UNIVERSIDADE DE SO PAULO

ESCOLA DE ENGENHARIA DE SO CARLOS

DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES

Demanda potencial para um sistema de

compartilhamento de bicicletas pedelecs:
O caso de um campus universitrio

Leonardo Dal Picolo Cadurin

So Carlos
2016

iii

Demanda potencial para um sistema de

compartilhamento de bicicletas pedelecs:
O caso de um campus universitrio

Leonardo Dal Picolo Cadurin

Dissertao apresentada Escola de

Engenharia
de
So
Carlos,
Universidade de So Paulo, como parte
dos requisitos para obteno do ttulo
de Mestre em Cincias - Programa de
Ps-graduao em Engenharia de
Transportes.
rea de concentrao: Planejamento e
Operao de Sistemas de Transporte.
Orientador: Prof. Titular Antnio Nlson
Rodrigues da Silva

So Carlos
2016

iv

vii

Pr do sol na ciclovia da Av. Paulista, em So Paulo | Foto: Ciro Amado

ix

s pessoas que pensam e constroem cidades

mais democrticas e humanas.

xi

AGRADECIMENTOS
Primeiramente, agradeo vida e a todas as pessoas que passaram e que ainda
passaro por ela. Tenho plena convico de que as ideias pensadas neste mestrado,
embora transcritas por mim nesta dissertao, so o resultado de mltiplas experincias
vividas em muitos lugares, com muitas pessoas e em diversas pocas e fases da minha
vida. Quando se trata de So Carlos, aprendi muito nesse perodo em que morei aqui. Essa
cidade me permitiu, atravs das pessoas incrveis que aqui vivem, aprender sobre diversos
assuntos. Somos construdos pelo meio em que estamos inseridos. Portanto, devo muito
vida (resumindo tudo de importante em apenas uma palavra).

Agradeo...

Ao professor Nlson pela excelente orientao, o que inclui as ideias, sugestes,

ateno, compreenso, sensatez, dedicao e competncia. Para alm da minha pesquisa,
tenho admirao pela dedicao docncia, com destaque para a utilizao e pesquisa de
abordagens de ensino construtivistas (alm das abordagens expositivas tradicionais) e a
vontade de colocar os(as) graduandos(as) em contato com as pesquisas de ps-graduao.

Ao Yuri Baptista Csar, que foi quem me indicou o professor Nlson para fazer
pesquisa sobre modos no motorizados.

A todos(as) professores(as) do Departamento de Engenharia de Transportes, em

especial a quem ministrou disciplinas que cursei: Cira, Andr, Manoel, Leomar, Coca, Setti,
Glauco, Ana Furlan e Adalberto.

A todos(as) funcionrios(as) do Departamento de Engenharia de Transportes, em

especial: Beth, Helosa e Toco.

A todos(as) amigos(as) e colegas ps-graduandos(as) do Departamento de

Engenharia de Transportes.
A todos(as) graduandos(as) da disciplina Planejamento e Anlise de Sistemas de
Transportes (turmas do 2 semestre de 2015), que me ajudaram na aplicao dos
questionrios.

xii

Janice Kirner Providelo, que contribuiu para a elaborao da pesquisa de

preferncia declarada.

Carla Diniz, Maisa Bessan e Heline Hellen, que me ajudaram na aplicao dos
questionrios dentro dos laboratrios da rea 2.

s pessoas que responderam ao questionrio.

A minha famlia, em especial minha me, meu pai, meu irmo e minha irm.

Aos(s) companheiros(as) da APG USP So Carlos e da APG UFSCar.

Aos(s) companheiros(as) da Massa Crtica de So Carlos.

Aos(s) companheiros(as) organizadores(as) do evento A rua para todos.

Aos(s) companheiros(as) do CUME (Centro Universitrio de Montanhismo e

Excursionismo) da UFSCar.

Aos(s) companheiros(as) do ViDA (Vivncias e Discusses em Agroecologia).

Aos(s) companheiros(as) da repblica Caixa dgua.

A todas as pessoas que, como disse no comeo, contriburam de forma direta ou

indireta para a realizao deste trabalho.

Ao CNPq (Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico), pelo

apoio financeiro.

xiii

Um homem precisa viajar. Por sua conta, no por meio de histrias, imagens, livros ou TV.
Precisa viajar por si, com seus olhos e ps, para entender o que seu. Para um dia plantar
as suas prprias rvores e dar-lhes valor. Conhecer o frio para desfrutar o calor. E o oposto.
Sentir a distncia e o desabrigo para estar bem sob o prprio teto. Um homem precisa viajar
para lugares que no conhece para quebrar essa arrogncia que nos faz ver o mundo como
o imaginamos, e no simplesmente como ou pode ser. Que nos faz professores e
doutores do que no vimos, quando deveramos ser alunos, e simplesmente ir ver.
Amyr Klink

xv

RESUMO
CADURIN, L. D. P. (2016) Demanda potencial para um sistema de compartilhamento de
bicicletas pedelecs: O caso de um campus universitrio. Dissertao (Mestrado), Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2016.
Este trabalho teve como objetivo analisar a demanda potencial para um sistema de
compartilhamento de bicicletas pedelecs no campus da USP de So Carlos, com foco nos
deslocamentos de estudantes entre as duas reas do campus. Para tanto, foi elaborado um
conjunto de procedimentos, que constituem duas etapas: caracterizao do pblico-alvo e
anlise da demanda potencial pelas bicicletas pedelecs compartilhadas. Na primeira etapa foi
aplicado um questionrio, elaborado com a tcnica de preferncia declarada, para verificar as
preferncias dos usurios em relao s pedelecs compartilhadas e ao nibus operado pela
USP. Os resultados desta consulta, que envolveu variveis de condies meteorolgicas,
situao de ciclovias/ciclofaixas entre as reas do campus e lotao do ponto de nibus USP,
foram posteriormente utilizados para calibrar um modelo logit e treinar uma Rede Neural Artificial
(RNA). Na segunda etapa foi elaborada uma planilha eletrnica com os dados obtidos na coleta,
a fim de analisar as probabilidades de escolha da pedelec (ao invs do nibus USP). Nesta
planilha tambm foram utilizados dados do histrico meteorolgico de So Carlos no perodo
entre 2011 e 2015. Alguns dos resultados obtidos so destacados na sequncia. A probabilidade
de escolha das pedelecs , em mdia, trs vezes maior quando existem ciclovias/ciclofaixas (em
relao ausncia da referida infraestrutura cicloviria). A ocupao do ponto de nibus USP
tambm impactante, pois as probabilidades de uso da bicicleta pedelec praticamente dobram
quando o ponto est cheio. No caso da meteorologia, foi constatado que as maiores
probabilidades ocorrem no Outono e no Inverno, ou seja, nas pocas em que se concentram os
dias mais secos e com menores temperaturas. Para o perodo letivo de 2011 a 2015,
considerando a situao atual (isto , sem ciclovias/ciclofaixas entre as reas), os valores de
probabilidade de uso da pedelec correspondem a 9% com o ponto vazio e 19% com o ponto
cheio. Se houvesse ciclovias/ciclofaixas, a probabilidade seria de at 54%. Desse modo, a
estratgia de anlise desenvolvida conceitualmente, bem como implantada em planilha
eletrnica, se constitui em importante ferramenta de auxlio para a conduo da poltica de
transportes que a Prefeitura do campus ir adotar para os anos futuros. Alm disso, evidencia
uma possvel demanda potencial para um sistema com pedelecs compartilhadas.

Palavras-chave: Modos no motorizados; Pedelec; Sistema de compartilhamento de bicicletas;

Campus universitrio; Demanda potencial; Modelos de escolha discreta; Redes Neurais
Artificiais; Mobilidade urbana sustentvel.

xvii

ABSTRACT
CADURIN, L. D. P. (2016) Potential demand for a pedelec sharing system: The case of a
university campus. MSc Dissertation, So Carlos School of Engineering, University of So
Paulo, So Carlos, 2016.
The objective of this study was to analyze the potential demand for a pedelec sharing system at
the So Carlos campus of the University of So Paulo (USP), aiming at the displacements of
students between the two campus Areas. The set of procedures developed to reach the objective
has involved two steps: characterization of the target audience and analysis of the potential
demand for shared pedelecs. The first step was accomplished with a questionnaire designed with
a stated preference approach for identifying users preferences regarding shared pedelecs and
the bus system operated by the university. The survey results, which involved variables of
weather conditions, existence of bike paths/bike lanes between the campus Areas, and
occupancy rates at the USP bus stop, were subsequently used to calibrate a logit model and to
develop an Artificial Neural Network (ANN). The survey data were also used in the second step of
the process, in which an electronic spreadsheet was created to analyze the probabilities of
choosing the pedelec alternative (instead of the bus route operated by university). The
spreadsheet was also fed with meteorological data of So Carlos in the period between 2011 and
2015. Some of the obtained outcomes are highlighted in the sequence. The probability of a
pedelec being chosen is almost three times higher if bike paths/bike lanes do exist than if they do
not exist. The occupancy rates of the bus stop are also particularly relevant. The probability of
someone choosing a pedelec nearly doubles when the bus stop is crowded. Regarding the
weather conditions, the highest probabilities are observed in the Fall and Winter seasons, i. e. in
the driest and coldest days. For the entire academic period comprised between 2011 and 2015,
the probabilities range from 9% (empty bus stop) to 19% (full bus stop), considering the current
situation (i. e. no cycleways connect the two campus Areas). In the presence of this cycling
infrastructure, however, the probability goes up to 54%. Thus, the strategy of analysis
conceptually developed, and made available through an electronic spreadsheet, may be an
important support tool for the implementation of transport policies by the campus administration.
In addition, it highlights a likely potential demand for a system of shared pedelecs.
Keywords: Non-motorized modes; Pedelec; Bike sharing system; University campus; Potential
demand; Discrete choice models; Artificial Neural Networks; Sustainable urban mobility.

xix

LISTA DE FIGURAS
Figura 2.1: Espao na via necessrio para transportar a mesma quantidade de pessoas
atravs de nibus, bicicletas e carros. Fonte: Cycling Promotion Fund (s. d.) ........................ 6
Figura 2.2: Comparao entre o espao ocupado por carros e bicicletas em rea reservada
para estacionamento. Fonte: Cyclehoop (s. d.) ...................................................................... 6
Figura 2.3: Evoluo, no perodo de 2001 a 2014, da taxa de motorizao por automveis
para o Brasil. Fonte: adaptado de Observatrio das Metrpoles (2015) ................................ 7
Figura 2.4: Distribuio da taxa de motorizao por automveis, pelas regies do Brasil,
para os anos de 2001 e 2014. Fonte: adaptado de Observatrio das Metrpoles (2015) ...... 8
Figura 2.5: Exemplo de parklet em So Francisco (EUA). Fonte: Hypeness (2014)............... 9
Figura 2.6: Retrato do inverno extremo em Montreal, Canad. Fonte: BIXI Montreal (2015) 10
Figura 2.7: White bike, bicicleta tpica do primeiro bike sharing do mundo, o qual foi instalado
em Amsterdam (Holanda) no ano de 1965. Fonte: Happy Hotelier (2007) ........................... 12
Figura 2.8: Bicicletas do City Bikes, bike sharing implantado em Copenhagen (Dinamarca) e
que caracteriza a segunda gerao. Fonte: Cycles of Life (2012) ........................................ 13
Figura 2.9: Procedimento para utilizao das bicicletas do sistema City Bikes. Basta inserir a
moeda (quadro 2) para destravar a bicicleta, enquanto a insero do cadeado retorna a
moeda (quadro 4). Fonte: Cycle Guide DK (2010) ............................................................... 13
Figura 2.10: Sistema Green Bike, bike sharing de terceira gerao, instalado na
Universidade Saint Xavier (em Chicago, EUA). Fonte: MetroBike (2009) ............................ 14
Figura 2.11: Sistema BiciMAD de bicicletas eltricas compartilhadas em Madrid (Espanha).
Um exemplo da quarta gerao de bike sharing. Fonte: Spotahome (2014) ........................ 15
Figura 2.12: Guido de uma e-bike do sistema BiciMAD. Fonte: BiciMAD (2014) ................ 15
Figura 2.13: Bicicleta tpica do sistema SoBi, considerado de quarta gerao e que no
necessita da utilizao de estaes. Fonte: Social Bicycles (2016b) ................................... 16
Figura 2.14: Primeiro bike sharing brasileiro de quarta gerao, com bicicletas do tipo
pedelec, implantado em So Luiz do Paraitinga/SP. Fonte: Folha de So Paulo (2015)...... 16
Figura 2.15: Sistema cycleUshare, primeiro bike sharing de quarta gerao dos EUA, o qual
foi instalado na Universidade de Tennessee, em Knoxville. Fonte: Universidade de
Tennessee-Knoxville (2016) ................................................................................................ 17
Figura 2.16: Funes utilidade do trabalho de Isler (2015). Fonte: Isler (2015) .................... 25
Figura 2.17: Exemplo de modelo restrito (isto , com coeficientes genricos) do logit
multinomial. Fonte: Isler (2015) ............................................................................................ 27
Figura 2.18: Exemplo de modelo com coeficientes especficos do logit multinomial. Fonte:
Isler (2015) .......................................................................................................................... 27

xx

Figura 3.1: Principais eixos virios entre as reas do campus da USP de So Carlos Ganho
a variao positiva (ascendente) de altitude acumulada Perda a variao negativa
(descendente) de altitude acumulada. Fonte: Google Earth (2015) ..................................... 32
Figura 3.2: Fluxograma com o conjunto de procedimentos e ferramentas utilizados no estudo
de caso. ............................................................................................................................... 34
Figura 3.3: Comparao de caractersticas entre o nibus da USP e o sistema de bicicletas
pedelecs compartilhadas. .................................................................................................... 36
Figura 3.4: Composio dos cenrios para a escolha do modo preferido. ........................... 37
Figura 3.5: Arquivo .dat utilizado para o modelo logit calibrado............................................ 40
Figura 3.6: Estrutura da planilha eletrnica para clculo da probabilidade de escolha da
bicicleta pedelec compartilhada. .......................................................................................... 42
Figura 3.7: Banco de Dados Meteorolgicos para Ensino e Pesquisa do site do Instituto
Nacional de Meteorologia. Fonte: INMET (2016) ................................................................. 43
Figura 3.8: Planilha eletrnica para clculo da probabilidade de escolha da bicicleta pedelec
compartilhada, com os dados de dias letivos inseridos. ....................................................... 53
Figura 3.9: Planilha eletrnica elaborada para checar a variao da probabilidade de escolha
da bicicleta pedelec ao longo do dia, conforme a ocupao do nibus da USP. .................. 55
Figura 4.1: Rejeio aos meios de transporte, com foco no deslocamento entre as reas do
campus. ............................................................................................................................... 63
Figura 4.2: Arquitetura da Rede Neural Artificial (RNA) treinada. ......................................... 64
Figura 4.3: Preferncias por bicicletas pedelecs compartilhadas, quando comparadas ao
nibus operado pela USP, para os 16 cenrios. .................................................................. 66
Figura 4.4: Distribuio das probabilidades de escolha da bicicleta pedelec para todos os
anos do perodo avaliado. .................................................................................................... 73
Figura 4.5: Distribuio das probabilidades de escolha da bicicleta pedelec para as estaes
do ano de todos os anos do perodo avaliado. ..................................................................... 74
Figura 4.6: Distribuio das probabilidades de escolha da bicicleta pedelec para os meses
de todos os anos do perodo avaliado. ................................................................................. 75
Figura 4.7: Variao na probabilidade de escolha da pedelec ao longo do dia, conforme
lotao do nibus. ................................................................................................................ 75

xxi

LISTA DE TABELAS
Tabela 2.1: Sntese de trabalhos que focaram na demanda pelo transporte ciclovirio e
respectivas abordagens matemticas utilizadas nos modelos calibrados. ........................... 21
Tabela 2.2: Atributos e nveis de pesquisa de preferncia declarada conduzida por
Magalhes e Palhares na cidade de Montes Claros/MG. ..................................................... 24
Tabela 2.3: Sntese de trabalhos, com respectivas localizaes dos dados utilizados, que
verificaram a relao entre as condies meteorolgicas e a demanda cicloviria. ............. 29
Tabela 3.1: Valores dos nveis das variveis do modelo para insero no software Biogeme.
............................................................................................................................................ 39
Tabela 3.2: Clculo das preferncias, para cada cenrio, conforme a Rede Neural Artificial
(RNA). ................................................................................................................................. 41
Tabela 3.3: Matriz de correlao, para o banco de dados completo (dados ausentes
preenchidos), com os parmetros de precipitao e temperaturas compensada mdia,
mxima e mnima. ............................................................................................................... 46
Tabela 3.4: Matriz de correlao, para o banco de dados original (sem os vazios), com os
parmetros de precipitao e temperaturas compensada mdia, mxima e mnima. .......... 47
Tabela 3.5: Estatstica descritiva (mdia, mediana, desvio padro, mnimo, mximo e
percentis 10, 25, 50, 75 e 90) para os parmetros do banco de dados completo................. 48
Tabela 3.6: Classificao, com base nos quartis, dos parmetros de temperatura mdia e
precipitao adotada por Ahmed et al. (2012)...................................................................... 49
Tabela 3.7: Classificao, com base nos percentis, dos parmetros de temperatura mxima
e precipitao. ..................................................................................................................... 50
Tabela 3.8: Classificao dos dias letivos conforme categorias de temperatura mxima e
precipitao. ........................................................................................................................ 51
Tabela 3.9: Data e horrio de incio de cada estao do ano (2011 a 2015). ....................... 51
Tabela 3.10: Contagem de passageiros(as) do nibus da USP para os dias 15, 16 e 17 de
setembro de 2015. ............................................................................................................... 54
Tabela 4.1: Gnero e vnculo com a universidade das pessoas que responderam ao
questionrio. ........................................................................................................................ 57
Tabela 4.2: Tempo mximo aceitvel para o deslocamento entre as reas do campus. ...... 58
Tabela 4.3: Tempo de viagem, com carro (motorista e carona), no deslocamento entre as
reas do campus. ................................................................................................................ 58
Tabela 4.4: Tempo de viagem, com bicicleta convencional, no deslocamento entre as reas
do campus. .......................................................................................................................... 59

xxii

Tabela 4.5: Impacto dos motivos para no utilizar a bicicleta convencional no deslocamento
entre as reas do campus, sendo o nmero um associado ao menor impacto e o nmero
oito ao maior. ....................................................................................................................... 59
Tabela 4.6: Impacto dos motivos para no utilizar o nibus operado pela USP na ligao
entre as reas do campus, sendo o nmero um associado ao menor impacto e o nmero
trs ao maior. ....................................................................................................................... 61
Tabela 4.7: Avaliao dos meios de transporte, sendo o nmero quatro associado opo
muito satisfeito e o nmero um associado opo muito insatisfeito. ............................. 62
Tabela 4.8: Resultados do modelo logit calibrado com os dados obtidos atravs da aplicao
do questionrio. ................................................................................................................... 64
Tabela 4.9: Contagem dos dias letivos para os anos de 2011 a 2015.................................. 67
Tabela 4.10: Contagem dos dias letivos para as estaes do ano de 2011 a 2015. ............ 67
Tabela 4.11: Contagem dos dias letivos para os meses de 2011 a 2015. ............................ 68
Tabela 4.12: Probabilidades de escolha da bicicleta pedelec para os anos de 2011 a 2015.
............................................................................................................................................ 70
Tabela 4.13: Probabilidades de escolha da bicicleta pedelec para as estaes do ano de
2011 a 2015. ........................................................................................................................ 70
Tabela 4.14: Probabilidades de escolha da bicicleta pedelec para os meses de 2011 a 2015.
............................................................................................................................................ 71

xxiii

SUMRIO
1 INTRODUO.................................................................................................................... 1
1.1 Justificativa................................................................................................................... 2
1.2 Objetivo ........................................................................................................................ 2
1.3 Estrutura do trabalho .................................................................................................... 3
2 REVISO BIBLIOGRFICA................................................................................................ 5
2.1 Mobilidade urbana, a priorizao dos meios de transporte e a sustentabilidade........... 5
2.2 A bicicleta como um potencializador da mobilidade urbana sustentvel ....................... 8
2.3 Motivos que desencorajam o uso da bicicleta convencional e o advento da pedelec . 10
2.4 Sistemas de bicicletas compartilhadas (bike sharing) ................................................. 12
2.4.1 Sistemas de bicicletas compartilhadas em campi universitrios........................... 17
2.4.1.1 Concepo de um sistema com e-bikes compartilhadas............................... 18
2.4.1.2 Simulaes da demanda e disponibilidade de e-bikes em um sistema de
compartilhamento ..................................................................................................... 18
2.4.1.3 Anlise do primeiro ano de funcionamento do sistema implantado na
Universidade de Tennessee, em Knoxville (EUA) .................................................... 18
2.4.1.4 Comportamento (relacionado segurana) de usurios(as) de bicicletas
convencionais e eltricas.......................................................................................... 19
2.5 Demanda pelo transporte ciclovirio ........................................................................... 19
2.5.1 Modelos de escolha discreta ................................................................................ 21
2.5.1.1 Pesquisa de preferncia declarada ............................................................... 23
2.5.1.2 Logit multinomial ........................................................................................... 24
2.5.2 A influncia da meteorologia e de ciclovias/ciclofaixas......................................... 28
2.5.3 A realidade brasileira ........................................................................................... 30
3 MTODO .......................................................................................................................... 31
3.1 Apresentao do estudo de caso ............................................................................... 32
3.2 Etapa 1: Caracterizao do pblico-alvo .................................................................... 35
3.2.1 Elaborao e aplicao do questionrio............................................................... 35
3.2.2 Anlise das principais perguntas do questionrio................................................. 38

xxiv

3.2.3 Modelagem (logit) dos dados da pergunta de preferncia declarada ................... 39

3.2.4 Elaborao de uma Rede Neural Artificial (RNA) com os dados da preferncia
declarada ...................................................................................................................... 40
3.3 Etapa 2: Anlise da demanda potencial por bicicletas pedelecs compartilhadas ........ 41
3.3.1 Elaborao da estrutura da planilha eletrnica para clculo das probabilidades .. 41
3.3.2 Obteno e tratamento dos dados meteorolgicos histricos de So Carlos/SP . 43
3.3.3 Classificao dos dias do histrico meteorolgico ............................................... 46
3.3.4 Insero dos dias letivos classificados na estrutura da planilha eletrnica ........... 51
3.3.5 Anlise das probabilidades de uso das bicicletas pedelecs atravs da planilha
eletrnica ...................................................................................................................... 53
4 RESULTADOS E ANLISES ............................................................................................ 57
4.1 Etapa 1: Caracterizao do pblico-alvo .................................................................... 57
4.2 Etapa 2: Anlise da demanda potencial por bicicletas pedelecs compartilhadas ........ 66
5 CONCLUSES E CONSIDERAES FINAIS ................................................................. 77
5.1 Contribuies do trabalho e sugestes para trabalhos futuros.................................... 80
REFERNCIAS ................................................................................................................... 83
APNDICE A ....................................................................................................................... 91

1 INTRODUO

A mobilidade urbana focada em modos motorizados individuais atualmente vista

como um dos maiores problemas das mdias e grandes cidades, embora poucos
governantes tomem decises realmente efetivas e que contribuam para a democratizao
das cidades. O Brasil apresenta aumento acentuado na taxa de motorizao por automveis
durante os ltimos 15 anos (Observatrio das Metrpoles, 2015), o que decorre de maior
poder de compra da populao, mas acima de tudo, de uma poltica que estabeleceu como
prioridade o estmulo compra do automvel, visando o fomento da economia. Entre os
maiores problemas advindos de uma mobilidade urbana fragilizada, destacam-se as mortes
e acidentes por atropelamento, o uso de espao pblico para estacionamento de carros (os
quais ocupam muito espao durante grande parte do dia), poluio sonora e visual e
aumento do estresse, dos problemas de sade e dos congestionamentos. Todos esses
fatores contribuem, de forma conjunta, para a desumanizao das cidades. Dessa forma, a
mobilidade urbana sustentvel emerge como um modo de tornar as cidades mais
democrticas e humanas, priorizando os modos no motorizados e os coletivos motorizados
e almejando a integrao entre todos eles.

Nas cidades h diversos polos geradores de viagem (PGV), nos quais se enquadram
as universidades, cujas polticas de transportes influenciam direta e indiretamente na
mobilidade urbana das cidades em que esto inseridas. Tradicionalmente, os campi
universitrios brasileiros apresentam infraestrutura e poltica de transportes focada nos
deslocamentos por modos motorizados individuais. Um retrato desse posicionamento
possvel de ser notado na dificuldade de estacionar os carros em campi universitrios mais
compactos e antigos. Mesmo em casos de campi mais esparsos e igualmente antigos, com
grandes reas disponveis para construo, o problema passa a recair no dimensionamento
das vias e gastos com manuteno.

