O objetivo principal deste trabalho de pesquisa é desenvolver ciclos de condução para ônibus urbanos a partir de dados de campo, visando sua aplicação em metodologias de estimativa de emissões de poluentes. São apresentadas metodologias para a construção de ciclos de condução, com destaque para o procedimento que utiliza o conceito de VSP (Vehicle Specific Power), variável que apresenta forte correlação com emissões de poluentes. Assim, foram coletados dados da variação da velocidade ao longo do tempo em ônibus que realizam testes de durabilidade, percorrendo diariamente diferentes tipos de vias urbanas em um trajeto pré-determinado. Foram selecionados segmentos do trajeto que, agrupados, podem representar diferentes condições de operação para ônibus urbanos; em seguida, foram propostos ciclos de condução para estes segmentos escolhidos, nos períodos de pico e fora do pico. Foram estimadas as emissões dos principais poluentes para os ciclos de condução desenvolvidos. Os resultados mostram que as características das vias e as condições de tráfego desfavoráveis podem impactar diretamente na distribuição de VSP e, consequentemente, ocasionar emissões mais elevadas de poluentes. / The main objective of this research is to develop driving cycles for urban buses from experimental data, with the purpose of estimating pollutant emissions. The study presents different methodologies for the construction of driving cycles, with emphasis on a procedure that uses the VSP concept (Vehicle Specific Power), a variable with high correlation to pollutant emissions. Data from speed variation were collected from a bus performing urban endurance tests, driving through many types of urban roads on a predefined route. Segments from the entire route were selected to represent different operating conditions for buses, during peak and off-peak periods, for which several driving cycles were developed. Pollutant emissions were estimated for these cycles. The results show that road characteristics and adverse traffic conditions can impact directly on VSP distribution and therefore lead to higher pollutant emissions.

O objetivo principal deste trabalho de pesquisa é desenvolver ciclos de condução para ônibus urbanos a partir de dados de campo, visando sua aplicação em metodologias de estimativa de emissões de poluentes. São apresentadas metodologias para a construção de ciclos de condução, com destaque para o procedimento que utiliza o conceito de VSP (Vehicle Specific Power), variável que apresenta forte correlação com emissões de poluentes. Assim, foram coletados dados da variação da velocidade ao longo do tempo em ônibus que realizam testes de durabilidade, percorrendo diariamente diferentes tipos de vias urbanas em um trajeto pré-determinado. Foram selecionados segmentos do trajeto que, agrupados, podem representar diferentes condições de operação para ônibus urbanos; em seguida, foram propostos ciclos de condução para estes segmentos escolhidos, nos períodos de pico e fora do pico. Foram estimadas as emissões dos principais poluentes para os ciclos de condução desenvolvidos. Os resultados mostram que as características das vias e as condições de tráfego desfavoráveis podem impactar diretamente na distribuição de VSP e, consequentemente, ocasionar emissões mais elevadas de poluentes. / The main objective of this research is to develop driving cycles for urban buses from experimental data, with the purpose of estimating pollutant emissions. The study presents different methodologies for the construction of driving cycles, with emphasis on a procedure that uses the VSP concept (Vehicle Specific Power), a variable with high correlation to pollutant emissions. Data from speed variation were collected from a bus performing urban endurance tests, driving through many types of urban roads on a predefined route. Segments from the entire route were selected to represent different operating conditions for buses, during peak and off-peak periods, for which several driving cycles were developed. Pollutant emissions were estimated for these cycles. The results show that road characteristics and adverse traffic conditions can impact directly on VSP distribution and therefore lead to higher pollutant emissions.

