DEMANDA POTENCIAL POR BICICLETAS: O CASO DE PEDELECS COMPARTILHADAS EM UM CAMPUS UNIVERSITÁRIO
Leonardo Dal Picolo Cadurin Antônio Nélson Rodrigues da Silva
Janice Kirner Providelo Universidade de São Paulo Escola de Engenharia de São Carlos
RESUMO
Este trabalho visa apresentar um conjunto de procedimentos para estimativa da demanda potencial pelo transporte cicloviário em um contexto que envolve um público que realiza viagens regulares em uma distância compatível para viagens por bicicleta. Os procedimentos são divididos em duas etapas. A primeira envolve uma coleta de dados, cujo instrumento de coleta visa a quantificação da preferência por bicicletas frente ao(s) modo(s) comparado(s). A segunda etapa consiste em uma análise do potencial de uso da bicicleta através da probabilidade de escolha da mesma frente a variações nas condições especificadas na coleta. A estratégia proposta foi testada em um campus universitário, considerando a demanda por bicicletas do tipo pedelec em um sistema de uso compartilhado. Algumas simulações foram realizadas, para um período letivo de 200 dias, a partir de variações nas condições meteorológicas, da condição de ciclovias/ciclofaixas no trajeto e da ocupação do ponto de ônibus operado pela USP.
ABSTRACT
This paper aims to present a set of procedures to estimate the potential demand for bicycle transport in a context involving a public that performs regular trips in a consistent distance for cycling. The procedures are divided into two steps. The first one involves a data collection in which the instrument seeks to quantify the preference for bicycles against other transportation mode(s). The second step consists of a potential analysis of bicycle use through the probability of choosing this mode of transport against variations in specified conditions. The proposed strategy was tested in a university campus, considering the demand of electric bicycles in a shared-use system. Some simulations were carried out for a 200-day school year, considering changes in weather conditions, the condition of cycle paths/lanes on the route, and the occupation of the bus stop operated by the university.
1. INTRODUÇÃO
Alguns ambientes se caracterizam pelo contexto específico em que estão inseridos, seja uma universidade, uma indústria, uma empresa, entre outros. Nesses casos, a análise de demanda para a oferta interna de transporte pode ser baseada nessas especificidades que os diferencia de contextos mais comuns e complexos, como uma cidade, por exemplo. Neste caso, é necessário levar em consideração diversos aspectos, tais como o uso do solo, características socioeconômicas, densidade demográfica, motivos de viagem, entre outros fatores.
Neste trabalho, o estudo de caso é no campus da Universidade de São Paulo (USP) localizado em São Carlos, o qual é composto por duas Áreas, com distância média de 4,5 km entre elas. A Área 1 existe desde 1956, enquanto a segunda foi adquirida pela universidade a partir de 2002. Atualmente, o campus conta com cerca de 5200 e 2600 alunos(as) de graduação e pós-graduação, respectivamente, sendo que aproximadamente 29% dos(as) estudantes frequentam a Área 2. Dentre os(as) alunos(as) que fazem uso da Área 2, há aproximadamente 81% de graduandos(as) e 19% de pós-graduandos(as).
Alguns cursos de graduação e programas de pós-graduação se concentram ou possuem atividades na Área 2, exigindo deslocamentos dos(as) usuários(as) com certa frequência, já que a maior parte das moradias estudantis se concentra na região em torno da Área 1, devido à maior proximidade ao comércio e serviços. Desse modo, a universidade fornece ônibus, em
uma grade de horários baseada nas aulas de graduação, para atender a essa necessidade de deslocamentos. Entretanto, há estudantes que não são contemplados(as) pelos horários disponíveis, principalmente os(as) que realizam atividades de pesquisa, seja iniciação científica ou de pós-graduação. Além disso, o serviço de ônibus encontra-se hoje em situação delicada, com uma frota em idade avançada e com restrições de manutenção e operação. Uma alternativa para contemplar mais estudantes no deslocamento entre Áreas do campus seria a implantação de um sistema com bicicletas compartilhadas que seja complementar ao ônibus atualmente ofertado. Como um dos maiores empecilhos para uso de bicicletas é o esforço físico, as bicicletas elétricas do tipo pedelec melhorariam a acessibilidade, visto que o motor elétrico auxilia o(a) usuário(a) de forma considerável. Além de permitir flexibilidade de horários, pedelecs contribuem para a mobilidade urbana e também para a saúde dos(as) estudantes, que, de certo modo, são responsabilidade da universidade. Para tanto, é necessário estimar a demanda potencial para a implantação do sistema, levando em consideração as características que mais influenciam no uso da bicicleta e, além disso, a condição de ocupação do ponto de ônibus da USP, já que uma suposição de sistemas de transporte complementares seria mais realista do que uma substituição do sistema atualmente ofertado.
