O conhecimento do padrão de deslocamento populacional bem como a estimativa de demanda por transportes são de fundamental importância para a tomada de decisões relativas ao planejamento urbano e de transportes. Em geral, a obtenção destas informações é realizada por modelos tradicionais como o modelo quatro etapas. Entretanto, modelos clássicos não levam em conta a dependência espacial das variáveis . A Geoestatística, valendo-se da utilização de variáveis regionalizadas, apresenta-se como uma ferramenta auxiliar capaz de modelar informações espaciais. Este trabalho tem por objetivo estimar dados desagregados de demanda por transportes através de modelagem geoestatística e tradicional. Neste estudo, a modelagem tradicional e a geoestatística puderam ser comparadas por meio de um banco de dados referente à pesquisa Origem/Destino da Região Metropolitana de São Paulo, realizada em 2007. A abordagem tradicional se baseou em um modelo de regressão enquanto que a abordagem geoestatística consistiu na estimação espacial de variáveis com base na modelagem de semivariogramas e Krigagem. Ao final do trabalho, foi possível realizar a comparação dos resultados da abordagem tradicional e geoestatística em coordenadas de valores conhecidos. Os resultados indicaram que a modelagem tradicional apontou uma taxa de acertos de 96 % pelo modelo de Regressão Logística Múltipla adotada para a variável dicotômica de preferência por modo motorizado (variável objeto de estudo). A abordagem tradicional baseou-se na calibração de um modelo por meio de outras oito variáveis. Entretanto, a modelagem geoestatística, utilizando -se apenas das coordenadas geográficas domiciliares, resultou em 67% de taxa de acertos de previsão da variável. Isso demonstrou que, apesar de possuir menor taxa de acertos, a modelagem geoestatística, por utilizar menor número de informações para previsão da variável, teve um resultado satisfatório e demonstra-se promissora na área de planejamento de transportes , sobretudo considerando sua habilidade de estimação em outras coordenadas geográficas além das amostradas. / The comprehension of population displacement patterns and travel demand forecasting is crucial on making decisions related to urban transportation planning. In order to obtain this information, classic models like the sequential Four -step mo del are applied. However, classic models do not consider spatial location in their approach. Geostatistics is displayed as a suitable complementary instrument able to model spatial information. This work intends to forecast disaggregated data on transportation demand through traditional and geostatistical modeling. The present study compares the results from classic approach and Geostatistics through an Origin-Destination Survey dataset, carried out in São Paulo Metropolitan Area in 2007. The classic approach was based on regression models whereas Geostatistics consisted in variable spatial estimation by semivariograms modeling and Kriging. At the end of the study, a comparison between regression and geostatistical analysis was conducted through results of prediction in locations where the values of the variable are known. Results indicated that classic modeling had a 96% hit rate by Multiple Logistic Regression adopted for the dummy variable preference for motorized travel mode (object of study variable). Classic modeling was based on a training model using other eight predictor variables. Meanwhile, Geostatistics, using only residential geographical coordinate, resulted in a 67% hit rate for predicting the variable object of study. This demonstrates that, even though Geostatiscs had lower hit rate compared to Multiple Logistic Regression, it had satisfactory outcome and proves tobe a promising approach in transport planning, given that it considered less informati on to predict the variable, especially considering its ability of estimating in other geographical coordinates in addition to those sampled.

