Conference PaperPDF Available

Análise multicritério para a definição de áreas prioritárias à implantação de ciclovias em Araraquara-SP

Authors:

Abstract

RESUMO A existência de uma infraestrutura urbana cicloviária para a promoção e incentivo do uso da bicicleta é imperativa. Neste sentido, o presente artigo realiza uma análise multicritério para estabelecer áreas prioritárias para a implantação de ciclovias, em um estudo de caso na cidade de Araraquara-SP. Para isto foi desenvolvida uma abordagem dividida em três estágios: (i) seleção dos critérios de avaliação; (ii) ponderação dos critérios de avaliação utilizando o método de Processo Analítico Hierárquico; e (iii) análise espacial utilizando ferramentas de Sistemas de Informação Geográfica. Os resultados mostram que os fatores urbanos com maior peso foram respectivamente universidades, escolas e áreas verdes. Dessa forma, a abordagem proposta possibilitou definição de regiões prioritárias para a implantação de uma malha cicloviária na cidade.
ANÁLISE MULTICRITÉRIO PARA A DEFINIÇÃO DE ÁREAS PRIORITÁRIAS À
IMPLANTAÇÃO DE CICLOVIAS EM ARARAQUARA-SP
Tatiane Borchers
Victor Garcia Figueirôa-Ferreira
Ricardo Augusto Souza Fernandes
Programa de Pós-Graduação em Engenharia Urbana
Universidade Federal de São Carlos
RESUMO
A existência de uma infraestrutura urbana cicloviária para a promoção e incentivo do uso da bicicleta é imperativa.
Neste sentido, o presente artigo realiza uma análise multicritério para estabelecer áreas prioritárias para a
implantação de ciclovias, em um estudo de caso na cidade de Araraquara-SP. Para isto foi desenvolvida uma
abordagem dividida em três estágios: (i) seleção dos critérios de avaliação; (ii) ponderação dos critérios de
avaliação utilizando o método de Processo Analítico Hierárquico; e (iii) análise espacial utilizando ferramentas de
Sistemas de Informação Geográfica. Os resultados mostram que os fatores urbanos com maior peso foram
respectivamente universidades, escolas e áreas verdes. Dessa forma, a abordagem proposta possibilitou definição
de regiões prioritárias para a implantação de uma malha cicloviária na cidade.
ABSTRACT
The existence of an urban bicycle infrastructure to promote and encourage the use of bicycles is imperative. In this
sense, the present paper performs a multicriteria analysis to establish priority areas for implementation of bicycle
lanes, in a case study of Araraquara, São Paulo State, Brazil. For this purpose, it was developed an approach
divided into three stages: (i) selection of the evaluation criteria; (ii) weighting of the evaluation criteria using the
Analytic Hierarchy Process method; and (iii) spatial analysis using Geographic Information System tools. The
results show that the urban factors with the greatest weighting were universities, schools and green spaces,
respectively. This way, the proposed approach allowed the definition of priority areas for the implementation of a
cycling network in the city.
1. INTRODUÇÃO
A mobilidade urbana sustentável tem ganhado destaque nas últimas décadas, principalmente
devido ao colapso provocado pelo modo rodoviário no qual automóveis individuais são
priorizados. Face ao aumento dos índices de congestionamento, de consumo de recursos
energéticos, da poluição ambiental, sonora e visual, dos acidentes e da segregação urbana, uma
das alternativas para evitar o agravamento da situação é o planejamento de redes cicloviárias.
Planejadores urbanos reconhecem cada vez mais a importância da atividade ciclística e, à
medida que o número de ciclistas tem crescido nos últimos anos, os órgãos responsáveis pelo
planejamento de transportes estão se tornando mais conscientes da necessidade de fornecer uma
infraestrutura melhor para bicicletas (Cui et al., 2014; Guerreiro et al., 2018; Rybarczyk e Wu,
2010). No Brasil, também o marco legal promovido pela Política Nacional de Mobilidade
Urbana (PNMU, Lei nº 12.587/2012), que instituiu a prioridade de modos de transporte ativos
e motorizados coletivos sobre os modos motorizados individuais.
Além da importância ambiental desse modo, a bicicleta, em muitos casos oferece maior
mobilidade, uma ampla gama de benefícios de saúde, baixos custos de viagem, boa flexibilidade
para conexão com o transporte público e, em virtude disso, seu uso tem se tornado cada vez
mais popular para diversos tipos de viagens (Cui et al., 2014). É notável também a contribuição
do modo cicloviário durante a pandemia de COVID-19, por permitir deslocamentos sem gerar
aglomeração e alternativos às viagens de transporte público, estes com maior risco de
contaminação devido à sua natureza coletiva.
1922
No entanto, para atingir uma rede de transportes sustentável, os modos alternativos aos carros
e motocicletas devem ser acessíveis, desejáveis e percebidos como seguros. Ainda, em vários
casos, a infraestrutura de transporte existente não é adequada para os ciclistas. Um dos maiores
problemas é a falta significativa de espaço seguro, especialmente ciclovias. Do ponto de vista
da segurança, tem-se um problema aos ciclistas, desencorajando-os a viajar por este modo.
Portanto, planejadores urbanos devem dar mais atenção à necessidade de fornecer infraestrutura
cicloviária (Cui et al., 2014; Rybarczyk e Wu, 2010).