Desse modo, este trabalho visa apresentar um conjunto de procedimentos para estimar a demanda potencial pelo transporte cicloviário em um contexto que envolve um público que realiza viagens regulares em uma distância compatível para viagens por bicicleta. O texto está organizado em seis partes, como segue. Logo após a introdução é realizada uma contextualização do tema estudado, por meio de uma breve revisão da literatura. Na sequência, nas seções 3 e 4, são apresentados o método e os elementos específicos do estudo de caso, cujos resultados são discutidos em item específico (seção 5), que precede as conclusões.
2. REVISÃO BIBLIOGRÁFICA
A utilização das bicicletas em sistemas de compartilhamento é vista como uma das soluções para aprimorar a mobilidade urbana, com foco em pequenos deslocamentos. Hoje, mais de 1000 cidades do mundo têm sistemas em funcionamento (Meddin, 2016), mas sua origem é antiga. A primeira geração é de 1965 e foi criada em Amsterdam. A segunda e terceira gerações surgiram em 1991 e 1996, respectivamente, sendo a última criada na Universidade de Portsmouth, na Inglaterra. Atualmente já existem modelos classificados como a quarta geração dos sistemas de compartilhamento e, assim como a terceira geração, são caracterizados pelo uso de avançada tecnologia no gerenciamento do sistema.
Um dos aprimoramentos da quarta geração em relação à anterior é a utilização de bicicletas
pedelecs ao invés das convencionais (Langford et al., 2013, 2015; Cherry et al., 2011). Além
das cidades, algumas universidades têm adotado o compartilhamento de bicicletas pedelecs (Langford et al., 2013; Ji et al., 2014). Cherry et al. (2011) fizeram uma análise da concepção de um sistema de pedelecs compartilhadas, levando em consideração a estrutura das estações e o manejo das baterias. Ji et al. (2014) fizeram simulações de uso de um sistema com
pedelecs compartilhadas na Universidade de Tennessee, em Knoxville, enquanto Langford et al. (2013) analisaram o primeiro ano de uso do mesmo sistema.
Diversos são os(as) autores(as) na literatura internacional que têm estudado a demanda pelo modo cicloviário. Quanto à obtenção dos dados, Maldonado-Hinarejos et al. (2014), Hunt e
Abraham (2007) e Ortúzar et al. (2000) usaram pesquisa de preferência declarada para estimar a demanda potencial pelo modo cicloviário, enquanto Kirner (2006) e Magalhães e Palhares (2013) usaram o mesmo tipo de pesquisa para caracterizar a demanda efetiva pelo transporte cicloviário. Abdelgawad et al. (2016) fizeram uso da preferência declarada para explorar e quantificar as principais barreiras para utilização das bicicletas. Ryley (2006) usou pesquisas de preferência revelada e declarada para avaliar a propensão de usuários(as) de carro, ônibus e a pé a mudarem para a bicicleta. De acordo com Ortúzar e Willumsen (2011), a pesquisa de preferência declarada permite que cenários hipotéticos sejam criados, de modo que os(as) respondentes possam opinar a respeito de um modo de transporte que ainda não tenha sido utilizado. Além disso, permite quantificar quanto cada variável influencia na escolha. Dentre os métodos de pesquisa de preferência declarada, o mais utilizado na área de transportes é o da escolha preferida (stated choice), no qual apenas uma alternativa deve ser assinalada, mas também existem métodos que permitem a ordenação (ranking) e a avaliação (rating) das alternativas.
Em relação à abordagem matemática, a Tabela 1 exibe alguns(mas) autores(as) e respectivas técnicas utilizadas na modelagem, sendo os modelos de regressão e probabilísticos (logit) os mais comumente utilizados.
Tabela 1: Síntese de trabalhos que focaram na demanda pelo transporte cicloviário e
respectivas abordagens matemáticas utilizadas nos modelos calibrados.
Autor(es) Abordagem matemática
Thomas et al. (2009) Regressão linear múltipla Griswold et al. (2011) Regressão log-linear Hankey et al. (2012)
Noland et al. (2016)
Regressão binomial negativa Regressão binomial negativa
Ryley (2006) Logit binário
Hunt e Abraham (2007) Logit binário Godefroy e Morency (2012) Logit binário
Maldonado-Hinarejos et al. (2014) Logit multinomial híbrido
A presença de ciclovias/ciclofaixas e as condições meteorológicas estão entre os fatores mais impactantes para a variação na demanda pelo modo cicloviário. Dill e Carr (2003) criaram modelos, utilizando dados de 42 cidades dos EUA, para avaliar os aspectos que mais influenciam nas variações de uso da bicicleta e verificaram que locais com presença de ciclovias e ciclofaixas tendem a apresentar maior volume, desde que elas conectem pontos de origem e destino de interesse da população. Na mesma linha, Habib et al. (2014) verificaram, para a cidade de Toronto (Canadá), que a presença de ciclovias e ciclofaixas aumenta a demanda pelo uso das bicicletas.