O conhecimento do padrão de deslocamento populacional bem como a estimativa de demanda por transportes são de fundamental importância para a tomada de decisões relativas ao planejamento urbano e de transportes. Em geral, a obtenção destas informações é realizada por modelos tradicionais como o modelo quatro etapas. Entretanto, modelos clássicos não levam em conta a dependência espacial das variáveis . A Geoestatística, valendo-se da utilização de variáveis regionalizadas, apresenta-se como uma ferramenta auxiliar capaz de modelar informações espaciais. Este trabalho tem por objetivo estimar dados desagregados de demanda por transportes através de modelagem geoestatística e tradicional. Neste estudo, a modelagem tradicional e a geoestatística puderam ser comparadas por meio de um banco de dados referente à pesquisa Origem/Destino da Região Metropolitana de São Paulo, realizada em 2007. A abordagem tradicional se baseou em um modelo de regressão enquanto que a abordagem geoestatística consistiu na estimação espacial de variáveis com base na modelagem de semivariogramas e Krigagem. Ao final do trabalho, foi possível realizar a comparação dos resultados da abordagem tradicional e geoestatística em coordenadas de valores conhecidos. Os resultados indicaram que a modelagem tradicional apontou uma taxa de acertos de 96 % pelo modelo de Regressão Logística Múltipla adotada para a variável dicotômica de preferência por modo motorizado (variável objeto de estudo). A abordagem tradicional baseou-se na calibração de um modelo por meio de outras oito variáveis. Entretanto, a modelagem geoestatística, utilizando -se apenas das coordenadas geográficas domiciliares, resultou em 67% de taxa de acertos de previsão da variável. Isso demonstrou que, apesar de possuir menor taxa de acertos, a modelagem geoestatística, por utilizar menor número de informações para previsão da variável, teve um resultado satisfatório e demonstra-se promissora na área de planejamento de transportes , sobretudo considerando sua habilidade de estimação em outras coordenadas geográficas além das amostradas. / The comprehension of population displacement patterns and travel demand forecasting is crucial on making decisions related to urban transportation planning. In order to obtain this information, classic models like the sequential Four -step mo del are applied. However, classic models do not consider spatial location in their approach. Geostatistics is displayed as a suitable complementary instrument able to model spatial information. This work intends to forecast disaggregated data on transportation demand through traditional and geostatistical modeling. The present study compares the results from classic approach and Geostatistics through an Origin-Destination Survey dataset, carried out in São Paulo Metropolitan Area in 2007. The classic approach was based on regression models whereas Geostatistics consisted in variable spatial estimation by semivariograms modeling and Kriging. At the end of the study, a comparison between regression and geostatistical analysis was conducted through results of prediction in locations where the values of the variable are known. Results indicated that classic modeling had a 96% hit rate by Multiple Logistic Regression adopted for the dummy variable preference for motorized travel mode (object of study variable). Classic modeling was based on a training model using other eight predictor variables. Meanwhile, Geostatistics, using only residential geographical coordinate, resulted in a 67% hit rate for predicting the variable object of study. This demonstrates that, even though Geostatiscs had lower hit rate compared to Multiple Logistic Regression, it had satisfactory outcome and proves tobe a promising approach in transport planning, given that it considered less informati on to predict the variable, especially considering its ability of estimating in other geographical coordinates in addition to those sampled.

O objetivo desta pesquisa é validar a hipótese de que o minerador de dados pode ser utilizado como uma ferramenta para previsão dos padrões de viagens, inclusive sob mudança comportamental dos indivíduos. Para o desenvolvimento deste trabalho foi adotada uma postura científica indutiva, utilizando como dados as informações contidas nas duas pesquisas origem-destino realizadas em 1987 e 1997 pelo METRÔ-SP na região metropolitana de São Paulo (RMSP). Os dados da primeira pesquisa e as mudanças comportamentais dos indivíduos observadas no período de 1987 a 1997 forneceram as condições para elaboração do cenário futuro a ser usado para projeção da demanda por transporte para 1997. Aplicando a Árvore de Decisão e Classificação, uma das técnicas de mineração de dados disponível no software S-PLUS 6.1, foram obtidas as distribuições das probabilidades das distribuições dos padrões de viagens encadeadas relacionadas a cada grupo homogêneo de viajantes urbanos. Estas probabilidades foram aplicadas aos indivíduos da amostra de 1997, estimando o número de viajantes urbanos por padrão de viagem encadeada em cada uma das 361 zonas de tráfego da RMSP. Os valores estimados pelo modelo foram comparados com os dados observados em 1997 pelo teste estatístico não-paramétrico de Kolmogorov-Smirnov (K-S). Ao final, concluiu-se que a hipótese proposta foi confirmada em 92,2% das zonas de tráfego analisadas / The main aim of this work is to submit to a validation test the hypothesis that data mining technique can be used as a tool for forecasting the trip-chaining patterns including individual behavioral changes. For the project development, an