O objetivo principal deste trabalho é identificar se e como as áreas urbanas interferem nos padrões de viagens encadeadas dos viajantes urbanos. Para atingir os objetivos, as diferenças e similaridades notadas entre os principais grupos socioeconômicos das áreas urbanas em relação aos padrões de viagens encadeadas serão discutidas. O método para comparação dos comportamentos relacionados às viagens encadeadas baseia-se na compatibilização das variáveis das três áreas e posterior aplicação do minerador de dados denominado Árvore de Decisão e Classificação, disponível no pacote estatístico S-Plus 6.1. As viagens encadeadas foram representadas através da codificação inicialmente proposta por Ichikawa (2002) e ampliada por Pitombo (2003). Foram codificados os motivos, modos e período do dia em que cada viagem foi realizada. A análise foi baseada nas pesquisas origem-destino realizadas na região metropolitana de São Paulo pelo Metrô-SP, em 1997, na região metropolitana de Belém pela JICA/Governo do Estado do Pará, em 2000, e na cidade de Bauru pela EMDURB, em 1997. Concluiu-se que, em geral, o comportamento de viajantes urbanos são influenciados pelas políticas urbanas regionais, características socioeconômicas e espaciais de cada região. / The main aim of this work is to identify whether and how the urban areas interfere in the urban trips makers\'trip chaining pattern. For attaining the aims, the differences and similarities observed among the behaviour of trip makers belonging to the main socioeconomic groups living in the three urban areas will be discussed. The method to compare the behavior related to trip chaining is based on the compatibilization of the variables of three areas and subsequent application of the data miner named Decision and Classification Tree, available in the S-Plus 6.1 statistical package. The chained trips were coded by using the process initially proposed by Ichikawa (2002) and amplified later by Pitombo (2003). The trip purpose, travel mode and period of the day in which each trip occurs were coded. The analysis was based on the origin-destination home-interview surveys carried out in São Paulo Metropolitan Area by Metrô-SP, in 1997, Belém Metropolitan Area by JICA/Pará State Government, in 2000, and Bauru city by EMDURB, in 1997. The main finding is that urban trip makers\'behaviour are affected by regional urban policy, socioeconomic features and geographical characteristics of each area.

O objetivo principal deste trabalho é identificar se e como as áreas urbanas interferem nos padrões de viagens encadeadas dos viajantes urbanos. Para atingir os objetivos, as diferenças e similaridades notadas entre os principais grupos socioeconômicos das áreas urbanas em relação aos padrões de viagens encadeadas serão discutidas. O método para comparação dos comportamentos relacionados às viagens encadeadas baseia-se na compatibilização das variáveis das três áreas e posterior aplicação do minerador de dados denominado Árvore de Decisão e Classificação, disponível no pacote estatístico S-Plus 6.1. As viagens encadeadas foram representadas através da codificação inicialmente proposta por Ichikawa (2002) e ampliada por Pitombo (2003). Foram codificados os motivos, modos e período do dia em que cada viagem foi realizada. A análise foi baseada nas pesquisas origem-destino realizadas na região metropolitana de São Paulo pelo Metrô-SP, em 1997, na região metropolitana de Belém pela JICA/Governo do Estado do Pará, em 2000, e na cidade de Bauru pela EMDURB, em 1997. Concluiu-se que, em geral, o comportamento de viajantes urbanos são influenciados pelas políticas urbanas regionais, características socioeconômicas e espaciais de cada região. / The main aim of this work is to identify whether and how the urban areas interfere in the urban trips makers\'trip chaining pattern. For attaining the aims, the differences and similarities observed among the behaviour of trip makers belonging to the main socioeconomic groups living in the three urban areas will be discussed. The method to compare the behavior related to trip chaining is based on the compatibilization of the variables of three areas and subsequent application of the data miner named Decision and Classification Tree, available in the S-Plus 6.1 statistical package. The chained trips were coded by using the process initially proposed by Ichikawa (2002) and amplified later by Pitombo (2003). The trip purpose, travel mode and period of the day in which each trip occurs were coded. The analysis was based on the origin-destination home-interview surveys carried out in São Paulo Metropolitan Area by Metrô-SP, in 1997, Belém Metropolitan Area by JICA/Pará State Government, in 2000, and Bauru city by EMDURB, in 1997. The main finding is that urban trip makers\'behaviour are affected by regional urban policy, socioeconomic features and geographical characteristics of each area.