O estudo de caso deste trabalho foi no campus de So Carlos da Universidade de

So Paulo (USP), o qual composto por duas reas, com distncia mdia de 4,5 km entre
elas. A rea 1 existe desde 1956 e a rea 2 foi adquirida pela universidade em 2002. A
primeira caracteriza-se por ser compacta e no possuir reas para expanso, enquanto a
segunda possui extensa rea para expanso da rea construda. Atualmente, o campus
conta com cerca de 5200 alunos(as) de graduao e 2600 de ps-graduao, sendo que
34% do total frequenta regularmente a rea 2, conforme pesquisa realizada por Oliveira

(2015). Dentre os(as) estudantes que se deslocam com regularidade at a rea 2, h 81%
de graduandos(as) e 19% de ps-graduandos(as), de acordo com a mesma pesquisa.

Alguns cursos de graduao e programas de ps-graduao se concentram ou

possuem atividades na rea 2, exigindo deslocamentos dos(as) estudantes com certa
frequncia, j que a maior parte das moradias estudantis se concentra na regio em torno
da rea 1, devido maior proximidade ao comrcio e servios. Desse modo, a universidade
fornece nibus, em uma grade de horrios baseada nas aulas de graduao, para atender a
essa

necessidade

de

deslocamentos.

Entretanto,

alunos(as)

que

no

so

contemplados(as) pelos horrios disponveis, principalmente os(as) que realizam atividades

de pesquisa, seja iniciao cientfica ou de ps-graduao. Alm disso, o servio de nibus
encontra-se hoje em uma situao delicada, com uma frota em idade avanada e com
restries de manuteno e operao.

1.1 Justificativa
A existncia de uma demanda regular entre as duas reas e o fato da distncia entre
as mesmas ser apropriada para o modo ciclovirio justificam a implantao de um sistema
de compartilhamento de bicicletas complementar ao nibus atualmente ofertado. Como um
dos maiores empecilhos para uso de bicicletas o esforo fsico, a topografia da cidade
poderia ser uma restrio ao uso da bicicleta convencional, mas as bicicletas eltricas do
tipo pedelec praticamente eliminam esse problema. Alm disso, elas aumentam a
acessibilidade, visto que o motor eltrico auxilia o(a) usurio(a) de forma considervel. Alm
de permitir flexibilidade de horrios, as bicicletas pedelecs contribuem para a mobilidade
urbana da cidade e tambm para a sade dos(as) estudantes, que, de certo modo, so
responsabilidade da universidade. Para tanto, necessrio avaliar a demanda potencial
para a implantao do sistema, levando em considerao as caractersticas que mais
influenciam no uso da bicicleta e, alm disso, a condio de ocupao do ponto de nibus
da USP, j que uma suposio de sistemas de transporte complementares seria mais
realista do que uma substituio plena dos sistemas.

1.2 Objetivo
O objetivo principal deste trabalho analisar a demanda potencial para um sistema
de compartilhamento de bicicletas pedelecs no campus da USP de So Carlos.

Como objetivos especficos:

Apresentar um conjunto de procedimentos para estimativa da demanda potencial por

bicicletas utilizando dados meteorolgicos;

Simular as probabilidades de uso das bicicletas pedelecs compartilhadas conforme

histrico meteorolgico de So Carlos;

Avaliar a influncia das ciclovias/ciclofaixas, da ocupao do ponto de nibus USP e

da meteorologia na probabilidade de uso das bicicletas pedelecs compartilhadas.

1.3 Estrutura do trabalho

Este trabalho est estruturado em cinco captulos, alm de um captulo especfico
para as referncias e outro dedicado a um apndice. O segundo captulo apresenta uma
reviso bibliogrfica composta pelos conceitos e ferramentas que serviram de base para o
desenvolvimento do trabalho. O captulo trs descreve o conjunto de procedimentos
utilizado, tanto em aspectos gerais - para permitir a aplicao em outros estudos de caso quanto o que foi adotado no presente estudo de caso. No quarto captulo so apresentados
os resultados e as respectivas anlises do mesmo, enquanto no quinto so expostas as
concluses obtidas a partir dos resultados. Por fim, nos dois ltimos captulos so
apresentadas todas as referncias utilizadas e o questionrio desenvolvido para o estudo de
caso, exatamente nessa sequncia.

2 REVISO BIBLIOGRFICA

Este captulo, que est dividido em cinco subcaptulos principais, aborda o referencial
terico relacionado aos mtodos e objeto de estudo da pesquisa. O primeiro subcaptulo
discorre sobre mobilidade urbana e a importncia da sustentabilidade. O segundo fala sobre
a importncia da bicicleta para a mobilidade urbana sustentvel. O terceiro trata das
barreiras em relao ao uso das bicicletas e as vantagens das bicicletas eltricas do tipo
pedelec. O quarto aborda sistemas de compartilhamento de bicicletas e sua utilizao em
campi universitrios. E, por fim, o quinto explora a demanda pelo transporte ciclovirio e as
tcnicas utilizadas neste trabalho e contextualiza as pesquisas brasileiras sob a tica da
demanda por viagens com bicicletas.

2.1 Mobilidade urbana, a priorizao dos meios de transporte e a sustentabilidade

A mobilidade urbana est relacionada facilidade com que pessoas e bens se
deslocam pelas cidades, no se limitando somente anlise do ponto de vista de oferta e
caracterstica de uso dos meios de transporte, mas tambm sob a tica da organizao das
cidades, da distribuio de servios, trabalhos e moradias, traduzindo as relaes entre os
indivduos e o uso do espao urbano (Ministrio das Cidades, 2006; Ministrio do Meio
Ambiente e Ministrio das Cidades, 2015). Partindo dessa abordagem holstica, possvel
afirmar que o modelo de espalhamento urbano comumente adotado nas cidades brasileiras
dificulta a implantao de polticas pblicas que favoream a mobilidade urbana, mas no
pode ser um empecilho para a mesma (Barczak e Duarte, 2012; Lima et al., 2003).

Esse processo de fragmentao das cidades, em geral, segrega populaes com

menor renda, mantendo-as distantes das regies centrais e das zonas em que se
concentram os trabalhos e lazer (Boareto, 2008). Os vazios urbanos acarretam em elevado
tempo de deslocamento casa-trabalho, o qual seria reduzido se houvesse uma priorizao
por transportes que favorecem a mobilidade urbana, mas no o que acontece. A viso
progressista das rodovias, que, quando amplamente difundidas, eram vistas como a soluo
para a integrao do pas, muito influenciada pela chegada dos primeiros automveis no
Brasil, ainda se mantm (Costa et al., 2013). Segundo Boareto (2008), persiste uma viso a partir da sociedade, dos governos e da mdia - na qual a cidade pode se expandir
continuamente, mas que desconsidera todos os custos ambientais e de infraestrutura para
permitir essa expanso, de modo que os efeitos negativos da priorizao pelo deslocamento

por automveis so distribudos igualmente entre todas as parcelas da populao, mas

apenas uma pequena minoria usufrui o que oferecido atravs da priorizao.

Alm dos aspectos negativos j citados, a priorizao pelos modos motorizados

individuais tambm afeta drasticamente os centros urbanos, principalmente nos horrios de
pico, j que so as regies onde se concentra a maior parte dos trabalhos e servios. Os
maiores problemas so os congestionamentos, devido relao entre o volume dos carros
e a quantidade de pessoas que podem ser transportadas (Figura 2.1), a necessidade de uso
de espao pblico como estacionamento (Figura 2.2), o grande consumo energtico de
origem fssil, sem contar os problemas de sade decorrentes do estresse sonoro e visual e
da poluio do ar e os acidentes e as mortes advindas de atropelamentos (Passafaro et al.,
2014; Frade e Ribeiro, 2013; Costa et al., 2013; Boareto, 2008; Stein, 2013). Todos esses
fatores contribuem, de forma conjunta, para a desumanizao das cidades.

Figura 2.1: Espao na via necessrio para transportar a mesma quantidade de

pessoas atravs de nibus, bicicletas e carros. Fonte: Cycling Promotion Fund (s. d.)

Figura 2.2: Comparao entre o espao ocupado por carros e bicicletas em rea
reservada para estacionamento. Fonte: Cyclehoop (s. d.)

A influncia do governo federal para aquisio de veculos no Brasil, com medidas

como a reduo de IPI - Imposto sobre Produto Industrializado (Folha de So Paulo, 2011) e
as facilidades de financiamento, um fator que, somado ao smbolo de status e a
comodidade do carro, aumenta consideravelmente a compra desse veculo e a sua
presena nas ruas. Isto impacta na mobilidade urbana e, consequentemente, na qualidade
de vida da populao (Ramis e Santos, 2012). A Figura 2.3 apresenta a taxa de motorizao
por carros (isto , a quantidade de automveis por 100 habitantes) para o Brasil, a qual, no
perodo entre 2001 e 2014, praticamente duplicou, aumentando de 14,4 auto./100 hab. em
2001 para 28,1 auto./100 hab. em 2014, sendo que mais da metade dos automveis se
concentra na regio Sudeste, conforme o relatrio sobre o estado da motorizao individual
no Brasil elaborado pelo Observatrio das Metrpoles (2015).

Figura 2.3: Evoluo, no perodo de 2001 a 2014, da taxa de motorizao por

automveis para o Brasil. Fonte: adaptado de Observatrio das Metrpoles (2015)

Na Figura 2.4 possvel ver a evoluo da taxa de motorizao por automveis para
as regies do pas. Nota-se que as regies Sul e Sudeste apresentam as maiores taxas,
com valores acima de 25 auto./100 hab. em praticamente toda a extenso das duas regies,
com exceo do norte de Minas Gerais. Tambm possvel visualizar que h forte
expanso nas regies Centro Oeste e Nordeste, com taxas (em 2014) entre 15 e 25
auto./100 hab. em grande parte do Centro Oeste. O Nordeste, que em 2001 apresentava
quase que totalmente taxas menores do que 5 auto./100 hab., em 2014 possua grande
parte do territrio com taxas entre 5 e 15 auto./100 hab.

Figura 2.4: Distribuio da taxa de motorizao por automveis, pelas regies do

Brasil, para os anos de 2001 e 2014. Fonte: adaptado de Observatrio das Metrpoles
(2015)

Nesse sentido, surge o conceito da mobilidade urbana sustentvel, que visa

priorizao dos modos no motorizados e dos motorizados coletivos, permitindo a incluso
social, com garantia de locomoo ecologicamente sustentvel, atravs de um transporte
eficiente e de qualidade, cujas tarifas sejam compatveis com a realidade da populao
(Ministrio das Cidades, 2006). importante ressaltar que no basta apenas a reduo da
poluio gerada pelos motorizados individuais, como no caso da substituio dos motores
dependentes de energia de origem fssil por eltricos, visto que a mobilidade urbana est
intimamente relacionada com o uso do espao (Barczak e Duarte, 2012; Ministrio do Meio
Ambiente e Ministrio das Cidades, 2015). Em outras palavras, mobilidade urbana
sustentvel significa dizer que a cidade seja democrtica e que o direito de ir e vir seja uma
garantia plena.

2.2 A bicicleta como um potencializador da mobilidade urbana sustentvel

Os modos no motorizados e o transporte coletivo so os potencializadores da
mobilidade urbana sustentvel. Dentre os modos no motorizados, destacam-se o modo a
p e as bicicletas. A principal vantagem da bicicleta em relao ao transporte coletivo o
deslocamento porta a porta permitido pela primeira, que oferece autonomia s pessoas e
uma caracterstica presente em meios de transporte privados.

Mas as vantagens das bicicletas, sob a tica da mobilidade urbana, so muitas. As

bicicletas no dependem de energia de origem fssil para circular e, justamente por conta
disso, so mais econmicas do que os modos motorizados individuais, tornando o
transporte mais acessvel e democrtico do ponto de vista econmico. No poluem o ar,
geram menos barulho e so discretas, reduzindo a poluio sonora e visual. Devido ao
tamanho (Figura 2.1), contribuem para o descongestionamento das vias urbanas, inclusive
apresentando tempo de viagem menor do que os carros em curtas distncias
(aproximadamente 5 km), principalmente em vias congestionadas. Tambm aberta a
possibilidade de se utilizar melhor o espao urbano destinado s vagas de estacionamento,
como a criao de parklets (Figura 2.5), que, juntamente com todos os aspectos j citados,
torna a cidade mais atraente e humana, permitindo maior difuso da cultura e do comrcio
local (European Commission, 1999).

Figura 2.5: Exemplo de parklet em So Francisco (EUA). Fonte: Hypeness (2014)

Todos esses fatores contribuem para a sade no apenas de quem pedala, mas de
toda a populao. Os gastos decorrentes da manuteno da infraestrutura destinada ao
automvel,

que

so repartidos

igualmente

entre todos(as),

mas

que

impactam

diferentemente as classes sociais, so reduzidos de forma significativa. Com a melhor

qualidade do ar e o estresse reduzido, as populaes mais carentes, que so dependentes
do sistema pblico de sade (SUS Sistema nico de Sade), sofrem menos com doenas,
j que as classes mais altas tem acesso a sistema de sade privado (Boareto, 2008).

10

2.3 Motivos que desencorajam o uso da bicicleta convencional e o advento da pedelec

Apesar de todas as vantagens do uso da bicicleta, alguns aspectos desencorajam as
pessoas de a utilizarem. A sensao de insegurana no trnsito (principalmente em
cruzamentos com veculos motorizados) - e, consequentemente, a ausncia de ciclovias e
ciclofaixas - o condicionamento fsico, a possibilidade de roubos, o relevo acidentado e as
condies meteorolgicas extremas esto entre os fatores mais desencorajadores
(Piatkowski e Marshall, 2015; Sousa e Kawamoto, 2015; Frade e Ribeiro, 2013; Kirner,
2006). De acordo com Faghih-Imani et al. (2014), devido ao inverno severo (Figura 2.6), em
Montreal (Canad) o sistema BIXI de bicicletas compartilhadas entra em recesso a partir de
15 de abril, retornando somente em 15 de novembro. Em Brisbane (Austrlia), a presena
de chuva durante o horrio de pico da manh influencia o volume de viagens com bicicletas
durante todo o dia (Ahmed et al., 2012). No Brasil, so o calor e a precipitao que, em
geral, aparentam desencorajar as pessoas a usarem a bicicleta em seus deslocamentos.

Figura 2.6: Retrato do inverno extremo em Montreal, Canad. Fonte: BIXI Montreal
(2015)

Entretanto, a meteorologia no um fator limitante em todo o planeta. Os pases do

Norte Europeu so conhecidos pelo grande uso das bicicletas. Em Vsters (Sucia, um
pas frio), cerca de 33% das viagens so feitas por bicicletas, enquanto em Cambridge
(Reino Unido) e Amsterdam (Holanda), que so cidades de pases considerados chuvosos,
as bicicletas correspondem a 27% e 38% dos deslocamentos, respectivamente (Frade e
Ribeiro, 2013; Tin Tin et al., 2012).

11

O relevo acidentado tambm no percebido como uma barreira em todo o mundo,

visto que em algumas cidades montanhosas, como So Francisco (EUA) e Trondheim
(Noruega), o ciclismo expressivo, como aponta Tin Tin et al. (2012). Uma proposta
interessante para romper essa barreira foi desenvolvida no projeto Lisboa Horizontal, no
qual foi identificado que 63% das ruas da referida cidade (o que corresponde a 691 km do
total) tm inclinao de at 4%, sendo classificadas como horizontais pelos autores do
projeto. A partir desses dados foi proposta uma nova rede de ciclovias e, alm disso, a
ltima fase do projeto prev a instalao de um sistema com bicicletas eltricas (e-bikes)
compartilhadas (BXLX, 2015a). O vdeo explicativo do projeto pode ser acessado em BXLX
(2015b).

O advento das e-bikes, que funcionam com motor eltrico recarregvel, reduziu
significativamente as barreiras impostas pelo relevo acidentado e o condicionamento fsico.
Por outro lado, os custos de aquisio e de manuteno das e-bikes superior aos das
bicicletas convencionais. Basicamente, h dois tipos: as pedelecs, que so bicicletas
assistidas por motor somente enquanto o pedal gira, e as bicicletas eltricas, cujo motor
funciona independente da pessoa pedalar. Nas pedelecs o motor funciona apenas como um
auxlio, enquanto no segundo tipo de e-bike o motor pode ser completamente responsvel
pela locomoo (Langford et al., 2013, 2015; Ji et al., 2014; Dill e Rose, 2012; Cherry et al.,
2011).

Embora as pedelecs ainda sejam relativamente pouco conhecidas no Brasil, atravs

da Resoluo n. 465 de 27 de Novembro de 2013, o CONTRAN - Conselho Nacional de
Trnsito regulamentou as bicicletas eltricas, dividindo-as em duas categorias: ciclomotor e
pedal assistido (pedelec). Somente a pedelec pode ser utilizada como uma bicicleta
convencional, desde que no exceda velocidades de 6 km/h e 20 km/h em reas de
circulao de pedestres e ciclovias/ciclofaixas, respectivamente. Obrigatoriamente deve
possuir indicador de velocidade, campainha, sinalizaes noturna, dianteira, traseira e
lateral, espelhos retrovisores em ambos os lados e pneus em condies mnimas de
segurana. Alm disso, o uso do capacete de ciclista tambm obrigatrio. Em relao ao
motor, a potncia nominal mxima no pode ultrapassar 350 W, a velocidade no pode ser
superior a 25 km/h (aps essa velocidade o motor pra de auxiliar) e no pode haver
acelerador ou qualquer dispositivo de variao manual de potncia (CONTRAN, 2013).

J as e-bikes que no se enquadram nessas caractersticas so consideradas como

ciclomotores, sendo necessrio capacete de moto, habilitao (para scooters at 50 cc e

12

45 km/h), licenciamento, emplacamento e seguro obrigatrio. Nessa categoria tambm se

enquadram bicicletas adaptadas com motores movidos gasolina (V de Bike, 2015a).

2.4 Sistemas de bicicletas compartilhadas (bike sharing)

A utilizao das bicicletas em sistemas de compartilhamento tem sido tratada como
uma das solues para aprimorar a mobilidade urbana, com foco em pequenos
deslocamentos. A localizao das estaes, geralmente prximas a instalaes pblicas,
como terminais urbanos de nibus e metr, permite a integrao com outros meios de
transporte. Hoje, mais de 1000 cidades do mundo tm sistemas em funcionamento e
praticamente 300 tm projeto ou j se encontram em fase de construo (Meddin, 2016),
mas a origem do sistema bike sharing antiga.

A primeira gerao de 1965 e foi criada em Amsterdam (capital da Holanda). Este

sistema era composto pelas White Bikes (Figura 2.7). Qualquer pessoa retirava uma
bicicleta em uma estao, sem cadastro ou pagamento de tarifa, e a devolvia em qualquer
outra estao. Este projeto falhou devido aos danos nas bicicletas e apropriaes para uso
privado, mas a ideia ainda aplicada em alguns parques nacionais, por exemplo (DeMaio,
2009; Frade e Ribeiro, 2013; Faghih-Imani et al., 2014).

Figura 2.7: White bike, bicicleta tpica do primeiro bike sharing do mundo, o qual foi
instalado em Amsterdam (Holanda) no ano de 1965. Fonte: Happy Hotelier (2007)

Em 1991 a segunda gerao surgiu em Fars e Gren, na Dinamarca, mas se

tratavam de programas pequenos. Somente em 1995, na cidade de Copenhagen (capital da
Dinamarca), que surgiu um sistema de bicicletas compartilhadas considerado de grande
escala, o City Bikes (Figura 2.8). Nesta gerao, as bicicletas foram desenvolvidas

13

especialmente para o uso intenso. Para retirar as bicicletas, o(a) usurio(a) necessita inserir
uma moeda, conforme a Figura 2.9 (DeMaio, 2009; Frade e Ribeiro, 2013; Faghih-Imani et
al., 2014).

Figura 2.8: Bicicletas do City Bikes, bike sharing implantado em Copenhagen

(Dinamarca) e que caracteriza a segunda gerao. Fonte: Cycles of Life (2012)

Figura 2.9: Procedimento para utilizao das bicicletas do sistema City Bikes. Basta
inserir a moeda (quadro 2) para destravar a bicicleta, enquanto a insero do cadeado
retorna a moeda (quadro 4). Fonte: Cycle Guide DK (2010)

A revoluo da terceira gerao foi a extino do anonimato para retirar as bicicletas.

O programa Bikeabout surgiu na Universidade de Portsmouth (Inglaterra), em 1996, dando
origem terceira gerao de sistemas de bicicletas compartilhadas, que introduziu diversas

14

melhorias tecnolgicas na identificao dos usurios e liberao das bicicletas (DeMaio,

2009; Frade e Ribeiro, 2013). A Figura 2.10 exibe o sistema Green Bike, que foi criado na
Universidade Saint Xavier (em Chicago, EUA) e caracterizado como de terceira gerao.

Figura 2.10: Sistema Green Bike, bike sharing de terceira gerao, instalado na
Universidade Saint Xavier (em Chicago, EUA). Fonte: MetroBike (2009)

Atualmente j existem modelos classificados como a quarta gerao dos sistemas de

compartilhamento e, assim como a terceira gerao, so caracterizados pelo uso de
avanada tecnologia no gerenciamento do sistema, mas com maior eficincia. Um dos
aprimoramentos em relao gerao anterior a utilizao de bicicletas eltricas ao invs
das convencionais, garantindo maior acessibilidade. Outras melhorias so o uso de
estaes mveis e painis solares para gerao de energia das mesmas. Desse modo, so
necessrias pequenas alteraes de infraestrutura para alocar as estaes e elas podem
ser realocadas conforme a dinmica da demanda pelas bicicletas (DeMaio, 2009; Frade e
Ribeiro, 2013; Langford et al., 2013, 2015; Cherry et al., 2011; Austwick et al., 2013; FaghihImani et al., 2014). Nas Figuras 2.11 e 2.12 possvel ver o sistema BiciMAD, de Madrid
(capital da Espanha). A primeira exibe uma estao completa (isto , bicicletas eltricas,
painel de identificao do(a) usurio(a) e suporte das bicicletas), enquanto a segunda exibe
o guido de uma e-bike do referido sistema.

15

Figura 2.11: Sistema BiciMAD de bicicletas eltricas compartilhadas em Madrid

(Espanha). Um exemplo da quarta gerao de bike sharing. Fonte: Spotahome (2014)

Figura 2.12: Guido de uma e-bike do sistema BiciMAD. Fonte: BiciMAD (2014)

H um tipo de sistema, tambm considerado de quarta gerao, em que no

necessrio o uso de estaes para as bicicletas. Um exemplo desse sistema utilizado pela
SoBi (Social Bicycles), uma empresa de Nova Iorque que j possui sistemas de bike sharing
desse tipo espalhados por cidades e universidades dos EUA, Canad e Austrlia. As
bicicletas possuem um computador no bagageiro, o qual movido energia solar e permite,
atravs de tecnologia wireless e rastreamento por GPS (Global Positioning System), que
o(a) usurio(a) localize e reserve as bicicletas de forma online. Desse modo, todo o
processo de liberao das bicicletas feito nas mesmas, embora tambm seja possvel
utiliz-las com estaes. As bicicletas possuem cadeados em formato U (u-lock), os quais

16

permitem que sejam presas em bicicletrios que no sejam os das estaes (Social
Bicycles, 2016a; Mobilize, 2016; Gaegauf, 2014). A Figura 2.13 exibe uma bicicleta tpica do
Social Bicycles.

Figura 2.13: Bicicleta tpica do sistema SoBi, considerado de quarta gerao e que
no necessita da utilizao de estaes. Fonte: Social Bicycles (2016b)

Atualmente h apenas um sistema com pedelecs compartilhadas em funcionamento

no Brasil (Figura 2.14), o qual foi implantado em 2015 na cidade de So Luiz do
Paraitinga/SP, uma cidade montanhosa, com populao aproximada de 10000 habitantes. O
sistema, que conta com sete bicicletas eltricas e trs convencionais, faz parte do projeto
Cidade Inteligente da concessionria de energia eltrica Elektro, o qual visa estudar novas
tecnologias em redes de energia (Folha de So Paulo, 2015; Elektro, 2015).

Figura 2.14: Primeiro bike sharing brasileiro de quarta gerao, com bicicletas do tipo
pedelec, implantado em So Luiz do Paraitinga/SP. Fonte: Folha de So Paulo (2015)

17

A empresa E-moving oferece pedelecs para aluguel na cidade de So Paulo, mas

atualmente o foco em estabelecimentos comerciais, tanto para usurios(as) do comrcio
(como hspedes de hotis), quanto para funcionrios, visando entregas, compra de
produtos, deslocamentos no horrio de almoo, entre outras razes (V de Bike, 2015b).

