1 Monitoramento Av. Plínio Brasil Milano durante a implantação de faixa exclusiva de ônibus
2 Manhã
Dados Waze e sua representação:
Os traçados representam filas de lentidão baseadas na localização e velocidade dos usuários do Waze.
O Waze gera informações de congestionamento de tráfego processando as seguintes fontes de dados:
● Pontos de localização GPS enviados pelos telefones dos usuários (usuários que dirigem enquanto usam o aplicativo) e cálculos da velocidade real vs. velocidade média (no intervalo de tempo específico) e velocidade livre de fluxo (velocidade máxima medida no segmento da via).
● Os dados de velocidade média por trecho são dados pela Velocidade média atual em segmentos congestionados em metros/segundos.
2.1 Velocidades médias no sistema Av. Plínio Brasil Milano no pico da manhã
Registros de 11/12/2020 a 02/08/2022 (Dias úteis)
O sistema é constituído pelas seguintes vias: Av. Plínio Brasil Milano, Av. Plínio Brasil Milano - Pista Lateral, R. 24 de Outubro
Os dados permitem demonstrar a existência de uma correlação positiva. de 0.0716999 entre a variação das velocidades médias associadas a Av. Plínio Brasil Milano e o sistema Av. Plínio Brasil Milano, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. Plínio Brasil Milano demonstra que apenas 0.28% da variação no sistema Av. Plínio Brasil Milano é explicado pela velocidade da Av. Plínio Brasil Milano a um P-valor de 0.14.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -10.3495 -1.7812 0.0883 2.0581 8.1844
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 13.45492 0.70164 19.176 <0.0000000000000002 ***
## speedKMH.y 0.08927 0.06038 1.478 0.14
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.149 on 423 degrees of freedom
## Multiple R-squared: 0.005141, Adjusted R-squared: 0.002789
## F-statistic: 2.186 on 1 and 423 DF, p-value: 0.14
2.2 Mapa de filas no pico da manhã
Foram identificados no período da manhã 793 alertas de filas na Av. Plínio Brasil Milano entre os dias 11/12/2020 e 02/08/2022, utilizando registros de 1050 wazers.
2.3 Desempenho
2.4 ANOVA Manhã
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = as)
##
## Residuals:
## Min 1Q Median 3Q Max
## -11.4695 -1.4610 0.1282 1.3948 10.2375
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 13.1525 0.1689 77.859
## periodoJuncAv. Plínio Brasil Milano Após -2.3641 0.2149 -11.002
## periodoJuncSistema Antes 1.6770 0.2389 7.020
## periodoJuncSistema Após 0.7711 0.2149 3.588
## Pr(>|t|)
## (Intercept) < 0.0000000000000002 ***
## periodoJuncAv. Plínio Brasil Milano Após < 0.0000000000000002 ***
## periodoJuncSistema Antes 0.00000000000351 ***
## periodoJuncSistema Após 0.000345 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.719 on 1352 degrees of freedom
## Multiple R-squared: 0.2471, Adjusted R-squared: 0.2454
## F-statistic: 147.9 on 3 and 1352 DF, p-value: < 0.00000000000000022## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 3279.1 1093.05 147.89 < 0.00000000000000022 ***
## Residuals 1352 9992.6 7.39
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.97778, p-value = 0.0000000000001299## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 19.423 0.000000000002484 ***
## 1352
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = speedKMH.x ~ periodoJunc, data = as)
##
## $periodoJunc
## diff
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -2.3640807
