Vous êtes sur la page 1sur 130

ANÁLISE DAS RELAÇÕES ENTRE INDICADORES SÓCIOECONÔMICOS E

PADRÃO DE VIAGENS NA REGIÃO METROPOLITANA DO RIO DE JANEIRO


(RMRJ).

Vinícia Gomes Cardozo

DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS


PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS
À OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM ENGENHARIA DE
TRANSPORTE.

Aprovada por:

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

________________________________________________
Prof. Ronaldo Balassiano, Ph.D.

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

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

RIO DE JANEIRO, RJ - BRASIL.


ABRIL DE 2008.
CARDOZO, VINÍCIA GOMES.
Análise das relações entre indicadores
socioeconômicos e padrão de viagens na
Região Metropolitana do Rio de Janeiro
(RMRJ). [Rio de Janeiro] 2008.
X, 120 p. 29,7 cm (COPPE/UFRJ, M.Sc.,
Engenharia de Transporte, 2008)
Dissertação - Universidade Federal do
Rio de Janeiro, COPPE
1. Região Metropolitana do Rio de Janeiro
2. Planejamento de Transportes
3. Padrão de Viagens
I. COPPE/UFRJ. II. Título (série)

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.

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


dessa dissertação, principalmente, pela “muita paciência”, companheirismo e valiosa
colaboração em todos os momentos.

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


especial pelo empréstimo de material, a todos os seus funcionários e amigos que
caminharam comigo nesta jornada, como a D. Helena, Cláudia, Marli, Jane e todo o
pessoal. A turma do Lamipet: André e Luciano e companhia. E também a galera do
CEDOC: Reinaldo e Cássia.

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


Henrique, Andrei e a todos que conheci também no PET: Vladimir, Benar e Isolina.
Agradeço-lhes pelo respeito, apoio e carinho nos momentos de alegria e dificuldade.

Agradeço aos amigos que compreenderam a minha ausência em inúmeros eventos


em função do término da dissertação, como Luciana, Cíntia, Evandro, Renata,
Michele, Gleici, Luciano e Elisângela.

Ao CNPq pelo auxílio financeiro e a todos aqueles que não foram mencionados, mas,
que contribuíram de alguma forma para a concretização desse ideal.

iv
Resumo da Dissertação apresentada a COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M. Sc.).

ANÁLISE DAS RELAÇÕES ENTRE INDICADORES SÓCIOECONÔMICOS E


PADRÃO DE VIAGENS NA REGIÃO METROPOLITANA DO RIO DE JANEIRO
(RMRJ).

Vinícia Gomes Cardozo

Abril/2008

Orientador: Márcio Peixoto de Sequeira Santos


Programa: Engenharia de Transporte

Este trabalho envolve análise das relações entre desenvolvimento regional,


representado por indicadores socioeconômicos e padrão de viagens da Região
Metropolitana do Rio de Janeiro (RMRJ). O método consistiu na elaboração de alguns
modelos estatísticos de regressão para expressar a relação citada anteriormente,
considerando variáveis que pudessem indicar mobilidade sustentável e qualidade de
vida dos diversos municípios que compõem a Região Metropolitana estudada. Os
resultados obtidos mostraram, em parte, satisfatórios, mas não conclusivos, apontando
algumas orientações para pesquisas futuras.

v
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)

ANALYSIS OF THE RELATIONSHIP BETWEEN SOCIOECONOMIC


INDICATORS AND TRAVEL PATTERNS IN THE METROPOLITAN REGION
OF CITY OF RIO DE JANEIRO, BRAZIL.

Vinícia Gomes Cardozo

April/2008

Advisor: Márcio Peixoto de Sequeira Santos


Department: Transport Engineering

This research work involves the analysis of the relationships between regional
development, as represented by socioeconomic indicators, and travel patterns
characteristics within the Metropolitan Region of Rio de Janeiro City (RMRJ). Some
statistical regression models have been formulated attempting to express the above
mentioned relationship, considering variables related to sustainable mobility and quality
of life for the Rio de Janeiro population. The obtained results have appointed to some
satisfactory statistical relationships results, providing some guidance for future research
works in the same study area.

vi
ÍNDICE

Capítulo 1 – Introdução ................................................................................................................................... 1


1.1 Objetivo ........................................................................................................................ 3
1.2 Justificativa................................................................................................................... 4
1.3 Estrutura do trabalho .................................................................................................... 5
Capítulo 2 – Caracterização do Problema.................................................................................................... 7
2.1 Problemática do desenvolvimento urbano................................................................... 7
Capítulo 3 – Revisão Bibliográfica.............................................................................................................. 13
3.1 Configuração do centro urbano e transportes. ........................................................... 13
3.2 O Processo de planejamento....................................................................................... 17
3.3 Padrão de viagens ....................................................................................................... 18
Capítulo 4 – Área de Estudo: Região Metropolitana do Rio de Janeiro (RMRJ). ................................... 22
4.1 O desenvolvimento das Regiões Metropolitanas ....................................................... 22
4.2 A Região Metropolitana do Rio de Janeiro. ............................................................... 26
4.3 Área de Estudo e o Sistema de transportes................................................................. 33
Capítulo 5 – Procedimento Proposto ............................................................................................................ 42
5.1 Procedimentos iniciais................................................................................................ 42
5.2 Seleções de variáveis .................................................................................................. 45
5.3 Aquisição de dados..................................................................................................... 47
5.4 Técnicas estatísticas utilizadas ................................................................................... 48
5.5. Estrutura dos modelos matemáticos .......................................................................... 53
Capítulo 6 – Análise dos dados e Resultados................................................................................................ 55
6.1 Resultados dos valores obtidos das variáveis ............................................................. 55
6.2 - Modelo referente às viagens realizadas para o município do Rio de Janeiro .......... 56
6.3 - Modelo referente às viagens realizadas para dentro dos municípios considerados . 59
A variável “consumo de energia elétrica total” apresentou-se como a mais relevante. ... 61
6.4 - Modelo referente às viagens realizadas para Itaboraí (município com menor
valor de IDH no grupo selecionado). ............................................................................... 61
6.5 - Modelo referente às viagens realizadas para Niterói (município com maior valor
de IDH conforme o grupo de municípios selecionados). ................................................. 65
Capítulo 7 – Considerações Finais e Recomendações Futuras ................................................................... 76
Referências Bibliográficas ............................................................................................................................. 79
Bibliografia ..................................................................................................................................................... 83

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

1 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA O MUNICÍPIO DO


RIO DE JANEIRO

1.1 – ANO HORIZONTE DE 1980


1.2 – ANO HORIZONTE DE 1995
1.3 - ANO HORIZONTE DE 2005

2 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA DENTRO DOS


MUNICÍPIOS CONSIDERADOS

2.2 – ANO HORIZONTE DE 1980


2.3 - ANO HORIZONTE DE 1995
2.4 - ANO HORIZONTE DE 2005

3 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA ITABORAÍ


(MUNICÍPIO COM MENOR VALOR DE IDH)

3.1 – ANO HORIZONTE DE 1980


3.2 – ANO HORIZONTE DE 1995
3.3 – ANO HORIZONTE DE 2005

ix
4 - MODELO REFERENTE AS VIAGENS REALIZADAS PARA NITERÓI
(MUNICÍPIO COM MAIOR VALOR DE IDH)

4.1 – ANO HORIZONTE DE 1980


4.2 – ANO HORIZONTE DE 1995
4.3 – ANO HORIZONTE DE 2005

x
Capítulo 1 – Introdução

As sociedades atuais constituem um grande desafio para diversos cientistas,


planejadores e pesquisadores de diversas áreas, pois exigem um planejamento adequado
para a realização de suas atividades, para mobilidade de seus habitantes e circulação de
mercadorias. Em um país com uma grande extensão continental, como é o caso do
Brasil, esse desafio torna-se maior (SOUZA, 2005).

Segundo Mello (1975), os problemas que o país enfrenta com a adoção de modelos de
transporte, por exemplo, que não são adequados à realidade social e econômica
brasileira, privilegia alguns modos em detrimento de outros e dificultam ainda mais a
resolução dos problemas que surgem nos núcleos urbanos.

Os grandes centros urbanos brasileiros enfrentam muitos problemas estruturais de


ordem socioeconômica devido a sua grande área de influência. Dentre esses problemas,
se destaca o relacionado ao transporte, pois promove impactos, não somente na
economia dessas áreas centrais, mas, também, das cidades menores, que são articuladas
e dependentes desses núcleos urbanos.

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


desenvolvimento centrado no transporte rodoviário que provoca prejuízo no transporte de
pessoas e mercadorias. Essa adoção trouxe conseqüências negativas relevantes nos campos
energético (uso do petróleo) e ambiental (poluição), considerando que esse modo de
transporte, usado de forma generalizada, configura-se um obstáculo à qualidade de vida da
população dos grandes centros urbanos (ANTP, 2008).

Neste sentido, o desenvolvimento desses núcleos urbanos, assim como a realização das
atividades nos mesmos, está relacionado ao sistema de transporte e à evolução de sua
infra-estrutura. Desta forma, há a necessidade de coordenação entre políticas de uso do
solo e planejamento de transportes, devido à relação inerente entre esses dois elementos
(PITOMBO & KAWAMOTO, 2005).

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


mobilidade direcionada a essas áreas centrais, já que estas são as que concentram
1
investimentos, bens e os principais serviços. Esses deslocamentos ocorrem por vários
motivos como diversional, social e escolar, por exemplo, mas, principalmente, pelos
movimentos urbanos conhecidos como os de “casa-trabalho”, que são os que respondem
pela maior pressão sobre o sistema viário urbano.

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


deslocamentos. Os bloqueios de acessos, que interrompem a mobilidade, ocorrem
algumas vezes devido as correntes de tráfego conflitantes ou força de regulamento posto
em prática com finalidade de manter esses mesmos fluxos em movimento, mas, que não
cumpre o seu papel (GOMIDE, 2003).

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


apresentam tanto no âmbito social quanto econômico, através dos diversos tipos de
eventos associados à poluição, acidentes e congestionamentos, podendo comprometer a
saúde da população.

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


a outros fatores como um bom planejamento do solo urbano e distribuição de renda de
forma igualitária, por exemplo, possibilita o desenvolvimento da área onde vive parcela
crescente da população (SOUZA, 2005).

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


grande dificuldade de se encontrar soluções que acompanhem esta temática, juntamente
com os anseios da sociedade, assim como seus conflitos. Podendo as reivindicações
para uma melhor qualidade de vida, transportes e melhores moradias serem citadas
como exemplo.

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


possibilita a urbanização de áreas cada vez mais afastadas dos centros urbanos,
contribuindo assim para a segregação espacial, a dispersão das residências e das
atividades, levando à necessidade de deslocamentos mais longos e em maior número.
Conseqüentemente, isto promove maior dependência do automóvel e necessidade de
mais investimento em infra-estrutura viária (MACHADO, 2003).

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.

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


deixa em segundo plano as questões referentes ao transporte coletivo e aos
deslocamentos não-motorizados, marginalizando esses sistemas, dos quais depende a
população mais carente, o que contribui para aumentar a exclusão social.

1.1 Objetivo

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


socioeconômicos nos padrões de viagens dos municípios que compõe a Região
Metropolitana do Rio de Janeiro (RMRJ).

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


através da observação da correlação entre as variáveis socioeconômicas, que
caracterizam o desenvolvimento dos municípios da Região Metropolitana, com o
número de viagens originadas pelos mesmos, em direção ao município central, Rio de
Janeiro, tendo por base os padrões de viagens do transporte coletivo e do individual
rodoviário.

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


socioeconômico e de O/D (origem/destino) utilizando ferramentas estatísticas, como a
correlação, por exemplo, para a criação dos cenários.

O presente projeto é direcionado àqueles que pensam nas várias soluções para o
problema de transportes bem como os que procuram melhor entender essa temática.

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

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


tem um modelo o qual é excludente, pois, dentro dessa realidade não são consideradas,
as condições socioeconômicas da maioria da população, o que configuraria um modelo
de cidade ideal (GOMIDE, 2003).

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


indutora do desenvolvimento urbano. Porém, o objetivo “per si” não garante a redução
das diferenças sociais; pelo contrário, na prática, o planejamento de transporte tem
contribuído para o aumento da segregação sócio-espacial, ou seja, para o aumento da
exclusão social.

No Brasil, a privação dos mais pobres ao acesso dos serviços públicos de transporte
coletivo implica na queda da mobilidade urbana desse grupo populacional, restringindo
suas oportunidades de trabalho (procura por emprego, deslocamento para o trabalho),
suas atividades sociais e culturais (lazer, visita aos entes familiares e amigos) e o acesso
aos serviços sociais básicos (como educação e saúde), ou seja, implica desta forma, em
exclusão social. Além disso, a baixa mobilidade resultante contribui para o
agravamento do fenômeno da segregação espacial, principalmente dos residentes nas
periferias urbanas.

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


de renda, que também compõe a maior parte da força de trabalho, reside, na maioria das
vezes, nos municípios periféricos. E essa população não tem condições de morar nas
proximidades do local de trabalho, o qual, quase sempre, está localizado nas valorizadas
zonas centrais.

Os usuários residentes nas áreas mais afastadas, se comparado àqueles que moram no
município central, necessitam percorrer uma distância maior e gastam mais tempo para
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.

1.3 Estrutura do trabalho

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


seguir.

Capítulo 1 – Introdução

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


núcleos urbanos e como o sistema de transporte afeta esse crescimento. Serão
apresentados também os efeitos de alguns posicionamentos no sistema de transporte,
como a adoção do automóvel, assim como seus impactos na sociedade.

Capítulo 2 – Caracterização do Problema

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


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

Capítulo 3 – Revisão Bibliográfica

Os principais conceitos para maior esclarecimento do presente trabalho serão


apresentados neste item. Estes conceitos envolvem a área de transportes, além de outros
relacionados à geografia urbana.