Apesar dos diversos benefícios que o aumento do uso de bicicletas pode trazer, a infraestrutura
desse modo no Brasil é insuficiente e está concentrada apenas em capitais ou grandes centros
urbanos. Neste contexto, este artigo busca utilizar uma análise multicritério para estabelecer
áreas prioritárias para implantação de ciclovias, em um estudo de caso na cidade de Araraquara-
SP. A seleção desse município ocorre principalmente pela confluência de dois fatores, a saber:
a baixa densidade de ciclovias e ciclofaixas e o alto índice de motorização. A estrutura desse
documento é composta por um referencial teórico de outros trabalhos que utilizaram a
metodologia proposta em estudos relacionados a planejamento cicloviário, apresentação do
método proposto, seguido dos resultados e das considerações finais.
2. REFERENCIAL TEÓRICO
A análise multicritério é uma ferramenta utilizada como base para a tomada de decisões, através
da qual são utilizados critérios relacionados com o objeto de estudo para identificar, por
exemplo, as melhores alternativas para solução do problema proposto ou para seleção de áreas
prioritárias. Pesquisas na área de transportes utilizam tais análises, entre outros objetivos, para
definir a localização das estações, os investimentos em infraestrutura e a prioridade de
implantação e manutenção de vias. Além disso, com essa abordagem, é possível incorporar
aspectos econômicos, ambientais e sociais na análise de sistemas de transporte.
Zuo e Wei (2019) utilizam uma abordagem baseada em análise multicritério para aumentar a
conectividade e a conexão no trânsito de bicicletas, com impactos minimizados sobre os
veículos motorizados e custos de implementação. Os autores apontam que uma rede de
bicicletas conectada é crucial para incentivar mais pessoas a utilizar a bicicleta. Guerreiro et al.
(2018) utilizaram análise multicritério associada a mineração de dados e ferramentas de
Sistemas de Informação Geográfica (SIG) para planejamento e projeto de redes de bicicletas.
Milakis e Athanasopoulos (2014) desenvolveram uma metodologia para o planejamento de rede
cicloviária, utilizando SIG e análise multicritério para incorporar as visões dos ciclistas ao
escolher os principais segmentos de rede para novas instalações de ciclovias.
Neste estudo, optou-se pela utilização do Processo Analítico Hierárquico (AHP, do inglês
Analytic Hierarchy Process), criado por Saaty (1990), que é um dos métodos mais efetivos para
avaliações multicritério, bem como é útil para examinar as relações entre os componentes de
um problema para tomar a decisão adequada (SAPLIOĞLU; AYDIN, 2018). Esse método
fornece uma visão global das complexas relações inerentes a uma situação e ajuda o responsável
pela decisão a avaliar se os critérios em cada nível são da mesma ordem de grandeza, para que
possa comparar elementos com precisão (SAATY, 1990). Saplıoğlu e Aydın (2018) aplicam o
método AHP para decidir sobre parâmetros eficazes em rotas de bicicletas seguras e úteis,
utilizando dados de pesquisa. Os autores, com os resultados do AHP, avaliam a adequação das
ciclovias para estabelecer rotas seguras e confortáveis de integração bicicleta-ônibus. Os
critérios utilizados por eles são áreas propensas a acidentes, faixas exclusivas de ônibus,
1923
existência e conexão de ciclovias, entre outros. Kabak et al. (2018) propõem uma metodologia
que combina ferramentas de SIG, AHP e Otimização Multiobjetivo por Análises de Proporção
(MOORA) para seleção do local de implementação de estações de compartilhamento de
bicicletas. Metodologias e objetivos semelhantes também são utilizados em Ghandehari et al.
(2013) e Mora Olmos (2021).
3. METODOLOGIA
A abordagem deste estudo possui três estágios: (i) seleção dos critérios de avaliação, nesse caso
compostos por fatores urbanos; (ii) ponderação dos critérios de avaliação utilizando o método
AHP; e (iii) análise espacial utilizando SIG, com estudo de caso na cidade de Araraquara-SP.
3.1. Seleção dos critérios de avaliação
Em um estudo para analisar os efeitos do uso do solo no contexto da escolha da bicicleta como
meio de transporte, Cui et al. (2014) encontraram correlação positiva com dados
socioeconômicos como densidade populacional, domiciliar, de matrículas escolares e ofertas
de emprego. A contribuição dos autores é consistente com a evidência de estudos anteriores
que mostram que conforme a densidade de atividades aumenta, a proporção de viagens de
bicicleta também aumenta. Para os autores, a política relacionada a esses elementos ambientais
e de uso do solo deve ter como objetivo fornecer oportunidades de ciclismo por exemplo,
adicionar ciclovias exclusivas e limite de velocidade inferior para alcançar diferentes destinos
de atividades, como supermercados e centros recreativos. Afirmam também que um melhor
acesso a pontos e faixas exclusivas de ônibus incentiva viagens ativas de bicicleta.
Uma vez que a literatura que investiga como localizar e priorizar infraestrutura para bicicletas
é relativamente limitada (GRISÉ; EL-GENEIDY, 2018), optou-se por selecionar fatores
urbanos utilizados para alocação de estações de bicicletas compartilhadas e também os
apontados na literatura como influentes para o aumento da utilização desse modo. Por exemplo,
Cui et al. (2014) ao estudar o efeito do uso do solo na demanda de viagens por bicicleta,
empregam fatores detalhados como densidade de residências e postos de trabalho, renda,
residências sem veículos, entre outros.
Os fatores utilizados na literatura passaram por um filtro de disponibilidade e atualidade de
dados, ou seja, se determinado fator não possui disponibilidade de dados em municípios
brasileiros ou se eles são de difícil aquisição, o fator foi descartado da análise. Da mesma forma,
se o fator não está atualizado, também foi descartado. A indisponibilidade de dados e
consequente não utilização de alguns fatores na análise, configura uma limitação desse trabalho.