## Sistema Antes-Av. Plínio Brasil Milano Antes 1.6769770
## Sistema Após-Av. Plínio Brasil Milano Antes 0.7710702
## Sistema Antes-Av. Plínio Brasil Milano Após 4.0410577
## Sistema Após-Av. Plínio Brasil Milano Após 3.1351508
## Sistema Após-Sistema Antes -0.9059069
## lwr
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -2.916818
## Sistema Antes-Av. Plínio Brasil Milano Antes 1.062472
## Sistema Após-Av. Plínio Brasil Milano Antes 0.218333
## Sistema Antes-Av. Plínio Brasil Milano Após 3.488321
## Sistema Após-Av. Plínio Brasil Milano Após 2.652016
## Sistema Após-Sistema Antes -1.458644
## upr
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -1.8113435
## Sistema Antes-Av. Plínio Brasil Milano Antes 2.2914826
## Sistema Após-Av. Plínio Brasil Milano Antes 1.3238073
## Sistema Antes-Av. Plínio Brasil Milano Após 4.5937949
## Sistema Após-Av. Plínio Brasil Milano Após 3.6182860
## Sistema Após-Sistema Antes -0.3531698
## p adj
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes 0.0000000
## Sistema Antes-Av. Plínio Brasil Milano Antes 0.0000000
## Sistema Após-Av. Plínio Brasil Milano Antes 0.0019539
## Sistema Antes-Av. Plínio Brasil Milano Após 0.0000000
## Sistema Após-Av. Plínio Brasil Milano Após 0.0000000
## Sistema Após-Sistema Antes 0.00015572.4.1 Velocidades Praticadas
No cenário da MANHÃ no período anterior a 11/12/2020 a velocidade média em momentos de congestionamento na Av. Plínio Brasil Milano foi de 13.1525024, com erro padrão de 0.2142027 e no período posterior a velocidade média no trecho foi de 10.7884217, com erro padrão de 0.1109828.
o p-valor=0 do teste Shapiro atesta que as distribuições amostrais no período da MANHÃ seguem distribuições não normais, enquanto que o teste de Levene com p-valor=0 demonstra que não há igualdade de variância entre as amostras, e por fim, o teste de Tukey demonstra a existencia de diferença entre as médias das amostras:
2.5 Transporte Público
2.5.1 Linha: T13 - Triangulo/Puc
Performance do trecho entre Av. Plínio Brasil Milano, 2298 - Higienópolis, Porto Alegre - RS, 90520-001 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
2.5.2 Linha: 520 - TRIANGULO/24 DE OUTUBRO
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
2.5.3 Linha: 620 - IGUATEMI/V.JARDIM
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
2.5.4 Todas Linhas: Plínio Brasil Milano
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
2.5.5 Comparativo
3 Tarde
3.1 Velocidades médias no sistema Av. Plínio Brasil Milano no pico da tarde
Os dados permitem demonstrar a existência de uma correlação positiva de 0.0716999 entre a variação das velocidades médias associadas a Av. Plínio Brasil Milano e o sistema Av. Plínio Brasil Milano, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. Plínio Brasil Milano demonstra que apenas 2.21% da variação no sistema Av. Plínio Brasil Milano é explicado pela velocidade da Av. Plínio Brasil Milano a um P-valor de 0.003.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -11.1751 -1.6485 0.2348 2.2765 8.1478
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 11.81276 0.96363 12.259 < 0.0000000000000002 ***
## speedKMH.y 0.18927 0.06315 2.997 0.00292 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.394 on 353 degrees of freedom
## Multiple R-squared: 0.02481, Adjusted R-squared: 0.02205
## F-statistic: 8.982 on 1 and 353 DF, p-value: 0.00292
3.2 Mapa de filas no pico da TARDE
Registros de 11/12/2020 a 02/08/2022 (Dias úteis) Foram identificados no período da tarde 994 alertas de filas na Av. Plínio Brasil Milano entre os dias 11/12/2020 e 02/08/2022, utilizando registros de 1233 wazers.