Sob a ótica das condições meteorológicas, os(as) autores(as) que serão citados adiante verificaram, em diferentes localidades e com análises focadas em aspectos distintos, a relação entre as condições meteorológicas e a quantidade de deslocamentos por bicicletas. Em todos os trabalhos, a precipitação pluviométrica e a temperatura foram consideradas significativas para a variação na demanda. Alguns autores (Tin Tin et al., 2012; Sears et al., 2012; Nankervis, 1999) também fizeram análises considerando as variações conforme as estações do ano. Miranda-Moreno e Nosal (2011) verificaram tendências horárias, diárias, mensais e
anuais de uso de infraestrutura para bicicletas. Godefroy e Morency (2012) analisaram a probabilidade de uma viagem ser feita por bicicleta, verificando o quanto a temperatura e a chuva influenciam, além de diversas outras características utilizadas na calibração do modelo. Sears et al. (2012) verificaram que o volume de viagens para o trabalho foi maior que o dobro em dias sem chuva pela manhã. Thomas et al. (2009, 2013) e Sabir et al. (2010) concluíram que ciclistas recreacionais são mais sensíveis à meteorologia do que ciclistas que fazem uso para fins de trabalho e estudo. A Tabela 2 exibe uma síntese com os(as) autores(as) e as respectivas localizações. É possível notar que todas as cidades possuem clima bastante diferente da realidade brasileira (embora o Brasil seja um país continental, ou seja, com grandes diferenças climáticas internas).
Tabela 2: Síntese de trabalhos, com respectivas localizações dos dados utilizados, que
verificaram a relação entre as condições meteorológicas e a demanda cicloviária.
Autor(es) Localização dos dados
Faghih-Imani et al. (2014) Montreal (Canadá) Miranda-Moreno e Nosal (2011) Montreal (Canadá) Godefroy e Morency (2012) Montreal (Canadá) Phung e Rose (2007) Melbourne (Austrália) Nankervis (1999) Melbourne (Austrália) Ahmed et al. (2010) Melbourne (Austrália)
Ahmed et al. (2012) Brisbane (Austrália) e Portland (EUA) Tin Tin et al. (2012) Auckland (Nova Zelândia)
Thomas et al. (2009) Gouda e Ede (Holanda) Thomas et al. (2013) Gouda e Ede (Holanda) Sabir et al. (2010) (Holanda)
Flynn et al. (2012) Cinco cidades do estado de Vermont (EUA) Sears et al. (2012) Cinco cidades do estado de Vermont (EUA)
No Brasil, é escassa a literatura sobre estimação da demanda por bicicletas. Magalhães et al. (2015) realizaram uma extensa revisão bibliográfica sobre modelos de previsão de demanda pelo modo cicloviário e Franco et al. (2014) formularam um modelo baseado no método LDS (Latent Demand Score), elaborado por Landis e Toole (1996, apud Rodrigues da Silva et al., 2012), para estimar a demanda pendular potencial por viagens de bicicleta no Rio de Janeiro. Outros trabalhos não lidaram diretamente com a estimativa da demanda, mas focaram na caracterização da mesma, como Kirner (2006) e Magalhães e Palhares (2013). Já Sousa e Kawamoto (2015) identificaram e quantificaram os fatores que mais influenciam no uso das bicicletas, com foco na implantação de ciclovias/ciclofaixas.
É evidente a necessidade não só de aprofundar os estudos brasileiros em demanda potencial pelo transporte cicloviário, mas também de avaliar a demanda com base em condições meteorológicas, já que o clima do Brasil difere daquele que predomina nos países em que as pesquisas considerando essas variáveis têm sido feitas.
3. MÉTODOS
O conjunto de procedimentos aqui proposto para estimativa da demanda potencial pelo transporte cicloviário em contextos específicos pode ser dividido basicamente em duas etapas, as quais são indicadas a seguir, de forma mais geral, para permitir a aplicação em outros
estudos de caso. No item 4 é apresentada a aplicação do método no estudo de caso considerado.