O principal objetivo deste trabalho é analisar a aplicabilidade de um minerador de dados para obter relações entre padrões de viagens encadeadas e características sócio-econômicas de viajantes urbanos. Para representar as viagens encadeadas, as viagens correspondentes a cada indivíduo do banco de dados foram codificadas em termos de seqüência de letras que indicam uma ordem cronológica em que atividades são desenvolvidas. O minerador de dados utilizado neste trabalho é árvore de decisão e classificação, uma ferramenta de análise disponível no software S-Plus. A análise foi baseada na pesquisa origem-destino realizada pelo Metrô-SP na região metropolitana de São Paulo, por meio de entrevistas domiciliares, em 1987. Um dos importantes resultados é que indivíduos que têm atributos sócio-econômicos e de viagens similares não se comportam de maneira similar; pelo contrário, eles fazem diferentes padrões de viagens encadeadas, as quais podem ser descritas em termos de probabilidade ou freqüência associada a cada padrão. Portanto, o minerador de dados deve possuir a habilidade para representar essa distribuição. A consistência do resultado foi analisada comparando-os com alguns resultados encontrados na literatura referente a análise de viagem baseada em atividades. A principal conclusão é que árvore de decisão e classificação aplicada a dados individuais, contendo encadeamento de viagem codificado e atributos socioeconômicos e de viagem, permite extrair conhecimento e informações ocultas que ajudam a compreender o comportamento de viagem de viajantes urbanos. / The main aim of this work is to analyze the applicability of a data miner for obtaining relationships between trip-chaining patterns and urban trip-makers socioeconomic characteristics. In order to represent the trip-chains, trips corresponding to each individual in the data set were coded in terms of letters indicating a chronological order in which activities are performed. Data miner applied in this work is decision and classification tree, an analysis tool available in S-Plus software package. The analysis was based on the origin-destination home-interview survey carried out by Metrô-SP in São Paulo metropolitan area. One of the important findings is that individuals having similar socieconomic and trip attributes do not behave in a similar way; on the contrary, they make different trip-chaining patterns, which may be described in term of probability or frequency associated to each pattern. Therefore, the data miner should have ability to represent that distribution. The consistency of results was analyzed by comparing them with some results found in literature related to activity-based travel analysis. The main conclusion is that decision and classification tree applied to individual data, containing coded trip-chaining and socioeconomic and trip attributes, allows extracting hidden knowledge and information that help to understand the travel behaviour of urban trip-makers.

O principal objetivo deste trabalho é analisar a aplicabilidade de um minerador de dados para obter relações entre padrões de viagens encadeadas e características sócio-econômicas de viajantes urbanos. Para representar as viagens encadeadas, as viagens correspondentes a cada indivíduo do banco de dados foram codificadas em termos de seqüência de letras que indicam uma ordem cronológica em que atividades são desenvolvidas. O minerador de dados utilizado neste trabalho é árvore de decisão e classificação, uma ferramenta de análise disponível no software S-Plus. A análise foi baseada na pesquisa origem-destino realizada pelo Metrô-SP na região metropolitana de São Paulo, por meio de entrevistas domiciliares, em 1987. Um dos importantes resultados é que indivíduos que têm atributos sócio-econômicos e de viagens similares não se comportam de maneira similar; pelo contrário, eles fazem diferentes padrões de viagens encadeadas, as quais podem ser descritas em termos de probabilidade ou freqüência associada a cada padrão. Portanto, o minerador de dados deve possuir a habilidade para representar essa distribuição. A consistência do resultado foi analisada comparando-os com alguns resultados encontrados na literatura referente a análise de viagem baseada em atividades. A principal conclusão é que árvore de decisão e classificação aplicada a dados individuais, contendo encadeamento de viagem codificado e atributos socioeconômicos e de viagem, permite extrair conhecimento e informações ocultas que ajudam a compreender o comportamento de viagem de viajantes urbanos. / The main aim of this work is to analyze the applicability of a data miner for obtaining relationships between trip-chaining patterns and urban trip-makers socioeconomic characteristics. In order to represent the trip-chains, trips corresponding to each individual in the data set were coded in terms of letters indicating a chronological order in which activities are performed. Data miner applied in this work is decision and classification tree, an analysis tool available in S-Plus software package. The analysis was based on the origin-destination home-interview survey carried out by Metrô-SP in São Paulo metropolitan area. One of the important findings is that individuals having similar socieconomic and trip attributes do not behave in a similar way; on the contrary, they make different trip-chaining patterns, which may be described in term of probability or frequency associated to each pattern. Therefore, the data miner should have ability to represent that distribution. The consistency of results was analyzed by comparing them with some results found in literature related to activity-based travel analysis. The main conclusion is that decision and classification tree applied to individual data, containing coded trip-chaining and socioeconomic and trip attributes, allows extracting hidden knowledge and information that help to understand the travel behaviour of urban trip-makers.