Um exemplo é o número de veículos e a renda por residência. Cui et al. (2014) apontam que a
demanda por viagens de bicicleta diminui nas regiões de rendas mais altas e onde há uma maior
propriedade de veículos, sendo estes fatores importantes para determinar o aumento ou
diminuição de uso de bicicletas. Entretanto, devido à desatualização desse tipo de dado a nível
nacional (no Brasil), essa representa uma possível limitação do estudo. Optou-se então pela
limitação dos fatores relacionados a renda, garantindo uma maior reprodutibilidade
metodológica. Os fatores urbanos selecionados para este estudo, juntamente com os autores que
os utilizaram, são sumarizados na Tabela 1.
1924
Tabela 1: Fatores urbanos utilizados em planejamento de mobilidade por bicicleta.
Fatores urbanos
Ghandehari
et al.
(2013)
Kabak et al.
(2018)
Milakis e
Athanasopoulos
(2014)
Mora Olmos
(2021)
Rybarczyk e
Wu (2010)
Proximidade a áreas de
alta densidade
populacional
x
x
Proximidade a áreas
verdes e centros
esportivos
x
x
x
x
x
Proximidade a escolas
x
x
x
x
Proximidade a
universidades
x
x
x
Proximidade a grandes
centros comerciais
x
x
x
x
x
Proximidade a serviços
administrativos e
equipamentos de saúde
x
x
x
Proximidade a
ciclovias existentes
x
x
x
Proximidade a estações
de transporte público
x
x
x
x
3.2. Ponderação de critérios através do método AHP
O AHP é um método de tomada de decisão baseado na seleção e posterior ordenamento de
atributos importantes para a solução de um problema. Esse ordenamento pode ser obtido a partir
da comparação par a par dos atributos elencados, conforme definido por Saaty (1990) e
apresentado na Tabela 2. A partir da comparação par a par, é possível obter representação
matricial no formato da Eq. (1).
Tabela 2: Escala de referência para comparação dos critérios no método AHP. Adaptado de Saaty (1990).
Valor
Explicação
1
Os dois critérios contribuem de forma idêntica para o objetivo
3
A análise e a experiência mostram que um critério é um pouco mais
importante que o outro
5
A análise e a experiência mostram que um critério é claramente mais
importante que o outro
7
Bastante mais importante
A análise e a experiência mostram que um dos critérios é predominante
para o objetivo
9
Extremamente mais
importante
Sem qualquer dúvida um dos critérios é absolutamente predominante
para o objetivo
2, 4, 6, 8
Valores intermediários
Também podem ser utilizados
 
   
  
   
  
   
(1)
A matriz A = (aij), onde aij = wi / wj, i, j=1...n, tem entradas positivas e satisfaz a propriedade
de ser recíproca, isto é, aji = 1 / aij. Multiplicando A pelo vetor de pesos w = (w1, w2 . . . wn)T, o
resultado é nw. Se n é um autovalor de A, então W é o autovetor associado a ele, conforme
1925
demonstrado na Eq. (2) (Saaty e Vargas, 2012).

 
    
 
    
 
 

(2)
A solução de Aw = nw não pode ser calculada diretamente porque é possível apenas estimar os
valores de wi / wj. Assim, tem-se que Aw = λmaxw, onde λmax é o maior ou principal autovalor
de A, como mostra a Eq. (3) (Saaty, 1990; Saaty e Vargas, 2012).
 
(3)
A consistência estatística é garantida para valores de CR (Razão de Consistência) < 10%,
calculado conforme apresentado nas Eq. (4) e (5). Caso a matriz apresente um CR maior do que
10%, recomenda-se rever os pesos de cada critério. O índice randômico (IR) utilizado na Eq.
(5) é apresentado na Tabela 3 (Saaty, 1990).
    
  
(4)
   

(5)
Tabela 3 - Índice Randômico (IR) para o método AHP. Adaptado de Saaty (1990).
n
1
2
3
4
5
6
7
8
9
10
IR
0
0
0,58
0,9
1,12
1,24
1,32
1,41
1,45
1,49
3.3. Análise espacial através de ferramenta SIG
3.3.1. Estudo de caso
A cidade objeto de estudo de caso deste trabalho é Araraquara-SP, que se situa na região central
do estado de São Paulo, Brasil, a cerca de 270 km da capital estadual, e possui uma população
estimada em 238.339 habitantes (IBGE, 2021), sendo considerada uma cidade de porte médio.
É uma cidade que possui uma elevada taxa de motorização, sendo que de 2010 a 2019, a frota
de automóveis aumentou 43,54% e a de motocicletas 33,19%. Em 2019, para cada 2,19
habitantes, havia 1 automóvel no município, o que equivale a 45,73 automóveis/100 habitantes.
Para cada 6,19 habitantes, havia 1 motocicleta, ou seja, 16,15 motocicletas/100 habitantes. Os
números de 2010 eram de 2,77 hab/automóvel (36,05 automóveis/100 hab) e 7,29
hab/motocicleta (13,72 motocicletas/100 hab). Nota-se que o crescimento da frota é muito
superior ao crescimento populacional estimado para o período, que é de 13,14% (DENATRAN,
2020; IBGE, 2010, 2020). Para efeitos de comparação, apresentam-se os dados no período
2008-2018 para regiões metropolitanas brasileiras, que possuem um nível de motorização mais
intenso em comparação ao país como um todo. As regiões metropolitanas passaram de uma
taxa de 26,1 automóveis/100hab para 38,3 automóveis/100hab, enquanto a média brasileira em
2018 era de 31,5 automóveis/100hab. Em relação a motocicletas, em 2019, o índice era de 16,15
motocicletas/100 habitantes, superior tanto ao índice das regiões metropolitanas (8,9) quanto
ao índice nacional (12,8) (RODRIGUES et al., 2019).
