Ao longo do trabalho, foi possível compreender como a sustentabilidade tem sido abordada nas investigações no setor de transportes bem como a necessidade de considerar a incerteza nas análises neste setor. A partir do levantamento de literatura feito no Capítulo 2 foi possível propor o conjunto de indicadores bem como um método que permitiu a análise e avaliação do desempenho das alternativas de transporte de passageiro, considerando o conceito de sustentabilidade. Dessa forma, pode-se afirmar que os objetivos foram atingidos.
Apoiado na revisão de literatura verificou-se que as avaliações de desempenho em transporte enfocam os aspectos econômicos e ambientais, conforme já indicado por Leal Jr (2010) e Markovich e Lukas (2011), embora essa constatação não possa ser generalizada com base na amostra de dados pesquisada. Dentre os trabalhos analisados, notou-se que as dimensões eficiência e ecoeficiência são as mais abordadas, suspeita-se que isto ocorra pela dificuldade em mensurar os aspectos sociais. Entretanto, foram encontradas pesquisas que aplicam o conceito de sustentabilidade (englobando a dimensão social), apesar de parte se concentrar apenas na proposição de indicadores (sem aplicações práticas).
Além disso, verificou-se que, tradicionalmente, as avaliações em transporte consideram valores pontuais (e/ou médios) para representar os indicadores (e/ou medidas), seja para análise de riscos, de viabilidade de projetos ou desempenho do sistema, em função da escassez de dados. Tendo em vista que, em geral, os indicadores podem ter comportamentos probabilísticos, a análise baseada em valores pontuais poderia conduzir a decisões equivocadas. Ainda, poderiam levar ao estabelecimento de metas e políticas públicas que não seriam condizentes com o real comportamento do sistema, uma vez que o gestor não consegue vislumbrar todos os possíveis desempenhos de um dado objeto em estudo, aumentando o risco associado a sua decisão.
Assim, com base na compreensão do contexto de estudo, propôs-se um método para avaliação e análise do desempenho sustentável das alternativas de transporte de passageiros. Adaptado de Silva et al. (2014), este incorpora uma etapa que permite a análise de cenários e a simulação (do comportamento dos indicadores de entrada, incorporando, assim, o risco; e/ou das ações de melhoria propostas). Trata-se de uma etapa, cuja execução não é obrigatória, ficando a critério do gestor e dos objetos da avaliação. Ressalta-se que o método (composto por 8 etapas) é dinâmico, permitindo a reavaliação ao final do processo, além da comparação com as referências do setor
100 (benchmark externo) ou avaliar a evolução do desempenho ao longo do tempo, buscando alcançar e/ou superar o melhor índice já registrado (benchmark interno).
Quanto à aplicação do trabalho, selecionou-se o trecho centro a centro entre Rio de Janeiro e Niterói, em função da importância de ambas as cidades para a RMRJ e da disponibilidade de diferentes alternativas de transporte. A análise foi conduzida por meio da aplicação passo a passo do método proposto. Ressalta-se que no Passo 3 foi proposto um conjunto de indicadores para avaliação da sustentabilidade no transporte urbano de passageiros. Embora não exaustivo, ele permite avaliar por meio de parâmetros quantificáveis, para os três aspectos que compõem o conceito de sustentabilidade.
Em relação aos resultados da pesquisa, verificou-se que, considerando os valores pontuais dos indicadores selecionados para avaliação (chamado de cenário base ou referencial), as alternativas coletivas seriam a que apresentam melhor desempenho (com o ônibus na primeira colocação), seguidas pelo automóvel a etanol. Destaca-se, contudo, que nenhuma alcançou o patamar de sustentabilidade superior (com índices globais iguais ou acima de 0,8). Automóvel a gasolina e motocicleta registraram desempenhos inferiores a 0,5, compondo o grupo de sustentabilidade inferior.
Em seguida, foram estabelecidos dois cenários: pessimista e otimista, para verificar como o sistema se comportaria em situações extremas (considerando os valores máximos e mínimos dos indicadores para formação dos cenários). Já nesta avaliação, verificou-se que a análise realizada com base em dados pontuais pode não ser a mais adequada, tendo em vista a variação no desempenho das alternativas. Notou-se, por exemplo, que o ônibus alcança o melhor desempenho apenas no cenário referencial, anteriormente analisado.
