PHASES PRATIQUES DANS LA CONSTRUCTION D'UN MODELE PREDICTIF

As variáveis que se consideraram na base de dados tentam representar e explorar as duas vertentes que integram um sistema de metro, constituindo dois grupos distintos de indicadores.

Em primeiro lugar, o grupo de indicadores internos caracteriza o funcionamento do metropolitano, tal como a oferta e a procura, assim como as infraestruturas, o material circulante e a proporção de funcionários afetos ao sistema.

Por outro lado, os indicadores externos pretendem retratar e diferenciar os meios urbanos em que o metro se insere, contemplando indicadores demográficos, sociais e económicos.

O método de pesquisa assenta, praticamente, todo na informação disponibilizada na Internet, meio pelo qual todas as empresas abordadas neste estudo divulgam informação. Efetivamente, a informação relativa às variáveis internas proveio dos relatórios anuais disponibilizados no site de cada entidade responsável. Contudo, constatou-se que a maioria das empresas estudadas aglomera mais que um sistema de transporte público na área metropolitana. Esta fusão comportou dificuldades na recolha da informação pois, indisponibiliza, frequentemente, os dados individualizados por sistema de transporte nos relatórios da empresa. Para além disso, dificuldades como a dispersão de informação por diferentes documentos bem como a inexistência de informação foram entraves para uma adoção de outros sistemas de metro. Também por uma coerência na quantificação da informação relativa aos indicadores externos apenas se recorreu às bases de dados estatísticas presentes no site do Eurostat, entidade responsável pela harmonização dos dados estatísticos dentro da União Europeia.

Com base na premissa que cada sistema de metro serve toda a área metropolitana onde se insere, o Eurostat define o conceito de Large Urban Zone (LUZ), ou seja, uma definição padronizada de zona metropolitana, empregue em todas as variáveis de definição urbanas. Todavia, todos os indicadores externos retratam apenas anos de referência, pelo que nos intervalos temporais vazios admitiu-se uma variação com taxa de crescimento anual constante entre períodos de tempo inferiores a 4 anos. Nos casos em que o intervalo temporal seja superior, adotou-se um crescimento anual semelhante ao que ocorreu no respetivo país (dados também disponíveis no site do Eurostat). Assim sendo, a distorção entre os valores reais e considerados neste estudo é pouco significativa.

Deste modo, cada observação traduz-se num vetor composto por variáveis internas e externas que retrata um determinado ano no respectivo sistema de metro.

Os indicadores internos, ou do sistema, subdividem-se em 4 categorias, segundo a seguinte organização:

Variáveis de capital:

i. Extensão da rede em km;

ii. Número de linhas que constituem a rede; iii. Número de estações existentes na rede; iv. Número de comboios;

v. Número de carruagens; Variável de mão-de-obra:

i. Número de trabalhadores afetos ao sistema; Variáveis de serviço:

i. Número de carruagens.km produzidas; ii. Número de lugares.km produzidos; iii. Número de passageiros.km transportados; iv. Número de passageiros transportados Variáveis de intra-mobilidade:

i. Número de interseções entre linhas por km de rede; ii. Existência de barreiras à entrada do sistema de metro.

Assim, as variáveis de capital intentam representar o capital da companhia de metro, ou seja, os recursos que a empresa dispõe indispensáveis à operação de produção através nomeadamente das infraestruturas e do material circulante.

Por outro lado, a variável de mão-de-obra expõe a força laboral necessária para funcionamento do sistema e engloba todos os trabalhadores a tempo inteiro, inclusive quadros administrativos. Constata- se, ainda, que esta foi a única variável sobre a qual não foi possível a recolha de informação individual para o sistema de metro, pelo que foi necessário um tratamento adicional dos dados como se verá no capítulo 4.

As variáveis de serviço procuram caraterizar a oferta proporcionada e a procura por parte dos utentes, ou seja, são os outputs gerados e capturados pelo sistema.