Capítulo 4 – Área de Estudo

Busca-se a apresentação, mais detalhada, da área de estudo e como esta foi selecionada.
Neste sentido, será descrita a área a ser estudada, ou seja, a Região Metropolitana do
Rio de Janeiro. Será discutido o surgimento das Regiões Metropolitanas, além de
apresentar a relação dos sistemas de transporte com a área de estudo.

5
Capítulo 5 – Procedimento Proposto

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


pretende-se estruturar os procedimentos metodológicos para que seja verificada a
relação dos indicadores socioeconômicos com as viagens realizadas na RMRJ.

Capitulo 6 – Análise dos dados e Resultados

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


capítulo anterior. Busca-se apresentar, também, recomendações destinadas a trabalhos
futuros que possam servir de base a pesquisadores e interessados. Serão apresentadas,
após este capítulo, as fontes bibliográficas consultadas.

Capitulo 7 – Conclusões

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


conclusões que envolveram o presente trabalho.

6
Capítulo 2 – Caracterização do Problema

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


transporte.

2.1 Problemática do desenvolvimento urbano.

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


provocou o surgimento de conurbações – áreas contínuas a partir de um núcleo central,
em geral uma grande capital – modificando o aspecto inicial das cidades, que,
anteriormente, eram separadas por extensas áreas rurais.

A entrada dos automóveis nas áreas urbanas veio a alterar os hábitos da população com
relação aos meios de transporte (MELLO, 1984). Anteriormente à implantação da
indústria automobilística no país, havia uma predominância na utilização dos
transportes públicos, principalmente dos bondes. Podemos perceber, através de o texto a
seguir, a mudança ocorrida em relação às questões de transportes.

“A prioridade ao transporte coletivo em detrimento do


transporte individual mudou completamente o enfoque dado à
questão dos transportes urbanos desde a invenção do
automóvel até meados da década de 70, quando a crise do
petróleo mostrou a necessidade de economizar combustíveis
de origem fóssil. O transporte era mais associado ao trânsito,
à simples circulação dos veículos, que as suas funções
econômicas e sociais. Desse modo, toda prioridade era dada
aos automóveis. O transporte coletivo quando prejudicava o
trânsito dos carros, era até erradicado, como ocorreu, em fins
da década de 60, com os bondes elétricos em quase todas as
cidades brasileiras que os utilizavam” (Mello, 1984).

Neste contexto, à medida que os carros individuais necessitavam de mais espaço para a
sua movimentação, as administrações públicas restringiam a operação dos veículos
públicos em benefício dos privados, alternando a repartição modal e contribuindo para
que os transportes públicos fossem perdendo, ano a ano, a sua importância.
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).

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


áreas cada vez mais afastadas do núcleo urbano. Contribuindo, esse uso, para a
segregação espacial com dispersão das residências e das atividades, promovendo assim,
um crescimento urbano que levou a necessidade de deslocamentos mais longos e em
maior número (MACHADO, 2003).

Esse crescimento promoveu, principalmente, nas áreas periféricas dos grandes núcleos
urbanos, a incorporação de novas áreas que, sem planejamento, apresentaram uma nova
realidade diferente das áreas centrais, como a falta de equipamentos públicos e infra-
estrutura adequada, como loteamentos irregulares, por exemplo, (figura 01).

Figura 01: Loteamento irregular (Duque de Caxias).

Fonte: do próprio autor, (2008).

De acordo com Mello (1984), os efeitos negativos da aplicação do uso dos automóveis,
de forma generalizada, têm contribuído para aumentar os problemas sociais e
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.

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


promovido pelo Instituto de Pesquisa de Economia. Aplicada – IPEA e a Agência
Nacional de Transporte Público – ANTP, em 1998. Incluído no PNUMS – Política
Nacional de Mobilidade Urbana Sustentável, estima que são gastos 5 (cinco) bilhões de
reais, ao ano, com congestionamentos em 10 capitais pesquisadas, não divulgadas no
projeto citado.

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


inadequadas no trânsito acarretam quatro tipos de deseconomias:

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

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

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

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

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

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

atmosféricos.

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


como mencionado anteriormente, promoveu um desbalanceamento no transporte de
mercadorias e pessoas. Esse modelo de desenvolvimento torna-se inadequado, já que
contribui para deseconomias de grande impactos para sociedade, pois promove
impactos na base industrial e de serviços do país, considerando que a eficiência da
economia brasileira depende, em grande parte, do adequado funcionamento das redes
das cidades e de seus sistemas de transportes (ANTP, 2008).

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).

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


vans, que assumem um papel relevante no transporte de passageiros. Esse sistema
possui um grau de organização ainda precário, onde parcela regulamentada trafega com
veículos clandestinos. Os itinerários desses transportes são configurados segundo os
das linhas de ônibus convencionais, municipais e intermunicipais, competindo com
estes, pois atraem parcela da demanda que busca menor tempo de viagem, menor tarifa
e serviço porta a porta (PDTU, 2005).

Segundo PDTU (2005) o transporte ferroviário é uma solução eficaz para a mobilidade
dos grandes centros brasileiros, pois apresenta menor consumo de combustível, energia
e espaço viário por passageiros, assim como taxas muito menores de emissão de
poluentes do que as do transporte privado. Todavia, esse transporte não oferece serviço
de qualidade suficiente para atrair os usuários dos transportes individuais.

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


processo muito recente no Brasil como o caso do Metrô e dos Trens de Subúrbio do Rio
de Janeiro, trouxe melhorias, mas não recuperou o sistema ferroviário totalmente.
Considerando que este sistema, nos últimos cinqüenta anos, enfrentou problemas
estruturais e conjunturais decorrentes do processo histórico de construção de ferrovias
(RAMOS & WIDMER, 2003).

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


trens suburbanos, e integração, mesmo que ainda tímida, com ônibus e trem, tem
abrangência bem restrita, talvez devido ao alto custo de sua implantação.

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


expandiram a malha de ciclovias e faixas de tráfego para bicicletas. Contudo, na
maioria dos casos, como São Paulo e Rio de Janeiro, essas ciclovias têm sido utilizadas
primordialmente por usuários em viagens de lazer (MAIA et al, 2003).

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).

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


socioeconômica, ou seja, um novo arranjo urbano, conforme observado por Chiappero
(2003).

“O surgimento de uma nova estrutura urbana, onde o


desenvolvimento da periferia das cidades e o esvaziamento
das moradias no centro das mesmas, implicam uma nova e
necessária projeção de cobertura do sistema de transporte
para um melhor atendimento da população com poderes
aquisitivos distintos. Associado a esse fenômeno vem a
evolução natural da dinâmica econômica e demográfica das
cidades e a prevalência de atividades terciárias em detrimento
do setor secundário, o que implica também em novos
comportamentos e necessidades da mobilidade”
(CHIAPPERO, 2003).

Conclui-se que os atuais problemas que afetam o sistema de transporte, resultam das
mudanças, em diferentes momentos, geradas nas esferas econômica, social e até mesmo,
habitacional.

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


governamentais que, no caso do transporte, terminam por beneficiar modos como o
rodoviário, em detrimento do ferroviário.

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.

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


modalidades de alta capacidade, permitiu-se que os ônibus, e agora os transportes
alternativos, tomassem para si a função de transportadores de passageiros nas áreas de
expansão, promovendo ocupação do solo de forma desordenada e, muitas das vezes,
com baixas densidades e espalhadas ao longo do espaço urbano.

Favorecendo, desta maneira, o aumento das dimensões geográficas das cidades, bem
como a complexidade de sua administração. Considerando que são os grupos sociais
mais pobres que, sem poder aquisitivo suficiente para morar na área central, residem nas
áreas mais afastadas e fazem viagens longas e cansativas em ônibus ou vans
superlotadas. Neste sentido, acredita-se que a temática “transporte” é muito
significativa para a promoção da qualidade de vida da população brasileira.

12
Capítulo 3 – Revisão Bibliográfica

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


meio, está diretamente ligado ao sistema de transportes. Sendo assim, são necessárias
políticas de planejamento e uso do solo para atender a grande mobilidade direcionada a
essas áreas centrais, já que são estas as que concentram investimentos, bens e os
principais serviços.

3.1 Configuração do centro urbano e transportes.

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


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

A primeira caracterizando a ascensão da economia de serviços decorrente da


incorporação acelerada dos avanços tecnológicos da informática e das telecomunicações
e indicação de alguns de seus impactos sobre as viagens urbanas. A segunda
abordagem destaca a relação entre o modelo racional-funcionalista de cidades e as
premissas do modelo clássico do planejamento de transportes e o problema de sua
adequação ao planejamento dos transportes nas megacidades. A terceira aborda os
esforços históricos da economia e da geografia para a construção de modelos de
estrutura urbana, em que o problema da centralidade aparece como função direta das
relações espaços-temporais do sistema de mercado.

A visão do centro urbano, para Jorgensen (1998), está relacionada com indicadores
como a geografia dos deslocamentos urbanos e o crescimento do setor de serviços na
economia da cidade. Entretanto, o mesmo autor além de tratar do centro urbano em
seus estudos aborda também o tema “centralidade” que configura a influência que o
centro urbano promove em seu entorno.

Assim como Jorgensen (1998), Souza (2005) apresenta em seus estudos a temática
centralidade e centro urbano. Souza (2005) afirma que centralidade é a função e a
capacidade de uma cidade de oferecer bens e serviços para outros centros urbanos.
Contudo, este autor aborda o centro urbano de maneira distinta. Alguns centros urbanos,
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.

Como verificado no texto a seguir:

“O grande centro urbano capitalista é o lugar


privilegiado de ocorrências de um conjunto de processos
sociais, entre os quais a acumulação de capital e a reprodução
social têm importância básica. Estes processos criam funções
e formas espaciais, ou seja, geram atividades e suas
materializações, cuja distribuição espacial constitui a própria
organização espacial urbana... Estas relações se manifestam
geralmente através de fluxo de carga e descarga de
mercadorias, nos deslocamentos cotidianos entre áreas
residenciais e nos diversos locais de trabalho, até mesmo os
deslocamentos menos freqüentes como os de compras ou
laser no centro da cidade” (CORRÊA, 1994).

Segundo, ainda, o mesmo autor, os agentes sociais são grupos responsáveis pela
produção do espaço urbano através de suas ações acumuladas em diferentes períodos de
tempo. Eles transformam o espaço em que vivem devido aos seus anseios, da
acumulação de capital, das relações de produção, dos conflitos de classe, de suas
reivindicações e seus principais interesses. São classificados em cinco grupos: os

14
proprietários dos meios de produção, os proprietários fundiários, os promotores
imobiliários, o Estado e os grupos excluídos.

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


de áreas, densificação do uso do solo e muitas vezes, na incorporação de novos espaços
e na formação de novas periferias, assim como na transformação dos grandes centros.
Como será apresentado no texto a seguir:

“A complexa ação dos agentes sociais reflete, em


prática, onde se incluem um constante processo de
reorganização espacial que envolve, muitas vezes,
incorporações de novas áreas ao espaço urbano, densificação
do uso do solo, deteriorização de certas áreas, renovação
urbana, relocação diferenciada da infra-estrutura e mudanças
tanto no âmbito social e econômico de determinadas áreas”
(CORRÊA, 1994).

Contudo, com enfoque diferente de Corrêa (1994), Cadaval (2000) considera a visão da
organização urbana distorcida devido aos problemas que os grandes centros enfrentam.
Os crescentes engarrafamentos, os elevados índices de emissão de poluentes por
veículos, as altas taxas de mortalidade e invalidez por acidentes de trânsito são
manifestações que representam a mobilidade das pessoas nos grandes centros urbanos,
ou seja, um possível prejuízo para a qualidade de vida e na eficiência do meio social e
econômico.

Neste sentido, Mello (1984) afirma que a política governamental ordenada promove a
configuração urbana parecente com o processo de urbanização. O crescimento da
“urbe” de forma planejada faz com que todos sejam privilegiados, incluindo o setor
público, com menos gastos na resolução de problemas que surgiriam na ausência de
planejamento.

Concorda com Mello (1984), Corrêa (1994) no que se refere à configuração urbana ser
modificada através de decisões políticas, como se pode observar, a seguir, no texto.

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.

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


mobilidade, fortemente apoiado no transporte individual, promovem, indiretamente, a
conexão e incorporação de novas áreas levando a uma reorganização espacial e
possivelmente a maiores problemas devido à ausência de planejamento.

Desta forma, o abrigo de um número maior de pessoas nas cidades somado aos
processos descritos anteriormente são indutores do descontrole no processo de
urbanização. Esse pode ser considerado um fator predominante no surgimento de sub-
habitações, violência sob todos os aspectos, poluição e o aparecimento de periferias
desassistidas constituindo a segregação social e uma nova reorganização espacial.

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).

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


mecanismo que interfere no processo de formação da estrutura espacial urbana,
articulando as diversas formas e graus de intensidade com que se manifesta o fenômeno
da centralidade em um meio urbano.

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


abordagem mais ampla, não é apenas considerar a demanda derivada das atividades,
mas o planejamento de instalações e serviços para propiciar a mobilidade de residentes
e mercadorias e acessibilidade ao território.

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


acordo com o objeto de estudo ou área de atuação em um dado momento. E cada
processo com níveis, complexidades e propósitos distintos. Como os planejadores de
tráfego, por exemplo, que examinariam serviços alternativos diferentes dos planejadores
de transporte público (JORGENSEN, 2005).

A relação entre planejamento de transportes e uso do espaço urbano pode ser visto de
duas formas, segundo Mello (1975): a primeira, quando o transporte é em função do uso
do solo e a segunda, exatamente o inverso.

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


caso mais comum, a organização urbana, já foi consolidada, juntamente com os seus
problemas. Torna-se, assim, obrigatório ao planejador de transporte procurar buscar o
melhor arranjo distributivo de pessoas, mercadorias e áreas de estacionamento, por
exemplo.