3.1. Coleta de dados
A primeira etapa envolve uma coleta de dados, que pode ser feita através de entrevistas ou da aplicação de um questionário (em papel ou online). Para tanto, é necessário determinar o público alvo e o(s) modo(s) de transporte a ser(em) comparado(s) com a bicicleta. Esta escolha não é trivial, visto que está relacionada tanto ao objetivo como ao público-alvo desejados. De maneira geral, a estrutura básica do instrumento de coleta de dados (entrevista ou questionário) deve visar à quantificação da preferência por bicicletas frente ao(s) modo(s) escolhido(s) para comparação. Além disto, a coleta pode ser utilizada para a obtenção de diversas outras informações que permitam retratar um perfil mais completo do público alvo, se houver algum interesse mais específico. Os dados obtidos podem ser trabalhados através de modelagem logit ou treinamento de rede neural artificial (RNA), por exemplo. Entretanto, embora menos indicado, é possível utilizar os dados brutos obtidos através da coleta.
3.2. Análise do potencial de uso da bicicleta
A segunda etapa consiste em uma análise do potencial de uso da bicicleta, através do estudo das probabilidades associadas a variações nas condições relacionadas à preferência pelo modo cicloviário. Estas condições seriam exatamente aquelas especificadas na coleta de dados, visto que interferem diretamente na demanda potencial.
4. ESTUDO DE CASO
A estratégia proposta foi testada em um campus universitário, considerando a demanda por bicicletas do tipo pedelec em um sistema de uso compartilhado. O campus em questão, que pertence à Universidade de São Paulo, está localizado na cidade de São Carlos e possui duas áreas (denominadas Áreas 1 e 2) fisicamente separadas por uma distância de cerca de 4,5 km. Como muitos(as) usuários(as) do campus realizam atividades regulares nas duas Áreas, a Prefeitura do campus mantém um serviço regular de transporte por ônibus. Este serviço, implantado por ocasião da criação da Área 2, opera hoje em um contexto de dificuldades financeiras e operacionais que ameaçam a sua continuidade.
A existência de uma demanda regular entre as duas Áreas e o fato da distância entre as mesmas ser apropriada para o modo cicloviário caracterizam um contexto específico que justificaria a implantação de um sistema de bicicletas compartilhadas. Neste caso, em particular, a topografia da cidade poderia ser uma barreira ao uso da bicicleta convencional. Esta barreira, no entanto, praticamente deixa de existir se o sistema for baseado em bicicletas do tipo pedelec.
Para esse estudo de caso, decidiu-se pela utilização de questionários visando à obtenção de um panorama geral a respeito dos deslocamentos realizados pelos(as) alunos(as) entre as duas Áreas do campus. Assim, foram formuladas questões relacionadas ao tempo máximo aceitável para deslocamento, à rejeição aos meios de transporte, à experiência com meios de transporte já utilizados no percurso considerado, aos motivos para não usar a bicicleta convencional (somente para quem sabia pedalar e não usava a bicicleta convencional nesse deslocamento), às razões para não usufruir do ônibus ofertado pela USP (somente para quem não usava o ônibus nesse deslocamento) e também para quantificar a preferência por bicicletas pedelecs compartilhadas em relação aos ônibus da USP. Dois textos introdutórios foram utilizados para
a última questão, um apresentando as bicicletas elétricas e outro explicando o que seria o sistema de compartilhamento de bicicletas considerado. Os sistemas de ônibus da USP e de bicicletas pedelecs compartilhadas foram então comparados no que tange à disponibilidade de horários (tabelado para o ônibus e flexível para as pedelecs), ao custo para o usuário (gratuito para ambos) e ao tempo de viagem (até 15 minutos no caso do ônibus e de 10 a 25 minutos para as pedelecs).
Além das características fixadas para cada um dos sistemas, foram feitas combinações de três aspectos:
Ciclovias e/ou ciclofaixas entre as Áreas: caracterizadas em dois níveis, presença ou ausência total;
Ponto de ônibus USP: caracterizado em dois níveis, cheio ou vazio;
Condições meteorológicas: caracterizadas em quatro níveis, sendo sol e calor (cerca de 34 °C), sol e temperatura moderada (por volta de 26 °C), sol e frio (aproximadamente 18 °C) e nublado com possibilidade de chuva.
A partir das combinações desses aspectos foi possível gerar 16 cenários (fatorial completo), os quais foram apresentados aos(às) respondentes através da Figura 1, com base na técnica de preferência declarada com escolha preferida. Para cada um dos casos, os(as) respondentes deveriam apontar o modo de sua preferência (ônibus ou pedelec).
Figura 1: Composição dos cenários para a escolha do modo preferido.
Em relação à aplicação do questionário, foi realizada inicialmente uma aplicação teste, visando identificar possíveis equívocos contextuais, erros ortográficos e ambiguidades. Foram também registradas sugestões e feitas algumas análises preliminares para verificar se o modo
como as respostas estavam sendo obtidas permitiria o desenvolvimento desejado do trabalho. O teste foi aplicado a 74 alunos(as) de graduação da disciplina de Planejamento e Análise de Sistemas de Transportes, a qual é ofertada para o curso de Engenharia Civil da Escola de Engenharia de São Carlos (EESC), no segundo semestre do terceiro ano regular.