Por fim, as variáveis de intra-mobilidade representam a conexão interna da rede e a adaptação que os utilizadores têm em relação ao sistema de metro com o recurso a duas variáveis, a presença de barreiras à entrada do metropolitano e o número de cruzamentos entre diferentes linhas da rede. O primeiro indicador deste grupo de variáveis traduz a facilidade em permitir ao utente de viajar indevidamente, e compreende-se como uma variável binária (1 – existe barreira; 0 – não existe barreira). A segunda variável tenta reproduzir a conexão entre as diferentes linhas do metro que integram a rede. Esta avaliação baseia-se na premissa que um maior número de nós na rede a intersectar mais que uma linha de metro se traduz numa maior diversificação de destinos, assim como, em troços de canais que partilham mais que uma linha, os nós de convergência e divergência entre linhas proporcionam uma frequência mais elevada, o que conduz, igualmente, uma maior comodidade oferecida aos utentes. Contudo, devido à escassez da disponibilidade de mapas antigos, para todo o espaço temporal e sistemas abordados, a informação deste indicador é apenas para os diagramas de rede à data corrente.

De facto, nenhuma das variáveis internas comporta uma avaliação financeira direta das empresas. Esta opção é reflexo de uma desigualdade nos padrões económicos de cada país, contudo, o conjunto de variáveis traduzem os custos e ganhos de cada companhia por um meio não monetário.

Por seu turno, os indicadores externos, ou urbanos, também se subdividem em 6 grupos, sendo eles: Variável de extensão:

i. Área em km2 que delimita a LUZ (Large Urban Zone) em que se insere o sistema metropolitano;

Variáveis demográficas:

i. População residente na LUZ; ii. Dependência demográfica;

iii. Dimensão média do agregado familiar;

iv. Densidade populacional em habitantes por km2; Variáveis económicas:

i. Produto Interno Bruto per capita dado em Euros; ii. Taxa de desemprego na LUZ;

Variáveis de transporte e mobilidade:

i. Número de veículos ligeiros registados por cada 1000 habitantes;

ii. Número de mortos ocorridos em acidentes rodoviários por 1000 habitantes; Variável de formação e educação:

i. Percentagem de habitantes que concluíram o ensino secundário; Variáveis de concorrência de sistemas:

i. Existência de um sistema de metro adjacente; ii. Existência de um sistema de tram interligado;

Estas foram as variáveis adotadas para a caracterização da área urbana onde o metro se insere, tendo a opção por estas ser sobretudo marcada por serem de fácil acesso e suficientemente agregadores para o efeito deste estudo. Todavia, nem todos os sistemas de metro integram uma área metropolitana assente segundo a definição de LUZ, isto é, o sistema de metro de Essen pertence à região metropolitana do Vale do Ruhr, ou seja, não serve uma LUZ. Neste caso os dados extraídos do Eurostat para formação das variáveis urbanas referem-se apenas aos limites geográficos da cidade, pois verifica-se que o sistema de metro que serve esta cidade não ultrapassa as fronteiras da mesma.

As variáveis de consideradas no grupo de concorrência de sistemas são, tal como o indicador de existência de barreira, variáveis binárias.

O indicador dependência demográfica, presente nas variáveis demográficas, representa a relação, expressa em percentagem, entre a população com menos de 15 e mais de 65 anos e a população ativa. Relativamente ao indicador económico, PIB per capita, este não deve ser comparado a preços correntes para cada ano entre cidades (denominado de PIB nominal), mas confrontado a preços constantes (PIB real). O uso do PIB real exprime a variação percentual nas quantidades transacionadas, entre dois anos, a preços constantes segundo um ano base, tendo-se admitido para o efeito o ano 2000. A relação entre os dois produtos internos brutos designa-se por deflator do PIB. O Eurostat fornece o deflator para cada país.

%) deflactor( nominal PIB real PIB = (3.1)

No processo do cálculo do PIB, no caso de inexistência de dados estimam-se aplicando as tendências de crescimento do respetivo país. Para além disso, refere-se que o PIB per capita aplicado às cidades de Essen e Düsseldorf é o mesmo, por não haver diferenciação no Eurostat entre as duas áreas metropolitanas.