Referências

Bibliografia

Links e Fichamentos

Bibliografia

🏁 Leituras Concluídas 🏁

Predição de fluxos de ciclistas usuários de sistemas de compartilhamento de bicicletas.
Éderson Cássio Lacerda Ferreira, 2019.

Viagens de bicicleta no município de São Paulo. (Dados da OD 2007)
CET, 2009.

A bicicleta nas viagens cotidianas no município de São Paulo.
Maria Malatesta, 2014.

Abstracting mobility flows from bike-sharing systems.
Fabio Kon, et al., 2021.

Bike-sharing systems’ impact on modal shift: A case study in Delft, the Netherlands.
Xinwei Ma, et al., 2020.

Conversão de viagens de carro e transporte público para bicicletas: São Paulo poderia facilmente ter o triplo de viagens de bicicleta
Eduardo Santana et al., 2021.

Short-term planning and policy interventions to promote cycling in urban centers: Findings from a commute mode choice analysis in Barcelona, Spain
Lindsay M. Braun, et al., 2016.

Understanding the use of private and shared bicycles in large emerging cities: The case of Sao Paulo, Brazil.
Débora J. Benedin, et al., 2020.

Where do cyclists ride? A route choice model developed with revealed preference GPS data
Joseph Broach, et al., 2012.

Estimation of the determinants od bycicle mode share for the journey to work using census data.
John Parkin, et al., 2008.

Cycling mode choice amongst US commuters: the role of climate and topography.
Justin Tyndall, 2020.

🚲 Em Andamento 🚲

🚧 Não Iniciadas 🚧

The potential modal shift and health benefits of implementing a public bicycle share program in Montreal, Canada.
Daniel Fuller, et al., 2013.

Potential of converting short car trips to active trips: The role of the built environment in tour-based travel
Jeongwoo Lee, et al., 2017.

Public Bikesharing and Modal Shift Behavior: A Comparative Study of Early Bikesharing Systems in North America.
Susan A. Shaheen, et al., 2013.

Impacts on air pollution and health by changing commuting from car to bicycle.
Christer Johansson, et al., 2017.

Bike share’s impact on car use: Evidence from the United States, Great Britain, and Australia.
Elliot Fishman, et al., 2014.

Analysis on bike-share ridership for origin-destination pairs: Effects of public transit route characteristics and land-use patterns.
Minjun Kim, Gi-Hyoug Cho, 2021.

Are multimodals more likely to change their travel behaviour? A cross-sectional analysis to explore the theoretical link between multimodality and the intention to change mode choice.
Eva Heinen, 2018.

“Green, but not as green as that”: An analysis of a Brazilian bike-sharing system.
Priscila Sardi Cerutti, et al., 2019.

Plano de mobilidade por bicicleta nas cidades.
Ministério das Cidades, 2017.

Resumo: TCC do Éderson (orientado pelo Fabio Kon) analisando os dados de sistemas de compartilhamento de bicicletas de Boston e Philadelphia para construir um modelo preditivo (de Machine Learning) que recebe um fluxo (origem, destino, horário, e variáveis relacionadas) e retorna uma estimativa da quantidade de viagens de bicliceta nesse fluxo.

Ideias e Dados Interessantes: Explica os conceitos fundamentais de ML de forma bem sucinta e clara. As ideias são bem legais para construir modelos de ML, mas talvez não sejam tão relevantes para uma análise de dados menos preditiva.

Abstrair os dados (não usar latitude e longitude, mas sim dados socioeconômicos para caracterizar a àrea);
Colocar um atributo aleatório para descobrir quais atributos são irrelevantes;
Normalizar os atributos (0 a 1) para evitar vícios de escala;
Usar malha hexagonal ao invés de retangular para evitar distorções nas fronteiras (cantos);
Data Snooping - conhecer os dados e averiguar se os padrões inferidos têm sigficância estatística;
Ele faz um refinamento muito bom dos atributos de tempo e dos dados cencitários, de pontos de interesse e relevo, para adequar à malha quadriculada do modelo.

