Professional Documents
Culture Documents
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.
ii
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.
iii
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.
Ao CNPq pelo auxílio financeiro e a todos aqueles que não foram mencionados, mas,
que contribuíram de alguma forma para a concretização desse ideal.
iv
Resumo da Dissertação apresentada a COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M. Sc.).
Abril/2008
v
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
April/2008
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.
vi
ÍNDICE
vii
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
Figura 09: Representação das Viagens para o Município do Rio de Janeiro em 1995. . 39
Figura 10: Representação das Viagens para o Município do Rio de Janeiro em 2005. . 40
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
Tabela 08: Tabela resumo referente aos parâmetros estatísticos.................................... 57
Tabela 09: Tabela resumo referente ao valor do beta..................................................... 58
Tabela 10: Tabela resumo referente aos parâmetros estatísticos.................................... 58
Tabela 11: Tabela resumo referente ao valor do beta..................................................... 59
Tabela 12: Tabela resumo referente aos parâmetros estatísticos.................................... 59
Tabela 13: Tabela resumo referente ao valor do beta..................................................... 60
Tabela 14: Tabela resumo referente aos parâmetros estatísticos.................................... 60
Tabela 15: Tabela resumo referente ao valor do beta..................................................... 60
Tabela 16: Tabela resumo referente aos parâmetros estatísticos.................................... 61
Tabela 17: Tabela resumo referente ao valor do beta..................................................... 61
Tabela 18: Tabela resumo referente aos parâmetros estatísticos.................................... 62
Tabela 19: Tabela resumo referente ao valor do beta..................................................... 62
Tabela 20: Tabela resumo referente aos parâmetros estatísticos.................................... 63
viii
Tabela 21: Tabela resumo referente ao valor do beta..................................................... 63
Tabela 22: Tabela resumo referente aos parâmetros estatísticos.................................... 64
Tabela 23: Tabela resumo referente aos valores dos betas............................................. 65
Tabela 24: Tabela resumo referente aos parâmetros estatísticos.................................... 66
Tabela 25: Tabela resumo referente aos valores dos betas............................................. 66
Tabela 26: Tabela resumo referente aos parâmetros estatísticos.................................... 67
Tabela 27: Tabela resumo referente aos valores dos betas............................................. 67
Tabela 28: Tabela resumo referente aos parâmetros estatísticos.................................... 68
Tabela 29: Tabela resumo referente aos valores dos betas............................................. 69
ANEXOS
ix
4 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA NITERÓI
(MUNICÍPIO COM MAIOR VALOR DE IDH)
x
Capítulo 1 – Introdução
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.
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).
2
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.
1.1 Objetivo
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.
3
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
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.
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
4
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.
Capítulo 1 – Introdução
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.
5
Capítulo 5 – Procedimento Proposto
Capitulo 7 – Conclusões
6
Capítulo 2 – Caracterização do Problema
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.
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.
7
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).
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).
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
8
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.
milhões de reais, com 80% dessas perdas contabilizadas na cidade de São Paulo;
atmosféricos.
9
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).
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.
10
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).
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.
11
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.
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.
12
Capítulo 3 – Revisão Bibliográfica
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,
13
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.
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
14
proprietários dos meios de produção, os proprietários fundiários, os promotores
imobiliários, o Estado e os grupos excluídos.
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.
15
“... 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.
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.
16
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).
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.
17
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.
18
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 .
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.
19
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.
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.
Dever ser considerado, como contribuição do presente estudo, que o núcleo urbano,
independente de seu tamanho, economia e índice demográfico, dever ser avaliado
20
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.
21
Capítulo 4 – Área de Estudo: Região Metropolitana do Rio de Janeiro (RMRJ).
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:
A pé
44% Transporte
Coletivo
29%
Por automóvel
19%
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.
23
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 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.
Dessas viagens, 80% são de ônibus e estão concentradas na Região Metropolitana bem
como metade da frota de veículos circulantes de todo o país.
24
Figura 03: Divisão Modal entre algumas Regiões Metropolitanas do Brasil.
25
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).
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:
26
Tabela 01: Municípios emancipados incluídos na RMRJ.
27
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.
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).
28
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).
29
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.
Barra da Tijuca
Zona Norte - Centro Centro, Rio Comprido, Tijuca, Vila Isabel, Méier e Santa Teresa.
Janeiro
Guapimirim.
RMRJ
Aspectos Socioeconômicos:
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.
31
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.
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.
32
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.
33
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).
34
Figura 06: Representação da Área de Estudo.
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.
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.
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).
36
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.
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
çu
í
iti
lo
s
ro
bi
ra
is
ró
ag
ia
er
ça
l
m
ua
i
bo
it e
po
ne
ax
M
M
on
Ig
It a
N
iló
ac
Ja
C
de
G
a
N
r
de
de
Pa
ov
ão
Sã
e
io
Jo
u
R
uq
o
D
Sã
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.
37
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.
Figura 08: Representação das Viagens para o Município do Rio de Janeiro em 1980.
38
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.
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.
Figura 09: Representação das Viagens para o Município do Rio de Janeiro em 1995.
39
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).
Figura 10: Representação das Viagens para o Município do Rio de Janeiro em 2005.
41
Capítulo 5 – Procedimento Proposto
42
• 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).
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).
43
de pesquisa de campo junto a terminais rodoviários, pesquisas domiciliares e contagem
de tráfego (volumétricas e seletivas).
O PTM construiu suas matrizes, em nível municipal e em nível zonal, para os picos da
manhã, da tarde e vinte e quatro horas.
44
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).
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.
46
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.
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.
47
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.
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:
Onde:
Yi = variável dependente;
48
xi = variável independente;
α e β = parâmetros da regressão; e
ξ = perturbação estocástica.
yi = a + bx (2)
Onde:
a = coeficiente de interseção do eixo y;
b= coeficiente que determina a inclinação da linha de tendência.
Considerando:
α0 e α1 = coeficientes da regressão
ε i = resíduo.
49
• 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):
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.
50
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.
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).
51
▪ 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.
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.
52
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 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.
53
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.
54
Capítulo 6 – Análise dos dados e Resultados
55
6.2 - Modelo referente às viagens realizadas para o município do Rio de Janeiro
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.
56
Tabela 07: Tabela resumo referente ao valor do beta.
57
Tabela 09: Tabela resumo referente ao valor do beta.
Neste caso, aplicando o método “Stepwise” foi obtido o seguinte valor para o R2:
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.
58
Em relação ao valor do beta ( β ), este foi assim estabelecido:
Tabela 11: Tabela resumo referente ao valor do beta.
Sendo assim, a variável mais representativa é o PIB industrial. A variável IDH continua
como uma variável inversamente proporcional.
Di Du
Stepwise 0,998 0,000 0,000 2,873 0,376 2,414 Número de
empregados
59
Tabela 13: Tabela resumo referente ao valor do beta.