Além disso, o automóvel a etanol, que ocupava apenas a terceira colocação, passou para a primeira no cenário otimista registrando, inclusive, o melhor índice de sustentabilidade dentre todas as alternativas, nos três cenários. Além disso, percebeu-se que o automóvel a gasolina (alternativa mais utilizada) poderia registrar os piores desempenhos, nos cenários referencial e pessimista.
Diante de tais resultados, aplicou-se a SMC aos dados de entrada, para verificar os possíveis desempenhos registrados por cada alternativa, bem como sua consistência com os resultados encontrados nos cenários. Verificou-se que, assim como já exposto por Salling (2013), a análise de cenários não foi capaz de capturar todas as incertezas relacionadas à avaliação, pois também se baseia em valores pontuais.
101 Os desempenhos máximos e mínimos de cada alternativa divergiram daqueles já mapeados pelos cenários, sendo que a motocicleta tem uma probabilidade de, aproximadamente, 30% de registrar desempenhos inferiores ao menor resultado encontrado na análise de cenários. Apenas o ônibus registrou uma probabilidade quase nula de alcançar um valor inferior ao menor valor encontrado nos cenários (0,001%). Ressalta-se que, embora a barca tenha 22% de chances de registrar desempenhos inferiores a menor performance alcançada nos cenários, ela tem apenas 0,23% de chances de registrar desempenhos inferiores a 0,5 (mesma probabilidade que a motocicleta de superar este desempenho).
Sob outra perspectiva, a depender da combinação de indicadores, os resultados podem ser superiores ao maior valor encontrado nos cenários, desde 4,62% dos casos (para o automóvel a etanol) até 62,58% (no caso das barcas). Em comparação ao resultado encontrado no cenário referencial, este percentual sobre para 73,63% para o automóvel a gasolina, 69,31% para o automóvel a etanol, 52,62% para a motocicleta, 69,42% para o ônibus e 68,76% para barca.
Apesar disso, verifica-se que a motocicleta tem maiores probabilidades de registrar piores desempenhos (com 90% das ocorrências concentradas entre 0,301 e 0,469), sendo a única alternativa que não superar o patamar 0,530. Há de se destacar, contudo que, embora possa alcançar um índice equivalente a 0,7212, o pior desempenho simulado é registrado pelo automóvel a gasolina, com menor valor equivalente a 0,1660; seguido pela motocicleta com 0,1718.
É importante salientar, também, que apenas o automóvel a etanol e o ônibus registraram desempenho que os classificam no patamar de sustentabilidade superior (com probabilidades de 0,06% e 0,01%, respectivamente), sendo que o ônibus apresenta o menor coeficiente de variação dentre todos os resultados analisados. Contudo, a alternativa com maior probabilidade de apresentar desempenhos adequados é a barca, pois concentra 37,33% dos seus resultados na faixa entre 0,7 e |0,8. As demais alternativas tem menos de 5% de chances de apresentarem tal desempenho.
Assim, é possível observar que os resultados obtidos pela SMC são diferentes e mais acurados que àqueles encontrados pela análise de cenários e com uso de dados pontuais. Crê-se, portanto, que a SMC pode representar o sistema de maneira mais realística.
Destaca-se que a aplicação não se limitou em analisar o desempenho das alternativas disponíveis no trecho selecionado, uma vez que a Tabela 25 consolida uma
102 série de ações de melhoria que poderiam conduzir para aperfeiçoar o desempenho das alternativas. Tais ações estão divididas por grupo e indicam sob qual alternativa e medida teriam impacto, caso fossem implementadas.
Além disso, a SMC permitiu identificar quais medidas mais influenciam no resultado médio de cada uma das alternativas (Figuras 16 – 20), sendo que o “custo total” se destaca para aquelas individuais e “tempo total de viagem” para as coletivas. Além disso, “tempo de viagem” e “emissão de CO2-eq” aparecem como fatores influentes de todas as alternativas. Dessa forma, acredita-se que tal análise permite apoiar o gestor na seleção apropriada das ações de melhoria a serem tomadas em cada caso.
Ressalta-se que não foram previstas ações que privilegiem um modo em detrimento a outro, pois se deseja que o sistema, como um todo, torne-se eficiente. Além disso, embora a literatura proponha ações que incentivem o uso do transporte coletivo (como restrição à circulação e estacionamento dos veículos individuais), notou- se que o automóvel a etanol poderia alcançar desempenhos tão bons quanto o das alternativas coletivas (atingindo, mesmo com uma baixa probabilidade, resultados superiores aos da barca e podendo, assim como o ônibus, alcançar a faixa de sustentabilidade superior).
