transporte aÉreo regional: estudo de demanda de...
TRANSCRIPT
TRANSPORTE AÉREO REGIONAL: ESTUDO DE
DEMANDA DE PASSAGEIROS ENTRE LOCALIDADES DO
SUL E SUDESTE
Henrique Zampiroli Lovatti
Rio de Janeiro
Março de 2018
Projeto de Graduação apresentado ao Curso de
Engenharia Civil da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como
parte dos requisitos necessários à obtenção do
título de Engenheiro.
Orientadores:
Respício Antônio do Espírito Santo Jr.
Erivelton Pires Guedes
ii
TRANSPORTE AÉREO REGIONAL: ESTUDO DE
DEMANDA DE PASSAGEIROS ENTRE LOCALIDADES DO
SUL E SUDESTE
Henrique Zampiroli Lovatti
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE
DO CURSO DE ENGENHARIA CIVIL DA ESCOLA POLITÉCNICA
DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE
DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU
DE ENGENHEIRO CIVIL.
Examinado por:
Prof. Respicio Antônio do Espírito Santo Jr. D.Sc.
(DET/Poli/UFRJ)
Erivelton Pires Guedes D.Sc.
(IPEA)
Prof. Giovani Manso Ávila D.Sc.
(DET/Poli/UFRJ)
RIO DE JANEIRO, RJ – BRASIL
MARÇO DE 2018
iii
Lovatti, Henrique Zampiroli
Transporte Aéreo Regional: Estudo de demanda de
passageiros entre localidades do Sul e Sudeste / Henrique
Zampiroli Lovatti – Rio de Janeiro: UFRJ/ESCOLA
POLITÉCNICA, 2018.
XI, 81 p.: il.; 29,7 cm.
Orientadores: Respicio Antônio do Espírito Santo
Jr. e Erivelton Pires Guedes
Projeto de Graduação – UFRJ/ Escola Politécnica/
Curso de Engenharia Civil, 2018.
Referências Bibliográficas: p. 68-70.
1. Previsão de demanda. 2. Transporte aéreo
regional. 3. Planejamento de transportes. I. Espírito Santo
Jr., Respício A et al. II. Universidade Federal do Rio de
Janeiro, Escola Politécnica, Curso de Engenharia Civil.
III. Título.
iv
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte
dos requisitos necessários para obtenção do grau de Engenheiro Civil.
TRANSPORTE AÉREO REGIONAL: ESTUDO DE DEMANDA DE PASSAGEIROS
ENTRE LOCALIDADES DO SUL E SUDESTE
Henrique Zampiroli Lovatti
Março/2018
Orientadores: Respicio Antônio Espírito Santo Jr. e Erivelton Pires Guedes
Curso: Engenharia Civil
O transporte aéreo regular de passageiros exerce importante função logística,
social e política em países com grandes áreas territoriais como o Brasil. Ademais, as
regiões Sul e Sudeste brasileiras apresentam alta demanda de movimentação de pessoas
e cargas entre as capitais dos estados e algumas localidades no interior. Apesar disso, o
transporte aéreo regular de passageiros em âmbito regional vem enfrentando sérias
dificuldades nas últimas décadas, havendo necessidade de melhorias acerca de seu
planejamento. O presente trabalho estudou a demanda por serviços aéreos regulares -
em nível regional - entre algumas localidades destas regiões. Para obter tais
informações, bases de dados sócio-econômico-demográficos e de transporte aéreo e
rodoviário regular foram levantadas, tratadas e analisadas através de um modelo
matemático desenvolvido com base na literatura acerca do tema. Obtiveram-se como
resultado os valores aproximados da demanda de transporte aéreo de passageiros para
potenciais futuras operações aéreas regulares entre as localidades pesquisadas.
