Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística

Informações desagregadas de demanda por transportes são recursos essenciais ao correto planejamento urbano, especialmente no que se refere ao transporte público. Contudo, o acesso a estes dados é limitado, devido ao alto custo para coleta de pesquisas domiciliares e à confidencialidade de informaçõe...

Full description

Bibliographic Details
Main Author: Lindner, Anabele
Other Authors: Pitombo, Cira Souza
Format: Others
Language:pt
Published: Biblioteca Digitais de Teses e Dissertações da USP 2019
Subjects:
Online Access:http://www.teses.usp.br/teses/disponiveis/18/18144/tde-05042019-133552/
id ndltd-usp.br-oai-teses.usp.br-tde-05042019-133552
record_format oai_dc
spelling ndltd-usp.br-oai-teses.usp.br-tde-05042019-1335522019-05-09T18:04:00Z Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística Heuristic methods to disaggregate travel demand data using geostatistical simulation Lindner, Anabele Análise espacial Deconvolução de semivariogramas Demanda por transportes Escolha modal Geoestatística Geostatistics Semivariogram deconvolution Sequential Gaussian simulation Simulação sequencial Gaussiana Spatial analysis Travel demand Travel mode choice Informações desagregadas de demanda por transportes são recursos essenciais ao correto planejamento urbano, especialmente no que se refere ao transporte público. Contudo, o acesso a estes dados é limitado, devido ao alto custo para coleta de pesquisas domiciliares e à confidencialidade de informações individuais. A presente tese de doutorado aborda esta problemática ao propor dois métodos heurísticos de desagregação de dados, através de simulação geoestatística. Propõe-se empregar, como um input aos procedimentos, informações com alta disponibilidade, como, por exemplo, os microdados, coletados pelo censo demográfico. A diferença principal entre os métodos é que o primeiro não necessita de valores de dados provenientes de Pesquisa Origem/Destino do município de São Paulo, área de estudo deste trabalho. Ambas as abordagens, que podem ser aplicadas a outros diferentes estudos de caso, compreendem um procedimento alternativo para deconvolução de semivariogramas, Simulação Sequencial Gaussiana e validação, considerando malhas regulares de diferentes suportes. Os mapas e métricas estatísticas gerados comprovam que é possível desagregar dados, associados a Áreas de Ponderação de Setores Censitários (Método Proposto 1 – MP1) e a Zonas de Tráfego (Método Proposto 2 – MP2), através dos procedimentos aplicados. Além disso, este trabalho apresenta contribuições metodológicas ao viabilizar: a geração de diversos cenários que reproduzam o comportamento espacial da variável; e o estudo da incerteza associada às simulações. Disaggregated data for travel demand are essential resources towards good urban planning, especially with regard to public transportation. However, the access to such data is limited due to high costs of collecting household data and due to individual information confidentiality. The present PhD dissertation addresses this issue by introducing two heuristic methods to disaggregate data using geostatistical simulation. It is proposed to employ, as input to the procedures, information with high availability, such as census microdata. The main difference between both methods rely on the fact that the first does not require data values of any Origin/Destination Survey of the São Paulo city, study area of this research. Both approaches, which can be applied to other different study cases, comprise an alternative procedure for semivariogram deconvolution, Sequential Gaussian Simulation and validation, using regular grids of various spatial scales. The resulting maps and statistical metrics corroborate that is possible to disaggregate data associated with a set of Census Tracts (Proposed Method 1 – MP1) and Traffic Analysis Zones (Proposed Method 2 – MP2). Besides, this dissertation presents relevant contributions as it enables: creating different scenarios to reproduce the spatial behavior of the study variable; and assessing the associated uncertainty. Biblioteca Digitais de Teses e Dissertações da USP Pitombo, Cira Souza 2019-02-19 Tese de Doutorado application/pdf http://www.teses.usp.br/teses/disponiveis/18/18144/tde-05042019-133552/ pt Liberar o conteúdo para acesso público.
collection NDLTD
language pt
format Others
sources NDLTD
topic Análise espacial
Deconvolução de semivariogramas