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.

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


estruturas urbanas às necessidades de deslocamento, ou seja, o objetivo é buscar as reais
facilidades para a mobilidade da população.

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


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

Desta forma, o planejador buscaria planos que objetivassem o desenvolvimento


sustentável e a melhor qualidade de vida da sociedade.

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


planejamento se propunha a resolver problemas imediatos, equivalendo dizer que,
promovia soluções somente com o surgimento da necessidade, fazendo brotar viadutos e
vias elevadas a cada constatação de um congestionamento.

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


principalmente, seus impactos sobre a sociedade.

3.3 Padrão de viagens

Padrões de viagem estão associados às principais características qualitativas das


viagens, como por exemplo, dia da semana, período do dia que registram os maiores
números de viagens e distribuição de viagens, por exemplo.

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 .

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


viagens associadas às origens e destinos dos diferentes deslocamentos realizados pelos
indivíduos. Em seus estudos, esses autores utilizaram características dos destinos
escolhidos e das zonas da residência de cada um dos indivíduos analisados.

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


viagens na Universidade de Canterbury (Christchurch, Nova Zelândia) onde se
pretendia desenvolver estratégias para atrair os usuários de transporte individual e
incentivar o uso dos modos de viagens mais sustentáveis, como ônibus, bicicletas e o
modo “a pé”. Diferente do estudo citado anteriormente, Nicholson (2003) utilizou
como indicadores as escolhas modais de professores e estudantes ao invés de zonas, já
que o espaço geográfico, a universidade, já estava definido.

Portugal & Goldner (2003) afirmam que os estudos sobre o padrão de viagem auxiliam
na previsão de demanda gerada pelos grandes empreendimentos. Com estes estudos é
possível, por exemplo, estabelecer a viabilidade financeira desses empreendimentos
para dimensionar suas instalações, definir as necessidades de espaço viário e de serviços
de transportes.

Nesse sentido, a viagem pode ser considerada como um simples mecanismo físico para
se atingir um destino com objetivo de realizar determinada atividade, segundo
ICHIKAWA et. al (2002). Isso implica que o deslocamento pode ser considerado como
um subsistema de um subsistema maior, ou seja, o sistema de atividades das pessoas no
meio urbano.

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.

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


natureza do empreendimento, bem como das características socioeconômicas e da infra-
estrutura das áreas de influência e adjacentes do pólo gerador de viagens (PORTUGAL
& GOLDNER, 2003).

A maioria dos estudos sobre padrão de viagens tem como objetivo a pesquisa de PGVs .
E demonstram que um empreendimento, como um teatro ou escola, por exemplo, exerce
grande atratividade sobre a população, mediante a oferta de bens e serviços, gerando
elevado número de viagens.

De acordo com Pitombo e Kawamoto (2005), as políticas de uso de solo, assim como o
a estrutura urbana, podem influenciar comportamento relacionado às viagens. Tal
influencia, segundo os autores, são obtidas através da observação da correlação de
variáveis, que, de acordo com os modelos tradicionais de previsão de demanda por
transportes, são o número de viagens originadas em uma determinada área geográfica
(zona de tráfego) ou número de viagens atraídas à outra área geográfica, considerando
variáveis que incluíam população e empregos por zonas de tráfego.

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


vizinhança ou configuração urbana), rede de transporte e medidas de acessibilidade
afetam o comportamento de viagem em relação à escolha modal e padrão de viagens.

Dever ser considerado, como contribuição do presente estudo, que o núcleo urbano,
independente de seu tamanho, economia e índice demográfico, dever ser avaliado

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.

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


de viagem, pois interfere no deslocamento das pessoas, ou seja, na mobilidade da
população na execução de suas atividades. Considerando que muitas áreas foram
construídas antes da entrada efetiva dos transportes.

21
Capítulo 4 – Área de Estudo: Região Metropolitana do Rio de Janeiro (RMRJ).

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


entendimento, interpretação e avaliação dos resultados da pesquisa.

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


metropolitanas brasileiras e sua relação com os transportes. Esse item tem como
finalidade configurar uma base para que se possa entender a relevância do
desenvolvimento da RMRJ.

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


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

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


justificativa para a adoção da mesma.

4.1 O desenvolvimento das Regiões Metropolitanas

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


através da Lei Complementar nº. 14, de 8 de junho de 1973 e posteriormente pela lei
complementar nº. 20, de 1º de julho de 1974, para a inclusão da área metropolitana do
Rio de Janeiro. Essas áreas concentram, hoje, uma parcela maior da população
brasileira.

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


vezes, refletida pela acelerada urbanização, como no caso brasileiro. Possibilitando,
dessa forma, a criação de um processo de ocupação do solo profundamente
desordenado, à medida que são oferecidos loteamentos e assentamentos em regiões
distantes do núcleo central das cidades. Resultando no surgimento de grandes áreas
vazias ou de baixa densidade no interior da mancha urbana, favorecendo a especulação.

Mesmo sendo estas incorporações constituintes de necessidades básicas, fica


comprometido o abastecimento com equipamentos urbanos e serviços públicos nessas
22
novas e distantes áreas. No que se refere ao transporte coletivo urbano, torna-se mais
custoso ainda, pois reflete diretamente o diâmetro da malha viária.

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


redução da qualidade de vida dessa população que, em sua maioria, é de baixa renda e
as que mais sofrem o prejuízo desse crescimento desordenado, geralmente localizado
nas zonas periféricas.

Estudo promovido pelo Ministério das cidades, em 2004, com dados coletados da
Agência Nacional de Transporte Público – ANTP do ano de 2000 e Política Nacional de
Mobilidade Urbana Sustentável – PNMUS, apresenta a distribuição de modos de
transporte nas Regiões Metropolitanas brasileiras, segundo a sua utilização, como visto
a seguir:

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


Metropolitanas Brasileiras.

Percentual de Utilização dos Modos de


Transportes.

Por bicicleta Motocicleta


7% 1%

A pé
44% Transporte
Coletivo
29%

Por automóvel
19%

Fonte: Adaptado da ANTP (2000)

Verifica-se que o modo “a pé” é o mais utilizado. Esse meio de locomoção, cerca de
44% (quarenta e quatro por cento), é predominante nas Regiões Metropolitanas
brasileiras. Segundo o relatório, quase 21 (vinte e um) quilômetros diários são feitos a
pé.

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


por cento) e 7% (sete por cento) respectivamente, são pequenos se comparados aos
outros modos. Entretanto, somando-se os percentuais desses meios de transportes,
motocicleta e bicicleta, com o de automóvel chega-se a um valor muito próximo ao
percentual da utilização dos transportes coletivos.

O transporte coletivo, de acordo com a figura 02, é responsável por 29% (vinte e nove
por cento) da utilização dos modos de transportes. Comparando-se esse modo com
outros, como “a pé”, por exemplo, percebe-se a necessidade de políticas públicas para
melhor atender a população, seja por redução de tarifas ou por oferecer serviço de
melhor qualidade.

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


de viagens diárias nas áreas urbanas brasileiras, sendo a maioria delas, cerca de 94%
(noventa e quatro por cento), realizadas por ônibus e os 6% (seis por cento) restantes
pela rede metro-ferroviário.

Dessas viagens, 80% são de ônibus e estão concentradas na Região Metropolitana bem
como metade da frota de veículos circulantes de todo o país.

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


comparada com outras regiões metropolitanas do país, como a de Vitória, Recife e São
Paulo, como mostra na figura 03, a seguir:

24
Figura 03: Divisão Modal entre algumas Regiões Metropolitanas do Brasil.

Fonte: Adaptado do PDTU (2005).

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


metropolitana de Recife, é consideravelmente maior se comparada às outras regiões
metropolitanas. Na mesma figura apresentam-se, também, os índices dos modos não
motorizados (a pé e bicicleta) que são muito semelhantes, sendo que a região
metropolitana paulista apresenta maior índice de viagens pelo modo individual.

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


transportes, com finalidade de elevar a qualidade de vida da população, apresentando,
também, o quanto é prejudicial para a sociedade os congestionamentos nos grandes
centros urbanos.

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


fazendo com que haja o crescimento desordenado e a deterioração da mobilidade.
Problemas que são um desafio para a promoção do deslocamento diário da população às
suas diversas atividades nessas regiões. E neste contexto está inserida a Região
Metropolitana do Rio de Janeiro (RMRJ).

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).

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


Fundação para o Desenvolvimento da Região Metropolitana do Rio de Janeiro (RMRJ)
– FUNDREM. E essa nova região formou-se a partir de agregação de treze municípios
do antigo estado do Rio de Janeiro e do extinto estado da Guanabara.

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


exclusão do município de Petrópolis, que passou a fazer parte da Região Serrana em
1990, a do município de Maricá, que em 1991 foi incluído na Região das Baixadas
Litorâneas, e dos municípios de Itaguaí e Mangaratiba que juntamente com Angra dos
Reis e Parati passaram a formar uma nova região a da Costa Verde, pela lei
complementar nº. 105 de 04/07/2002.

Foram incluídos, também, novos municípios como Belford Roxo, Queimados, Japeri e
Mesquita que se emanciparam de Nova Iguaçu, os dois primeiros nos anos de 1990 e,
1993 e 1999 respectivamente os dois últimos; também o município de Guapimirim que,
em 1990, se desmembrou de Magé; No ano de 1995, Tanguá tornou-se município
deixando de ser um distrito de Itaboraí, e o mesmo ocorreu com Seropédica que, em
1996, deixou de fazer parte de Itaguaí, como descrito na tabela a seguir:

26
Tabela 01: Municípios emancipados incluídos na RMRJ.

Município de Origem Município Emancipado Data


Nova Iguaçu Belford Roxo 3 de abril de 1990
Magé Guapimirim 25 de novembro de 1990
Nova Iguaçu Queimados 21 de dezembro de 1990
Nova Iguaçu Japeri 2 de dezembro de 1993
Itaboraí Tanguá 28 de dezembro 1995
Itaguaí Seropédica 12 de outubro de 1996
Nova Iguaçu Mesquita 25 de setembro de 1999
Fonte: Cardoso et al, 2005.

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


municípios: Belford Roxo, Duque de Caxias, Guapimirim, Itaboraí, Itaguaí, Japeri,
Magé, Mangaratiba, Maricá, Mesquita, Nilópolis, Niterói, Nova Iguaçu, Paracambi,
Queimados, Rio de Janeiro, São Gonçalo, São João de Meriti, Seropédica e Tanguá,
sendo que, os municípios, Maricá, Itaguaí e Mangaratiba, são excluídos e utilizados para
fins estatísticos pelo IBGE. Representa essa região metropolitana, neste sentido, a
segunda maior do país, (CATÃO & SARTORI, 2001).

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

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

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.

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


metrópole fluminense, segundo Ribeiro (2000). Este município possui características
particulares no que se refere à economia, política, social e cultura, além de abrigar
54,5% (cinqüenta e quatro e meio por cento) da população da metrópole, segundo o
IBGE (1996).

A Região Metropolitana do Rio de Janeiro apresenta uma estrutura urbana


polinuclearizada com a convergência espacial de variadas atividades e de diferentes
padrões urbanísticos, arquitetônicos, sociais e uso de solo diversificado (PDTU, 2005).

Outra característica marcante dessa área é o desnível do padrão de renda entre suas
diferentes localidades. Considerando a cidade do Rio de Janeiro, como uma das mais
altas rendas per capita do Brasil, e a Baixada Fluminense como um dos mais baixos
padrões de renda. (MELLO, 1984).

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


urbanização e de valorização dos terrenos em áreas situadas centralmente e com boa
infra-estrutura configurando segregação social. E nos estudos, de segregação no Rio de
Janeiro, pode-se destacar Lago (2000):

No Rio de Janeiro, a análise do processo de


segregação social foi o centro das preocupações de várias
pesquisas sobre a estrutura interna do espaço metropolitano.
Nesse campo, foi pioneiro o estudo de Brasileiro (1976), por
apresentar uma caracterização geral da organização
metropolitana do Rio de Janeiro e por inaugurar uma
categorização analítica dos seus espaços residenciais (a saber,

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).

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

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

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.

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


tendências de expansão como Guapimirim, Maricá e Itaboraí. Contudo, alguns
municípios mesmo demonstrando altas taxas de crescimento têm pouco peso relativo na
composição da população metropolitana. As populações dos municípios da periferia
metropolitana que mais cresceram sua posição relativa foram a de Duque de Caxias e de
São Gonçalo.

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


Área da metrópole Descrição das áreas (Regiões Administrativas/Municípios)
Zona Sul –
Botafogo, Copacabana, Lagoa, Barra da Tijuca e Rocinha.
Município do Rio de

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

Portuária, São Cristóvão, Ramos, Inhaúma, Ilha do Governador,


Subúrbio próximo
Jacarezinho, Complexo do Alemão e da Maré.
Subúrbio distante Penha, Irajá, Anchieta e Pavuna.
Zona Oeste Bangu, Campo Grande, Santa Cruz e Guaratiba.
Madureira - Jacarepaguá Madureira e Jacarepaguá.
Nilópolis, São João de Meriti, Duque de Caxias, Magé e
Periferia Metropolitana I
Municípios da

Guapimirim.
RMRJ

Periferia Metropolitana II Niterói e Maricá.


Periferia Metropolitana III São Gonçalo, Itaboraí e Tanguá.
Belford Roxo, Nova Iguaçu, Japeri, Queimados, Paracambi,
Periferia Metropolitana IV
Seropédica, Itaguaí e Mangaratiba.
Fonte: Ribeiro (2000) apud PNAD´s em parceria com IPEA.