Outro fator importante é que a área urbana é cortada por uma malha ferroviária, incluindo uma
área de pátio de manobra, o que resulta em uma barreira física na cidade que divide duas áreas
1926
principais: a região central e a vila Xavier. Há cinco pontos de passagem principais entre as
duas zonas e a previsão da desativação desse trecho da ferrovia devido a um desvio que passa
por fora da malha urbana. Ainda, no Plano Diretor municipal há um projeto de recuperação da
área denominado “Parque dos trilhos”, que possui o objetivo de ligar o centro e a Vila Xavier
por meio de uma área verde, além de propor a construção de uma via expressa (RODRIGUES
et al., 2020).
Ainda, a cidade possui uma baixa quilometragem de ciclovias implantadas. Segundo Mora
Olmos (2021), a rede cicloviária é composta por apenas 5,9 km distribuídos espacialmente
conforme apresentado na Figura 1, onde também consta o traçado da ferrovia que divide a
cidade e a localização do município. Nota-se, portanto, uma configuração de mobilidade urbana
que pode ser muito beneficiada pela implantação de uma rede cicloviária.
Figura 1: Ciclovias existentes e mapa de localização de Araraquara SP. Adaptado de Mora Olmos (2021).
3.3.2. Considerações sobre a análise espacial
Os dados primários dessa etapa foram obtidos junto ao IBGE (IBGE, 2010) e à Prefeitura de
Araraquara. Os dados de população do IBGE, utilizados para calcular a densidade demográfica,
foram atualizados para 2020 através de progressão geométrica. Os dados obtidos junto à
prefeitura, principalmente os referentes a polos geradores de tráfego (universidades, escolas,
hospitais, parques, etc.) foram confirmados através do Google Maps (ARARAQUARA, 2014;
GOOGLE, 2020).
Para a análise espacial considerou-se uma área de influência de 300 metros para os fatores que
representam polos geradores de viagens, ou seja, de escolas, universidades, parques, centros
esportivos, estabelecimentos comerciais, de saúde e de serviços públicos. Para os fatores
relacionados a transporte, a área de influência para estações de transporte público (paradas de
ônibus) e para as ciclovias existentes foi de 100 metros, o que limita uma possível
descontinuidade na rede cicloviária a cerca de uma quadra. As áreas de influência são
1927
representadas através de buffers no software QGIS, onde a análise espacial foi realizada.
O fator urbano densidade [habitantes / hectare²] foi normalizado para valores entre 0 e 1. A
normalização dos dados se fez necessária para comparar o mapa deste fator com os demais em
uma mesma escala. Valores normalizados próximos a 1 indicam os locais com maiores valores
numéricos desse critério e, portanto, maior grau de prioridade.
A etapa final do método, a aplicação do método AHP, ocorre na ferramenta calculadora raster
do QGIS, onde os mapas de fatores são sobrepostos e multiplicados por seus respectivos pesos.
Os dados dos fatores, que são tabulados em formato vetorial, foram transformados para raster
para a finalização do método. Para tal finalidade, empregou-se a ferramenta converter vetor
para raster (rasterizar) com resolução horizontal e vertical de 10.000 pixels cada.
4. RESULTADOS
4.1. Matriz dos pesos de critérios
A Tabela 4 apresenta a matriz de comparação de critérios do método AHP, cuja ponderação foi
realizada pelos autores. O fator urbano ao qual foi atribuído maior importância na comparação
de pares foi a proximidade de universidades. Mora Olmos (2021) aponta que esses espaços
possuem características como populações jovens, altos fluxos possíveis de viagens e maior
aceitabilidade para o uso da bicicleta. O valor de CR calculado para a matriz foi de 0,064, ou
seja, menor que 0,10, o que garante a confiança estatística do método. A ponderação aqui
adotada parte do pressuposto que as cidades brasileiras, em sua grande maioria, não possuem
infraestrutura cicloviária ou quando possuem, é precária. Desse modo, a proximidade a
ciclovias existentes não recebeu um peso de destaque. A ponderação adotada pode, portanto,
ser replicada em cidades que se inserem nessa premissa. Em cidades cujo perfil difere da
premissa, sugere-se que os planejadores reavaliem se os pesos atribuídos são condizentes com
o local no qual será aplicada. A seguir, na
Tabela 5 são apresentados os pesos de cada fator urbano e a sua respectiva ordem de
importância. Os fatores mais relevantes são proximidade a universidades (0,304) e a escolas
(0,204), seguidos de proximidade de áreas verdes e centros esportivos (0,140) e de estações de
transporte público (0,123). Os demais fatores têm pesos menores que 0,10.
Tabela 4: Matriz de comparação por pares para os fatores urbanos.