Resumo: Tese que analisa o uso da bicileta em São Paulo. Usa os dados da OD 2007 e tenta explicar o porquê de tais resultados, fazendo uma análise mais sociológica.

Ideias e Dados Interessantes:

São Paulo não é amigável para bicicletas (tráfego intenso, relevo acidentado, clima instável, pouca cultura no uso da bicicleta);
As viagens do transporte público (ônibus, bonde) migraram parcialmente para os carros (não para as bicicletas);
Bicicleta agrega dois grupos: um majoritário de baixa renda, que foge da precariedade do transporte público e outro da elite que foge dos congestionamentos e se mobiliza com a causa ambientalista;
O uso de bicicleta em São Paulo e na RMSP é muito menor que a média brasileira;
A CPTM tem um papel importante com bicicletários públicos nas estações (praticamente os únicos da cidade e ainda muito insuficientes);
Desigualdade no uso dos bicicletários: quase 100% na zona leste mas só 8% em pinheiros;
Uso na região nordeste se justifica pela planicidade da bacia do Rio Tietê e no uso dos bairros dormitórios próximos a Guarulhos e do centro;
Uso na região sul (muito acidentada) se justifica pelo transporte motorizado precário (e.g. Av. Belmira Marinho e Terminal Grajaú);
A única causa comum nessas regiões é a precariedade do transporte coletivo.
Análise mais socioeconômica de que as pessoas usam a bicicleta por falta de alternativa (carros caros e condução precária);
Apesar de ser 0.6% das viagens, são 2.7% dos acidentes fatais;
O cicloativismo (de elite, segundo a autora) é importante para mobilizar o poder público, mas direciona investimentos em áreas pouco carentes de demanda (e.g. Marginal Pinheiros e Radial Leste);
Legislação tem surgido, mas não tem aplicabilidade e ainda trata a bicicleta como veículo de lazer;
Traz uma retrospectiva histórica bem interesante das políticas cicloviárias na cidade;
Apenas 0,7% dos 17000km de vias paulistanas contam com infraestrutura ciclística;
Parque da Integração Zilda Arns, na adultora Rio Claro, é um mal exemplo;
São necessárias mais pesquisas sobre o uso de bicicleta, a OD não é específica para isso.

Resumo: Introduzem um novo método e ferramenta open-source, bikeScience, para produzir métricas e visualizações de fluxos de sistemas de compartilhamento de bicletas (BSS - bike-sharing systems). A ferramenta possibilita autoridades e empresas e entenderem os padrões de mobilidade ciclistica. Traz o caso de estudo dos BSS de Boston.

Ideias e Dados Interessantes: .

Traz várias referências para os benefícios gerais do uso da bicicleta (para a saúde, poluição sonora, trânsito, uso do espaço);
Retrospectiva dos BSS, culminando no crescimento exponencial na última década (100 bicicletas em 2002, 600 mil em 2013, 18 milhões em 2018);
Na pandemia, bicicleta servindo para distanciamento social;
BSS é uma alternativa para o problema do first and last mile (integrando com o transporte público);
No artigo tem uma coleção bem rica de artigos sobre as dinâmicas dos BSS, embora a maioria analisa estações individuais e não fluxos;
Algumas das referências que analisam fluxos tem alguns problemas como visualização e complexidade computacional, os especialistas afirmam que existe um gap para ferramentas com esse intuio;
No bikeScience, os algoritmos para gerar as análises tem complexidade linear na quantidade de fluxos;
Breve explicação da GraphHopper API e das métricas usadas para traçar os caminhos;
Nível de granularidade do Grid (quadrados grandes: capta fluxos entre os municípios; quadrados menores: fluxos nos bairros), recomenda-se testar vários tamanhos para contornar o MAUP - Modifiable Areal Unit Problem
Viagens longas (> 4km) ocorrem nos horários de pico da manhã e tarde, viagens mais curtas no almoço
De manhã tem poucos fluxos, mas intensos (casa-trabalho); de tarde tem mais fluxos (trabalho-casa/academia/bares)
Considerações interessantes sobre os ciclistas rápidos (speeders);
Mostra como análises podem ser feitas na ferramenta, por rexemplo, relacionando os fluxos com a estrutura cicloviária
Identificam correlação entre os fluxos e pontos de interesse, citando que algoritmos de ML podem prever fluxos intensos.