inductive scientific method point of view was adopted, using as a data resource the information contained in two origin-destination surveys carried out by METRÔ-SP in the São Paulo metropolitan area (SPMA) in 1987 and 1997. The first survey data and the individual behavioral changes observed in the period from 1987 to 1997 provided the information to build a future scenario to predict the 1997’s travel demand. Applying the Classification and Regression Tree which is a data mining technique available in S-PLUS 6.1 software package, it were obtained the probabilities distribution of the trip-chaining patterns and set the contextual socioeconomics characteristics of the urban travelers. These probabilities were applied to the 1997 individuals belonging to the sample collected in 1997 to estimate the number of urban travelers by trip-chaining patterns for each of the 361 traffic zones of SMPA. The estimated results from the model were compared with the real values of 1997 data set using the Kolmogorov-Smirnov (K-S) non-parametric statistic test. The main conclusion is that the hypothesis was confirmed in 92.2% of the SPMA traffic zones

O objetivo desta pesquisa é validar a hipótese de que o minerador de dados pode ser utilizado como uma ferramenta para previsão dos padrões de viagens, inclusive sob mudança comportamental dos indivíduos. Para o desenvolvimento deste trabalho foi adotada uma postura científica indutiva, utilizando como dados as informações contidas nas duas pesquisas origem-destino realizadas em 1987 e 1997 pelo METRÔ-SP na região metropolitana de São Paulo (RMSP). Os dados da primeira pesquisa e as mudanças comportamentais dos indivíduos observadas no período de 1987 a 1997 forneceram as condições para elaboração do cenário futuro a ser usado para projeção da demanda por transporte para 1997. Aplicando a Árvore de Decisão e Classificação, uma das técnicas de mineração de dados disponível no software S-PLUS 6.1, foram obtidas as distribuições das probabilidades das distribuições dos padrões de viagens encadeadas relacionadas a cada grupo homogêneo de viajantes urbanos. Estas probabilidades foram aplicadas aos indivíduos da amostra de 1997, estimando o número de viajantes urbanos por padrão de viagem encadeada em cada uma das 361 zonas de tráfego da RMSP. Os valores estimados pelo modelo foram comparados com os dados observados em 1997 pelo teste estatístico não-paramétrico de Kolmogorov-Smirnov (K-S). Ao final, concluiu-se que a hipótese proposta foi confirmada em 92,2% das zonas de tráfego analisadas / The main aim of this work is to submit to a validation test the hypothesis that data mining technique can be used as a tool for forecasting the trip-chaining patterns including individual behavioral changes. For the project development, an inductive scientific method point of view was adopted, using as a data resource the information contained in two origin-destination surveys carried out by METRÔ-SP in the São Paulo metropolitan area (SPMA) in 1987 and 1997. The first survey data and the individual behavioral changes observed in the period from 1987 to 1997 provided the information to build a future scenario to predict the 1997’s travel demand. Applying the Classification and Regression Tree which is a data mining technique available in S-PLUS 6.1 software package, it were obtained the probabilities distribution of the trip-chaining patterns and set the contextual socioeconomics characteristics of the urban travelers. These probabilities were applied to the 1997 individuals belonging to the sample collected in 1997 to estimate the number of urban travelers by trip-chaining patterns for each of the 361 traffic zones of SMPA. The estimated results from the model were compared with the real values of 1997 data set using the Kolmogorov-Smirnov (K-S) non-parametric statistic test. The main conclusion is that the hypothesis was confirmed in 92.2% of the SPMA traffic zones

Geralmente, dados relacionados à demanda por transportes não são independentes no espaço. Por esta razão, o uso de técnicas de estatística espacial torna-se relevante para aprimoramento de estimativas. A geoestatística está entre as técnicas que incorporam a dependência espacial em suas análises e o semivariograma é uma ferramenta indispensável para descrever e ilustrar a estrutura espacial de uma Variável Regionalizada. Muitas vezes, o cálculo e ajuste do semivariograma experimental são realizados visualmente, de acordo a familiaridade com os dados ou experiência do pesquisador, o que exige, sobretudo, tempo de dedicação às análises. A partir destas considerações, técnicas de otimização podem ser uma alternativa viável para cálculo e ajuste de semivariograma experimental. Diante disso, este trabalho objetiva avaliar a adequabilidade do uso de Algoritmos Genéticos (AG) para otimização da modelagem geoestatística aplicada à demanda por transportes. Outro ponto importante é a forma de representação de dados de transportes: quando disponíveis, dados desagregados, por domicílios, comprometem a qualidade dos modelos variográficos, devido à sua alta aleatoriedade espacial. Diante disso, outra importante contribuição deste estudo foi a implementação de um código em software livre para definir a dimensão de uma grade para agregação de dados pontuais. A implementação do AG permitiu a obtenção de inúmeros modelos variográficos de duas variáveis relacionadas à demanda por transportes, para dois diferentes suportes geográficos. Além disso, foi possível obter os intervalos mais frequentes dos parâmetros dos semivariograma com melhor fitness. Finalmente, uma