Palavras–chave: Transporte Aéreo Regional. Previsão de Demanda. Planejamento de
Transportes.
v
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Civil Engineer
REGIONAL AIR TRANSPORT: A STUDY ON PASSENGER FORECAST
BETWEEN LOCALITIES OF BRAZILIAN SOUTH AND SOUTHEAST REGIONS
Henrique Zampiroli Lovatti
March/2018
Advisors: Respicio Antônio Espírito Santo Jr. and Erivelton Pires Guedes
Course: Civil Engineering
Regular passenger air transport has an important logistic, social and political
function in countries with continental dimensions such as Brazil. Furthermore, South
and Southeast Brazilian regions have a high demand for people and cargo movement
between state capitals and some interior localities. Nevertheless, regular regional
passenger air transport has been experiencing serious difficulties in the last few decades,
needing planning improvements. The present study investigated the demand for regular
air services at a regional level between some localities in these regions. To obtain this
information, socio-economic-demographic and regular air and road transportation data
were collected and analyzed by a mathematical model developed based on the literature
on the subject. As a result, passenger air transport forecast values for potential future
regular air links between surveyed localities were obtained.
Keywords: Regional Air Transport. Demand Forecast. Transport Planning.
vi
“Change will not come if we wait for some other person or some other time. We
are the ones we've been waiting for. We are the change that we seek.”
Barack Obama
vii
Em memória de meu avô Alfonso Lovatti.
viii
Agradecimentos
Primeiramente, agradeço aos meus pais, por terem dado todo suporte necessário
durante todo caminho da minha vida até hoje. Por terem lutado sempre para poder me
dar uma boa educação. Por terem me dado amor, carinho, orientação e bons valores e
por serem o meu norte, meus exemplos a seguir.
Agradeço ao meu irmão por estar sempre ao meu lado quando precisei e pelas
valiosas dicas que me deu ao longo de toda a vida.
Aos meus avôs e avós, pelo carinho e amor que sempre tiveram comigo, pelo
apoio incondicional que me deram durante minha vida e pelo exemplo que sempre
foram para mim.
A toda família Zampiroli e Lovatti pelo apoio.
Agradeço aos meus amigos – quase irmãos – da República dos Créto, por terem
sido minha família no Rio de Janeiro e por estarem presentes nos momentos mais
difíceis e também nos mais alegres ao longo destes anos pela Ilha do Fundão.
Aos meus amigos de intercâmbio, por terem sido minha família fora do Brasil e
dividido comigo grandes momentos de amadurecimento, felicidade, crescimento
pessoal e cultural durante o tempo em que vivi nas cidades de Milwaukee/WI e
Tempe/AZ.
Agradeço a todas as instituições de ensino por onde passei nesta jornada até
aqui, desde as escolas de ensino fundamental e médio até as de nível superior. Aqui
destaco especialmente as instituições e todos os professores e funcionários da
Universidade Federal do Rio de Janeiro e University of Wisconsin – Milwaukee.
Aos meus grandes amigos do Bloco D, que estão comigo desde 2011 e que vou
guardar para sempre na memória. Sem vocês seria impossível suportar as maçantes e
intermináveis disciplinas do curso de engenharia civil da UFRJ. Vocês tornaram este
caminho muito fácil e prazeroso. Aqui, quero agradecer em especial à minha namorada,
que conheci numa monitoria de resistência dos materiais, e que desde então é parte
fundamental da minha trajetória. Sendo assim, mais um obrigado que devo ao querido
Bloco D do CT.
ix
Aos profissionais que me guiaram e me orientaram durante as oportunidades de
estágio que tive ao longo deste curso. Muito do conhecimento prático que adquiri até
aqui se deve a vocês.
Aos meus orientadores Respicio Antônio do Espírito Santo Jr. e Erivelton Pires
Guedes pela paciência e atenção, e por terem se disposto a me orientar neste projeto,
dando todo o suporte, apoio e conhecimento técnico para que eu pudesse desenvolvê-lo.
Encerro essa jornada agradecendo a todas as pessoas que já passaram pela minha
vida e que de alguma forma contribuíram para que eu pudesse chegar até aqui, meu
muito obrigado a todos!