Atualmente existem muitas fontes de dados oriundos de movimentação de pessoas e veículos. Deduzir o comportamento do tráfego a partir desses dados pode ser de grande utilidade para a gestão do tráfego. Entretanto, os métodos existentes podem não abordar todas as dimensões referentes ao comportamento do tráfego, em especial sob efeito de adversidades, como por exemplo - eventos climáticos. O objetivo dessa dissertação é apresentar uma combinação de métodos estatísticos e de análise espacial, para uso na compreensão dos padrões temporais e espaciais de variabilidade das velocidades, em condições normais e sob o impacto da precipitação. O método consiste na mineração de dados de micro trechos de deslocamento (microviagens), através da combinação de estatísticas descritivas, árvores de regressão CHAID (Chi square automatic interaction detection) e análises espaciais (Krigagem). Para a validação do método foram utilizados dados obtidos, durante março de 2014, de operação da frota de ônibus municipal da cidade de São Paulo, fornecidos pela São Paulo Transportes (SPTrans). Os dados de precipitação de chuva foram fornecidos pelo Instituto Nacional de Meteorologia (INMET). Os resultados demonstraram o impacto da precipitação sobre a variabilidade das velocidades por dia da semana e hora do dia. Adicionalmente, com base nos conjuntos de dados classificados via CHAID, foram produzidas representações da distribuição das velocidades sobre a superfície através uso da Krigagem. Observou-se uma consistente queda das velocidades no período vespertino, principalmente entre 16:00 e 19:00 horas, frequentemente agravados pela presença de precipitação. Foram selecionados casos de alta variabilidade, a partir da técnica CHAID, que foram analisados espacialmente. Os efeitos da queda da variabilidade foram observados geograficamente, demonstrando que a infraestrutura de transporte é um importante fator em sua caracterização. O estudo demonstra a viabilidade desta abordagem e a importância de incorporar a geografia no entendimento da variabilidade das velocidades em geral. / Nowadays there is a wide number of movement data sources which can be useful in transportation management. However, the existing methods may not cover all traffic dimensions, especially under inclement weather. The objective of this work is presenting a combination of statistical and spatial methods which allows to understand space and time speed patterns, considering regular operation conditions in comparison with rainfall events. The method consists in sequential bus tracking data segments (micro travel) mining by the combination of descriptive statistics, CHAID (Chi square automatic interaction detection) regression trees and spatial analysis (Kriging). To validate the method, São Paulo bus fleet tracking data provided by SPTrans, and rainfall precipitation, provided by INMET was combined and processed. The results presented rainfall as a relevant factor of speed variability by day of week and time of the day. A consistent speed decrease in the afternoon period, mainly between 4:00 PM and 7:00 PM, was observed. Such effects are more intense in face of rainfall precipitation. The highest variability cases obtained by CHAID classification was selected and spatially analyzed showing the transportation infrastructure is an important variability component. Such results show the importance of a geographic approach over speed variability.

Atualmente existem muitas fontes de dados oriundos de movimentação de pessoas e veículos. Deduzir o comportamento do tráfego a partir desses dados pode ser de grande utilidade para a gestão do tráfego. Entretanto, os métodos existentes podem não abordar todas as dimensões referentes ao comportamento do tráfego, em especial sob efeito de adversidades, como por exemplo - eventos climáticos. O objetivo dessa dissertação é apresentar uma combinação de métodos estatísticos e de análise espacial, para uso na compreensão dos padrões temporais e espaciais de variabilidade das velocidades, em condições normais e sob o impacto da precipitação. O método consiste na mineração de dados de micro trechos de deslocamento (microviagens), através da combinação de estatísticas descritivas, árvores de regressão CHAID (Chi square automatic interaction detection) e análises espaciais (Krigagem). Para a validação do método foram utilizados dados obtidos, durante março de 2014, de operação da frota de ônibus municipal da cidade de São Paulo, fornecidos pela São Paulo Transportes (SPTrans). Os dados de precipitação de chuva foram fornecidos pelo Instituto Nacional de Meteorologia (INMET). Os resultados demonstraram o impacto da precipitação sobre a variabilidade das velocidades por dia da semana e hora do dia. Adicionalmente, com base nos conjuntos de dados classificados via CHAID, foram produzidas representações da distribuição das velocidades sobre a superfície através uso da Krigagem. Observou-se uma consistente queda das velocidades no período vespertino, principalmente entre 16:00 e 19:00 horas, frequentemente agravados pela presença de precipitação. Foram selecionados casos de alta variabilidade, a partir da técnica CHAID, que foram analisados espacialmente. Os efeitos da queda da variabilidade foram observados geograficamente, demonstrando que a infraestrutura de transporte é um importante fator em sua caracterização. O estudo demonstra a viabilidade desta abordagem e a importância de incorporar a geografia no entendimento da variabilidade das velocidades em geral. / Nowadays there is a wide number of movement data sources which can be useful in transportation management. However, the existing methods may not cover all traffic dimensions, especially under inclement weather. The objective of this work is presenting a combination of statistical and spatial methods which allows to understand space and time speed patterns, considering regular operation conditions in comparison with rainfall events. The method consists in sequential bus tracking data segments (micro travel) mining by the combination of descriptive statistics, CHAID (Chi square automatic interaction detection) regression trees and spatial analysis (Kriging). To validate the method, São Paulo bus fleet tracking data provided by SPTrans, and rainfall precipitation, provided by INMET was combined and processed. The results presented rainfall as a relevant factor of speed variability by day of week and time of the day. A consistent speed decrease in the afternoon period, mainly between 4:00 PM and 7:00 PM, was observed. Such effects are more intense in face of rainfall precipitation. The highest variability cases obtained by CHAID classification was selected and spatially analyzed showing the transportation infrastructure is an important variability component. Such results show the importance of a geographic approach over speed variability.