3.3 Desempenho
3.4 ANOVA Tarde
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = bs)
##
## Residuals:
## Min 1Q Median 3Q Max
## -11.4289 -1.1326 0.3042 1.4624 8.3109
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 17.2142 0.1703 101.096
## periodoJuncAv. Plínio Brasil Milano Após -2.5866 0.2209 -11.710
## periodoJuncSistema Antes -2.1886 0.2408 -9.089
## periodoJuncSistema Após -3.1551 0.2209 -14.283
## Pr(>|t|)
## (Intercept) <0.0000000000000002 ***
## periodoJuncAv. Plínio Brasil Milano Após <0.0000000000000002 ***
## periodoJuncSistema Antes <0.0000000000000002 ***
## periodoJuncSistema Após <0.0000000000000002 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.849 on 1376 degrees of freedom
## Multiple R-squared: 0.1379, Adjusted R-squared: 0.136
## F-statistic: 73.38 on 3 and 1376 DF, p-value: < 0.00000000000000022## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 1787 595.68 73.376 < 0.00000000000000022 ***
## Residuals 1376 11171 8.12
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.96213, p-value < 0.00000000000000022## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 14.104 0.000000004666 ***
## 1376
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = speedKMH.x ~ periodoJunc, data = bs)
##
## $periodoJunc
## diff
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -2.5866031
## Sistema Antes-Av. Plínio Brasil Milano Antes -2.1886066
## Sistema Após-Av. Plínio Brasil Milano Antes -3.1550623
## Sistema Antes-Av. Plínio Brasil Milano Após 0.3979965
## Sistema Após-Av. Plínio Brasil Milano Após -0.5684592
## Sistema Após-Sistema Antes -0.9664557
## lwr
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -3.1547800
## Sistema Antes-Av. Plínio Brasil Milano Antes -2.8079992
## Sistema Após-Av. Plínio Brasil Milano Antes -3.7232392
## Sistema Antes-Av. Plínio Brasil Milano Após -0.1701805
## Sistema Após-Av. Plínio Brasil Milano Após -1.0803214
## Sistema Após-Sistema Antes -1.5346326
## upr
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes -2.01842609
## Sistema Antes-Av. Plínio Brasil Milano Antes -1.56921400
## Sistema Após-Av. Plínio Brasil Milano Antes -2.58688530
## Sistema Antes-Av. Plínio Brasil Milano Após 0.96617344
## Sistema Após-Av. Plínio Brasil Milano Após -0.05659697
## Sistema Após-Sistema Antes -0.39827871
## p adj
## Av. Plínio Brasil Milano Após-Av. Plínio Brasil Milano Antes 0.0000000
## Sistema Antes-Av. Plínio Brasil Milano Antes 0.0000000
## Sistema Após-Av. Plínio Brasil Milano Antes 0.0000000
## Sistema Antes-Av. Plínio Brasil Milano Após 0.2728878
## Sistema Após-Av. Plínio Brasil Milano Após 0.0225404
## Sistema Após-Sistema Antes 0.00007693.4.1 Velocidades Praticadas
No cenário da TARDE no período anterior a 11/12/2020 a velocidade média em momentos de congestionamento na Av. Plínio Brasil Milano foi de 17.2141617, com erro padrão de 0.1717982 e no período posterior a velocidade média no trecho foi de 14.6275586, com erro padrão de 0.1487893. o p-valor=0 do teste Shapiro atesta que as distribuições amostrais no período da MANHÃ seguem distribuições não normais, enquanto que o teste de Levene com p-valor=0 demonstra que não há igualdade de variância entre as amostras, e por fim, o teste de Tukey demonstra a existencia de diferença entre as médias das amostras:
3.5 Transporte Público
3.5.1 Linha: T13 - Triangulo/Puc
Performance do trecho entre Av. Plínio Brasil Milano, 2298 - Higienópolis, Porto Alegre - RS, 90520-001 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
3.5.2 Linha: 520 - TRIANGULO/24 DE OUTUBRO
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
3.5.3 Linha: 620 - IGUATEMI/V.JARDIM
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
3.5.4 Todas Linhas: Plínio Brasil Milano
Performance do trecho entre R. Cacequi, 234 - Passo d Areia, Porto Alegre - RS, 90520-520 e R. Dr. Guimarães Rosa, 16 - Boa Vista, Porto Alegre - RS, 90480-080.