2.4.1 Sistemas de bicicletas compartilhadas em campi universitrios

Alm das cidades, universidades tm adotado sistemas de compartilhamento de
bicicletas em seus campi, sendo o modelo universitrio de gesto explanado por DeMaio
(2009). Em alguns casos, h a vantagem de permitir que o sistema interno funcione de
forma integrada com a oferta de transportes externa ao campus.

Um ponto interessante que a criao de projetos pilotos nas universidades no

apenas favorece a mobilidade dos(as) usurios(as) do campus e pessoas do entorno, mas
tambm funciona como um meio para se estudar a tecnologia envolvida e as experincias
dos(as) usurios(as). Os subcaptulos de 2.4.1.1 a 2.4.1.4 citam estudos relativos ao
primeiro sistema com e-bikes compartilhadas dos EUA, cycleUshare (Figura 2.15), o qual
surgiu em 2011, na Universidade de Tennessee, em Knoxville.

Figura 2.15: Sistema cycleUshare, primeiro bike sharing de quarta gerao dos EUA, o
qual foi instalado na Universidade de Tennessee, em Knoxville. Fonte: Universidade
de Tennessee-Knoxville (2016)

18

2.4.1.1 Concepo de um sistema com e-bikes compartilhadas

Cherry et al. (2011) fizeram uma anlise da concepo de um sistema de
compartilhamento de pedelecs, com foco na arquitetura do sistema, na operao e no
gerenciamento das baterias. Foi verificado, conforme a maioria dos cenrios estipulados,
que a bateria no tem capacidade suficiente para operar, durante um dia completo, com
apenas um carregamento, sendo necessria uma logstica de gerenciamento de baterias.
Tambm foram feitas consideraes a respeito dos possveis dados a serem coletados
atravs das viagens com as e-bikes, visando segurana contra roubos e estudos
posteriores com os dados obtidos. O assunto abordado serviu como base para a
implantao do sistema na Universidade de Tennessee, em Knoxville.

2.4.1.2 Simulaes da demanda e disponibilidade de e-bikes em um sistema de

compartilhamento
Ji et al. (2014) simularam o uso de um sistema com pedelecs compartilhadas, mas
sem dados empricos. Os parmetros de demanda utilizados nas simulaes foram
distribuio das taxas de viagem, distncia e durao das viagens. Os parmetros de oferta
foram o nmero de e-bikes, a quantidade de baterias e de estruturas para carregamento.
Foram simuladas diversas situaes de demanda, com foco na otimizao da quantidade de
baterias, para determinar o nmero de e-bikes e baterias necessrias ao sistema, as quais
demonstraram serem significativamente sensveis aos parmetros de demanda utilizados.
Os autores ressaltam que importante fazer uso eficiente das e-bikes. Os resultados
encontrados foram utilizados na concepo do sistema implantado na Universidade de
Tennessee, em Knoxville.

2.4.1.3 Anlise do primeiro ano de funcionamento do sistema implantado na

Universidade de Tennessee, em Knoxville (EUA)
Langford et al. (2013) verificaram que as e-bikes compartilhadas expandiram a
mobilidade do(a) usurio(a) do campus e removeram as barreiras decorrentes do relevo.
Para essa anlise, eles utilizaram dados de 93 usurios(as) inscritos(as) no programa,
os(as) quais podiam se deslocar com bicicletas convencionais ou eltricas. Alm disso, os
autores consideram que o programa foi importante do ponto de vista educacional, por
introduzir meios e tecnologias de transporte alternativos aos convencionalmente utilizados.

19

No que tange escolha pelas bicicletas, os resultados demonstraram que o

comportamento de homens e mulheres comparvel em muitos aspectos, mas as mulheres
se sentiram mais atradas pelas bicicletas convencionais por conta da possibilidade de
realizar atividade fsica.

Em relao aos problemas encontrados, os autores relataram falhas com o software

utilizado para o gerenciamento das baterias e bicicletas. Tambm foram comuns erros
ocasionados pelos(as) prprios(as) usurios(as), principalmente na retirada e devoluo das
bicicletas (convencionais ou eltricas), mesmo aps aes educativas especficas para
utilizao do sistema. A manuteno das bicicletas de ambos os tipos gerou complicaes,
principalmente em relao s eltricas, sendo necessrio, em alguns casos, at substituir
componentes. No que diz respeito s normas de utilizao, algumas pessoas no
obedeceram ao tempo de uso, mas se tratavam sempre dos(as) mesmos(as) infratores(as).
Vale ressaltar que o vandalismo foi raro, causando pequenos danos s bicicletas.

2.4.1.4 Comportamento (relacionado segurana) de usurios(as) de bicicletas

convencionais e eltricas
Langford et al. (2015) fizeram estudo comparando os comportamentos dos(as)
usurios(as) de bicicletas convencionais e eltricas, com base em dados obtidos por GPS Global Positioning System. Foi verificado se as pessoas pedalavam no sentido correto da
via, se respeitavam as paradas obrigatrias e os semforos nas interseces e, por fim, a
velocidade nas ruas e em vias compartilhadas. Os autores concluram que o comportamento
dos(as) usurios(as) dos dois tipos de bicicletas bastante similar, constatando que as
violaes so altas para ambos(as). O sentido correto da via no foi respeitado por cerca de
45% e 44% dos(as) usurios(as) das bicicletas convencionais e eltricas, respectivamente.
Os semforos foram violados por aproximadamente 70% dos(as) usurios(as) de cada
grupo. Em relao velocidade, a das e-bikes foi superior nas ruas, enquanto as bicicletas
convencionais apresentaram maior velocidade em vias compartilhadas com pedestres
(greenways).

2.5 Demanda pelo transporte ciclovirio

A estimao da demanda um passo essencial que precede a implantao de
qualquer sistema de transporte, servindo de referncia para a tomada de deciso poltica e
de investidores (Barnes e Krizek, 2005). Para estimar a demanda necessrio obter dados socioeconmicos, de infraestrutura destinada s bicicletas, de uso do solo, meteorolgicos,

20

etc. - atravs de pesquisas orientadas ao pblico-alvo, diretamente de rgos pblicos,

contagens, entre outros meios. Em seguida, com os dados disponveis, possvel calibrar
modelos que demonstrem o comportamento da demanda de acordo com os parmetros
avaliados. Os modelos podem ser agregados ou desagregados. Os primeiros so baseados
em dados de grupos de viagens ou em mdias de zonas especficas, j os segundos dizem
respeito viagens individuais. A grande vantagem dos dados desagregados que
possvel analisar os dados para cada respondente, ou seja, os resultados podem ser melhor
trabalhados atravs de uso de ferramentas estatsticas, visto que os dados agregados
podem ocultar particularidades.

Quanto obteno dos dados, as pesquisas de preferncia revelada (revealed

preference) e declarada (stated preference) so as tcnicas mais comuns para obteno de
informaes. De acordo com Ortzar e Willumsen (2011), a pesquisa de preferncia
revelada baseada em escolhas reais dos indivduos, enquanto a declarada permite que
cenrios hipotticos sejam criados, de modo que os(as) respondentes possam opinar a
respeito de um modo de transporte que ainda no tenha sido utilizado. Dentre as tcnicas
para assinalar as respostas, a mais utilizada na rea de transportes a da escolha preferida
(stated choice), na qual apenas a alternativa preferida deve ser assinalada, mas tambm
existem tcnicas que permitem a ordenao (ranking) e a avaliao (rating) das alternativas.

Maldonado-Hinarejos et al. (2014), Hunt e Abraham (2007) e Ortzar et al. (2000)

usaram pesquisa de preferncia declarada para estimar a demanda potencial pelo modo
ciclovirio, enquanto Kirner (2006) e Magalhes e Palhares (2013) usaram o mesmo tipo de
pesquisa para caracterizar a demanda pelo transporte ciclovirio. Abdelgawad et al. (2016)
fez uso da preferncia declarada para explorar e quantificar as principais barreiras para
utilizao das bicicletas. Wardman et al. (2007) combinaram pesquisas de preferncia
revelada e declarada para criar um modelo de estimativa da demanda por bicicletas e Ryley
(2006) usou pesquisas de preferncia revelada e declarada para avaliar a propenso de
usurios(as) de carro, nibus e a p mudarem para a bicicleta.

Em relao calibrao dos modelos, h diversas abordagens matemticas

disponveis para trabalhar com os dados. A Tabela 2.1 exibe uma sntese de alguns autores
que pesquisaram a demanda cicloviria e respectivas abordagens utilizadas na modelagem,
sendo os modelos de regresso e probabilsticos (logit) os mais comumente utilizados. A
fundamentao terica do logit ser apresentada detalhadamente no subcaptulo 2.5.1.

21

Tabela 2.1: Sntese de trabalhos que focaram na demanda pelo transporte ciclovirio e
respectivas abordagens matemticas utilizadas nos modelos calibrados.
Autor(es)
Thomas et al. (2009)
Parkin et al. (2008)
Griswold et al. (2011)
Hankey et al. (2012)
Noland et al. (2016)
Ryley (2006)
Hunt e Abraham (2007)
Godefroy e Morency (2012)
Wardman et al. (2007)
Maldonado-Hinarejos et al. (2014)
Rybarczyk e Wu (2010)

Abordagem matemtica
Regresso linear mltipla
Regresso logstica
Regresso log-linear
Regresso binomial negativa
Regresso binomial negativa
Logit binrio
Logit binrio
Logit binrio
Logit hierrquico
Logit multinomial hbrido
Anlise multicritrio

2.5.1 Modelos de escolha discreta

Os modelos de escolha discreta permitem a utilizao de dados desagregados
provenientes de pesquisa de preferncia declarada. Eles passaram a ser utilizados a partir
da dcada de 1980 e se caracterizam por fornecerem a probabilidade dos(as) respondentes
realizarem uma escolha, entre todas as alternativas disponveis, em funo da atratividade
relativa da opo escolhida e de caractersticas individuais, como as socioeconmicas
(Ortzar e Willumsen, 2011).

A atratividade das alternativas representada pelas funes utilidades, as quais so

provenientes da teoria da utilidade, que a base dos modelos de escolha discreta e possui
as seguintes premissas (Domencich e McFadden, 1975a; Williams, 1977b apud Ortzar e
Willumsen, 2011):

Os indivduos pertencem a uma populao homognea Q, agem racionalmente e

escolhem a opo que maximiza sua funo utilidade conforme restries legais,
sociais, fsicas e de tempo e dinheiro;

Domencich, T. e D. L. McFadden (1975) Urban travel demand: A behavioural analysis. Editora

North-Holland Publishing, Amsterdam, Holanda.

b

Williams, H. C. W. L. (1977) On the formation of travel demand models and economic evaluation

measures of user benefit. Environment and Planning, v. 9, p. 285-344.

22

H um conjunto de alternativas disponveis para escolha A = {A1,..., Aj,..., AN} e um

conjunto X de vetores dos atributos dos indivduos e suas escolhas. Determinado
indivduo q possui um conjunto de atributos x X e, em geral, sua escolha
caracteriza-se por A(q) A;

Cada alternativa Aj A tem associada uma utilidade Ujq para o indivduo q. O

pesquisador assume que Ujq pode ser representada por dois componentes, visto que
no possui informaes sobre todos os elementos considerados pelo indivduo que
faz a escolha:
o

uma parcela Vjq, que mensurvel e funo dos atributos x relacionados

com a escolha;

uma parcela aleatria jq, que reflete as particularidades dos indivduos,

juntamente com possveis erros inerentes ao processo de calibrao do
modelo.

Desse modo, a utilidade pode ser definida como:

(2.1)
A parcela da Equao 2.1 corresponde a variveis aleatrias com mdia zero e a
parcela Vjq corresponde a uma funo linear dos atributos (x) com seus respectivos
coeficientes (), conforme a expresso:

(2.2)

O indivduo q opta pela alternativa que maximiza sua utilidade, isto , Aj escolhida
somente se:

(2.3)
O que significa:

(2.4)
Como o pesquisador desconhece as parcelas iq e jq, no possvel garantir a
desigualdade da Equao 2.4. A probabilidade de escolher a alternativa Aj dada
pela seguinte expresso:

23

(2.5)

Para tanto, a condio Vjq + jq 0 deve ser respeitada. Embora a distribuio dos
resduos seja desconhecida, sabe-se que so aleatrios.
Os resduos gerados pelas funes utilidade so independentes e identicamente
distribudos, conforme a distribuio IID (independent and identically distributed) de
Gumbel (ou Weibull). importante ressaltar que os resduos IID de Gumbel exigem
que as alternativas sejam independentes.

Os principais modelos de escolha discreta, formulados a partir da teoria da utilidade,

so o Multinomial Logit, o Nested Logit, o Multinomial Probit e o Mixed Logit (Ortzar e
Willumsen, 2011). Nos subcaptulos 2.5.1.1 e 2.5.1.2 sero detalhados a pesquisa de
preferncia declarada e o logit multinomial, que, quando aplicados de forma conjunta, se
transformam em uma excelente ferramenta de modelagem discreta para anlise de
demanda de novos sistemas de transporte, como o caso de bicicletas pedelecs
compartilhadas no Brasil.

2.5.1.1 Pesquisa de preferncia declarada

As pesquisas de preferncia declarada foram trazidas das pesquisas de mercado
(por exemplo, fatores que pesam para uma pessoa comprar uma bicicleta eltrica ou
convencional) e hoje so amplamente utilizadas na rea de transportes, atravs da tcnica
de escolha preferida (stated choice), principalmente quando se trata de um novo sistema a
ser implantado. Tambm so utilizadas quando se deseja avaliar quanto cada aspecto pesa
na escolha do(a) entrevistado(a).
A observao das escolhas reais dos indivduos fundamento das pesquisas de
preferncia revelada no permite que se quantifique o peso das variveis qualitativas na
deciso, o que se torna possvel com a criao de cenrios hipotticos nos quais os(as)
respondentes precisam ponderar qual aspecto mais importante para a escolha. Outra
vantagem da pesquisa de preferncia declarada o custo significativamente inferior
revelada (Ortzar e Willumsen, 2011).

Para elaborao da pesquisa, o primeiro passo determinar quais atributos so

importantes para a escolha das alternativas. Definidos os atributos, necessrio determinar
os nveis dos mesmos, sejam eles quantitativos ou qualitativos. Deve-se atentar
especialmente para nveis de atributos qualitativos, visando sempre caracteriz-los, de

24

modo que o(a) respondente consiga compreender o que o(a) pesquisador(a) deseja que
seja ponderado. A Tabela 2.2 mostra atributos e nveis adotados por Magalhes e Palhares
(2013) para avaliao de caractersticas de rotas ciclveis. possvel verificar que h trs
atributos, com dois nveis cada.
Tabela 2.2: Atributos e nveis de pesquisa de preferncia declarada conduzida por
Magalhes e Palhares na cidade de Montes Claros/MG.
Atributo

Natureza da varivel Nveis associados

0 = Ruim (acima de 30 minutos)
Tempo de viagem
Quantitativa
1 = Bom (at 30 minutos)
0 = Ruim (acima de 50 km/h)
Velocidade mxima permitida
Quantitativa
para veculos na via
1 = Bom (entre 30 e 50 km/h)
0 = Ruim (com irregularidades)
Pavimento
Qualitativa
1 = Bom (sem irregularidades)
Fonte: adaptado de Magalhes e Palhares (2013)

Com atributos e nveis determinados, preciso gerar as combinaes dos atributos.

Deve-se evitar combinaes que aparentem serem impossveis de acontecer, como uma
alternativa alta qualidade, alta frequncia e baixo custo, pois isto pode reduzir a
credibilidade da pesquisa. Tambm devem ser evitadas combinaes de muitos atributos
(mais do que seis), pois isso cansa o(a) respondente e torna difcil avaliar as alternativas
(Ortzar e Willumsen, 2011).

Para a combinao dos nveis dos atributos, o mtodo mais fcil o fatorial completo
(full factorial), que corresponde combinao de todos os nveis, mas muitas vezes ele se
torna invivel devido excessiva quantidade de combinaes ou por gerar alternativas
distantes da realidade. Muitos(as) pesquisadores(as) adotam o fatorial fracionado (fractional
factorial), que consiste na seleo de combinaes provenientes do fatorial completo. Esse
processo pode ser feito de forma aleatria, mas tambm h mtodos especficos para essa
seleo, sendo o ortogonal (orthogonal design) o mais conhecido (Ortzar e Willumsen,
2011). O software SPSS possui uma ferramenta para gerar combinaes atravs do mtodo
fatorial fracionado ortogonal (Isler, 2015).

2.5.1.2 Logit multinomial

O logit multinomial amplamente utilizado na rea de transportes, sendo
considerado o mais simples e popular modelo de escolha discreta (Domencich e McFadden,
1975 apud Ortzar e Willumsen, 2011). Ele assume que os resduos possuem distribuio

25

IID de Gumbel. Desse modo, a partir da Equao 2.5, a probabilidade de escolha da

alternativa i pelo indivduo q corresponde a:

(2.6)

A atratividade das alternativas representada pelas funes utilidade, as quais

possuem constantes e atributos. A constante representa a influncia de caractersticas que
no so explcitas devido dificuldade para se medir, como o conforto. J os atributos
possuem coeficientes, os quais representam a importncia relativa do atributo para a funo
utilidade. importante ressaltar que a constante de uma das alternativas deve ser fixada
como zero, de modo que as constantes das outras alternativas, obtidas no processo de
calibrao do modelo, so relativas de referncia (fixada como zero). No caso de um
modelo binomial, so duas alternativas, sendo uma com constante nula (Ortzar e
Willumsen, 2011). A Figura 2.16 exibe um modelo logit multinomial com cinco alternativas,
sendo possvel verificar que as funes utilidade possuem constantes (ASC) e atributos (TT,
PE, TO, FR e FA) com os respectivos coeficientes (). Como ressaltado anteriormente, uma
das alternativas (a do carro) possui constante fixada como zero e por isso no aparece na
funo utilidade.

Figura 2.16: Funes utilidade do trabalho de Isler (2015). Fonte: Isler (2015)

Para estimar os coeficientes utilizado o mtodo da mxima verossimilhana, o qual

se baseia na concepo de que uma amostra particular tem maior probabilidade de ter sido
elaborada a partir de uma determinada populao em relao a outras, embora uma
amostra possa ser proveniente de diversas populaes. A funo de verossimilhana
definida como o produto das probabilidades de escolha de cada indivduo:

26

(2.7)

Na Equao 2.7, o expoente gjq definido como 1 se a alternativa Aj for escolhida

pelo indivduo q e 0 em caso contrrio. Para maximizar a funo necessrio diferenci-la
parcialmente em relao aos coeficientes e depois igualar a zero. A maximizao da
verossimilhana resulta em (Ortzar, 1982c apud Ortzar e Willumsen, 2011):

(2.8)

A determinao dos coeficientes envolve um processo iterativo. No caso do logit

multinomial, o processo converge rapidamente, o que no ocorre com outros modelos de
escolha discreta, o que justifica a maior disponibilidade de softwares para estimao de
modelos logit multinomial em detrimento dos outros modelos (Ortzar e Willumsen, 2011).

Em relao avaliao dos modelos logit multinomial, h trs principais testes

estatsticos que podem ser utilizados (Ortzar e Willumsen, 2011):

1. Teste t de Student para significncia dos atributos da funo utilidade

Verifica se os atributos possuem valor estatisticamente diferente de zero. Para nvel
de confiana de 95%, o resultado do teste deve ser superior a 1,96 (para amostras
muito grandes - grau de liberdade maior do que 50), o que indica a rejeio da
hiptese nula (atributo igual a zero) e a constatao do efeito significativo do atributo.
Alm disso, o p-value (sig) deve ser menor do que 5% para que a hiptese nula seja
rejeitada.
2. ndice
Verifica a aderncia do modelo em relao aos dados, permitindo comparar a
qualidade do ajuste entre modelos alternativos. O valor do ndice varia entre 0 (sem
aderncia) e 1 (aderncia perfeita), mas a anlise dos valores intermedirios difere

Ortzar, J. D. (1982) Fundamentals of discrete multimodal choice modelling. Transport Reviews, v.

2, p. 47-78.

27

da utilizada no caso do R, de modo que valores por volta de 0,4 sejam considerados
excelentes ajustes. Ben-Akiva e Lerman (1985d) apud Ortzar e Willumsen (2011)
propuseram uma correo ao ndice, chamando-o de ajustado.

3. Teste de Razo de Verossimilhana (Likelihood Ratio Test)

Avalia se um modelo restrito - isto , que possui coeficientes genricos - mais
adequado estatisticamente do que um modelo com coeficientes especficos para
cada atributo. As Figuras 2.17 e 2.18 exemplificam um modelo restrito e um com
coeficientes especficos, respectivamente.

Figura 2.17: Exemplo de modelo restrito (isto , com coeficientes genricos) do logit
multinomial. Fonte: Isler (2015)

Figura 2.18: Exemplo de modelo com coeficientes especficos do logit multinomial.

Fonte: Isler (2015)

A estimao dos modelos fornece os valores da verossimilhana e dos respectivos

coeficientes, sendo l(r) e l() as verossimilhanas dos modelos restrito e com
coeficientes especficos, respectivamente. O teste definido como:
{

(2.9)

Ben-Akiva, M. e S. R. Lerman (1985) Discrete choice analysis: Theory and application to travel

demand. Editora MIT Press, Cambridge, EUA.

28

A hiptese nula (modelo restrito adequado) rejeitada se o valor de LR encontrado

for menor que o valor crtico de uma distribuio com n - nr graus de liberdade
(onde n corresponde ao nmero de atributos) e para determinado nvel de confiana.

O software livre Biogeme, desenvolvido por Bierlaire (2003), uma excelente

ferramenta computacional para calibrao de modelos logit multinomial. A sua utilizao
requer dois arquivos: um na extenso .dat, que contm os dados a serem modelados, e um
na extenso .mod, que contm as especificaes da calibrao do modelo. Os resultados do
modelo e os testes estatsticos (teste t de Student para significncia dos atributos e ndice
) so fornecidos atravs de um arquivo do tipo .html. O teste de Razo de
Verossimilhana deve ser feito manualmente quando modelos restrito e com coeficientes
especficos so calibrados. Alm disso, atravs de uma ferramenta adicional do prprio
Biogeme, o Biosim, possvel calcular as probabilidades de escolha para cada observao
do banco de dados (Bierlaire e Fetiarison, 2009; Bierlaire, 2015a, 2015b).

2.5.2 A influncia da meteorologia e de ciclovias/ciclofaixas

A presena de ciclovias e ciclofaixas e as condies meteorolgicas esto entre os
fatores mais impactantes para a variao no volume de bicicletas em trnsito e, por conta
disso, alguns autores da literatura internacional tem includo essas variveis nos estudos
sobre demanda cicloviria.

Dill e Carr (2003) criaram modelos, utilizando dados de 42 cidades dos EUA, para
avaliar os aspectos que mais influenciam nas variaes de uso da bicicleta, verificando que
locais com presena de ciclovias e ciclofaixas tendem a apresentar maior volume de
ciclistas, desde que elas conectem pontos de origem e destino de interesse da populao.
Na mesma linha, Habib et al. (2014) verificaram, para a cidade de Toronto (Canad), que a
presena de ciclovias e ciclofaixas aumenta a demanda pelo uso das bicicletas, pois a
percepo da segurana e o conforto so significativamente aumentados.

Sob a tica das condies meteorolgicas, os autores que sero citados adiante
verificaram, em diferentes localidades e com anlises focadas em aspectos distintos, a
relao entre as condies meteorolgicas e a quantidade de deslocamentos por bicicletas.

Em todos os trabalhos, a precipitao e a temperatura foram consideradas

significativas para a variao na demanda. Alguns autores (Tin Tin et al., 2012; Sears et al.,
2012; Nankervis, 1999) tambm fizeram anlises considerando as variaes conforme as

29

estaes do ano. Miranda-Moreno e Nosal (2011) verificaram tendncias horrias, dirias,

mensais e anuais de uso de infraestrutura para bicicletas. Godefroy e Morency (2012)
analisaram a probabilidade de uma viagem ser feita por bicicleta, verificando o quanto a
temperatura e a chuva influenciam, alm de diversas outras caractersticas utilizadas na
calibrao do modelo. Sears et al. (2012) verificaram que o volume de viagens para o
trabalho foi maior que o dobro em dias sem chuva pela manh. Thomas et al. (2009, 2013) e
Sabir et al. (2010) concluram que ciclistas recreacionais so mais sensveis meteorologia
do que ciclistas que fazem uso para fins de trabalho e estudo.

