Integração de métodos tradicionais e de dispositivos móveis na construção de matrizes OD: redução de custos e tempo em estudos de transportes

Abstract

A construção de Matrizes Origem-Destino (OD) é uma etapa fundamental na modelagem de transportes e planejamento urbano. Porém, tradicionalmente, a obtenção de dados para sua elaboração constitui um processo oneroso e demorado. Este estudo aborda a problemática dos métodos convencionais de coleta de dados, incluindo pesquisas domiciliares, contagens volumétricas classificatórias e levantamentos em linhas de contorno, destacando os altos custos envolvidos e os longos períodos necessários para a conclusão dessas pesquisas. Contudo, a crescente disponibilidade de dados móveis, resultado de uma expansão da capacidade de atuação de empresas operadoras de telecomunicações, gerou uma infraestrutura global capaz de produzir e armazenar uma quantidade significativa de informações como identificação do usuário, localização, tipo de dispositivo, entre outros. Este trabalho explora como a infraestrutura de informação fornecida por essas tecnologias possibilita a geração de dados necessários para construir Matrizes OD de maneira mais rápida e econômica. Após uma extensa procura, sem êxito, por artigos e trabalhos que pudessem trazer análises comparativas e métodos para substituição e/ou complementação de matrizes, o presente estudo se propôs a realizar essa análise abrangente entre os métodos tradicionais e o uso de dados móveis na construção de Matrizes OD, detalhando todas as etapas necessárias em cada abordagem. Constatou-se uma diferença de 9 vezes mais rápido o tempo de execução para o método de dispositivos de dados móveis além de um custo chegando a quase 23 vezes mais caro no método tradicional. Por fim, a dissertação avalia a compatibilidade entre os métodos, considerando as consistências obtidas e discutindo se a utilização de dados móveis pode validar a otimização de futuros trabalhos no campo da simulação de tráfego. Além disso, este trabalho também introduz um novo método de classificação de matrizes específico para o uso de dados móveis, oferecendo uma possibilidade de otimizar trabalhos relacionados a estudos de tráfego. Além de trabalhar com um tamanho de amostra muito maior, esse método também reduz significativamente o tempo despendido para a realização de trabalhos no setor. Em resumo, este estudo contribui para uma compreensão mais aprofundada das vantagens e desafios associados aos métodos de construção de Matrizes OD em transporte e destaca o potencial disruptivo das tecnologias emergentes no setor.

Abstract: The construction of Origin-Destination (OD) matrices is a fundamental step in transportation modeling and urban planning. However, traditionally, obtaining data for their preparation has been a costly and time-consuming process. This study addresses the challenges associated with conventional data collection methods, including household surveys, classification volume counts, and contour line surveys, highlighting the high costs involved and the lengthy periods required to complete these surveys. However, the growing availability of mobile data, as a result of the expanded capabilities of telecommunications operators, has created a global infrastructure capable of producing and storing a significant amount of information such as user identification, location, device type, and more. This work explores how the information infrastructure provided by these technologies enables the generation of the data needed to construct OD matrices in a faster and more cost-effective manner. After an extensive but unsuccessful search for articles and papers that could provide comparative analyses and methods for replacing and/or complementing matrices, this study set out to conduct a comprehensive analysis between traditional methods and the use of mobile data in constructing OD matrices, detailing all the necessary steps in each approach. The execution time was 9 times faster for the mobile data device method in addition to a cost reaching almost 23 times more expensive in the traditional method. Finally, the dissertation assesses the compatibility between the methods, considering the consistencies obtained and discussing whether the use of mobile data can validate the optimization of future work in the field of traffic simulation. Additionally, this work also introduces a new classification method specific to the use of mobile data, offering a possibility to optimize traffic-related studies. In addition to working with a much larger sample size, this method also significantly reduces the time spent on tasks in the sector. In summary, this study contributes to a deeper understanding of the advantages and challenges associated with OD matrix construction methods in transportation and highlights the disruptive potential of emerging technologies in the sector.