Resumo: Analisa os impactos de tipos diferentes de BSS (sistemas de compartilhamento de bicicletas) na migração de modal de transporte. Estuda Delft, na Holanda, que dispõe de 3 sistemas, com e sem estações (docked e dockless) e de aluguel de bicicletas. Conclui que os 3 tipos de sistemas atraem grupos de usuários distintos com padrões de migração de modal diferentes.

Ideias e Dados Interessantes: .

Cita várias referências sobre os benefícios dos BSS e das bicicletas;
Cita várias referências sobre a história dos BSS e dos padrões de migração de modal (modal shift) para bicicletas;
As migrações dos 'modos ativos' ocorrem buscando diminuir o cansaço e tempo de viagem (a pé) e reduzir a incoveniência de carregar a bicicleta e risco de roubos (bicicleta particular);
Migração do transporte público ocorre de modo substitutivo em cidades grandes (densas) e 'integrativo' em cidades médias; Buscam reduzir tempo de espera e desconforto de lotações;
Migração dos carros para BSS ocorrem em viagens curtas e em áreas centrais;
A intensidade da migração de carro para BSS varia muito (2% a 5% na China, Canada, Washington, Londres, mas 20% em Minnesota, Brisbane, Melbourne);
Explica o contexto de Delft: 100 mil habitantes; grande cultura ciclística (30% das viagens); estrutura cicloviária consolidada; cidade polo universitário;
Os sistemas dockless atraem mais o público masculino e de renda menor;
O sistema docked atrai mais o público que usa o trem e que busca bicicletas de qualidade;

(Fazem análises bem específicas sobre os dados dessa cidade, e analisam históricos e políticas específicas empregadas por cada uma dessas empresas de BSS, eu acredito que essas conclusões sejam difíceis de generalizar para outros contextos)

Resumo: Baseado em critérios específicos, calculam o potencial de conversão de viagens de carro e transporte público para bicicletas por região em São Paulo. Usam dados da OD 2017.

Ideias e Dados Interessantes: .

Traz mapas legais com a densidade de viagens por região (ao invés dos números absolutos, como em outros relatórios);
Contador de bicicletas da CET mostra aumento constante no número de bicicletas entre 2014 e 2018 (0.35 para 0.74%);
Vila Guilherme e Jardim Helena se destacam com bicicletas em mais de 4% das viagens;
Relevo, infraestrutura e segurança são variáveis influentes no número de viagens;
Renda da região não demonstra ter tanta influência;
Consideraram viagens com menos de 6km, elevação máxima de 4% no trajeto, idade do indivíduo entre 18 e 55 anos e motivação diferente de compras e saúde;
Cerca de 261 mil viagens conversíveis de carro e 206 mil de transporte público;
Grande maioria das viagens nos horários de pico (podem ter bastante impacto no trânsito);
Viagens concentradas nas regiões próximas aos grandes rios (Tamanduateí, Pinheiros, Tietê) e bairros centrais;

(Esses critérios e resultados trazem ideias que podem ser aprimoradas para uma metodologia mais acurada)

Resumo: Pesquisa com ciclistas de Barcelona visando descobrir a influência de intervenções ciclísticas no uso da bicicleta. Analisam a presença de ciclovias (métricas objetivas e percepção do usuário), disponibilidade e integração com outros modais.

Ideias e Dados Interessantes: .