x
SUMÁRIO
1 INTRODUÇÃO ................................................................................................ 1
1.1 Objetivos Gerais ............................................................................................. 2
1.2 Objetivos Específicos ..................................................................................... 2
1.3 Justificativa..................................................................................................... 2
1.4 Delimitações ................................................................................................... 3
1.5 Estruturação do Trabalho ............................................................................... 3
2 CONTEXTUALIZAÇÃO HISTÓRICA ....................................................... 5
2.1 O estabelecimento da aviação comercial no Brasil ........................................ 5
2.2 A crise na aviação comercial brasileira da década de 60 ............................... 6
2.3 Os Sistemas Integrados de Transporte Aéreo Regional (SITAR) .................. 8
2.4 A desregulamentação do setor de transporte aéreo ...................................... 12
2.5 A aviação regional brasileira nos dias de hoje ............................................. 15
3 INFORMAÇÕES RELEVANTES ACERCA DA PREVISÃO DE
DEMANDA ................................................................................................................... 23
3.1 A importância da previsão de demanda para o transporte aéreo .................. 23
3.2 A seleção de métodos de previsão de demanda ........................................... 25
3.3 Cuidados acerca das previsões de demanda ................................................. 27
4 MÉTODOS DE PREVISÃO DE DEMANDA DE TRANSPORTE
AÉREO 29
4.1 Métodos qualitativos .................................................................................... 29
4.2 Métodos quantitativos .................................................................................. 31
4.3 Métodos causais ........................................................................................... 32
4.4 As técnicas a serem adotadas para a previsão de demanda de transporte
aéreo regional neste trabalho ...................................................................................... 34
5 APLICAÇÃO DE UM MÉTODO CAUSAL .............................................. 36
5.1 Localidades utilizadas para calibrar o modelo ............................................. 42
xi
5.2 Fatores considerados .................................................................................... 42
5.3 A formulação do modelo .............................................................................. 47
5.4 Aplicação do modelo obtido ........................................................................ 61
6 CONCLUSÕES .............................................................................................. 65
7 REFERÊNCIAS BIBLIOGRÁFICAS ......................................................... 68
APÊNDICE A – Informações relevantes acerca dos fatores considerados neste
trabalho ......................................................................................................................... 71
APÊNDICE B – Regressões lineares múltiplas .................................................... 74
1
1 INTRODUÇÃO
Nos dias de hoje o modal aéreo exerce um papel fundamental no transporte de
passageiros e de carga em todo o mundo. Desde seu surgimento, a aviação comercial
passa por constantes transformações, evoluindo ano após ano e exercendo um papel
cada vez mais importante na sociedade e na economia. Com o advento da tecnologia,
voar se torna cada vez mais rápido, simples, acessível e seguro. Assim,
progressivamente o transporte aéreo se consolida como um serviço essencial na vida da
população mundial.
Isto posto, destaca-se que o transporte aéreo cumpre funções logísticas, sociais e
até políticas em determinados países. Dada a relevância da aviação como um modo de
transporte, diversos estudos e pesquisas vêm sendo desenvolvidos abordando uma
imensa gama de temas acerca deste modal. Especificamente, o presente trabalho se
dedica a estudar aspectos relativos à aviação comercial em âmbito regional. Por isso,
duas definições importantes na leitura deste trabalho são aqui expostas: São elas as
definições de aviação em âmbito regional e nacional. Neste trabalho, entende-se por
aviação regional aquela que conecta cidades de pequeno ou médio porte a cidades
maiores, especialmente em voos de curto ou médio alcance. Já aviação em âmbito
nacional é aquela que conecta cidades de grande porte, em especial capitais (GOMES et
al., 2002).
A aviação regional desempenha papel fundamental na organização social e na
prosperidade econômica de uma nação, especialmente num país com dimensões
continentais como o Brasil. Regiões interioranas passam a integrar-se entre si e aos
grandes centros urbanos de um país quando o transporte aéreo regional passa a realizar
serviços regulares nestas determinadas regiões. Fazendo uso de uma linguagem
coloquial costuma-se dizer que a aviação regional encurta distâncias e aproxima
pessoas.
Uma malha aérea regional bem estruturada contribui para um desenvolvimento
econômico equilibrado e sustentável. Os benefícios para as localidades servidas por
transporte aéreo regular são de tal dimensão que em alguns países as cidades disputam
entre si a possibilidade de receber futuras ligações aéreas. Algumas comunidades
chegam a organizar abaixo-assinados, vídeos promocionais e apresentações em formato
2
de pitch para chamar a atenção de companhias aéreas que pretendem expandir suas
operações.
A previsão de demanda é peça chave para o planejamento, gestão e operação do
mercado de transporte aéreo, uma vez que uma série de membros integrantes desse
mercado depende dessas previsões em suas tomadas de decisões estratégicas. Dentre
eles, vale destacar: companhias aéreas; fabricantes de aeronave; órgãos de governo;
operadores aeroportuários; e investidores do mercado financeiro.