Di Du
Stepwise 0,998 0,000 0,000 2,316 0,376 2,414 Número de
empregados
60
6.3.3 - Ano horizonte de 2005
Como variáveis independentes foram consideradas população, IDH, número de
empregados, PIB industrial, consumo de energia elétrica total, frota de automóveis e
frota de ônibus.
Di Du
Consumo de
Stepwise 0,995 0,000 0,000 1,224 0,243 2,822 energia
elétrica total
6.4 - Modelo referente às viagens realizadas para Itaboraí (município com menor
valor de IDH no grupo selecionado).
Di Du
0,222 População
Enter 0,582 0,676 0,377 2,646 0,376 2,414 IDH
0,722 Nº. empregados
0,243
PIB industrial
62
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.
Di Du
Stepwise 0,668 0,007 0,007 2,072 0,376 2,414 IDH
Di Du
0,379 . População
0,563 . IDH
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.
64
Tabela 23: Tabela resumo referente aos valores dos betas.
6.5 - Modelo referente às viagens realizadas para Niterói (município com maior
valor de IDH conforme o grupo de municípios selecionados).
Sendo assim, os valores para o (R2) e para o teste estatístico (F) e (T) foram os
seguintes:
65
Tabela 24: Tabela resumo referente aos parâmetros estatísticos
Di Du
0,151 População
Enter 0,625 0,691 0,317 2,214 0,376 2,414 IDH
0,671 Nº. empregados
0,157 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.
As variáveis mais representativas neste modelo são: população e PIB industrial, sendo
que a última é inversamente proporcional ao número de viagens realizadas.
66
Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”
foram os seguintes:
Di Du
0,449 População
Enter 0,560 0,346 0,216 2,214 0,376 2,414 IDH
0,363 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.
As variáveis mais representativas neste modelo são: população, IDH e PIB industrial,
sendo que esta última é inversamente proporcional ao número de viagens realizadas.
67
6.5.3 - Ano horizonte de 2005
Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”
foram os seguintes:
Di Du
0,725 . População
0,755 . IDH
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.
68
Tabela 29: Tabela resumo referente aos valores dos betas
Para uma melhor visualização quanto aos modelos construídos, para descrever a geração
de viagens, foi construída a Tabela 30.
69
MODELOS Características Ano Valor Variáveis Valores
horizonte de R2 selecionadas dos Betas
1980 1,000 Nº. de empregados 1,000
MODELO 1 Viagens realizadas para o município 1995 0,999 . Nº. de empregados 1,020
do Rio de Janeiro . IDH - 0,040
2005 0,999 . PIB industrial 1,017
. IDH - 0,044
1980 0,998 Nº. de empregados 0,999
MODELO 2 Viagens realizadas para dentro dos 1995 0,998 Nº. de empregados 0,999
municípios considerados 2005 0,995 Consumo de energia elétrica 0,998
. População 15,905
1980 0,582 . IDH 0,176
. Nº. empregados - 0,720
. PIB industrial - 14,774
MODELO 3 Viagens realizadas para Itaboraí 1995 0,668 IDH 0,817
(município com menor valor de IDH) . População 18,100
. IDH 0,736
. PIB industrial 2,001
2005 0,693 . Consumo de energia elétrica - 32,167
. frota de automóveis 23,738
. frota de ônibus - 11,829
. População 24,017
MODELO 4 Viagens realizadas para Niterói 1980 0,625 . IDH - 0,217
(município com maior valor de IDH) . Nº. empregados - 0,801
. PIB industrial - 22,647
70
Continuação da Tabela 25
71
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.
72
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.
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.
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.
73
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.
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
74
sociais e econômicas que influenciam na geração de viagens e que não foram objeto deste
estudo.
75
Capítulo 7 – Considerações Finais e Recomendações Futuras
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.
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.
76
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”.
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.
77
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.
78
Referências Bibliográficas
79
CHIAPPERO, M. (2003). Principais desafios para o transporte nas cidades brasileiras. in:
Revista dos Transportes Públicos – ANTP. Ano 25. 2003. 3º trimestre.
80
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.
81
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.
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.
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.
82
Bibliografia
DANNEELS, H. (2003). Car – Free Day: Go to Work with Public Transport. Public
Transport International. UITP. September of 2003.
83
DENATRAN. Anuário Estatístico. Ministério das Cidades. 1990 a 2003. Disponível em
<http://www.denatran.gov.br> Acesso em: 10 ago. 2005.
GOUDIE, D. (2002) Zonal method for urban travel surveys: sustainability and sample
distance from CBD. Journal of Transport Geography 10. 287- 301.
84
IPEA. Base de dados macroeconômicos. Instituto de Pesquisa Econômica Aplicada.
Brasília. 2001.
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
85
PEREIRA, C.M.C. (2002). “Integração de Sistemas de Transportes como estratégia de
Transformação III: problemas e soluções dos transportes no Brasil. São Paulo. MAKRON Books.
2001.
86
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, M. & GILBERT (SEM DATA) The Utility of Structural Modelling Techniques in
87
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.
88
ANEXOS
89
ANEXO 00.1 – Modelo Referente às Viagens realizadas para o município do Rio de
Janeiro
Descriptive Statistics
Std.
Mean Deviation N
Viagens para o R.J 848131,2 2449287,7 10
população 863568,7 1518343,3 10
idh ,6775 7,112E-02 10
nº empregados 280214,4 778991,52 10
pib industrial 433900,2 809202,08 10
Correlations
Viagens nº pib
para o R.J população idh empregados industrial
Pearson Correlation Viagens para o R.J 1,000 ,983 ,410 1,000 ,982
população ,983 1,000 ,439 ,984 ,999
idh ,410 ,439 1,000 ,417 ,426
nº empregados 1,000 ,984 ,417 1,000 ,984
pib industrial ,982 ,999 ,426 ,984 1,000
Sig. (1-tailed) Viagens para o R.J , ,000 ,120 ,000 ,000
população ,000 , ,102 ,000 ,000
idh ,120 ,102 , ,116 ,110
nº empregados ,000 ,000 ,116 , ,000
pib industrial ,000 ,000 ,110 ,000 ,
N Viagens para o R.J 10 10 10 10 10
população 10 10 10 10 10
idh 10 10 10 10 10
nº empregados 10 10 10 10 10
pib industrial 10 10 10 10 10
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nº
nter <=
empregad ,
,050,
os
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: Viagens para o R.J
90
b
Model Summary
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 5,40E+13 1 5,40E+13 16287,802 ,000a
Residual 2,65E+10 8 3,31E+09
Total 5,40E+13 9
a. Predictors: (Constant), nº empregados
b. Dependent Variable: Viagens para o R.J
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -32696,3 19466,722 -1,680 ,132
nº empregados 3,143 ,025 1,000 127,624 ,000
a. Dependent Variable: Viagens para o R.J
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população -,037a -,833 ,433 -,300 3,154E-02
idh -,008a -,882 ,407 -,316 ,826
pib industrial -,036a -,799 ,451 -,289 3,243E-02
a. Predictors in the Model: (Constant), nº empregados
b. Dependent Variable: Viagens para o R.J
91
Anexo 1.2 – Ano Horizonte de 1995
Descriptive Statistics
Std.