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


litorânea e em seu entorno, sobretudo em razão das desigualdades sócio-espaciais,
expressam a redistribuição da população entre núcleo e periferia metropolitana. Este
panorama mostra o núcleo da Região Metropolitana, principalmente as zonas litorâneas
dos municípios do Rio de Janeiro e de Niterói, como áreas de segmentos superiores de
estrutura social devido à concentração de equipamentos e serviços urbanos em
quantidade e qualidade, contrastando com a periferia que possui uma gama inferior de
serviços prestados.
30
Contudo, é importante frisar que mesmo na área de segmentos superiores, como área da
zona sul do município do Rio de Janeiro, por exemplo, há presença de favelas que
representam espaços populares e operários. Encontra-se também na periferia uma
grande diversificação, onde há áreas com população com melhor poder aquisitivo
contrastando com áreas com população mais pobre.

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


Oeste, o município do Rio de Janeiro, no geral, vem perdendo posição em relação à
RMRJ, apesar desta perda ter se reduzido na primeira metade da década de 90.

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


uma menor taxa anual de crescimento e uma grande inflexão no ritmo do crescimento
demográfico, apesar de apresentar, na primeira metade da década de 90, uma
desaceleração no ritmo de perda.

Aspectos Socioeconômicos:

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


decréscimo, desde as décadas de 1950 e 1960, que representava uma taxa de
crescimento de 52,2% sendo que no período de 1960 e 1970, a mesma caiu para 42,3%.
Quando se considera apenas o município do Rio de Janeiro percebe-se que os valores
são 36,6% e 30,9%, respectivamente no mesmo período. Esse fenômeno pode ser
atribuído a perda de atratividade da região para os fluxos migratórios em função da
transferência da capital para Brasília.

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


sendo que, residiam no município central cerca de 45 % da população do Estado. A
concentração de perto de 62% (sessenta e dois por cento) do parque industrial da capital
lhe dá uma predominância econômica sobre os outros municípios da RMRJ.

Sob aspectos econômicos deve-se considerar a RMRJ antes de sua formação. A fusão
do extinto estado da Guanabara com o estado do Rio de Janeiro, por exemplo, tinha
como objetivo diminuir as disparidades econômicas entre capital e interior.

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.

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


econômica e aumento da desigualdade social. O Estado e empresas, neste período,
buscaram mecanismos para integração da economia brasileira com o mercado mundial.
Neste sentido, um grande contingente de trabalhadores urbanos, com baixa qualificação,
foi excluído do mercado de trabalho.

Todavia, OLIVEIRA (2003) acredita que a década de 80, apesar de sua estagnação
econômica, é um período de mudanças. Antes, o processo de crescimento regional ou
local, por exemplo, era explicado pela concentração de grandes empresas. Na busca de
recuperação, as estruturas produtivas passaram a procurar por novas bases e novas
relações.

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


externos e a integração, assim como, a estabilização da moeda com a adoção do “Real”
trouxe um crescimento pequeno se comparado aos padrões internacionais. O chamado
“crescimento sem emprego” era configurado pela elevada produtividade industrial, com
o aumento lento, mas constante, do setor terciário sob o comando do capital financeiro
em escala mundial (OLIVEIRA, 2003).

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


Ocorre a consolidação da desfragmentação das empresas líderes, que buscam o interior,
fugindo das deseconomias urbanas. Neste sentido, buscou-se um conjunto de relações,
as chamadas “parcerias”, entre governos, universidades, sindicatos e empresas,
compondo um novo papel para o município central, o de integrador.

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


econômica através dos impactos das transformações industriais, principalmente no

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.

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


2005, através de novas formas de integração com o território. As buscas por parcerias
juntamente com o uso estratégico de sistemas técnicos de comunicação e informatização
resultaram em novas relações, como no setor econômico, por exemplo, com uma maior
integração do setor industrial com o financeiro. Neste sentido, houve uma maior
integração de diferentes espaços através da tecnologia.

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


economia, em 2005, com uma significativa recuperação da renda e emprego formais. O
PIB per capita cresceu 3,76% e a renda 2,9% neste período, se comparado ao ano
anterior. Esses resultados foram reflexos do acelerado crescimento da economia
brasileira e bom desempenho dos setores mais dinâmicos da economia, o metal-
mecânico, o extrativo mineral, o de produção alimentício e de bebidas e o de turismo
(CIDE, 2008).

4.3 Área de Estudo e o Sistema de transportes

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


periferia, ou seja, de um processo através dos séculos da expansão de uma cidade
“central” no sentido de absorção gradativa dos espaços periféricos.

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


região e que configuram os principais corredores de transporte. O início da urbanização
da cidade do Rio de Janeiro, principalmente seu centro urbano, foi influenciado pelos
bondes, introduzidos no Brasil em 1856, ainda com tração animal e em 1892, com
tração elétrica.

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


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

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).

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


tecido urbano durante a década de 70. O crescimento urbano acompanhou os principais
eixos ferroviários e as vias de acessos, na modalidade rodoviária e ferroviária. No
município do Rio de Janeiro a mancha urbana se expandiu da zona suburbana em
direção a Paracambi e Nova Iguaçu, se desenvolvendo ao longo da Rodovia Presidente
Dutra, além de acompanhar a ferrovia que liga o Rio de Janeiro a São Paulo. O mesmo
ocorreu com a Rodovia Washigton Luís e a Estrada de Ferro Leopoldina que envolve o
município de Duque de Caxias.

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


principal do setor, mas de forma inadequada. Cabe ressaltar que esses modos se
caracterizaram por promoverem uma ocupação do espaço mais espraiada, de difícil
organização e controle devido à falta de planejamento, conseqüentemente causando a
dispersão das atividades socioeconômicas. Este processo contribui, de forma
significativa, para restrições aos deslocamentos de parte da população mais pobre
fazendo com que esta busque morar próximo aos centros com mais oportunidades de
trabalho e serviços.

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


para a formação de comunidades excluídas de equipamentos urbanos e serviços básicos
ocasionando uma perda da qualidade de vida. Considerando também que é um
desperdício a subutilização da infra-estrutura ferroviária enquanto que corredores
rodoviários operam congestionados.

34
Figura 06: Representação da Área de Estudo.

Fonte: do próprio autor, base de dados (1998).

Sendo assim, a crise de mobilidade instalou-se na RMRJ independente das causas do


crescimento desordenado e descontrolado das cidades brasileiras. A mobilidade urbana
ficou cada vez comprometida, e os seus índices, principalmente da população de baixa
renda, foram sendo reduzidos. Os planejadores se encontram em uma difícil missão que
é a de tentar organizar o tecido urbano e buscar adequá-lo ao acelerado processo de
urbanização, orientado pelo paradigma de mobilidade centrado no transporte individual
(GOMIDE, 2003).

Nesse trabalho, a área de estudo (figura 06) compreende os municípios que fazem parte
da RMRJ, desde a década de 80 até os dias atuais e são: Duque de Caxias, Itaboraí,
Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, Rio de Janeiro, São Gonçalo e São
João de Meriti.

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


Japeri, Mesquita, Queimados, Seropédica e Tanguá, pois esses passaram a integrar a
RMRJ após 1980. Os municípios de Itaguaí, Mangaratiba e Maricá foram excluídos da
35
RMRJ em 2002, 2001 e 2002 respectivamente, e sendo assim, também retirados do
presente estudo.

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


município na RMRJ nos períodos estudado, ou seja, desde o ano de 1980 até 2005, a
fim de obter-se uma classificação homogênea.

Algumas mudanças ocorreram na RMRJ, na década de 80, sendo inseridos sete novos
municípios. Considerando os municípios da área de estudo tem-se Nova Iguaçu, por
exemplo, que teve desmembrado, de seu território, quatro distritos que se emanciparam:
Japeri, Queimados, Belford Roxo e Mesquita. O município de Itaboraí perdeu território
para Tanguá, que se emancipou em 1996, o mesmo ocorreu com Magé que deu origem
a Guapimirim, em 1990.

Neste sentido, Nova Iguaçu foi o município que apresentou queda em alguns
indicadores, como o populacional, por exemplo, possivelmente devido as emancipações
dos seus distritos, como mencionado anteriormente. A tabela a seguir apresenta o
número populacional da área de estudo.

Tabela 03: População dos Municípios da Área de Estudo:

População
Municípios
1980 1995 2005
RJ - Duque de Caxias 575.830 697478 840.903
RJ - Itaboraí 114.542 178279 216.657
RJ - Magé 166.603 170573 231.427
RJ - Nilópolis 151.585 160188 151.049
RJ - Niterói 397.135 448736 473.616
RJ - Nova Iguaçu 1.094.789 811326 829.999
RJ - Paracambi 30.310 38150 42.936
RJ - Rio de Janeiro 5.090.723 5606497 6.087.219
RJ - São Gonçalo 615.351 832849 958.786
RJ - São João de Meriti 398.819 434458 463.889
Fonte: Ipea (2007).

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


estudados Rio de Janeiro, Nova Iguaçu e São Gonçalo os que possuíam maior número
populacional. Nova Iguaçu apresentou uma queda muito grande em 1995, devido aos

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.

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


destacado outros Municípios, como Niterói que se destacou nos três anos estudados, por
exemplo, com o maior valor. Os municípios de Itaboraí e Magé foram os que, durante
os anos estudados, apresentaram os menores índices (figura 07).

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

IDH dos Municípios da Área de Estudo.

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


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

e

io

Jo
u

R
uq

o
D

1980 1995 2005

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.

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

Viagens com destino Rio de Janeiro (%)


Municípios 1980 1995 2005
Duque de Caxias 24,5 17,1 28,3
Itaboraí 0,3 1,8 1,2
Magé 0,3 3,5 2,1
Nilópolis 7,4 3,9 5,1
Niterói 11,4 13,6 15,4
Nova Iguaçu 29,1 25,7 16,8
Paracambi 1,2 0,6 0,2
Rio de Janeiro 0 0 0
São Gonçalo 7,8 16,3 12,8
S. J. de Meriti 18,0 17,5 18,2

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

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

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.

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


apesar do desmembramento devido às emancipações, continuou destacando-se com
25,7% das viagens realizadas para o município do Rio de Janeiro, sendo que o segundo
município foi São João de Meriti que com 17,5% ultrapassou Duque de Caxias que
neste período apresentou 17,1%.

Vale ressaltar que o município São Gonçalo com 16,5% teve uma participação
significativa, que possivelmente refletiu no município de Itaboraí que antes, no ano de
1980, participava com 0,3%, nesse ano, o de 1995, participou com 1,8. Paracambi, com
0,6%, teve menor participação de todos os municípios estudados.

Figura 09: Representação das Viagens para o Município do Rio de Janeiro em 1995.

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

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.

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


40
A posição geográfica privilegiada, e em alguns casos estratégica de alguns municípios
em relação ao município central pode influenciar no percentual de viagens. Neste
sentido, um município mais distante da área central, como Paracambi, por exemplo,
tende a recorrer a sub-centros, ou seja, possivelmente a um município que possua uma
economia mais diversificada e mais elevada. Enquanto os que estão mais próximos da
área central tendem a utilizar esse município como seu centro de referência.

41
Capítulo 5 – Procedimento Proposto

Este capítulo irá apresentar a metodologia desenvolvida no presente projeto. Serão


descritos os procedimentos promovidos para relacionar os indicadores socioeconômicos
e os de transportes da Região Metropolitana do Rio de Janeiro. Serão expostos os
procedimentos iniciais, os critérios utilizados para a construção do banco de dados, para
a escolha das variáveis e o método estatístico utilizado.

5.1 Procedimentos iniciais

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


levantamento bibliográfico. A segunda fase consistiu em uma análise documental, onde
foram verificados os conceitos que envolvem configuração urbana, planejamento de
transporte e padrão de viagem. Procurou-se, posteriormente, selecionar a área de estudo,
a princípio a RMRJ, dentro do objetivo que foi proposto. Na quarta etapa, buscaram-se
as variáveis e dados que pudessem explicar a evolução do padrão de viagem da área
estudada. A etapa seguinte foi a geração do banco de dados e o tratamento do mesmo
através da estatística e criação de modelos. Após esta fase, realizou-se a análise dos
mesmos.

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


inúmeros fatores como a crise nos transportes públicos, por exemplo, fez com que
estudos relacionados ao planejamento dessa área fossem elaborados desde a metade da
década de 60. Esses planos que tinham como objetivo promover estudos sistêmicos
para o transporte público de passageiros, serão mencionados a seguir:

• Linhas Policromáticas – Plano Doxiadis (1965)


• Plano Integrado de Transporte – PIT Metrô/RJ (1975/1979);
• Modelo Gravitacional Multimodal – Metrô/RJ (1994);
• Plano de Transporte de Massa da RMRJ – PTM/Prefeitura da cidade do Rio de
Janeiro e empresa municipal de informática e planejamento – PLANRIO
(1990/1995);
• Pesquisas Origem / Destino – Detran/RJ (1996/1997);

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).

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


viabilização de estudos posteriores. Entretanto, devido a problemas de aquisição de
dados, o presente projeto baseou-se apenas nos dados de três pesquisas Origem-Destino
(O-D), descritas a seguir:

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


1975-1979. Suas matrizes de viagem foram geradas por meio de pesquisas de campo,
ou seja, de entrevistas domiciliares e de origem-destino, realizadas pelo Metrô do Rio
de Janeiro, no biênio de 1975 a 1976, em todos os modos de transporte da RMRJ. São
apresentadas nesse plano de transporte deslocamentos domicílio-trabalho.

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


municípios periféricos a este foram estabelecidos como unidades básicas, ou seja,
setores de tráfego na divisão em zonas. E essas zonas foram estabelecidas a partir de
critérios básicos como o número diário de viagens geradas por cada uma delas. Da
decomposição destas unidades foram delimitadas 280 zonas de tráfegos.

O PIT/METRÔ apresentou, neste sentido, trinta e oito setores de tráfego e destes, vinte
e quatro correspondiam às Regiões Administrativas existentes no município do Rio de
Janeiro (SOUZA, 1981).