Salienta-se, entretanto, que esta análise não considerou a capacidade do sistema de transporte na rota analisada e que o incentivo ao automóvel particular em detrimento às alternativas coletivas pode conduzir ao agravamento dos congestionamentos e problemas relacionados. Porém, caso seja necessário selecionar uma alternativa individual para compor o mix da oferta de transporte na região, o automóvel a etanol deveria ser considerado por ter maior probabilidade de alcançar desempenhos superiores às demais alternativas individuais.
Dessa forma, cabe ao gestor público desenvolver políticas que permitam que a mobilidade urbana (independente da alternativa de transporte) se torne sustentável. Assim, acredita-se que o método proposto neste trabalho possa auxiliar este gestor no direcionamento de políticas públicas futuras, seja para adequação e/ou ampliação da malha de transporte, seja para que se atenda aos objetivos de mobilidade sustentável. Além disso, permitiria que os entes privados que atuam neste setor pudessem acompanhar e buscar aprimorar seu desempenho.
É importante mencionar, entretanto, que os resultados podem ter sido influenciados pelos indicadores selecionados, pelos pesos atribuídos aos atributos e
103 indicadores, pelo tipo de normalização e pelo número de iterações feitas no processo de simulação (embora a margem de erro encontrada tenha sido inferior a 1%). Além disso, foram utilizados dados secundários (que podem requerer atualização), além de muitos indicadores terem sido estimados. Por fim, em função da ausência de dados históricos, foi adotada a distribuição triangular para aplicação da SMC, em que alguns limitantes (máximos e mínimos) foram arbitrados com base na literatura e na pesquisa de campo.
Em relação às sugestões para novos estudos, recomenda-se a atualização dos dados; a utilização de dados históricos para gerar curvas de probabilidade que representem os indicadores de entrada; a seleção de mais medidas para cada aspecto combinado com o aumento no número de simulações; a seleção de indicadores e medidas com base na opinião de especialistas; a variação no peso dos atributos, indicadores e medidas; a incorporação de alternativas em projetos no trecho analisado; a análise de outros trechos que também permitam a escolha modal; a aplicação da SMC ao conjunto de medidas propostas visando mapear o impacto da implementação teórica das mesmas; a análise do sistema completo, considerando a possibilidade de integração modal; uma pesquisa bibliométrica que permita aperfeiçoar o método e/ou o conjunto de indicadores propostos. Além disso, recomenda-se que futuros estudos tanto científicos quanto governamentais utilizem a SMC a fim de ter obter resultados mais acurados no processo de análise e tomada de decisão.
104
REFERÊNCIAS
ALI, M.; NAJIFE, F. T. A. Cost Effective Methodology for Pedestrian Road Crossing for Developing Countries.120th ASEE Annual Conference and Exposition, Atlanta, 2013.
ALMAWSHEKIA, E. S., SHAHB, M. Z. Technical Efficiency Analysis of Container Terminals in the Middle Eastern Region. The Asian Journal of Shipping and Logistics, v.31, n.4, p. 477–486, 2015.
ALMAZ, O. A.; ALTIOK, T. Simulation modeling of the vessel traffic in Delaware River: impact of deepening on port performance. Simulation Modelling Practice and Theory, v. 22, p. 146–165, 2012.
ALONSO, A.; MONZÓN, A.; CASCAJO, R. Comparative analysis of passenger transport sustainability in European cities. Ecological Indicators, v. 48, p. 578–592, 2014.
ANFAVEA. Anuário da indústria automobilística brasileira. São Paulo, 2014.
ANP. Fatores de conversão, densidades e poderes caloríficos inferiores: Valores médios para ano de 2011. 2011. Disponível em: <www.anp.gov.br/?dw=60993>. Acesso: mar/2015.
ANP. Levantamento de Preços. 2015. Disponível em: <http://www.anp.gov.br/preco/>. Acesso: nov/2015.
ANTP. Barcas deixam de aceitar cartões de débito e crédito. 2015. Disponível em: <http://antp.org.br/website/noticias/show.asp?npgCode=479B540C-CA6E-471E-B271- 61D060E423BE>. Acesso: dez/2015.
ANTP. Sistema de informação de mobilidade urbana – relatório geral 2012, 2014.
