 foi (0,999), o que é bem representativo

estatisticamente. O valor correspondente para o teste (F) mostrou um bom nível de

significância observado. Com o valor de R2 (0,999), as seguintes variáveis

independentes foram selecionadas: PIB industrial e IDH. Também foi verificado o teste

não conclusivo quanto à autocorrelação serial e de heteroscedasticidade.

59

Em relação ao valor do beta ( β ), este foi assim estabelecido:



β

PIB industrial 1,017

IDH - 0,044

Sendo assim, a variável mais representativa é o PIB industrial. A variável IDH continua

como uma variável inversamente proporcional.

6.3 - Modelo referente às viagens realizadas para dentro dos municípios

considerados


Foram consideradas como variáveis independentes, em relação às viagens realizadas,

população, IDH, número de empregados, PIB industrial. Neste caso, aplicando o

método “Stepwise” foram obtidos os seguintes valores para o R2 e testes estatísticos:





Di Du



empregados

A variável considerada foi número de empregados. O valor de R2 foi 0,998 e o valor do

teste (F) correspondente foi de 0,000 evidenciando que os dados foram bem ajustados.

O teste de autocorrelação serial é não conclusivo e há ausência de heteroscedasticidade.

Com relação ao valor do beta ( β ), este foi:

60


Variável Valor do beta

β


A variável mais representativa, no modelo considerado, foi o número de empregados.


As variáveis como população, IDH, número de empregados, PIB industrial foram

consideradas como independentes para estabelecerem a relação com as viagens

realizadas, neste período.

O valor para o R2 e para o teste estatístico foi:





Di Du



empregados

O R2 encontrado foi alto (0,998). O número de empregados foi a variável mais

considerada. O valor do teste (F) foi de 0,0 representando um bom ajuste. Quanto à

autocorrelação serial foi verificada que tal teste não é conclusivo e há ausência de

heteroscedasticidade.

Em relação ao valor do beta ( β ), estes foram assim estabelecidos:


O número de empregados é a variável destacada neste cenário.


β


61


Como variáveis independentes foram consideradas população, IDH, número de


frota de ônibus.

Os valores obtidos para o R2 e para o teste estatístico foram os seguintes:





Di Du


Stepwise

0,995

0,000

0,000

1,224

0,243

2,822

Consumo de

energia

elétrica total

Obteve-se um R2 de 0,995, o qual é considerado alto. O R2 (> 0.7) significa

estatisticamente alto poder explicativo. O valor do teste (F) foi de 0,0. Isto significa que

os dados foram bem ajustados. Além disso, foi verificado que o teste quanto à existência

de autocorrelação serial é não conclusivo e ausência de heterocedasticidade.

Em relação ao valor do beta ( β ), este foi:


Variável Valor do beta

β

Consumo de energia elétrica total 0,998

A variável “consumo de energia elétrica total” apresentou-se como a mais relevante.

6.4 - Modelo referente às viagens realizadas para Itaboraí (município com menor

valor de IDH no grupo selecionado).


Foram consideradas como variáveis independentes, em relação às viagens realizadas, as

seguintes variáveis: população, IDH, número de empregados, PIB industrial. Aplicando

62

o método “Stepwise” não foi possível obter os valores para os testes estatísticos, devido

o critério estabelecido pelo programa estatístico SPSS for Windows 8.0 (remover a

variável independente quando a probabilidade de F for maior ou igual a 0,1). Diante

disso, aplicou o método “enter”, onde todas as variáveis independentes são

consideradas.





Di Du

Variáveis

Consideradas

Enter

0,582

0,222

0,676

0,722

0,243

0,377

2,646

0,376

2,414

População

IDH

Nº. empregados

PIB industrial

O valor de R2 encontrado foi de 0,582, com o correspondente valor do teste (F) de

0,377. Foi verificada que a ausência de autocorrelação serial e de heterocedasticidade.

As seguintes variáveis foram incluídas no modelo: população, IDH, número de

empregados e PIB industrial.

Em relação aos valores dos betas ( β ), estes foram :



β

População 15,905

IDH 0,176

Nº. empregados -0,720

PIB industrial -14,774

63

As variáveis mais representativas neste modelo são: população, e PIB industrial.

Ressalta-se que neste modelo a variável PIB industrial foi considerada inversamente

proporcional ao número de viagens realizadas.




Os valores obtidos para o R2 e para os testes estatísticos foram os seguintes:





Di Du


Stepwise 0,668 0,007 0,007 2,072 0,376 2,414 IDH

O R2 obtido atingiu o valor de 0,668. O nível de significância correspondente foi

satisfatório. A variável selecionada foi: IDH. A ausência de heterocedasticidade e o

teste quanto à autocorrelação serial é não conclusivo.

Em relação ao valor do beta ( β ), este foi assim estabelecido:


Variável Valores dos betas

β

IDH 0,817




frota de ônibus. Não foi possível aplicar o método “Stepwise” devido o critério

estabelecido pelo programa estatístico SPSS for Windows 8.0 (remover a variável

64

independente quando a probabilidade de F for maior ou igual a 0,1). Perante isso,

aplicou o método “enter”.

Os valores para o R2 e para o teste (F) e (T) foram os seguintes:





Di Du


Enter

0,693

0,379

0,563

0,925

0,370

0,470

0,521

0,667

2,218

0,243

2,822

. População

. IDH

. PIB industrial

. Consumo de energia elétrica

. frota de automóveis

. frota de ônibus

Conforme na tabela anterior, o valor de R2 (0,667) foi (<0.7) significa estatisticamente,

no presente estudo, baixo poder explicativo entre as variáveis independentes para com a

dependente.

Em relação aos valores de Sig T e Sig. F pode-se dizer respectivamente que não existe

uma relação linear das variáveis independentes. Além disso, foi verificado a não

conclusão quanto a existência de autocorrelação serial e a ausência de

heterocedasticidade.


65

Tabela 23: Tabela resumo referente aos valores dos betas.


β

população 18,100

IDH 0,736

PIB industrial 2,001

Consumo de Energia elétrica - 32, 167

Frota de automóveis 23,738

Frota de ônibus -11,829

As variáveis mais representativas neste modelo em ordem de importância são

respectivamente: frota de automóveis, população, frota de ônibus e consumo de energia

elétrica. Sendo estas duas últimas consideradas inversamente proporcionais ao número

de viagens realizadas.

6.5 - Modelo referente às viagens realizadas para Niterói (município com maior

valor de IDH conforme o grupo de municípios selecionados).


Considerou-se como variáveis independentes população, IDH, número de empregados,

PIB industrial. Só foi possível aplicar o método “enter”.

Sendo assim, os valores para o (R2) e para o teste estatístico (F) e (T) foram os

seguintes:

66





Di Du


Enter

0,625

0,151

0,691

0,671

0,157

0,317

2,214

0,376

2,414

População

IDH

Nº. empregados

PIB industrial

Foi obtido baixo valor para o (R2) e alto valores para os testes estatísticos (F) e para o

teste (T). Além disso, foi verificada a ausência de heterocedasticidade e a não conclusão

quanto à existência da autocorrelação serial.


Tabela 25: Tabela resumo referente aos valores dos betas


β

População 24,017

IDH - 0,217

Nº. empregados - 0,801

PIB industrial - 22,647

As variáveis mais representativas neste modelo são: população e PIB industrial, sendo

que a última é inversamente proporcional ao número de viagens realizadas.




67

Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”

foram os seguintes:


Método Valor de R2



Di Du


Enter

0,560

0,449

0,346

0,363

0,216

2,214

0,376

2,414

População

IDH

PIB industrial

O valor de (R2) foi de 0,560 e as variáveis consideradas foram: população, IDH e PIB

industrial. O valor do teste (F) correspondente foi de 0,216, o que significa que os dados

não foram bem ajustados. Foi verificada a não conclusão quanto à existência de

autocorrelação serial e a ausência de heteroscedasticidade.




β

População 2,351

IDH 0,751

PIB industrial - 2, 543

As variáveis mais representativas neste modelo são: população, IDH e PIB industrial,

sendo que esta última é inversamente proporcional ao número de viagens realizadas.

68




frota de ônibus.

Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”

foram os seguintes:


Método Valor de R2



Di Du


Enter

0,704

0,725

0,755

0,770

0,492

0,547

0,995

0,651

2,359

0,243

2,822

. População

. IDH

. PIB industrial

. Consumo de energia elétrica

. Frota de automóveis

. Frota de ônibus

Conforme visto na tabela acima, o valor de (R2) foi 0,704 (> 0.7) significa

estatisticamente, no presente estudo, poder explicativo relevante entre as variáveis

independentes para com a dependente.

Em relação aos valores de Sig T e Sig. F pode-se dizer que, possivelmente, não existe

uma relação linear das variáveis independentes. Além disso, foi verificado a ausência de

heterocedasticidade e que o teste de autocorrelação serial foi não conclusivo.


69



β Frota de automóveis 22,275

População 4,702

IDH 0,220

Frota de ônibus 0,070

PIB industrial - 7,156

Consumo de energia elétrica - 19,520

As variáveis mais representativas neste modelo são: frota de automóveis e consumo de

energia elétrica, sendo que esta última é inversamente proporcional ao número de

viagens realizadas.

Para uma melhor visualização quanto aos modelos construídos, para descrever a geração

de viagens, foi construída a Tabela 30.