Traz referências das consequências negativas do uso do automóvel e positivas da adoção da bicicleta;
Traz planos de cidades para adotar o ciclismo, como Copenhagen e Rio de Janeiro. Além do convênio de prefeitos pelo Clima e Energia (São Paulo participa);
Pesquisa entre 2011 e 2012, com 18500 abordados, mas uma amostra final de 765 entrevistados;
Infraestrutura no final da viagem (no trabalho) parece ser um facilitador mais forte;
Deve-se analisar não só a extensão das ciclovias, mas também a conectividade;
Deve-se analisar não só a quilometragem da estrutura, mas também a percepção do usuário;
Em Oregon, os usuários tinham a percepção que as ciclovias estavam na maioria das ruas, embora as medidas não mostravam isso;
Investir em incentivos financeiros pode ser mais acertivo que investir em estrutura;
Usou-se a ferramenta ArcGIS Network Analyst para gerar as rotas; Priorizaram as rotas com ciclovia dando um desconto de 50% na distância nos trechos com essa estrutura;
Os resultados estão bem explicitos numa tabela, fácil de consultar;
Foi feita uma regressão logística condicional; Identificaram que a utilidade é Gumbel-distributed;
Integração com transporte público tem forte relação com as viagens de comutação por bicicleta.
A percepção do usuário tem relação muito mais forte que a extensão da estrutura real. (0.6 x 0.008)

Resumo: Pesquisa com 605 ciclistas paulistanos. Buscou estabeler relação entre a recente expansão da estrutura cicloviária na cidade e o perfil dos usuários de bicicleta.
Amostra e resultados bem detalhados. Para cada conclusão, indicam referências de papers que chegaram em resultados semelhantes em outras cidades.

Ideias e Dados Interessantes: .

Lei de mobilidade urbana exige que as cidades atualizem periodicamente seus planos de mobilidade, priorizando modos não motorizados;
São Paulo teve um perído bem definido de expansão cicloviária (2013-2016) que proporciona a oportunidade para investigação na mudança de perfil dos usuários;
Após a criação de estrutura, o tempo para a mudança de perfil dos usuários é de pelo menos um ano;
Traz várias referências sobre os diferentes perfis de ciclistas e o que a literatura diz sobre suas motivações;
Pesquisa foi feita por email em listas de ONGs de ciclismo, de maio a junlho de 2017, com 509 respostas;
A baixa representatividade de usuários de compartilhamento (30 pessoas) levou a uma segunda coleta, presencial, nas estações, com mais 96 entrevistados;
A pesquisa pela internet pode ter enviesado o perfil socioeconômico dos entrevistados; Super-representação de alta renda e escolaridade;
Amostra divididas em 3 grupos:
- Grupo I com ciclistas experientes (usam a mais de 5 anos)
- Grupo II com ciclistas que usam bicicleta há mais de 2 anos (e menos que 5)
- Grupo III com ciclistas que usam há menos de 2 anos (após a expansão cicloviária)
Análise bem legal dos perfis dos 3 grupos (seção 4.1);
Grupo III tem mais mulheres (28% contra 20% nos outros);
Grupo I se motiva mais pelo tempo de viagem (55% contra 45% nos outros);
Presença de ciclovias motiva 47% no grupo I, 53% no grupo II e 63% no grupo III;
Saúde influencia ~60% e o custo ~40% em todos os grupos;
Influência de amigos motivou 35% da amostra; campanhas educacionais influenciou 10%;
Grupo III faz viagens mais curtas e usam mais bicicletas compartilhadas;
A idade não parece influenciar na adoção da bicicleta para comutação;
Indivíduos de renda média têm maior tendência a usar bicicleta;
Indivíduos sem carro disponível são mais propensos a usar bicicleta (a bicicleta faz diminuir o uso do carro ou a falta do carro faz aumentar o uso da bicicleta?);
Faz uma análise do perfil dos indivíduos de BSS

Resumo:

Estudo de preferência revelada (ao invés de preferência constatada - pesquisa de opinião) para criar um modelo de geração de rotas para ciclistas. Desenvolveu-se um modelo capturando as rotas cotidianas de 164 ciclistas (com GPS) de Portland por 8 meses, identificando quais variáveis se relacionam com as rotas.

Ideias e Dados Interessantes: .

