1 Monitoramento Av. Mauá 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. Mauá no pico da manhã
Registros de 29/05/2020 a 19/12/2022 (Dias úteis)
O sistema é constituído pelas seguintes vias: Av. Mauá, Av. Pres. João Goulart, Av. Pres. Castello Branco
Os dados permitem demonstrar a existência de uma correlação positiva. de 0.3775969 entre a variação das velocidades médias associadas a Av. Mauá e o sistema Av. Mauá, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. Mauá demonstra que apenas 13.98% da variação no sistema Av. Mauá é explicado pela velocidade da Av. Mauá a um P-valor de 0.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -18.138 -3.564 -0.035 3.438 17.401
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 18.3013 1.5999 11.439 < 0.0000000000000002 ***
## speedKMH.y 0.4616 0.0645 7.157 0.00000000000608 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.754 on 308 degrees of freedom
## Multiple R-squared: 0.1426, Adjusted R-squared: 0.1398
## F-statistic: 51.22 on 1 and 308 DF, p-value: 0.000000000006083
2.2 Mapa de filas no pico da manhã
Foram identificados no período da manhã 242 alertas de filas na Av. Mauá entre os dias 29/05/2020 e 19/12/2022, utilizando registros de 263 wazers.
2.3 Desempenho
2.4 ANOVA Manhã
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = as)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25.4799 -1.1695 -0.3512 3.0701 22.5528
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 22.8350 0.5230 43.665 < 0.0000000000000002 ***
## periodoJuncAv. Mauá Após 1.6094 0.5915 2.721 0.00659 **
## periodoJuncSistema Antes 4.1522 0.7396 5.614 0.0000000238 ***
## periodoJuncSistema Após 8.6049 0.5915 14.549 < 0.0000000000000002 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.426 on 1380 degrees of freedom
## Multiple R-squared: 0.2267, Adjusted R-squared: 0.225
## F-statistic: 134.9 on 3 and 1380 DF, p-value: < 0.00000000000000022## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 16708 5569.4 134.87 < 0.00000000000000022 ***
## Residuals 1380 56988 41.3
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.91531, p-value < 0.00000000000000022## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 115.94 < 0.00000000000000022 ***
## 1380
## ---
## 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 p adj
## Av. Mauá Após-Av. Mauá Antes 1.609399 0.08809153 3.130707 0.0333101
## Sistema Antes-Av. Mauá Antes 4.152226 2.24993196 6.054520 0.0000001
## Sistema Após-Av. Mauá Antes 8.604901 7.08359287 10.126208 0.0000000
## Sistema Antes-Av. Mauá Após 2.542827 1.02151904 4.064134 0.0001078
## Sistema Após-Av. Mauá Após 6.995501 5.99049802 8.000505 0.0000000
## Sistema Após-Sistema Antes 4.452675 2.93136684 5.973982 0.00000002.4.1 Velocidades Praticadas
No cenário da MANHÃ no período anterior a 29/05/2020 a velocidade média em momentos de congestionamento na Av. Mauá foi de 22.834976, com erro padrão de 0.24423 e no período posterior a velocidade média no trecho foi de 24.4443753, com erro padrão de 0.1606572.
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: 255 - CALDRE FIÃO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.2 Linha: 346 - SÃO JOSÉ
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.3 Linha: 394 - MAPA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.4 Linha: 397 - BONSUCESSO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.5 Linha: 178 - PRAIA DE BELAS
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.6 Linha: 188 - ASSUNÇÃO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.7 Linha: 244 - SANTA TERESA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.8 Linha: 2441 - SANTA TERESA VIA MARIANO DE MATTOS
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.9 Linha: 272 - MORADAS DA HÍPICA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.10 Linha: 2731 - HÍPICA / BELÉM NOVO / SCHENEIDER
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.11 Todas Linhas: EPTC - Mauá
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
2.5.12 Comparativo
3 Tarde
3.1 Velocidades médias no sistema Av. Mauá no pico da tarde
Os dados permitem demonstrar a existência de uma correlação positiva de 0.3775969 entre a variação das velocidades médias associadas a Av. Mauá e o sistema Av. Mauá, indicando fraca associação entre os dois cenários. Ainda a aplicação de uma regressão linear entre as velocidades médias diárias na Av. Mauá demonstra que apenas 0.69% da variação no sistema Av. Mauá é explicado pela velocidade da Av. Mauá a um P-valor de 0.087.
##
## Call:
## lm(formula = speedKMH.x ~ speedKMH.y, data = correlacao)
##
## Residuals:
## Min 1Q Median 3Q Max
## -15.672 -4.952 -1.132 3.860 25.606
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 20.73907 1.53072 13.549 <0.0000000000000002 ***
## speedKMH.y 0.12395 0.07213 1.718 0.0868 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.136 on 281 degrees of freedom
## Multiple R-squared: 0.0104, Adjusted R-squared: 0.006879
## F-statistic: 2.953 on 1 and 281 DF, p-value: 0.08681
3.2 Mapa de filas no pico da TARDE
Registros de 29/05/2020 a 19/12/2022 (Dias úteis) Foram identificados no período da tarde 230 alertas de filas na Av. Mauá entre os dias 29/05/2020 e 19/12/2022, utilizando registros de 270 wazers.