Mean Deviation N
VIAGENS PARA O R.J 524680,9 1482839,2 10
população 937853,4 1665119,1 10
IDH ,7516 4,783E-02 10
Nº DE EMPREGADOS 316808,8 809581,73 10
PIB INDUSTRIAL 914996,5 2362751,5 10
Correlations
VIAGENS
PARA O Nº DE PIB
R.J população IDH EMPREGADOS INDUSTRIAL
Pearson Correlation VIAGENS PARA O R.J 1,000 ,989 ,506 ,999 ,999
população ,989 1,000 ,533 ,991 ,991
IDH ,506 ,533 1,000 ,535 ,540
Nº DE EMPREGADOS ,999 ,991 ,535 1,000 1,000
PIB INDUSTRIAL ,999 ,991 ,540 1,000 1,000
Sig. (1-tailed) VIAGENS PARA O R.J , ,000 ,068 ,000 ,000
população ,000 , ,056 ,000 ,000
IDH ,068 ,056 , ,055 ,054
Nº DE EMPREGADOS ,000 ,000 ,055 , ,000
PIB INDUSTRIAL ,000 ,000 ,054 ,000 ,
N VIAGENS PARA O R.J 10 10 10 10 10
população 10 10 10 10 10
IDH 10 10 10 10 10
Nº DE EMPREGADOS 10 10 10 10 10
PIB INDUSTRIAL 10 10 10 10 10
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
Nº DE
nter <=
EMPREGA ,
,050,
DOS
Probabilit
y-of-F-to-r
emove >=
,100).
2 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
IDH ,
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
92
a. Dependent Variable: VIAGENS PARA O R.J
c
Model Summary
ANOVAc
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,98E+13 1 1,98E+13 4500,945 ,000a
Residual 3,51E+10 8 4,39E+09
Total 1,98E+13 9
2 Regression 1,98E+13 2 9,89E+12 5339,207 ,000b
Residual 1,30E+10 7 1,85E+09
Total 1,98E+13 9
a. Predictors: (Constant), Nº DE EMPREGADOS
b. Predictors: (Constant), Nº DE EMPREGADOS, IDH
c. Dependent Variable: VIAGENS PARA O R.J
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -55074,7 22662,016 -2,430 ,041
Nº DE EMPREGADOS 1,830 ,027 ,999 67,089 ,000
2 (Constant) 855563,2 263744,3 3,244 ,014
Nº DE EMPREGADOS 1,869 ,021 1,020 89,093 ,000
IDH -1227899 355077,0 -,040 -3,458 ,011
a. Dependent Variable: VIAGENS PARA O R.J
93
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população -,062a -,527 ,615 -,195 1,755E-02
IDH -,040a -3,458 ,011 -,794 ,714
PIB INDUSTRIAL -2,791a -2,621 ,034 -,704 1,128E-04
2 população -,057b -,758 ,477 -,296 1,755E-02
PIB INDUSTRIAL -1,548b -1,582 ,165 -,542 8,042E-05
a. Predictors in the Model: (Constant), Nº DE EMPREGADOS
b. Predictors in the Model: (Constant), Nº DE EMPREGADOS, IDH
c. Dependent Variable: VIAGENS PARA O R.J
Descriptive Statistics
Std.
Mean Deviation N
viagens para o R.J 1162277 3442664,6 10
população 1029648 1805314,2 10
IDH ,8190 4,215E-02 10
número de empregados 239062,3 579779,06 10
PIB industrial 1227143 3286497,3 10
consumo de energ.
1956763 4428979,7 10
elétrica total
frota de automóveis 172685,6 392833,92 10
frota de ônibus 3638,8000 6660,3097 10
Correlations
consumo
de energ.
viagens número de PIB elétrica frota de frota de
para o R.J população IDH empregados industrial total automóveis ônibus
Pearson Correlation viagens para o R.J 1,000 ,987 ,387 ,998 ,999 ,997 ,996 ,989
população ,987 1,000 ,403 ,991 ,989 ,995 ,992 ,996
IDH ,387 ,403 1,000 ,433 ,423 ,424 ,448 ,447
número de empregados ,998 ,991 ,433 1,000 1,000 ,999 1,000 ,996
PIB industrial ,999 ,989 ,423 1,000 1,000 ,999 ,999 ,994
consumo de energ.
,997 ,995 ,424 ,999 ,999 1,000 ,999 ,997
elétrica total
frota de automóveis ,996 ,992 ,448 1,000 ,999 ,999 1,000 ,997
frota de ônibus ,989 ,996 ,447 ,996 ,994 ,997 ,997 1,000
Sig. (1-tailed) viagens para o R.J , ,000 ,135 ,000 ,000 ,000 ,000 ,000
população ,000 , ,124 ,000 ,000 ,000 ,000 ,000
IDH ,135 ,124 , ,106 ,111 ,111 ,097 ,098
número de empregados ,000 ,000 ,106 , ,000 ,000 ,000 ,000
PIB industrial ,000 ,000 ,111 ,000 , ,000 ,000 ,000
consumo de energ.
,000 ,000 ,111 ,000 ,000 , ,000 ,000
elétrica total
frota de automóveis ,000 ,000 ,097 ,000 ,000 ,000 , ,000
frota de ônibus ,000 ,000 ,098 ,000 ,000 ,000 ,000 ,
N viagens para o R.J 10 10 10 10 10 10 10 10
população 10 10 10 10 10 10 10 10
IDH 10 10 10 10 10 10 10 10
número de empregados 10 10 10 10 10 10 10 10
PIB industrial 10 10 10 10 10 10 10 10
consumo de energ.
10 10 10 10 10 10 10 10
elétrica total
frota de automóveis 10 10 10 10 10 10 10 10
frota de ônibus 10 10 10 10 10 10 10 10
94
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
PIB nter <=
,
industrial ,050,
Probabilit
y-of-F-to-r
emove >=
,100).
