1 Monitoramento Av. da Azenha 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. da Azenha no pico da manhã
Registros de 23/10/2020 a 11/07/2022 (Dias úteis)
O sistema é constituído pelas seguintes vias: Av. da Azenha, Av. João Pessoa - Pista Dir.
Os dados permitem demonstrar a existência de uma correlação positiva. de 0.0904446 entre a variação das velocidades médias associadas a Av. da Azenha e o sistema Av. da Azenha, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. da Azenha demonstra que apenas 0.6% da variação no sistema Av. da Azenha é explicado pela velocidade da Av. da Azenha a um P-valor de 0.052.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.4603 -1.2380 -0.5073 0.7815 9.8164
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.08240 0.56809 10.707 <0.0000000000000002 ***
## speedKMH.y 0.06928 0.03549 1.952 0.0515 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.864 on 462 degrees of freedom
## Multiple R-squared: 0.00818, Adjusted R-squared: 0.006033
## F-statistic: 3.81 on 1 and 462 DF, p-value: 0.05154
2.2 Mapa de filas no pico da manhã
Foram identificados no período da manhã 804 alertas de filas na Av. da Azenha entre os dias 23/10/2020 e 11/07/2022, utilizando registros de 856 wazers.
2.3 Desempenho
2.4 ANOVA Manhã
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = as)
##
## Residuals:
## Min 1Q Median 3Q Max
## -12.8588 -0.9531 -0.1241 0.8117 10.1612
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 15.4976 0.1227 126.355 <0.0000000000000002
## periodoJuncAv. da Azenha Após 0.3112 0.1582 1.968 0.0493
## periodoJuncSistema Antes -8.6893 0.1735 -50.095 <0.0000000000000002
## periodoJuncSistema Após -8.0247 0.1582 -50.737 <0.0000000000000002
##
## (Intercept) ***
## periodoJuncAv. da Azenha Após *
## periodoJuncSistema Antes ***
## periodoJuncSistema Após ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.099 on 1466 degrees of freedom
## Multiple R-squared: 0.804, Adjusted R-squared: 0.8036
## F-statistic: 2004 on 3 and 1466 DF, p-value: < 0.00000000000000022## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 26502.1 8834.0 2004.2 < 0.00000000000000022 ***
## Residuals 1466 6461.7 4.4
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.90796, p-value < 0.00000000000000022## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 20.327 0.0000000000006591 ***
## 1466
## ---
## 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 lwr upr
## Av. da Azenha Após-Av. da Azenha Antes 0.3112286 -0.09556229 0.7180195
## Sistema Antes-Av. da Azenha Antes -8.6892796 -9.13540169 -8.2431576
## Sistema Após-Av. da Azenha Antes -8.0247331 -8.43152397 -7.6179422
## Sistema Antes-Av. da Azenha Após -9.0005082 -9.40729915 -8.5937173
## Sistema Após-Av. da Azenha Após -8.3359617 -8.69918721 -7.9727361
## Sistema Após-Sistema Antes 0.6645466 0.25775567 1.0713375
## p adj
## Av. da Azenha Após-Av. da Azenha Antes 0.2007264
## Sistema Antes-Av. da Azenha Antes 0.0000000
## Sistema Após-Av. da Azenha Antes 0.0000000
## Sistema Antes-Av. da Azenha Após 0.0000000
## Sistema Após-Av. da Azenha Após 0.0000000
## Sistema Após-Sistema Antes 0.00016472.4.1 Velocidades Praticadas
No cenário da MANHÃ no período anterior a 23/10/2020 a velocidade média em momentos de congestionamento na Av. da Azenha foi de 15.49758, com erro padrão de 0.1193121 e no período posterior a velocidade média no trecho foi de 15.8088087, com erro padrão de 0.1277205.
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 Todas Linhas: Faixa exclusiva Azenha
Performance do trecho entre Av. da Azenha, 8138 - Azenha, Porto Alegre - RS, 90160-006 e Azenha Azenha - Azenha, Porto Alegre - RS, 91330-140.