3.3 Desempenho
3.4 ANOVA Tarde
##
## Call:
## lm(formula = speedKMH.x ~ periodoJunc, data = bs)
##
## Residuals:
## Min 1Q Median 3Q Max
## -18.754 -2.994 0.408 1.383 27.921
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 21.7010 0.4965 43.704 < 0.0000000000000002 ***
## periodoJuncAv. Mauá Após -1.9265 0.5593 -3.445 0.000588 ***
## periodoJuncSistema Antes 0.3027 0.7022 0.431 0.666479
## periodoJuncSistema Após 0.8980 0.5593 1.606 0.108580
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.241 on 1488 degrees of freedom
## Multiple R-squared: 0.04076, Adjusted R-squared: 0.03883
## F-statistic: 21.08 on 3 and 1488 DF, p-value: 0.0000000000002262## Analysis of Variance Table
##
## Response: speedKMH.x
## Df Sum Sq Mean Sq F value Pr(>F)
## periodoJunc 3 2463 821.01 21.076 0.0000000000002262 ***
## Residuals 1488 57966 38.96
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Shapiro-Wilk normality test
##
## data: resid(modelo.anova2)
## W = 0.91888, p-value < 0.00000000000000022## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 99.545 < 0.00000000000000022 ***
## 1488
## ---
## 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 p adj
## Av. Mauá Após-Av. Mauá Antes -1.9265011 -3.3649575 -0.4880446 0.0032917
## Sistema Antes-Av. Mauá Antes 0.3027047 -1.5033502 2.1087597 0.9731419
## Sistema Após-Av. Mauá Antes 0.8979787 -0.5404778 2.3364352 0.3757233
## Sistema Antes-Av. Mauá Após 2.2292058 0.7907493 3.6676623 0.0004097
## Sistema Após-Av. Mauá Após 2.8244798 1.8882750 3.7606845 0.0000000
## Sistema Após-Sistema Antes 0.5952740 -0.8431825 2.0337304 0.71132993.4.1 Velocidades Praticadas
No cenário da TARDE no período anterior a 29/05/2020 a velocidade média em momentos de congestionamento na Av. Mauá foi de 21.7009583, com erro padrão de 0.2737537 e no período posterior a velocidade média no trecho foi de 19.7744572, com erro padrão de 0.1573186. 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: 255 - CALDRE FIÃO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.2 Linha: 346 - SÃO JOSÉ
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.3 Linha: 394 - MAPA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.4 Linha: 397 - BONSUCESSO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.5 Linha: 178 - PRAIA DE BELAS
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.6 Linha: 188 - ASSUNÇÃO
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.7 Linha: 244 - SANTA TERESA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.8 Linha: 2441 - SANTA TERESA VIA MARIANO DE MATTOS
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.9 Linha: 272 - MORADAS DA HÍPICA
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.10 Linha: 2731 - HÍPICA / BELÉM NOVO / SCHENEIDER
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.11 Todas Linhas: EPTC - Mauá
Performance do trecho entre Maua - Centro Histórico, Porto Alegre - RS, 90850-250 e Presidente Joao Goulart - Centro Histórico, Porto Alegre - RS, 90010-290.
3.5.12 Comparativo
4 Entre Picos
4.1 Mapa de filas no entre picos
Registros de 29/05/2020 a 19/12/2022 (Dias úteis)
Foram identificados no período de entre picos 169 alertas de filas na Av. Mauá entre os dias 29/05/2020 e 19/12/2022, utilizando registros de 292 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_1.1.2 raster_3.5-15
## [5] ggpmisc_0.4.0 ggpp_0.4.1 ggplot2_3.3.6 stringr_1.4.1
## [9] chron_2.3-56 mapview_2.10.0 sp_1.5-0 tidyr_1.2.1
## [13] dplyr_1.0.10 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_0.4.0 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_3.4.0 quantreg_5.93 SparseM_1.81
## [22] labeling_0.4.2 sass_0.4.2 scales_1.2.1
## [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_0.5.3 fastmap_1.1.0
## [37] highr_0.9 htmlwidgets_1.5.4 rlang_1.0.5
## [40] readxl_1.3.1 rstudioapi_0.14 jquerylib_0.1.4
## [43] generics_0.1.3 farver_2.1.1 crosstalk_1.1.1
## [46] zip_2.2.0 magrittr_2.0.3 polynom_1.4-0
## [49] Matrix_1.2-18 Rcpp_1.0.9 munsell_0.5.0
## [52] fansi_1.0.3 abind_1.4-5 lifecycle_1.0.2
## [55] terra_1.5-34 stringi_1.7.8 yaml_2.3.5
## [58] MASS_7.3-54 grid_3.6.2 forcats_0.5.1
## [61] lattice_0.20-38 haven_2.4.1 splines_3.6.2
## [64] leafpop_0.1.0 knitr_1.40 pillar_1.8.1
## [67] uuid_1.1-0 codetools_0.2-16 stats4_3.6.2
## [70] glue_1.6.2 evaluate_0.16 leaflet.providers_1.9.0
## [73] png_0.1-7 vctrs_0.4.1 MatrixModels_0.5-0
## [76] cellranger_1.1.0 gtable_0.3.1 purrr_0.3.4
## [79] assertthat_0.2.1 cachem_1.0.6 xfun_0.33
## [82] openxlsx_4.2.4 e1071_1.7-11 class_7.3-15
## [85] survival_3.3-1 tibble_3.1.8 units_0.8-0
## [88] brew_1.0-6 ellipsis_0.3.2