Após a execução de algumas sugestões e eventuais correções, o questionário pôde ser aplicado junto ao público-alvo, que foi composto por alunos(as) de graduação e pós-graduação que frequentam a Área 2 do campus. Para essa aplicação, houve a colaboração dos(as) mesmos(as) alunos(as) que haviam participado da fase de teste. No total, 400 questionários foram respondidos, sendo 369 por estudantes de graduação, 28 de pós-graduação, além de uma pós-doutoranda, uma funcionária técnica-administrativa e uma resposta em branco, que, por não se enquadrarem no perfil do público alvo, foram descartados. Para a análise da demanda potencial por bicicletas pedelecs compartilhadas, foram considerados apenas os(as) respondentes que se deslocam com o transporte atualmente operado pela USP e sabem andar de bicicleta (252 pessoas).
Após a obtenção das preferências dos(as) participantes, através das respostas da Figura 1, foi treinada uma Rede Neural Artificial (RNA) através do software EasyNN, que emprega redes MLP (multilayer perceptron) com até três camadas ocultas e um algoritmo de treinamento do tipo backpropagation. As variáveis foram inseridas de acordo com a Tabela 3.
Tabela 3: Valores dos níveis das variáveis para inserção no software EasyNN. Valor Escolha Ciclovia Ponto Calor Moderado Frio Possib.Chuva
0 Ônibus Ausência Vazio
1 Pedelec Presença Cheio X X X X
Desse modo, na camada de entrada foram utilizados seis neurônios para caracterizar as variáveis da Tabela 3: ciclovia, ponto, calor, moderado, frio e possibilidade de chuva. Foi utilizada apenas uma camada intermediária, a qual foi composta por seis neurônios. Em relação às etapas de construção da RNA, foram utilizados 50% dos dados para treinamento, 25% para validação e os demais 25% para teste da RNA. Para todas as etapas, os dados foram selecionados de maneira aleatória e foram realizados 83560 ciclos de treinamento/validação. Em seguida, foram calculadas as preferências entre o ônibus da USP e as bicicletas pedelecs, conforme cada cenário.
Com as preferências sem calibração (ou seja, aquelas extraídas diretamente dos dados brutos) e as obtidas pela RNA, foi elaborada uma planilha eletrônica (Figura 2) que fornece a probabilidade dos usuários escolherem a bicicleta pedelec compartilhada, ao invés do ônibus, para um determinado período.
Na planilha são combinadas as probabilidades de ocorrência de cada condição meteorológica para o período desejado e as preferências de escolha da bicicleta pedelec, as quais levam em consideração a situação de ciclovias/ciclofaixas, da ocupação do ponto de ônibus da USP e das condições meteorológicas. Desse modo, as probabilidades para cada condição meteorológica se somam, fornecendo um único valor representativo para o período. Embora a condição “chuvoso” não tenha sido incluída no questionário, ela foi considerada nesta etapa e a preferência pela pedelec (em relação ao ônibus da USP) foi convencionada como nula.
Figura 2: Exemplo de tela de saída da planilha eletrônica elaborada para estimação da
probabilidade de escolha da bicicleta pedelec.
É interessante notar que a probabilidade para o período avaliado pode ser totalmente diferente da realidade de um dia específico, dependendo das condições meteorológicas do dia, o que é uma característica intrínseca da utilização da bicicleta, mas é possível estimar a demanda potencial para um período completo, seja ano ou mês.
5. RESULTADOS
O estudo de caso realizado, que foi desenvolvido com base no conjunto de procedimentos apresentado no item 3, gerou resultados relacionados às etapas de coleta de dados e de análise do potencial de uso da bicicleta.
Na Figura 3 são apresentadas as preferências obtidas pela RNA, a qual acertou mais de 80% das respostas para uma parcela de dados não conhecidos previamente pela rede. É possível notar que ponto do ônibus cheio e presença total de ciclovias/ciclofaixas favorecem consideravelmente a escolha da bicicleta pedelec.
Considerando as situações que envolvem frio, com ciclovias/ciclofaixas e ponto de ônibus cheio, 90% dos(as) respondentes escolheram a bicicleta pedelec. No entanto, quando a condição do ponto se tornou vazio e se manteve a presença de ciclovias/ciclofaixas, o valor foi reduzido para 48%. Sem ciclovias/ciclofaixas e com ponto cheio o valor reduziu pouco, para 42%, mas com a combinação sem ciclovias/ciclofaixas e com ponto vazio o valor diminuiu de forma significativa, para 25%.
