Simulação com Big Data e GeoAnalytics para Produção de Indicadores de Mobilidade Urbana com desdobramentos na Logística do Varejo

Resumo

A transformação digital e as tecnologias de Big Data Analytics trazem inúmeras oportunidades de geração de informação para tomada de decisão. Em relação à mobilidade urbana, pesquisas importantes como a Pesquisa Origem-Destino de São Paulo (Metrô, 2008) poderiam se beneficiar da possibilidade de obter dados a partir dessas novas estratégias. O presente trabalho analisa os tempos de viagem de transporte público e privado motorizado no município de São Paulo, simulando 257.400 viagens através da Application Programming Interface de roteamento do Google Maps. Foram analisadas duas medidas comparativas – diferença e razão dos tempos do transporte público pelos tempos do transporte privado motorizado – a partir da modelagem considerando regressão espacial por distritos com variáveis estruturais de transporte e socioeconômicas como controles. Os resultados indicam menores tempos para o transporte privado, mas desigualmente distribuídos pelo espaço. A presença de infraestrutura de transporte mostrou-se importante, mas variáveis socioeconômicas, como densidade populacional e raça, também se mostraram relevantes para explicar essa diferença. As regressões melhoraram o poder de explicação de 48,95% e 30,5% para 76,06% e 66,96%, respectivos as duas variáveis. Essa abordagem oferece uma perspectiva inovadora e tempestiva de Big Data Analytics para a geração de informação sobre mobilidade urbana e transporte público no contexto municipal, que pode ser adaptada para auxiliar na tomada de decisões que dependam da fluidez do transporte urbano, em especial para análise de mobilidade no contexto da distribuição e logística do Varejo.

Trilha Acadêmica: Big Data and Applied Retail Analytics