Return to search

Impactos dos padrões de crescimento espacial e de transportes no entorno de pólos geradores de viagens / Impacts of transportation and spatial growth patterns around major trip generators

O desenvolvimento das cidades freqüentemente propicia o aparecimento de empreendimentos de grande porte que, juntamente com o aumento da população e dos veículos, causam impactos nos sistemas de transportes. Dado que há fortes indícios que a localização e o porte destes empreendimentos, aqui denominados de pólos geradores de viagens (ou PGVs), seja influenciado pela presença de outros PGVs, o objetivo deste trabalho foi avaliar esta hipótese em uma cidade média brasileira, através de duas vertentes da análise espacial: a estatística espacial e a modelagem espacial baseada na comparação de informações oriundas de diferentes entidades espaciais. Foram utilizados conceitos de análise exploratória de dados espaciais, tais como o índice e o diagrama de espalhamento de Moran, para a delimitação de regiões similares, divididas de modo a indicar pontos de associação espacial, em relação a uma variável analisada. Em seguida, a modelagem espacial foi feita com uma adaptação da técnica de cellular automata, usando redes neurais artificiais. Dois modelos foram propostos e aplicados em um estudo de caso na cidade de Campinas, São Paulo, com base em diferentes variáveis. No primeiro modelo, somente variáveis representativas da ocupação comercial foram consideradas, enquanto que, no segundo modelo, foram introduzidas também variáveis caracterizando a infra-estrutura viária. Os resultados permitem observar um bom desempenho dos modelos, em particular na fase de validação. As projeções futuras obtidas com os modelos, no entanto, não parecem caracterizar adequadamente o surgimento, que seria naturalmente esperado, de novos pólos comerciais ao redor dos shopping centers estudados. Essa limitação foi surpreendentemente mais evidente no caso do modelo com variáveis de infra-estrutura viária. / The development of cities often leads to the development of large business areas. Those areas, together with the growth of population and vehicles figures in the entire urban area, produce several impacts in the transportation systems. Given the evidences that the location and size of new trip generators (TG\'s) may be strongly influenced by existing TG\'s, the objective of this study was to evaluate that hypothesis in a brazilian medium-sized city. Two branches of spatial analysis were explored in the present study while dealing with different sources of spatial information. They were: spatial statistics and spatial modeling. Firstly, concepts of exploratory spatial data analyses (ESDA), like Moran\'s I index and scatterplot, were used to characterize regions of similar behavior in terms of particular variables. Secondly, spatial modeling was carried out using cellular automata concepts and artificial neural networks. Two models were proposed and applied in a case study carried out in the city Campinas, São Paulo, based on different variables. In the first model, only variables representing commercial land use were considered, while in the second model variables representing the transportation infrastructure supply were also added. The results found indicate a good performance of the models, particularly in the validation process. Their future projections, however, are apparently not able to represent the development of new commercial activities that would be naturally expected around the shopping malls investigated. Although that limitation was observed in both models, it was surprisingly more evident in the case of the model with variables of transportation infrastructure.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-04052007-152736
Date30 March 2007
CreatorsGrigolon, Anna Beatriz
ContributorsSilva, Antonio Nelson Rodrigues da
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeDissertação de Mestrado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0031 seconds