A Tabela 2.3 exibe uma sntese com os autores e as respectivas localizaes.

possvel notar que todas as cidades possuem clima bastante diferente da realidade
brasileira (embora o Brasil seja um pas continental).
Tabela 2.3: Sntese de trabalhos, com respectivas localizaes dos dados utilizados,
que verificaram a relao entre as condies meteorolgicas e a demanda cicloviria.
Autor(es)
Faghih-Imani et al. (2014)
Miranda-Moreno e Nosal (2011)
Godefroy e Morency (2012)
Phung e Rose (2007)
Nankervis (1999)
Ahmed et al. (2010)
Ahmed et al. (2012)
Tin Tin et al. (2012)
Thomas et al. (2009)
Thomas et al. (2013)
Sabir et al. (2010)
Flynn et al. (2012)
Sears et al. (2012)

Localizao dos dados

Montreal (Canad)
Montreal (Canad)
Montreal (Canad)
Melbourne (Austrlia)
Melbourne (Austrlia)
Melbourne (Austrlia)
Brisbane (Austrlia) e Portland (EUA)
Auckland (Nova Zelndia)
Gouda e Ede (Holanda)
Gouda e Ede (Holanda)
(Holanda)
Cinco cidades do estado de Vermont (EUA)
Cinco cidades do estado de Vermont (EUA)

A maior parte das pesquisas envolvendo demanda pelo transporte ciclovirio e

condies meteorolgicas faz uso de modelagem com diversos tipos de regresso, visto que
trabalham com volumes de viagem reais, isto , tm registrados os valores dirios de
viagens por bicicletas. Neste caso, as variveis meteorolgicas, obtidas nos mesmos
intervalos dos registros de volumes de viagens, podem ser utilizadas atravs dos
parmetros disponveis (vento, neve, precipitao, temperatura, insolao, radiao,
nebulosidade, umidade do ar etc.). Desse modo, a varivel dependente (nmero de viagens
por bicicletas) dos modelos calibrada em funo das diversas variveis independentes
(parmetros meteorolgicos).

30

Em situaes em que se deseja estimar a demanda potencial, principalmente quando

se trata de um novo sistema de transporte que influenciado diretamente pelas condies
meteorolgicas (como o caso de bicicletas pedelecs compartilhadas), se torna invivel
utilizar tantos parmetros meteorolgicos. Diante dessa limitao, as pesquisas de
preferncia declarada so uma opo para estimar a demanda potencial. Neste caso,
devido inexistncia dos volumes reais de viagens, os dados obtidos podem ser
posteriormente trabalhados atravs de logit ou de Redes Neurais Artificiais (RNA). Para este
propsito, sugere-se consultar Rodrigues da Silva et al. (2002, 2008), Bocanegra e
Rodrigues da Silva ( 2002) e Raia Jr. et al. (2001).

2.5.3 A realidade brasileira

No Brasil, escassa a literatura sobre estimao da demanda por bicicletas.
Magalhes et al. (2015) realizaram uma extensa reviso bibliogrfica sobre modelos de
previso de demanda pelo modo ciclovirio e Franco et al. (2014) formularam um modelo
baseado no mtodo LDS (Latent Demand Score) - elaborado por Landis e Toole (1996e)
apud Portugal (2012) - para estimar a demanda pendular potencial por viagens de bicicleta
no Rio de Janeiro. Outros trabalhos no lidaram diretamente com a estimativa da demanda,
mas focaram na caracterizao da mesma, como Kirner (2006) e Magalhes e Palhares
(2013). J Sousa e Kawamoto (2015) identificaram os fatores que mais influenciam no uso
das bicicletas, com foco na implantao de ciclovias e ciclofaixas.

evidente a necessidade no s de aprofundar os estudos brasileiros em demanda

potencial pelo transporte ciclovirio, mas tambm de avaliar a demanda com base em
condies meteorolgicas, j que o clima do Brasil muito diferente em relao aos pases
nos quais as pesquisas considerando essas variveis tm sido feitas.

th

Landis, B. e J. Toole (1996) Using the latent demand score model to estimate use. 9 International

Conference on Bicycle and Pedestrian Programs, Bicycle Federation of America - Pedestrian

Federation of America, Portland, ME, EUA.

31

3 MTODO

Neste captulo apresentado o conjunto de procedimentos adotado neste trabalho, o

qual foi dividido em duas etapas principais: a caracterizao do pblico-alvo (etapa 1) e a
anlise da demanda potencial por bicicletas (etapa 2). Primeiramente as etapas sero
apresentadas de forma mais geral, para permitir a aplicao em outros estudos de caso.
Contudo, o autor recomenda, para uma compreenso plena do conjunto de procedimentos,
que o(a) leitor(a) prossiga com a leitura dos subcaptulos 3.1, 3.2 e 3.3, nos quais so
apresentados, de forma detalhada, o estudo de caso e as etapas aplicadas ao mesmo. No
subcaptulo 3.1 possvel visualizar um fluxograma (Figura 3.2) com todos os
procedimentos - vinculados aos respectivos subcaptulos nos quais foram descritos - e as
principais ferramentas utilizadas.

A primeira etapa, de caracterizao do pblico-alvo, tem como foco a obteno de

dados sobre os(as) potenciais usurios(as), que pode ser feita atravs de entrevistas ou
aplicao de questionrios (em papel ou online). Para tanto, necessrio determinar o
pblico-alvo e o(s) modo(s) de transporte a ser(em) comparado(s) com a bicicleta. Esta
escolha no trivial, visto que est relacionada tanto ao objetivo como ao pblico-alvo
desejados. De maneira geral, a estrutura bsica do instrumento de coleta de dados
(entrevista ou questionrio) deve visar identificao da preferncia por bicicletas frente
ao(s) modo(s) escolhido(s) para comparao. Alm disto, a coleta pode ser utilizada para a
obteno de diversas outras informaes que permitam retratar um perfil mais completo do
pblico-alvo, se houver algum interesse mais especfico.

A segunda etapa, de anlise da demanda potencial por bicicletas, corresponde a

uma anlise das probabilidades de uso das bicicletas. elaborada uma planilha eletrnica
com os dados de preferncia por bicicletas obtidos na primeira etapa, alm da insero de
campos que permitam simular as condies relacionadas preferncia por bicicletas. Desse
modo, possvel checar variaes nas probabilidades decorrentes de alteraes nas
condies especificadas na coleta de dados, visto que interferem diretamente na demanda
potencial.

32

3.1 Apresentao do estudo de caso

A estratgia proposta foi testada em um campus universitrio, considerando a
demanda por bicicletas do tipo pedelec em um sistema de uso compartilhado. O campus em
questo, que pertence Universidade de So Paulo, est localizado na cidade de So
Carlos e possui duas reas (denominadas reas 1 e 2) fisicamente separadas por uma
distncia de cerca de 4,5 km. Atualmente, o campus conta com cerca de 5200 alunos(as) de
graduao e 2600 alunos(as) de ps-graduao, sendo que aproximadamente 29% do total
frequenta a rea 2 (Oliveira, 2015). A Figura 3.1 exibe os principais eixos virios entre as
reas do campus.

Figura 3.1: Principais eixos virios entre as reas do campus da USP de So Carlos
Ganho a variao positiva (ascendente) de altitude acumulada Perda a variao
negativa (descendente) de altitude acumulada. Fonte: Google Earth (2015)

A Rota 2 (em azul), com extenso de 4,2 km, corresponde ao trajeto utilizado pelo
nibus da USP e pela maioria das pessoas que usam transporte privado, com exceo de

33

alguns(mas) ciclistas que optam por vias secundrias para evitar o trfego mais intenso da
Avenida Miguel Petroni. A Rota 1 (em verde), com 5,0 km, apesar de potencialmente se
apresentar como um eixo principal de deslocamento entre as reas, visto que
essencialmente composta por avenidas, no utilizada devido inexistncia de portaria na
regio sul da rea 2, embora o projeto do campus preveja uma no local. Se existisse esse
acesso, a Rota 1 seria um pouco maior do que a Rota 2 (atualmente utilizada), mas j
contabilizaria 2,6 km de ciclovias implantadas, o que corresponde a pouco mais de 50% da
extenso total do eixo virio considerado. importante notar tambm que a declividade da
Rota 1, no sentido rea 1 para rea 2, maior do que a da Rota 2.

Um fluxograma, composto pelo conjunto de procedimentos e as ferramentas que

foram utilizados no estudo de caso, pode ser visto na Figura 3.2. Uma linha do tipo traoponto separa as duas etapas e o subcaptulo em que cada procedimento detalhado pode
ser visto atravs da numerao junto s caixas de texto.

34

Figura 3.2: Fluxograma com o conjunto de procedimentos e ferramentas utilizados no

estudo de caso.

35

3.2 Etapa 1: Caracterizao do pblico-alvo

3.2.1 Elaborao e aplicao do questionrio
Para este estudo de caso, optou-se pela utilizao de questionrio, o qual pode ser
visto no Apndice A. O objetivo foi obter um panorama a respeito do pblico-alvo, com foco
nos deslocamentos realizados entre as duas reas do campus. Ser dada nfase s
perguntas que tm importncia direta para o objetivo do trabalho, visto que algumas
questes foram formuladas para aproveitar a aplicao do questionrio e serem utilizadas
no desenvolvimento da disciplina de Planejamento e Anlise de Sistemas de Transportes
(STT0405), a qual ofertada para o curso de Engenharia Civil da Escola de Engenharia de
So Carlos (EESC), no segundo semestre do terceiro ano regular.

Assim, foram formuladas questes relacionadas aos motivos para no usar a

bicicleta convencional para se deslocar entre as reas (pergunta 9 - somente para quem
sabia pedalar e no usava a bicicleta convencional neste deslocamento), experincia com
meios de transporte j utilizados no percurso considerado (pergunta 11 - respondida por
todos), ao tempo mdio gasto no deslocamento (perguntas 12 e 13 - somente para quem
usava carro e bicicleta, respectivamente), ao tempo mximo aceitvel para deslocamento
(pergunta 14 - respondida por todos), s razes para no usufruir do nibus ofertado pela
USP (pergunta 15 - somente para quem no usava o nibus nesse deslocamento),
rejeio aos meios de transporte (pergunta 42 - respondida por todos) e tambm um
conjunto de perguntas que pretendia identificar a preferncia por bicicletas pedelecs
compartilhadas, em relao ao nibus da USP, para diversos cenrios (perguntas 26 a 41 somente para quem sabia pedalar). As outras perguntas elaboradas podem ser verificadas
no Apndice A.

A pergunta 9 foi formulada para que os(as) respondentes ordenassem as opes

fornecidas (oito, no total), atribuindo o nmero 1 para a opo mais decisiva na deciso de
no usar a bicicleta. Tambm era permitido inserir uma nova opo e orden-la juntamente
com as fornecidas, seguindo a mesma lgica apresentada. A pergunta 15 fornecia 13
opes, as quais os(as) respondentes deveriam avaliar, em relao deciso de no usar
o nibus da USP, como 1 (extremamente importante - crucial), 2 (muito importante) e 3
(pouco importante). Assim como na pergunta 9, era permitido inserir uma nova opo e
avali-la. Inicialmente, a pergunta 15 era respondida atravs da ordenao das opes, mas
adotou-se a avaliao das opes devido ao nmero excessivo de alternativas
apresentadas aos(s) respondentes.

36

Nas perguntas 12, 13 e 14, os(as) respondentes deveriam assinalar a opo

desejada, com um detalhe para a pergunta 14, que permitia a insero de um valor no
apresentado previamente. J na pergunta 42, os(as) respondentes assinalavam todos os
meios de transporte que nunca utilizariam no deslocamento entre as duas reas, sendo
possvel assinalar mais de uma opo. A pergunta 11 era respondida atravs da avaliao
dos meios de transporte disponveis, usando a seguinte escala: 1 - muito satisfeito, 2 satisfeito, 3 - insatisfeito e 4 - muito insatisfeito.

Em relao s perguntas 26 a 41, dois textos introdutrios foram utilizados para este
conjunto de perguntas, um apresentando as bicicletas eltricas e outro explicando o que
seria o sistema de compartilhamento de bicicletas considerado. O nibus da USP e as
bicicletas pedelecs compartilhadas foram ento comparados no que tange disponibilidade
de horrios, ao custo para o(a) usurio(a) e ao tempo de viagem, com base na Figura 3.3.

Figura 3.3: Comparao de caractersticas entre o nibus da USP e o sistema de

bicicletas pedelecs compartilhadas.

Alm das caractersticas fixadas para cada um dos sistemas, citadas na Figura 3.3,
foram feitas combinaes de trs aspectos:

Ciclovias e/ou ciclofaixas entre as reas: caracterizadas em dois nveis, presena ou

ausncia total;

Ponto de nibus USP: caracterizado em dois nveis, cheio ou vazio;

Condies meteorolgicas: caracterizadas em quatro nveis, sendo sol e frio

(aproximadamente 18 C), sol e temperatura moderada (por volta de 26 C), sol e
calor (cerca de 34 C) e nublado e possibilidade de chuva.

37

A partir das combinaes desses aspectos foi possvel gerar 16 cenrios (fatorial
completo), os quais foram apresentados aos(s) respondentes atravs da Figura 3.4, com
base na tcnica de preferncia declarada e escolha preferida (stated choice). Para cada um
dos cenrios, os(as) respondentes deveriam apontar o modo de sua preferncia (nibus ou
pedelec).

Figura 3.4: Composio dos cenrios para a escolha do modo preferido.

Em relao aplicao do questionrio, foi realizada inicialmente uma aplicao

teste,

visando

identificar

possveis

equvocos

contextuais,

erros

ortogrficos

ambiguidades. Foram tambm registradas sugestes e feitas algumas anlises preliminares

para verificar se o modo como as respostas estavam sendo obtidas permitiria o
desenvolvimento desejado do trabalho. O teste foi aplicado a 74 alunos(as) de graduao da
disciplina de Planejamento e Anlise de Sistemas de Transportes (STT0405).

Aps a execuo de algumas sugestes e eventuais correes, o questionrio pde

ser aplicado junto ao pblico-alvo, que foi composto por alunos(as) de graduao e psgraduao que frequentam a rea 2 do campus. Para essa aplicao, houve a colaborao
dos(as) mesmos(as) alunos(as) que haviam participado da fase de teste. Os questionrios,
impressos coloridos em folhas A4 (duas pginas por folha) para facilitar a visualizao dos
textos em vermelho referentes s perguntas condicionais, eram fornecidos aos(s)

38

respondentes e deviam ser devolvidos ao() aplicador(a). Os(as) alunos(as) foram

instrudos(as) em relao abordagem a ser adotada e atuaram sob coordenao do autor
do trabalho. Alguns(mas) alunos(as) optaram pela aplicao dentro das salas de aula da
rea 2, enquanto outros(as) abordaram as pessoas dentro do campus (inclusive no prprio
ponto de nibus). No primeiro caso, era feito um pedido ao() docente responsvel pela
disciplina que estava sendo ministrada e, ao final da aula, os questionrios eram
disponibilizados aos(s) estudantes. No segundo caso, a abordagem era feita diretamente
ao() estudante. O tempo gasto para responder ao questionrio foi, em mdia, de 15
minutos.

As estratgias utilizadas pelos(as) alunos(as) que aplicaram o questionrio atingiram

muito mais a graduao do que a ps-graduao. Por conta disso, o autor aplicou o
questionrio nos laboratrios de pesquisa da ps-graduao, visando atingir tambm essa
parcela de usurios(as) da rea 2.

No total, 400 questionrios foram respondidos, sendo 369 por alunos(as) de

graduao, 28 por alunos(as) de ps-graduao, alm de uma ps-doutoranda, uma
funcionria tcnica-administrativa e uma resposta em branco, que, por no se enquadrarem
no perfil do pblico-alvo, foram descartadas. Para a anlise da demanda potencial por
bicicletas pedelecs compartilhadas, foram considerados(as) apenas os(as) respondentes
que se deslocam com o transporte atualmente operado pela USP (272 pessoas).

3.2.2 Anlise das principais perguntas do questionrio

As perguntas 12, 13, 14 e 42 foram analisadas atravs de clculo das percentagens
das respostas em relao ao total vlido que deveria responder pergunta. As perguntas de
26 a 41 tambm foram analisadas atravs do valor percentual, mas os dados foram
posteriormente trabalhados atravs de uma modelagem logit e do treinamento de uma Rede
Neural Artificial (RNA), processos que sero detalhados nos subcaptulos 3.2.3 e 3.2.4.

Para as perguntas 9, 11 e 15, primeiramente foi feita uma contagem da quantidade

de vezes que cada opo foi ordenada (no caso da pergunta 9) ou avaliada (no caso das
perguntas 11 e 15). Por exemplo, no caso da pergunta 15, era possvel que uma opo
fosse avaliada como 1, 2 ou 3. Desse modo, determinou-se a quantidade de cada avaliao
para cada opo apresentada ao() respondente. De forma semelhante foi feito com a
pergunta 11. Em relao pergunta 9, como era possvel ordenar de 1 a 8, foi determinada
a quantidade de cada ordenao para cada opo.

39

Em seguida foi calculada a mdia ponderada, para cada uma das opes, conforme
as quantidades encontradas. importante citar que os pesos foram invertidos para as trs
perguntas (9, 11 e 15), para fins de apresentao dos dados. Por exemplo, no caso da
ordenao da pergunta 9, em que o nmero 1 correspondia ao fator mais decisivo para no
usar as bicicletas, o peso maior passou a ser dado para o nmero 8. O mesmo vale para a
pergunta 11, na qual a avaliao muito satisfeito foi transferida para o peso 4 (no
questionrio correspondia a 1). A pergunta 15 segue a mesma lgica. Desse modo, ao final
foi obtido um valor que representa o impacto de cada opo em relao a todas s outras
previamente disponveis.

3.2.3 Modelagem (logit) dos dados da pergunta de preferncia declarada

Aps a obteno das preferncias dos(as) respondentes, foi calibrado um modelo
logit atravs do software Biogeme. As variveis foram inseridas conforme a Tabela 3.1.

Tabela 3.1: Valores dos nveis das variveis do modelo para insero no software
Biogeme.
Valor Escolha Ciclovia Ponto Calor Moderado Frio Possib.Chuva
0
nibus Ausncia Vazio
1
Pedelec Presena Cheio
X
X
X
X
O arquivo com a base de dados utilizado no modelo, o qual foi criado a partir do
software Notepad++, pode ser visto parcialmente na Figura 3.5. Cada ID corresponde a
um(a) respondente. Como havia 16 cenrios, cada respondente ocupou 16 linhas do
arquivo. Apesar de 272 pessoas da amostra usarem o nibus da USP, foram consideradas
252 respostas vlidas porque 10 pessoas no sabiam andar de bicicleta (e por isso no
responderam) e 10 pessoas deixaram a pergunta em branco.

40

Figura 3.5: Arquivo .dat utilizado para o modelo logit calibrado.

3.2.4 Elaborao de uma Rede Neural Artificial (RNA) com os dados da preferncia
declarada
Alm da calibrao do modelo logit, optou-se ainda pelo treinamento de uma Rede
Neural Artificial. Para tanto, foi utilizado o software EasyNNf.

O banco de dados foi o mesmo utilizado para a modelagem logit, ou seja, com os
dados inseridos de forma binria (Figura 3.5), contabilizando 252 respondentes. Desse
modo, na camada de entrada foram utilizados seis neurnios. Em relao s camadas

Software desenvolvido e comercializado por Stephen Wolstenholme, Inglaterra.

41

intermedirias, foi utilizada apenas uma camada intermediria, a qual foi composta por seis
neurnios.

Foram utilizados 50% dos dados para treinamento, 25% para validao e os demais
25% para teste da RNA. Para todas as etapas os dados foram selecionados de forma
aleatria. Em seguida, aps o treinamento, validao e teste da RNA, foram calculadas as
preferncias entre o nibus da USP e as bicicletas pedelecs, conforme cada cenrio (Tabela
3.2).

Cenrios

Tabela 3.2: Clculo das preferncias, para cada cenrio, conforme a Rede Neural
Artificial (RNA).
Escolha
Variveis de entrada
Ciclovia Ponto Calor Frio Possib. Chuva Moderado nibus USP Pedelec
67%
33%
1
1
1
0
0
0
10%
90%
1
1
0
1
0
0
91%
9%
1
1
0
0
1
0
13%
87%
1
1
0
0
0
1
95%
5%
1
0
1
0
0
0
52%
48%
1
0
0
1
0
0
99%
1%
1
0
0
0
1
0
52%
48%
1
0
0
0
0
1
98%
2%
0
1
1
0
0
0
58%
42%
0
1
0
1
0
0
98%
2%
0
1
0
0
1
0
66%
34%
0
1
0
0
0
1
98%
2%
0
0
1
0
0
0
75%
25%
0
0
0
1
0
0
98%
2%
0
0
0
0
1
0
85%
15%
0
0
0
0
0
1

3.3 Etapa 2: Anlise da demanda potencial por bicicletas pedelecs compartilhadas

3.3.1 Elaborao da estrutura da planilha eletrnica para clculo das probabilidades
Com as preferncias obtidas diretamente das respostas do questionrio e pela RNA,
foi elaborada uma planilha eletrnica (Figura 3.6) que fornece a probabilidade dos(as)
usurios(as) do nibus da USP escolherem a bicicleta pedelec compartilhada, ao invs do
nibus, para um determinado perodo com distribuio dos dias letivos conforme as
categorias meteorolgicas especificadas no questionrio. importante citar que, embora
no tenha sido includa a condio chuvoso no questionrio, ela foi considerada na

42

elaborao da estrutura da planilha, sendo que a preferncia pela bicicleta pedelec foi
considerada nula para esta categoria.

PLANILHA DESENVOLVIDA PARA A ESTIMAO DA DEMANDA POTENCIAL POR BICICLETAS PEDELECS COMPARTILHADAS NA USP SO CARLOS
parte da dissertao de mestrado de Leonardo Dal Picolo Cadurin (2016) e a leitura da mesma essencial para a compreenso da planilha.

Selecione: Ciclovias e/ou ciclofaixas = Presena total

100%

Selecione: Ponto de nibus (USP) = Vazio

Probabilidade de escolher a pedelec no perodo

80%

Total de dias letivos no perodo = 200 dia(s)

Sol e frio ( 18 C) = 40 dia(s) letivo(s)

60%

Sol e temperatura moderada ( 26 C) = 35 dia(s) letivo(s)

Sol e calor ( 34 C) = 40 dia(s) letivo(s)

40%

Nublado e possibilidade de chuva = 40 dia(s) letivo(s)

20%

Chuvoso = 45 dia(s) letivo(s)

0%

Verificao (Total - condies) = 0

20,1%

Sem calibrao
Sem calibrao

Condio meteorolgica

Dias

19,2%

Probabilidade
da condio
Preferncia
meteorolgica pela pedelec

RNA
Rede Neural Artificial (RNA)

Probabilidade de
Preferncia
pedelec e condio
pela pedelec
meteorolgica
9,0%
48%

Probabilidade de
pedelec e condio
meteorolgica
9,6%

Sol e frio ( 18 C)

40

20%

45%

Sol e temperatura moderada ( 26 C)

35

18%

44%

7,7%

48%

8,4%

Sol e calor ( 34 C)

40

20%

9%

1,8%

5%

1,0%

Nublado e possibilidade de chuva

40

20%

8%

1,6%

1%

0,2%

Chuvoso

45

23%

0%

0,0%

0%

0,0%

Probabilidade de escolher a pedelec :

Verificao () =

200

(Sem calibrao) 20,1%

(RNA) 19,2%

100%

Figura 3.6: Estrutura da planilha eletrnica para clculo da probabilidade de escolha

da bicicleta pedelec compartilhada.

Na planilha so combinadas as probabilidades de ocorrncia de cada condio

meteorolgica para o perodo desejado e as preferncias de escolha da bicicleta pedelec,
tanto as obtidas diretamente das respostas do questionrio, quanto as obtidas pela RNA.
Como as preferncias variam conforme a situao de ciclovias/ciclofaixas e da ocupao do
ponto de nibus da USP, a planilha permite que seja selecionado o nvel das duas variveis,
de modo que qualquer alterao acarreta em variao na probabilidade de escolha da
pedelec. Em relao s condies meteorolgicas, a influncia na variao da probabilidade
decorre da quantidade de dias letivos em cada classificao meteorolgica. Desse modo, a
probabilidade de escolha da pedelec, para determinado perodo, corresponde soma das
probabilidades de ocorrncia de cada condio meteorolgica e de preferncia pela pedelec
para a respectiva categoria meteorolgica, conforme a Equao 3.1.

(3.1)

Onde i corresponde s condies meteorolgicas e varia de 1 a 5, que o total de

condies meteorolgicas consideradas neste trabalho.