2 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
IDH ,
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: viagens para o R.J
Model Summaryc
ANOVAc
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,06E+14 1 1,06E+14 3095,743 ,000a
Residual 2,75E+11 8 3,44E+10
Total 1,07E+14 9
2 Regression 1,07E+14 2 5,33E+13 3481,400 ,000b
Residual 1,07E+11 7 1,53E+10
Total 1,07E+14 9
a. Predictors: (Constant), PIB industrial
b. Predictors: (Constant), PIB industrial, IDH
c. Dependent Variable: viagens para o R.J
95
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -121520 63000,982 -1,929 ,090
PIB industrial 1,046 ,019 ,999 55,639 ,000
2 (Constant) 2783030 878162,5 3,169 ,016
PIB industrial 1,066 ,014 1,017 76,940 ,000
IDH -3575733 1079849 -,044 -3,311 ,013
a. Dependent Variable: viagens para o R.J
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população -,037a -,290 ,780 -,109 2,242E-02
IDH -,044a -3,311 ,013 -,781 ,821
número de empregados -1,543a -2,617 ,035 -,703 5,355E-04
consumo de energ. a
-,183 -,524 ,616 -,194 2,904E-03
elétrica total
frota de automóveis -,779a -2,455 ,044 -,680 1,966E-03
frota de ônibus -,237a -1,635 ,146 -,526 1,263E-02
2 população -,068b -,825 ,441 -,319 2,213E-02
número de empregados -,972b -2,016 ,090 -,635 4,291E-04
consumo de energ. b
-,160 -,692 ,515 -,272 2,901E-03
elétrica total
frota de automóveis -,362b -1,058 ,331 -,396 1,204E-03
frota de ônibus -,158b -1,578 ,166 -,542 1,182E-02
a. Predictors in the Model: (Constant), PIB industrial
b. Predictors in the Model: (Constant), PIB industrial, IDH
c. Dependent Variable: viagens para o R.J
96
ANEXO 02 - Modelo Referente às Viagens Realizadas para dentro dos municípios
considerados (viagens internas).
Descriptive Statistics
Std.
Mean Deviation N
viagens dentro do
876677,9 2441662,2 10
município
população 863568,7 1518343,3 10
idh ,6775 7,112E-02 10
nº empregados 280214,4 778991,52 10
pib industrial 433900,2 809202,08 10
Correlations
viagens
dentro do nº pib
município população idh empregados industrial
Pearson Correlation viagens dentro do
1,000 ,981 ,436 ,999 ,980
município
população ,981 1,000 ,439 ,984 ,999
idh ,436 ,439 1,000 ,417 ,426
nº empregados ,999 ,984 ,417 1,000 ,984
pib industrial ,980 ,999 ,426 ,984 1,000
Sig. (1-tailed) viagens dentro do
, ,000 ,104 ,000 ,000
município
população ,000 , ,102 ,000 ,000
idh ,104 ,102 , ,116 ,110
nº empregados ,000 ,000 ,116 , ,000
pib industrial ,000 ,000 ,110 ,000 ,
N viagens dentro do
10 10 10 10 10
município
população 10 10 10 10 10
idh 10 10 10 10 10
nº empregados 10 10 10 10 10
pib industrial 10 10 10 10 10
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nº
nter <=
empregad ,
,050,
os
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: viagens dentro do município 97
b
Model Summary
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -825,356 37317,609 -,022 ,983
nº empregados 3,132 ,047 ,999 66,324 ,000
a. Dependent Variable: viagens dentro do município
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 5,36E+13 1 5,36E+13 4398,820 ,000a
Residual 9,74E+10 8 1,22E+10
Total 5,37E+13 9
a. Predictors: (Constant), nº empregados
b. Dependent Variable: viagens dentro do município
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população -,080a -,932 ,382 -,332 3,154E-02
idh ,024a 1,534 ,169 ,501 ,826
pib industrial -,095a -1,153 ,287 -,400 3,243E-02
a. Predictors in the Model: (Constant), nº empregados
b. Dependent Variable: viagens dentro do município
98
Anexo 2.2 – Ano Horizonte de 1995
Descriptive Statistics
Std.
Mean Deviation N
VIAGENS PARA DENTRO
594773,3 1462480,2 10
DO MUNICÍPIO
população 937853,4 1665119,1 10
IDH ,7516 4,783E-02 10
Nº DE EMPREGADOS 316808,8 809581,73 10
PIB INDUSTRIAL 914996,5 2362751,5 10
Correlations
VIAGENS
PARA
DENTRO
DO Nº DE PIB
MUNICÍPIO população IDH EMPREGADOS INDUSTRIAL
Pearson Correlation VIAGENS PARA DENTRO
1,000 ,993 ,541 ,999 ,999
DO MUNICÍPIO
população ,993 1,000 ,533 ,991 ,991
IDH ,541 ,533 1,000 ,535 ,540
Nº DE EMPREGADOS ,999 ,991 ,535 1,000 1,000
PIB INDUSTRIAL ,999 ,991 ,540 1,000 1,000
Sig. (1-tailed) VIAGENS PARA DENTRO
, ,000 ,053 ,000 ,000
DO MUNICÍPIO
população ,000 , ,056 ,000 ,000
IDH ,053 ,056 , ,055 ,054
Nº DE EMPREGADOS ,000 ,000 ,055 , ,000
PIB INDUSTRIAL ,000 ,000 ,054 ,000 ,
N VIAGENS PARA DENTRO
10 10 10 10 10
DO MUNICÍPIO
população 10 10 10 10 10
IDH 10 10 10 10 10
Nº DE EMPREGADOS 10 10 10 10 10
PIB INDUSTRIAL 10 10 10 10 10
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
Nº DE
nter <=
EMPREGA ,
,050,
DOS
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: VIAGENS PARA DENTRO DO
MUNICÍPIO
99
b
Model Summary
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,92E+13 1 1,92E+13 4189,487 ,000a
Residual 3,67E+10 8 4,59E+09
Total 1,92E+13 9
a. Predictors: (Constant), Nº DE EMPREGADOS
b. Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIO
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 23015,269 23165,264 ,994 ,350
Nº DE EMPREGADOS 1,805 ,028 ,999 64,726 ,000
a. Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIO
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população ,182a 1,751 ,123 ,552 1,755E-02
IDH ,008a ,424 ,684 ,158 ,714
PIB INDUSTRIAL ,171a ,110 ,916 ,041 1,128E-04
a. Predictors in the Model: (Constant), Nº DE EMPREGADOS
b. Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIO
100
Anexo 2.3 – Ano Horizonte de 2005
Descriptive Statistics
Std.
Mean Deviation N
Viagens para dentro do
1561016 3326729,6 10
município
população 1029648 1805314,2 10
IDH ,8190 4,215E-02 10
número de empregados 239062,3 579779,06 10
PIB industrial 1227143 3286497,3 10
consumo de energ.
1956763 4428979,7 10
elétrica total
frota de automóveis 172685,6 392833,92 10
frota de ônibus 3638,8000 6660,3097 10
Correlations
Viagens consumo
para de energ.
dentro do número de PIB elétrica frota de frota de
município população IDH empregados industrial total automóveis ônibus
Pearson Correlation Viagens para dentro do
1,000 ,997 ,405 ,997 ,996 ,998 ,996 ,997
município
população ,997 1,000 ,403 ,991 ,989 ,995 ,992 ,996
IDH ,405 ,403 1,000 ,433 ,423 ,424 ,448 ,447
número de empregados ,997 ,991 ,433 1,000 1,000 ,999 1,000 ,996
PIB industrial ,996 ,989 ,423 1,000 1,000 ,999 ,999 ,994
consumo de energ.
