e a rua (a calha para trânsito veicular) e os locais no espaço público (calçadas, praças, largos, etc.): a rua aqui é representada pelos segmentos entre nós/conexões que

sintetizam os eixos de deslocamentos, o que é complementado pelos espaços abertos de circulação. Ambos conformam o elemento mínimo de análise (análise micro – nível 02). A escolha dos níveis de investigação resulta da estratégia assumida para a leitura e representação do espaço nesta pesquisa, articulando os distintos estratos analíticos que substanciam a investigação.

Os critérios de investigação, consideradas suas correspondentes correlações, estão descritos nos itens de 3.3.1 a 3.3.5.

3.3.1 Caracterização Global/Macro (Lisboa)

A) Enquadramento

a.1. Informações históricas selecionadas a.2. Localização geográfica

a.3. Características do sítio físico a.4. Características socioeconômicas

B) Dados Topológicos: Sintaxe do Espaço (Mapas Axial e de Segmentos) b.1. Conectividade

b.2. Profundidade Média

110 C) Dados de Acessibilidade (Transporte: Linhas e Rede)

c.1. Descrição geral dos sistemas de transporte c.2. Modal metroviário – tempo de acesso às estações c.3. Modal ônibus – tempo de acesso às paradas/paragens c.4. Modal elétrico – tempo de acesso às paradas/paragens

3.3.2 Caracterização Local/Micro (Bairros, Segmentos de Via e Locais no Espaço Público)

A) Enquadramento

a.1. Informações históricas selecionadas a.2. Localização geográfica

a.3. Características do sítio físico a.4. Características socioeconômicas B) Dados Geométricos

b.1. Largura da calçada b.2. Área da calçada

b.3. Inclinação/declividade da rua b.4. Comprimento do quarteirão

b.5. Alimentação: número de portas para a rua, densidade e área b.6. Distribuição: iluminação pública

b.7. Obstáculos: sinalização, mobiliário urbano, rampas, escadas, etc. b.8. Sombreamento: árvores

C) Dados Topológicos: Sintaxe do Espaço (Mapas Axial, de Segmentos e de Visibilidade)

Rua (segmentos)

c.1. Conectividade axial c.2. Profundidade média

c.3. Integração (global Rn e local R3) c.4. Conectividade visual

Locais no Espaço Público (pontos)

c.5. Relações de visibilidade/conectividade visual c.6. Relações de visibilidade/integração visual D) Dados de Acessibilidade (Transporte: Linhas e Rede)

d.1. Número de paradas de ônibus box d.2. Número de paradas de ônibus poste

d.3. Número de linhas de ônibus que param no segmento de via d.4. Paradas/pontos de táxi

d.5. Número de linhas de ônibus que passam no segmento de via d.6. Tempo de acesso ao ônibus

111 d.8. Tempo de acesso ao táxi

d.9. Estacionamento legal d.10. Estacionamento ilegal

d.11. Índice de conversão média viária (análise do caminho mais curto – aquele em que se analisa a relação entre a distância euclidiana e a distância em rede – ver adiante explicação mais detalhada).

E) Dados de Atividades

e.1. Uso do solo: residência (por área e por densidade)

e.2. Uso do solo: pequenos armazéns que fazem a logística de produtos agropecuários (agricultura e pecuária) (por área e por densidade)

e.3. Uso do solo: comércio (por área e por densidade) e.4. Uso do solo: educação (por área e por densidade) e.5. Uso do solo: hotéis (por área e por densidade)

e.6. Uso do solo: indústria de pequeno porte (por área e por densidade) e.7. Uso do solo: alimentação (por área e por densidade)

e.8. Uso do solo: saúde (por área e por densidade)

e.9. Uso do solo: serviços privados (por área e por densidade) e.10. Uso do solo: serviços públicos (por área e por densidade) e.11. Uso do solo: índice de entropia (mistura de uso do solo)

A respeito da caracterização local, a pesquisa tem como ponto de partida a base de dados do grupo de Transportes do Instituto Superior Técnico (Universidade de Lisboa), produto de ações acadêmicas (mestrados e doutorados) e projetos de consultoria desenvolvidos ao longo dos últimos anos.

As informações preexistentes referem-se à declividade, largura das calçadas e das vias, uso do solo (em número e área – residências, hotéis, alimentação, indústria, saúde, serviços públicos e privados, comércio, agricultura e pecuária), número de portas, comprimento do quarteirão, número de empregos, iluminação, árvores, quantidade de veículos estacionados ilegalmente em cima das calçadas, pontos de ônibus, pontos de táxi, estações de metrô, linhas de ônibus que passam pela via, além do tempo de acesso aos pontos de ônibus, táxi e estações de metrô.