70

MODELOS Características Ano horizonte

Valorde R2

Variáveis selecionadas

Valores dos Betas

1980 1,000 Nº. de empregados 1,000

1995 0,999 . Nº. de empregados

. IDH

1,020

- 0,040

MODELO 1

Viagens realizadas para o município

do Rio de Janeiro

2005 0,999 . PIB industrial

. IDH

1,017

- 0,044 1980 0,998 Nº. de empregados 0,999

1995 0,998 Nº. de empregados 0,999

MODELO 2

Viagens realizadas para dentro dos

municípios considerados 2005 0,995 Consumo de energia elétrica 0,998

1980

0,582

. População

. IDH

. Nº. empregados

. PIB industrial

15,905

0,176

- 0,720

- 14,774 1995 0,668 IDH 0,817

MODELO 3

Viagens realizadas para Itaboraí

(município com menor valor de IDH)

2005

0,693

. População . IDH

. PIB industrial . Consumo de energia elétrica

. frota de automóveis . frota de ônibus

18,100 0,736 2,001

- 32,167 23,738

- 11,829

MODELO 4

Viagens realizadas para Niterói

(município com maior valor de IDH)

1980

0,625

. População . IDH

. Nº. empregados . PIB industrial

24,017 - 0,217 - 0,801

- 22,647

71

Continuação da Tabela 25

MODELOS Características Ano

horizonte

Valor

de R2

Variáveis

selecionadas

Valores dos

Betas

1995

0,560

. População

. IDH

. PIB industrial

2,351

0,751

- 2,543

MODELO 4

Viagens realizadas para Niterói

(município com maior valor de IDH)

2005

0,704

. População

. IDH

. PIB industrial

. Consumo de

energia elétrica

. Frota de

automóveis

. Frota de ônibus

22,275

4,702

0,220

0,070

- 7,156

- 19,520

72

No primeiro modelo, que considera viagens realizadas para o município do Rio de Janeiro,

adotaram-se números diferentes de variáveis, no ano horizonte de 1980 e 1995 foram

quatro variáveis: população, IDH, número de empregados e PIB industrial e no ano

horizonte de 2005 as variáveis citadas anteriormente acrescidas de consumo de energia

elétrica total, frota de automóveis e de ônibus, somando neste ano sete variáveis.

Apesar do número diferente de variáveis, nos três anos estudados, o modelo apresentou-se

homogêneo, ou seja, valores de R2 muito semelhante e, com o teste F com um bom nível de

significância observado.

As variáveis predominantes, neste modelo, são a nº. de empregados e IDH. Sendo que o

IDH apresentou-se como uma variável inversamente proporcional ao número de viagens

realizadas, possivelmente devido a interpolações dos dados desta variável.

O segundo modelo considera as viagens internas dos municípios considerados pelo estudo.

Nesse modelo, como no primeiro, foram selecionados diferentes números de variáveis. Em

1980 e 1995 foram as quatro variáveis: população, IDH, número de empregados e PIB

industrial e no ano horizonte de 2005: população, IDH, número de empregados, PIB

industrial, consumo de energia elétrica total, frota de automóveis e frota de ônibus.

O R2 neste modelo foi alto e semelhante nos três anos do estudo. O teste F apresentou-se

com um bom ajuste e verificou-se que tal teste não é conclusivo, assim como, foi detectada

a ausência de heterocedasticidade.

A variável “nº. de empregados” foi também predominante neste modelo. Sendo essa

variável considerada nos dois anos horizontes de 1980 e 1995. A variável “consumo de

energia elétrica” foi a mais relevante no ano de 2005.

O terceiro modelo considera as viagens realizadas para Itaboraí, o município, dentro do

grupo selecionado, que possui o menor valor de IDH. Assim como nos modelos anteriores,

este modelo adotou número diferente de variáveis.

73

Neste modelo, foi obtido um R2 muito baixo se comparado com os modelos anteriores. O

teste F foi superior ao estabelecido pelo programa SPSS, sendo necessário, em alguns

casos, o uso do modelo “enter”, por exemplo. Este modelo seleciona todas as variáveis

utilizadas no presente estudo, sem descartar as com pesos semelhantes.

O cenário três, no ano de 1980, apresentou como variáveis explicativas “população e IDH”

para as viagens para Itaboraí. As variáveis “numero de empregados” e “PIB industrial”

comportaram-se como variáveis inversamente proporcionais as viagens para este

município. Contudo como os modelos anteriores este não são conclusivos.

No ano de 1985, o cenário três apresentou como variável o “IDH” para explicar as viagens

para Itaboraí, o que não foi uma variável esperada. Contudo, esse fato pode ser explicado

devido os dados que foram interpolados.

As variáveis “população, IDH, PIB industrial e frota de automóveis” foram consideradas,

nesse cenário três, sendo as mais relevantes, sendo que as variáveis “população e frota de

automóveis” foram as mais significativas para explicação das viagens realizadas para

Itaboraí em 2005. A variável “consumo de energia” e a variável “frota de ônibus”

apresentaram-se como variáveis inversamente proporcionais.

O cenário três não se apresentou satisfatório. Em alguns casos o método “Stepwise”, que

remove as variáveis quando a probabilidade de F for maior ou 0,1, não foi possível ser

utilizado, como no ano de 2005, por exemplo.

O modelo seguinte corresponde às viagens realizadas para Niterói, o município, dentro do

grupo estudado, que possui o maior IDH.

Esse quarto modelo, como o anterior, apresentou um R2 baixo se comparado com os dois

primeiros modelos. E como nos outros cenários estudados houve a adoção de número de

variáveis diferentes.

74

O cenário quatro apresentou, no ano de 1980, a variável “População” como mais

significativa para a explicação das viagens. As variáveis “IDH, nº. de empregados e PIB

Industrial” foram apresentadas como as inversamente proporcionais às viagens.

No ano de 1995, as variáveis que se apresentaram como as mais relevantes foi “população e

IDH”. Essas variáveis não se apresentaram de forma satisfatória para explicação das

viagens, apesar desse ano ter se apresentado mais estável, se comparado com o de 1980,

com maiores migrações e melhor qualidade de vida. A variável “PIB industrial” foi

considerada como variável inversamente proporcional ás viagens.

Em 2005, apresentaram-se como variáveis relevantes na explicação das viagens para

Niterói, “população”, “IDH”, “PIB industrial” e “consumo de energia elétrica”. As

variáveis “frota de automóveis” e “frota de ônibus” apareceram como variáveis

inversamente proporcionais às viagens.

Em relação às variáveis independentes analisadas, verificou-se que “número de

empregados”, “população” e “IDH” são as mais que se destacaram nos modelos estudados.

Conforme observado, o IDH na maioria das vezes como variável inversamente

proporcional às viagens realizadas.

Verifica-se que os modelos tendem a duas direções. Os dois primeiros modelos, com R2

alto tende a explicar de forma considerável a variável dependente, ou seja, as viagens

realizadas. Entretanto, os dois últimos modelos com R2 baixo mostram também que não há

uma relação linear das variáveis independentes, neste sentido, esses modelos explicam

pouco a variável dependente.

Considerando os quatro modelos, quanto aos altos valores do R2, estes podem ser

explicados por vários fatores: as variáveis independentes introduzidas serem aquelas que

influenciam diretamente as viagens realizadas, ou provavelmente devido a interpolações de

alguns dados, já que estes não estavam disponíveis; enquanto os baixos valores do R2,

podem ser devido a existência de outras variáveis relacionadas à cultura e às características

75

sociais e econômicas que influenciam na geração de viagens e que não foram objeto deste

estudo.

Devido aos problemas, citado em capítulos anteriores, como a ausência de dados de

variáveis explicativas e a não possibilidade de fazer interpolações de alguns dados, por

exemplo, não foi possível fazer com que os quatro cenários oferecessem um resultado

linear e satisfatório. Sendo recomendado, para estudos futuros, a definição de outros

períodos ou uma série histórica seqüencial.

76

Capítulo 7 – Considerações Finais e Recomendações Futuras A dicotomia centro-periferia é marcante na região metropolitana do Rio de Janeiro que

apresenta uma grande diferença entre a área central e a periférica. Esse processo

acompanha essa região desde sua formação, quando na fusão do estado da Guanabara e o

do Rio de Janeiro.

A hipótese inicial era que o município periférico ao se desenvolver teria mais autonomia e,

conseqüentemente, uma menor dependência do município central. Entretanto, percebe-se

que ao se desenvolver, o município periférico, não se torna isolado, e promove, ainda, uma

maior integração, ou seja, a relação centro-periferia não diminui apenas se modifica,

comportando-se de forma mais integrada.

Na década de 80, a estagnação econômica e desigualdade social fizeram com que a

qualidade de vida da população reduzisse. Apesar do cenário 1 (um) apresentar algumas

limitações, o mesmo demonstra que a variável mais significativa foi “nº. de empregados”,

ou seja, o município que possuísse o maior número de empregados possuía também o mais

números de viagens para o município do Rio de Janeiro. Neste sentido, pode-se considerar

as viagens pendulares, dos trabalhadores dos municípios periféricos para o município

central, do Rio de Janeiro.

No ano de 1995 tem-se uma melhoria na economia brasileira. Esse crescimento foi

resultado da adoção de uma nova moeda e do processo, já iniciado nos anos 80, de

instalações de grandes empresas em cidades médias. A qualidade da população é

influenciada, neste contexto, sendo refletida nos valores de IDH que se tornaram mais altos

se comparados com os de 1980. Contudo, o crescimento percebido neste ano foi um

“crescimento sem emprego” o que demonstra a importância dessa variável, “nº. de

empregados”, neste período.

77

De acordo com os cenários, o ano de 2005, apresentou a variável “nº. de empregados”

como a mais relevante para explicar as viagens realizadas para o município do Rio de

Janeiro, assim como, para as viagens internas dos municípios estudados.

O ano de 2005 apresentou-se como mais estável refletindo a economia nacional. O acesso

à tecnologia e informatização, juntamente, com a desfragmentação das empresas fizeram

com que se tornassem distintas as relações entre centro-periferia. Os municípios periféricos

que se desenvolveram tinham seus acessos mais facilitados para o município núcleo

fazendo com que mais viagens fossem realizadas.

As viagens para o município do Rio de Janeiro, em 2005, são explicadas através do PIB

industrial que reflete o crescimento econômico dos municípios. Concordando com o

mencionado anteriormente, apesar da restrição do modelo devido aos dados. As viagens

internas de municípios são explicadas pelo “consumo de energia elétrica”, uma variável

também que define um grau de desenvolvimento da população. As viagens para Itaboraí e

Niterói são explicadas pelas variáveis “população, IDH, números de empregados e PIB

industrial”.