,998 ,995 ,424 ,999 ,999 1,000 ,999 ,997
elétrica total
frota de automóveis ,996 ,992 ,448 1,000 ,999 ,999 1,000 ,997
frota de ônibus ,997 ,996 ,447 ,996 ,994 ,997 ,997 1,000
Sig. (1-tailed) Viagens para dentro do
, ,000 ,123 ,000 ,000 ,000 ,000 ,000
município
população ,000 , ,124 ,000 ,000 ,000 ,000 ,000
IDH ,123 ,124 , ,106 ,111 ,111 ,097 ,098
número de empregados ,000 ,000 ,106 , ,000 ,000 ,000 ,000
PIB industrial ,000 ,000 ,111 ,000 , ,000 ,000 ,000
consumo de energ.
,000 ,000 ,111 ,000 ,000 , ,000 ,000
elétrica total
frota de automóveis ,000 ,000 ,097 ,000 ,000 ,000 , ,000
frota de ônibus ,000 ,000 ,098 ,000 ,000 ,000 ,000 ,
N Viagens para dentro do
10 10 10 10 10 10 10 10
município
população 10 10 10 10 10 10 10 10
IDH 10 10 10 10 10 10 10 10
número de empregados 10 10 10 10 10 10 10 10
PIB industrial 10 10 10 10 10 10 10 10
consumo de energ.
10 10 10 10 10 10 10 10
elétrica total
frota de automóveis 10 10 10 10 10 10 10 10
frota de ônibus 10 10 10 10 10 10 10 10
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
consumo y-of-F-to-e
de energ. nter <=
,
elétrica ,050,
total Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: Viagens para dentro do município 101
b
Model Summary
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 9,91E+13 1 9,91E+13 1689,607 ,000a
Residual 4,69E+11 8 5,87E+10
Total 9,96E+13 9
a. Predictors: (Constant), consumo de energ. elétrica total
b. Dependent Variable: Viagens para dentro do município
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 94704,188 84497,657 1,121 ,295
consumo de energ.
,749 ,018 ,998 41,105 ,000
elétrica total
a. Dependent Variable: Viagens para dentro do município
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população ,428a 2,217 ,062 ,642 1,060E-02
IDH -,022a -,797 ,452 -,288 ,820
número de empregados ,009a ,015 ,989 ,005 1,677E-03
PIB industrial -,143a -,299 ,774 -,112 2,904E-03
frota de automóveis -,402a -,610 ,561 -,225 1,470E-03
frota de ônibus ,442a 1,543 ,167 ,504 6,116E-03
a. Predictors in the Model: (Constant), consumo de energ. elétrica total
b. Dependent Variable: Viagens para dentro do município
102
ANEXO 03 - Modelo referente às viagens realizadas para Itaboraí (Município com
menor valor de IDH)
Std.
Mean Deviation N
Viagens para Itaboraí 707,3333 1120,9222 9
população 946793,9 1586069,0 9
idh ,6916 5,889E-02 9
nº empregados 310314,0 820054,22 9
pib industrial 476697,6 846199,35 9
Correlations
Viagens
para nº pib
Itaboraí população idh empregados industrial
Pearson Correlation Viagens para Itaboraí 1,000 ,506 ,525 ,483 ,488
população ,506 1,000 ,430 ,985 ,999
idh ,525 ,430 1,000 ,439 ,418
nº empregados ,483 ,985 ,439 1,000 ,984
pib industrial ,488 ,999 ,418 ,984 1,000
Sig. (1-tailed) Viagens para Itaboraí , ,083 ,073 ,094 ,092
população ,083 , ,124 ,000 ,000
idh ,073 ,124 , ,118 ,131
nº empregados ,094 ,000 ,118 , ,000
pib industrial ,092 ,000 ,131 ,000 ,
N Viagens para Itaboraí 9 9 9 9 9
população 9 9 9 9 9
idh 9 9 9 9 9
nº empregados 9 9 9 9 9
pib industrial 9 9 9 9 9
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 pib
industrial,
idh, nº
, Enter
empregad
os, a
população
a. All requested variables entered.
b. Dependent Variable: Viagens para Itaboraí
103
Model Summaryb
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 5854442,1 4 1463610,5 1,395 ,377a
Residual 4197289,9 4 1049322,5
Total 10051732 8
a. Predictors: (Constant), pib industrial, idh, nº empregados, população
b. Dependent Variable: Viagens para Itaboraí
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -2620,723 4982,069 -,526 ,627
população 1,124E-02 ,008 15,905 1,444 ,222
idh 3355,012 7467,490 ,176 ,449 ,676
nº empregados -9,84E-04 ,003 -,720 -,381 ,722
pib industrial -1,96E-02 ,014 -14,774 -1,370 ,243
a. Dependent Variable: Viagens para Itaboraí
Descriptive Statistics
Std.
Mean Deviation N
VIAGENS PARA ITABORAÍ2960,8889 4165,2644 9
população 1022251 1743291,9 9
IDH ,7565 4,808E-02 9
Nº DE EMPREGADOS 350143,0 851381,08 9
PIB INDUSTRIAL 1013252 2484313,0 9
104
Correlations
VIAGENS
PARA Nº DE PIB
ITABORAÍ população IDH EMPREGADOS INDUSTRIAL
Pearson Correlation VIAGENS PARA ITABORAÍ 1,000 ,575 ,817 ,556 ,560
população ,575 1,000 ,515 ,991 ,991
IDH ,817 ,515 1,000 ,525 ,530
Nº DE EMPREGADOS ,556 ,991 ,525 1,000 1,000
PIB INDUSTRIAL ,560 ,991 ,530 1,000 1,000
Sig. (1-tailed) VIAGENS PARA ITABORAÍ , ,053 ,004 ,060 ,058
população ,053 , ,078 ,000 ,000
IDH ,004 ,078 , ,073 ,071
Nº DE EMPREGADOS ,060 ,000 ,073 , ,000
PIB INDUSTRIAL ,058 ,000 ,071 ,000 ,
N VIAGENS PARA ITABORAÍ 9 9 9 9 9
população 9 9 9 9 9
IDH 9 9 9 9 9
Nº DE EMPREGADOS 9 9 9 9 9
PIB INDUSTRIAL 9 9 9 9 9
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
IDH ,
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: VIAGENS PARA ITABORAÍ
b
Model Summary
105
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 92686065 1 92686065 14,071 ,007a
Residual 46109354 7 6587050,5
Total 1,39E+08 8
a. Predictors: (Constant), IDH
b. Dependent Variable: VIAGENS PARA ITABORAÍ
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -50594,5 14302,768 -3,537 ,010
IDH 70797,299 18873,609 ,817 3,751 ,007
a. Dependent Variable: VIAGENS PARA ITABORAÍ
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 população ,210a ,806 ,451 ,313 ,735
Nº DE EMPREGADOS ,176a ,658 ,535 ,259 ,724
PIB INDUSTRIAL ,177a ,660 ,534 ,260 ,719
a. Predictors in the Model: (Constant), IDH
b. Dependent Variable: VIAGENS PARA ITABORAÍ
Descriptive Statistics
Std.
