Este estudo teve como objetivo o desenvolvimento de procedimentos para estimar distâncias de viagens intrazonais com base em dados de pesquisas origem-destino (O/D). A análise conduzida na aplicação apresentada foi baseada em dados de uma pesquisa O/D realizada na cidade de São Carlos, Brasil. A área urbana foi subdividida várias vezes para produzir 471 zonas de análise de tráfego (TAZ) para análise. A análise partiu da identificação de características geométricas das zonas de análise de tráfego (TAZ) que podem influenciar as distâncias das viagens intrazonais. Em seguida, indicadores numéricos dos padrões geométricos selecionados foram comparados com os valores médios das distâncias intrazonais, a fim de procurar por evidências de correlação entre estas variáveis. Duas abordagens analíticas foram exploradas: i) contínua e ii) descontínua. No primeiro caso, todas as viagens foram consideradas em um único conjunto de dados, enquanto que no segundo caso, o conjunto de dados foi dividido em dois subgrupos com características homogêneas. Os conjuntos de dados com maior correlação foram usados para construir modelos globais e estratificados para estimar distâncias intrazonais. Nos modelos globais, viagens a pé, de bicicleta e de automóvel foram analisadas como uma única base de dados. Nos modelos estratificados, os três modos de transporte foram considerados separadamente. Foram ajustados, também, modelos adicionais que permitam estimar as viagens por um modo de transporte específico a partir de valores globais de distâncias intrazonais. Os valores obtidos com estes modelos foram então comparados com as estimativas de outros modelos encontrados na literatura. Os modelos descontínuos aqui obtidos superaram claramente os modelos tradicionais. Isto sugere que podem constituir alternativas para substituir os modelos tradicionais para estimar distâncias médias de viagens intrazonais, pelo menos no caso das cidades médias brasileiras. / This study aimed at the development of procedures for estimating intrazonal trip distances based on data of origin-destination (O/D) surveys. The analysis conducted in the application presented was based on an O/D survey conducted in the city of São Carlos, Brazil. The urban area was subdivided several times to produce 471 traffic analysis zones (TAZ) for analysis. Geometrical characteristics of the zones that can influence the distances of intrazonal trips were then identified. Next, numerical indicators of the selected geometrical patterns were compared with the average values of intrazonal trip distances in order to look for evidences of correlation between these variables. Two analytical approaches were explored: i) continuous and ii) discontinuous. In the first case, all trips were consideredas a single dataset, whereas in the second case the dataset was split in two subsets with homogeneous characteristics. The datasets with higher correlation were used to build global and stratified models for estimating intrazonal trip distances. In the global models, walking, cycling, and auto trips were all considered as part of a common dataset. In the stratified models, the three transport modes were separately taken into account. Additional models, which were meant to estimate trips per mode based on global values of intrazonal trip distances, were also developed. The values obtained with these models were then compared with the estimations of other models found in the literature. The discontinuous models calibrated in this study clearly outperformed the traditional models. This may be an indication that they can be used to replace the traditional models for estimating average intrazonal trip distances, at least in the case of Brazilian medium-sized cities.

Este estudo teve como objetivo o desenvolvimento de procedimentos para estimar distâncias de viagens intrazonais com base em dados de pesquisas origem-destino (O/D). A análise conduzida na aplicação apresentada foi baseada em dados de uma pesquisa O/D realizada na cidade de São Carlos, Brasil. A área urbana foi subdividida várias vezes para produzir 471 zonas de análise de tráfego (TAZ) para análise. A análise partiu da identificação de características geométricas das zonas de análise de tráfego (TAZ) que podem influenciar as distâncias das viagens intrazonais. Em seguida, indicadores numéricos dos padrões geométricos selecionados foram comparados com os valores médios das distâncias intrazonais, a fim de procurar por evidências de correlação entre estas variáveis. Duas abordagens analíticas foram exploradas: i) contínua e ii) descontínua. No primeiro caso, todas as viagens foram consideradas em um único conjunto de dados, enquanto que no segundo caso, o conjunto de dados foi dividido em dois subgrupos com características homogêneas. Os conjuntos de dados com maior correlação foram usados para construir modelos globais e estratificados para estimar distâncias intrazonais. Nos modelos globais, viagens a pé, de bicicleta e de automóvel foram analisadas como uma única base de dados. Nos modelos estratificados, os três modos de transporte foram considerados separadamente. Foram ajustados, também, modelos adicionais que permitam estimar as viagens por um modo de transporte específico a partir de valores globais de distâncias intrazonais. Os valores obtidos com estes modelos foram então comparados com as estimativas de outros modelos encontrados na literatura. Os modelos descontínuos aqui obtidos superaram claramente os modelos tradicionais. Isto sugere que podem constituir alternativas para substituir os modelos tradicionais para estimar distâncias médias de viagens intrazonais, pelo menos no caso das cidades médias brasileiras. / This study aimed at the development of procedures for estimating intrazonal trip distances based on data of origin-destination (O/D) surveys. The analysis conducted in the application presented was based on an O/D survey conducted in the city of São Carlos, Brazil. The urban area was subdivided several times to produce 471 traffic analysis zones (TAZ) for analysis. Geometrical characteristics of the zones that can influence the distances of intrazonal trips were then identified. Next, numerical indicators of the selected geometrical patterns were compared with the average values of intrazonal trip distances in order to look for evidences of correlation between these variables. Two analytical approaches were explored: i) continuous and ii) discontinuous. In the first case, all trips were consideredas a single dataset, whereas in the second case the dataset was split in two subsets with homogeneous characteristics. The datasets with higher correlation were used to build global and stratified models for estimating intrazonal trip distances. In the global models, walking, cycling, and auto trips were all considered as part of a common dataset. In the stratified models, the three transport modes were separately taken into account. Additional models, which were meant to estimate trips per mode based on global values of intrazonal trip distances, were also developed. The values obtained with these models were then compared with the estimations of other models found in the literature. The discontinuous models calibrated in this study clearly outperformed the traditional models. This may be an indication that they can be used to replace the traditional models for estimating average intrazonal trip distances, at least in the case of Brazilian medium-sized cities.

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.