43

3.3.2 Obteno e tratamento dos dados meteorolgicos histricos de So Carlos/SP

Em So Carlos/SP h trs fontes principais para a obteno dos dados
meteorolgicos histricos: o Instituto Nacional de Meteorologia - INMET e a prpria USP,
atravs do Centro de Recursos Hdricos e Estudos Ambientais - CRHEA e do Centro de
Divulgao Cientfica e Cultural - CDCC. O INMET foi adotado como fonte padro, tanto por
ser um instituto federal e fazer medies em todo o pas, quanto pelo fato de ter duas
estaes (uma automtica e uma convencional) localizadas no campus da Universidade de
So Carlos - UFSCar, cuja distncia, em relao rea 1 do campus da USP So Carlos,
prxima de 4 km. Alm disso, os dados dirios so disponibilizados atravs do prprio site
do instituto, no Banco de Dados Meteorolgicos para Ensino e Pesquisa - BDMEP (Figura
3.7).

Figura 3.7: Banco de Dados Meteorolgicos para Ensino e Pesquisa do site do

Instituto Nacional de Meteorologia. Fonte: INMET (2016)

No site do INMET possvel obter os dados dirios para perodos relativamente

longos (por exemplo, 5 anos). Neste caso, os dados, provenientes de estaes
convencionais, que so compostas por sensores que registram continuamente diversos
parmetros (presso atmosfrica, temperatura e umidade relativa do ar, precipitao,
radiao solar, direo e velocidade do vento, etc.), precisam ser anotados por um
funcionrio a cada intervalo de tempo pr-definido. Em seguida, os dados devem ser
enviados a um centro coletor.

J os dados horrios so provenientes das estaes automticas, as quais possuem

uma unidade de memria central (data logger) ligada aos sensores que registram os
parmetros minuto a minuto. O data logger disponibiliza os dados, automaticamente, a cada
hora. Posteriormente, um funcionrio precisa checar a consistncia dos dados antes de
arquiv-los. No site do INMET possvel baixar os dados horrios, mas com a limitao de
busca para os ltimos 90 dias em relao data em que a busca est sendo realizada. Para

44

ter acesso aos dados horrios para perodos relativamente longos, necessrio entrar em
contato com os(as) funcionrios(as) do instituto.

importante citar que, embora na cidade de So Carlos existam os dois tipos de

estao, o mesmo no ocorre no restante do pas, visto que h locais em que apenas um
dos tipos est disponvel.

Em relao a esta pesquisa, foram obtidos, para os anos de 2011 a 2015, tanto os
dados dirios (das estaes convencionais) quanto os dados horrios (das estaes
automticas). No primeiro caso, foram obtidos diretamente do site os registros para os
parmetros de precipitao e temperaturas mxima, mnima e compensada mdia. A
respeito dos registros horrios, os parmetros enviados pela funcionria do INMET foram
temperatura (instantnea, mxima e mnima), umidade (instantnea, mxima e mnima),
ponto de orvalho (instantneo, mximo e mnimo), presso (instantnea, mxima e mnima),
vento (velocidade e direo), radiao e precipitao. Optou-se pela utilizao dos dados da
estao convencional, visto que os dados provenientes da automtica apresentavam um
perodo contnuo e extenso (mais de dois meses) sem dados registrados.

No questionrio, os nveis adotados para as condies meteorolgicas foram

representados pelas palavras sol, nublado, possibilidade de chuva e temperatura.
Embora nublado acompanhado de possibilidade de chuva facilite a visualizao da
condio meteorolgica em que h grande possibilidade de chover, representar a situao
nublado atravs dos parmetros no simples. O parmetro de nebulosidade, que
tambm possvel de ser obtido no site do INMET (em janela diferente da apresentada na
Figura 3.8), corresponde a uma medio bastante subjetiva, de difcil quantificao e que
no leva em considerao os tipos de nuvens presentes no cu (Penman, 1956g apud
Varejo-Silva, 2006). A sua medida representada em oitavos ou em dcimos (deve ser
indicado) de cu encoberto, sendo o valor zero um indicativo de nenhuma nuvem no
momento da observao. A sua estimao feita visualmente, arbitrando qual a poro
aproximada do cu que est encoberta no momento da observao. Durante as noites, a
estimativa obtida a partir das estrelas visveis (Varejo-Silva, 2006).

Penman, H. L. (1956) Evaporation: An introductory survey. Netherlands Journal of Agricultural

Science, v. 4, p. 9-29.

45

Devido sensibilidade do parmetro de nebulosidade em relao ao()

observador(a) que faz o registro e a dificuldade em obter um valor de nebulosidade que seja
representativo para um dia, j que se trata de um parmetro muito dinmico, decidiu-se que
a condio nublado no seria retratada atravs de algum parmetro meteorolgico. Desse
modo, nublado e possibilidade de chuva foi retratado apenas pelo parmetro de
precipitao, procedimento que ser detalhado no subcaptulo 3.3.3.

No que tange s temperaturas, foi necessrio adotar um parmetro dirio que as

representasse. Segundo Varejo-Silva (2006), a temperatura mdia deveria ser obtida pela
mdia aritmtica de todas as temperaturas observadas em intervalos regulares e curtos,
mas na prtica no o procedimento utilizado para fins climatolgicos. No Brasil, as
estaes meteorolgicas da rede oficial utilizam o parmetro denominado de temperatura
compensada mdia (Equao 3.2), onde t00, t12, tmx e tmn correspondem, para um dia, s
temperaturas a 0 hora, s 12 horas, mxima e mnima, respectivamente.

(3.2)
Aps a definio da fonte dos dados e os parmetros que seriam utilizados para
retratar os nveis meteorolgicos que foram colocados no questionrio, foi necessrio tratar
os dados ausentes. Para esse procedimento, foram utilizados os dados provenientes da
estao automtica (horrios). A precipitao diria foi considerada a soma das
precipitaes horrias e as temperaturas mxima e mnima foram adotadas como sendo,
respectivamente, a maior e menor temperatura registrada no dia. A temperatura
compensada mdia foi preenchida com a mdia das temperaturas horrias. No total, foram
identificados 51 dias com dados ausentes, considerando um total de 1826 dias (5 anos,
incluindo um ano bissexto), o que corresponde a 2,8% do total. Em relao aos anos, segue
a relao:

2011: 4 dias com dados ausentes;

2012: 21 dias com dados ausentes;

2013: 3 dias com dados ausentes;

2014: 5 dias com dados ausentes;

2015: 18 dias com dados ausentes.

46

3.3.3 Classificao dos dias do histrico meteorolgico

Com o banco de dados completo, contendo os parmetros dirios de precipitao e
temperaturas mxima, mnima e compensada mdia para os anos de 2011 a 2015, foi
necessrio definir qual dos parmetros de temperatura iria servir como referncia para
classificar os dias conforme as temperaturas adotadas no questionrio (18 C para frio, 26 C
para moderado e 34 C para calor). Foi possvel observar que as temperaturas
compensadas mdias no permitiriam classificar com clareza, visto que as mdias no
alcanam o valor definido para o frio e para o calor.

Em vista disso, foi feita uma anlise de correlao atravs do software SPSS, entre
todos os parmetros selecionados, para o banco de dados completo (com os valores
ausentes preenchidos com os dados oriundos da estao automtica - Tabela 3.3) e
tambm para o banco de dados original, mas com os vazios excludos (Tabela 3.4).
Tabela 3.3: Matriz de correlao, para o banco de dados completo (dados ausentes
preenchidos), com os parmetros de precipitao e temperaturas compensada mdia,
mxima e mnima.
Banco de Dados Completo (dados ausentes preenchidos)
Temp. Comp.
Mdia (C)
Correlao de Pearson
Temp. Comp.
Sig. (2 extremidades)
Mdia (C)
N
Correlao de Pearson
Precip. (mm) Sig. (2 extremidades)
N
Correlao de Pearson
Temp. Mx.
Sig. (2 extremidades)
(C)
N
Correlao de Pearson
Temp. Mn.
Sig. (2 extremidades)
(C)
N

1,000
1826
-0,033
0,163
1826
0,886
0,000
1826
0,832
0,000
1826

Precip.
Temp.
Temp.
(mm) Mx. (C) Mn. (C)
-0,033
0,163
1826
1,000
1826
-0,193
0,000
1826
0,141
0,000
1826

0,886
0,000
1826
-0,193
0,000
1826
1,000
1826
0,560
0,000
1826

0,832
0,000
1826
0,141
0,000
1826
0,560
0,000
1826
1,000
1826

47

Tabela 3.4: Matriz de correlao, para o banco de dados original (sem os vazios), com
os parmetros de precipitao e temperaturas compensada mdia, mxima e mnima.
Banco de Dados Original (sem os vazios)
Temp. Comp.
Mdia (C)
Correlao de Pearson
Temp. Comp.
Sig. (2 extremidades)
Mdia (C)
N
Correlao de Pearson
Precip. (mm) Sig. (2 extremidades)
N
Correlao de Pearson
Temp. Mx.
Sig. (2 extremidades)
(C)
N
Correlao de Pearson
Temp. Mn.
Sig. (2 extremidades)
(C)
N

1,000
1775
-0,032
0,183
1775
0,885
0,000
1775
0,831
0,000
1775

Precip.
Temp.
Temp.
(mm) Mx. (C) Mn. (C)
-0,032
0,183
1775
1,000
1775
-0,192
0,000
1775
0,142
0,000
1775

0,885
0,000
1775
-0,192
0,000
1775
1,000
1775
0,558
0,000
1775

0,831
0,000
1775
0,142
0,000
1775
0,558
0,000
1775
1,000
1775

Conforme as matrizes de correlao, foi verificado que o preenchimento dos dados

ausentes acarretou em um aumento da correlao entre a temperatura compensada mdia
e as temperaturas mxima e mnima. Assim, o banco de dados completo foi adotado para as
etapas posteriores do trabalho.

Em seguida, para todos os parmetros selecionados, foram feitas anlises da mdia,

mediana, desvio padro, mnimo, mximo e dos percentis 10, 25, 50, 75 e 90, conforme
pode ser visto na Tabela 3.5.

48

Tabela 3.5: Estatstica descritiva (mdia, mediana, desvio padro, mnimo, mximo e
percentis 10, 25, 50, 75 e 90) para os parmetros do banco de dados completo.
Temp. Comp. Precip.
Temp.
Mdia (C)
(mm) Mx. (C)
N

Vlido
Ausente

Mdia
Mediana
Desvio
Padro
Mnimo
Mximo

Percentis

10
25
50
75
90

Temp.
Mn. (C)

1826
0
21,18
21,54

1826
0
4,02
0,00

1826
0
27,57
27,90

1826
0
16,65
17,30

3,08

10,54

3,76

3,17

8,54
29,48
17,17
19,00
21,54
23,40
24,83

0,00
118,00
0,00
0,00
0,00
1,90
13,46

11,40
37,90
22,50
25,30
27,90
30,30
32,00

1,10
23,40
12,50
14,50
17,30
19,10
20,20

A partir dos valores mximo e mnimo, foi adotada a temperatura mxima para
categorizao dos nveis meteorolgicos (frio, moderado e calor). Para estabelecer as
limitaes entre as categorias, foi utilizado o mesmo critrio de Ahmed et al. (2012), mas
com algumas adaptaes. Primeiramente importante dizer que os autores utilizaram
quatro categorias em relao temperatura mdia e trs para a precipitao. Para as
temperaturas mdias, Ahmed et al. (2012) estabeleceram que o primeiro quartil
representaria um dia fresco (cool day), o segundo quartil seria um dia moderado (mild day) e
o terceiro e quarto quartis seriam dias quentes (warm day) e muitos quentes (very warm
day), respectivamente. Em relao precipitao, foi considerado sem chuva para 0 mm de
precipitao, chuva leve at o terceiro quartil e chuva pesada no quarto quartil. A Tabela 3.6
exibe os valores encontrados por Ahmed et al. (2012) para as cidades de Portland (EUA) e
Brisbane (Austrlia).

49

Tabela 3.6: Classificao, com base nos quartis, dos parmetros de temperatura
mdia e precipitao adotada por Ahmed et al. (2012).
Parmetro
meteorolgico

Categoria

Portland (EUA)

Brisbane
(Austrlia)

Dia fresco (cool day)

< 7,2 C *
< 18,2 C *
[1 quartil]
Dia moderado (mild day)
7,2 C a 10,6 C * 18,2 C a 21,7 C *
Temperatura [2 quartil]
mdia
Dia quente (warm day)
10,6 C a 16,1 C * 21,7 C a 24,3 C *
[3 quartil]
Dia muito quente (very warm day)
> 16,1 C *
> 24,3 C *
[4 quartil]
Sem chuva
0 mm
0 mm
Chuva leve (light rain)
At 3,8 mm
At 1,4 mm
[At 3 quartil]
Precipitao
Chuva pesada (heavy rain)
> 3,8 mm
> 1,4 mm
[4 quartil]
Fonte: adaptado de Ahmed et al. (2012)
Obs.: Os intervalos so exibidos exatamente como constam no artigo original.*
Assim, neste trabalho foi definido que frio representado pelo percentil 10,
moderado est entre o percentil 10 e o percentil 75 e calor ocupa o quarto quartil. Vale
ressaltar que foram adotados os dados da temperatura mxima. Em relao precipitao,
at o terceiro quartil foi definido como possibilidade de chuva e o quarto quartil representa
chuvoso. A categorizao de possibilidade de chuva no simples e, neste caso, foi
estipulada como um dia em que chove pouco. Por exemplo, a pessoa olha pela janela e v
que est garoando ou choveu pouco h cerca de meia hora e o tempo ainda continua
nublado. Na Tabela 3.7 possvel ver a categorizao dos nveis adotada para este
trabalho.

50

Tabela 3.7: Classificao, com base nos percentis, dos parmetros de temperatura
mxima e precipitao.
Parmetro
meteorolgico

Temperatura
mxima

Precipitao

Categoria
Frio ( 18 C)
[at o percentil 10]
Moderado ( 26 C)
[percentil 10 ao percentil 75]
Calor ( 34 C)
[acima do percentil 75]
Sem chuva
Possibilidade de chuva
[at percentil 75]
Chuvoso
[acima do percentil 75]

So Carlos
(Brasil)
< 22,5 C
22,5 C a 30,3 C
> 30,3 C
0 mm
At 1,9 mm
> 1,9 mm

Aps a definio de cada categoria meteorolgica, conforme os nveis utilizados no

questionrio e os percentis, foram identificados os dias letivos para os anos de 2011 a 2015.
Para isso foi utilizado o Jpiter Web, plataforma online que mantida pela USP e serve de
apoio aos(s) estudantes de graduao da universidade. A partir deste procedimento, o
histrico meteorolgico utilizado ficou restrito apenas aos dias que foram contemplados nos
calendrios escolares, isto , os dias letivos. Vale ressaltar que as anlises estatsticas das
Tabelas 3.3, 3.4 e 3.5 levaram em considerao todos os dias do ano, visto que na maior
parte do vero os(as) alunos(as) se encontram em perodo de frias. Se as anlises
estatsticas fossem feitas apenas com os dias letivos, seria criada uma distoro na
classificao meteorolgica, pois mais coerente classificar com base na distribuio de
temperaturas e precipitao anuais.

Em seguida, foi feita a classificao dos dias letivos para os anos de 2011 a 2015.
Primeiramente, os dias foram classificados de acordo com a condio de precipitao. No
caso dos dias em que no havia chuva, foi feita nova classificao, com base na
temperatura mxima. Neste trabalho foi estipulado que quando houvesse chuva, mesmo
que pouca (como no caso da condio possibilidade de chuva), o dia no teria a
classificao final baseada na temperatura mxima. A Tabela 3.8 exibe, para parte dos dias
letivos do ano de 2012, o procedimento de classificao.

51

Tabela 3.8: Classificao dos dias letivos conforme categorias de temperatura

mxima e precipitao.
Dia
Letivo

Data

Temp.
Condio Condio
Classificao
Precip.(mm)
Mx. (C)
Chuva Temperatura Meteorolgica

27/02/2012

30,2

2,8

Muita
chuva

Temperatura
intermediria

Chuvoso

28/02/2012

32,8

3,3

Muita
chuva

Temperatura
alta

Chuvoso

29/02/2012

33,3

0,0

01/03/2012

32,6

0,0

02/03/2012

31,5

22,6

Sem
chuva
Sem
chuva
Muita
chuva

Temperatura
alta
Temperatura
alta
Temperatura
alta

03/03/2012

29,5

0,0

Sem
chuva

Temperatura
intermediria

Sol e
temperatura
moderada

05/03/2012

30,1

0,2

Pouca
chuva

Temperatura
intermediria

Nublado e
possibilidade
de chuva

Sol e calor
Sol e calor
Chuvoso

3.3.4 Insero dos dias letivos classificados na estrutura da planilha eletrnica

Aps a classificao, foi feita a contagem dos dias letivos, conforme cada nvel
meteorolgico, para anos, meses e estaes do ano. No caso dos anos, foi feita a contagem
para o somatrio de todos os anos avaliados e tambm para cada ano individualmente. Em
relao aos meses, a avaliao foi feita para cada ms de forma individual e tambm para o
somatrio do mesmo ms em todos os anos. A abordagem para as estaes do ano foi a
mesma adotada para o ms. Para saber o dia de incio de cada estao, foi utilizada como
referncia a Tabela 3.9, que possui preciso de um minuto e exige a soma de uma hora
quando estiver em horrio de vero.

Tabela 3.9: Data e horrio de incio de cada estao do ano (2011 a 2015).
Outono
Inverno
Primavera
Vero
Mar. (d h m) Jun. (d h m) Set. (d h m) Dez. (d h m)
2011 20 20 21
21 14 16
23 06 04
22 02 30
2012 20 02 14
20 20 09
22 11 49
21 08 11
2013 20 08 02
21 02 04
22 17 44
21 14 11
2014 20 13 57
21 07 51
22 23 29
21 20 03
2015 20 19 45
21 13 38
23 05 20
22 01 48
Fonte: adaptado de United States Naval Observatory (s. d.)
Ano

52

Desse modo, foram definidos 96 perodos contendo dias letivos classificados:

Anos (6 perodos): 2011 a 2015, 2011, 2012, 2013, 2014 e 2015;

Meses (66 perodos): Fevereiro 2011 a 2015, Fevereiro 2011, Fevereiro 2012,
Fevereiro 2013, Fevereiro 2014 e Fevereiro 2015. O mesmo se repete para os outros
meses, exceto Janeiro, que sempre um ms integralmente de frias escolares no
Brasil;

Estaes do ano (24 perodos): Vero 2011 a 2015, Vero 2011, Vero 2012, Vero
2013, Vero 2014 e Vero 2015. O mesmo se repete para as outras estaes do
ano.

importante citar que Janeiro no possui dias letivos em nenhum dos anos
avaliados e por isso no fez parte de nenhum perodo, inclusive dos anos e estaes do
ano. J os meses de Julho de 2011 e de 2013 possuem um e nenhum dia letivo,
respetivamente. Entretanto, como nos outros anos o ms de Julho tinha uma quantidade
maior de dias letivos, para 2011 e 2013 tambm foi definido como perodo a ser analisado.
No caso de 2013, a probabilidade de escolha da pedelec nula por no ter dia letivo.

Em seguida, todos os perodos foram inseridos na estrutura da planilha, conforme

apresentado na Figura 3.8. Embora a planilha obtida seja similar da Figura 3.6, a diferena
est assinalada por uma elipse, que corresponde ao campo no qual possvel selecionar
qual o perodo que se deseja analisar. Logo abaixo da elipse possvel visualizar a
distribuio dos dias letivos, conforme os nveis meteorolgicos, para o perodo escolhido.
Esses campos so atualizados automaticamente, assim como todo o restante da planilha,
cujo funcionamento foi detalhado no subcaptulo 3.3.1. Tanto a condio do ponto de nibus
da USP, como a situao de ciclovias/ciclofaixas, tambm necessitam de escolha manual do
nvel que se deseja avaliar.

importante ressaltar que a planilha trabalha com probabilidades de ocorrncia das

condies meteorolgicas, o que permite a comparao entre os perodos, independente da
quantidade de dias letivos que eles apresentem.

53

PLANILHA DESENVOLVIDA PARA A ESTIMAO DA DEMANDA POTENCIAL POR BICICLETAS PEDELECS COMPARTILHADAS NA USP SO CARLOS
parte da dissertao de mestrado de Leonardo Dal Picolo Cadurin (2016) e a leitura da mesma essencial para a compreenso da planilha.

Selecione: Ciclovias e/ou ciclofaixas = Ausncia total

100%

Selecione: Ponto de nibus (USP) = Cheio

Selecione o perodo: Ano 2011-2015

Probabilidade de escolher a pedelec no perodo

80%

Total de dias letivos no perodo = 993 dia(s)

60%

Sol e frio ( 18 C) = 44 dia(s) letivo(s)

Sol e temperatura moderada ( 26 C) = 493 dia(s) letivo(s)
Sol e calor ( 34 C) = 183 dia(s) letivo(s)

40%

20,8%

19,2%

Sem calibrao

RNA

20%

Nublado e possibilidade de chuva = 62 dia(s) letivo(s)

Chuvoso = 211 dia(s) letivo(s)

0%

Verificao (Total - condies) = 0

Sem calibrao

Condio meteorolgica

Sol e frio ( 18 C)

Dias

Probabilidade
da condio
Preferncia
meteorolgica pela pedelec

Rede Neural Artificial (RNA)

Probabilidade de
Preferncia
pedelec e condio
pela pedelec
meteorolgica
1,7%
42%

Probabilidade de
pedelec e condio
meteorolgica
1,9%

44

4%

39%

Sol e temperatura moderada ( 26 C)

493

50%

35%

17,4%

34%

16,9%

Sol e calor ( 34 C)

183

18%

7%

1,3%

2%

0,4%

62

6%

6%

0,4%

2%

0,1%

211

21%

0%

0,0%

0%

0,0%

Nublado e possibilidade de chuva

Chuvoso

Probabilidade de escolher a pedelec :

Verificao () =

993

(Sem calibrao) 20,8%

(RNA) 19,2%

100%

Figura 3.8: Planilha eletrnica para clculo da probabilidade de escolha da bicicleta

pedelec compartilhada, com os dados de dias letivos inseridos.

3.3.5 Anlise das probabilidades de uso das bicicletas pedelecs atravs da planilha
eletrnica
Aps a insero dos 96 perodos na planilha, foi possvel prosseguir com a anlise
da probabilidade de escolha da bicicleta pedelec, verificando a variao na probabilidade
para anos, meses e estaes do ano. Foram geradas as probabilidades para todos os
perodos, considerando as quatro combinaes possveis: com ciclovia/ciclofaixa e ponto
cheio, com ciclovia/ciclofaixa e ponto vazio, sem ciclovia/ciclofaixa e ponto cheio e, por fim,
sem ciclovia/ciclofaixa e ponto vazio. No total, foram geradas 760 probabilidades (sem
contar Julho de 2013, que no teve dia letivo), sendo 380 da RNA e 380 sem calibrao.

Posteriormente, foi feita uma planilha mais simples, utilizando proposta similar da
planilha j detalhada, para checar a variao na probabilidade conforme a ocupao do
ponto de nibus da USP. Atravs de uma contagem dos(as) passageiros(as) do nibus da
USP (Tabela 3.10), realizada por um funcionrio da universidade durante os dias 15, 16 e 17
de setembro de 2015, foi convencionado que 50 passageiros(as) ou mais representa ponto
cheio e, abaixo disso, ponto vazio.

54

Tabela 3.10: Contagem de passageiros(as) do nibus da USP para os dias 15, 16 e 17

de setembro de 2015.
Data
Dia da semana Horrio Passageiros(as) Total
15/09/2015
Tera
07:00
11
15/09/2015
Tera
07:30
33
15/09/2015
Tera
07:45
47
15/09/2015
Tera
08:00
67
15/09/2015
Tera
08:15
57
15/09/2015
Tera
09:00
20
15/09/2015
Tera
09:55
74
501
15/09/2015
Tera
12:25
35
15/09/2015
Tera
13:00
50
15/09/2015
Tera
13:30
39
15/09/2015
Tera
14:00
50
15/09/2015
Tera
16:05
18
15/09/2015
Tera
17:00
0
16/09/2015
Quarta
07:00
14
16/09/2015
Quarta
07:30
26
16/09/2015
Quarta
07:45
77
16/09/2015
Quarta
08:00
54
16/09/2015
Quarta
08:15
35
16/09/2015
Quarta
09:00
25
16/09/2015
Quarta
09:55
87
427
16/09/2015
Quarta
12:25
17
16/09/2015
Quarta
13:00
32
16/09/2015
Quarta
13:30
16
16/09/2015
Quarta
14:00
33
16/09/2015
Quarta
16:05
11
16/09/2015
Quarta
17:00
0
17/09/2015
Quinta
07:00
No roda
17/09/2015
Quinta
07:30
33
17/09/2015
Quinta
07:45
69
17/09/2015
Quinta
08:00
71
17/09/2015
Quinta
08:15
95
17/09/2015
Quinta
09:00
49
17/09/2015
Quinta
09:55
75
513
17/09/2015
Quinta
12:25
28
17/09/2015
Quinta
13:00
11
17/09/2015
Quinta
13:30
13
17/09/2015
Quinta
14:00
53
17/09/2015
Quinta
16:05
16
17/09/2015
Quinta
17:00
0

55

A Tabela 3.10 fornece a ocupao do nibus para os horrios de partida, da rea 1

em direo rea 2, conforme o ano de 2015. Tambm possvel visualizar o total de
passageiros(as) do nibus para os dias em questo.

importante ressaltar que a planilha mais simples (Figura 3.9) foi elaborada apenas
para checar a variao da probabilidade ao longo do dia, de acordo com a ocupao do
nibus da USP. Apesar de existir o campo de condio meteorolgica, ele no reflete a
situao do dia em questo, servindo apenas como referncia para a preferncia pelas
bicicletas pedelecs. Desse modo, necessrio escolher qual o nvel meteorolgico que se
deseja avaliar, juntamente com a situao de ciclovias/ciclofaixas. Tambm necessrio
escolher a data desejada, que a referncia para o nmero de passageiros(as).