As condições meteorológicas mais favoráveis à escolha da bicicleta pedelec são o frio e a temperatura moderada que, na situação mais desfavorável possível (sem ciclovias/ciclofaixas e ponto de ônibus vazio), possuem preferência de 25% e 15% dos(as) respondentes, respectivamente. Na situação mais favorável possível (com ciclovias/ciclofaixas e ponto de ônibus cheio), esses valores ascendem para 90% e 87%, respectivamente. Por outro lado, a condição de tempo nublado e com possibilidade de chuva apresentou, de forma geral, os
menores valores de escolha da bicicleta pedelec, seguido da condição de calor.
Figura 3: Preferências por bicicletas pedelecs compartilhadas, quando comparadas ao ônibus
operado pela USP, para os 16 cenários da preferência declarada.
Quanto à etapa de análise do potencial de uso da bicicleta, uma simulação foi elaborada a fim de demonstrar a aplicabilidade do método. Para tanto, foram consideradas cinco situações (Tabela 4), as quais levaram em consideração um período letivo de 200 dias. A situação 1 é a mais otimista, enquanto a 5 é a mais pessimista, visto que no frio e temperatura moderada há maior preferência pela bicicleta pedelec em relação ao ônibus da USP (Figura 4).
Tabela 4: Conjunto de condições consideradas nas simulações realizadas.
Condição meteorológica Situação (dias)
1 2 3 4 5
Sol e calor (≈ 34 °C) 15 20 25 30 35
Sol e frio (≈ 18 °C) 40 35 30 25 20
Nublado e possibilidade de chuva 15 20 25 30 35 Sol e temperatura moderada (≈ 26 °C) 120 110 100 90 80
Chuvoso 10 15 20 25 30
Período letivo 200 200 200 200 200
Na Figura 4 é possível notar o decréscimo na probabilidade de escolha da bicicleta pedelec conforme as situações são alteradas de 1 a 5. Entretanto, o mais notável é o impacto que a presença de ciclovias/ciclofaixas causa na probabilidade de escolha, resultando em um valor que chega a ser quase o triplo (para alguns casos) em relação à situação de ausência do elemento da infraestrutura cicloviária. Quando se compara os níveis de ocupação do ponto de
ônibus, é possível verificar que os valores se reduziram aproximadamente pela metade quando o ponto de ônibus da USP se apresentou como vazio (em relação aos mesmos valores para o ponto cheio).
Figura 4: Probabilidade de escolha das bicicletas pedelecs compartilhadas para as cinco
situações da Tabela 4.
6. CONCLUSÕES
O conjunto de procedimentos aqui proposto para estimativa da demanda potencial pelo transporte cicloviário em um contexto que envolve um público que realiza viagens regulares, cuja distância é compatível para viagens por bicicleta, envolve essencialmente duas etapas. A primeira etapa, de coleta de dados, faz uso de um questionário aplicado ao público potencial. A segunda etapa do conjunto de procedimentos envolve a análise das probabilidades de uso do sistema proposto (no caso estudado, bicicletas do tipo pedelec compartilhadas) diante de variações em determinadas condições que foram caracterizadas anteriormente.
O estudo de caso foi realizado no campus da USP de São Carlos e teve como público alvo os(as) estudantes de graduação e pós-graduação que se deslocam entre as Áreas 1 e 2. O estudo focou na demanda potencial por um sistema de bicicletas pedelecs compartilhadas entre as Áreas, o qual seria complementar ao ônibus atualmente operado. No total, foram respondidos 400 questionários, sendo que o grupo em que se encontra a demanda potencial é aquele que utiliza o sistema de transporte por ônibus atualmente operado pela USP (252 questionários).
Quanto à coleta de dados, os resultados do questionário forneceram bom embasamento para a condução da política de transportes que o operador do sistema (neste estudo, a Prefeitura do campus da USP de São Carlos), irá adotar para os anos futuros. O campus, por se tratar de um polo gerador de viagens, influencia diretamente na mobilidade urbana da cidade. Além disso, também é responsável, em grande parte, pela saúde dos seus usuários, incluindo alunos de graduação e pós-graduação.
se mostrou viável, sendo possível avaliar, quantitativamente, a influência da combinação das variáveis na probabilidade de uso da pedelec. É interessante notar como a probabilidade é extremamente sensível à existência de ciclovias/ciclofaixas e da ocupação do ponto de ônibus da USP. A sensibilidade em relação às condições meteorológicas também é bastante evidente. Desta forma, diversas simulações podem ser realizadas como, por exemplo, verificar o aumento da probabilidade de escolha da bicicleta pedelec supondo a ocorrência de mais dias de temperatura moderada do que de calor durante o período letivo e estimar qual seria o incremento na probabilidade decorrente da implantação de ciclovias/ciclofaixas em toda a extensão entre as Áreas do campus. Ainda outra possibilidade é a de verificar as variações diárias decorrentes da ocupação do ponto de ônibus da USP. Análises mais detalhadas podem ser consultadas em Cadurin (2016).