Um dos tópicos mais importantes na análise de demanda por transportes é a relação entre as necessidades individuais de realização de atividades geograficamente distribuídas, a estrutura urbana, as características individuais e domiciliares, o sistema de transporte e as diferenças no comportamento relacionado a viagens. Isto motivou o desenvolvimento desta pesquisa, que tem como objetivo principal analisar o comportamento individual subjacente ao encadeamento de viagens sob a perspectiva de três grupos de variáveis: (1) participação em atividades; (2) características socioeconômicas; e (3) uso do solo. Há dois objetivos secundários, fundamentais para se atingir a finalidade do trabalho: (a) propor um conjunto de variáveis de uso do solo; e (b) testar a significância do grupo de variáveis ora proposto. Este trabalho baseou-se nos dados da pesquisa origem-destino de 1997 da região metropolitana de São Paulo, sendo extraídas e analisadas seis amostras finais que foram caracterizadas por setor econômico (no caso de trabalhadores) e grau de instrução (no caso de estudantes). Com utilização conjunta de técnicas de análise multivariadas, confirmatórias e exploratórias, foi possível representar a variável dependente (Análise de Cluster), bem como encontrar relações entre variáveis envolvidas (Árvore de Decisão) e, finalmente, mensurar a significância estatística das variáveis independentes (Regressão Linear Múltipla). Através dos resultados obtidos, foi possível analisar a influência dos três grupos de variáveis na seqüência de viagens: (1) variáveis socioeconômicas (renda familiar, usa vale transporte, nº provável de carteiras de habilitação no domicílio, idade, nº de automóveis no domicílio) afetam principalmente a seqüência de modos de transporte utilizados durante as viagens; (2) participação em atividades (estuda, trabalha) interfere na seqüência de motivos de viagem; e, enfim, (3) variáveis de uso do solo (parcela acumulada de empregos ou escolas por faixas de distância a partir do centróide da zona de residência) influenciam a seqüência de destinos escolhidos. Espera-se que o presente trabalho constitua uma contribuição ao meio acadêmico, tanto em termos de representação da intensidade e distribuição geográfica das atividades no meio urbano (variáveis de uso do solo), quanto em relação à influência de tais variáveis nos deslocamentos dos indivíduos. / One of the most important topics in transportation demand is the relationship between individual needs to carry out geographically distributed activities, urban configuration, individual and household characteristics, transportation system and travel behavior. For that reason, the main aim of this work is to analyze the individual trip-chaining behavior in terms of three variables groups: (1) activity participation; (2) socioeconomic characteristics; and (3) land use. There are also two secondary objectives derived from the main objective: (a) to propose one set of land use variables; and (b) to verify the statistical significance of the created land use group variables. This work was based on the origin-destination survey carried out in the São Paulo metropolitan area in 1997, from which six final samples were extracted, analyzed and characterized by economic sector (for workers) and level of education (for students). Applying multivariate analysis techniques, confirmatory and exploratory, it was possible to represent the dependent variable (Cluster Analysis), as well as to find relationships between the concerned variables (Decision Tree) and, finally, to measure the statistical significance of the independent variables (Multiple Regression). From the results, it was possible to analyze the influence of the three variables groups on trip-chaining: (1) socioeconomic variables (household income, transit voucher use, probable number of driver licenses per household, age, car-ownership) affect the travel mode sequence used for the trips; (2) activity participation (study, work) has an effect on the trip purpose sequence; and (3) land use variables (accumulated proportion of jobs or schools by distance buffers starting from the residence zone centroid) influence the sequence of chosen destinations. It is expected that the present work could be a contribution to the scientific community for the representation of the activities level and their geographic distribution in the urban configuration (land use variables), and the influence of such variables on individuals displacements.