Os modelos baseados em pesquisas de opinião trazem informações menos realistas (depoimentos podem apresentar viés e imprecisões), e um conjunto limitado de variáveis
Rotas coletadas em 2007
Criou-se um grafo de 66 mil nós e 88 mil arcoss para modelar as ruas da cidade.
Para cada viagem registradas, geraram 20 rotas entre os pontos de início e fim, o objetivo é identificar quais rotas condizem mais com a rota realizada.
As rotas foram geradas usando o (sofisticado) modelo Path-Size Logit (PSL), mas outros modelos são possíveis.
A distãncia tem um comportamento relativo (não absoluto) - um aumento de 1 km em uma viagem de 5km têm o mesmo efeito que o aumento de 0.2 km em uma viagem de 1km
A distância (ou equivalentemente o tempo de viagem) é a variável mais significativa aos ciclistas
O efeito de aumentar uma curva por milha equivale a aumentar 4% da distância
Várias medidas para a inclinação foram testadas, a mais consistente foi a proporção da rota nas faixas de inclinação < 2%, 2-4%, 4-6% e > 6%
Um ciclista prefere percorrer 1.73 milhas planas do que 1 milha com inclinação entre 2% e 4%
A presença de ciclovia tem o efeito de diminuir a distância em 26%
Em vias sem ciclovias, a presença de tráfego intenso é sensível para ciclistas
Viagens com propósito de comutação preferem distâncias curtas à alterar muito a rota
A inclinação é muito influente na escolha da rota - é preferível aumentar 76% da distância da rota do que aumentar a inclinação de 1% da rota

Resumo:

Uma regressão logística com dados do censo do Reino Unido em que a variável dependente é a proporção de viagens de bicicleta e as variáveis independentes são socioeconômicas, físicas e condições das vias. Foi o primeiro modelo que usou dados agregados (genéricos do censo) ao invés de dados desagragados (pesquisas de opinião) (Stated Preference).

Ideias e Dados Interessantes: .

Dados obtidos do censo do Reino Unido de 2001 da National Travel Survey
Estudo dividiu a Inglaterra e País de Gales em 8800 zonas eleitorais
Variáveis independentes (usadas na regressão para "explicar" a proporção do uso da bicicleta):.

Proporção de homens (+)
Proporção de não-brancos (-)
Carros por pessoa (-)
Renda baixa (-)
Distância (-)
Intensidade do tráfego (-)
Densidade populacional (+)
Defeitos nas vias (-)
Inclinação (-)
Precipitação

É difícil identificar se essas relações são causais ou não

Resumo:

Usando dados censitários norte-americanos, estimou-se o papel de algumas variáveis para a escolha da bicicleta como veículo. Fatores ambientais como inclinação e temperatura se mostraram irrelevantes para a escolha da bicicleta. Fatores culturais se mostraram muito influentes.

Ideias e Dados Interessantes:

Cidades menos ou mais montanhosas podem ter a mesma proporção de ciclistas
Para considerar a influência da inclinação, fez um primeiro modelo medindo a inclinação por cidade, e depois medindo a inclinação em cada rota
Para medir a inclinação de cada cidade, dividiu-se em um grid 10x10 com células de 1km x 1km a partir do centro da cidade. A medida foi o desvio padrão das altitudes do centro de cada uma das 100 células.
As rotas foram geradas pela API Here.
Para medir a inclinação em cada rota, usou a soma das diferenças de altitudes entre pontos consecutivos em 10 pontos igualmente espaçados na rota.
A temperatura média em cada cidade, ou a diferença entre maior e menor temperatura da cidade ao longo do ano (amplitude térmica ?) explica apenas 3% das viagens (relação fraca com o uso da bicicleta).
Cidades mais montanhosas apareceram (surpreendentemente) com maior uso da bicicleta. Essa relação não parece ser causal, e sim que as cidades mais montanhosas estão mais a oeste, onde fatores culturais devem influenciar mais.
A nível individual, rotas mais inclinadas diminuem a chance da bicicleta ser usada. Porém, essa variável parece estar associada a rotas com maior distância. Controlando a distância das rotas, a medida de inclinação foi menos relevante.
Fatores sociodemográficos e culturais possuem relação bem mais forte com o uso da bicicleta (por exemplo, proporção do eleitorado do partido replucano, nível educacional, renda etc).