1.1 Objetivos Gerais
O principal objetivo do presente trabalho é desenvolver um modelo de previsão
de demanda de transporte aéreo a fim de realizar previsões de demanda por transporte
aéreo regional de passageiros em potenciais futuras ligações aéreas nas regiões Sul e
Sudeste do Brasil, inoperantes na atualidade.
1.2 Objetivos Específicos
Utilizar o modelo a ser desenvolvido para determinar a previsão de demanda de
passageiros para as 8 potenciais futuras ligações aéreas aqui listadas: Ipatinga/MG –
Vitória/ES; Guarapuava/PR – Curitiba/PR; Guarapuava/PR – Maringá/PR; Foz do
Iguaçu/PR – Maringá/PR; Lages/SC – Florianópolis/SC; Lages/SC – Chapecó/SC;
Bagé/RS – Porto Alegre/RS; e Passo Fundo/RS – Porto Alegre/RS.
Ressalta-se que na data de publicação deste trabalho as ligações aéreas propostas
acima não possuem serviço aéreo regular de passageiros.
1.3 Justificativa
A importância desse trabalho releva-se pelo fato de que a aviação regional é
peça chave no desenvolvimento econômico e social de qualquer país, especialmente
para o Brasil, visto que este possui grandes dimensões territoriais e infraestrutura de
transportes terrestres carentes de opções que ofereçam elevado nível de serviço, como
trens de alta velocidade, por exemplo. Ademais, segundo uma estimativa do Ministério
3
dos Transportes, Portos e Aviação Civil (2017) espera-se que a demanda dos aeroportos
regionais brasileiros cresça 104% no período de 2017 a 2037. Sendo assim, a previsão
de demanda de passageiros em novas rotas, que possuem pouca ou nenhuma série
histórica de dados disponível, será de imensa valia para o país.
1.4 Delimitações
No que se refere às ligações aéreas estudadas neste trabalho, limitou-se a utilizar
rotas regionais nas regiões Sul e Sudeste do Brasil. Excluíram-se ainda rotas
caracterizadas por serem majoritariamente turísticas e rotas operadas com o intuito
específico de alimentar hubs de companhias aéreas incumbentes, uma vez que estas
rotas tendem a confundir a realidade dos dados e informações e reduzir a significância
estatística dos modelos de previsão de demanda que as incluem na amostra.
Acerca das localidades examinadas, limitou-se a estudar urbes prosperas
socioeconomicamente e que exerçam um papel de relevância e liderança no cenário
regional em que estão inseridas.
1.5 Estruturação do Trabalho
O presente trabalho está dividido em seis capítulos: Introdução;
Contextualização histórica; Informações relevantes acerca da previsão de demanda;
Métodos de previsão de demanda de transporte aéreo; Aplicação de um método causal;
e Conclusões.
O primeiro capítulo traz uma contextualização do tema abordado, os objetivos
gerais e específicos do trabalho, a importância e a justificativa do tema escolhido, além
de elencar as delimitações utilizadas e a organização geral do conteúdo estudado.
O segundo capítulo se dedica a contextualizar o cenário da aviação regional no
Brasil, abordando fatos históricos e relevantes acerca deste setor desde seu surgimento
até os dias atuais.
O terceiro capítulo traz algumas noções importantes sobre métodos de previsão
de demanda, como sua importância para o setor aéreo, orientações a se utilizar para
selecioná-los e os cuidados acerca dos mesmos.
4
O quarto capítulo aborda informações relevantes sobre os diferentes tipos de
métodos de previsão de demanda, a saber: métodos qualitativos, quantitativos e causais.
Além disso, destacam-se os principais métodos utilizados para previsões de demanda de
transporte aéreo.
O quinto capítulo se trata da aplicação de um método causal, baseado num
modelo gravitacional de previsão de demanda, a fim de obter os valores de previsão de
transporte aéreo de passageiros das ligações listadas nos objetivos específicos deste
trabalho.
Por fim, o sexto e último capítulo apresenta as considerações finais do trabalho,
incluindo suas conclusões e sugestões para trabalhos futuros acerca deste tema.