Fator 1
Fator 2
Fator 3
Fator 4
Fator 5
Fator 6
Fator 7
Fator 8
Fator 1
1
1/3
1/5
1/5
1
3
1
1/3
Fator 2
3
1
1/3
1/3
3
5
3
1
Fator 3
5
3
1
1/3
5
5
3
1
Fator 4
5
3
3
1
5
5
3
3
Fator 5
1
1/3
1/5
1/5
1
1/3
1/3
1/3
Fator 6
1/3
1/5
1/5
1/5
3
1
1/3
1/3
Fator 7
1
1/3
1/5
1/3
3
3
1
1
Fator 8
3
1
1
1/3
3
3
1
1
Legenda: Fator 1 - Proximidade a áreas de alta densidade populacional; Fator 2 - Proximidade a áreas verdes e
centros esportivos; Fator 3 - Proximidade a escolas; Fator 4 - Proximidade a universidades; Fator 5 -
Proximidade a grandes centros comerciais; Fator 6 - Proximidade a serviços administrativos e equipamentos de
saúde; Fator 7 - Proximidade a ciclovias existentes; Fator 8 - Proximidade a estações de transporte público.
1928
Tabela 5: Pesos utilizados e ordem de importância de cada fator urbano no método AHP.
Fator urbano
Peso
Ordem de importância
Proximidade a universidades
0,304
1
Proximidade a escolas
0,204
2
Proximidade a áreas verdes e centros esportivos
0,140
3
Proximidade a estações de transporte público
0,123
4
Proximidade a ciclovias existentes
0,085
5
Proximidade a áreas de alta densidade populacional
0,059
6
Proximidade a serviços administrativos e equipamentos de saúde
0,047
7
Proximidade a grandes centros comerciais
0,039
8
4.2. Análise espacial áreas prioritárias
A Figura 2 apresenta os mapas de fatores urbanos de Araraquara-SP utilizados nesse estudo,
com suas respectivas áreas de influência. Foram identificados sete polos universitários, sendo
que a Universidade Estadual Paulista (UNESP) Araraquara é o maior deles e localiza-se na
região sudoeste da cidade. Além do campus principal, localizado do outro lado da rodovia
Washington Luís, há o Instituto de Química da mesma instituição, localizado na região próxima
ao campus central, mas contíguo à cidade. As paradas de ônibus são o fator urbano com maior
frequência e localizam-se de maneira espalhada pela cidade, seguindo a distribuição das linhas
de ônibus. As ciclovias existentes estão em quatro pontos da cidade, sendo uma delas localizada
próxima ao campus da UNESP. Entre os fatores de uso do solo, as escolas são o fator urbano
com maior número de locais (255), seguido de centros comerciais (18), serviços administrativos
e equipamentos de saúde (18) e por último os parques e centros esportivos (11), estes,
entretanto, possuem maiores áreas de influência.
Figura 2: Mapas de fatores urbanos de Araraquara SP.
A Figura 3 mostra o resultado do método AHP após todos os mapas de fatores urbanos terem
sido sobrepostos e ponderados de acordo com os pesos apresentados na
1929
Tabela 5. As áreas cinzas não apresentaram resultados significativos, pois são áreas onde
pouca ou nenhuma sobreposição de fatores, sendo que o único que está presente na base toda é
o de densidade demográfica e, como este fator foi normalizado, a multiplicação por seu peso
(0,059) resulta em valores baixos.
Figura 3: Áreas prioritárias para implantação de ciclovias em Araraquara SP.
Foram retiradas as áreas sem resultado significativo e o mapa de áreas prioritárias foi sobreposto
à malha viária da cidade, como pode ser observado na Figura 4. As áreas com maior grau de
prioridade onde há maior sobreposição de fatores estão localizadas próximas ao campus da
UNESP Araraquara e na região central da cidade. A região próxima ao Instituto de Química é
uma das que apresenta maior prioridade. Nessa região também estão localizadas uma unidade
do Serviço Social do Comércio (SESC), uma unidade do Serviço Nacional de Aprendizagem
Industrial (SENAI), além de algumas escolas.
A região central possui uma grande concentração de áreas prioritárias. É a região mais antiga
da cidade, que está urbanizada de maneira consolidada várias décadas. Portanto, é uma
região que conta com diversos postos de serviços públicos e administrativos, escolas, hospitais,
além de possuir uma alta densidade demográfica. Nessa região, há conexão com a região da
UNESP, podendo representar uma área para implantação de ciclovias que manterá a
conectividade da rede.
Outro ponto que merece destaque é a Vila Xavier, bairro que foi formado por operários
ferroviários quando da implantação da ferrovia. É uma região que assim com o centro, possui
altas densidades demográficas, onde a barreira dos trilhos fez com que houvesse uma dinâmica
própria de desenvolvimento. no bairro diversos postos de administração pública, escolas,
comércios e uma unidade do Serviço Social da Indústria (SESI). Um possível problema de
implantação de ciclovias nessa área será a conexão com as demais áreas da cidade, uma vez
que os pontos de transposição da ferrovia são escassos e com prioridade de circulação para
1930
automóveis individuais, sendo necessários cuidados redobrados com a segurança dos ciclistas.
Entretanto, é possível a implantação de uma sub-rede cicloviária dentro do próprio bairro e há
a expectativa de desativação da ferrovia e criação de um parque no local, o que justifica a
criação de ciclovias nessa área.
Por fim, em alguns pontos mais periféricos, há a concentração de algumas áreas prioritárias. É
o caso da zona norte, noroeste e do extremo sul da cidade. Nesses locais, é possível a
implantação de trechos cicloviários para atender localmente os bairros e cuja conexão com o
restante da malha cicloviária pode ocorrer em futuras expansões da rede.
Figura 4: Localização das áreas prioritárias para implantação de ciclovias em Araraquara-SP.
