CONSTRUINDO UMA BASE DE DADOS PARA ESTUDOS DE MOBILIDADE URBANA DA CIDADE DO RIO DE JANEIRO

Abstract

Urban mobility is directly related to the quality of life in cities, especially in the face of population growth and environmental challenges. Public transportation plays a fundamental role in this context but is often impacted by adverse weather events, such as heavy rainfall, which can compromise its efficiency. This work presents the construction of an integrated and enriched database for urban mobility studies in the city of Rio de Janeiro. The proposed methodology processes and enriches GPS data from the municipal bus fleet by incorporating positional, pluviometric, administrative, and vehicular emission information through an automated pipeline developed in Python. The result is a structured database composed of five Data Summary Tables (DSTs), each focusing on a specific dimension of urban analysis. As a use case, a methodology was applied to identify flood-prone areas during rainfall events, using the DBSCAN clustering technique on observations of stationary buses in regions with moderate to heavy precipitation. The methodology was validated through comparison with journalistic records and showed promising results to support public decision-making in identifying mobility bottlenecks. All data and scripts have been made openly available, fostering open science and data reuse.

A mobilidade urbana está diretamente relacionada à qualidade de vida nas cidades, especialmente diante do crescimento populacional e dos desafios ambientais. O transporte público desempenha um papel fundamental nesse contexto, mas é frequentemente impactado por eventos climáticos adversos, como chuvas intensas, que podem comprometer sua eficiência. Este trabalho apresenta a construção de uma base de dados integrada e enriquecida para estudos de mobilidade urbana na cidade do Rio de Janeiro. A metodologia desenvolvida realiza o tratamento e enriquecimento dos dados de GPS da frota de ônibus da cidade, integrando informações posicionais, pluviométricas, administrativas e de emissões de gases, a partir de um pipeline automatizado. O resultado do processamento é uma base de dados estruturada em cinco tabelas-resumo (DSTs), cada uma voltada para uma dimensão específica da análise urbana. Como exemplo de usabilidade, foi proposta uma metodologia para identificação de pontos de alagamento durante eventos de chuva, utilizando a técnica de clusterização DBSCAN aplicada sobre observações de ônibus parados em regiões com precipitação moderada a forte. A metodologia apresentada como exemplo foi validada por meio da comparação com registros jornalísticos e mostrou resulta dos promissores para auxiliar o poder público na identificação de gargalos de mobilidade. Todos os dados e scripts foram disponibilizados abertamente, promovendo a ciência aberta e o reuso da informação.