Mean Deviation N
Viagens para Itaboraí 7454,7778 13602,6312 9
população 1119980 1890702,2 9
IDH ,8227 4,290E-02 9
número de empregados 263563,1 609432,91 9
PIB industrial 1359912 3457294,8 9
consumo de energ.
2147892 4653695,3 9
elétrica total
frota de automóveis 189794,6 412692,67 9
frota de ônibus 3895,6667 7011,5912 9 106
Correlations
consumo
Viagens de energ.
para número de PIB elétrica frota de frota de
Itaboraí população IDH empregados industrial total automóveis ônibus
Pearson Correlation Viagens para Itaboraí 1,000 ,105 ,444 ,054 ,044 ,064 ,073 ,110
população ,105 1,000 ,378 ,991 ,989 ,995 ,992 ,997
IDH ,444 ,378 1,000 ,415 ,407 ,406 ,431 ,433
número de empregados ,054 ,991 ,415 1,000 1,000 ,999 1,000 ,996
PIB industrial ,044 ,989 ,407 1,000 1,000 ,999 ,999 ,994
consumo de energ.
,064 ,995 ,406 ,999 ,999 1,000 ,999 ,997
elétrica total
frota de automóveis ,073 ,992 ,431 1,000 ,999 ,999 1,000 ,997
frota de ônibus ,110 ,997 ,433 ,996 ,994 ,997 ,997 1,000
Sig. (1-tailed) Viagens para Itaboraí , ,394 ,116 ,445 ,456 ,435 ,426 ,389
população ,394 , ,158 ,000 ,000 ,000 ,000 ,000
IDH ,116 ,158 , ,133 ,138 ,139 ,124 ,122
número de empregados ,445 ,000 ,133 , ,000 ,000 ,000 ,000
PIB industrial ,456 ,000 ,138 ,000 , ,000 ,000 ,000
consumo de energ.
,435 ,000 ,139 ,000 ,000 , ,000 ,000
elétrica total
frota de automóveis ,426 ,000 ,124 ,000 ,000 ,000 , ,000
frota de ônibus ,389 ,000 ,122 ,000 ,000 ,000 ,000 ,
N Viagens para Itaboraí 9 9 9 9 9 9 9 9
população 9 9 9 9 9 9 9 9
IDH 9 9 9 9 9 9 9 9
número de empregados 9 9 9 9 9 9 9 9
PIB industrial 9 9 9 9 9 9 9 9
consumo de energ.
9 9 9 9 9 9 9 9
elétrica total
frota de automóveis 9 9 9 9 9 9 9 9
frota de ônibus 9 9 9 9 9 9 9 9
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 frota de
ônibus,
IDH, PIB
industrial,
população,
frota de
, Enter
automóvei
s,
consumo
de energ.
elétrica
a
total
a. Tolerance = ,000 limits reached.
b. Dependent Variable: Viagens para Itaboraí
b
Model Summary
107
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,03E+09 6 1,71E+08 ,752 ,667a
Residual 4,54E+08 2 2,27E+08
Total 1,48E+09 8
a. Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, frota de
automóveis, consumo de energ. elétrica total
b. Dependent Variable: Viagens para Itaboraí
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -198343 271874,7 -,730 ,542
população ,130 ,116 18,100 1,120 ,379
IDH 233487,0 339655,4 ,736 ,687 ,563
PIB industrial 7,872E-03 ,074 2,001 ,106 ,925
consumo de energ.
-9,40E-02 ,082 -32,167 -1,147 ,370
elétrica total
frota de automóveis ,782 ,885 23,738 ,885 ,470
frota de ônibus -22,949 29,706 -11,829 -,773 ,521
a. Dependent Variable: Viagens para Itaboraí
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 número de empregados -197,277a -1,131 ,461 -,749 4,429E-06
a. Predictors in the Model: (Constant), frota de ônibus, IDH, PIB industrial, população, frota de
automóveis, consumo de energ. elétrica total
b. Dependent Variable: Viagens para Itaboraí
108
ANEXO 04 - Modelo Referente às viagens realizadas para Niterói (Município com
maior valor de IDH)
Descriptive Statistics
Std.
Mean Deviation N
Viagens para Niterói 23029,44 45562,9932 9
população 915394,7 1601037,3 9
idh ,6673 6,729E-02 9
nº empregados 304951,6 822068,78 9
pib industrial 459666,6 853926,25 9
Correlations
Viagens
para nº pib
Niterói população idh empregados industrial
Pearson Correlation Viagens para Niterói 1,000 ,475 ,538 ,445 ,455
população ,475 1,000 ,550 ,984 ,999
idh ,538 ,550 1,000 ,521 ,532
nº empregados ,445 ,984 ,521 1,000 ,983
pib industrial ,455 ,999 ,532 ,983 1,000
Sig. (1-tailed) Viagens para Niterói , ,098 ,067 ,115 ,109
população ,098 , ,062 ,000 ,000
idh ,067 ,062 , ,075 ,070
nº empregados ,115 ,000 ,075 , ,000
pib industrial ,109 ,000 ,070 ,000 ,
N Viagens para Niterói 9 9 9 9 9
população 9 9 9 9 9
idh 9 9 9 9 9
nº empregados 9 9 9 9 9
pib industrial 9 9 9 9 9
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 pib
industrial,
idh, nº
, Enter
empregad
os, a
população
a. All requested variables entered.
b. Dependent Variable: Viagens para Niterói
109
b
Model Summary
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,04E+10 4 2,59E+09 1,664 ,317a
Residual 6,23E+09 4 1,56E+09
Total 1,66E+10 8
a. Predictors: (Constant), pib industrial, idh, nº empregados, população
b. Dependent Variable: Viagens para Niterói
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 64411,999 207204,9 ,311 ,771
população ,683 ,385 24,017 1,773 ,151
idh -146952 343307,2 -,217 -,428 ,691
nº empregados -4,44E-02 ,097 -,801 -,458 ,671
pib industrial -1,208 ,696 -22,647 -1,737 ,157
a. Dependent Variable: Viagens para Niterói
Descriptive Statistics
Std.