5. CONSIDERAÇÕES FINAIS
Este estudo utilizou uma análise multicritério, mais precisamente o AHP, para estabelecer áreas
prioritárias para implantação de ciclovias, em um estudo de caso na cidade de Araraquara-SP.
Os dados utilizados nesse estudo foram densidade demográfica, proximidade a universidades,
escolas, áreas verdes e centros esportivos, serviços administrativos e equipamentos de saúde, e
centros comerciais. Em relação à integração de sistemas de transporte, foram consideradas a
localização de pontos de ônibus e de ciclovias existentes. Salienta-se que são dados
consolidados na literatura e que possuem facilidade de obtenção, permitindo a reprodutibilidade
da metodologia proposta em outras cidades.
Através do método proposto, foi possível identificar áreas prioritárias para implantação de rede
cicloviária, representando um ponto de partida no planejamento estratégico de infraestrutura
para esse modo. Os fatores urbanos com maior peso foram proximidade a universidades (0,304),
proximidade a escolas (0,204), proximidade a áreas verdes e centros esportivos (0,140) e
proximidade a estações de transporte público (0,123). Os demais fatores tiveram pesos menores
que 0,10. Conforme mencionado nos resultados, a ponderação aqui adotada parte do
pressuposto que a infraestrutura cicloviária nas cidades brasileiras é precária ou inexistente e
1931
pode, portanto, ser replicada em cidades que se inserem nessa premissa.
A metodologia deste estudo pode servir de ferramenta para o nível de planejamento estratégico,
ou seja, o planejamento inicial que direcionará os esforços da cidade a longo prazo para
implantação de infraestrutura para bicicletas. Buscou-se destacar a importância do
planejamento de infraestrutura cicloviária por meio de uma análise que considera os fatores
urbanos de um município para determinação de localizações prioritárias.
A principal limitação deste trabalho foi ocasionada pela indisponibilidade de dados relativos à
renda e à propriedade de veículos. Quando estes dados estiverem atualizados, a metodologia e
os fatores propostos podem ser reavaliados em outros estudos. A contribuição mais relevante é
a fácil replicabilidade da metodologia, com potencial de aplicação em cidades de outros portes
populacionais ou configurações urbanas e cicloviárias diferentes de Araraquara-SP. Entre as
potencialidades de expansão deste estudo, a possibilidade de desenvolvimento de
metodologias e estudos de caso em outros níveis de planejamento, como o nível da rede
cicloviária e a viabilidade física das vias, ou ainda o desenvolvimento de pesquisas para
estimativa de usuários potenciais.
Agradecimentos
O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -
Brasil (CAPES) - Código de Financiamento 001.
REFERÊNCIAS BIBLIOGRÁFICAS
ARARAQUARA. PREFEITURA MUNICIPAL. (2014) Lei complementar 850 de 2014 e pela Lei
Complementar 858 de 2014 - Plano Diretor. 2014. Disponível
em:http://www.araraquara.sp.gov.br/governo/secretarias/desenvolvimento-urbano/paginas-
desenvolvimento-urbano/conselho-municipal-desenvolvimento-urbano. Acesso em: 01 abr. 2019.
BRASIL. (2012). Lei nº 12.587, de 3 de janeiro de 2012. Institui as diretrizes da Política Nacional de Mobilidade
Urbana; revoga dispositivos dos Decretos-Leis nºs 3.326, de 3 de junho de 1941, e 5.405, de 13 de abril de
1943, da Consolidação das Leis do Trabalho (CLT), aprovada pelo Decreto-Lei nº 5.452, de 1º de maio de
1943, e das Leis nºs 5.917, de 10 de setembro de 1973, e 6.261, de 14 de novembro de 1975; e dá outras
providências. Disponível em: http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2012/lei/l12587.htm.
Acesso em: 06 ago. 2021.
Cui, Y.; Mishra, S.; Welch, T. F. (2014). Land use effects on bicycle ridership: A framework for state planning
agencies. Journal of Transport Geography, 41, 220-228.
Departamento Nacional de Trânsito - DENATRAN. (2020). Estatísticas - Frota de Veículos. Disponível em:
https://infraestrutura.gov.br/component/content/article/115-portal-denatran/8552-estat%C3%ADsticas-
frota-de-ve%C3%ADculos-denatran.html. Acesso em: 19 jun. 2020.
Ghandehari, M.; Pouyandeh, V. H.; Javadi, M. H. M. (2013). Locating of bicycle stations in the city of Isfahan
using mathematical programming and multi-criteria decision making techniques. International Journal of
academic research in accounting, Finance and Management Sciences, 3(4), 18-26.
Google (2020). Google Maps. Street view. Google. Disponível em: < https://www.google.com/maps>. Acesso em:
26 mai. 2020.
Grisé, E.; El-Geneidy, A. (2018). If we build it, who will benefit? A multi-criteria approach for the prioritization
of new bicycle lanes in Quebec City, Canada. Journal of transport and land use, 11(1), 217-235.
Guerreiro, T. D. C. M.; Kirner Providelo, J.; Pitombo, C. S.; Rodrigues Ramos, R. A.; Rodrigues da Silva, A. N.
(2018). Data-mining, GIS and multicriteria analysis in a comprehensive method for bicycle network
planning and design. International journal of sustainable transportation, 12(3), 179-191.
Instituto Brasileiro de Geografia e Estatística IBGE. (2010). Censo Demográfico - 2010. Rio de Janeiro: IBGE.
Disponível em: https://cidades.ibge.gov.br/brasil/sp/araraquara/panorama. Acesso em: 18 jun. 2020.