Um dos tópicos mais importantes na análise de demanda por transportes é a relação entre as necessidades individuais de realização de atividades geograficamente distribuídas, a estrutura urbana, as características individuais e domiciliares, o sistema de transporte e as diferenças no comportamento relacionado a viagens. Isto motivou o desenvolvimento desta pesquisa, que tem como objetivo principal analisar o comportamento individual subjacente ao encadeamento de viagens sob a perspectiva de três grupos de variáveis: (1) participação em atividades; (2) características socioeconômicas; e (3) uso do solo. Há dois objetivos secundários, fundamentais para se atingir a finalidade do trabalho: (a) propor um conjunto de variáveis de uso do solo; e (b) testar a significância do grupo de variáveis ora proposto. Este trabalho baseou-se nos dados da pesquisa origem-destino de 1997 da região metropolitana de São Paulo, sendo extraídas e analisadas seis amostras finais que foram caracterizadas por setor econômico (no caso de trabalhadores) e grau de instrução (no caso de estudantes). Com utilização conjunta de técnicas de análise multivariadas, confirmatórias e exploratórias, foi possível representar a variável dependente (Análise de Cluster), bem como encontrar relações entre variáveis envolvidas (Árvore de Decisão) e, finalmente, mensurar a significância estatística das variáveis independentes (Regressão Linear Múltipla). Através dos resultados obtidos, foi possível analisar a influência dos três grupos de variáveis na seqüência de viagens: (1) variáveis socioeconômicas (renda familiar, usa vale transporte, nº provável de carteiras de habilitação no domicílio, idade, nº de automóveis no domicílio) afetam principalmente a seqüência de modos de transporte utilizados durante as viagens; (2) participação em atividades (estuda, trabalha) interfere na seqüência de motivos de viagem; e, enfim, (3) variáveis de uso do solo (parcela acumulada de empregos ou escolas por faixas de distância a partir do centróide da zona de residência) influenciam a seqüência de destinos escolhidos. Espera-se que o presente trabalho constitua uma contribuição ao meio acadêmico, tanto em termos de representação da intensidade e distribuição geográfica das atividades no meio urbano (variáveis de uso do solo), quanto em relação à influência de tais variáveis nos deslocamentos dos indivíduos. / One of the most important topics in transportation demand is the relationship between individual needs to carry out geographically distributed activities, urban configuration, individual and household characteristics, transportation system and travel behavior. For that reason, the main aim of this work is to analyze the individual trip-chaining behavior in terms of three variables groups: (1) activity participation; (2) socioeconomic characteristics; and (3) land use. There are also two secondary objectives derived from the main objective: (a) to propose one set of land use variables; and (b) to verify the statistical significance of the created land use group variables. This work was based on the origin-destination survey carried out in the São Paulo metropolitan area in 1997, from which six final samples were extracted, analyzed and characterized by economic sector (for workers) and level of education (for students). Applying multivariate analysis techniques, confirmatory and exploratory, it was possible to represent the dependent variable (Cluster Analysis), as well as to find relationships between the concerned variables (Decision Tree) and, finally, to measure the statistical significance of the independent variables (Multiple Regression). From the results, it was possible to analyze the influence of the three variables groups on trip-chaining: (1) socioeconomic variables (household income, transit voucher use, probable number of driver licenses per household, age, car-ownership) affect the travel mode sequence used for the trips; (2) activity participation (study, work) has an effect on the trip purpose sequence; and (3) land use variables (accumulated proportion of jobs or schools by distance buffers starting from the residence zone centroid) influence the sequence of chosen destinations. It is expected that the present work could be a contribution to the scientific community for the representation of the activities level and their geographic distribution in the urban configuration (land use variables), and the influence of such variables on individuals displacements.