Mean Deviation N
VIAGENS PARA NITEROI 22128,11 41242,9833 9
população 992199,8 1756693,5 9
IDH ,7406 3,471E-02 9
Nº DE EMPREGADOS 335811,6 856322,35 9
PIB INDUSTRIAL 964944,3 2500470,5 9
110
Correlations
VIAGENS
PARA Nº DE PIB
NITEROI população IDH EMPREGADOS INDUSTRIAL
Pearson Correlation VIAGENS PARA NITEROI 1,000 ,500 ,659 ,437 ,437
população ,500 1,000 ,893 ,992 ,992
IDH ,659 ,893 1,000 ,864 ,862
Nº DE EMPREGADOS ,437 ,992 ,864 1,000 1,000
PIB INDUSTRIAL ,437 ,992 ,862 1,000 1,000
Sig. (1-tailed) VIAGENS PARA NITEROI , ,085 ,027 ,120 ,120
população ,085 , ,001 ,000 ,000
IDH ,027 ,001 , ,001 ,001
Nº DE EMPREGADOS ,120 ,000 ,001 , ,000
PIB INDUSTRIAL ,120 ,000 ,001 ,000 ,
N VIAGENS PARA NITEROI 9 9 9 9 9
população 9 9 9 9 9
IDH 9 9 9 9 9
Nº DE EMPREGADOS 9 9 9 9 9
PIB INDUSTRIAL 9 9 9 9 9
Model Summary
Variables Entered/Removedd
Variables Variables
Model Entered Removed Method
1 PIB
INDUSTRI
, Enter
AL, IDH, a
população
2 população,
b IDH, PIB
, Remove
INDUSTRI
c
AL
a. Tolerance = ,000 limits reached.
b. All requested variables entered.
c. All requested variables removed.
d. Dependent Variable: VIAGENS PARA NITEROI
111
ANOVAc
Sum of Mean
Model Squares df Square F Sig.
1 Regression 7,62E+09 3 2,54E+09 2,123 ,216a
Residual 5,98E+09 5 1,20E+09
Total 1,36E+10 8
2 Regression ,000 0 ,000 , ,b
Residual 1,36E+10 8 1,70E+09
Total 1,36E+10 8
a. Predictors: (Constant), PIB INDUSTRIAL, IDH, população
b. Predictor: (constant)
c. Dependent Variable: VIAGENS PARA NITEROI
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -653314 614156,6 -1,064 ,336
população 5,520E-02 ,067 2,351 ,820 ,449
IDH 892703,0 859211,2 ,751 1,039 ,346
PIB INDUSTRIAL -4,19E-02 ,042 -2,543 -,999 ,363
2 (Constant) 22128,111 13747,661 1,610 ,146
a. Dependent Variable: VIAGENS PARA NITEROI
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 Nº DE EMPREGADOS -13,748a -,244 ,819 -,121 3,404E-05
2 Nº DE EMPREGADOS ,437b 1,284 ,240 ,437 1,000
população ,500b 1,528 ,170 ,500 1,000
IDH ,659b 2,317 ,054 ,659 1,000
PIB INDUSTRIAL ,437b 1,284 ,240 ,437 1,000
a. Predictors in the Model: (Constant), PIB INDUSTRIAL, IDH, população
b. Predictor: (constant)
c. Dependent Variable: VIAGENS PARA NITEROI
112
4.3 – ANO HORIZONTE DE 2005
Descriptive Statistics
Std.
Mean Deviation N
Viagens para Niterói 30408,44 56713,1291 9
população 1091429 1903579,2 9
IDH ,8091 3,008E-02 9
número de empregados 249221,8 614003,71 9
PIB industrial 1293462 3478752,3 9
consumo de energ.
2056181 4685792,2 9
elétrica total
frota de automóveis 177747,4 416317,25 9
frota de ônibus 3736,7778 7056,6774 9
Correlations
consumo
Viagens de energ.
para número de PIB elétrica frota de frota de
Niterói população IDH empregados industrial total automóveis ônibus
Pearson Correlation Viagens para Niterói 1,000 ,557 ,625 ,495 ,487 ,508 ,508 ,540
população ,557 1,000 ,722 ,992 ,990 ,995 ,994 ,998
IDH ,625 ,722 1,000 ,705 ,701 ,710 ,711 ,716
número de empregados ,495 ,992 ,705 1,000 1,000 ,999 1,000 ,996
PIB industrial ,487 ,990 ,701 1,000 1,000 ,999 ,999 ,994
consumo de energ.
,508 ,995 ,710 ,999 ,999 1,000 1,000 ,997
elétrica total
frota de automóveis ,508 ,994 ,711 1,000 ,999 1,000 1,000 ,997
frota de ônibus ,540 ,998 ,716 ,996 ,994 ,997 ,997 1,000
Sig. (1-tailed) Viagens para Niterói , ,059 ,036 ,087 ,092 ,081 ,081 ,067
população ,059 , ,014 ,000 ,000 ,000 ,000 ,000
IDH ,036 ,014 , ,017 ,018 ,016 ,016 ,015
número de empregados ,087 ,000 ,017 , ,000 ,000 ,000 ,000
PIB industrial ,092 ,000 ,018 ,000 , ,000 ,000 ,000
consumo de energ.
,081 ,000 ,016 ,000 ,000 , ,000 ,000
elétrica total
frota de automóveis ,081 ,000 ,016 ,000 ,000 ,000 , ,000
frota de ônibus ,067 ,000 ,015 ,000 ,000 ,000 ,000 ,
N Viagens para Niterói 9 9 9 9 9 9 9 9
população 9 9 9 9 9 9 9 9
IDH 9 9 9 9 9 9 9 9
número de empregados 9 9 9 9 9 9 9 9
PIB industrial 9 9 9 9 9 9 9 9
consumo de energ.
9 9 9 9 9 9 9 9
elétrica total
frota de automóveis 9 9 9 9 9 9 9 9
frota de ônibus 9 9 9 9 9 9 9 9
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 frota de
ônibus,
IDH, PIB
industrial,
população,
consumo
, Enter
de energ.
elétrica
total, frota
de
automóvei
a
s
a. Tolerance = ,000 limits reached.
113
b. Dependent Variable: Viagens para Niterói
b
Model Summary
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 1,81E+10 6 3,02E+09 ,794 ,651a
Residual 7,61E+09 2 3,80E+09
Total 2,57E+10 8
a. Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, consumo
de energ. elétrica total, frota de automóveis
b. Dependent Variable: Viagens para Niterói
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -362157 912459,5 -,397 ,730
população ,140 ,346 4,702 ,404 ,725
IDH 413930,8 1156162 ,220 ,358 ,755
PIB industrial -,117 ,349 -7,156 -,334 ,770
consumo de energ.