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


1995 pela prefeitura da cidade do Rio de Janeiro em conjunto com a empresa municipal
de informática e planejamento – PLANRIO. Obteve as suas matrizes de viagem através

43
de pesquisa de campo junto a terminais rodoviários, pesquisas domiciliares e contagem
de tráfego (volumétricas e seletivas).

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


em: deslocamentos não motorizados, onde se incluem os “a pé” e “em bicicleta” e;
deslocamentos motorizados que incluíam automóveis (contagem por veículos) e
coletivos (contagem por pessoas).

O PTM construiu suas matrizes, em nível municipal e em nível zonal, para os picos da
manhã, da tarde e vinte e quatro horas.

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


Desenvolvido pelo governo do Estado por intermédio da Secretaria de Estado de
Transporte e da Companhia Estadual de Engenharia de Transporte e Logística –
CENTRAL. Contudo, para a realização de sua pesquisa Origem-Destino (O-D) foi feito
um novo zoneamento, que resultou em 483 (quatrocentos e oitenta e três) zonas da
RMRJ, assim como, um plano amostral que resultou em 34.000 (trinta e quatro mil)
entrevistados. Foram coletados vários dados, tais como os modos de realizações das
viagens (como ônibus, carro, a pé, por exemplo) e características das famílias.

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


de 2004. E apresentou um relatório de avaliação de estrutura dos serviços de
transportes na RMRJ através da análise dos diversos componentes do modelo vigente na
prestação dos serviços de transportes.

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


acompanharam as profundas transformações ocorridas na RMRJ, já que, não foram
atualizados e nem ofereciam opções para serem reabastecidos com novos dados e
informações. Esses projetos não consideram o crescimento observado nos bairros da
Zona Oeste, por exemplo (SECTRAN, 2007).

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


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

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).

5.2 Seleções de variáveis

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


de padrão de viagem promovido na RMRJ. Contudo, a falta de padronização da
metodologia empregada, de algumas variáveis, pelos órgãos públicos ou até mesmo pela
falta de dados, prejudicou a proposta inicial. Essa proposta tinha como objetivo,
também, analisar por todos os modos de transporte, particularmente trem, metrô, ônibus
e automóveis, mas a proposta foi inviabilizada devido aos problemas mencionados
anteriormente. A tabela, a seguir, apresenta as variáveis e os anos em que seus dados
estão disponíveis.

Tabela 05: Disponibilidade das variáveis pesquisadas.


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

Neste sentido, buscaram-se indicadores socioeconômicos que pudessem oferecer


elementos esclarecedores sobre o sistema metropolitano para a construção de um
parâmetro de desenvolvimento da área de estudo e, que atendessem os conceitos básicos
45
da econometria para a análise dos dados. Cabe ressaltar, que foram utilizadas as
variáveis consideradas pela literatura específica de transporte, como frota de ônibus e
frota de automóveis, assim como indicadores socioeconômicos, como população, PIB –
Produto Interno Bruto e IDH – Índice de Desenvolvimento Humano, por exemplo.
Essas são variáveis que podem auxiliar na identificação dos elementos constituintes e
formadores do comportamento humano e que caracterizem o espaço de circulação.

Os municípios da RMRJ, segundo pesquisas realizadas em anuários estatísticos,


configuraram um segundo problema. Entre o período de 1980 até o período atual,
alguns municípios deixaram de fazer parte, enquanto que outros ingressaram na RMRJ,
como foi o caso de Petrópolis, que fazia parte dessa região e agora participa da região
Serrana. Optou-se, neste sentido, por selecionar os municípios que constituíam a RMRJ
desde o primeiro ano (1980) até o último (2005) e formou-se assim, um grupo de dez
(10) municípios. E são eles: Duque de Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova
Iguaçu, Paracambi, Rio de Janeiro, São Gonçalo e São João de Meriti.

A variável população foi utilizada na modelagem estatística e foi um dos indicadores


que não exigiu interpolação para a obtenção de dados nos três períodos estudados, já
que estavam disponíveis pelo IBGE.

O indicador “consumo de energia elétrica total” abrange todos os segmentos que


consomem energia elétrica, como indústria, comércio, serviços e residências, por
exemplo.

Essa variável foi considerada um indicador que poderia explicar as viagens realizadas
dentro da RMRJ, por oferecer uma indicação de nível de desenvolvimento dos
municípios no que se refere à infra-estrutura.

A variável “número de empregados total” é o somatório de empregados de todos os


setores (industrial, comercial e serviços). Esse indicador foi utilizado por ser um
indicador que permite verificar a atratividade, ou seja, o quanto essa variável influencia
os padrões de viagens entre municípios, dentro dos mesmos, ou ainda, em relação ao

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.

5.3 Aquisição de dados.

Utilizou-se para aquisição dos dados, fontes oficiais e dados secundários como os do
IBGE – Instituto Brasileiro de Geografia e Estatística, e do IPEA – Instituto de Pesquisa
Econômicas Aplicadas, por exemplo. Para a obtenção de uma amostra homogênea
optou-se por utilizar os dados referentes aos períodos de planos de transporte que
tinham como objetivo o levantamento de dados e criação de matrizes de Origem e
Destino O/D como o Plano de Integração de Transporte - PIT, no período 1980; o Plano
de Transporte de Massa – PTM, de 1995 e, o Plano de Desenvolvimento do Transporte
Urbano – PDTU, de 2005 que resultou no trabalho sobre número de viagens realizadas
no Estado do Rio de Janeiro.

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.

Os modelos matemáticos foram executados segundo técnicas estatísticas e, baseados em


trabalhos com diferente enfoque, mas, com procedimentos semelhantes, como as
pesquisas desenvolvidas por Bayerl (2006) e Lemos (2005) enfocando as regiões do
Brasil e o município do Rio de Janeiro, respectivamente.

5.4 Técnicas estatísticas utilizadas

O método estatístico adotado deve levar em conta o número de variáveis utilizadas neste
trabalho e descrever as relações entre as mesmas.

O método que se deseja trabalhar é aquele onde as variáveis possam ser relacionadas.
Como por exemplo, a representação em um diagrama de dispersão (scatter plot), se
considerada duas variáveis, “X” como a independente e “Y” considerada a dependente.
Com os valores yi na ordenada e xi na abscissa, sendo que cada par de valores xi e yi
fornecerão um ponto.

O método mais comum adotado, neste caso, é análise de regressão linear simples que
testa a hipótese de que existe uma relação entre uma variável dependente Y e pelo
menos duas variáveis independentes e fornece a equação de uma reta:

Yi = αi + βxi + ξi. (1)

Onde:
Yi = variável dependente;
48
xi = variável independente;
α e β = parâmetros da regressão; e
ξ = perturbação estocástica.

E pode ser simplificada, segundo Bayerl (2006), da seguinte forma:

yi = a + bx (2)
Onde:
a = coeficiente de interseção do eixo y;
b= coeficiente que determina a inclinação da linha de tendência.

Os parâmetros α e β são coeficientes desconhecidos a serem determinados. O ξ,


perturbação estocástica, é a representação do resíduo ou o erro, ou seja, de toda a fonte
de variabilidade em Y não explicada por X. Sendo assim, será melhor a modelagem
quanto menor for o resíduo (ξ) e melhor será a modelagem de Y a partir do X
(LOURENÇO, 2004).

Entretanto, quando há envolvidas mais de duas variáveis, ou principalmente, quando


existe a necessidade da incorporação de outras variáveis no modelo com objetivo de
explicar o comportamento de Y. Ou quando há um maior enfoque na no termo ξ e não
na explicação oferecida pela variável X, busca-se utilizar, nesses dois casos, a regressão
linear múltipla expressa pela equação a seguir:
y = α0 + α1 x1i +...+ αm xmi + ε i (3)

Considerando:
α0 e α1 = coeficientes da regressão
ε i = resíduo.

A regressão linear múltipla é multivariada, pois mais de uma variável é medida


simultaneamente em cada observação, contudo, essa regressão não deixa de ser uma
técnica univariada, já que, o objeto de estudo é apenas em relação à variável dependente
(Y) e não o comportamento das variáveis independentes (X). Desta forma, deve-se
atentar a alguns procedimentos:

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):

Polinômios: Y = a+ b.X+ c.X2 + ... + d.Xn (acrescenta-se X2 ) (4)


Função exponencial: Ln Y= Ln a + b.Ln X (5)

Sendo que a variância total de Y é, uma parte, explicada pelas diversas variáveis
independentes (X) e o restante pela variabilidade devida ao erro.

• Devem-se evitar variáveis que tenham um alto coeficiente de correlação entre si: ou
seja, correlação entre as variáveis independentes. A regressão linear múltipla é um
método eficiente para as variáveis “comportadas”, ou que não apresentam
multicolinearidade.

A multicolinearidade ocorre quando duas ou mais variáveis independentes apresentam


correlação. Quando, por exemplo, duas variáveis X1 e X2 têm, aproximadamente, o
mesmo valor.

▪ Verificar os resíduos: necessário para a busca de valores anômalos;

▪ Número de casos: não utilizar um número inferior de casos em relação a número de


variáveis consideradas. Que tal relação seja da ordem de 10 (dez) a 20 (vinte) vezes
superiores.

Para verificar as hipóteses de que existe relacionamento linear entre as variáveis X e Y,


uma série de estatísticas equivalentes pode ser utilizada. Os principais parâmetros
estatísticos para as variáveis independentes usados para a regressão múltipla são (Yang,
apud Norusis, 1997):

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.

Estatística t: são os níveis de significância observados de t. Pequenos valores dos níveis


de significância (menores que 0,00005), associados com a inclinação, sustentam a
hipótese de que existe uma relação linear entre as variáveis. Este parâmetro indica o
quanto o fenômeno, padrão de viagem, por exemplo, é explicado pela variável
independente. Sabendo-se que, o termo “explicada” refere-se apenas a um significado
numérico, não introduzindo um conhecimento de causa-efeito sobre o motivo da relação
existente.

Quanto mais próximo de zero for o parâmetro t, significa que a variável independente
em análise é importante para a questão proposta. A hipótese a ser verificada consiste em
rejeitar H0 (b = 0, ausência de efeito), quando |t| > |tc|, ou aceitar H0, quando |t| ≤ |tc|
(Bayerl, apud Matos 2006).

As principais estatísticas utilizadas para a análise da variável dependente, de acordo


com Yang (1997), são:

Coeficiente de explicação ou determinação (R2): esse coeficiente indica a melhor


adequação entre a variável dependente e as variáveis independentes. Esta estatística
varia de 0 a 1 e, considera-se que quanto mais próximo de 1 (um) estiver o parâmetro,
melhor será a aderência da linha de regressão e que quanto mais próximo de 0 (zero),
pior a aderência. Um R2 próximo de 0 (zero) não significa, necessariamente, que não
exista associação entre as variáveis e, sim, pode indicar que existe uma relação não-
linear entre elas. E caso contrário, ocorrer R2 igual a 1 (um), todos os pontos observados
se posicionam muitos próximos ou sobre a reta de regressão, sendo o ajuste perfeito.

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.

▪ Estatística F: verifica o ajuste dos dados no modelo de regressão encontrado. Essa


estatística testa o efeito do conjunto das variáveis explicativas sobre a dependente, e
busca verificar se pelo menos uma das variáveis explicativas do modelo exerce
influência sobre a variável dependente, indicando assim, o quanto o conjunto de
variáveis independentes consideradas no modelo é importante para explicar o
fenômeno. Quanto mais próximo de 0 (zero) estiver este parâmetro, mais significantes
são estas variáveis. A hipótese a ser verificada consiste em aceitar H0 (b = 0, ausência
de efeito), quando Fc > F, ou rejeitar H0 (b = 0, ausência de efeito), quando F > Fc
(Bayerl, apud Matos 2006).

Foi necessária, também, a utilização das seguintes estatísticas: inexistência de erros,


heteroscedasticidade e a autocorrelação dos erros ou erro serial.

A hipótese da não existência de erros tanto no conjunto de dados coletados como na


metodologia utilizada é definida como “inexistência de erros”. A heteroscedasticidade é
utilizada para estimar modelos quando os resíduos não são homogêneos. A existência da
heteroscedasticidade implica em erros-padrões e incorreção dos testes t e F e dos
intervalos de confiança (MATOS, 2000). Será realizado o teste de Glejser, para detectar
a presença ou não do problema da heteroscedasticidade.

Segundo Matos (2000), a autocorrelação dos erros ou erro serial é a correlação entre
resíduos, ou seja, a dependência temporal dos valores sucessivos dos resíduos. A
ocorrência da autocorrelação interfere na variância, no erro-padrão dos parâmetros
relacionados, resultando, assim, em testes e intervalos de confiança incorretos. Neste
sentido, para a verificação da autocorrelação dos erros será utilizado o teste de Durbin-
Watson.

Busca-se, com a utilização da regressão múltipla, determinar o modelo matemático que


mais se aproxime em descrever a realidade do fenômeno estudado. Permitindo também

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 procedimento utilizado, no presente projeto, foi o método “Enter” do programa


estatístico SPSS (Statistical Package for the Social Sciences) versão 8.0. Esse método
consiste em adicionar variáveis independentes ao modelo quando a estatística F < 0,05 e
remover quando o resultado for F > 0,1.

No item a seguir será demonstrada a utilização do programa SPSS (Statistical Package


for the Social Sciences) versão 8.0, assim como a utilização do programa Curve Expert
1.3 para estimar alguns dados. Serão demonstrados, também, os modelos matemáticos
que estes softwares elaboraram.

5.5. Estrutura dos modelos matemáticos

O programa SPSS (Statistical Package for the Social Sciences) versão 8.0, como citado
anteriormente, promoveu a análise das variáveis independentes, assim como, a
elaboração dos modelos matemáticos, utilizando-se como variável dependente nos
modelos de regressão linear, o Número de Viagens na área de estudo.