Os cenários apresentados, que explicam os fatos estatisticamente não devendo ser

considerados conclusivos, indicam que, de certa forma, há necessidade do desenvolvimento

de futuras políticas públicas para uma melhor qualidade de vida urbana.

Neste sentido, outros fatores podem exercer influência nas viagens realizadas. A integração

dos municípios periféricos entre si e destes com o município núcleo possivelmente é um

exemplo. Contudo, a adoção de um modelo de transporte que prioriza o veículo particular,

que é caracterizado por ser caro, ineficiente e antiecológico, caracteriza um problema a essa

integração. Refletindo um planejamento inadequado, assim como, a influência das

indústrias automobilísticas. O transporte coletivo intra-urbano, afirmando o que foi

mencionado, baseia-se em ônibus mesmo tendo a população mais pobre como os seus

maiores usuários.

78

Além do problema dos custos da infra-estrutura há também o problema sócio-estrutural, já

que, sem planejamento do uso do solo e do sistema de transporte, o transporte rodoviário,

usado de forma generalizada, causa uma série de prejuízos à população. Além dos

problemas ambientais, devido a maior poluição sonora e atmosférica.

Não devendo o modelo rodoviário ser, meramente, condenado, mas colocado em políticas

de planejamento. Para que seu uso desse modo seja integrado a outros modos de transportes

para oferecer a sociedade um desenvolvimento sócio-espacial com qualidade de vida e

acima de tudo, com serviços e equipamentos adequados para a sua vivência.

O tratamento da área metropolitana, também deve ser revisto como o de criação de

instrumentos de tratamentos comuns a problemas supranacionais, contudo, aproximando-os

da realidade que está inserida essa região, buscando ampliar sua abrangência, evitando

dessa forma a fragmentação urbana e reduzindo as disparidades em todos os sentidos.

79

Referências Bibliográficas

ANTP. Agência Nacional de Transportes Públicos. Disponível em

<http://www.antp.gov.br> Acesso em: 30 abr. 2008.

BARROS, J.M.A.M. de (2001) Infra-estrutura de transportes e Desenvolvimento Regional.

M.Sc. Engenharia de Transportes. Universidade Federal do Rio de Janeiro, COPPE/UFRJ.

BAIXADA FLUMINENSE <http://baixadafluminense.wordpress.com/2007/12/20/aspectos-

economicos> Acessado em: 12.02.2008

BAYERL, E. Contribuição à análise dos acidentes de trânsito a partir da evolução da taxa

de motorização e indicadores socioeconômicos no Brasil. 2006. Dissertação (Mestrado em

Ciências). Programa de Pós-graduação de Engenharia de Transportes, Universidade

Federal do Rio de Janeiro, Rio de Janeiro.

CADAVAL, M. & CARVALHO, C.H.R. Prioridade para o Transporte Coletivo

Urbano. Relatório Técnico. Secretaria Especial de Desenvolvimento Urbano da

Presidência da República – SEDU/PR e Associação Nacional das Empresas de Transportes

Urbanos – NTU. Agosto de 2000. 67p.

CARDOSO, A. L., ARAUJO, R. L. de e COELHO, W. R (2005). Habitação Social na

Região Metropolitana do Rio de Janeiro. Coleção Habitare.

CATÃO, G. A. & SARTOR, C. E. O Uso da tecnologia SIG na Análise das desigualdades

Socioespaciais na Metrópole do Rio de Janeiro in: GIS Brasil 2001, 7º show de

Geoprocessamento – Amostra do talento científico. 10p. Instituto de Pesquisa e

Planejamento Urbano e Regional – IPPUR, Universidade Federal do Rio de Janeiro –

UFRJ. 2001.

80

CHIAPPERO, M. (2003). Principais desafios para o transporte nas cidades brasileiras. in:

Revista dos Transportes Públicos – ANTP. Ano 25. 2003. 3º trimestre.

CORRÊA, R. L. A Rede Urbana. São Paulo. Ed. Ática. 2ª edição. 1994

FORN, M. de (2002), La Movilidad en la Planificación Estratégica de las Ciudades. In:

Seminário de Transporte Plubico y Movilidad Sostenible, Peñiscola.

GOMIDE, A. A. (2003). Mobilidade urbana e inclusão social: desafios para o transporte

urbano no Brasil. in: Revista dos Transportes Públicos – ANTP. Ano 25. 2003. 3º

trimestre.

ICHIKAWA, S. M., PITOMBO, C. S., KAWAMOTO, E. Aplicação de Minerador de

Dados na Obtenção de Relações entre Padrões de Viagens Encadeadas e Características

Socioeconômicas. Artigo publicado in: Transporte em Transformação VII. Trabalhos

vencedores do premio CNT produção acadêmica 2002. Pp. 95 – 111.

LAGO, L. C. do Desigualdades e segregação na metrópole: o Rio de Janeiro em tempo de

crise. Rio de Janeiro. Revan. 2000.

LEMOS, D. (2004) Análises das Relações existentes entre acessibilidade, mobilidade e

desenvolvimento urbano: o caso da cidade do Rio de Janeiro. M.Sc. Engenharia de

Transportes. Universidade Federal do Rio de Janeiro, COPPE/UFRJ.

LOURENÇO, R. W. & LANDIM, P.M.B. Análise de regressão múltipla espacial.

UNESP/Rio Claro, IGCE, DGA, Laboratório de Geomatemática, Texto Didático 13, 34 pp.

2004. Disponível em <http://www.rc.unesp.br/igce/aplicada/textodi.html>. Acesso em: jun.

2007.

81

MACHADO, M. S. (2003). Expansão da Malha Urbana e Inclusão Social. Caso Riacho

Doce [Rio de Janeiro], 2003. M.Sc. Engenharia de Transportes. Universidade Federal do

Rio de Janeiro, COPPE/UFRJ.

MAIA, A. D. G., Braga, M.G.de C., Balassiano, R.; Faria, E. de O. (2003). Potencial de

uso da bicicleta como modo de transporte integrado no município do Rio de Janeiro. XVII

Congresso de Pesquisa e Ensino em Transporte.

MATOS, O. C. Econometria Básica: teoria e aplicações. São Paulo. Atlas 3ª edição. 2000.

MELLO, José Carlos. Planejamento dos Transportes. São Paulo, Mc Graw-Hill do Brasil.

1975.

MELLO, J. C. Transporte e Desenvolvimento Econômico. Brasília: EBTU, 1984.

NICHOLSON, A (2003). Development of the University of Canterbury Transport

Strategy: Temporal stability of a mode choice model. In: XVII Congresso de Pesquisa e

Ensino em Transporte.

NOROSIS, M. J. “SPSS professional; statistic 6.1: user´s guide”. New York.

OLIVEIRA, F.J.G. de (2003). Reconfiguração da Gestão Local face a dinâmica

Metropolitana: o caso do Rio de Janeiro. Universidade Estadual do Rio de Janeiro,

departamento de Geografia. 2008.

PITOMBO, C. S e KAWAMOTO, E. Aplicação de técnicas de análise multivariada de

dados em um estudo exploratório da influência do uso do solo nas escolhas de padrões de

encadeamento de viagens. In: Transporte em transformação X. Trabalhos vencedores do

Prêmio CNT Produção Acadêmica 2005.

82

PORTUGAL, L . da S. e GOLDNER, L. G Estudo de Pólos Geradores de Tráfego e de

seus Impactos nos Sistemas Viários e de Transporte. Ed. Edgard Blücher Ltda. 1º edição.

2003.

PORTUGAL, L. da S.; GONÇALVES, J.A.M. In: Pan-Americano de 2007 – Grande

negócio para quem? Rio de Janeiro, PACS – Instituto Políticas Alternativas para o Cone

Sul. Série Globalização e Solidariedade, 4. 2005

RAMOS, G.de M. e WIDMER, J.A. (2003) Análise prospectiva da capacidade de

processamento de cargas pela ferrovia no porto de Santos. XVII Congresso de Pesquisa e

Ensino em Transporte.

RIBEIRO, L. C. de Q. Segregação, Desigualdade e Habitação: A Metrópole do Rio de

Janeiro. Planejamento Urbano e Regional – IPPUR, Universidade Federal do Rio de

Janeiro – UFRJ. 2000.

SRINIVASAN, S. (2000) Liking Land Use and Transportation: Measuring the Impact of

Neighborhood-scale Spatial Patterns on Travel Behavior. 246p. Tese de doutorado.

Harvard University.

SOUZA, M. L. de ABC do Desenvolvimento Urbano. Rio de Janeiro. Bertrand Brasil. 2ª

edição. 2005.

SOUZA, S. C. A. de Diagnóstico do nível de serviço oferecido pelo sistema de transporte da

RMRJ: deslocamento domicílio-trabalho-análise por faixa de renda. Departamento de engenharia

Industrial. Pontifícia Universidade Católica do Rio de Janeiro – PUC RIO 1981.

YANG, I TI Percepção de Risco dos Ciclistas com Relação ao Sistema de Tráfego Urbano

na Cidade do Rio de Janeiro. 1997. M.Sc. Engenharia de Transportes. Universidade

Federal do Rio de Janeiro, COPPE/UFRJ.

83

Bibliografia

ANFAVEA. Anuário Estatístico da Indústria Automobilística Brasileira. Associação

Nacional dos Fabricantes de Veículos Automotores. 1980, 1995 e 2005.

ARAGAO, J. J. G. de “Renda, atividades e deslocamentos no contexto urbano: estudo de

caso do Rio de Janeiro." Dissertação de mestrado apresentada ao dep. Engenharia industrial

da PUC/RJ 198 pg.