Finalmente, vale ressaltar que tanto o questionário aplicado quanto o método proposto foram elaborados para uma situação específica, que é o deslocamento entre Áreas do campus da USP de São Carlos, com foco nos(as) estudantes de graduação e pós-graduação que usam o ônibus operado pela USP. Entretanto, a estrutura fundamental do método pode ser aplicada em outras condições, desde que as preferências entre modos de transporte sejam obtidas conforme o público e objetivo que se almeja.
Agradecimentos
Os autores agradecem ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) e à Universidade de São Paulo, pelo apoio para a realização da pesquisa.
REFERÊNCIAS BIBLIOGRÁFICAS
Abdelgawad, H.; M. S. Mahmoud e S. N. Kinawy (2016) Understanding cycling behavior and barriers to cycling in Egypt. 95th Annual Meeting, Transportation Research Board, Washington, DC, EUA.
Ahmed, F.; G. Rose e C. Jacob (2010) Impact of weather on commuter cyclist behaviour and implications for climate change adaptation. 33rd Australasian Transport Research Forum (ATRF), Canberra, Austrália. Ahmed, F.; G. Rose; M. Figliozzi e C. Jakob (2012) Commuter cyclist’s sensitivity to changes in weather:
Insight from two cities with different climatic conditions. 92nd Annual Meeting, Transportation Research Board, Washington, D.C.
Cadurin, L. D. P. (2016) Demanda potencial para um sistema de compartilhamento de bicicletas pedelecs: O caso de um campus universitário. Dissertação (Mestrado em Engenharia de Transportes), Universidade de São Paulo, São Carlos, Brasil.
Cherry, C.; S. Worley e D. Jordan (2011) Electric bike sharing: System requirements and operational concepts. 90th Annual Meeting, Transportation Research Board, Washington, D.C.
Dill, J. e T. Carr (2003) Bicycle commuting and facilities in major U.S. cities: If you build them, commuters will use them. Journal of the Transportation Research Board, v. 1828, p. 116-123.
Faghih-Imani, A.; N. Eluru; A. M. El-Geneidy; M. Rabbat e U. Haq (2014) How land-use and urban form impact bicycle flows: Evidence from the bicycle-sharing system (BIXI) in Montreal. Journal of Transport Geography, v. 41, p. 306-314.
Flynn, B. S.; G. S. Dana; J. Sears e L. Aultman-Hall (2012) Weather factor impacts on commuting to work by bicycle. Preventive Medicine, v. 54, p. 122-124.
Franco, L. P. C.; V. B. G. Campos e F. B. Monteiro (2014) A characterisation of commuter bicycle trips. Procedia - Social and Behavioral Sciences, v. 111, p. 1165-1174.
Godefroy, F. e C. Morency (2012) Estimating latent cycling trips in Montreal, Canada. Journal of the Transportation Research Board, v. 2314, p. 120-128.
Griswold, J. B.; A. Medury e R. J. Schneider (2011) Pilot models for estimating bicycle intersection volumes. Journal of the Transportation Research Board, v. 2247, p. 1-7.
Habib, K. N.; J. Mann; M. Mahmoud e A. Weiss (2014) Synopsis of bicycle demand in the city of Toronto: Investigating the effects of perception, consciousness and comfortability on the purpose of biking and bike ownership. Transportation Research Part A, v. 70, p. 67-80.
Hankey, S.; G. Lindsey; X. Wang; J. Borah; K. Hoff; B. Utecht e Z. Xu (2012) Estimating use of non-motorized infrastructure: Models of bicycle and pedestrian traffic in Minneapolis, MN. Landscape and Urban
Planning, v. 107, p. 307-316.
Hunt, J. D. e J. E. Abraham (2007) Influences on bicycle use. Transportation, v. 34, p. 453-470.
Ji, S.; C. R. Cherry; L. D. Han e D. A. Jordan (2014) Electric bike sharing: Simulation of user demand and system availability. Journal of Cleaner Production, v. 85, p. 250-257.
Kirner, J. (2006) Proposta de um método para a definição de rotas cicláveis em áreas urbanas. Dissertação (Mestrado em Engenharia Urbana), Universidade Federal de São Carlos, São Carlos, Brasil.