Os cenários definidos estão apresentados a seguir:

ƒ Municípios x Rio de Janeiro – onde são consideradas as viagens feitas dos


municípios estudados para o município central, Rio de Janeiro;

ƒ Dentro dos Municípios – são consideradas as viagens dentro dos municípios


estudados, ou seja, as viagens internas;

ƒ Entre os Municípios: Itaboraí x municípios – são estudadas as viagens do


município de Itaboraí em relação aos outros municípios estudados;

ƒ Entre os Municípios: Niterói x municípios – são estudadas as viagens do


município de Niterói em relação aos outros municípios estudados.

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.

No primeiro modelo, “Municípios x Rio de Janeiro”, foram considerados as viagens de


Duque de Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, São
Gonçalo e São João de Meriti para o município do Rio de Janeiro. Considerando, neste
caso, os modos rodoviários.

O modelo seguinte, “Dentro dos Municípios”, envolve as viagens internas dos


municípios estudados, não considerando as viagens ocorridas para o município do Rio
de Janeiro, como também, as viagens originadas dele.

Para a definição da terceira modelagem, “Entre os Municípios” consideraram-se dois


municípios, já que, se fosse feito com todos os municípios havia a possibilidade de um
número grande de modelagens que dificultariam a análise no trabalho. Desta forma,
foram selecionados os municípios que possuíssem o mais baixo IDH, por ser uma
variável mais completa ao demonstrar o desenvolvimento municipal. No caso da nossa
seleção, o município de Itaboraí foi classificado como o de menor IDH e, o de maior foi
considerado o município de Niterói, de acordo com os municípios estudados.

54
Capítulo 6 – Análise dos dados e Resultados

Este capitulo tem como objetivo apresentar as análises da modelagem matemática


discutidas no capitulo anterior – modelo “Municípios x Rio de Janeiro”; “Dentro dos
Municípios (viagens internas)” e “Niterói x municípios” e “Itaboraí x municípios” –
assim como os seus resultados.

Levando-se em consideração que os municípios possuem diferentes níveis de


desenvolvimento socioeconômico e cultural, essas modelagens têm como objetivo,
através da explicação da variável dependente auxiliar no entendimento das relações nos
padrões de viagens entre esses municípios.

6.1 Resultados dos valores obtidos das variáveis

Foram considerados, como mencionado anteriormente, quatro modelos diferentes para


avaliar a influência das variáveis independentes (população, IDH, número de
empregados, PIB industrial, PIB comercial, PIB de serviço, consumo de energia elétrica
total, frota de automóveis, frota de ônibus) considerando dez municípios (Duque de
Caxias, Itaboraí, Magé, Nilópolis, Niterói, Nova Iguaçu, Paracambi, Rio de Janeiro, São
Gonçalo e São João de Meriti) para com as variáveis dependentes (viagens para o
município do Rio de Janeiro, viagens internas dos municípios, viagens para o município
com maior IDH, viagens para o município com menor IDH) para os respectivos anos
horizontes estabelecidos (1980, 1995 e 2005).

Ressalta-se que algumas variáveis independentes não foram consideradas em todos os


anos horizontes estipulados anteriormente devido a não existência de uma quantidade
mínima de valores, para que pudesse interpolar e obter assim valor para assim serem
inseridas e /ou consideradas no respectivo modelo.

O método utilizado para a obtenção da análise de regressão múltipla foi o “Stepwise”,


que permite limitar o número de variáveis independentes.

55
6.2 - Modelo referente às viagens realizadas para o município do Rio de Janeiro

6.2.1 - Ano horizonte de 1980


Considerou-se como variáveis independentes em relação às viagens realizadas as
seguintes: população, IDH, número de empregados, PIB industrial. Neste caso,
aplicando o método “Stepwise”, que seleciona as variáveis quando estas possuem o
mesmo peso, foram obtidos os seguintes testes estatísticos e valores para o R2:

Tabela 06: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. F Sig. T Durbin Durbin Variável


2
de R Watson Watson Considerada
(d) (Tabela)
di du
Stepwise 1,0 0,000 0,132 1,834 0,376 2,414 Número de
empregados

Conforme visto na tabela 06, o maior valor de coeficiente de explicação ou


determinação R2 obtido atingiu grande representatividade estatística, ou seja, o valor
“1,0” que indica uma boa adequação entre a variável dependente e as variáveis
independentes.

O valor correspondente ao teste (F) mostrou um bom ajuste dos dados no modelo, ou
seja, um bom nível de significância observado. O valor do teste (F), como mencionado
no capítulo anterior, quando mais próximo de “0” (zero) indica que mais significativo é
o efeito do conjunto de variáveis explicativas sobre a variável dependente.

Com o valor considerado de R2 (1,0), a seguinte variável independente foi selecionada


“número de empregados’. Além disso, o teste de autocorrelação serial foi não
conclusivo, enquanto houve a ausência de heterocedasticidade.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

56
Tabela 07: Tabela resumo referente ao valor do beta.

Variáveis Valor do beta


β
Número de empregados 1,0

De acordo com a tabela anterior, a variável mais relevante em relação às viagens


realizadas em análise é número de empregados.

6.2.2 - Ano horizonte de 1995

Foram consideradas como variáveis independentes em relação às viagens realizadas as


seguintes: população, IDH, número de empregados, PIB industrial.

Os valores obtidos para o R2 e para os testes estatísticos foram os seguintes:

Tabela 08: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)
Di Du
Stepwise 0,998 0,000 0,000 . Número de
empregados
0,000 . Número de
1,190 0,376 2,414 empregados
0,999 0,000
Stepwise 0,011 . IDH

O maior valor de R2 foi 0,999 e as variáveis consideradas foram: número de


empregados e IDH. O valor do teste (F) correspondente foi de 0,0 o que significa que os
dados foram bem ajustados. Foi verificado que o teste de autocorrelação serial não é
conclusivo e há ausência de heteroscedasticidade.

Com relação aos valores dos betas ( β ), estes são:

57
Tabela 09: Tabela resumo referente ao valor do beta.

Variáveis Valores dos betas


β
Número de empregados 1,020
IDH - 0,040

A variável mais representativa neste modelo é número de empregados. A variável IDH


mostrou-se como inversamente proporcional às viagens, possivelmente devido às
interpolações dos dados de algumas variáveis nesse ano.

6.2.3 - Ano horizonte de 2005


Como variáveis independentes foram consideradas a população, IDH, número de
empregados, PIB industrial, consumo de energia elétrica total, frota de automóveis e
frota de ônibus, neste período.

Neste caso, aplicando o método “Stepwise” foi obtido o seguinte valor para o R2:

Tabela 10: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)
Di Du
Stepwise 0,997 0,000 0,000 . PIB industrial
0,000 1,811 0,243 2,822 . PIB industrial
0,013 0,000 . IDH
0,999
Stepwise

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.

Variáveis Valores dos betas


β
PIB industrial 1,017
IDH - 0,044

Sendo assim, a variável mais representativa é o PIB industrial. A variável IDH continua
como uma variável inversamente proporcional.

6.3 - Modelo referente às viagens realizadas para dentro dos municípios


considerados

6.3.1 - Ano horizonte de 1980


Foram consideradas como variáveis independentes, em relação às viagens realizadas,
população, IDH, número de empregados, PIB industrial. Neste caso, aplicando o
método “Stepwise” foram obtidos os seguintes valores para o R2 e testes estatísticos:

Tabela 12: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
Stepwise 0,998 0,000 0,000 2,873 0,376 2,414 Número de
empregados

A variável considerada foi número de empregados. O valor de R2 foi 0,998 e o valor do


teste (F) correspondente foi de 0,000 evidenciando que os dados foram bem ajustados.
O teste de autocorrelação serial é não conclusivo e há ausência de heteroscedasticidade.

Com relação ao valor do beta ( β ), este foi:

59
Tabela 13: Tabela resumo referente ao valor do beta.

Variável Valor do beta


β
Número de empregados 0,999

A variável mais representativa, no modelo considerado, foi o número de empregados.

6.3.2 - Ano horizonte de 1995


As variáveis como população, IDH, número de empregados, PIB industrial foram
consideradas como independentes para estabelecerem a relação com as viagens
realizadas, neste período.

O valor para o R2 e para o teste estatístico foi:

Tabela 14: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
Stepwise 0,998 0,000 0,000 2,316 0,376 2,414 Número de
empregados

O R2 encontrado foi alto (0,998). O número de empregados foi a variável mais


considerada. O valor do teste (F) foi de 0,0 representando um bom ajuste. Quanto à
autocorrelação serial foi verificada que tal teste não é conclusivo e há ausência de
heteroscedasticidade.

Em relação ao valor do beta ( β ), estes foram assim estabelecidos:


Tabela 15: Tabela resumo referente ao valor do beta.

Variáveis Valores dos betas


β
Número de empregados 0,999

O número de empregados é a variável destacada neste cenário.

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.

Os valores obtidos para o R2 e para o teste estatístico foram os seguintes:

Tabela 16: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
Consumo de
Stepwise 0,995 0,000 0,000 1,224 0,243 2,822 energia
elétrica total

Obteve-se um R2 de 0,995, o qual é considerado alto. O R2 (> 0.7) significa


estatisticamente alto poder explicativo. O valor do teste (F) foi de 0,0. Isto significa que
os dados foram bem ajustados. Além disso, foi verificado que o teste quanto à existência
de autocorrelação serial é não conclusivo e ausência de heterocedasticidade.

Em relação ao valor do beta ( β ), este foi:

Tabela 17: Tabela resumo referente ao valor do beta.

Variável Valor do beta


β
Consumo de energia elétrica total 0,998

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

6.4 - Modelo referente às viagens realizadas para Itaboraí (município com menor
valor de IDH no grupo selecionado).

6.4.1 - Ano horizonte de 1980


Foram consideradas como variáveis independentes, em relação às viagens realizadas, as
seguintes variáveis: população, IDH, número de empregados, PIB industrial. Aplicando
61
o método “Stepwise” não foi possível obter os valores para os testes estatísticos, devido
o critério estabelecido pelo programa estatístico SPSS for Windows 8.0 (remover a
variável independente quando a probabilidade de F for maior ou igual a 0,1). Diante
disso, aplicou o método “enter”, onde todas as variáveis independentes são
consideradas.

Tabela 18: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson
(Tabela) Consideradas

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

O valor de R2 encontrado foi de 0,582, com o correspondente valor do teste (F) de


0,377. Foi verificada que a ausência de autocorrelação serial e de heterocedasticidade.
As seguintes variáveis foram incluídas no modelo: população, IDH, número de
empregados e PIB industrial.

Em relação aos valores dos betas ( β ), estes foram :

Tabela 19: Tabela resumo referente ao valor do beta.

Variáveis Valores dos betas


β
População 15,905
IDH 0,176
Nº. empregados -0,720
PIB industrial -14,774

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.

6.4.2 - Ano horizonte de 1995


Foram consideradas como variáveis independentes em relação às viagens realizadas as
seguintes: população, IDH, número de empregados, PIB industrial.

Os valores obtidos para o R2 e para os testes estatísticos foram os seguintes:

Tabela 20: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
Stepwise 0,668 0,007 0,007 2,072 0,376 2,414 IDH

O R2 obtido atingiu o valor de 0,668. O nível de significância correspondente foi


satisfatório. A variável selecionada foi: IDH. A ausência de heterocedasticidade e o
teste quanto à autocorrelação serial é não conclusivo.

Em relação ao valor do beta ( β ), este foi assim estabelecido:

Tabela 21: Tabela resumo referente ao valor do beta.

Variável Valores dos betas


β
IDH 0,817

6.4.3 - Ano horizonte de 2005


Como variáveis independentes foram consideradas a população, IDH, número de
empregados, PIB industrial, consumo de energia elétrica total, frota de automóveis e
frota de ônibus. Não foi possível aplicar o método “Stepwise” devido o critério
estabelecido pelo programa estatístico SPSS for Windows 8.0 (remover a variável
63
independente quando a probabilidade de F for maior ou igual a 0,1). Perante isso,
aplicou o método “enter”.

Os valores para o R2 e para o teste (F) e (T) foram os seguintes:

Tabela 22: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
0,379 . População
0,563 . IDH

Enter 0,693 0,925 0,667 2,218 0,243 2,822 . PIB industrial


0,370 . Consumo de energia elétrica
0,470 . frota de automóveis
0,521 . frota de ônibus

Conforme na tabela anterior, o valor de R2 (0,667) foi (<0.7) significa estatisticamente,


no presente estudo, baixo poder explicativo entre as variáveis independentes para com a
dependente.

Em relação aos valores de Sig T e Sig. F pode-se dizer respectivamente que não existe
uma relação linear das variáveis independentes. Além disso, foi verificado a não
conclusão quanto a existência de autocorrelação serial e a ausência de
heterocedasticidade.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

64
Tabela 23: Tabela resumo referente aos valores dos betas.

Variáveis Valores dos betas


β
população 18,100
IDH 0,736
PIB industrial 2,001
Consumo de Energia elétrica - 32, 167
Frota de automóveis 23,738
Frota de ônibus -11,829

As variáveis mais representativas neste modelo em ordem de importância são


respectivamente: frota de automóveis, população, frota de ônibus e consumo de energia
elétrica. Sendo estas duas últimas consideradas inversamente proporcionais ao número
de viagens realizadas.

6.5 - Modelo referente às viagens realizadas para Niterói (município com maior
valor de IDH conforme o grupo de municípios selecionados).

6.5.1 - Ano horizonte de 1980


Considerou-se como variáveis independentes população, IDH, número de empregados,
PIB industrial. Só foi possível aplicar o método “enter”.

Sendo assim, os valores para o (R2) e para o teste estatístico (F) e (T) foram os
seguintes:

65
Tabela 24: Tabela resumo referente aos parâmetros estatísticos

Método Valores Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

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.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

Tabela 25: Tabela resumo referente aos valores dos betas

Variáveis Valores dos betas


β
População 24,017
IDH - 0,217
Nº. empregados - 0,801
PIB industrial - 22,647

As variáveis mais representativas neste modelo são: população e PIB industrial, sendo
que a última é inversamente proporcional ao número de viagens realizadas.