O objetivo deste trabalho foi desenvolver um modelo para reconhecer e reproduzir padrões de viagens encadeadas a pé. O processo de modelagem foi conduzido através da aplicação das técnicas das Redes Neurais Artificiais (RNAs), utilizando-se de uma rede estática MLP e de rede dinâmica Elman. A análise do desempenho do modelo foi baseada nos dados de uma pesquisa de Origem-Destino realizada, em 1987, pelo METRÔ-SP na Região Metropolitana de São Paulo. Na modelagem foi fixado o modo de viagem a pé, e, na abordagem seqüencial, padrões de viagens individuais foram representados em termos de dois componentes: duração da viagem e tipo de atividades. A análise foi realizada partindo da classificação geral e específica para cada segmento do encadeamento de viagens, o que permitiu a comparação dos resultados entre padrões de viagens observados e os reproduzidos pelas redes. Na classificação geral, cinco dos padrões previstos com maior freqüência pelas RNAs representaram em média 58,9% dos indivíduos no conjunto de dados usado para testar o desempenho do modelo. Para o vetor de duas e quatro viagens, as redes neurais reproduziram 50% das durações de viagem e 90% das atividades, tais como Trabalho e Escola. Embora esses resultados não pareçam muito robustos, não significa que eles estejam errados. As porcentagens acima representam a probabilidade de uma pessoa realizar viagens com aquelas durações ou tipo de atividades. / The main objective of this work was to develop a model for recognizing and reproduzing trip-chaining patterns by walk. The process of modeling was conducted applying the techniques of Artificial Neural Networks (ANNs), by using one of the static networks MLP and the Elman dynamic network. The analysis of the performance of the model was based on the origin-destination home-interview survey carried out by METRÔ-SP in São Paulo Metropolitan Area in 1987. The mode of trip by walk was fixed in the model, and, in the sequential approach, individual travel patterns were represented in terms of two components: trip duration and activity type. The analysis was accomplished starting from the general and specific classifications for each segment of the chained trips, which allowed the comparison of the results between the observed travel patterns and reproduced ones through ANNs. In general classification, 5 of the patterns most frequently predicted by the ANNs represented 58.9% of the individuals in the dataset used for testing the model performance. For the vectors of two and four trips, the neural networks reproduced 50% of trip durations and 90% of the activities, such as work and school. Although those results seem not so robust, it does not mean that they are wrong. The percentages above represent the probability of a person making trips with those durations or type of activities.

O objetivo deste trabalho foi desenvolver um modelo para reconhecer e reproduzir padrões de viagens encadeadas a pé. O processo de modelagem foi conduzido através da aplicação das técnicas das Redes Neurais Artificiais (RNAs), utilizando-se de uma rede estática MLP e de rede dinâmica Elman. A análise do desempenho do modelo foi baseada nos dados de uma pesquisa de Origem-Destino realizada, em 1987, pelo METRÔ-SP na Região Metropolitana de São Paulo. Na modelagem foi fixado o modo de viagem a pé, e, na abordagem seqüencial, padrões de viagens individuais foram representados em termos de dois componentes: duração da viagem e tipo de atividades. A análise foi realizada partindo da classificação geral e específica para cada segmento do encadeamento de viagens, o que permitiu a comparação dos resultados entre padrões de viagens observados e os reproduzidos pelas redes. Na classificação geral, cinco dos padrões previstos com maior freqüência pelas RNAs representaram em média 58,9% dos indivíduos no conjunto de dados usado para testar o desempenho do modelo. Para o vetor de duas e quatro viagens, as redes neurais reproduziram 50% das durações de viagem e 90% das atividades, tais como Trabalho e Escola. Embora esses resultados não pareçam muito robustos, não significa que eles estejam errados. As porcentagens acima representam a probabilidade de uma pessoa realizar viagens com aquelas durações ou tipo de atividades. / The main objective of this work was to develop a model for recognizing and reproduzing trip-chaining patterns by walk. The process of modeling was conducted applying the techniques of Artificial Neural Networks (ANNs), by using one of the static networks MLP and the Elman dynamic network. The analysis of the performance of the model was based on the origin-destination home-interview survey carried out by METRÔ-SP in São Paulo Metropolitan Area in 1987. The mode of trip by walk was fixed in the model, and, in the sequential approach, individual travel patterns were represented in terms of two components: trip duration and activity type. The analysis was accomplished starting from the general and specific classifications for each segment of the chained trips, which allowed the comparison of the results between the observed travel patterns and reproduced ones through ANNs. In general classification, 5 of the patterns most frequently predicted by the ANNs represented 58.9% of the individuals in the dataset used for testing the model performance. For the vectors of two and four trips, the neural networks reproduced 50% of trip durations and 90% of the activities, such as work and school. Although those results seem not so robust, it does not mean that they are wrong. The percentages above represent the probability of a person making trips with those durations or type of activities.