Langford, B. C.; C. Cherry; T. Yoon; S. Worley e D. Smith (2013) North America’s first e-bikeshare: A year of experience. Journal of the Transportation Research Board, v. 2387, p. 120-128.
Langford, B. C.; J. Chen e C. R. Cherry (2015) Risky riding: Naturalistic methods comparing safety behavior from conventional bicycle riders and electric bike riders. Accident Analysis & Prevention, v. 82, p. 220-226.
Magalhães, J. R. L. e D. A. G. Palhares (2013) Utilização do método de preferência declarada para caracterização da demanda pelo transporte cicloviário em Montes Claros/MG. XXVII Congresso de Pesquisa e Ensino em Transportes, ANPET, Belém, Pará.
Magalhães, J. R. L.; V. B. G. Campos e R. A. M. Bandeira (2015) Revisão sobre modelos de previsão de demanda pelo modo cicloviário. XXIX Congresso de Pesquisa e Ensino em Transportes, ANPET, Ouro Preto, Minas Gerais.
Maldonado-Hinarejos, R.; A. Sivakumar e J. W. Polak (2014) Exploring the role of individual attitudes and perceptions in predicting the demand for cycling: A hybrid choice modelling approach. Transportation, v. 41, p. 1287-1304.
Meddin, R. (2016) The bike-sharing world map. Disponível em: <www.bikesharingmap.com>. Acesso em: 13 junho 2016.
Miranda-Moreno, L. F. e T. Nosal (2011) Weather or not to cycle: Temporal trends and impact of weather on cycling in an urban environment. Journal of the Transportation Research Board, v. 2247, p. 42-52. Nankervis, M. (1999) The effect of weather and climate on bicycle commuting. Transportation Research Part A,
v. 33, p. 417-431.
Noland, R. B.; M. J. Smart e Z. Guo (2016) Bikeshare trip generation in New York city. 95th Annual Meeting, Transportation Research Board, Washington, DC, EUA.
Ortúzar, J. D.; A. Iacobelli e C. Valeze (2000) Estimating demand for a cycle-way network. Transportation Research Part A, v. 34, p. 353-373.
Ortúzar, J. D. e L. G. Willumsen (2011) Modelling transport (4ª ed.). John Wiley & Sons, Chichester, Reino Unido.
Phung, J. e G. Rose (2007) Temporal variations in usage of Melbourne’s bike paths. 30th Australasian Transport Research Forum (ATRF), Melbourne, Austrália.
Rodrigues da Silva, A. N.; A. S. N. Ribeiro; V. B. G. Campos; G. H. A. R. Correia; T. C. M. Guerreiro; I. Cruz; I. Frade e E. A. Pinheiro (2012) Modelos e taxas de geração de viagens para outras modalidades: Viagens por bicicletas. In: Portugal, L. S. Polos geradores de viagens orientados à qualidade de vida e ambiental: Modelos e taxas de geração de viagens. Editora Interciência, Rio de Janeiro, Brasil.
Ryley, T. (2006) Estimating cycling demand for the journey to work or study in West Edinburgh, Scotland. Journal of the Transportation Research Board, v. 1982, p. 187-193.
Sabir, M.; J. Van Ommeren; M. J. Koetse e P. Rietveld (2010) Impact of weather on daily travel demand. Tinbergen Institute discussion paper. VU University, Amsterdam
Sears, J.; B. S. Flynn; L. Aultman-Hall e G. S. Dana (2012) To bike or not to bike: Seasonal factors for bicycle commuting. Journal of the Transportation Research Board, v. 2314, p. 105-111.
Sousa, P. B. e E. Kawamoto (2015) Análise de fatores que influem no uso da bicicleta para fins de planejamento cicloviário. Transportes, v. 23, n. 4, p. 79-88.
Thomas, T.; R. Jaarsma e B. Tutert (2009) Temporal variations of bicycle demand in the Netherlands: The influence of weather on cycling. 88th Annual Meeting, Transportation Research Board, Washington, D.C. Thomas, T.; R. Jaarsma e B. Tutert (2013) Exploring temporal fluctuations of daily cycling demand on Dutch
cycle paths: The influence of weather on cycling. Transportation, v. 40, p. 1-22.
Tin Tin, S.; A. Woodward; E. Robinson e S. Ameratunga (2012) Temporal, seasonal and weather effects on cycle volume: An ecological study. Environmental Health, v. 11.
Leonardo Dal Picolo Cadurin (leonardodpc88@gmail.com) Antônio Nélson Rodrigues da Silva (anelson@sc.usp.br) Janice Kirner Providelo (jkirner@gmail.com)
Departamento de Engenharia de Transportes, Escola de Engenharia de São Carlos, Universidade de São Paulo Av. Trabalhador São-carlense, 400 - São Carlos, SP, Brasil