Selecione a Data: 16/09/2015

Selecione: Ciclovias e/ou ciclofaixas = Ausncia total

Dia da semana: Quarta

Horrio Sada
Condio do
nibus (USP) - Passageiros(as)
ponto de
rea 1
nibus (USP)

Condio meteorolgica
*Selecione:

Probabilidade de pedelec

7:00

14

Vazio

Sol e temperatura moderada

Sem
calibrao
17%

Rede Neural
Artificial (RNA)

7:30

26

Vazio

Sol e temperatura moderada

17%

15%

7:45

77

Cheio

Sol e temperatura moderada

35%

34%
34%

15%

8:00

54

Cheio

Sol e temperatura moderada

35%

8:15

35

Vazio

Sol e temperatura moderada

17%

15%

9:00

25

Vazio

Sol e temperatura moderada

17%

15%

9:55

87

Cheio

Sol e temperatura moderada

35%

34%
15%

12:25

17

Vazio

Sol e temperatura moderada

17%

13:00

32

Vazio

Sol e temperatura moderada

17%

15%

13:30

16

Vazio

Sol e temperatura moderada

17%

15%

14:00

33

Vazio

Sol e temperatura moderada

17%

15%
15%
15%

16:05

11

Vazio

Sol e temperatura moderada

17%

17:00

Vazio

Sol e temperatura moderada

17%

Probabilidade de escolher a pedelec com base nos horrios de sada

do nibus (USP) - rea 1
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%

07:00 07:30 07:45 08:00 08:15 09:00 09:55 12:25 13:00 13:30 14:00 16:05 17:00
Horrios de sada do nibus (USP) - rea 1

RNA

Sem calibrao

Figura 3.9: Planilha eletrnica elaborada para checar a variao da probabilidade de

escolha da bicicleta pedelec ao longo do dia, conforme a ocupao do nibus da USP.

57

4 RESULTADOS E ANLISES

Neste captulo so apresentados os principais resultados da caracterizao do

pblico-alvo (Etapa 1) e os resultados da anlise da demanda potencial por bicicletas
pedelecs compartilhadas (Etapa 2).

4.1 Etapa 1: Caracterizao do pblico-alvo

Em relao ao gnero e vnculo com a universidade, a Tabela 4.1 apresenta os
valores obtidos. possvel notar que cerca de 31% da amostra composta pelo gnero
feminino, um retrato dos cursos de engenharia, que ainda so preenchidos majoritariamente
por pessoas do gnero masculino, embora esse panorama esteja mudando gradativamente.
Quanto ao vnculo, aproximadamente 93% da amostra composta por alunos(as) da
graduao. Isso se deve maior facilidade para encontrar os(as) alunos(as) de graduao,
j que os(as) estudantes de ps-graduao utilizam a maior parte do tempo em atividades
de pesquisa na rea 2. Uma caracterstica bastante peculiar da referida rea que grande
parte das pesquisas so realizadas em laboratrios, nos quais a entrada restrita. Alm
disso, muitos procedimentos laboratoriais no permitem a interrupo do processo, o que
dificulta a aplicao do questionrio com estudantes da ps-graduao.

Tabela 4.1: Gnero e vnculo com a universidade das pessoas que responderam ao
questionrio.
Gnero
Graduao Ps-graduao
Total
Feminino 110 (27,71%)
13 (3,27%)
123 (30,98%)
Masculino 259 (65,24%)
15 (3,78%)
274 (69,02%)
Total
369 (92,95%)
28 (7,05%)
397 (100,00%)
Obs.: Os valores percentuais so em relao ao total geral.

importante ressaltar que, embora os(as)

estudantes de

ps-graduao

correspondam a 7% da amostra, eles(as) representam 19% dos(as) alunos(as) que se

deslocam regularmente at a rea 2, conforme os dados de Oliveira (2015). Houve
desequilbrio na distribuio da amostra, mas alguns aspectos suavizam a questo.
Considerando a populao-alvo, pouco mais de 500 ps-graduandos(as) frequentam a rea
2 com regularidade. Dentre estes(as), quase 50% se desloca atravs do nibus operado
pela USP. J entre os(as) graduandos(as), mais de 2100 se deslocam regularmente at a
rea 2 e quase 70% utiliza o nibus da USP (Oliveira, 2015).

58

A percepo dos(as) respondentes quanto ao tempo mximo aceitvel para o

deslocamento entre as reas do campus pode ser visualizada na Tabela 4.2. Nota-se que
cerca de 50% das pessoas toleram viagens que durem at 15 minutos. Quase 25%
responderam que 20 minutos um tempo aceitvel, enquanto menos de 15% s aceitam
viagens que demorem at 10 minutos.
Tabela 4.2: Tempo mximo aceitvel para o deslocamento entre as reas do campus.
Tempo mximo
Quantidade % do Total
aceitvel
10 min
15 min
20 min
25 min
30 min
Total

53
198
94
20
22
397

13,35
49,87
23,68
5,04
5,54
100,00

Os resultados do tempo gasto por pessoas que se deslocam com carro (motorista ou
carona) e bicicleta convencional podem ser vistos nas Tabelas 4.3 e 4.4, respectivamente.
Mais da metade das pessoas que usam o carro gastam at 10 minutos na viagem entre as
duas reas, enquanto apenas menos de 2% usa mais de 15 minutos neste deslocamento.
Em relao bicicleta, a maior parte (aproximadamente 35%) gasta entre 10 a 15 minutos e
quase 24% usa mais de 25 minutos. Mais da metade das pessoas que pedalam at a rea 2
utiliza no mximo 20 minutos neste trajeto. interessante notar como a diversidade de
tempo de viagem muito mais discrepante para quem usa a bicicleta, justamente porque
depende muito do nvel de condicionamento fsico da pessoa.

Tabela 4.3: Tempo de viagem, com carro (motorista e carona), no deslocamento entre
as reas do campus.
Tempo de viagem Quantidade % do Total
(carro)
At 10 min
152
57,58
10 a 15 min
108
40,91
Mais de 15 min
4
1,52
Total
264
100,00

59

Tabela 4.4: Tempo de viagem, com bicicleta convencional, no deslocamento entre as

reas do campus.
Tempo de viagem Quantidade % do Total
(bicicleta)
At 10 min
2
5,88
10 a 15 min
12
35,29
15 a 20 min
5
14,71
20 a 25 min
7
20,59
Mais de 25 min
8
23,53
Total
34
100,00
Os motivos para no utilizar a bicicleta convencional como meio de transporte entre
as reas so apresentados, atravs dos valores mdios, na Tabela 4.5, sendo a ordem mais
alta (oito) atribuda para o aspecto mais impactante e a ordem mais baixa (um) atribuda ao
aspecto menos impactante.

Tabela 4.5: Impacto dos motivos para no utilizar a bicicleta convencional no

deslocamento entre as reas do campus, sendo o nmero um associado ao menor
impacto e o nmero oito ao maior.

Caracterstica
Esforo fsico/Cansao
Tempo de viagem

Mdia das avaliaes

PsBici.
Bici. No
Completo Fem. Masc. Grad.
grad. Transp.* Transp.**
5,7
5,4

5,5
5,1

5,8
5,6

5,7
5,5

4,8
5,1

6,3
6,0

5,6
5,4

Ausncia de ciclovias e/ou

5,3
5,8
5,3
5,3
5,0
5,0
5,0
ciclofaixas
Ausncia de bicicletrios
3,1
2,7
3,2
3,0
3,4
2,9
3,1
Aceitabilidade social
1,6
1,4
1,7
1,6
1,6
1,5
1,6
(imagem da bicicleta)
Segurana em relao a
5,2
5,2
4,6
4,4
4,6
3,8
4,7
assaltos
5,7
5,5
5,7
5,6
6,1
6,0
5,6
Condies meteorolgicas
5,2
5,4
Material transportado
5,0
4,9
5,0
4,7
5,0
* Usurios(as) que utilizam a bicicleta como meio de transporte (mas no entre as reas).
** Todas as pessoas que sabem andar de bicicleta, mas no a usam como meio de
transporte regular.
Obs.: Em negrito esto destacadas as caractersticas com avaliao mdia maior do que
5,0.
Considerando a amostra completa, os aspectos que mais afastam os(as)
respondentes das bicicletas convencionais como meio de transporte entre as reas so o
esforo fsico (5,7), as condies meteorolgicas (5,7), o tempo de viagem (5,4) e a
ausncia de ciclovias e/ou ciclofaixas (5,3). Os menos impactantes so a aceitabilidade
social (1,6) e a ausncia de bicicletrios (3,1).

60

Entre os gneros feminino e masculino interessante notar como a ausncia de

ciclovias/ciclofaixas impacta mais o feminino (5,8) do que o masculino (5,0). A experincia
demonstra que, aps a implantao de ciclovias/ciclofaixas em uma via, o nmero de
mulheres circulando com bicicleta pela mesma via tende a aumentar significativamente (V
de Bike, 2015c). Outra diferena bastante relevante vista no item segurana em relao a
assaltos, que tambm aflige mais s respondentes do gnero feminino (5,2) do que aos do
gnero masculino (4,4). Uma hiptese plausvel devido s mulheres constantemente
relatarem sofrerem assdio pelas ruas (BBC Brasil, 2015; Globo, 2014), o que bastante
relacionado sensao de segurana geral, mas esta percepo mais geral no foi
considerada como um aspecto a ser avaliado no questionrio.

Quando comparados os grupos de alunos(as) de graduao e de ps-graduao, a

caracterstica que apresentou maior discrepncia foi a de esforo fsico (5,7 e 4,8,
respectivamente). A explicao pode estar relacionada diferena de interesses entre as
faixas etrias. J a segurana em relao a assaltos e as condies meteorolgicas
impactam menos os(as) graduandos(as).

As caractersticas de esforo fsico, tempo de viagem e condies meteorolgicas

impactam mais quem usa a bicicleta convencional como meio de transporte em relao a
quem no usa (6,3; 6,0; 6,0 e 5,6; 5,4; 5,6, respectivamente). Por outro lado, a segurana
relacionada a assaltos impacta muito menos quem adota o modo ciclovirio como transporte
(3,8 para estes e 4,7 para quem no faz esse uso).

A Tabela 4.6 contm uma sntese das avaliaes a respeito de caractersticas que
levam os(as) respondentes a no usarem o nibus operado pela USP na ligao entre as
reas do campus. Na avaliao dos motivos apresentada, o valor mais alto (trs) foi
atribudo para o aspecto mais impactante e o valor mais baixo (um) atribudo ao aspecto
menos impactante.

61

Tabela 4.6: Impacto dos motivos para no utilizar o nibus operado pela USP na
ligao entre as reas do campus, sendo o nmero um associado ao menor impacto e
o nmero trs ao maior.
Mdia das avaliaes
Caracterstica

Completo Fem. Masc. Grad.

PsBici.
Bici. No
grad. Transp.* Transp.**

Tempo de viagem dentro

1,7
1,7
1,6
1,6
1,9
1,6
1,7
do nibus
Distncia de caminhada
2,1
2,2
2,0
1,8
2,0
1,9
2,0
at os pontos
Horrios de partida
2,5
2,7
2,4
2,5
2,8
2,4
2,5
disponveis
No iniciar a viagem no
2,1
2,2
2,1
2,1
2,3
2,2
2,1
horrio que eu quiser
No ter mais pontos de
1,8
2,0
1,8
1,8
1,9
1,9
1,8
embarque/desembarque
Condies climticas
1,8
2,0
1,8
1,8
1,9
1,9
1,8
Material transportado
1,7
2,0
1,6
1,6
1,9
1,4
1,7
2,3
2,6
2,1
2,2
2,5
2,2
2,3
Lotao do nibus
Segurana durante a
1,5
1,6
1,5
1,5
1,8
1,1
1,5
viagem
Segurana na caminhada
2,1
2,3
1,7
1,6
1,7
1,4
1,8
at os pontos
Falta de informao sobre
1,3
1,3
1,4
1,3
1,8
1,3
1,4
o sistema de nibus
Estrutura dos pontos
1,6
1,5
1,6
1,5
2,0
1,5
1,6
Qualidade dos nibus
1,7
1,7
1,7
1,7
2,0
1,6
1,7
* Usurios(as) que utilizam a bicicleta como meio de transporte (mas no entre as reas).
** Todas as pessoas que sabem andar de bicicleta, mas no a usam como meio de
transporte regular.
Obs.: Em negrito esto destacadas as caractersticas com avaliao mdia maior do que
2,0.
Para a amostra completa, possvel notar que os aspectos mais relevantes para
os(as) respondentes no utilizarem o nibus ofertado pela USP so os horrios de partida
disponveis (2,5), a lotao do nibus (2,3), ter que iniciar a viagem somente nos horrios
tabelados (2,1) e a distncia de caminhada at os pontos (2,0). Por outro lado, um bom sinal
que os(as) usurios(as) aparentam ter conhecimento sobre o funcionamento do sistema
de nibus da USP, embora os(as) ps-graduandos(as) tenham apresentado uma nota
relativamente mais alta do que a amostra completa (1,8 e 1,3, respectivamente).

As diferenas mais significativas entre os gneros masculino e feminino so em

relao segurana na caminhada at os pontos (1,6 e 2,1, respectivamente) e lotao do
nibus (2,1 e 2,6, respectivamente). A primeira caracterstica pode ter explicaes
semelhantes segurana em relao a assaltos da Tabela 4.5.

62

A segurana na caminhada at os pontos de nibus a caracterstica mais

divergente entre graduandos(as) e ps-graduandos(as) (1,7 e 2,3, respectivamente),
seguindo a mesma tendncia de segurana em relao a assaltos da Tabela 4.5. De forma
geral, os(as) ps-graduandos(as) atriburam maior importncia s caractersticas para no
se usar o nibus da USP do que os(as) graduandos(as). Entre as pessoas que usam a
bicicleta convencional como meio de transporte e as que no usam, as maiores diferenas
observadas ocorrem para a segurana durante a viagem (1,1 e 1,5, respectivamente) e
segurana na caminhada at os pontos (1,4 e 1,8, respectivamente), seguindo a mesma
tendncia registrada em segurana em relao a assaltos da Tabela 4.5.

A avaliao dos meios de transporte que os(as) respondentes utilizam ou j

utilizaram para realizar os deslocamentos entre as reas do campus exibida na Tabela
4.7, sendo o nmero quatro associado opo muito satisfeito e o nmero um associado
opo muito insatisfeito. Nota-se que o meio de deslocamento com pior avaliao o
modo a p, com nota 2,0. Merece destaque a avaliao do nibus da USP (segunda melhor,
com valor mdio igual a 2,9), que atualmente a nica opo ofertada pela universidade
para realizar o deslocamento entre reas. A bicicleta convencional (2,5) apresentou
avaliao melhor do que a do nibus municipal (2,2), cuja operao atualmente est sob
responsabilidade da empresa Athenas Paulista.
Tabela 4.7: Avaliao dos meios de transporte, sendo o nmero quatro associado
opo muito satisfeito e o nmero um associado opo muito insatisfeito.
Meio de transporte Mdia das avaliaes
nibus da USP
2,9
nibus municipal
2,2
Carro
3,6
Moto
2,6
Bicicleta convencional
2,5
A p
2,0
O grau de rejeio a cada um dos meios de transporte, ou seja, qual(is) opo(es)
nunca seria(m) utilizada(s) pelos(as) respondentes para se deslocar entre as reas do
campus, pode ser visto na Figura 4.1. O nibus da USP e a carona de carro apresentaram
valores baixos de rejeio (ambos de 6%), inferiores ao valor do carro (9%). O nibus
municipal apresenta rejeio relativamente alta (34%), seguido da moto (39%), mas a maior
rejeio ao modo a p, com um valor de 71%.

63

Figura 4.1: Rejeio aos meios de transporte, com foco no deslocamento entre as
reas do campus.

As bicicletas convencional e pedelec prprias apresentaram, respectivamente, 27% e

22% de rejeio. Uma explicao plausvel para essa diferena est relacionada reduo
considervel de esforo fsico necessrio para se pedalar, que um dos fatores que mais
afasta os(as) respondentes das bicicletas convencionais, conforme observado na Tabela
4.5. Em relao s mesmas bicicletas citadas, mas numa situao de compartilhamento
provido pela universidade, os valores de rejeio caram para 26% e 20%, respectivamente.
Apesar de a diferena ser muito pequena, possvel notar que as pessoas se vem mais
propensas a utilizar as bicicletas em um sistema de compartilhamento do que adquirir uma
prpria, embora a experincia demonstre, segundo Midgley (2009), que as pessoas se
sentem mais estimuladas a pedalar aps experimentarem uma bicicleta compartilhada, o
que pode culminar na aquisio de uma.

Em relao s preferncias por bicicletas pedelecs ou nibus, os resultados do

modelo logit calibrado com os dados obtidos atravs da aplicao do questionrio podem
ser vistos na Tabela 4.8. O valor do ndice do modelo logit indica aderncia aos dados
satisfatria. A respeito das estatsticas das variveis, os parmetros de meteorologia
apresentaram estatstica t nula e p-value igual a 1, o que compromete a utilizao deste
modelo para anlises subsequentes com foco nas condies meteorolgicas.

64

Tabela 4.8: Resultados do modelo logit calibrado com os dados obtidos atravs da
aplicao do questionrio.
Parmetro
Valor
Desvio padro Estatstica t p-value
BETAciclovia
1,360
0,0860
(15,86)
0,00
BETAponto
1,080
0,0847
(12,76)
0,00
BETAcalor
0,226
0,00
1,00
1,80e+308
BETAmoderado
1,620
0,00
1,00
1,80e+308
BETAfrio
1,820
0,00
1,00
1,80e+308
BETAnublado
0,739
0,00
1,00
1,80e+308
CTEonibus
3,920
0,1280
(30,56)
0,00
CTEpedelec
0,000
fixado
Observaes
Funes Utilidade
4032
l(0)
-2794,769
Unibus = 3,920 + 0,226 * Calor
+ 0,739 * Nublado
l()
-1864,098

0,347
Upedelec = 1,36 * Ciclovia + 1,08 *
Ponto
+ 1,82 * Frio + 1,62 * Moderado
0,345
ajust
A respeito da RNA com os dados provenientes da preferncia declarada, na Figura
4.2 exibida a arquitetura da rede.

Figura 4.2: Arquitetura da Rede Neural Artificial (RNA) treinada.

65

Neste caso, a RNA acertou mais de 80% das respostas para uma parcela de dados
no conhecidos previamente pela rede.

As preferncias, tanto sem calibrao, quanto as obtidas atravs da RNA, podem ser
vistas na Figura 4.3 para os 16 cenrios da pergunta de preferncia declarada.
Considerando as situaes que envolvem frio, com ciclovias/ciclofaixas e ponto de nibus
cheio, 90% (de acordo com a RNA) e 79% (a partir dos dados sem calibrao) dos(as)
respondentes escolheram a bicicleta pedelec. No entanto, quando a condio do ponto se
tornou vazio e se manteve a presena de ciclovias, o valor foi reduzido para 48% e 45%,
respectivamente. Sem ciclovias/ciclofaixas e com ponto cheio o valor reduziu pouco, para
42% e 39%, mas com a combinao sem ciclovias/ciclofaixas e com ponto vazio o valor
diminuiu de forma significativa, para 25% e 22%.

As condies meteorolgicas mais favorveis escolha da bicicleta pedelec so o

frio e a temperatura moderada que, na situao mais desfavorvel possvel (sem
ciclovias/ciclofaixas e ponto de nibus vazio), possuem preferncia de 25% (RNA) / 22%
(sem calibrao) e 15% / 17% dos(as) respondentes, respectivamente. Na situao mais
favorvel possvel (com ciclovias/ciclofaixas e ponto de nibus cheio), esses valores
ascendem para 90% / 79% e 87% / 73%, respectivamente. Por outro lado, a condio de
tempo nublado e com possibilidade de chuva apresentou, de forma geral, os menores
valores de escolha da bicicleta pedelec, seguido da condio de calor.

66

Ciclovia
e/ou
Ciclofaixa
Total
S N

Ponto
do
nibus
(USP)
Cheio
S N

X
X
X
X

X
X

Nublado
Sol
Sol
Sol
PossibiModeCalor
Frio
lidade
rado

de

34 C
18 C
Chuva
26 C
S
S
S
S NIBUS USP

X
X
X
X
X
X
X
X

X
X
X
X
Legenda:

Modo Escolhido

91%
85%
67%
71%
13%
27%
10%
21%
99%
92%
95%
91%
52%
56%
52%
55%
98%
94%
98%
93%
66%
65%
58%
61%
98%
96%
98%
95%
85%
83%
75%
78%

BICICLETA PEDELEC

9%
15%
33%
29%
87%
73%
90%
79%
1%
8%
5%
9%
48%
44%
48%
45%
2%
6%
2%
7%
34%
35%
42%
39%
2%
4%
2%
5%
15%
17%
25%
22%

Rede Neural Artificial (RNA)

Sem calibrao

Figura 4.3: Preferncias por bicicletas pedelecs compartilhadas, quando comparadas

ao nibus operado pela USP, para os 16 cenrios.

4.2 Etapa 2: Anlise da demanda potencial por bicicletas pedelecs compartilhadas

As contagens dos dias letivos para anos, estaes do ano e meses de 2011 a 2015
podem ser vistas nas Tabelas 4.9, 4.10 e 4.11, respectivamente.

67

Tabela 4.9: Contagem dos dias letivos para os anos de 2011 a 2015.
Sol
Sol
Sol
Nublado
Chuvoso Total
Frio Moderado Calor Possib. Chuva
2011
11
105
28
11
43
198
2012
6
99
45
14
35
199
2013
9
101
24
14
50
198
2014
7
97
48
10
36
198
2015
11
91
38
13
47
200
2011 a 2015 44
493
183
62
211
993
Ano letivo

Tabela 4.10: Contagem dos dias letivos para as estaes do ano de 2011 a 2015.
Ano letivo

2011

2012

2013

2014

2015

2011 - 2015

Estao do
ano
Vero
Outono
Inverno
Primavera
Vero
Outono
Inverno
Primavera
Vero
Outono
Inverno
Primavera
Vero
Outono
Inverno
Primavera
Vero
Outono
Inverno
Primavera
Vero
Outono
Inverno
Primavera

Sol
Sol
Sol
Nublado
Chuvoso Total
Frio Moderado Calor Possib. Chuva
0
6
1
2
12
21
7
47
2
4
13
73
198
2
30
8
4
2
46
2
22
17
1
16
58
0
6
5
4
4
19
3
46
2
5
11
67
199
2
35
10
0
6
53
1
12
28
5
14
60
1
7
4
2
6
20
4
47
1
3
15
70
198
1
30
4
4
7
46
3
17
15
5
22
62
0
4
9
1
10
24
5
47
3
2
9
66
198
2
29
9
3
3
46
0
17
27
4
14
62
0
5
4
1
12
22
4
44
1
7
11
67
200
7
27
11
1
3
49
0
15
22
4
21
62
1
28
23
10
44
106
23
231
9
21
59
343
993
14
151
42
12
21
240
6
83
109
19
87
304

68

Tabela 4.11: Contagem dos dias letivos para os meses de 2011 a 2015. (cont.)
Ano letivo

2011

2012

2013

Ms
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

Sol
Sol
Sol
Nublado
Chuvoso
Frio Moderado Calor Possib. Chuva
0
0
2
3
3
0
0
1
1
1
0
0
0
0
2
3
0
0
1
0
0
0
0
1
0
2
2
0
1
2
1
0
0

0
10
11
21
15
1
16
11
9
9
2
0
12
14
17
14
5
25
3
4
5
0
3
6
17
17
14
0
22
7
8
5
2

1
2
0
0
0
0
7
6
5
6
1
1
6
0
0
0
0
0
10
16
7
5
0
4
1
0
0
0
0
5
6
5
3

1
3
1
0
2
0
2
1
0
1
0
0
5
0
3
1
0
0
0
1
4
0
1
1
2
1
1
0
2
2
0
3
1

5
9
6
2
3
0
1
1
8
5
3
2
4
3
4
5
0
1
5
4
5
2
0
8
6
4
7
0
1
3
10
9
2

Total
7
24
20
26
23
1 198
26
20
23
22
6
3
27
17
26
23
5 199
26
19
25
21
7
4
20
26
24
24
0 198
26
19
25
22
8

69

Tabela 4.11: Contagem dos dias letivos para os meses de 2011 a 2015.
Ano letivo

Ms

Fevereiro
Maro
Abril
Maio
Junho
2014
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Fevereiro
Maro
Abril
Maio
Junho
2015
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Fevereiro
Maro
Abril
Maio
Junho
2011 - 2015
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

Sol
Sol
Sol
Nublado
Chuvoso
Frio Moderado Calor Possib. Chuva
0
0
0
4
2
1
0
0
0
0
0
0
0
0
4
3
1
3
0
0
0
0
0
1
2
15
13
2
4
4
2
1
0

3
8
11
18
15
5
17
5
7
3
5
0
9
17
12
16
1
18
4
6
6
2
6
45
70
85
74
12
98
30
34
28
11

4
5
3
0
0
0
4
8
16
8
0
2
3
0
0
0
0
1
13
13
6
0
8
20
4
0
0
0
12
42
56
32
9

0
1
2
0
0
0
2
1
1
3
0
0
1
1
4
2
1
0
0
1
3
0
2
11
6
8
6
1
6
4
3
14
1

4
9
3
2
1
0
0
6
1
9
1
4
11
2
4
2
1
2
3
5
8
5
15
41
20
16
18
1
5
18
28
36
13

Total
11
23
19
24
18
6 198
23
20
25
23
6
6
24
20
24
23
4 200
24
20
25
23
7
31
118
102
124
111
16 993
125
98
123
111
34

As probabilidades de escolha da bicicleta pedelec, para todos os perodos

estipulados e conforme as combinaes de situao de ciclovias/ciclofaixas e condio do
ponto de nibus da USP, podem ser vistas nas Tabelas 4.12 (anos), 4.13 (estaes do ano)
e 4.14 (meses).