2.5.2 Comparativo
3 Tarde
3.1 Velocidades médias no sistema Av. da Azenha no pico da tarde
Os dados permitem demonstrar a existência de uma correlação positiva de 0.0904446 entre a variação das velocidades médias associadas a Av. da Azenha e o sistema Av. da Azenha, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. da Azenha demonstra que apenas 6.35% da variação no sistema Av. da Azenha é explicado pela velocidade da Av. da Azenha a um P-valor de 0.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -4.5842 -2.2661 -0.9844 1.3891 9.7515
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.72799 1.34134 1.288 0.199
## speedKMH.y 0.35896 0.08182 4.387 0.0000165 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.168 on 268 degrees of freedom
## Multiple R-squared: 0.067, Adjusted R-squared: 0.06352
## F-statistic: 19.25 on 1 and 268 DF, p-value: 0.00001654
3.2 Mapa de filas no pico da TARDE
Registros de 23/10/2020 a 11/07/2022 (Dias úteis) Foram identificados no período da tarde 710 alertas de filas na Av. da Azenha entre os dias 23/10/2020 e 11/07/2022, utilizando registros de 744 wazers.
3.3 Desempenho
3.4 ANOVA Tarde
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = bs)
##
## Residuals:
## Min 1Q Median 3Q Max
## -10.2849 -1.0108 -0.3056 0.6786 9.1607
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 16.0249 0.1443 111.016 < 0.0000000000000002
## periodoJuncAv. da Azenha Após 0.5781 0.1888 3.062 0.00225
## periodoJuncSistema Antes -9.0171 0.2041 -44.172 < 0.0000000000000002
## periodoJuncSistema Após -7.9456 0.1888 -42.084 < 0.0000000000000002
##
## (Intercept) ***
## periodoJuncAv. da Azenha Após **
## periodoJuncSistema Antes ***
## periodoJuncSistema Após ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.341 on 1262 degrees of freedom
## Multiple R-squared: 0.7788, Adjusted R-squared: 0.7782
## F-statistic: 1481 on 3 and 1262 DF, p-value: < 0.00000000000000022## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 24342.1 8114.0 1480.7 < 0.00000000000000022 ***
## Residuals 1262 6915.7 5.5
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.9329, p-value < 0.00000000000000022## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 19.782 0.000000000001561 ***
## 1262
## ---
## 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 lwr upr
## Av. da Azenha Após-Av. da Azenha Antes 0.5780543 0.09236487 1.063744
## Sistema Antes-Av. da Azenha Antes -9.0171200 -9.54225704 -8.491983
## Sistema Após-Av. da Azenha Antes -7.9456442 -8.43133357 -7.459955
## Sistema Antes-Av. da Azenha Após -9.5951743 -10.08086369 -9.109485
## Sistema Após-Av. da Azenha Após -8.5236984 -8.96643932 -8.080958
## Sistema Após-Sistema Antes 1.0714759 0.58578647 1.557165
## p adj
## Av. da Azenha Após-Av. da Azenha Antes 0.0120358
## Sistema Antes-Av. da Azenha Antes 0.0000000
## Sistema Após-Av. da Azenha Antes 0.0000000
## Sistema Antes-Av. da Azenha Após 0.0000000
## Sistema Após-Av. da Azenha Após 0.0000000
## Sistema Após-Sistema Antes 0.00000013.4.1 Velocidades Praticadas
No cenário da TARDE no período anterior a 23/10/2020 a velocidade média em momentos de congestionamento na Av. da Azenha foi de 16.0249325, com erro padrão de 0.1313447 e no período posterior a velocidade média no trecho foi de 16.6029868, com erro padrão de 0.142324. 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 Todas Linhas: Faixa exclusiva Azenha
Performance do trecho entre Av. da Azenha, 8138 - Azenha, Porto Alegre - RS, 90160-006 e Azenha Azenha - Azenha, Porto Alegre - RS, 91330-140.
3.5.2 Comparativo
4 Entre Picos
4.1 Mapa de filas no entre picos
Registros de 23/10/2020 a 11/07/2022 (Dias úteis)
Foram identificados no período de entre picos 1458 alertas de filas na Av. da Azenha entre os dias 23/10/2020 e 11/07/2022, utilizando registros de 1549 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