3.5.5 Comparativo
4 Entre Picos
4.1 Mapa de filas no entre picos
Registros de 11/12/2020 a 02/08/2022 (Dias úteis)
Foram identificados no período de entre picos 848 alertas de filas na Av. Plínio Brasil Milano entre os dias 11/12/2020 e 02/08/2022, utilizando registros de 960 wazers.
5 FEs Monitoradas no estudo
## R version 3.6.2 (2019-12-12)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Debian GNU/Linux 10 (buster)
##
## Matrix products: default
## BLAS/LAPACK: /usr/lib/x86_64-linux-gnu/libopenblasp-r0.3.5.so
##
## locale:
## [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
## [3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
## [5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=C
## [7] LC_PAPER=en_US.UTF-8 LC_NAME=C
## [9] LC_ADDRESS=C LC_TELEPHONE=C
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] data.table_1.14.2 sf_1.0-7 hms_1.1.1 raster_3.5-15
## [5] ggpmisc_0.4.0 ggpp_0.4.1 ggplot2_3.3.6 stringr_1.4.0
## [9] chron_2.3-56 mapview_2.10.0 sp_1.5-0 tidyr_1.2.0
## [13] dplyr_1.0.9 jsonlite_1.8.0 car_3.0-11 carData_3.0-4
##
## loaded via a namespace (and not attached):
## [1] nlme_3.1-142 satellite_1.0.2 webshot_0.5.2
## [4] tools_3.6.2 bslib_0.2.5.1 utf8_1.2.2
## [7] rgdal_1.5-32 R6_2.5.1 KernSmooth_2.23-16
## [10] DBI_1.1.3 mgcv_1.8-31 colorspace_2.0-3
## [13] withr_2.5.0 tidyselect_1.1.2 leaflet_2.0.4.1
## [16] curl_4.3.2 compiler_3.6.2 leafem_0.1.6
## [19] cli_3.3.0 quantreg_5.93 SparseM_1.81
## [22] labeling_0.4.2 sass_0.4.0 scales_1.2.0
## [25] classInt_0.4-7 proxy_0.4-27 systemfonts_1.0.4
## [28] digest_0.6.29 foreign_0.8-72 svglite_2.0.0
## [31] rmarkdown_2.9 rio_0.5.27 base64enc_0.1-3
## [34] pkgconfig_2.0.3 htmltools_0.5.2 fastmap_1.1.0
## [37] highr_0.9 htmlwidgets_1.5.4 rlang_1.0.2
## [40] readxl_1.3.1 rstudioapi_0.13 jquerylib_0.1.4
## [43] generics_0.1.2 farver_2.1.0 crosstalk_1.1.1
## [46] zip_2.2.0 magrittr_2.0.3 polynom_1.4-0
## [49] Matrix_1.2-18 Rcpp_1.0.8.3 munsell_0.5.0
## [52] fansi_1.0.3 abind_1.4-5 lifecycle_1.0.1
## [55] terra_1.5-34 stringi_1.7.6 yaml_2.3.5
## [58] MASS_7.3-54 grid_3.6.2 forcats_0.5.1
## [61] crayon_1.5.1 lattice_0.20-38 haven_2.4.1
## [64] splines_3.6.2 leafpop_0.1.0 knitr_1.39
## [67] pillar_1.7.0 uuid_0.1-4 codetools_0.2-16
## [70] stats4_3.6.2 glue_1.6.2 evaluate_0.15
## [73] leaflet.providers_1.9.0 png_0.1-7 vctrs_0.4.1
## [76] MatrixModels_0.5-0 cellranger_1.1.0 gtable_0.3.0
## [79] purrr_0.3.4 assertthat_0.2.1 xfun_0.31
## [82] openxlsx_4.2.4 e1071_1.7-11 class_7.3-15
## [85] survival_3.3-1 tibble_3.1.7 units_0.8-0
## [88] brew_1.0-6 ellipsis_0.3.2