70

Tabela 4.12: Probabilidades de escolha da bicicleta pedelec para os anos de 2011 a

2015.

Perodo

Ano 2011-2015
Ano 2011
Ano 2012
Ano 2013
Ano 2014
Ano 2015

Sem Ciclovias/Ciclofaixas
Ponto Vazio
Ponto Cheio

Com Ciclovias/Ciclofaixas
Ponto Vazio
Ponto Cheio

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

0,106
0,112
0,105
0,106
0,105
0,102

0,090
0,097
0,088
0,092
0,088
0,087

0,208
0,221
0,206
0,209
0,205
0,198

0,192
0,208
0,188
0,196
0,187
0,183

0,260
0,276
0,258
0,261
0,257
0,247

0,269
0,289
0,265
0,273
0,265
0,255

0,460
0,480
0,463
0,454
0,463
0,440

0,538
0,563
0,541
0,531
0,543
0,514

Tabela 4.13: Probabilidades de escolha da bicicleta pedelec para as estaes do ano

de 2011 a 2015.

Perodo

Vero/2011-2015
Outono/2011-2015
Inverno/2011-2015
Primavera/2011-2015
Vero/2011
Outono/2011
Inverno/2011
Primavera/2011
Vero/2012
Outono/2012
Inverno/2012
Primavera/2012
Vero/2013
Outono/2013
Inverno/2013
Primavera/2013
Vero/2014
Outono/2014
Inverno/2014
Primavera/2014
Vero/2015
Outono/2015
Inverno/2015
Primavera/2015

Sem Ciclovias/Ciclofaixas
Ponto Vazio
Ponto Cheio

Com Ciclovias/Ciclofaixas
Ponto Vazio
Ponto Cheio

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

0,062
0,133
0,131
0,071
0,055
0,134
0,133
0,087
0,075
0,131
0,130
0,064
0,085
0,129
0,123
0,073
0,049
0,141
0,129
0,071
0,050
0,130
0,137
0,061

0,048
0,120
0,113
0,054
0,046
0,122
0,114
0,072
0,057
0,116
0,112
0,045
0,071
0,116
0,107
0,060
0,033
0,127
0,111
0,051
0,039
0,116
0,123
0,045

0,117
0,267
0,258
0,132
0,109
0,268
0,263
0,168
0,142
0,264
0,259
0,114
0,162
0,261
0,248
0,137
0,087
0,284
0,255
0,130
0,095
0,260
0,266
0,113

0,100
0,259
0,243
0,110
0,100
0,261
0,245
0,150
0,117
0,254
0,244
0,086
0,146
0,253
0,234
0,120
0,065
0,275
0,238
0,103
0,082
0,251
0,252
0,091

0,148
0,334
0,323
0,166
0,138
0,333
0,329
0,210
0,179
0,331
0,325
0,144
0,203
0,326
0,312
0,171
0,110
0,354
0,320
0,165
0,120
0,326
0,329
0,144

0,143
0,357
0,339
0,159
0,140
0,357
0,343
0,213
0,167
0,353
0,345
0,128
0,203
0,351
0,329
0,168
0,099
0,381
0,334
0,154
0,119
0,346
0,344
0,135

0,277
0,561
0,564
0,328
0,237
0,562
0,574
0,392
0,338
0,556
0,567
0,307
0,368
0,546
0,532
0,321
0,237
0,597
0,561
0,336
0,225
0,547
0,583
0,289

0,318
0,660
0,662
0,379
0,273
0,660
0,672
0,459
0,381
0,654
0,671
0,351
0,425
0,644
0,623
0,369
0,273
0,705
0,658
0,388
0,262
0,639
0,684
0,333

71

Tabela 4.14: Probabilidades de escolha da bicicleta pedelec para os meses de 2011 a

2015. (cont.)

Perodo

Fevereiro/2011-2015
Maro/2011-2015
Abril/2011-2015
Maio/2011-2015
Junho/2011-2015
Julho/2011-2015
Agosto/2011-2015
Setembro/2011-2015
Outubro/2011-2015
Novembro/2011-2015
Dezembro/2011-2015
Fevereiro/2011
Maro/2011
Abril/2011
Maio/2011
Junho/2011
Julho/2011
Agosto/2011
Setembro/2011
Outubro/2011
Novembro/2011
Dezembro/2011
Fevereiro/2012
Maro/2012
Abril/2012
Maio/2012
Junho/2012
Julho/2012
Agosto/2012
Setembro/2012
Outubro/2012
Novembro/2012
Dezembro/2012

Sem Ciclovias/faixas
Ponto Vazio
Ponto Cheio

Com Ciclovias/faixas
Ponto Vazio
Ponto Cheio

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

0,048
0,079
0,125
0,146
0,141
0,158
0,147
0,084
0,074
0,064
0,069
0,013
0,080
0,118
0,163
0,143
0,170
0,121
0,122
0,087
0,095
0,065
0,017
0,094
0,140
0,133
0,134
0,170
0,163
0,065
0,061
0,065
0,036

0,035
0,065
0,110
0,134
0,130
0,145
0,128
0,066
0,055
0,048
0,054
0,006
0,067
0,109
0,150
0,132
0,150
0,099
0,102
0,074
0,079
0,053
0,007
0,075
0,124
0,120
0,125
0,150
0,144
0,047
0,038
0,046
0,014

0,090
0,154
0,254
0,291
0,282
0,315
0,296
0,156
0,136
0,120
0,134
0,019
0,159
0,235
0,328
0,284
0,350
0,239
0,236
0,169
0,183
0,128
0,023
0,182
0,288
0,266
0,267
0,350
0,337
0,113
0,103
0,118
0,050

0,072
0,138
0,244
0,285
0,277
0,309
0,283
0,131
0,110
0,098
0,116
0,006
0,146
0,230
0,323
0,278
0,340
0,216
0,215
0,156
0,165
0,117
0,007
0,159
0,280
0,257
0,263
0,340
0,327
0,086
0,068
0,091
0,014

0,114
0,194
0,319
0,361
0,350
0,391
0,372
0,195
0,172
0,151
0,169
0,024
0,201
0,291
0,407
0,353
0,440
0,301
0,296
0,211
0,229
0,162
0,030
0,230
0,362
0,332
0,330
0,440
0,423
0,141
0,131
0,150
0,064

0,106
0,197
0,341
0,388
0,377
0,421
0,397
0,188
0,163
0,141
0,169
0,009
0,205
0,313
0,443
0,377
0,480
0,310
0,304
0,220
0,232
0,168
0,017
0,226
0,395
0,352
0,355
0,480
0,462
0,127
0,109
0,133
0,036

0,226
0,348
0,537
0,606
0,587
0,656
0,633
0,386
0,350
0,294
0,317
0,063
0,347
0,488
0,681
0,592
0,730
0,539
0,536
0,383
0,420
0,292
0,097
0,417
0,601
0,555
0,554
0,730
0,702
0,309
0,308
0,299
0,207

0,259
0,404
0,633
0,711
0,690
0,771
0,747
0,448
0,408
0,334
0,371
0,060
0,401
0,573
0,807
0,693
0,870
0,631
0,627
0,451
0,491
0,345
0,110
0,477
0,716
0,648
0,651
0,870
0,837
0,358
0,354
0,334
0,236

72

Tabela 4.14: Probabilidades de escolha da bicicleta pedelec para os meses de 2011 a

2015.

Perodo

Fevereiro/2013
Maro/2013
Abril/2013
Maio/2013
Junho/2013
Julho/2013
Agosto/2013
Setembro/2013
Outubro/2013
Novembro/2013
Dezembro/2013
Fevereiro/2014
Maro/2014
Abril/2014
Maio/2014
Junho/2014
Julho/2014
Agosto/2014
Setembro/2014
Outubro/2014
Novembro/2014
Dezembro/2014
Fevereiro/2015
Maro/2015
Abril/2015
Maio/2015
Junho/2015
Julho/2015
Agosto/2015
Setembro/2015
Outubro/2015
Novembro/2015
Dezembro/2015

Sem Ciclovias/faixas
Ponto Vazio
Ponto Cheio

Com Ciclovias/faixas
Ponto Vazio
Ponto Cheio

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

Sem
calib.

RNA

0,138
0,074
0,116
0,140
0,119
0,155
0,103
0,075
0,055
0,066
0,065
0,072
0,111
0,164
0,166
0,178
0,138
0,065
0,081
0,045
0,142
0,017
0,072
0,147
0,128
0,150
0,108
0,157
0,067
0,068
0,063
0,049

0,118
0,063
0,100
0,128
0,109
0,138
0,089
0,063
0,041
0,048
0,048
0,057
0,092
0,154
0,153
0,167
0,116
0,047
0,056
0,029
0,125
0,007
0,060
0,129
0,120
0,139
0,105
0,145
0,043
0,047
0,047
0,043

0,278
0,142
0,236
0,283
0,239
0,316
0,195
0,144
0,104
0,121
0,121
0,140
0,220
0,328
0,335
0,357
0,276
0,119
0,145
0,078
0,292
0,023
0,143
0,301
0,250
0,300
0,200
0,314
0,116
0,123
0,117
0,100

0,260
0,128
0,225
0,277
0,234
0,305
0,177
0,130
0,085
0,095
0,100
0,123
0,202
0,325
0,330
0,353
0,257
0,094
0,109
0,054
0,283
0,007
0,131
0,290
0,243
0,293
0,195
0,308
0,081
0,093
0,097
0,097

0,350
0,177
0,297
0,353
0,298
0,396
0,242
0,180
0,131
0,154
0,153
0,176
0,277
0,405
0,417
0,442
0,348
0,150
0,184
0,099
0,367
0,030
0,180
0,378
0,308
0,372
0,243
0,390
0,147
0,156
0,149
0,126

0,363
0,179
0,317
0,380
0,320
0,425
0,242
0,185
0,122
0,140
0,149
0,178
0,287
0,440
0,453
0,480
0,364
0,141
0,167
0,081
0,400
0,017
0,187
0,409
0,322
0,397
0,243
0,422
0,129
0,142
0,140
0,137

0,585
0,324
0,500
0,589
0,498
0,660
0,444
0,335
0,252
0,310
0,305
0,323
0,484
0,679
0,696
0,740
0,603
0,306
0,396
0,216
0,608
0,097
0,316
0,628
0,522
0,624
0,418
0,658
0,335
0,332
0,286
0,209

0,675
0,377
0,588
0,695
0,586
0,778
0,512
0,394
0,285
0,353
0,357
0,378
0,565
0,803
0,825
0,875
0,708
0,354
0,458
0,240
0,725
0,110
0,371
0,744
0,600
0,730
0,465
0,779
0,389
0,384
0,325
0,249

Na Figura 4.4 foi gerado um grfico com a distribuio das probabilidades para todos
os anos do perodo selecionado. possvel notar, considerando o ponto de nibus da USP
cheio, que a probabilidade quase triplica quando h a presena de ciclovias/ciclofaixas. Para

73

o ponto vazio, a presena das ciclovias/ciclofaixas ligeiramente mais impactante, obtendo

valores que, em geral, so trs vezes maiores do que na ausncia das mesmas.

Figura 4.4: Distribuio das probabilidades de escolha da bicicleta pedelec para todos
os anos do perodo avaliado.

Ao avaliar a variao na probabilidade decorrente da lotao do ponto, fica evidente

a grande influncia que essa varivel tambm propicia na escolha. Para os dois nveis de
ciclovias/ciclofaixas (ausncia e presena), a probabilidade com o ponto cheio , em geral, o
dobro em relao ao ponto vazio.

A variao na probabilidade, conforme as estaes do ano de todos os anos

considerados, apresentada na Figura 4.5. Como j esperado, a probabilidade maior nas
estaes do Outono e Inverno, que so caracterizadas pelos dias mais secos e frios, em
relao ao Vero e Primavera, que apresentam o oposto: dias mais quentes e midos.

74

Figura 4.5: Distribuio das probabilidades de escolha da bicicleta pedelec para as

estaes do ano de todos os anos do perodo avaliado.

Considerando o ponto cheio e a presena de ciclovias/ciclofaixas, o Outono, que a

estao com maior quantidade de dias letivos, apresentou probabilidade de 66%. A segunda
estao que mais possui dias letivos a Primavera, que exibiu 38%. Levando em
considerao o ponto cheio e sem ciclovias/ciclofaixas, os valores descendem para 26% e
11%, respectivamente.

As distribuies das probabilidades para os meses de todos os anos analisados

podem ser vistas na Figura 4.6. Nota-se uma curva ascendente de Fevereiro at Maio. Em
Junho h uma leve queda, com posterior aumento (mais acentuado) em Julho. Em seguida,
at Novembro possvel notar uma queda, que culmina com leve aumento em Dezembro.
Similarmente anlise para as estaes do ano, a probabilidade maior para os meses do
meio do ano, com o pico mximo em Julho. J a menor probabilidade observada para o
ms de Fevereiro.

75

Figura 4.6: Distribuio das probabilidades de escolha da bicicleta pedelec para os

meses de todos os anos do perodo avaliado.

Os resultados da variao diria decorrente da lotao do nibus so apresentados

na Figura 4.7 para tera, quarta e quinta. As probabilidades so para o nvel meteorolgico
de temperatura moderada, que o nvel com maior quantidade de dias letivos, e para
ausncia de ciclovias/ciclofaixas entre as reas do campus. Vale lembrar que na quinta o
nibus no opera s 7 horas.

Figura 4.7: Variao na probabilidade de escolha da pedelec ao longo do dia,

conforme lotao do nibus.

76

Os horrios de sada do nibus as 7:30, 8:00, 9:00, 9:55, 12:25, 13:30, 16:05 e 17:00
apresentaram as mesmas probabilidades para os trs dias. Dentre esses horrios, 8:00 e
9:55 so os nicos em que h maior probabilidade (34%) para todos os dias avaliados.
Considerando tera, foi encontrada maior probabilidade nos horrios das 8:00, 8:15, 9:55,
13:00 e 14:00. Para quarta, os maiores valores se encontram as 7:45, 8:00 e 9:55. J para
quinta, que o dia com maior demanda pelo nibus, nos horrios das 7:45, 8:00, 8:15, 9:55
e 14:00 houve maior lotao. Nos horrios das 7:00, 7:30, 9:00, 12:25, 13:30, 16:05 e 17:00
nunca houve quantidade de passageiros(as) que caracterizasse ponto de nibus cheio,
conforme o critrio estabelecido (mais do que 50 pessoas no nibus), resultando em
probabilidade de 15%.

77

5 CONCLUSES E CONSIDERAES FINAIS

O objetivo do trabalho foi alcanado atravs do conjunto de procedimentos utilizado,

o qual envolve essencialmente duas etapas: a caracterizao do pblico-alvo e a anlise da
demanda potencial pelas bicicletas pedelecs compartilhadas.

Na primeira etapa, da caracterizao do pblico-alvo, foi utilizado um questionrio, o

qual foi elaborado com a tcnica de preferncia declarada e aplicado ao pblico potencial.
No presente estudo de caso (campus da USP de So Carlos), o pblico-alvo foi composto
por estudantes de graduao e ps-graduao que se deslocam entre as duas reas. O
questionrio visou traar um perfil do pblico de interesse e identificar a preferncia entre o
nibus da USP e as bicicletas pedelecs compartilhadas. importante ressaltar que, na
identificao das preferncias, somente foram considerados(as) estudantes que utilizam o
nibus da USP.

Na segunda etapa foram

criadas planilhas

eletrnicas

para anlise das

probabilidades de escolha da bicicleta pedelec compartilhada em relao ao nibus operado

pela USP. Os resultados da pergunta de preferncia declarada, aps elaborao da Rede
Neural Artificial (RNA), foram inseridos nas referidas planilhas, permitindo que fosse
verificada a probabilidade para cada combinao desejada. As planilhas tambm incluram
dados do histrico meteorolgico, classificados conforme os nveis da pergunta de
preferncia declarada.

Sobre os resultados da primeira etapa, uma considerao relevante diz respeito

amostra obtida de acordo com o pblico-alvo desejado. Conforme exposto no subcaptulo
4.1 (resultados e anlises da primeira etapa), h um desequilbrio na distribuio das
percentagens de estudantes de graduao e ps-graduao da amostra. Na populao-alvo
desta pesquisa, o percentual de ps-graduandos(as) que se desloca regularmente at a
rea 2 corresponde a 19% do total de estudantes que frequenta a rea 2, enquanto a
amostra obtida foi composta por 7% de ps-graduandos(as). Entretanto, vale lembrar que
pouco mais de 500 ps-graduandos(as) frequentam a rea 2 com regularidade, sendo que
quase 50% se desloca atravs do nibus operado pela USP. J entre os(as)
graduandos(as), mais de 2100 se deslocam regularmente at a rea 2 e quase 70% utiliza o
nibus da USP.

78

A respeito dos outros resultados do questionrio, o dado mais crtico, diante de todo
o cenrio avaliado, foi a grande rejeio pelo modo a p e pelo nibus coletivo municipal,
que atualmente opera sob responsabilidade da empresa Athenas Paulista. Dentre os
aspectos que mais pesam na deciso de no usar o nibus da USP, a lotao e o fato de
no poder iniciar a viagem a qualquer momento so favorveis ao uso da bicicleta, seja ela
convencional ou pedelec. Entre os fatores mais impactantes para no se usar as bicicletas
convencionais, esto o esforo fsico, as condies meteorolgicas, o tempo de viagem e a
ausncia de ciclovias/ciclofaixas. O esforo fsico e o tempo de viagem so
consideravelmente reduzidos com o uso da bicicleta pedelec em relao convencional,
devido ao auxlio proveniente do motor eltrico. Isto contribuiria para a escolha, no hipottico
sistema de compartilhamento de bicicletas, da pedelec ao invs da convencional. Vale
lembrar que cerca de 50% dos(as) respondentes avaliaram como 15 minutos o tempo
mximo aceitvel para o deslocamento entre as reas, enquanto quase 25% julgaram 20
minutos como o aceitvel.

escolha

das

variveis

de

condies

meteorolgicas

situao

de

ciclovias/ciclofaixas para avaliar a preferncia entre bicicletas pedelec compartilhadas e

nibus da USP se mostrou adequada, visto que estas variveis esto entre os fatores mais
impactantes para no se usar bicicletas convencionais.

Por outro lado, os nveis das condies meteorolgicas poderiam ser escritos de
forma mais sucinta no questionrio, apesar de aparentemente a interpretao ter sido clara
para a amostra como um todo. Como ressaltado no subcaptulo 3.3.2, a nebulosidade um
parmetro de difcil estimao (depende do observador), alm de ser muito dinmico, sendo
praticamente impossvel adotar um valor de nebulosidade que seja representativo para um
dia. Por conta disso, seria possvel que o nvel nublado e possibilidade chuva fosse escrito
apenas como possibilidade de chuva.

Em relao s temperaturas adotadas para representar frio, moderado e calor, elas

se mostraram coerentes com o clima de So Carlos. Embora a palavra sol tenha
acompanhado as palavras frio, temperatura moderada e calor, sua caracterizao no
trivial, ainda mais para representar um dia, como no caso de nublado. importante
ressaltar que o autor optou pela incluso das palavras sol e nublado para tentar
representar, da melhor forma possvel, os cenrios. Com base na literatura internacional,
de amplo conhecimento que, em geral, chuva e temperatura so fatores mais impactantes
no uso das bicicletas do que a nebulosidade por si s. Com o uso da palavra sol, a
inteno foi remeter a deciso dos(as) respondentes para a temperatura, impedindo que

79

imaginassem cenrios alternativos. Por exemplo, se o nvel fosse representado apenas por
calor ( 34 C), seria possvel que a pessoa respondesse com base em um dia com chuva
e calor. Tambm importante lembrar que o nvel chuvoso intencionalmente no foi
colocado no questionrio para reduzir o nmero de combinaes geradas no fatorial
completo e porque a chuva muito decisiva para no se utilizar a bicicleta no Brasil. Como
visto nos resultados, a condio nublado e possibilidade de chuva apresenta os menores
valores de preferncia pelas pedelecs compartilhadas.

A respeito da segunda etapa, a de anlise da demanda potencial por bicicletas

pedelecs compartilhadas, a planilha eletrnica desenvolvida revelou-se como uma
importante ferramenta de auxlio para a conduo da poltica de transportes que o operador
do sistema (no caso estudado, a Prefeitura do campus da USP de So Carlos) ir adotar
para os anos futuros, sendo possvel visualizar diferenas entre anos, meses e estaes do
ano. Com algumas modificaes na estrutura da planilha, tambm foi possvel checar
variaes dirias oriundas da ocupao do ponto de nibus. O campus, por se tratar de um
polo gerador de viagens, influencia diretamente na mobilidade urbana da cidade. Alm
disso, a universidade responsvel, em parte, pela sade dos(as) funcionrios(as)
tcnico(a)-administrativos(as), docentes e alunos(as) de graduao e ps-graduao.

Os resultados das simulaes foram promissores no que diz respeito a um provvel

uso de bicicletas pedelecs compartilhadas, atravs de um sistema complementar ao nibus
atualmente ofertado. A probabilidade de escolha das pedelecs, como j esperado, maior
nos meses menos chuvosos e com temperaturas moderadas e frias. A condio do ponto de
nibus da USP (cheio ou vazio), que uma caracterstica particular deste estudo de caso,
revelou ter muito peso na deciso dos(as) respondentes, visto que a probabilidade de
escolha da pedelec praticamente dobra quando o ponto est cheio. Em relao presena
de ciclovias/ciclofaixas no trecho considerado, a probabilidade de uso da pedelec , em
mdia, o triplo para o mesmo cenrio sem ciclovias/ciclofaixas. Neste caso, importante
lembrar que a estrutura cicloviria do trecho considerado responsabilidade da prefeitura
municipal.

Em relao ao conjunto de procedimentos adotado, extremamente importante

ressaltar que tanto o questionrio aplicado quanto a planilha eletrnica foram elaborados
para uma situao especfica, que o deslocamento entre reas do campus da USP de So
Carlos, com foco nos(as) estudantes de graduao e ps-graduao que usam o nibus
operado pela USP. Entretanto, o conjunto de procedimentos pode ser aplicado em outras
condies, desde que as preferncias entre modos de transporte sejam obtidas conforme o

80

pblico e objetivo que se almeja. O autor recomenda a utilizao de atributos que abordem
ciclovias/ciclofaixas e condies meteorolgicas, tal como elaborado neste estudo de caso.
No que tange (s) outra(s) varivel(eis) da preferncia declarada, o(a) pesquisador(a)
dever se atentar para caractersticas especficas do estudo de caso em questo.