Instituto Brasileiro de Geografia e Estatística IBGE. (2020). Panorama sobre o município de Araraquara. Rio de
Janeiro: IBGE. Disponível em: https://cidades.ibge.gov.br/brasil/sp/araraquara/panorama. Acesso em: 18
jun. 2020.
1932
Instituto Brasileiro de Geografia e Estatística IBGE. (2021). Panorama sobre o município de Araraquara. Rio de
Janeiro: IBGE. Disponível em: https://cidades.ibge.gov.br/brasil/sp/araraquara/panorama. Acesso em: 09
jul. 2020.
Kabak, M.; Erbaş, M.; Çetinkaya, C.; Özceylan, E. (2018). A GIS-based MCDM approach for the evaluation of
bike-share stations. Journal of Cleaner Production, 201, 49-60.
Milakis, D.; Athanasopoulos, K. (2014). What about people in cycle network planning? Applying participative
multicriteria GIS analysis in the case of the Athens metropolitan cycle network. Journal of Transport
Geography, 35, 120-129.
Mora Olmos, C. A. (2021). Proposta de um sistema de bicicletas compartilhadas para uma cidade de médio porte
(Dissertação de mestrado). Departamento de Engenharia Civil, UFSCar, São Carlos.
QGIS Development Team (YEAR). QGIS Geographic Information System. Version 3.4.8-Madeira. Open-Source
Geospatial Foundation Project. http://qgis.osgeo.org".
Rybarczyk, G.; Wu, C. (2010). Bicycle facility planning using GIS and multi-criteria decision analysis. Applied
Geography, 30(2), 282-293.
Rodrigues, J. M.; Azevedo, S. D.; Ribeiro, L. C. D. Q. (2019). Mapa da motorização individual no Brasil: relatório
2019. Rio de Janeiro: Universidade Federal do Rio de Janeiro.
Rodrigues, L. D.; Fiorin, E.; Souza, L. N. (2020). Araraquara: história e patrimônio ferroviário e industrial. Revista
Nacional de Gerenciamento de Cidades, 8(62), 134-149.
Saaty, T. L. (1990). How to make a decision: the analytic hierarchy process. European journal of operational
research, 48(1), 9-26.
Saaty, T. L.; Vargas, L. G. (2012). Models, methods, concepts & applications of the analytic hierarchy process
(Vol. 175). Springer Science & Business Media.
Saplıoğlu, M.; Aydın, M. M. (2018). Choosing safe and suitable bicycle routes to integrate cycling and public
transport systems. Journal of Transport & Health, 10, 236-252.
Zuo, T.; Wei, H. (2019). Bikeway prioritization to increase bicycle network connectivity and bicycle-transit
connection: A multi-criteria decision analysis approach. Transportation research part A: policy and practice,
129, 52-71.
1933
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Many cities across the world are actively promoting cycling through investments in cycling infrastructure, yet ensuring that the benefits from these investments are distributed equally in a region and not benefiting only one group is an important social goal. The aim of this study is to develop a methodology that can help in identifying where new bicycle facilities can be built in a region while prioritizing investments for those who need them most. The study uses Quebec City, Canada, as an example since the city has recently made a strong commitment to provide safe and attractive bicycle infrastructure to its residents. It also uses a GIS-based grid cell model to identify priority areas for cycling investment in different parts of the city. This is followed by a proposal for a new set of facilities based on a multi-criteria approach. These proposed facilities are then evaluated through a level of usage analysis to determine which routes will provide the maximum benefit to existing and potential cyclists. Finally, an equity analysis is conducted to evaluate whether the new facilities will meet some of the travel needs of individuals residing in socially deprived neighborhoods. This step in the evaluation process proposes a new social equity component in bicycle planning processes. This research can be of value to planners, engineers and policymakers working toward investments in bicycle facilities because it shows the full process of planning and evaluating different cycling facilities while incorporating social equity principles.
Article
Full-text available
Sustainable transport has become an important goal in transportation planning and research in recent decades. One emphasis of sustainable transport is to develop a multi-modal transportation system, in which bicycling facility planning is playing an important role. Recently, many bicycle facility planning methods have been proposed, and can be divided into two groups: supply- and demand-based models. While these two groups of models have been applied separately, few studies, however, have incorporated variables from these two groups of models together for bicycle facility planning. To address this issue, this paper proposes a multi-criteria evaluation (MCE) analysis to integrate both supply- and demand-based criteria for bicycle facility planning. Analysis was performed at two geographic levels: network level and neighborhood level, and a Geographic Information System (GIS) based exploratory spatial data analysis (ESDA) method was applied to explore the spatial patterns of bicycle facilities at the neighborhood level. This model was applied to Milwaukee City, WI, U.S.A., and results suggest that a combination of GIS and MCE analysis can serve as a better alternative to plan for optimal bicycle facilities, highlighting inadequacies of typical supply-side measures, and meet multiple planning objectives of government agencies, planners and bicyclists.