proposta primária de análise da semivariância foi apresentada, a fim de validar os resultados obtidos pelo AG. A análise de mapas de semivariância permitiu verificar o comportamento estrutural das variáveis estudadas. Apesar da abordagem tradicional (mapas de semivariância e ajuste manual) apresentar algumas dissimilaridades quando comparada aos melhores semivariogramas provenientes do AG, as medidas de desempenho, obtidas através da validação cruzada, foram bem similares. Conclui-se que a otimização da modelagem geoestatística, através de AG, pode trazer contribuições importantes, relativas a maior facilidade de cálculo e ajuste, além de distribuição de parâmetros variográficos associados a soluções quase ótimas. Vale ressaltar que o código desenvolvido ao longo desta tese, disponível ao público, pode ser utilizado em qualquer área do conhecimento onde se verifique a existência de dependência espacial entre as observações. / Data related to travel demand are generally not independent in space. Due to this, using spatial statistics techniques is important for improving estimates. Geostatistics is among the techniques that incorporate spatial dependence in its analyses and the semivariogram is an indispensable tool to describe and illustrate the spatial structure of a Regionalized Variable. The calculation and fitting of the experimental semivariogram are often performed visually, according to the familiarity with the data or the researcher\'s experience, which requires, above all, time for the analyses. Based on these considerations, optimization techniques can be a viable alternative to calculate and fitting the experimental semivariogram. Therefore, this study aims to evaluate the adequacy of using Genetic Algorithms (GAs) to optimize geostatistical modeling applied to travel demand. Another important point is the way of representing travel data: when it is available, disaggregated data by households affect the quality of variographic models, due to their high spatial randomness. Therefore, another important contribution of this study was the implementation of a free software code to define the size of a grid for aggregation of point data. Implementing the GA enabled us to obtain numerous variographic models of two variables related to travel demand for two different geographical supports. In addition, the most frequent intervals of the semivariogram parameters could be obtained with better fitness. Finally, a primary proposal for semivariance analysis was presented in order to validate the results obtained by the GA. The semivariance analysis maps verified the structural behavior of the studied variables. In spite of traditional approach (semivariance maps and manual fit) to present some dissimilarities when compared to the best semivariograms from GA, the performance measures obtained through cross validation were very similar. It can be concluded that the geostatistical modeling optimization, through GA, can bring important contributions, related to making calculations and fits easier, as well as distribution of variographic parameters associated with almost optimal solutions. It is worth mentioning that the code developed throughout this thesis, available to the public, can be used in any area of knowledge where there is a spatial dependence between observations.

Esta dissertação analisa a evolução da demanda por transportes associada à extensão de duas linhas Azul e Verde do Metrô de São Paulo, incluindo cinco estações que iniciaram operação em 1998. A análise usou dados de 1997 e 2007 das Pesquisas Origem e Destino, permitindo a comparação de características de viagem e socioeconômicas. Para cada linha, dois grupos de zonas foram identificadas próximo às novas estações: com impacto direto e com impacto indireto do Metrô. A análise comparou estes grupos geográficos entre eles e temporalmente, usando ambas as Pesquisas OD. Além disso, uma análise desagregada de duas variáveis associadas ao comportamento da demanda por viagem posse de auto e número de viagens foi realizada, objetivando identificar o impacto das novas estações. Os resultados indicam que cada extensão de linha se desenvolveu de forma diferente, em termos de distribuição de atividades e características socioeconômicas. Também, a análise desagregada sugere que o efeito de variáveis como renda familiar e distância até a estação mais próxima pode afetar famílias de forma diferente dependendo da proximidade da zona com o Metrô. / This dissertation analyzes the evolution of transportation demand associated with the extension of two lines Blue and Green of the São Paulo Metro, including five stations that started operating in 1998. The analysis used data from the 1997 and 2007 Origin and Destination Surveys (Pesquisas Origem e Destino), allowing the comparison of travel and socioeconomic characteristics. For each line, two groups of zones were identified in the proximity of the new stations: with direct impact and with indirect impact from the Metrô. The analysis compared these geographic groups between them and in time, using both OD surveys. In addition, a disaggregate analysis of two travel behavior related variables auto ownership and number of trips was conducted, aiming to identify the impact of the new stations. The results indicate that each line extension developed differently, in terms of distribution of activities and socioeconomic characteristics. Also, the disaggregate analysis suggests that the effect of variables such as family income and distance to the nearest station may affect families differently depending on the zone proximity to the Metrô.