A considerar uma das unidades de análise – o segmento de via, verificado por Barros (2006) como o mais adequado para estudos de Transportes – estas informações foram organizadas para contabilização por segmento, conforme a estruturação do banco de dados em uma base georreferenciada.

112 Especificamente em relação aos locais de análise, os bairros da Graça e de Campo de Ourique já apresentavam informações mais detalhadas por já terem sido cenários dos Trabalhos Finais de Graduação (Correia, 2004; Martínez, 2004), especificamente. Entretanto, a área de Telheiras foi aquela nunca estudada pelo grupo em pormenor, o que demandou esforço e tempo significativos para se conseguir as informações necessárias para torná-lo compatível com os demais. Ademais, dentre os bairros em estudo, é o que compreende a maior extensão territorial. Não havia registro, por exemplo, a respeito da largura das calçadas, o que requereu significativo tempo para a consolidação das informações – realizadas por meio da pesquisa em Street View e passadas para o software AutoCAD®. Quando necessário, foram realizadas visitas in loco para o complemento das informações.

Posteriormente, as informações foram inseridas num banco de dados georreferenciado para fins de estruturação, o que permitiu a organização das informações antecedendo as análises (Figuras 3.7 e 3.8).

113 Figura 3.8 – Representação esquemática da vinculação das informações das calçadas ao

eixo lindeiro

A considerar que uma das unidades mínimas de análise desta pesquisa é o segmento de rua, esta unidade converte-se na receptora das informações referentes aos quarteirões lindeiros a ele. A escolha baseia-se no fato de a rua ser o elemento básico para a interpretação, uma vez que, segundo Duarte (2006), é o objeto que estabelece a circulação de pessoas, bens e ideias, além do que, é por meio de seu conjunto que se compõe a malha viária de uma cidade.

Por exemplo, a Figura 3.9 ilustra a representação de quatro quarteirões e dois segmentos de via. No primeiro caso (à esquerda), os dados referentes aos quarteirões A e B vinculam-se ao segmento 1 e no segundo (à direita), os dados oriundos dos quarteirões C e D vinculam-se ao segmento 2. Salienta-se que as edificações localizadas nas esquinas são contabilizadas no segmento de via no qual os respectivos endereços estiverem associados, da mesma maneira as que tiverem frentes para duas vias, sendo considerada, portanto, a que tiver vinculado o endereçamento postal.

Eixo

CalçadaA

114 Figura 3.9 – Representação esquemática da vinculação de informação dos quarteirões

aos segmentos de via.

3.3.3 A Teoria da Lógica Social do Espaço ou Sintaxe do Espaço

Nas etapas de caracterização global e local há um agrupamento de variáveis que deriva da Sintaxe do Espaço, que trata, dentre outras coisas, da investigação do espaço com o viés de circulação potencial, como apresentado no capítulo 2. Para fins desta pesquisa, serão utilizadas as seguintes variáveis, já listadas nos itens 3.3.1 e 3.3.2.

Variáveis de Análise

A considerar os objetivos da investigação, são variáveis de análise, conforme conceitos sintetizados por Medeiros (2012; 2013) e Barros (2006), para os mapas Axial e de Segmentos:

a) Conectividade: a conectividade corresponde à quantidade de conexões

existentes em um eixo (mapa axial) ou segmento (mapa de segmentos).

b) Profundidade Média: sabe-se que há uma vigorosa associação entre a forma de

articulação das malhas viárias e os potenciais de acessibilidade encontrados para cada eixo em um mapa axial. Ocorre que a transformação destes atributos do arranjo da forma-espaço em valores de integração parte da quantificação da conectividade de cada linha que posteriormente é classificada por quão profunda ou rasa é em relação ao sistema inteiro ou a um terceiro raio, se assim desejado, no que se chama de profundidade média. Esta última medida esclarece o grau médio de dificuldade ou facilidade para se alcançar um eixo, e o comparativo para valores médios em sistemas distintos possibilita o faceamento de cidades a partir de um maior ou menor efeito labiríntico.