ARAUJO, L. (2003) Um Procedimento para Análise do Desempenho de Redes Viárias

Urbanas Enfocando a Qualidade de vida da Comunidade e a Qualidade de Serviço do

Tráfego Veicular. 2003. M.Sc. Engenharia de Transportes. Universidade Federal do Rio

de Janeiro, COPPE/UFRJ.

AZEVEDO, M. Histórico do Sistema de Transportes Rodoviários no Brasil e no Mundo.

2004.

BALASSIANO, R. O setor de transportes no Brasil: o que indicam os cenários. In:

Associação Nacional de Pesquisa e Ensino em Transportes (ANPET). Vol. 6 Nº. 1, pp. 94-

109. 1998.

CARVALHO, C. H. R. Transporte urbano e desigualdade social. In: Revista NTUrbano,

nº. 93 Janeiro/abril.

CORREIA FILHO, B. (2004) Acessibilidade por transporte público e seu papel na

hierarquia de Centros de comércio e serviços na periferia da Região Metropolitana do Rio

de Janeiro: estudo de caso - Nova Iguaçu. M. Sc. Engenharia de Transportes. Universidade

Federal do Rio de Janeiro, COPPE/UFRJ.

DANNEELS, H. (2003). Car – Free Day: Go to Work with Public Transport. Public

Transport International. UITP. September of 2003.

84

DENATRAN. Anuário Estatístico. Ministério das Cidades. 1990 a 2003. Disponível em

<http://www.denatran.gov.br> Acesso em: 10 ago. 2005.

FERNANDES, G.C.S. (2004). Acessibilidade no município do Rio de Janeiro. In: II Rio

de Transportes. Rio de Janeiro. 12p.

GEIPOT. Anuário Estatístico dos Transportes. Empresa Brasileira de Planejamento de

Transportes. Brasília. Ministério dos Transportes.

GOLDNER, L. G. Uma metodologia de avaliação de impactos de shopping centers sobre o

sistema viário urbano. 1994. Dissertação (Mestrado em Ciências). Programa de Pós-

graduação de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de

Janeiro.

GOMIDE, A. A. Regulação econômica e organização dos serviços de transporte público

urbano em cidades brasileiras: estudos de caso: relatório final. IPEA/MINISTÉRIO DAS

CIDADES. Brasília. 2004.

GOUDIE, D. (2002) Zonal method for urban travel surveys: sustainability and sample

distance from CBD. Journal of Transport Geography 10. 287- 301.

HUTCHINSON, B. G. Princípios de planejamento dos Sistemas de Transportes Urbanos.

Ed. Guanabara Dois S. A. Rio de Janeiro. 1979.

IBGE. Censo Demográfico. Instituto Brasileiro de Geografia e Estatística. Rio de Janeiro.

2004

IBGE. Anuário Estatístico do Brasil. Instituto Brasileiro de Geografia e Estatística. Rio de

Janeiro. 1980 a 2003.

85

IPEA. Base de dados macroeconômicos. Instituto de Pesquisa Econômica Aplicada.

Brasília. 2001.

JENSEN, M. Passion and heart in transport – a sociological analysis on transport

behaviour. Transport Policy. Vol 6. Issue 1, pg. 19-33. 1999.

LINDAU, L. A; CASTILHO, R, A. de e CASTILHO, B. J. de. Projetos de corredores de

ônibus: avaliando o desempenho através da simulação. 11º Congresso Nacional de

Transportes Públicos da ANTP. Belo Horizonte. 1997.

MATOS, O. C. Econometria Básica: teoria e aplicações. São Paulo. Atlas. 3ª edição. 2000.

MENEZES, G. V. Análise das Gratuidades no Transporte coletivo por ônibus. 1996. Dissertação

(Mestrado em Ciências). Programa de Pós-graduação de Engenharia de Transportes,

Universidade Federal do Rio de Janeiro, Rio de Janeiro.

Ministério das Cidades. Elaboração do Relatório de Investimentos do Ministério das

Cidades, segundo Unidades da Federação a partir de janeiro de 2003. CBTU e

Subsecretaria de Planejamento, Orçamento e Administração. 2005.

NETTO, M. A. C. Um Modelo de Previsão de Demanda para o Planejamento Estratégico

do Transporte Urbano 1983. Dissertação (Mestrado em Ciências). Programa de Pós-


Janeiro.

NODARI, C; COSTA, M.B.B. da e LINDAU, L. A. O sistema regulamentado de Lotações

de Porto Alegre. 11º Congresso Nacional de Transportes Públicos da ANTP. Belo

Horizonte. 1997.

NOVAES, ANTONIO GALVÃO (1981) Modelos de Planejamento Urbano, Regional e de

Transportes.

86

PEREIRA, C.M.C. (2002). “Integração de Sistemas de Transportes como estratégia de

Gerenciamento da Mobilidade”. Publicado em Transporte em transformação VII. Confederação

Nacional de Transporte. Brasília. 2002.

PINTO, V. PERES Os desafios da Construção de uma autoridade metropolitana. Artigo

publicado na ANTP. Transporte humano para um Brasil urbano. 11º Congresso Nacional

de Transporte Públicos. Belo Horizonte. 1997.

POYARES, C. N. e PORTUGAL, L. S. da Elementos de apoio à decisão por políticas de

desestímulo ao uso de automóveis em áreas centrais. In: CNT/ANPET. Transporte em

Transformação III: problemas e soluções dos transportes no Brasil. São Paulo. MAKRON Books.

2001.

QUINTELLA, M. (2004). Transporte é engenharia. Artigo publicado na revista "Crea-RJ em

Revista". Número 46. Rio de Janeiro. Outubro de 2004. 38p.

REAL, M. V. e BALASSIANO, R. Identificação de prioridades para a adoção de Estratégias de

Gerenciamento da Mobilidade: o caso da cidade do Rio de Janeiro. In: XV ANPET. Panorama

Nacional da Pesquisa em Transportes. Campinas, Campinas. SETTI. J. R. e Fontes, O. L. 2001.

RIBEIRO, A. C. T. Urbanidade e vida metropolitana. Rio de Janeiro. JOBRAN editora. 1996

RIBEIRO, L.C. de Q. (2000). Segregação, desigualdade e habitação: A metrópole do Rio de

Janeiro. Disponível em: <http://www.ippur.ufrj.br/observatorio/download/anpur_luiz_cesar.pdf>

Acesso em: 06 mai. 2005.

ROCHA, E. C. da As planilhas tarifárias do transporte coletivo urbano por ônibus e os diferentes

modelos de veículos. 1996. Dissertação (Mestrado em Ciências). Programa de Pós-


Janeiro.

87

SÁ, V. B. C. de Contribuição à aplicação dos Sistemas Inteligentes de Transportes no

gerenciamento de estacionamentos na cidade do Rio de Janeiro. 1999. Dissertação

(Mestrado em Ciências). Programa de Pós-graduação de Engenharia de Transportes,

Universidade Federal do Rio de Janeiro, Rio de Janeiro.

SANTOS, E. M . The economics of regulating road transport. In: Associação Nacional de

Pesquisa e Ensino em Transportes (ANPET). Vol. 6 Nº 1, pp. 87-93. 1998.

SANTOS, M. & GILBERT (SEM DATA) The Utility of Structural Modelling Techniques in

Transportation Planning Department of Civil Engineering Imperial College.

SECTRAN <http://www.transportes.rj.gov.br/pdtu.asp> Acessado em: 12 mar. 2007

SILVA, D. (2004) Acessibilidade x Mobilidade x Desenvolvimento. Artigo publicado no II Rio de

Transportes em 2004. Rio de Janeiro. 12p.

SILVA, G.T. M. e Adensamento urbano e seus impactos no sistema viário – metodologia

simplificada para avaliação. Artigo publicado na ANTP. Transporte humano para um Brasil

urbano. 11º Congresso Nacional de Transporte Públicos. Belo Horizonte. 1997.

SOUSA, A. M. T. O planejamento em empresa em processo de degradação: o caso do

metrô do Rio de Janeiro. 1994. Dissertação (Mestrado em Ciências). Programa de Pós-


Janeiro.

VASCONCELLOS, E. A. A Crise do Planejamento dos Transportes nos Países em

Desenvolvimento: Reavaliando Pressupostos e Alternativas. Transportes, ANPET, Vol.3

No 2, pp 7 –26. 1995.

88

VICTORIA TRANPORT POLICY INSTITUTE. Automobile dependency –

Transportation and Land Use Patterns that cause high levels of automobile use and reduced

transport options. Tdm Encyclopedia. Disponível em:

<< http://www.automobiledependency_www_vtpi_org.pdf>> acesso: jun. 2006.

ZAGORIANAKOS, E. Athens 2004 Olympic Games Transportation Plan: a missed

opportunity for strategic environmental assessment (SEA) integration? Journal of

Transport Geography 12. p 115-125. Elsevier. 2004.

89

ANEXOS

90

Descriptive Statistics

848131,2 2449287,7 10863568,7 1518343,3 10

,6775 7,112E-02 10280214,4 778991,52 10433900,2 809202,08 10

Viagens para o R.Jpopulaçãoidhnº empregadospib industrial

MeanStd.

Deviation N

Correlations

1,000 ,983 ,410 1,000 ,982,983 1,000 ,439 ,984 ,999,410 ,439 1,000 ,417 ,426

1,000 ,984 ,417 1,000 ,984,982 ,999 ,426 ,984 1,000

, ,000 ,120 ,000 ,000,000 , ,102 ,000 ,000,120 ,102 , ,116 ,110,000 ,000 ,116 , ,000,000 ,000 ,110 ,000 ,

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

Viagens para o R.Jpopulaçãoidhnº empregadospib industrialViagens para o R.Jpopulaçãoidhnº empregadospib industrialViagens para o R.Jpopulaçãoidhnº empregadospib industrial

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara o R.J população idh

nºempregados

pibindustrial

Variables Entered/Removeda

nºempregados

,

Stepwise(Criteria:Probability-of-F-to-enter <=,050,Probability-of-F-to-remove >=,100).