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

O objetivo desta pesquisa é validar a hipótese de que a acessibilidade à oportunidades influencia o comportamento dos padrões de viagens desempenhados pelos indivíduos. Para realizar a verificação desta hipótese foi formulado um procedimento (um teste de hipótese) baseado em um estudo de caso realizado na cidade de Uberlândia, utilizando informações sobre: (i) as características dos deslocamentos dos indivíduos, suas características demográficas e de participação em atividades; (ii) informações sobre o sistema de transportes, e; (iii) informações sobre a distribuição espacial das atividades. Para atingir a finalidade proposta na tese, foram elaborados procedimentos que constituem no processo de verificação da hipótese nula, constituído pelas seguintes etapas: (i) tratamento dos dados; (ii) construção das variáveis (iii) proposta para avaliação da acessibilidade no contexto da formação dos padrões de viagens; (iv) escolha de técnicas de modelagem do comportamento individual referente às decisões sobre padrões de viagens; (v) seleção das técnicas estatísticas para avaliação da significância das variáveis e desempenho dos modelos; (vi) modelagem para simulação do comportamento individual em três níveis de decisão da programação diária de atividades, modo de viagem, destino da atividade primária e padrão de viagens, e; (vii) análise dos resultados obtidos e conclusão sobre a hipótese. Após a realização do experimento realizado com as informações da cidade de Uberlândia, concluiu-se que pela verificação realizada não há elementos para rejeitar a hipótese nula, ou seja, a acessibilidade a oportunidades influencia o comportamento dos padrões de viagens encadeadas desempenhados pelos indivíduos. / The main aim of this work is to submit to a validation test the hypothesis that the accessibility to opportunities influences individuals\' trip chaining behavior. To perform the hypothesis test a procedure was developed on a study case in the city of Uberlandia, using data about: (i) characteristics of the individuals\' trips, their demographic features and activity participation; (ii) transportation system information, and; (iii) information about the spatial distribution of activities. To achieve the purpose of the thesis, it was developed procedures which consist in the hypothesis test, made by the following stages: (i) data processing; (ii) setting of the variables; (iii) a proposal to evaluate the accessibility on the context of trip chaining patterns; (iv) choosing modeling techniques to represent individual behavior regarding to its decisions on trip chaining patterns; (v) selection of statistical techniques for measures of model and variable performance; (vi) modeling individual behavior on three decision levels of the daily activity schedule, mode choice, destination choice and trip chaining patterns, and; (vii) discussion of the results and conclusion about the hypothesis. The main conclusion is that the hypothesis cannot be rejected, i.e., accessibility to opportunities influences individuals\' trip chaining behavior.

Esta dissertação analisa a evolução da demanda por transportes associada à extensão de duas linhas Azul e Verde do Metrô de São Paulo, incluindo cinco estações que iniciaram operação em 1998. A análise usou dados de 1997 e 2007 das Pesquisas Origem e Destino, permitindo a comparação de características de viagem e socioeconômicas. Para cada linha, dois grupos de zonas foram identificadas próximo às novas estações: com impacto direto e com impacto indireto do Metrô. A análise comparou estes grupos geográficos entre eles e temporalmente, usando ambas as Pesquisas OD. Além disso, uma análise desagregada de duas variáveis associadas ao comportamento da demanda por viagem posse de auto e número de viagens foi realizada, objetivando identificar o impacto das novas estações. Os resultados indicam que cada extensão de linha se desenvolveu de forma diferente, em termos de distribuição de atividades e características socioeconômicas. Também, a análise desagregada sugere que o efeito de variáveis como renda familiar e distância até a estação mais próxima pode afetar famílias de forma diferente dependendo da proximidade da zona com o Metrô. / This dissertation analyzes the evolution of transportation demand associated with the extension of two lines Blue and Green of the São Paulo Metro, including five stations that started operating in 1998. The analysis used data from the 1997 and 2007 Origin and Destination Surveys (Pesquisas Origem e Destino), allowing the comparison of travel and socioeconomic characteristics. For each line, two groups of zones were identified in the proximity of the new stations: with direct impact and with indirect impact from the Metrô. The analysis compared these geographic groups between them and in time, using both OD surveys. In addition, a disaggregate analysis of two travel behavior related variables auto ownership and number of trips was conducted, aiming to identify the impact of the new stations. The results indicate that each line extension developed differently, in terms of distribution of activities and socioeconomic characteristics. Also, the disaggregate analysis suggests that the effect of variables such as family income and distance to the nearest station may affect families differently depending on the zone proximity to the Metrô.