-,236 ,283 -19,520 -,834 ,492
elétrica total
frota de automóveis 3,034 4,228 22,275 ,718 ,547
frota de ônibus ,560 75,400 ,070 ,007 ,995
a. Dependent Variable: Viagens para Niterói
114
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 número de empregados -70,914a -,945 ,518 -,687 2,772E-05
a. Predictors in the Model: (Constant), frota de ônibus, IDH, PIB industrial, população, consumo
de energ. elétrica total, frota de automóveis
b. Dependent Variable: Viagens para Niterói
115
PIT-METRÔ - Matriz de viagens diárias por município - 1979
Todos os motivos - modos motorizados
Município Destino
Município Origem D. de Nova Rio de S.J.de
Caxias Itaboraí Magé Nilópolis Niterói Iguaçu Paracambi Janeiro S.Gonçalo Meriti
D. de Caxias 148981 113 324 1747 1744 13671 169 162597 1149 11678
Itaboraí 113 1388 82 15 835 100 0 2121 3054 46
Magé 324 82 651 23 290 165 4 2304 823 71
Nilópolis 1747 15 23 19933 331 5503 32 49177 195 3576
Niterói 1744 835 290 331 364121 2050 152 75927 124928 1008
Nova Iguaçu 13671 100 165 5503 2050 57411 376 193440 1162 16364
Paracambi 169 0 4 32 152 376 210 7959 85 121
Rio de Janeiro 162597 2121 2304 49177 75927 193440 7959 7816345 51828 119614
S.Gonçalo 1149 3054 823 195 124928 1162 85 51828 286936 552
S. J. de Meriti 11678 46 71 3576 1008 16364 121 119614 552 70803
Fonte: 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
116
PTM 95 - Matriz de viagens diárias por municípios - 1995
Todos os motivos - modos motorizados
Município Destino
Município Origem D. de Nova Rio de S. S. J. de
Itaboraí Magé Nilópolis Niterói Paracambi
Caxias Iguaçu Janeiro Gonçalo Meriti
D. de Caxias 227.180 196 3433 5507 1430 25316 0 85989 2398 14893
Itaboraí 196 43516 1019 0 8138 20 0 8847 8501 0
Magé 4160 1019 41318 0 2581 1013 0 18620 1379 27
Nilópolis 3949 0 0 23758 0 13494 0 19844 0 2800
Niterói 1396 8137 3308 20 274870 2121 0 68433 115098 2601
Nova Iguaçu 23487 20 1014 13465 2146 315037 5742 210715 967 40549
Paracambi 4160 1019 41318 0 2581 1013 0 18620 1379 27
Rio de Janeiro 86022 9390 21844 23539 71348 206891 4425 4743214 86554 86340
S. Gonçalo 2908 8499 1282 0 117262 456 0 82017 356953 146
S. J. de Meriti 14720 0 27 3580 1918 40961 0 88226 146 74637
Fonte: 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
117
PDTU 2005 - Matriz de viagens diárias por municípios - 2005
Todos os motivos - modos motorizados
Município Destino
Município
Origem D. de Nova Rio de S. J. de
Itaboraí Magé Nilópolis Niterói Paracambi S. Gonçalo
Caxias Iguaçu Janeiro 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).
118
1980
N.
Municípios Populacao IDH PIB IND empreg TrspOD1 TrspOD2 Trsp OD3 Trsp OD4
D. de Caxias 575.830 0,665 268614,1 32555 162597 148981 113 835
Itaboraí 114.542 0,551 48724,1 9318 2121 1388 0 1744
Magé 166.603 0,593 84848,2 7852 2304 651 82 290
Nilópolis 151.585 0,734 46982,4 12610 49177 19933 15 331
Niterói 397.135 0,769 202002,6 57580 75927 364121 835 0
N. Iguaçu 1.094.789 0,652 592484,7 84625 193440 57411 100 2050
Paracambi 30.310 0,640 5311,0 5043 7959 210 0 152
R. de Janeiro 5.090.723 0,759 2685859,0 2496001 7816345 7816345 2121 75927
S. Gonçalo 615.351 0,719 250282,3 55305 51828 286936 3054 124928
S, J. de Meriti 398.819 0,693 153894,7 41225 119614 70803 46 1008
1995
N.
Municípios População IDH PIB IND empreg TrspOD1 Trsp OD2 TrspOD3 TrspsOD4
D. de Caxias 697478 0,730 333397,6 115461 85989 227180 196 8137
Itaboraí 178279 0,708 30701,3 16801 8847 43516 0 1396
Magé 170573 0,701 46880,8 17786 17535 35326 946 2996
Nilópolis 160188 0,732 24513,0 15980 19844 23758 0 20
Niterói 448736 0,851 465466,9 145784 68433 274870 8138 0
N. Iguaçu 811326 0,735 279013,4 91067 129431 158615 20 472
Paracambi 38150 0,732 2099,7 5724 3273 9664 0 0
R.de Janeiro 5606497 0,819 7624859,0 2616882 4743214 4743214 8847 68433
S. Gonçalo 832849 0,761 237928,4 86761 82017 356953 8501 115098
S. J. de Meriti 434458 0,747 105105,2 55842 88226 74637 0 2601
2005
N.
Municípios Populacao IDH PIB IND empreg Con_eletric frota_auto frota_onib TrspOD1 Trsp OD2
D. de Caxias 840.903 0,797 399503,2 111797 922574 68700 2822 161946 376442
Itaboraí 216.657 0,785 32223,5 18555 236607 18705 1327 7277 51716
Magé 231.427 0,761 42595,1 14155 174936 13175 397 11607 57750
Nilópolis 151.049 0,794 17685,7 15281 150691 17610 370 28067 28736
Niterói 473.616 0,908 630273,1 147627 1062000 127129 2757 57424 224514
N. Iguaçu 829.999 0,806 208067,0 69493 1078599 69301 2113 94590 251774
Paracambi 42.936 0,829 6540,7 5694 47983 3282 57 1119 6645
R. de Janeiro 6.087.219 0,865 10563301,0 1883685 1,5E+07 1285345 22355 5095503 5095503
S. Gonçalo 958.786 0,829 265612,8 83032 982413 81676 2814 64058 372473
S. J. de Meriti 463.889 0,816 105629,5 41304 404972 41933 1376 90174 133350
N.
Municípios Populacao IDH PIB IND empreg Con_eletric frota_auto frota_onib TrspOD3 Trsp OD4
D.de Caxias 840.903 0,797 399503,2 111797 922574 68700 2822 982 10572
Itaboraí 216.657 0,785 32223,5 18555 236607 18705 1327 0 2364
Magé 231.427 0,761 42595,1 14155 174936 13175 397 197 284
Nilópolis 151.049 0,794 17685,7 15281 150691 17610 370 0 365
Niterói 473.616 0,908 630273,1 147627 1062000 127129 2757 17920 0
N. Iguaçu 829.999 0,806 208067,0 69493 1078599 69301 2113 0 2160
Paracambi 42.936 0,829 6540,7 5694 47983 3282 57 0 0
R.deJaneiro 6.087.219 0,865 10563301,0 1883685 1,5E+07 1285345 22355 8082 101929
S. Gonçalo 958.786 0,829 265612,8 83032 982413 81676 2814 39912 153410
S J.de Meriti 463.889 0,816 105629,5 41304 404972 41933 1376 0 2590
119
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
120