5
2 CONTEXTUALIZAÇÃO HISTÓRICA
2.1 O estabelecimento da aviação comercial no Brasil
A década de 20 do século XX marca o início das regulamentações, leis e
decretos acerca do transporte aéreo comercial no Brasil. Durante as décadas de 20 e 30
as primeiras empresas aéreas foram autorizadas a operar no país, porém diversas delas
nem chegaram a voar regularmente. A modesta expertise adquirida nos voos
experimentais e nas poucas rotas comerciais operadas com frequências regulares, não
foi capaz de promover grandes avanços para o setor aéreo brasileiro (GOMES et al.,
2002).
Ao fim da 2ª Guerra Mundial, em 1945, iniciou-se um dos períodos de maior
progresso já vividos pela aviação no Brasil. O conflito fez com que o Governo dos
Estados Unidos da América visse as regiões Norte e Nordeste brasileiras como pontos
estratégicos – com excelente localização geográfica – para alocação de bases áreas.
Desse modo, os americanos promoveram benfeitorias em diversos aeródromos
existentes no território brasileiro, melhorando em muito a infraestrutura local. Ademais,
diversas aeronaves consideradas excedente de guerra se encontravam em solo nacional,
disponíveis para serem negociadas a preços e prazos oportunamente favoráveis às
companhias aéreas brasileiras (MALAGUTTI, 2001, ALVES, 2002).
O ambiente do pós-guerra, acima descrito, fez com que diversas companhias
aéreas surgissem e se espalhassem por todo o território brasileiro. No período entre
1945 e 1952 até 34 empresas aéreas – em sua maioria, mal administradas e com situação
financeira ruim - chegaram a operar simultaneamente no país. Essa grande quantidade
de companhias atendia um vasto número de localidades ao longo do extenso território
nacional. Em 1950 um pico – nunca antes e nem posteriormente superado – de 358
localidades era servido por serviço aéreo comercial. Entretanto, a intensa proliferação
de empresas aéreas acabou criando um cenário de operação em que havia mais oferta de
assentos do que a demanda de passageiros existente na época requisitava
(MALAGUTTI, 2001, GOMES et al., 2002).
6
A Figura 1 mostra uma aeronave Douglas DC-3, versão civil do Douglas C-47
(BALSTER, 2016), que foi largamente utilizado durante a Segunda Guerra Mundial. A
presença dessas aeronaves em solo brasileiro foi determinante para a intensa
multiplicação de empresas aéreas presenciada após o término do confronto global.
Figura 1 – Aeronave Douglas DC-3, operando pela Real Transportes Aéreos no Aeroporto de
Congonhas/SP, em 1954 (DAVIES, 1983).
2.2 A crise na aviação comercial brasileira da década de 60
A década de 60 trouxe consigo grandes transformações para o modal rodoviário,
que passou por uma intensa melhoria durante o governo de Juscelino Kubitschek,
presidente do Brasil entre 1956 e 1961. O Governo Federal investiu fortemente no setor,
inaugurando diversas rodovias e incentivando a instalação de empresas do ramo
automobilístico pelo país. Por conseguinte, o modal rodoviário se tornou um
concorrente direto do modal aéreo, especialmente em voos de curta distância (MUNDO
EDUCAÇÃO, s.d.).
Além disso, era nítida a necessidade de renovação da frota de aeronaves que
operava no Brasil, visto que as antigas aeronaves da década de 40 já se encontravam
bastante antigas e demandando manutenção de alto custo e difícil execução. Isso aliado
à competição com o modal rodoviário e à demasiada oferta de assentos – ocasionada
pela desordenada proliferação de companhias aéreas - acabou provocando voos
antieconômicos e danosos às finanças das diversas companhias da época, o que
provocou uma relevante crise econômica para a aviação nacional (MALAGUTTI,
2001).
7
Perante o crítico cenário vivido pelo setor de transporte aéreo, o governo
brasileiro e as empresas do ramo se reuniram para tentar vencer a crise que assolava a
aviação, em encontros denominados Conferências Nacionais de Aviação Comercial
(CONAC). Durante a década 60 realizou-se três conferências, nos anos de 1961, 1963 e
1968. Como principal resultado desses encontros pode-se destacar a implantação do
chamado regime de competição controlada, onde o governo se tornou um forte agente
regulador do transporte aéreo no país. As autoridades administrativas federais passaram
a controlar locais de origem e destino, rotas de voo, pontos de conexão, valor cobrado
por passagens e até como deveria correr a renovação da frota de aeronaves. Ademais,
foi lançada uma forte política de estimulo a fusão de empresas aéreas, visando
condensar a concorrência existente na época. Fusões estas, que vieram a ocorrer em
grande número, devido à vasta quantidade de empresas que faliram ou estavam na
iminência de colapsar economicamente (MALAGUTTI, 2001, GOMES et al., 2002).