Demanda por transportes
Escolha modal
Geoestatística
Geostatistics
Semivariogram deconvolution
Sequential Gaussian simulation
Simulação sequencial Gaussiana
Spatial analysis
Travel demand
Travel mode choice
spellingShingle Análise espacial
Deconvolução de semivariogramas
Demanda por transportes
Escolha modal
Geoestatística
Geostatistics
Semivariogram deconvolution
Sequential Gaussian simulation
Simulação sequencial Gaussiana
Spatial analysis
Travel demand
Travel mode choice
Lindner, Anabele
Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
description Informações desagregadas de demanda por transportes são recursos essenciais ao correto planejamento urbano, especialmente no que se refere ao transporte público. Contudo, o acesso a estes dados é limitado, devido ao alto custo para coleta de pesquisas domiciliares e à confidencialidade de informações individuais. A presente tese de doutorado aborda esta problemática ao propor dois métodos heurísticos de desagregação de dados, através de simulação geoestatística. Propõe-se empregar, como um input aos procedimentos, informações com alta disponibilidade, como, por exemplo, os microdados, coletados pelo censo demográfico. A diferença principal entre os métodos é que o primeiro não necessita de valores de dados provenientes de Pesquisa Origem/Destino do município de São Paulo, área de estudo deste trabalho. Ambas as abordagens, que podem ser aplicadas a outros diferentes estudos de caso, compreendem um procedimento alternativo para deconvolução de semivariogramas, Simulação Sequencial Gaussiana e validação, considerando malhas regulares de diferentes suportes. Os mapas e métricas estatísticas gerados comprovam que é possível desagregar dados, associados a Áreas de Ponderação de Setores Censitários (Método Proposto 1 – MP1) e a Zonas de Tráfego (Método Proposto 2 – MP2), através dos procedimentos aplicados. Além disso, este trabalho apresenta contribuições metodológicas ao viabilizar: a geração de diversos cenários que reproduzam o comportamento espacial da variável; e o estudo da incerteza associada às simulações. === Disaggregated data for travel demand are essential resources towards good urban planning, especially with regard to public transportation. However, the access to such data is limited due to high costs of collecting household data and due to individual information confidentiality. The present PhD dissertation addresses this issue by introducing two heuristic methods to disaggregate data using geostatistical simulation. It is proposed to employ, as input to the procedures, information with high availability, such as census microdata. The main difference between both methods rely on the fact that the first does not require data values of any Origin/Destination Survey of the São Paulo city, study area of this research. Both approaches, which can be applied to other different study cases, comprise an alternative procedure for semivariogram deconvolution, Sequential Gaussian Simulation and validation, using regular grids of various spatial scales. The resulting maps and statistical metrics corroborate that is possible to disaggregate data associated with a set of Census Tracts (Proposed Method 1 – MP1) and Traffic Analysis Zones (Proposed Method 2 – MP2). Besides, this dissertation presents relevant contributions as it enables: creating different scenarios to reproduce the spatial behavior of the study variable; and assessing the associated uncertainty.
author2 Pitombo, Cira Souza
author_facet Pitombo, Cira Souza
Lindner, Anabele
author Lindner, Anabele
author_sort Lindner, Anabele
title Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
title_short Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
title_full Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
title_fullStr Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
title_full_unstemmed Métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
title_sort métodos heurísticos de desagregação de dados de demanda por transportes através de simulação geoestatística
publisher Biblioteca Digitais de Teses e Dissertações da USP
publishDate 2019
url http://www.teses.usp.br/teses/disponiveis/18/18144/tde-05042019-133552/
work_keys_str_mv AT lindneranabele metodosheuristicosdedesagregacaodedadosdedemandaportransportesatravesdesimulacaogeoestatistica
AT lindneranabele heuristicmethodstodisaggregatetraveldemanddatausinggeostatisticalsimulation
_version_ 1719052467718586368