Quarteirão A

Quarteirão B

Quarteirão C

Quarteirão D

115

c) Integração (global Rn e local R3): os valores de integração expressam o grau

de acessibilidade topológica potencial dos eixos de um sistema, conforme estabelecido por Hillier and Hanson (1984) no livro “The Social Logic of Space”. Resultam de processo de normalização das medidas de profundidade média, de modo a permitir a comparação entre sistemas, reduzindo a interferência da escala (quanto maior o sistema, maior a profundidade média). Os valores de integração podem ser calculados segundo os raios topológicos, conforme indicado pelo pesquisador. O R representa o raio (quantos eixos/segmentos se quer considerar a partir de um outro qualquer) e n o número ilimitado de conexões. Pode-se também optar por calcular somente até o terceiro nível (R3), procedimento que estudos têm comprovado, na maior parte dos casos, coincidir com as propriedades potenciais “locais” de configuração: aqui se considera “apenas até três linhas que seguem em qualquer direção a partir de determinada linha” (Hillier, 1996, p.160).

Para os Mapas de Visibilidade, que contemplam as análises para os locais nos espaços públicos (pontos), são variáveis investigadas:

d) Relações de Visibilidade/Conectividade Visual: compreende a conectividade

visual entre os pontos integrantes do sistema.

e) Relações de Visibilidade/Integração Visual: contempla o grau de

acessibilidade topológica potencial visual, conforme estabelecido por Hillier and Hanson (1984); compreende uma normalização da profundidade média (para todas as situações).

3.3.4 Índice de Conversão Médio Viário (Análise do Caminho Mais Curto)

Partindo-se da premissa de que malhas ditas “tradicionais” – malha regular e malha “orgânica” – conformam-se em estruturas parcimoniosas e que malhas contemporâneas apresentam estruturas espaciais com maior percentual de espaços vazios, a função desta análise é verificar se as malhas em estudo diferem em termos de distância de deslocamento, tendo em conta as características de desenho.

A Análise do Caminho mais Curto tem como base a simulação de todos os trajetos possíveis em cada bairro, originando-se de todas as vias para todas as vias do sistema urbano (neste caso, o bairro).

116 Ao resultado desta análise chamou-se Índice de Conversão Médio Viário, tendo em vista haver a mesma lógica do Índice de Profundidade Médio da Sintaxe Espacial no qual são analisadas o número de conversões necessárias para se chegar de um ponto A a um ponto B.

Para obter a medida, procedem-se no software de geoprocessamento Geomedia® as seguintes etapas:

1) cálculo da matriz de distâncias entre os centroides de todos os segmentos para os três bairros;

2) em seguida, procede-se o cálculo da menor distância em linha reta entre os centroides de todos os segmentos; e, por fim,

3) é elaborada a análise da razão entre os dois valores anteriores, de modo a encontrar os resultados para toda a matriz. De forma a obter um comportamento médio de cada centroide é realizado uma média simples do resultado de cada centroide para todos os demais.

Os resultados obtidos permitem verificar quais malhas viárias apresentam menor/maior discrepância entre a razão das distâncias, o que é elucidativo para a identificação dos desenhos viários e seu aspecto labiríntico, a promover um caráter mais ou menos restritivo ao movimento. A medida é particularmente relevante quando confrontada com as medidas de integração oriundas da Sintaxe do Espaço.

3.3.5 Análises Estatísticas para a etapa da Caracterização

A partir da etapa 01, que contempla a caracterização em níveis macro (global) e micro (local), conforme explicado no item anterior, resulta um conjunto de fatores ou variáveis preliminarmente interpretados como relevantes para a compreensão do tema em análise. Antes do alcance da etapa 02, correspondente à Aquisição, os fatores obtidos são analisados segundo procedimentos estatísticos, o que serve de base para a escolha dos aspectos (e suas categorias) a serem tratados no questionário online.

Estas análises estatísticas – Análise Fatorial e Análise Cluster – consistem, portanto, na avaliação dos fatores explorados, analisados simultaneamente, de modo a identificar a correspondente relevância para a questão da mobilidade urbana, bem como o agrupamento de variáveis que permitam identificar, em termos morfossintáticos, trechos dos bairros/áreas analisadas (clusters).