No que tange à aviação regional, o Governo Federal atou com o intuito de tentar
estimular que as rotas partindo e destinadas ao interior não fossem abandonadas pelas -
frágeis economicamente – empresas aéreas. Em 1962 foi criada a Rede de Integração
Nacional (RIN), que oferecia subsídios às companhias que utilizassem determinadas
aeronaves em rotas de médio e baixo potencial de passageiros. As rotas beneficiadas
eram tais que, sem esse fomento do governo não seriam financeiramente interessantes
às empresas aéreas. Todavia, o programa de fomento acabou sendo deixado de lado
devido aos cortes orçamentários que ocorreram em anos subsequentes, sendo
abandonado em 1968, e oficialmente extinto em 1977 (GOMES et al., 2002).
O grande número de fusões, falências e absorções de companhias aéreas da
década de 60, assim como o insucesso da Rede de Integração Nacional acabaram
gerando uma imensa redução na quantidade de localidades servidas por transporte aéreo
regular, em especial nas cidades interioranas. A redução foi de tal magnitude que em
1975 somente quatro empresas aéreas atuavam no país, servindo apenas 92 localidades.
Outro fator de extrema relevância na redução de localidades atendidas por transporte
aéreo foi a modernização da frota nacional. As quatro empresas de aviação comercial
regular – Transbrasil, Viação Aérea São Paulo (VASP), Viação Aérea Rio-Grandense
(VARIG) e Cruzeiro do Sul, sendo as duas últimas do mesmo grupo econômico –
operavam frotas renovadas e constituídas, ainda que em parte, por aeronaves modernas,
de grande porte, longo alcance e por vezes dotadas propulsores a jato. Devido a essas
8
frotas, compostas por aviões de grande porte, as empresas se viram obrigadas a priorizar
as rotas entre as maiores cidades do país, que apresentavam maior demanda pelo serviço
e viabilizavam a utilização desse tipo de aeronave (MALAGUTTI, 2001, GOMES et al.,
2002).
A Figura 2 apresenta um gráfico que traz a evolução da quantidade de cidades
servidas por transporte aéreo comercial regular no Brasil, entre 1960 e o início dos anos
2000.
Figura 2 – Evolução do número de cidades servidas por transporte aéreo (GOMES et al., 2002).
2.3 Os Sistemas Integrados de Transporte Aéreo Regional
(SITAR)
A aviação civil regional brasileira se encontrava abandonada e deixada de lado
pelas companhias aéreas, que visavam obter maiores lucros através das ligações entre
grandes centros do país. O Governo Federal se movimentou para combater esse quadro
e em 11 de novembro de 1975 publicou o decreto n° 76.590, através do qual foram
criados os chamados Sistemas Integrados de Transporte Aéreo Regional (SITAR). O
decreto estipulava a criação de linhas aéreas destinadas a atender localidades de média e
baixa demanda por transporte aéreo, que funcionariam como linhas alimentadoras às
principais linhas nacionais. O território brasileiro foi dividido em cinco regiões
aproximadamente homogêneas em número de viagens e com alguma afinidade
socioeconômica. Cada uma destas regiões formava um sistema a ser operado por uma
empresa aérea regional em regime de exclusividade. O fato de dividir o país em regiões
9
de operação exclusiva realçava a antiga política de competição controlada, lançada pelo
governo na I CONAC, em 1961 (MALAGUTTI, 2001, GOMES et al., 2002).
Os SITAR foram então concedidos – por 15 anos, prorrogáveis – às cinco
empresas aéreas criadas para tal fim. As companhias deviam seguir algumas diretrizes
determinadas pelo governo para que pudessem receber as concessões, dentre as quais
vale destacar que empresas aéreas nacionais podiam deter no máximo um terço (1/3) do
capital das novas empresas regionais. Essas, por sua vez, eram proibidas de se tornarem
empresas aéreas de âmbito nacional. Estipulou-se ainda que um adicional de até 3%
podia ser aplicado às tarifas aéreas domesticas, a fim de fomentar as linhas aéreas dos
SITAR (CASTRO & LAMY, 1993).