Model1

VariablesEntered

VariablesRemoved Method

Dependent Variable: Viagens para o R.Ja.

ANEXO 00.1 – Modelo Referente às Viagens realizadas para o município do Rio de Janeiro

Anexo 1.1 – Ano Horizonte de 1980

91

ANOVAb

5,40E+13 1 5,40E+13 16287,802 ,000a

2,65E+10 8 3,31E+095,40E+13 9

RegressionResidualTotal

Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), nº empregadosa.

Dependent Variable: Viagens para o R.Jb.

Coefficientsa

-32696,3 19466,722 -1,680 ,1323,143 ,025 1,000 127,624 ,000

(Constant)nº empregados

Model1

B Std. Error

UnstandardizedCoefficients

Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para o R.Ja.

Excluded Variablesb

-,037a -,833 ,433 -,300 3,154E-02-,008a -,882 ,407 -,316 ,826-,036a -,799 ,451 -,289 3,243E-02

populaçãoidhpib industrial

Model1

Beta In t Sig.Partial

Correlation Tolerance

Collinearity

Statistics

Predictors in the Model: (Constant), nº empregadosa.


Model Summaryb

1,000a 1,000 ,999 7560,3182 1,000 6287,802 1 8 ,000 1,834Model1

R R SquareAdjusted R

Square

Std. Errorof the

EstimateR SquareChange F Change df1 df2

Sig. FChange

Change Statistics

Durbin-Watson



92


524680,9 1482839,2 10937853,4 1665119,1 10

,7516 4,783E-02 10316808,8 809581,73 10914996,5 2362751,5 10

VIAGENS PARA O R.JpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

MeanStd.

Deviation N

Correlations

1,000 ,989 ,506 ,999 ,999,989 1,000 ,533 ,991 ,991,506 ,533 1,000 ,535 ,540,999 ,991 ,535 1,000 1,000,999 ,991 ,540 1,000 1,000

, ,000 ,068 ,000 ,000,000 , ,056 ,000 ,000,068 ,056 , ,055 ,054,000 ,000 ,055 , ,000,000 ,000 ,054 ,000 ,

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

VIAGENS PARA O R.JpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA O R.JpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA O R.JpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

Pearson Correlation

Sig. (1-tailed)

N

VIAGENSPARA O

R.J população IDHNº DE

EMPREGADOSPIB

INDUSTRIAL


Nº DEEMPREGADOS

,


IDH ,


Model1

2

VariablesEntered


Dependent Variable: VIAGENS PARA O R.Ja.


93

Model Summaryc

,999a ,998 ,998 66248,7771 ,998 4500,945 1 8 ,0001,000b ,999 ,999 43034,7862 ,001 11,959 1 7 ,011 1,190

Model12


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), Nº DE EMPREGADOSa.

Predictors: (Constant), Nº DE EMPREGADOS, IDHb.

Dependent Variable: VIAGENS PARA O R.Jc.

ANOVAc

1,98E+13 1 1,98E+13 4500,945 ,000a

3,51E+10 8 4,39E+091,98E+13 91,98E+13 2 9,89E+12 5339,207 ,000b

1,30E+10 7 1,85E+091,98E+13 9

RegressionResidualTotalRegressionResidualTotal

Model1

2

Sum ofSquares df

MeanSquare F Sig.


Predictors: (Constant), Nº DE EMPREGADOS, IDHb.


Coefficientsa

-55074,7 22662,016 -2,430 ,0411,830 ,027 ,999 67,089 ,000

855563,2 263744,3 3,244 ,0141,869 ,021 1,020 89,093 ,000

-1227899 355077,0 -,040 -3,458 ,011

(Constant)Nº DE EMPREGADOS(Constant)Nº DE EMPREGADOSIDH

Model1

2

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: VIAGENS PARA O R.Ja.

94


1162277 3442664,6 101029648 1805314,2 10

,8190 4,215E-02 10239062,3 579779,06 101227143 3286497,3 10

1956763 4428979,7 10

172685,6 392833,92 103638,8000 6660,3097 10

viagens para o R.JpopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

MeanStd.

Deviation N

Correlations

1,000 ,987 ,387 ,998 ,999 ,997 ,996 ,989,987 1,000 ,403 ,991 ,989 ,995 ,992 ,996,387 ,403 1,000 ,433 ,423 ,424 ,448 ,447,998 ,991 ,433 1,000 1,000 ,999 1,000 ,996,999 ,989 ,423 1,000 1,000 ,999 ,999 ,994

,997 ,995 ,424 ,999 ,999 1,000 ,999 ,997

,996 ,992 ,448 1,000 ,999 ,999 1,000 ,997,989 ,996 ,447 ,996 ,994 ,997 ,997 1,000

, ,000 ,135 ,000 ,000 ,000 ,000 ,000,000 , ,124 ,000 ,000 ,000 ,000 ,000,135 ,124 , ,106 ,111 ,111 ,097 ,098,000 ,000 ,106 , ,000 ,000 ,000 ,000,000 ,000 ,111 ,000 , ,000 ,000 ,000

,000 ,000 ,111 ,000 ,000 , ,000 ,000

,000 ,000 ,097 ,000 ,000 ,000 , ,000,000 ,000 ,098 ,000 ,000 ,000 ,000 ,

10 10 10 10 10 10 10 1010 10 10 10 10 10 10 1010 10 10 10 10 10 10 1010 10 10 10 10 10 10 1010 10 10 10 10 10 10 10

10 10 10 10 10 10 10 10

10 10 10 10 10 10 10 1010 10 10 10 10 10 10 10

viagens para o R.JpopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusviagens para o R.JpopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusviagens para o R.JpopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Pearson Correlation

Sig. (1-tailed)

N

viagenspara o R.J população IDH

número deempregados

PIBindustrial

consumode energ.elétrica

totalfrota de

automóveisfrota deônibus

Excluded Variablesc

-,062a -,527 ,615 -,195 1,755E-02-,040a -3,458 ,011 -,794 ,714

-2,791a -2,621 ,034 -,704 1,128E-04-,057b -,758 ,477 -,296 1,755E-02

-1,548b -1,582 ,165 -,542 8,042E-05

populaçãoIDHPIB INDUSTRIALpopulaçãoPIB INDUSTRIAL

Model1

2



Collinearity

Statistics

Predictors in the Model: (Constant), Nº DE EMPREGADOSa.

Predictors in the Model: (Constant), Nº DE EMPREGADOS, IDHb.



95


PIBindustrial ,


IDH ,


Model1

2

VariablesEntered


Dependent Variable: viagens para o R.Ja.

Model Summaryc

,999a ,997 ,997 185384,37 ,997 3095,743 1 8 ,000,999b ,999 ,999 123710,28 ,002 10,965 1 7 ,013 1,811

Model12


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), PIB industriala.

Predictors: (Constant), PIB industrial, IDHb.

Dependent Variable: viagens para o R.Jc.

ANOVAc

1,06E+14 1 1,06E+14 3095,743 ,000a

2,75E+11 8 3,44E+101,07E+14 91,07E+14 2 5,33E+13 3481,400 ,000b

1,07E+11 7 1,53E+101,07E+14 9


Model1

2

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), PIB industriala.

Predictors: (Constant), PIB industrial, IDHb.


96

Coefficientsa

-121520 63000,982 -1,929 ,0901,046 ,019 ,999 55,639 ,000

2783030 878162,5 3,169 ,0161,066 ,014 1,017 76,940 ,000

-3575733 1079849 -,044 -3,311 ,013

(Constant)PIB industrial(Constant)PIB industrialIDH

Model1

2

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: viagens para o R.Ja.

Excluded Variablesc

-,037a -,290 ,780 -,109 2,242E-02-,044a -3,311 ,013 -,781 ,821

-1,543a -2,617 ,035 -,703 5,355E-04

-,183a

-,524 ,616 -,194 2,904E-03

-,779a -2,455 ,044 -,680 1,966E-03-,237a -1,635 ,146 -,526 1,263E-02-,068b -,825 ,441 -,319 2,213E-02-,972b -2,016 ,090 -,635 4,291E-04

-,160b

-,692 ,515 -,272 2,901E-03

-,362b -1,058 ,331 -,396 1,204E-03-,158b -1,578 ,166 -,542 1,182E-02

populaçãoIDHnúmero de empregadosconsumo de energ.elétrica totalfrota de automóveisfrota de ônibuspopulaçãonúmero de empregadosconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Model1

2



Collinearity

Statistics

Predictors in the Model: (Constant), PIB industriala.

Predictors in the Model: (Constant), PIB industrial, IDHb.


97


876677,9 2441662,2 10

863568,7 1518343,3 10,6775 7,112E-02 10

280214,4 778991,52 10433900,2 809202,08 10

viagens dentro domunicípiopopulaçãoidhnº empregadospib industrial

MeanStd.

Deviation N

Correlations

1,000 ,981 ,436 ,999 ,980

,981 1,000 ,439 ,984 ,999,436 ,439 1,000 ,417 ,426,999 ,984 ,417 1,000 ,984,980 ,999 ,426 ,984 1,000

, ,000 ,104 ,000 ,000

,000 , ,102 ,000 ,000,104 ,102 , ,116 ,110,000 ,000 ,116 , ,000,000 ,000 ,110 ,000 ,

10 10 10 10 10

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

viagens dentro domunicípiopopulaçãoidhnº empregadospib industrialviagens dentro domunicípiopopulaçãoidhnº empregadospib industrialviagens dentro domunicípiopopulaçãoidhnº empregadospib industrial

Pearson Correlation

Sig. (1-tailed)

N

viagensdentro domunicípio população idh

nºempregados

pibindustrial


nºempregados

,


Model1

VariablesEntered


Dependent Variable: viagens dentro do municípioa.

ANEXO 02 - Modelo Referente às Viagens Realizadas para dentro dos municípios considerados (viagens internas).