Disponível em: <http://files-
server.antp.org.br/_5dotSystem/download/dcmDocument/2014/08/01/CB06D67E- 03DD-400E-8B86-D64D78AFC553.pdf>. Acesso: mar/2015.
ANTP. Transporte Humano: Cidades com qualidade de vida. São Paulo, 1997.
ARANGO, C.; CORTÉS, P.; MUÑUZURI, J.; ONIEVA, L. Berth allocation planning in Seville inland port by simulation and optimization. Advanced Engineering Informatics, v. 25, p. 452–461, 2011.
ASSEMBLEIA LEGISLATIVA DO ESTADO DO RIO DE JANEIRO. Capítulo I - o sistema aquaviário no rio de janeiro. Rio de Janeiro, 2009.
AWASTI, A.; CHAUHAN, S. S.; OMRANI, H. Application of fuzzy TOPSIS in evaluating sustainable transportation systems. Expert Systems with Applications, v. 38, p. 12270–12280, 2011.
AWASTI, A; CHAUHAN, S. S. Using AHP and Dempster-Schafer theory for evaluating sustainable transport solutions. Environmental Modelling & Software, v.26,
105 p. 787-796, 2011.
BAIRD, A. J. Optimising the container transhipment hub location in northern Europe. Journal of Transport Geography, v.14, p.195–214, 2006.
BAKKER, S.; HUIZENGA, C. Making climate instruments work for sustainable transport in developing countries. Natural Resources Forum, v.34, p. 324 – 326, 2010. BAPTISTA, P. C.; SILVA, C. M.; FARIAS, T. L; HEYWOOD, J. B. Energy and environmental impacts of alternative pathways for the Portuguese road transportation sector. Energy Policy, v.51, p. 802–815, 2012.
BARANDIER Jr, J. R. Future pathways of Latin American cities: land use policy for achieving sustainable mobility: a case study of the Rio de Janeiro metropolitan area. European Transport Conference, Alemanha, 2014.
BARROS, V. H.; COSTA, T. S.; OLIVEIRA, A. C. M.; LORENA, L. A. N. Model and heuristic for berth allocation in tidal bulk ports with stock level constraints. Computers & Industrial Engineering, v. 60, p. 606-613, 2011.
BASTANI, P.; HEYWOOD, J. B.; HOPE, C. The effect of uncertainty on US transport- related GHG emissions and fuel consumption out to 2050. Transportation Research Part A v. 46, p. 517–548, 2012.
BIELLI, M; BOULMAKOUL, A.; RIDA, M. Object oriented model for container terminal distributed simulation. European Journal of Operational Research, v. 175, p. 1731–1751, 2006.
BODMER, M. Desafios e perspectivas no transporte de pessoas no Rio de Janeiro. 1ª Ed. Rio de Janeiro: Fetranspor/UCT, 2012.
BOJKOVIC, N.; MACURA, D.; PEJCIC-TARLE, S.; BOJOVIC, N.A Comparative Assessment of Transport Sustainability in Central and Eastern European Countries with a Brief Reference to the Republic of Serbia. International Journal of Sustainable Transportation, v.5, n.6, p. 319-344, 2011.
BOONS, F.; VAN BUUREN, A.; TEISMAN, G. Governance of sustainability at airports: Moving beyond the debate between growth and noise. Natural Resources Forum, v.34, p. 303–313, 2010.
BRANSKI, R. M.; NUNES, E. E. F.; LOUREIRO, S. A.; LIMA Jr., O. F. Infraestruturas nas Copas do Mundo da Alemanha, África do Sul e Brasil. Cadernos Metrópole, São Paulo, v. 15, n. 30, p. 557-582, 2013.
BRASIL. Lei nº 12.587/12. Institui as diretrizes da Política Nacional de Mobilidade Urbana e dá outras providências. Diário Oficial da União, Brasília, 2012.
BUEHLER, R.; PUCHER, J.; KUNERT, U. Making Transportation Sustainable: Insights from Germany. Prepared for the Brookings Institution Metropolitan Policy Program, 2009.
106 BUGARIC, U.; PETROVIC, D. Increasing the capacity of terminal bulk cargo unloading. Simulation Modelling Practice and Theory, v. 15, p. 1366-1381, 2007. BUZÁSI, A.; CSETE, M. Sustainability Indicators in Assessing Urban Transport Systems. Periodica Polytechnica Transportation Engineering, v.43, n.3, p. 138-145, 2015.