Article
Due to limited resources such as budget and land space, it remains challenging to identify key prior corridors on which investments on bikeways (e.g., traditional and protected bike lanes) are most valuable to increasing low-stress bike network connectivity and bicycle-transit connection. In built-up urban areas, it’s usually difficult to find the extra space for building bikeways, and vehicle delays could be worse off if there is no road widening. Facing these challenges, the paper introduces a systematic planning analytics aiming to increase bicycle connectivity and bicycle-transit connection with minimized impacts on motor vehicles and cost. The stakeholders concerned include bicyclists, transit users, motor vehicle drivers, and investors. To reduce conflict potentials due to multiple factors involved in decision making choices between stakeholders, a Multi-Criteria Decision Analysis (MCDA) technique is applied to compare alternatives based on a set of performance evaluation criteria. Performance criteria include bicycling connectivity between origins and destinations, bike share connectivity to destinations, bicycle-transit service coverage population, bike share connectivity to transit, automobile traffic delay, and capital costs. Criteria weights are determined by pair-wise comparisons in which the conflicts between stakeholders and trade-offs among criteria are considered in a quantity-based method. A final preference score calculated in the sum of the weighted and normalized performance measurements is used to rank alternatives. The approach is applied through a case study in the Uptown Cincinnati, Ohio to determine the priorities of the proposed new bikeways in the area. The results indicate that the protected bike lanes exhibit a more significant advantage over bike lanes in terms of the benefits for bicyclists and transit users. At the same time, however, higher construction cost and countermeasures to reduce the potential of consequent traffic congestion need to be need carefully considered.
Article
–Several benefits have contributed to the increasing popularity of bike-share systems in cities around the world. In addition to traffic congestion, environmental concerns are also compelling cities to seek more sustainable modes of transportation. A key factor in the efficacy of bike-share networks is the location of bike stations in relation to potential related criteria. Therefore, site suitability analysis for bike-share stations using quantitative methods is essential. This study attempted to evaluate the current status of bike-share stations in Karsiyaka, Izmir, and to locate future station sites by comparing them to existing stations. To do so, different multi-criteria decision-making methods were combined with a geographic information system (GIS) to address twelve conflicting criteria. Specifically, the analytic hierarchy process was applied to obtain criteria weights, and multi-objective optimization by ratio analysis was used to evaluate current and potential alternatives. Our study demonstrates the superiority of the suggested locations compared to the existing stations.
Article
Bicycle utilization has become an important transportation mode in various cities during the past decade. It has brought a rapid growth as an important transport mode in many countries by providing several benefits for traffic, health and cost. However, the growing in bicycle utilization demand causes many problems such as safety, effectiveness etc. For this reason, other effective parameters on urban transport should be considered when planning new safe bicycle paths in the spatial platform. In this study, it was aimed to examine all these negative and positive effective parameters on safety and choice while integrating cycling with a public transport (bus link) system. To determine effective parameters on route choice, a Questionnaire Survey (QS) was carried out on 460 participants who are cycling for a long time in Isparta City/Turkey. It was obtained from the QS that Accident Prone Areas (APA) are the most important factor on cycling and public transport integration. The other parameters are determined as Bus Lane (BL), Road Side Car Park (RSCP), Bicycle Parks (BP), Road Grade (RG), Signalization (S), Traffic Capacity (TC), Connected Bike Lane (CBL) and Separated Bike Lane (SBL) according to their importance. In order to determine safer and serviceable bicycle routes selection problem, accident-prone locations (using Accident Reports and Geographic Information Systems-GIS), bus lines and survey data has been used in GIS. Also, a multi-criteria decision making approach Analytic Hierarchy Process (AHP) method is implemented to analyze survey data and decide effective parameters on safer and serviceable bicycle routes. It was found that safer and serviceable bicycle routes can be determined by the utilization of QS, GIS and AHP methods with together. Also, it was concluded that Accident Prone Areas, Bus Lanes and Road Side Car Parks are the most important factors while integrating cycling with a public transport system.
Article
In many Brazilian cities, the most common procedure for planning cycling networks is using aggregated population data in census tracts, which may not take into account the true origin and destination of trips. It may also not identify potential users of a particular mode of transport. This is particularly important considering that implementing cycling infrastructures should be based on the assumption that they are able to meet the users' needs. Therefore, the aim of this study is to develop and adopt an objective method to design and compare cycling networks based on data-mining of disaggregated origin-destination data, GIS resources and multicriteria analysis techniques. The method follows three steps: a) identifying potential users based on real user profiles, b) designing proposed cycling networks and c) a comparison between the networks proposed in this study and those developed by the municipality selected as a case study, considering real and potential users, as well as cost and benefit criteria. As a positive outcome, using disaggregated data allows for a reasonable estimate of the number of people served by the networks, a detailed analysis of their proximity to the infrastructure, as well as identifying potential users. Comparing cycling networks considering cost and benefit criteria shows that the chosen criteria were effective. It was also determined that the cycling network of the studied city poorly serves bicycle transport users, if compared to the proposed networks. These findings indicate that appropriate methods for planning cycling networks are still needed.
Article
The bicycle is gaining ground as an inexpensive, fast, healthy, and enjoyable mode of transport, but the development of cycle infrastructures appears to be a necessary prerequisite for supporting further growth in cycling rates. Thus far, few studies have developed comprehensive methodologies for the prioritisation of cycling infrastructure investments, and the role of end users has been underestimated in this process. The unique relationship that cyclists develop with the bicycle itself, their co-cyclists, bicycle facilities, and the urban environment as a result of sensory, kinaesthetic, symbolic, or even political reasons can assist in designing cycle facilities that are more efficient and closer to fulfilling the needs and desires of users. We propose a comprehensive four-step methodology for cycle network planning, which both accounts for the city structure and the zones in which higher cycling demand is possible and uses participative multicriteria GIS processes to incorporate cyclists’ views with regard to choosing the cycle network segments. Our case study is Athens, Greece, where cycling facilities are few and heavily fragmented, although cycling demand has recently grown. This methodology may be useful for cities attempting to introduce and prioritise cycling infrastructures because it focuses on determining where cyclists would prefer to cycle to make such investments more successful in attracting users.