98

Model Summaryb

,999a ,998 ,998 110342,84 ,998 4398,820 1 8 ,000 2,873Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson


Dependent Variable: viagens dentro do municípiob.

ANOVAb

5,36E+13 1 5,36E+13 4398,820 ,000a

9,74E+10 8 1,22E+105,37E+13 9


Model1

Sum ofSquares df

MeanSquare F Sig.



Coefficientsa

-825,356 37317,609 -,022 ,9833,132 ,047 ,999 66,324 ,000

(Constant)nº empregados

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: viagens dentro do municípioa.

Excluded Variablesb

-,080a -,932 ,382 -,332 3,154E-02,024a 1,534 ,169 ,501 ,826

-,095a -1,153 ,287 -,400 3,243E-02

populaçãoidhpib industrial

Model1



Collinearity

Statistics

Predictors in the Model: (Constant), nº empregadosa.


99


594773,3 1462480,2 10

937853,4 1665119,1 10,7516 4,783E-02 10

316808,8 809581,73 10914996,5 2362751,5 10

VIAGENS PARA DENTRODO MUNICÍPIOpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

MeanStd.

Deviation N

Correlations

1,000 ,993 ,541 ,999 ,999

,993 1,000 ,533 ,991 ,991,541 ,533 1,000 ,535 ,540,999 ,991 ,535 1,000 1,000,999 ,991 ,540 1,000 1,000

, ,000 ,053 ,000 ,000

,000 , ,056 ,000 ,000,053 ,056 , ,055 ,054,000 ,000 ,055 , ,000,000 ,000 ,054 ,000 ,

10 10 10 10 10

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

VIAGENS PARA DENTRODO MUNICÍPIOpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA DENTRODO MUNICÍPIOpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA DENTRODO MUNICÍPIOpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

Pearson Correlation

Sig. (1-tailed)

N

VIAGENSPARA

DENTRODO

MUNICÍPIO população IDHNº DE

EMPREGADOSPIB

INDUSTRIAL


Nº DEEMPREGADOS

,


Model1

VariablesEntered


Dependent Variable: VIAGENS PARA DENTRO DOMUNICÍPIO

a.


100

ANOVAb

1,92E+13 1 1,92E+13 4189,487 ,000a

3,67E+10 8 4,59E+091,92E+13 9


Model1

Sum ofSquares df

MeanSquare F Sig.


Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIOb.

Coefficientsa

23015,269 23165,264 ,994 ,3501,805 ,028 ,999 64,726 ,000

(Constant)Nº DE EMPREGADOS

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIOa.

Excluded Variablesb

,182a 1,751 ,123 ,552 1,755E-02,008a ,424 ,684 ,158 ,714,171a ,110 ,916 ,041 1,128E-04

populaçãoIDHPIB INDUSTRIAL

Model1



Collinearity

Statistics

Predictors in the Model: (Constant), Nº DE EMPREGADOSa.


Model Summaryb

,999a ,998 ,998 67719,9421 ,998 4189,487 1 8 ,000 2,316Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson



101

Correlations

1,000 ,997 ,405 ,997 ,996 ,998 ,996 ,997

,997 1,000 ,403 ,991 ,989 ,995 ,992 ,996,405 ,403 1,000 ,433 ,423 ,424 ,448 ,447,997 ,991 ,433 1,000 1,000 ,999 1,000 ,996,996 ,989 ,423 1,000 1,000 ,999 ,999 ,994

,998 ,995 ,424 ,999 ,999 1,000 ,999 ,997

,996 ,992 ,448 1,000 ,999 ,999 1,000 ,997,997 ,996 ,447 ,996 ,994 ,997 ,997 1,000

, ,000 ,123 ,000 ,000 ,000 ,000 ,000

,000 , ,124 ,000 ,000 ,000 ,000 ,000,123 ,124 , ,106 ,111 ,111 ,097 ,098,000 ,000 ,106 , ,000 ,000 ,000 ,000,000 ,000 ,111 ,000 , ,000 ,000 ,000

,000 ,000 ,111 ,000 ,000 , ,000 ,000

,000 ,000 ,097 ,000 ,000 ,000 , ,000,000 ,000 ,098 ,000 ,000 ,000 ,000 ,

10 10 10 10 10 10 10 10

10 10 10 10 10 10 10 1010 10 10 10 10 10 10 1010 10 10 10 10 10 10 1010 10 10 10 10 10 10 10

10 10 10 10 10 10 10 10

10 10 10 10 10 10 10 1010 10 10 10 10 10 10 10

Viagens para dentro domunicípiopopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para dentro domunicípiopopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para dentro domunicípiopopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara

dentro domunicípio população IDH

número deempregados

PIBindustrial


totalfrota de



consumode energ.elétricatotal

,


Model1

VariablesEntered


Dependent Variable: Viagens para dentro do municípioa.



1561016 3326729,6 10

1029648 1805314,2 10,8190 4,215E-02 10

239062,3 579779,06 101227143 3286497,3 10

1956763 4428979,7 10

172685,6 392833,92 103638,8000 6660,3097 10

Viagens para dentro domunicípiopopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

MeanStd.

Deviation N

102

ANOVAb

9,91E+13 1 9,91E+13 1689,607 ,000a

4,69E+11 8 5,87E+109,96E+13 9


Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), consumo de energ. elétrica totala.

Dependent Variable: Viagens para dentro do municípiob.

Model Summaryb

,998a ,995 ,995 242225,67 ,995 1689,607 1 8 ,000 1,224Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), consumo de energ. elétrica totala.


Coefficientsa

94704,188 84497,657 1,121 ,295

,749 ,018 ,998 41,105 ,000

(Constant)consumo de energ.elétrica total

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para dentro do municípioa.

Excluded Variablesb

,428a 2,217 ,062 ,642 1,060E-02-,022a -,797 ,452 -,288 ,820,009a ,015 ,989 ,005 1,677E-03

-,143a -,299 ,774 -,112 2,904E-03-,402a -,610 ,561 -,225 1,470E-03,442a 1,543 ,167 ,504 6,116E-03

populaçãoIDHnúmero de empregadosPIB industrialfrota de automóveisfrota de ônibus

Model1



Collinearity

Statistics

Predictors in the Model: (Constant), consumo de energ. elétrica totala.


103


707,3333 1120,9222 9946793,9 1586069,0 9

,6916 5,889E-02 9310314,0 820054,22 9476697,6 846199,35 9

Viagens para Itaboraípopulaçãoidhnº empregadospib industrial

MeanStd.

Deviation N

Correlations

1,000 ,506 ,525 ,483 ,488,506 1,000 ,430 ,985 ,999,525 ,430 1,000 ,439 ,418,483 ,985 ,439 1,000 ,984,488 ,999 ,418 ,984 1,000

, ,083 ,073 ,094 ,092,083 , ,124 ,000 ,000,073 ,124 , ,118 ,131,094 ,000 ,118 , ,000,092 ,000 ,131 ,000 ,

9 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 9

Viagens para Itaboraípopulaçãoidhnº empregadospib industrialViagens para Itaboraípopulaçãoidhnº empregadospib industrialViagens para Itaboraípopulaçãoidhnº empregadospib industrial

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara

Itaboraí população idhnº

empregadospib

industrial

Variables Entered/Removedb

pibindustrial,idh, nºempregados,população

a

, Enter

Model1

VariablesEntered


All requested variables entered.a.

Dependent Variable: Viagens para Itaboraíb.

ANEXO 03 - Modelo referente às viagens realizadas para Itaboraí (Município com menor valor de IDH)


104

ANOVAb

5854442,1 4 1463610,5 1,395 ,377a

4197289,9 4 1049322,510051732 8


Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), pib industrial, idh, nº empregados, populaçãoa.


Coefficientsa

-2620,723 4982,069 -,526 ,6271,124E-02 ,008 15,905 1,444 ,2223355,012 7467,490 ,176 ,449 ,676-9,84E-04 ,003 -,720 -,381 ,722-1,96E-02 ,014 -14,774 -1,370 ,243

(Constant)populaçãoidhnº empregadospib industrial

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para Itaboraía.


2960,8889 4165,2644 91022251 1743291,9 9

,7565 4,808E-02 9350143,0 851381,08 91013252 2484313,0 9

VIAGENS PARA ITABORAÍpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

MeanStd.

Deviation N

Model Summaryb

,763a ,582 ,165 1024,3644 ,582 1,395 4 4 ,377 2,746Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson




105

Correlations

1,000 ,575 ,817 ,556 ,560,575 1,000 ,515 ,991 ,991,817 ,515 1,000 ,525 ,530,556 ,991 ,525 1,000 1,000,560 ,991 ,530 1,000 1,000

, ,053 ,004 ,060 ,058,053 , ,078 ,000 ,000,004 ,078 , ,073 ,071,060 ,000 ,073 , ,000,058 ,000 ,071 ,000 ,

9 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 9

VIAGENS PARA ITABORAÍpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA ITABORAÍpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA ITABORAÍpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

Pearson Correlation

Sig. (1-tailed)

N

VIAGENSPARA

ITABORAÍ população IDHNº DE

EMPREGADOSPIB

INDUSTRIAL


IDH ,


Model1

VariablesEntered


Dependent Variable: VIAGENS PARA ITABORAÍa.

Model Summaryb

,817a ,668 ,620 2566,5250 ,668 14,071 1 7 ,007 2,072Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), IDHa.

Dependent Variable: VIAGENS PARA ITABORAÍb.

106


7454,7778 13602,6312 91119980 1890702,2 9

,8227 4,290E-02 9263563,1 609432,91 91359912 3457294,8 9

2147892 4653695,3 9

189794,6 412692,67 93895,6667 7011,5912 9

Viagens para ItaboraípopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

MeanStd.

Deviation N

ANOVAb

92686065 1 92686065 14,071 ,007a

46109354 7 6587050,51,39E+08 8


Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), IDHa.


Coefficientsa

-50594,5 14302,768 -3,537 ,01070797,299 18873,609 ,817 3,751 ,007

(Constant)IDH

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: VIAGENS PARA ITABORAÍa.