5.1 Contribuies do trabalho e sugestes para trabalhos futuros

Este trabalho apresenta contribuies para o tema da demanda potencial pelo
transporte ciclovirio e, mais especificamente, para anlise da mesma sob o ponto de vista
das

condies

meteorolgicas,

um

ponto

praticamente

no

explorado

pelos(as)

pesquisadores(as) brasileiros(as). Como o clima do Brasil muito diferente em relao

maioria dos pases em que as pesquisas considerando a meteorologia tm sido realizadas,
recomenda-se fortemente que os(as) pesquisadores(as) dediquem especial ateno a este
fator quando forem estudar a demanda por bicicletas. Parcerias com pesquisadores(as) de
pases com clima similar (regies da Austrlia, por exemplo) impulsionariam os estudos
nacionais sobre esse tema.

Em relao aos sistemas com bicicletas compartilhadas, a recomendao que

sejam feitos estudos para aprimorar os sistemas atualmente operados em algumas cidades
brasileiras. importante avaliar o comportamento dos(as) usurios(as), o uso que fazem
das bicicletas, integrao com outros meios de transporte e caractersticas das viagens
(velocidade, distncia, rotas utilizadas e origem/destino). As pesquisas de origem/destino
so fundamentais para melhorar a logstica de reposio e manejo das bicicletas nas
estaes. Em relao s caractersticas de viagem como um todo, elas so importantes
para a oferta de estrutura cicloviria, seja para realocar as estaes, planejamento de
ciclovias/faixas/rotas, ou at mesmo para servir de base para a substituio, em
determinadas regies da cidade, das bicicletas convencionais por pedelecs. Tambm so
indicados estudos com foco no uso do solo, na demografia e no relevo para subsidiarem as
decises a respeito da oferta de estrutura cicloviria.

Sobre as bicicletas eltricas, elas precisam ser melhor estudadas sob o ponto de
vista de regulamentao das mesmas. Atualmente h pouca fiscalizao e pouca clareza
para a populao a respeito das normas de utilizao. As bicicletas eltricas tm um
potencial considervel para melhorar a mobilidade urbana, principalmente quando utilizadas
em sistemas de compartilhamento, como o proposto para a USP de So Carlos.

81

Especificamente em relao ao sistema proposto para o campus de So Carlos da

USP, caso ele seja um dia implantado, recomenda-se que sejam feitos estudos semelhantes
aos que foram apresentados no subcaptulo 2.4.1. A implantao de um sistema como esse
dentro de uma universidade no importante apenas para a melhoria da mobilidade urbana,
mas tambm do ponto de vista educacional (muitas pessoas veem as bicicletas apenas
como lazer) e desenvolvimento de tecnologia, visto que diversos projetos de pesquisa
interdisciplinares podem ser conduzidos ao mesmo tempo. Considerando um sistema de
quarta gerao e levando em considerao que o campus de So Carlos possui reas de
estudo em Engenharias, Fsica, Qumica, Matemtica e Arquitetura e Urbanismo, possvel
estudar a mecnica e a bateria das ebikes, gerao de energia a partir de fontes renovveis,
desenvolvimento de software para gerenciamento do sistema, alm dos estudos possveis
nas reas de Urbanismo e Engenharia de Transportes. Tambm so recomendados estudos
da rea de Psicologia, sobre a percepo das pessoas a respeito de modos anteriormente
utilizados e o atual, percepo da cidade, variaes no nvel de estresse, entre outros.

83

REFERNCIAS

Abdelgawad, H.; M. S. Mahmoud e S. N. Kinawy (2016) Understanding cycling behavior and

barriers to cycling in Egypt. 95th Annual Meeting, Transportation Research Board,
Washington, DC, EUA.
Ahmed, F.; G. Rose e C. Jacob (2010) Impact of weather on commuter cyclist behaviour and
implications for climate change adaptation. 33rd Australasian Transport Research
Forum (ATRF), Canberra, Austrlia.
Ahmed, F.; G. Rose; M. Figliozzi e C. Jakob (2012) Commuter cyclists sensitivity to changes
in weather: Insight from two cities with different climatic conditions. 92nd Annual
Meeting, Transportation Research Board, Washington, DC, EUA.
Austwick, M. Z.; O. OBrien, E. Strano e M. Viana (2013) The structure of spatial networks
and communities in bicycle sharing systems. PLoS ONE, v. 8, n.9.
Barczak, R. e F. Duarte (2012) Impactos ambientais da mobilidade urbana: Cinco categorias
de medidas mitigadoras. Revista Brasileira de Gesto Urbana, v. 4, n. 1, p. 13-32.
Barnes, G. e K. Krizek (2005) Estimating bicycling demand. Journal of the Transportation
Research Board, v. 1939, p. 45-51.
BBC Brasil (2015) Reprter da BBC assediada enquanto gravava reportagem sobre
assdio.

Disponvel

em:

<http://www.bbc.com/portuguese/videos_e_fotos/2015/09/150930_video_reporter_b
bc_vitima_assedio_lgb>. Acesso em: 30 novembro 2015.
BiciMAD

(2014)

La

bicicleta.

Disponvel

em:

<http://www.bicimad.com/index.php?s=bicicleta>. Acesso em: 03 fevereiro 2016.

Bierlaire, M. (2003) Biogeme: A free package for the estimation of discrete choice models.
Proceedings of the 3rd Swiss Transportation Research Conference, Ascona, Sua.
Bierlaire, M. e M. Fetiarison (2009) Estimation of discrete choice models: Extending
Biogeme. Swiss Transport Research Conference (STRC), Ascona, Sua.
Bierlaire, M. (2015a) BisonBiogeme 2.4: Estimating a first model. Series on Biogeme
TRANSP-OR 150720, Ecole Polytechnique Fdrale de Lausanne.
Bierlaire, M. (2015b) BisonBiogeme 2.4: Syntax of the modeling language. Series on
Biogeme TRANSP-OR 150720, Ecole Polytechnique Fdrale de Lausanne.
BIXI Montreal (2015) Le 15 novembre prochain, vos BIXI hiberneront Disponvel em:
<https://montreal.bixi.com/about-bixi/news/2015/Novembre/le-15-novembreprochain-vos-bixi-hiberneront>. Acesso em: 03 fevereiro 2016.

84

Boareto, R. (2008) A poltica de mobilidade urbana e a construo de cidades sustentveis.

Revista dos Transportes Pblicos, p. 143-160.
Bocanegra, C. W. R. e A. N. Rodrigues da Silva ( 2002) Replicando el comportamiento de
una red neuronal artificial entrenada para estimar un ndice de potencial de viajes.
5 Congreso de Ingeniera del Transporte, Universidad de Cantabria, Santander,
Espanha.
BXLX

(2015a)

Lisboa

Horizontal:

Proposta.

Disponvel

em:

<http://lisboahorizontal.pt/proposta/>. Acesso em: 03 fevereiro 2016.

BXLX (2015b) Lisboa Horizontal. Disponvel em: <https://vimeo.com/121051999>. Acesso
em: 03 fevereiro 2016.
Cherry, C.; S. Worley e D. Jordan (2011) Electric bike sharing: System requirements and
operational concepts. 90th Annual Meeting, Transportation Research Board,
Washington, DC, EUA.
CONTRAN (2013) Resoluo N. 465 de 27 de Novembro de 2013. Disponvel em:
<http://www.denatran.gov.br/download/Resolucoes/Resolucao4652013.pdf>.
Acesso em: 30 novembro 2015.
Costa, R. G.; C. G. Thaumaturgo da Silva e S. C. Cohen (2013) A origem do caos - A crise
de mobilidade no Rio de Janeiro e a ameaa sade urbana. Cadernos Metrpole,
v. 15, n. 30, p. 411-431.
Cycle

Guide

DK

(2010)

Free

bikes!

Where

to

get

bike.

Disponvel

em:

<http://cycleguide.dk/2010/05/copenhagens-city-bikes/>. Acesso em: 03 fevereiro

2016.
Cyclehoop (s. d.). Disponvel em: <http://www.hypeness.com.br/2015/06/estacionamentocriativo-para-bicicletas-mostra-quantas-bikes-cabem-no-espaco-de-um-carro/>.
Acesso em: 03 fevereiro 2016.
Cycles

of

Life

(2012)

Cycling

in

Copenhagen.

Disponvel

<https://cyclebicycle.wordpress.com/2012/09/02/cycling-in-copenhagen/>.

em:
Acesso

em: 03 fevereiro 2016.

Cycling Promotion Fund (s. d.). Disponvel em: < http://wearetraffic.org/node/7>. Acesso em:
03 fevereiro 2016.
DeMaio, P. (2009) Bike-sharing: History, impacts, models of provision, and future. Journal of
Public Transportation, v. 12, n. 4, p. 41-56.
Dill, J. e G. Rose (2012) Electric bikes and transportation policy: Insights from early adopters.
Journal of the Transportation Research Board, v. 2314, p. 1-6.
Dill, J. e T. Carr (2003) Bicycle commuting and facilities in major U.S. cities: If you build
them, commuters will use them. Journal of the Transportation Research Board, v.
1828, p. 116-123.

85

Elektro (2015) Populao de So Luiz do Paraitinga j pode utilizar bicicletas eltricas.

Disponvel em: <http://cidadeinteligente.elektro.com.br/index.php/populacao-de-saoluiz-do-paraitinga-ja-pode-utilizar-bicicletas-eletricas/>. Acesso em: 03 fevereiro
2016.
European Commission (1999) Cycling: The way ahead for towns and cities. Repartio de
Publicaes da Unio Europia, Luxemburgo.
Faghih-Imani, A.; N. Eluru; A. M. El-Geneidy; M. Rabbat e U. Haq (2014) How land-use and
urban form impact bicycle flows: Evidence from the bicycle-sharing system (BIXI) in
Montreal. Journal of Transport Geography, v. 41, p. 306-314.
Flynn, B. S.; G. S. Dana; J. Sears e L. Aultman-Hall (2012) Weather factor impacts on
commuting to work by bicycle. Preventive Medicine, v. 54, p. 122-124.
Folha de So Paulo (2015) Bicicletas eltricas ajudam a vencer ladeiras em So Luiz do
Paraitinga.

Disponvel

em:

<http://www1.folha.uol.com.br/cotidiano/2015/06/1638493-bicicletas-eletricasajudam-a-vencer-ladeiras-em-sao-luiz-do-paraitinga.shtml>.

Acesso

em:

30

novembro 2015.
Folha de So Paulo (2011) Montadoras tero reduo de IPI at julho de 2016. Disponvel
em:

<http://www1.folha.uol.com.br/poder/2011/08/954069-montadoras-terao-

reducao-de-ipi-ate-julho-de-2016.shtml>. Acesso em: 03 fevereiro 2016.

Frade, I. e A. Ribeiro (2013) Bicycle sharing systems demand. Procedia - Social and
Behavioral Sciences, v. 111, p. 518-527.
Franco, L. P. C.; V. B. G. Campos e F. B. Monteiro (2014) A characterisation of commuter
bicycle trips. Procedia - Social and Behavioral Sciences, v. 111, p. 1165-1174.
Gaegauf, T. (2014) A comparative guide to the different technologies offered by bikesharing
vendors.

Disponvel

em:

<http://mobility-workspace.eu/wp-

content/uploads/Bikeshare_Technology_White_Paper.pdf>.

Acesso

em:

17

fevereiro 2016.
Globo (2014) Falta de dados sobre assdio reflete a leviandade com que o tema tratado.
Disponvel

em:

<http://g1.globo.com/profissao-reporter/noticia/2014/10/falta-de-

dados-sobre-assedio-reflete-leviandade-com-que-o-tema-e-tratado.html>.

Acesso

em: 30 novembro 2015.

Godefroy, F. e C. Morency (2012) Estimating latent cycling trips in Montreal, Canada.
Journal of the Transportation Research Board, v. 2314, p. 120-128.
Google Earth (2015) Imagem de So Carlos via Digital Globe. Acesso em: 20 maio 2015.
Griswold, J. B.; A. Medury e R. J. Schneider (2011) Pilot models for estimating bicycle
intersection volumes. Journal of the Transportation Research Board, v. 2247, p. 1-7.

86

Habib, K. N.; J. Mann; M. Mahmoud e A. Weiss (2014) Synopsis of bicycle demand in the
city of Toronto: Investigating the effects of perception, consciousness and
comfortability on the purpose of biking and bike ownership. Transportation Research
Part A, v. 70, p. 67-80.
Hankey, S.; G. Lindsey; X. Wang; J. Borah; K. Hoff; B. Utecht e Z. Xu (2012) Estimating use
of non-motorized infrastructure: Models of bicycle and pedestrian traffic in
Minneapolis, MN. Landscape and Urban Planning, v. 107, p. 307-316.
Happy Hotelier (2007) New York City: Bike Share Project: 42 years behind the Dutch!
Disponvel

em:

<http://www.happyhotelier.com/2007/07/08/new-york-city-bike-

share-project-42-years-behind-the-dutch/>. Acesso em: 03 fevereiro 2016.

Hunt, J. D. e J. E. Abraham (2007) Influences on bicycle use. Transportation, v. 34, p. 453470.
Hypeness (2014) Conhea os parklets: As extenses temporrias que promovem uma
renovao

dos

espaos

pblicos.

Disponvel

em:

<http://www.hypeness.com.br/2014/09/conheca-os-parklets-as-extensoestemporarias-que-promovem-uma-renovacao-dos-espacos-publicos/>. Acesso em:

03 fevereiro 2016.
INMET (2016) Banco de Dados Meteorolgicos para Ensino e Pesquisa. Disponvel em:
<http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep>.

Acesso

em:

26

fevereiro 2016.
Isler, C. A. (2015) Avaliao socioeconmica de uma rede ferroviria regional para o
transporte de passageiros. Tese (Doutorado em Engenharia de Transportes),
Universidade de So Paulo, So Carlos, Brasil.
Ji, S.; C. R. Cherry; L. D. Han e D. A. Jordan (2014) Electric bike sharing: Simulation of user
demand and system availability. Journal of Cleaner Production, v. 85, p. 250-257.
Kirner, J. (2006) Proposta de um mtodo para a definio de rotas ciclveis em reas
urbanas. Dissertao (Mestrado em Engenharia Urbana), Universidade Federal de
So Carlos, So Carlos, Brasil.
Langford, B. C., C. Cherry, T. Yoon, S. Worley e D. Smith (2013) North Americas first ebikeshare: A year of experience. Journal of the Transportation Research Board, v.
2387, p. 120-128.
Langford, B. C.; J. Chen e C. R. Cherry (2015) Risky riding: Naturalistic methods comparing
safety behavior from conventional bicycle riders and electric bike riders. Accident
Analysis & Prevention, v. 82, p. 220-226.
Lima, R. S.; A. N. Rodrigues da Silva e P. van der Waerden (2003) Espalhamento urbano:
Mito ou realidade no Brasil? O caso das cidades mdias. Revista dos Transportes
Pblicos, v. 98, p. 31-46.

87

Magalhes, J. R. L. e D. A. G. Palhares (2013) Utilizao do mtodo de preferncia

declarada para caracterizao da demanda pelo transporte ciclovirio em Montes
Claros/MG. XXVII Congresso de Pesquisa e Ensino em Transportes, ANPET,
Belm, Brasil.
Magalhes, J. R. L.; V. B. G. Campos e R. A. M. Bandeira (2015) Reviso sobre modelos de
previso de demanda pelo modo ciclovirio. XXIX Congresso de Pesquisa e Ensino
em Transportes, ANPET, Ouro Preto, Brasil.
Maldonado-Hinarejos, R.; A. Sivakumar e J. W. Polak (2014) Exploring the role of individual
attitudes and perceptions in predicting the demand for cycling: A hybrid choice
modelling approach. Transportation, v. 41, p. 1287-1304.
Meddin, R. (2016) The bike-sharing world map. Disponvel em: <www.bikesharingmap.com>.
Acesso em: 05 maro 2016.
MetroBike (2009) Easter Bunny Delivers 3rd generation bike-sharing to college in Chicago.
Disponvel em: <http://bike-sharing.blogspot.com.br/2009/04/easter-bunny-delivers3rd-generation.html>. Acesso em: 03 fevereiro 2016.
Midgley, P. (2009) The role of smart bike-sharing systems in urban mobility. Journeys Sharing Urban Transport Solutions, n. 2, p. 23-31.
Ministrio das Cidades (2006) Curso Gesto integrada da mobilidade urbana. Braslia,
Brasil.
Ministrio do Meio Ambiente e Ministrio das Cidades (2015) Sustentabilidade urbana:
impactos do desenvolvimento econmico e suas consequncias sobre o processo
de urbanizao em pases emergentes - Volume 1: Mobilidade urbana. Braslia,
Brasil.
Miranda-Moreno, L. F. e T. Nosal (2011) Weather or not to cycle: Temporal trends and
impact of weather on cycling in an urban environment. Journal of the Transportation
Research Board, v. 2247, p. 42-52.
Mobilize (2016) Biketown, as bicicletas "inteligentes" de Portland, nos EUA. Disponvel em:
<http://www.mobilize.org.br/noticias/9226/biketown-as-bicicletas-inteligentes-deportland-nos-eua.html>. Acesso em: 17 fevereiro 2016.
Nankervis, M. (1999) The effect of weather and climate on bicycle commuting.
Transportation Research Part A, v. 33, p. 417-431.
Noland, R. B.; M. J. Smart e Z. Guo (2016) Bikeshare trip generation in New York city. 95th
Annual Meeting, Transportation Research Board, Washington, DC, EUA.
Observatrio das Metrpoles (2015) Estado da motorizao individual no Brasil - Relatrio
2015.
Oliveira, A. M. (2015) Um ndice para o planejamento de mobilidade com foco em grandes
polos geradores de viagens: Desenvolvimento e aplicao em um campus

88

universitrio - Apndice C. Dissertao (Mestrado em Engenharia de Transportes),

Universidade de So Paulo, So Carlos, Brasil.
Ortzar, J. D.; A. Iacobelli e C. Valeze (2000) Estimating demand for a cycle-way network.
Transportation Research Part A, v. 34, p. 353-373.
Ortzar, J. D. e L. G. Willumsen (2011) Modelling transport (4 ed.). Editora John Wiley &
Sons Ltd, Chichester, Reino Unido.
Parkin, J.; M. Wardman e M. Page (2008) Estimation of the determinants of bicycle mode
share for the journey to work using census data. Transportation, v. 35, p. 93-109.
Passafaro, P; A. Rimano; M. P. Piccini; R. Metastasio; V. Gambardella; G. Gullace e C.
Lettieri (2014) The bicycle and the city: Desires and emotions versus attitudes,
habits and norms. Journal of Environmental Psychology, v. 38, p. 76-83.
Phung, J. e G. Rose (2007) Temporal variations in usage of Melbournes bike paths. 30th
Australasian Transport Research Forum (ATRF), Melbourne, Austrlia.
Piatkowski, D. P. e W. E. Marshall (2015) Not all prospective bicyclists are created equal:
The role of attitudes, socio-demographics, and the built environment in bicycle
commuting. Travel Behaviour and Society, v. 2, p. 166-173.
Portugal, L. S. (2012) Polos geradores de viagens orientados qualidade de vida e
ambiental: Modelos e taxas de gerao de viagens. Editora Intercincia, Rio de
Janeiro, Brasil.
Raia Jr., A. A.; A. N. Rodrigues da Silva e C. W. R. Bocanegra (2001) Acessibilidade e
mobilidade na estimativa de um ndice de potencial de viagens utilizando Redes
Neurais Artificiais e SIG. XV Congresso de Pesquisa e Ensino em Transportes,
ANPET, Campinas, Brasil.
Ramis, J. E. e E. A. Santos (2012) Uso de automveis e o caos urbano - Consideraes
sobre o planejamento de transportes das grandes cidades. Journal of Transport
Literature, v. 6, n. 4, p. 164-177.
Rodrigues da Silva, A. N.; R. A. R. Ramos; L. C. L. de Souza; D. S. Rodrigues e J. F. G.
Mendes (2008) SIG: Uma plataforma para introduo de tcnicas emergentes no
planejamento urbano, regional e de transportes. Editora EdUFSCar, So Carlos,
Brasil.
Rodrigues da Silva, A. N.; A. A. Raia Jr. e C. W. R. Bocanegra (2002) Exploring na ANN
modeling approach that combines accessibility and mobility into a single trip
potential index for strategic planning. 81st Annual Meeting, Transportation Research
Board, Washington, DC, EUA.
Rybarczyk, G. e C. Wu (2010) Bicycle facility planning using GIS and multi-criteria decision
analysis. Applied Geography, v. 30, p. 282-293.

89

Ryley, T. (2006) Estimating cycling demand for the journey to work or study in West
Edinburgh, Scotland. Journal of the Transportation Research Board, v. 1982, p. 187193.
Sabir, M.; J. Van Ommeren; M. J. Koetse e P. Rietveld (2010) Impact of weather on daily
travel demand. Tinbergen Institute discussion paper. VU University, Amsterdam,
Holanda.
Sears, J.; B. S. Flynn; L. Aultman-Hall e G. S Dana (2012) To bike or not to bike: Seasonal
factors for bicycle commuting. Journal of the Transportation Research Board, v.
2314, p. 105-111.
Social

Bicycles

(2016a)

Learn

how

SoBi

works.

Disponvel

em:

<http://socialbicycles.com/#how>. Acesso em: 17 fevereiro 2016.

Social

Bicycles

(2016b)

Is

Social

Bicycles

stationless?

Disponvel

em:

<http://help.socialbicycles.com/hc/en-us/articles/201135365-Is-Social-Bicyclesstationless->. Acesso em: 17 fevereiro 2016.

Sousa, P. B. e E. Kawamoto (2015) Anlise de fatores que influem no uso da bicicleta para
fins de planejamento ciclovirio. Transportes, v. 23, n. 4, p. 79-88.
Spotahome (2014) BICIMAD: One expats road to public bike rental in Madrid. Disponvel
em:

<http://www.spotahome.com/blog/2014/08/29/bicimad-one-expats-road-to-

public-bike-rental-in-madrid.html>. Acesso em: 03 fevereiro 2016.

Stein, P. P. (2013) Barreiras, motivaes e estratgias para mobilidade sustentvel no
campus So Carlos da USP. Dissertao (Mestrado), Universidade de So Paulo,
So Carlos, Brasil.
Thomas, T.; R. Jaarsma e B. Tutert (2009) Temporal variations of bicycle demand in the
netherlands: The influence of weather on cycling. 88th Annual Meeting,
Transportation Research Board, Washington, DC, EUA.
Thomas, T.; R. Jaarsma e B. Tutert (2013) Exploring temporal fluctuations of daily cycling
demand on Dutch cycle paths: The influence of weather on cycling. Transportation,
v. 40, p. 1-22.
Tin Tin, S.; A. Woodward; E. Robinson e S. Ameratunga (2012) Temporal, seasonal and
weather effects on cycle volume: An ecological study. Environmental Health, v. 11.
Universidade de Tennessee-Knoxville (2016) The nations first fully-automated electric
bicycle sharing system. Disponvel em: <http://cycleushare.utk.edu/cycleushare/EBike_Sharing_at_UTK.html>. Acesso em: 03 fevereiro 2016.
United States Naval Observatory (s. d.) Incio das estaes do ano (2005-2020). Disponvel
em: <http://www.iag.usp.br/astronomia/inicio-das-estacoes-do-ano>. Acesso em: 28
fevereiro 2016.

90

de

Bike

(2015a)

Bicicleta

eltrica

pode

usar

ciclovia?

Disponvel

em:

<http://vadebike.org/2015/01/bicicleta-eletrica-pode-usar-ciclovia-ciclofaixa-motorregras/>. Acesso em: 03 fevereiro 2016.

V de Bike (2015b) So Paulo tem sistema de aluguel de bicicletas eltricas, com planos de
expanso para o Rio. Disponvel em: <http://vadebike.org/2015/11/aluguelbicicletas-eletricas-e-moving-sao-paulo-rio-de-janeiro>. Acesso em: 03 fevereiro
2016.
V de Bike (2015c) Ciclovia mais que dobrou o nmero de bicicletas na Avenida Paulista.
Disponvel em: <http://vadebike.org/2015/09/contagem-ciclistas-paulista-aumentofluxo-ciclovia>. Acesso em: 30 novembro 2015.
Varejo-Silva,

M.

A.

(2006)

Meteorologia

Climatologia.

Disponvel

em:

<http://www.icat.ufal.br/laboratorio/clima/data/uploads/pdf/METEOROLOGIA_E_CLI
MATOLOGIA_VD2_Mar_2006.pdf>. Acesso em: 20 janeiro 2016.
Wardman, M.; M. Tight e M. Page (2007) Factors influencing the propensity to cycle to work.
Transportation Research Part A, v. 41, p. 339-350.

91

APNDICE A

92

93

94