CARIS, A.; MACHARIS, C.; JANSSENS, G. K. Network analysis of container barge transport in the port of Antwerp by means of simulation. Journal of Transport Geography, v.19, p. 125–133, 2011.
CASTILLO, H; PITFIELD, D. E. ELASTIC – A methodological framework for identifying and selecting sustainable transport indicators. Transportation Research Part D. v. 15, p. 179–188, 2010.
CASTRO S. M.; ALMEIDA J. R. Dredging and environmental conflicts in classic and modern harbors: a revision. Sociedade & Natureza, Uberlândia, ano 24 n. 3, p. 519-534, 2012.
CCR. CCR Barcas. 2015. Disponível em: <http://www.grupoccr.com.br/barcas>. Acesso: abr/2015.
CHAVEZ-BAEZA, C.; SHEINBAUM-PARDO, C. Sustainable passenger road transport scenarios to reduce fuel consumption, air pollutants and GHG (greenhouse gas) emissions in the Mexico City Metropolitan Area. Energy, v. 66, p. 624-634, 2014. CHEN, L.; LANGEVIN, A.; LU, Z. Integrated scheduling of crane handling and truck transportation on a maritime container terminal. European Journal of Operational Research, v. 225, p. 142-152, 2013.
CHEON, S.; DOWALL, D. E.; SONG, D. (2009) Evaluating impacts of institutional reforms on port efficiency changes: Ownership, corporate structure, and total factor productivity changes of world container ports. Transportation Research Part E, v. 46, n. 4, p. 546–56, 2009.
CLARK, X.; DOLLAR, D.; MICCO, A. Port efficiency, maritime transport costs and bilateral trade. Journal of Development Economics, v. 75, p. 417-450, 2004.
CNT. A importância do setor de transporte. Brasília, 2012.
COLLIER, Z. A.; BATES, Z. A.; WOOD, M.D.; LINKOV, I. Stakeholder engagement in dredged material management decisions. Science of the Total Environment, v.496, p. 248–256, 2014.
COMPANHIA DE DESENVOLVIMENTO URBANO. Anexo 7 – Projeto Funcional. VLT do Rio. Disponível em: < http://www.mobilize.org.br/midias/pesquisas/projeto- funcional-do-vlt-porto-maravilha.pdf>. Acesso: dez/2015.
CORTÉS, P.; MUÑUZURI, J.; IBÁÑEZ, N.; GUADIX, J. Simulation of freight traffic in the Seville inland port. Simulation Modelling Practice and Theory, v.15, p. 256-271,
107 2007.
COTTREL, W. D. Comparison of Ferry Boat and Highway Bridge Energy Use. Energies, v.4, p.239-253, 2011.
CRESWELL, J. W. Projeto de Pesquisa: Métodos qualitativo, quantitativo e misto. Porto Alegre: Bookman, 2010.
CULLINANE, K.; WANG, T. F.; SONG, D. W.; PING, J. The technical efficiency of container ports: Comparing data envelopment analysis and stochastic frontier analysis. Transportation Research Part A, v. 40, p. 354-374, 2006.
D’AGOSTO, M. A.; RIBEIRO, S. K. Eco-efficiency management program (EEMP) - a model for road fleet operation. Transportation Research Part D, v.9, p. 497–511, 2004. DACHYAR, M. Simulation and optimization of services at port in Indonesia. International Journal of Advanced Science and Technology, v. 44, p. 25-31, 2012. DEMIRCI, E. Simulation modelling and analysis of a port investment. Simulation, v.79, n.24, p. 94-105, 2003.
DENG, J. Control problems of grey systems. Systems & Control Letter, v.5, p. 288-294, 1982.
DENG, J. Introduction to grey system theory. Journal of Grey Systems, v.1, p. 1-24, 1989.
DETRO. Preço das passagens intermunicipais. 2015. Disponível em:
<http://onibusnorio.com.br/index.php/itinerarios-de-linhas-do-rio/tarifas-precos-das- passagens-intermunicipais>. Acesso: dez/2015.
DEUTSCHE GESELLSCHAFT FÜR INTERNATIONALE ZUSAMMENARBEIT -
GIZ. Sustainable Urban Transport Project. 2010. Disponível em: <
http://www.sutp.org/>. Acesso: mai/2015.