6.5.2 - Ano horizonte de 1995


Foram consideradas como variáveis independentes em relação às viagens realizadas as
seguintes: população, IDH, número de empregados, PIB industrial.

66
Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”
foram os seguintes:

Tabela 26: Tabela resumo referente aos parâmetros estatísticos

Método Valor Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

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.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

Tabela 27: Tabela resumo referente aos valores dos betas

Variáveis Valores dos betas


β
População 2,351
IDH 0,751
PIB industrial - 2, 543

As variáveis mais representativas neste modelo são: população, IDH e PIB industrial,
sendo que esta última é inversamente proporcional ao número de viagens realizadas.

67
6.5.3 - Ano horizonte de 2005

Como variáveis independentes foram consideradas a população, IDH, número de


empregados, PIB industrial, consumo de energia elétrica total, frota de automóveis e
frota de ônibus.

Os valores obtidos para o (R2) e para os testes estatísticos através do método “enter”
foram os seguintes:

Tabela 28: Tabela resumo referente aos parâmetros estatísticos

Método Valor Sig. T Sig. F Durbin Durbin Variáveis


de R2 Watson Watson Consideradas
(Tabela)

Di Du
0,725 . População
0,755 . IDH

Enter 0,704 0,770 0,651 2,359 0,243 2,822 . PIB industrial


0,492 . Consumo de energia elétrica
0,547 . Frota de automóveis
0,995 . Frota de ônibus

Conforme visto na tabela acima, o valor de (R2) foi 0,704 (> 0.7) significa
estatisticamente, no presente estudo, poder explicativo relevante entre as variáveis
independentes para com a dependente.

Em relação aos valores de Sig T e Sig. F pode-se dizer que, possivelmente, não existe
uma relação linear das variáveis independentes. Além disso, foi verificado a ausência de
heterocedasticidade e que o teste de autocorrelação serial foi não conclusivo.

Em relação aos valores dos betas ( β ), estes foram assim estabelecidos:

68
Tabela 29: Tabela resumo referente aos valores dos betas

Variáveis Valores dos betas


β
Frota de automóveis 22,275
População 4,702
IDH 0,220
Frota de ônibus 0,070
PIB industrial - 7,156
Consumo de energia elétrica - 19,520

As variáveis mais representativas neste modelo são: frota de automóveis e consumo de


energia elétrica, sendo que esta última é inversamente proporcional ao número de
viagens realizadas.

Para uma melhor visualização quanto aos modelos construídos, para descrever a geração
de viagens, foi construída a Tabela 30.

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

MODELOS Características Ano Valor Variáveis Valores dos


horizonte de R2 selecionadas Betas
. População 2,351
1995 0,560 . IDH 0,751
. PIB industrial - 2,543
MODELO 4 Viagens realizadas para Niterói . População 22,275
(município com maior valor de IDH) . IDH 4,702
2005 0,704 . PIB industrial 0,220
. Consumo de 0,070
energia elétrica
. Frota de - 7,156
automóveis - 19,520
. Frota de ônibus

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.

O terceiro modelo considera as viagens realizadas para Itaboraí, o município, dentro do


grupo selecionado, que possui o menor valor de IDH. Assim como nos modelos anteriores,
este modelo adotou número diferente de variáveis.

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.

As variáveis “população, IDH, PIB industrial e frota de automóveis” foram consideradas,


nesse cenário três, sendo as mais relevantes, sendo que as variáveis “população e frota de
automóveis” foram as mais significativas para explicação das viagens realizadas para
Itaboraí em 2005. A variável “consumo de energia” e a variável “frota de ônibus”
apresentaram-se como variáveis inversamente proporcionais.

O cenário três não se apresentou satisfatório. Em alguns casos o método “Stepwise”, que
remove as variáveis quando a probabilidade de F for maior ou 0,1, não foi possível ser
utilizado, como no ano de 2005, por exemplo.

O modelo seguinte corresponde às viagens realizadas para Niterói, o município, dentro do


grupo estudado, que possui o maior IDH.

Esse quarto modelo, como o anterior, apresentou um R2 baixo se comparado com os dois
primeiros modelos. E como nos outros cenários estudados houve a adoção de número de
variáveis diferentes.

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.

Em 2005, apresentaram-se como variáveis relevantes na explicação das viagens para


Niterói, “população”, “IDH”, “PIB industrial” e “consumo de energia elétrica”. As
variáveis “frota de automóveis” e “frota de ônibus” apareceram como variáveis
inversamente proporcionais às viagens.

Em relação às variáveis independentes analisadas, verificou-se que “número de


empregados”, “população” e “IDH” são as mais que se destacaram nos modelos estudados.
Conforme observado, o IDH na maioria das vezes como variável inversamente
proporcional às viagens realizadas.

Verifica-se que os modelos tendem a duas direções. Os dois primeiros modelos, com R2
alto tende a explicar de forma considerável a variável dependente, ou seja, as viagens
realizadas. Entretanto, os dois últimos modelos com R2 baixo mostram também que não há
uma relação linear das variáveis independentes, neste sentido, esses modelos explicam
pouco a variável dependente.

Considerando os quatro modelos, quanto aos altos valores do R2, estes podem ser
explicados por vários fatores: as variáveis independentes introduzidas serem aquelas que
influenciam diretamente as viagens realizadas, ou provavelmente devido a interpolações de
alguns dados, já que estes não estavam disponíveis; enquanto os baixos valores do R2,
podem ser devido a existência de outras variáveis relacionadas à cultura e às características

74
sociais e econômicas que influenciam na geração de viagens e que não foram objeto deste
estudo.

Devido aos problemas, citado em capítulos anteriores, como a ausência de dados de


variáveis explicativas e a não possibilidade de fazer interpolações de alguns dados, por
exemplo, não foi possível fazer com que os quatro cenários oferecessem um resultado
linear e satisfatório. Sendo recomendado, para estudos futuros, a definição de outros
períodos ou uma série histórica seqüencial.

75
Capítulo 7 – Considerações Finais e Recomendações Futuras

A dicotomia centro-periferia é marcante na região metropolitana do Rio de Janeiro que


apresenta uma grande diferença entre a área central e a periférica. Esse processo
acompanha essa região desde sua formação, quando na fusão do estado da Guanabara e o
do Rio de Janeiro.

A hipótese inicial era que o município periférico ao se desenvolver teria mais autonomia e,
conseqüentemente, uma menor dependência do município central. Entretanto, percebe-se
que ao se desenvolver, o município periférico, não se torna isolado, e promove, ainda, uma
maior integração, ou seja, a relação centro-periferia não diminui apenas se modifica,
comportando-se de forma mais integrada.

Na década de 80, a estagnação econômica e desigualdade social fizeram com que a


qualidade de vida da população reduzisse. Apesar do cenário 1 (um) apresentar algumas
limitações, o mesmo demonstra que a variável mais significativa foi “nº. de empregados”,
ou seja, o município que possuísse o maior número de empregados possuía também o mais
números de viagens para o município do Rio de Janeiro. Neste sentido, pode-se considerar
as viagens pendulares, dos trabalhadores dos municípios periféricos para o município
central, do Rio de Janeiro.

No ano de 1995 tem-se uma melhoria na economia brasileira. Esse crescimento foi
resultado da adoção de uma nova moeda e do processo, já iniciado nos anos 80, de
instalações de grandes empresas em cidades médias. A qualidade da população é
influenciada, neste contexto, sendo refletida nos valores de IDH que se tornaram mais altos
se comparados com os de 1980. Contudo, o crescimento percebido neste ano foi um
“crescimento sem emprego” o que demonstra a importância dessa variável, “nº. de
empregados”, neste período.

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”.

Os cenários apresentados, que explicam os fatos estatisticamente não devendo ser


considerados conclusivos, indicam que, de certa forma, há necessidade do desenvolvimento
de futuras políticas públicas para uma melhor qualidade de vida urbana.

Neste sentido, outros fatores podem exercer influência nas viagens realizadas. A integração
dos municípios periféricos entre si e destes com o município núcleo possivelmente é um
exemplo. Contudo, a adoção de um modelo de transporte que prioriza o veículo particular,
que é caracterizado por ser caro, ineficiente e antiecológico, caracteriza um problema a essa
integração. Refletindo um planejamento inadequado, assim como, a influência das
indústrias automobilísticas. O transporte coletivo intra-urbano, afirmando o que foi
mencionado, baseia-se em ônibus mesmo tendo a população mais pobre como os seus
maiores usuários.

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.

O tratamento da área metropolitana, também deve ser revisto como o de criação de


instrumentos de tratamentos comuns a problemas supranacionais, contudo, aproximando-os
da realidade que está inserida essa região, buscando ampliar sua abrangência, evitando
dessa forma a fragmentação urbana e reduzindo as disparidades em todos os sentidos.

78
Referências Bibliográficas

ANTP. Agência Nacional de Transportes Públicos. Disponível em


<http://www.antp.gov.br> Acesso em: 30 abr. 2008.

BARROS, J.M.A.M. de (2001) Infra-estrutura de transportes e Desenvolvimento Regional.


M.Sc. Engenharia de Transportes. Universidade Federal do Rio de Janeiro, COPPE/UFRJ.

BAIXADA FLUMINENSE <http://baixadafluminense.wordpress.com/2007/12/20/aspectos-

economicos> Acessado em: 12.02.2008

BAYERL, E. Contribuição à análise dos acidentes de trânsito a partir da evolução da taxa


de motorização e indicadores socioeconômicos no Brasil. 2006. Dissertação (Mestrado em
Ciências). Programa de Pós-graduação de Engenharia de Transportes, Universidade
Federal do Rio de Janeiro, Rio de Janeiro.

CADAVAL, M. & CARVALHO, C.H.R. Prioridade para o Transporte Coletivo


Urbano. Relatório Técnico. Secretaria Especial de Desenvolvimento Urbano da
Presidência da República – SEDU/PR e Associação Nacional das Empresas de Transportes
Urbanos – NTU. Agosto de 2000. 67p.

CARDOSO, A. L., ARAUJO, R. L. de e COELHO, W. R (2005). Habitação Social na


Região Metropolitana do Rio de Janeiro. Coleção Habitare.

CATÃO, G. A. & SARTOR, C. E. O Uso da tecnologia SIG na Análise das desigualdades


Socioespaciais na Metrópole do Rio de Janeiro in: GIS Brasil 2001, 7º show de
Geoprocessamento – Amostra do talento científico. 10p. Instituto de Pesquisa e
Planejamento Urbano e Regional – IPPUR, Universidade Federal do Rio de Janeiro –
UFRJ. 2001.

79
CHIAPPERO, M. (2003). Principais desafios para o transporte nas cidades brasileiras. in:
Revista dos Transportes Públicos – ANTP. Ano 25. 2003. 3º trimestre.

CORRÊA, R. L. A Rede Urbana. São Paulo. Ed. Ática. 2ª edição. 1994

FORN, M. de (2002), La Movilidad en la Planificación Estratégica de las Ciudades. In:


Seminário de Transporte Plubico y Movilidad Sostenible, Peñiscola.

GOMIDE, A. A. (2003). Mobilidade urbana e inclusão social: desafios para o transporte


urbano no Brasil. in: Revista dos Transportes Públicos – ANTP. Ano 25. 2003. 3º
trimestre.

ICHIKAWA, S. M., PITOMBO, C. S., KAWAMOTO, E. Aplicação de Minerador de


Dados na Obtenção de Relações entre Padrões de Viagens Encadeadas e Características
Socioeconômicas. Artigo publicado in: Transporte em Transformação VII. Trabalhos
vencedores do premio CNT produção acadêmica 2002. Pp. 95 – 111.

LAGO, L. C. do Desigualdades e segregação na metrópole: o Rio de Janeiro em tempo de


crise. Rio de Janeiro. Revan. 2000.

LEMOS, D. (2004) Análises das Relações existentes entre acessibilidade, mobilidade e


desenvolvimento urbano: o caso da cidade do Rio de Janeiro. M.Sc. Engenharia de
Transportes. Universidade Federal do Rio de Janeiro, COPPE/UFRJ.

LOURENÇO, R. W. & LANDIM, P.M.B. Análise de regressão múltipla espacial.


UNESP/Rio Claro, IGCE, DGA, Laboratório de Geomatemática, Texto Didático 13, 34 pp.
2004. Disponível em <http://www.rc.unesp.br/igce/aplicada/textodi.html>. Acesso em: jun.
2007.

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.

MELLO, J. C. Transporte e Desenvolvimento Econômico. Brasília: EBTU, 1984.

NICHOLSON, A (2003). Development of the University of Canterbury Transport


Strategy: Temporal stability of a mode choice model. In: XVII Congresso de Pesquisa e
Ensino em Transporte.

NOROSIS, M. J. “SPSS professional; statistic 6.1: user´s guide”. New York.

OLIVEIRA, F.J.G. de (2003). Reconfiguração da Gestão Local face a dinâmica


Metropolitana: o caso do Rio de Janeiro. Universidade Estadual do Rio de Janeiro,
departamento de Geografia. 2008.

PITOMBO, C. S e KAWAMOTO, E. Aplicação de técnicas de análise multivariada de


dados em um estudo exploratório da influência do uso do solo nas escolhas de padrões de
encadeamento de viagens. In: Transporte em transformação X. Trabalhos vencedores do
Prêmio CNT Produção Acadêmica 2005.

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.

PORTUGAL, L. da S.; GONÇALVES, J.A.M. In: Pan-Americano de 2007 – Grande


negócio para quem? Rio de Janeiro, PACS – Instituto Políticas Alternativas para o Cone
Sul. Série Globalização e Solidariedade, 4. 2005

RAMOS, G.de M. e WIDMER, J.A. (2003) Análise prospectiva da capacidade de


processamento de cargas pela ferrovia no porto de Santos. XVII Congresso de Pesquisa e
Ensino em Transporte.