117 3.3.5.1 Análise Fatorial

A Análise Fatorial é uma técnica estatística que permite a sintetização de um conjunto de variáveis de modo a conservar as suas características estatísticas e garantindo um comportamento mais estável entre as variáveis. Normalmente este processo estatístico resulta em variáveis ortogonais (sem correlação entre elas) e maximizando a variância presente nas variáveis originais. Muitas vezes o cálculo da análise fatorial sobre um conjunto de variáveis base resulta numa redução do número de variáveis (fatores), principalmente, quando as variáveis originais apresentam uma elevada correlação entre elas. O intuito da técnica é identificar a relevância de cada uma das variáveis para o problema, permitindo eleger um grupo restrito que possa, apesar da seleção, ser significativo para a compreensão da realidade/simulação pretendida (evitando trabalho em demasia para aspectos que, embora integrantes do fenômeno, têm pouca relevância). Portanto, a importância da análise fatorial é de reduzir a complexidade da análise sem perda de informação, assegurando, portanto, o poder explicativo de um fenômeno. A técnica contribui para a celeridade e consistência do processo de pesquisa, pois facilita o manuseio das informações, aspecto particularmente relevante para cenários de grandes bases de dados como acontece nesta pesquisa. Cabe o esclarecimento, entretanto, que para que esta transformação seja eficiente deve haver uma correlação significativa entre as variáveis de modo a conseguir explicar os mesmos fenômenos por meio do menor número de variáveis que sejam estatisticamente independentes, quando aplicados métodos de extração que garantam a ortogonalidade dos fatores, como a Varimax.

Uma forma de avaliar a qualidade da análise fatorial é utilizar o teste de esfericidade de Bartlett, que é uma estatística de teste utilizada para examinar a hipótese de que as variáveis não sejam correlacionadas na população (dos dados). Em outras palavras, a matriz de correlação da população é uma matriz identidade, onde cada variável se correlaciona perfeitamente com ela própria (r=1), mas não apresenta correlação com as outras variáveis (r=0). Há também a medida de adequação da amostra de Kaiser-Meyer- Olkin (KMO), que é um índice usado para avaliar a adequabilidade da análise fatorial, cujos valores altos (entre 0,5 e 1,0) indicam que a análise fatorial é apropriada, com valores abaixo de 0,5 indicam que a análise fatorial pode ser inadequada.

118 3.3.5.2 Análise de Clusters

A Análise Cluster ou Análise de Clusters designa uma série de procedimentos estatísticos utilizados para classificar objetos por observação das semelhanças e diferenças entre si, produzindo grupos relativamente homogêneos (os chamados Clusters).

De modo sintético, a análise pode ser descrita da seguinte maneira: dado um conjunto de n indivíduos para os quais existe informação sobre a forma de p variáveis, a análise começa por definir uma função distância nesse referencial a p dimensões e em seguida agrupa os indivíduos de modo que os que pertencem a um mesmo grupo sejam tão semelhantes quanto possível. Nesta análise não deverá existir dependência entre as variáveis, ou seja, desejavelmente não existirá correlação estatística entre as variáveis no conjunto dos indivíduos a classificar.

A Análise de Clusters ou de Agrupamento, para esta pesquisa, é a técnica estatística adotada para verificar a existência de segmentos de via com características comuns para cada malha viária dos bairros objeto de investigação. A partir do rol de variáveis, as feições que se aproximam são agrupadas, gerando segmentos que contém semelhanças de características (clusters).

As técnicas mais utilizadas na Análise Cluster são: (a) Técnica de Otimização, (b) Técnica de Densidade e (c) Técnica Hierárquica, dentre outras.

A técnica escolhida para a pesquisa foi a Hierárquica, que tem como base a construção de uma matriz de semelhanças ou diferenças, em que cada elemento da matriz descreve o grau de semelhança ou diferença entre cada dois casos, com base nas variáveis escolhidas. No processo utilizou-se uma medida padronizada de cada variável (( de forma a retirar a influência das diferentes escalas das variáveis utilizadas.

Como forma de agregação dos casos foi utilizado o critério de Ward11, que se revelou ser o mais eficiente, segundo os testes realizados na amostra, sendo caracterizado pela

11

O critério de Ward baseia-se na perda de informação resultante do agrupamento dos indivíduos e é medido por meio da soma dos quadrados dos desvios das observações individuais relativamente às médias dos grupos em que são classificadas. Este critério segue as seguintes etapas: (a) cálculo das médias das variáveis para cada grupo; (b) cálculo do quadrado da distância Euclidiana entre essas médias

119 minimização da variância dos indicadores dentro de cada grupo formado. O objetivo consiste em obter uma hierarquia de partições P1, P2,…, Pn do conjunto total dos n objetos em n grupos. Os métodos hierárquicos têm como output dendrogramas. A análise desses dendrogramas permite avaliar qual o número de clusters a considerar na análise.

3.4 Etapa 02 – Aquisição de Dados

Após a etapa 01 de caracterização, a etapa 02 contempla a aquisição de dados, a partir de quatro estratégias:

1. Aplicação de Questionário Online: o questionário, elaborado a partir da etapa