DILIP, D. M.; BABU, G. L. S. Methodology for Pavement Design Reliability and Back Analysis Using Markov Chain Monte Carlo Simulation. Journal of Transportation Engineering, v.139, n.1, p. 65-74, 2013.
DOBRANSKYTE-NISKOTA A.; PERUJO, A.; PREJI, M. Indicators to Assess Sustainability of Transport Activities. Part 1: Review of the Existing Transport Sustainability Indicators Initiatives and Development of an Indicator Set to Assess Transport Sustainability Performance. European Comission, 2007.
DU, Y.; GENG, Y.; SUN, L. Simulation model based on Monte Carlo method for traffic assignment in local area road network. Front. Archit. Civ. Eng. China, v.3, n.2, p. 195– 203, 2009.
EM DISCUSSÃO! Mobilidade urbana: hora de mudar os rumos.Revista de audiências
108 ENRIGHT, B.; O'BRIAN, E. J. Monte Carlo Simulation of Extreme Traffic Loading on Short and Medium Span Bridge. Structure and Infrastructure Engineering, v.9, n.12, p. 1267-1282, 2012.
ENVIRONMENT AND CLIMATE CHANGE CANADA. GHG Emission
Quantification Guidance. 2011. Disponível em: <https://ec.gc.ca/ges-
ghg/default.asp?lang=En&n=DDE56C0F-1>. Acesso: nov/2015
EPA – United States Environmental Protection Agency. Guide to sustainable
transportation performance measures. 2011. Disponível em:
<https://www.epa.gov/sites/production/files/2014-
01/documents/sustainable_transpo_performance.pdf>. Acesso: jul/2016.
EPE – Empresa de Pesquisa Energética. Balanço Energético Nacional 2010: Ano base
2009. Brasília, 2010. Disponível em: <
https://ben.epe.gov.br/downloads/Relatorio_Final_BEN_2010.pdf>. Acesso: jul/2016. EPE – Empresa de Pesquisa Energética. Balanço Energético Nacional 2014: Ano base
2013. Brasília, 2014. Disponível em:
<https://ben.epe.gov.br/downloads/Relatorio_Final_BEN_2014.pdf>. Acesso:
nov/2014.
EPE – Empresa de Pesquisa Energética. Balanço Energético Nacional 2015: Ano base
2014. Brasília, 2015. Disponível em:
<https://ben.epe.gov.br/downloads/Relatorio_Final_BEN_2015.pdf>. Acesso: jul/2016. ESMER, S.; ÇETIN, I. B.; TUNA, O. A simulation for optimum terminal truck number in a Turkish port based on lean and green concept. The Asian Journal of Shipping and Logistics, v.26, n.2, p. 277-296, 2010.
FAGHIH-ROOHI, S.; XIE, M.; NG, K. M. Accident risk assessment in marine transportation via Markov modelling and Markov Chain Monte Carlo simulation. Ocean Engineering, v.91, p. 363–370, 2014.
FALEMO S.; BERGMAN R. Multi-Criteria Decision Analysis Application in the Port of Gothenburg. Sustainable Management of Contaminated Sediments, 2012. Disponível em: <http://smocs.eu/?page_id=326>. Acesso: mar/2016.
FENABRAVE. Dados de mercado. 2015. Disponível em:
<http://www3.fenabrave.org.br:8082/plus/modulos/listas/index.php?tac=indices-e- numeros&idtipo=1&id=666&layout=indices-e-numeros>. Acesso: nov/2015
FERNANDES, C. A. B. A. Gerenciamento de riscos em projetos: como usar o Microsoft Excel para realizar a Simulação de Monte Carlo. 2005. Disponível em: < http://www.bbbrothers.com.br/files/pdfs/artigos/simul_monte_carlo.pdf>. Acesso: mai/2016
FERNANDES, S. Reforma tributária: enquanto carros pagam IPVA, helicópteros e
barcos são isentos. Rede Brasil Atual. 2013. Disponível em:
109 mais-impostos-modelo-mantem-concentracao-de-renda>. Acesso: out/2015.
FIGUEROA, M. J.; RIBEIRO, S. K. Energy for road passenger transport and sustainable development: assessing policies and goals interactions. Current Opinion in Environmental Sustainability, v.5, p.152–162, 2013.
FIPE. Preço médio dos veículos – Tabela FIPE. 2015. Disponível em: <http://www2.fipe.org.br/pt-br/indices/veiculos/>. Acesso: abr/2015.