RIBEIRO, L. C. de Q. Segregação, Desigualdade e Habitação: A Metrópole do Rio de


Janeiro. Planejamento Urbano e Regional – IPPUR, Universidade Federal do Rio de
Janeiro – UFRJ. 2000.

SRINIVASAN, S. (2000) Liking Land Use and Transportation: Measuring the Impact of
Neighborhood-scale Spatial Patterns on Travel Behavior. 246p. Tese de doutorado.
Harvard University.

SOUZA, M. L. de ABC do Desenvolvimento Urbano. Rio de Janeiro. Bertrand Brasil. 2ª


edição. 2005.

SOUZA, S. C. A. de Diagnóstico do nível de serviço oferecido pelo sistema de transporte da

RMRJ: deslocamento domicílio-trabalho-análise por faixa de renda. Departamento de engenharia

Industrial. Pontifícia Universidade Católica do Rio de Janeiro – PUC RIO 1981.

YANG, I TI Percepção de Risco dos Ciclistas com Relação ao Sistema de Tráfego Urbano
na Cidade do Rio de Janeiro. 1997. M.Sc. Engenharia de Transportes. Universidade
Federal do Rio de Janeiro, COPPE/UFRJ.

82
Bibliografia

ANFAVEA. Anuário Estatístico da Indústria Automobilística Brasileira. Associação


Nacional dos Fabricantes de Veículos Automotores. 1980, 1995 e 2005.

ARAGAO, J. J. G. de “Renda, atividades e deslocamentos no contexto urbano: estudo de


caso do Rio de Janeiro." Dissertação de mestrado apresentada ao dep. Engenharia industrial
da PUC/RJ 198 pg.

ARAUJO, L. (2003) Um Procedimento para Análise do Desempenho de Redes Viárias


Urbanas Enfocando a Qualidade de vida da Comunidade e a Qualidade de Serviço do
Tráfego Veicular. 2003. M.Sc. Engenharia de Transportes. Universidade Federal do Rio
de Janeiro, COPPE/UFRJ.

AZEVEDO, M. Histórico do Sistema de Transportes Rodoviários no Brasil e no Mundo.


2004.

BALASSIANO, R. O setor de transportes no Brasil: o que indicam os cenários. In:


Associação Nacional de Pesquisa e Ensino em Transportes (ANPET). Vol. 6 Nº. 1, pp. 94-
109. 1998.

CARVALHO, C. H. R. Transporte urbano e desigualdade social. In: Revista NTUrbano,


nº. 93 Janeiro/abril.

CORREIA FILHO, B. (2004) Acessibilidade por transporte público e seu papel na


hierarquia de Centros de comércio e serviços na periferia da Região Metropolitana do Rio
de Janeiro: estudo de caso - Nova Iguaçu. M. Sc. Engenharia de Transportes. Universidade
Federal do Rio de Janeiro, COPPE/UFRJ.

DANNEELS, H. (2003). Car – Free Day: Go to Work with Public Transport. Public
Transport International. UITP. September of 2003.

83
DENATRAN. Anuário Estatístico. Ministério das Cidades. 1990 a 2003. Disponível em
<http://www.denatran.gov.br> Acesso em: 10 ago. 2005.

FERNANDES, G.C.S. (2004). Acessibilidade no município do Rio de Janeiro. In: II Rio


de Transportes. Rio de Janeiro. 12p.

GEIPOT. Anuário Estatístico dos Transportes. Empresa Brasileira de Planejamento de


Transportes. Brasília. Ministério dos Transportes.

GOLDNER, L. G. Uma metodologia de avaliação de impactos de shopping centers sobre o


sistema viário urbano. 1994. Dissertação (Mestrado em Ciências). Programa de Pós-
graduação de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de
Janeiro.

GOMIDE, A. A. Regulação econômica e organização dos serviços de transporte público


urbano em cidades brasileiras: estudos de caso: relatório final. IPEA/MINISTÉRIO DAS
CIDADES. Brasília. 2004.

GOUDIE, D. (2002) Zonal method for urban travel surveys: sustainability and sample
distance from CBD. Journal of Transport Geography 10. 287- 301.

HUTCHINSON, B. G. Princípios de planejamento dos Sistemas de Transportes Urbanos.


Ed. Guanabara Dois S. A. Rio de Janeiro. 1979.

IBGE. Censo Demográfico. Instituto Brasileiro de Geografia e Estatística. Rio de Janeiro.


2004

IBGE. Anuário Estatístico do Brasil. Instituto Brasileiro de Geografia e Estatística. Rio de


Janeiro. 1980 a 2003.

84
IPEA. Base de dados macroeconômicos. Instituto de Pesquisa Econômica Aplicada.
Brasília. 2001.

JENSEN, M. Passion and heart in transport – a sociological analysis on transport


behaviour. Transport Policy. Vol 6. Issue 1, pg. 19-33. 1999.

LINDAU, L. A; CASTILHO, R, A. de e CASTILHO, B. J. de. Projetos de corredores de


ônibus: avaliando o desempenho através da simulação. 11º Congresso Nacional de
Transportes Públicos da ANTP. Belo Horizonte. 1997.

MATOS, O. C. Econometria Básica: teoria e aplicações. São Paulo. Atlas. 3ª edição. 2000.

MENEZES, G. V. Análise das Gratuidades no Transporte coletivo por ônibus. 1996. Dissertação

(Mestrado em Ciências). Programa de Pós-graduação de Engenharia de Transportes,


Universidade Federal do Rio de Janeiro, Rio de Janeiro.

Ministério das Cidades. Elaboração do Relatório de Investimentos do Ministério das


Cidades, segundo Unidades da Federação a partir de janeiro de 2003. CBTU e
Subsecretaria de Planejamento, Orçamento e Administração. 2005.

NETTO, M. A. C. Um Modelo de Previsão de Demanda para o Planejamento Estratégico


do Transporte Urbano 1983. Dissertação (Mestrado em Ciências). Programa de Pós-
graduação de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de
Janeiro.

NODARI, C; COSTA, M.B.B. da e LINDAU, L. A. O sistema regulamentado de Lotações


de Porto Alegre. 11º Congresso Nacional de Transportes Públicos da ANTP. Belo
Horizonte. 1997.

NOVAES, ANTONIO GALVÃO (1981) Modelos de Planejamento Urbano, Regional e de


Transportes.

85
PEREIRA, C.M.C. (2002). “Integração de Sistemas de Transportes como estratégia de

Gerenciamento da Mobilidade”. Publicado em Transporte em transformação VII. Confederação

Nacional de Transporte. Brasília. 2002.

PINTO, V. PERES Os desafios da Construção de uma autoridade metropolitana. Artigo


publicado na ANTP. Transporte humano para um Brasil urbano. 11º Congresso Nacional
de Transporte Públicos. Belo Horizonte. 1997.

POYARES, C. N. e PORTUGAL, L. S. da Elementos de apoio à decisão por políticas de

desestímulo ao uso de automóveis em áreas centrais. In: CNT/ANPET. Transporte em

Transformação III: problemas e soluções dos transportes no Brasil. São Paulo. MAKRON Books.

2001.

QUINTELLA, M. (2004). Transporte é engenharia. Artigo publicado na revista "Crea-RJ em


Revista". Número 46. Rio de Janeiro. Outubro de 2004. 38p.

REAL, M. V. e BALASSIANO, R. Identificação de prioridades para a adoção de Estratégias de


Gerenciamento da Mobilidade: o caso da cidade do Rio de Janeiro. In: XV ANPET. Panorama
Nacional da Pesquisa em Transportes. Campinas, Campinas. SETTI. J. R. e Fontes, O. L. 2001.

RIBEIRO, A. C. T. Urbanidade e vida metropolitana. Rio de Janeiro. JOBRAN editora. 1996

RIBEIRO, L.C. de Q. (2000). Segregação, desigualdade e habitação: A metrópole do Rio de


Janeiro. Disponível em: <http://www.ippur.ufrj.br/observatorio/download/anpur_luiz_cesar.pdf>
Acesso em: 06 mai. 2005.

ROCHA, E. C. da As planilhas tarifárias do transporte coletivo urbano por ônibus e os diferentes


modelos de veículos. 1996. Dissertação (Mestrado em Ciências). Programa de Pós-
graduação de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de
Janeiro.

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, E. M . The economics of regulating road transport. In: Associação Nacional de


Pesquisa e Ensino em Transportes (ANPET). Vol. 6 Nº 1, pp. 87-93. 1998.

SANTOS, M. & GILBERT (SEM DATA) The Utility of Structural Modelling Techniques in

Transportation Planning Department of Civil Engineering Imperial College.

SECTRAN <http://www.transportes.rj.gov.br/pdtu.asp> Acessado em: 12 mar. 2007

SILVA, D. (2004) Acessibilidade x Mobilidade x Desenvolvimento. Artigo publicado no II Rio de

Transportes em 2004. Rio de Janeiro. 12p.

SILVA, G.T. M. e Adensamento urbano e seus impactos no sistema viário – metodologia


simplificada para avaliação. Artigo publicado na ANTP. Transporte humano para um Brasil

urbano. 11º Congresso Nacional de Transporte Públicos. Belo Horizonte. 1997.

SOUSA, A. M. T. O planejamento em empresa em processo de degradação: o caso do


metrô do Rio de Janeiro. 1994. Dissertação (Mestrado em Ciências). Programa de Pós-
graduação de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de
Janeiro.

VASCONCELLOS, E. A. A Crise do Planejamento dos Transportes nos Países em


Desenvolvimento: Reavaliando Pressupostos e Alternativas. Transportes, ANPET, Vol.3
No 2, pp 7 –26. 1995.

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.

ZAGORIANAKOS, E. Athens 2004 Olympic Games Transportation Plan: a missed


opportunity for strategic environmental assessment (SEA) integration? Journal of
Transport Geography 12. p 115-125. Elsevier. 2004.

88
ANEXOS

89
ANEXO 00.1 – Modelo Referente às Viagens realizadas para o município do Rio de
Janeiro

Anexo 1.1 – Ano Horizonte de 1980

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

nter <=
empregad ,
,050,
os
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: Viagens para o R.J

90
b
Model Summary

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 1,000a 1,000 ,999 7560,3182 1,000 6287,802 1 8 ,000 1,834
a. Predictors: (Constant), nº empregados
b. Dependent Variable: Viagens para o R.J

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,999a ,998 ,998 66248,7771 ,998 4500,945 1 8 ,000
2 1,000b ,999 ,999 43034,7862 ,001 11,959 1 7 ,011 1,190
a. Predictors: (Constant), Nº DE EMPREGADOS
b. Predictors: (Constant), Nº DE EMPREGADOS, IDH
c. Dependent Variable: VIAGENS PARA O R.J

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

Anexo 1.3 – Ano Horizonte de 2005

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,999a ,997 ,997 185384,37 ,997 3095,743 1 8 ,000
2 ,999b ,999 ,999 123710,28 ,002 10,965 1 7 ,013 1,811
a. Predictors: (Constant), PIB industrial
b. Predictors: (Constant), PIB industrial, IDH
c. Dependent Variable: viagens para o R.J

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).

Anexo 2.1 – Ano Horizonte de 1980

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

nter <=
empregad ,
,050,
os
Probabilit
y-of-F-to-r
emove >=
,100).
a. Dependent Variable: viagens dentro do município 97
b
Model Summary

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,999a ,998 ,998 110342,84 ,998 4398,820 1 8 ,000 2,873
a. Predictors: (Constant), nº empregados
b. Dependent Variable: viagens dentro do município

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,999 a ,998 ,998 67719,9421 ,998 4189,487 1 8 ,000 2,316
a. Predictors: (Constant), Nº DE EMPREGADOS
b. Dependent Variable: VIAGENS PARA DENTRO DO MUNICÍPIO

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,998 a ,995 ,995 242225,67 ,995 1689,607 1 8 ,000 1,224
a. Predictors: (Constant), consumo de energ. elétrica total
b. Dependent Variable: Viagens para dentro do município

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)

Anexo 3.1 – Ano Horizonte de 1980


Descriptive Statistics

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,763a ,582 ,165 1024,3644 ,582 1,395 4 4 ,377 2,746
a. Predictors: (Constant), pib industrial, idh, nº empregados, população
b. Dependent Variable: Viagens para Itaboraí

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

Anexo 3.2 – Ano Horizonte de 1995

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,817a ,668 ,620 2566,5250 ,668 14,071 1 7 ,007 2,072
a. Predictors: (Constant), IDH
b. Dependent Variable: VIAGENS PARA ITABORAÍ

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

Anexo 3.3 – Ano Horizonte de 2005

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,832a ,693 -,228 15074,4778 ,693 ,752 6 2 ,667 2,218
a. Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, frota de automóveis, consumo de energ. elétrica total
b. Dependent Variable: Viagens para Itaboraí

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)

Anexo 4.1 – ANO HORIZONTE DE 1980

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,790a ,625 ,249 9480,1719 ,625 1,664 4 4 ,317 2,214
a. Predictors: (Constant), pib industrial, idh, nº empregados, população
b. Dependent Variable: Viagens para Niterói

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

4.2 – ANO HORIZONTE DE 1995

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change
1 ,749a ,560 ,296 34594,3595 ,560 2,123 3 5 ,216
2 ,000b ,000 ,000 41242,9833 -,560 2,123 3 11 ,216
a. Predictors: (Constant), PIB INDUSTRIAL, IDH, população
b. Predictor: (constant)

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

Std. Error Change Statistics


Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change Durbin-Watson
1 ,839a ,704 -,183 672,3262 ,704 ,794 6 2 ,651 2,359
a. Predictors: (Constant), frota de ônibus, IDH, PIB industrial, população, consumo de energ. elétrica total, frota d
b. Dependent Variable: Viagens para Niterói

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