Excluded Variablesb

,210a ,806 ,451 ,313 ,735,176a ,658 ,535 ,259 ,724,177a ,660 ,534 ,260 ,719

populaçãoNº DE EMPREGADOSPIB INDUSTRIAL

Model1



Collinearity

Statistics

Predictors in the Model: (Constant), IDHa.



107


frota deônibus,IDH, PIBindustrial,população,frota deautomóveis,consumode energ.elétricatotal

a

, Enter

Model1

VariablesEntered


Tolerance = ,000 limits reached.a.


Correlations

1,000 ,105 ,444 ,054 ,044 ,064 ,073 ,110,105 1,000 ,378 ,991 ,989 ,995 ,992 ,997,444 ,378 1,000 ,415 ,407 ,406 ,431 ,433,054 ,991 ,415 1,000 1,000 ,999 1,000 ,996,044 ,989 ,407 1,000 1,000 ,999 ,999 ,994

,064 ,995 ,406 ,999 ,999 1,000 ,999 ,997

,073 ,992 ,431 1,000 ,999 ,999 1,000 ,997,110 ,997 ,433 ,996 ,994 ,997 ,997 1,000

, ,394 ,116 ,445 ,456 ,435 ,426 ,389,394 , ,158 ,000 ,000 ,000 ,000 ,000,116 ,158 , ,133 ,138 ,139 ,124 ,122,445 ,000 ,133 , ,000 ,000 ,000 ,000,456 ,000 ,138 ,000 , ,000 ,000 ,000

,435 ,000 ,139 ,000 ,000 , ,000 ,000

,426 ,000 ,124 ,000 ,000 ,000 , ,000,389 ,000 ,122 ,000 ,000 ,000 ,000 ,

9 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 9

9 9 9 9 9 9 9 9

9 9 9 9 9 9 9 99 9 9 9 9 9 9 9

Viagens para ItaboraípopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para ItaboraípopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para ItaboraípopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara

Itaboraí população IDHnúmero de

empregadosPIB

industrial


totalfrota de


Model Summaryb

,832a ,693 -,228 15074,4778 ,693 ,752 6 2 ,667 2,218Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, frota de automóveis, consumo de energ. elétrica totala.


108

ANOVAb

1,03E+09 6 1,71E+08 ,752 ,667a

4,54E+08 2 2,27E+081,48E+09 8


Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, frota deautomóveis, consumo de energ. elétrica total

a.


Coefficientsa

-198343 271874,7 -,730 ,542,130 ,116 18,100 1,120 ,379

233487,0 339655,4 ,736 ,687 ,5637,872E-03 ,074 2,001 ,106 ,925

-9,40E-02 ,082 -32,167 -1,147 ,370

,782 ,885 23,738 ,885 ,470-22,949 29,706 -11,829 -,773 ,521

(Constant)populaçãoIDHPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para Itaboraía.

Excluded Variablesb

-197,277a -1,131 ,461 -,749 4,429E-06número de empregadosModel1



Collinearity

Statistics

Predictors in the Model: (Constant), frota de ônibus, IDH, PIB industrial, população, frota deautomóveis, consumo de energ. elétrica total

a.


109


23029,44 45562,9932 9915394,7 1601037,3 9

,6673 6,729E-02 9304951,6 822068,78 9459666,6 853926,25 9

Viagens para Niteróipopulaçãoidhnº empregadospib industrial

MeanStd.

Deviation N


pibindustrial,idh, nºempregados,população

a

, Enter

Model1

VariablesEntered


All requested variables entered.a.

Dependent Variable: Viagens para Niteróib.

ANEXO 04 - Modelo Referente às viagens realizadas para Niterói (Município com maior valor de IDH) Anexo 4.1 – ANO HORIZONTE DE 1980

Correlations

1,000 ,475 ,538 ,445 ,455,475 1,000 ,550 ,984 ,999,538 ,550 1,000 ,521 ,532,445 ,984 ,521 1,000 ,983,455 ,999 ,532 ,983 1,000

, ,098 ,067 ,115 ,109,098 , ,062 ,000 ,000,067 ,062 , ,075 ,070,115 ,000 ,075 , ,000,109 ,000 ,070 ,000 ,

9 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 9

Viagens para Niteróipopulaçãoidhnº empregadospib industrialViagens para Niteróipopulaçãoidhnº empregadospib industrialViagens para Niteróipopulaçãoidhnº empregadospib industrial

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara

Niterói população idhnº

empregadospib

industrial

110


22128,11 41242,9833 9992199,8 1756693,5 9

,7406 3,471E-02 9335811,6 856322,35 9964944,3 2500470,5 9

VIAGENS PARA NITEROIpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

MeanStd.

Deviation N

Model Summaryb

,790a ,625 ,249 9480,1719 ,625 1,664 4 4 ,317 2,214Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson



ANOVAb

1,04E+10 4 2,59E+09 1,664 ,317a

6,23E+09 4 1,56E+091,66E+10 8


Model1

Sum ofSquares df

MeanSquare F Sig.



Coefficientsa

64411,999 207204,9 ,311 ,771,683 ,385 24,017 1,773 ,151

-146952 343307,2 -,217 -,428 ,691-4,44E-02 ,097 -,801 -,458 ,671

-1,208 ,696 -22,647 -1,737 ,157

(Constant)populaçãoidhnº empregadospib industrial

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para Niteróia.


111

Correlations

1,000 ,500 ,659 ,437 ,437,500 1,000 ,893 ,992 ,992,659 ,893 1,000 ,864 ,862,437 ,992 ,864 1,000 1,000,437 ,992 ,862 1,000 1,000

, ,085 ,027 ,120 ,120,085 , ,001 ,000 ,000,027 ,001 , ,001 ,001,120 ,000 ,001 , ,000,120 ,000 ,001 ,000 ,

9 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 99 9 9 9 9

VIAGENS PARA NITEROIpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA NITEROIpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIALVIAGENS PARA NITEROIpopulaçãoIDHNº DE EMPREGADOSPIB INDUSTRIAL

Pearson Correlation

Sig. (1-tailed)

N

VIAGENSPARA

NITEROI população IDHNº DE

EMPREGADOSPIB

INDUSTRIAL

Variables Entered/Removedd

PIBINDUSTRIAL, IDH,população

a, Enter

,b

população,IDH, PIBINDUSTRIAL

cRemove

Model1

2

VariablesEntered



All requested variables entered.b.

All requested variables removed.c.

Dependent Variable: VIAGENS PARA NITEROId.

Model Summary

,749a ,560 ,296 34594,3595 ,560 2,123 3 5 ,216,000b ,000 ,000 41242,9833 -,560 2,123 3 11 ,216

Model12


Square

Std. Errorof the


Sig. FChange

Change Statistics

Predictors: (Constant), PIB INDUSTRIAL, IDH, populaçãoa.

Predictor: (constant)b.

112

ANOVAc

7,62E+09 3 2,54E+09 2,123 ,216a

5,98E+09 5 1,20E+091,36E+10 8

,000 0 ,000 , ,b

1,36E+10 8 1,70E+091,36E+10 8


Model1

2

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), PIB INDUSTRIAL, IDH, populaçãoa.


Dependent Variable: VIAGENS PARA NITEROIc.

Coefficientsa

-653314 614156,6 -1,064 ,3365,520E-02 ,067 2,351 ,820 ,449892703,0 859211,2 ,751 1,039 ,346-4,19E-02 ,042 -2,543 -,999 ,363

22128,111 13747,661 1,610 ,146

(Constant)populaçãoIDHPIB INDUSTRIAL(Constant)

Model1

2

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: VIAGENS PARA NITEROIa.

Excluded Variablesc

-13,748a -,244 ,819 -,121 3,404E-05,437b 1,284 ,240 ,437 1,000,500b 1,528 ,170 ,500 1,000,659b 2,317 ,054 ,659 1,000,437b 1,284 ,240 ,437 1,000

Nº DE EMPREGADOSNº DE EMPREGADOSpopulaçãoIDHPIB INDUSTRIAL

Model12



Collinearity

Statistics

Predictors in the Model: (Constant), PIB INDUSTRIAL, IDH, populaçãoa.


Dependent Variable: VIAGENS PARA NITEROIc.

113


30408,44 56713,1291 91091429 1903579,2 9

,8091 3,008E-02 9249221,8 614003,71 91293462 3478752,3 9

2056181 4685792,2 9

177747,4 416317,25 93736,7778 7056,6774 9

Viagens para NiteróipopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

MeanStd.

Deviation N


frota deônibus,IDH, PIBindustrial,população,consumode energ.elétricatotal, frotadeautomóveis

a

, Enter

Model1

VariablesEntered





Correlations

1,000 ,557 ,625 ,495 ,487 ,508 ,508 ,540,557 1,000 ,722 ,992 ,990 ,995 ,994 ,998,625 ,722 1,000 ,705 ,701 ,710 ,711 ,716,495 ,992 ,705 1,000 1,000 ,999 1,000 ,996,487 ,990 ,701 1,000 1,000 ,999 ,999 ,994

,508 ,995 ,710 ,999 ,999 1,000 1,000 ,997

,508 ,994 ,711 1,000 ,999 1,000 1,000 ,997,540 ,998 ,716 ,996 ,994 ,997 ,997 1,000

, ,059 ,036 ,087 ,092 ,081 ,081 ,067,059 , ,014 ,000 ,000 ,000 ,000 ,000,036 ,014 , ,017 ,018 ,016 ,016 ,015,087 ,000 ,017 , ,000 ,000 ,000 ,000,092 ,000 ,018 ,000 , ,000 ,000 ,000

,081 ,000 ,016 ,000 ,000 , ,000 ,000

,081 ,000 ,016 ,000 ,000 ,000 , ,000,067 ,000 ,015 ,000 ,000 ,000 ,000 ,

9 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 99 9 9 9 9 9 9 9

9 9 9 9 9 9 9 9

9 9 9 9 9 9 9 99 9 9 9 9 9 9 9

Viagens para NiteróipopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para NiteróipopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibusViagens para NiteróipopulaçãoIDHnúmero de empregadosPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Pearson Correlation

Sig. (1-tailed)

N

Viagenspara

Niterói população IDHnúmero de

empregadosPIB

industrial


totalfrota de


114

ANOVAb

1,81E+10 6 3,02E+09 ,794 ,651a

7,61E+09 2 3,80E+092,57E+10 8


Model1

Sum ofSquares df

MeanSquare F Sig.

Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, consumode energ. elétrica total, frota de automóveis

a.


Model Summaryb

,839a ,704 -,183 672,3262 ,704 ,794 6 2 ,651 2,359Model1


Square

Std. Errorof the


Sig. FChange

Change Statistics

Durbin-Watson

Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, consumo de energ. elétrica total, frota da.


Coefficientsa

-362157 912459,5 -,397 ,730,140 ,346 4,702 ,404 ,725

413930,8 1156162 ,220 ,358 ,755-,117 ,349 -7,156 -,334 ,770

-,236 ,283 -19,520 -,834 ,492

3,034 4,228 22,275 ,718 ,547,560 75,400 ,070 ,007 ,995

(Constant)populaçãoIDHPIB industrialconsumo de energ.elétrica totalfrota de automóveisfrota de ônibus

Model1

B Std. Error


Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Viagens para Niteróia.

115

Excluded Variablesb

-70,914a -,945 ,518 -,687 2,772E-05número de empregadosModel1



Collinearity

Statistics

Predictors in the Model: (Constant), frota de ônibus, IDH, PIB industrial, população, consumode energ. elétrica total, frota de automóveis

a.


116

PIT-METRÔ - Matriz de viagens diárias por município - 1979 Todos os motivos - modos motorizados

Município Destino Município Origem D. de

Caxias Itaboraí Magé Nilópolis Niterói Nova Iguaçu Paracambi

Rio de Janeiro S.Gonçalo

S.J.de Meriti

D. de Caxias 148981 113 324 1747 1744 13671 169 162597 1149 11678Itaboraí 113 1388 82 15 835 100 0 2121 3054 46Magé 324 82 651 23 290 165 4 2304 823 71Nilópolis 1747 15 23 19933 331 5503 32 49177 195 3576Niterói 1744 835 290 331 364121 2050 152 75927 124928 1008Nova Iguaçu 13671 100 165 5503 2050 57411 376 193440 1162 16364Paracambi 169 0 4 32 152 376 210 7959 85 121Rio de Janeiro 162597 2121 2304 49177 75927 193440 7959 7816345 51828 119614S.Gonçalo 1149 3054 823 195 124928 1162 85 51828 286936 552S. J. de Meriti 11678 46 71 3576 1008 16364 121 119614 552 70803Fonte: METRÔ - 1977 Zoneamento da Região Metropolitana do Rio de Janeiro para Estudos de Transporte Adaptado da matriz de viagens diárias por setor de tráfego para 1979 - total geral 0bs: total de viagens = viagens por automóvel x 1,35 + viagens por coletivos

117

PTM 95 - Matriz de viagens diárias por municípios - 1995 Todos os motivos - modos motorizados


Caxias Itaboraí Magé Nilópolis Niterói Nova Iguaçu Paracambi Rio de

Janeiro S.

Gonçalo S. J. de Meriti

D. de Caxias 227.180 196 3433 5507 1430 25316 0 85989 2398 14893Itaboraí 196 43516 1019 0 8138 20 0 8847 8501 0Magé 4160 1019 41318 0 2581 1013 0 18620 1379 27Nilópolis 3949 0 0 23758 0 13494 0 19844 0 2800Niterói 1396 8137 3308 20 274870 2121 0 68433 115098 2601Nova Iguaçu 23487 20 1014 13465 2146 315037 5742 210715 967 40549Paracambi 4160 1019 41318 0 2581 1013 0 18620 1379 27Rio de Janeiro 86022 9390 21844 23539 71348 206891 4425 4743214 86554 86340S. Gonçalo 2908 8499 1282 0 117262 456 0 82017 356953 146S. J. de Meriti 14720 0 27 3580 1918 40961 0 88226 146 74637Fonte: IPLANRIO, 1995, Processo de Estruturação dos Transportes na Região Metropolitana do Rio de Janeiro Agregação segundo divisão municipal de 1975 0bs: total de viagens = viagens por automóvel x 1,35 + viagens por coletivos

118

PDTU 2005 - Matriz de viagens diárias por municípios - 2005 Todos os motivos - modos motorizados


Caxias Itaboraí Magé Nilópolis Niterói Nova Iguaçu Paracambi Rio de

Janeiro S. Gonçalo S. J. de Meriti

D. de Caxias 376442 45 13219 1512 1776 7733 0 161946 1064 30097 Itaboraí 79 51716 197 0 17677 0 0 7277 33966 0 Magé 21456 381 57750 0 794 37 0 11607 1679 431 Nilópolis 1476 0 0 28736 992 10721 0 28067 0 3120 Niterói 1719 10090 286 365 224514 2160 0 57424 97042 2333 Nova Iguaçu 9859 0 127 8969 2816 251774 472 94590 164 5355 Paracambi 91 0 0 0 0 299 6645 1119 0 54 Rio de Janeiro 150349 3609 9376 37301 78985 80842 830 5095503 57195 119235 S. Gonçalo 1210 31077 1086 0 126884 58 0 64058 372473 0 S. J. de Meriti 28701 0 118 3835 1905 4693 47 90174 371 133350 Fonte: PDTU (2005).

119

1980

Municípios Populacao IDH PIB IND N.

empreg TrspOD1 TrspOD2 Trsp OD3 Trsp OD4D. de Caxias 575.830 0,665 268614,1 32555 162597 148981 113 835Itaboraí 114.542 0,551 48724,1 9318 2121 1388 0 1744Magé 166.603 0,593 84848,2 7852 2304 651 82 290Nilópolis 151.585 0,734 46982,4 12610 49177 19933 15 331Niterói 397.135 0,769 202002,6 57580 75927 364121 835 0N. Iguaçu 1.094.789 0,652 592484,7 84625 193440 57411 100 2050Paracambi 30.310 0,640 5311,0 5043 7959 210 0 152R. de Janeiro 5.090.723 0,759 2685859,0 2496001 7816345 7816345 2121 75927S. Gonçalo 615.351 0,719 250282,3 55305 51828 286936 3054 124928S, J. de Meriti 398.819 0,693 153894,7 41225 119614 70803 46 1008

1995

Municípios População IDH PIB IND N.

empreg TrspOD1 Trsp OD2 TrspOD3 TrspsOD4D. de Caxias 697478 0,730 333397,6 115461 85989 227180 196 8137Itaboraí 178279 0,708 30701,3 16801 8847 43516 0 1396Magé 170573 0,701 46880,8 17786 17535 35326 946 2996Nilópolis 160188 0,732 24513,0 15980 19844 23758 0 20Niterói 448736 0,851 465466,9 145784 68433 274870 8138 0N. Iguaçu 811326 0,735 279013,4 91067 129431 158615 20 472Paracambi 38150 0,732 2099,7 5724 3273 9664 0 0R.de Janeiro 5606497 0,819 7624859,0 2616882 4743214 4743214 8847 68433S. Gonçalo 832849 0,761 237928,4 86761 82017 356953 8501 115098S. J. de Meriti 434458 0,747 105105,2 55842 88226 74637 0 2601

2005


empreg Con_eletric frota_auto frota_onib TrspOD1 Trsp OD2 D. de Caxias 840.903 0,797 399503,2 111797 922574 68700 2822 161946 376442Itaboraí 216.657 0,785 32223,5 18555 236607 18705 1327 7277 51716Magé 231.427 0,761 42595,1 14155 174936 13175 397 11607 57750Nilópolis 151.049 0,794 17685,7 15281 150691 17610 370 28067 28736Niterói 473.616 0,908 630273,1 147627 1062000 127129 2757 57424 224514N. Iguaçu 829.999 0,806 208067,0 69493 1078599 69301 2113 94590 251774Paracambi 42.936 0,829 6540,7 5694 47983 3282 57 1119 6645R. de Janeiro 6.087.219 0,865 10563301,0 1883685 1,5E+07 1285345 22355 5095503 5095503S. Gonçalo 958.786 0,829 265612,8 83032 982413 81676 2814 64058 372473S. J. de Meriti 463.889 0,816 105629,5 41304 404972 41933 1376 90174 133350


empreg Con_eletric frota_auto frota_onib TrspOD3 Trsp OD4

D.de Caxias 840.903 0,797 399503,2 111797 922574 68700 2822 982 10572Itaboraí 216.657 0,785 32223,5 18555 236607 18705 1327 0 2364Magé 231.427 0,761 42595,1 14155 174936 13175 397 197 284Nilópolis 151.049 0,794 17685,7 15281 150691 17610 370 0 365Niterói 473.616 0,908 630273,1 147627 1062000 127129 2757 17920 0N. Iguaçu 829.999 0,806 208067,0 69493 1078599 69301 2113 0 2160Paracambi 42.936 0,829 6540,7 5694 47983 3282 57 0 0R.deJaneiro 6.087.219 0,865 10563301,0 1883685 1,5E+07 1285345 22355 8082 101929S. Gonçalo 958.786 0,829 265612,8 83032 982413 81676 2814 39912 153410S J.de Meriti 463.889 0,816 105629,5 41304 404972 41933 1376 0 2590

120

Nota: Trsp OD1 – viagens para o Município do Rio de Janeiro Trsp 0D2 - viagens internas dos Municípios estudados. Trsp 0D3 - Viagens para o Município de Itaboraí Trsp 0D4 - Viagens para o Município de Niterói

ViniciaGomesCardozo

Documents

Transcript of ViniciaGomesCardozo