A criação dos sistemas tinha como principal objetivo recuperar a aviação
regional brasileira. Para alcançar tal propósito, alguns princípios foram elencados para
nortear as novas empresas e o recém-estruturado mercado da aviação. Dentre tais
princípios vale salientar que: as empresas regionais deveriam possuir estrutura
organizacional simples, visando obter custos indiretos reduzidos; não deveria haver
concorrência direta entre empresas regionais e nacionais, uma vez que, cada uma delas
só seria autorizada a operar rotas compatíveis com seus respectivos propósitos; as
empresas nacionais e regionais eram incentivadas a realizar acordos entre si, buscando
criar redes de voo complementares, em que as companhias regionais funcionariam como
alimentadoras aos voos de grande porte das empresas de âmbito nacional; e as
aeronaves utilizadas pelas empresas regionais deveriam ter capacidade limitada a
atender demandas reduzidas de passageiros e serem capazes de operar em pistas
pequenas, dotadas de baixa infraestrutura e por vezes não pavimentadas (GOMES et al.,
2002).
As especificidades requeridas pelo governo acerca da aeronave a ser utilizada
tinha como foco principal promover a utilização da aeronave turboélice Embraer EMB-
110 Bandeirante – mostrada na Figura 3 – com capacidade de 21 assentos, que havia
sido lançada quatro anos antes pela empresa do interior de São Paulo (MALAGUTTI,
2001; BALSTER, 2016).
10
Figura 3 – Aeronave EMB-110P Bandeirante, operando pela Rio-Sul Serviços Aéreos
Regionais no Aeroporto de Londrina/PR, em 1981 (DAVIES, 1983).
Os sistemas e empresas criadas pelo Departamento de Aviação Civil (DAC)
foram:
- Região Norte-Oeste, servida pela TABA – Transportes Aéreos da Bacia
Amazônica, empresa independente das três nacionais, provém da Táxi Aéreo Sagres.
- Região Centro-Norte, servida pela Viação Brasil Central, inicialmente
Votec-Serviços Aéreos Regionais SA, que já existia desde 1966 como táxi aéreo sem
ligações com as companhias aéreas regulares, acabou transferindo para a TAM as
atividades de transporte regional, com criação de uma nova empresa, a BR-Central, de
capital social tripartido, ou seja: 1/3 da Votec, 1/3 da TAM e 1/3 de acionistas
privados.
- Região Nordeste-Leste, servida pela Nordeste Linhas Aéreas, empresa
fundada por vários acionistas, entre os quais a Transbrasil, o Estado da Bahia e outros.
Posteriormente o Estado da Bahia aumentou sua participação para reter a companhia
em Salvador.
- Região Centro-Oeste, servida pela TAM – Transportes Aéreos Regionais
S/A, que nasceu da TAM Táxi Aéreo Marília – mais uma participação de 1/3 da
VASP, a qual repassou à nova companhia seis Bandeirantes com apoio das suas
tripulações e as linhas regionais interiores de São Paulo que eles serviam e que teriam
que ser abandonadas pela VASP segundo a legislação e regulamentação dos SITAR.
- Região Sul, servida pela Rio-Sul Serviços Aéreos Regionais S/A, fundada
inicialmente pela VARIG, e pelas companhias de seguros Atlântico Boa Vista e Sul
América e o Bradesco (CASTRO & LAMY, 1993).
11
Figura 4 – Empresas aéreas regionais em 1976 – SITAR (DAVIES, 1983).
Os esforços do governo para fazer com que os SITAR fossem capazes de
desenvolver e encaminhar a aviação regional brasileira a trilhar um caminho de sucesso
não foram totalmente eficazes. O que se observou foi que com o passar dos anos as
companhias aéreas passaram a desrespeitar os princípios propostos pelo programa
arquitetado pelo Governo Federal. Buscando maximizar seus lucros, cada uma das
empresas – atuando dentro das especificidades de cada região concedida – passou a
colocar suas próprias aspirações acima dos objetivos de ganhos mútuos propostos na
criação dos SITAR. Os incentivos para que empresas regionais e nacionais firmassem
12
acordos operacionais, funcionando em harmonia e explorando o mercado de modo
complementar, não foram incorporados pelas empresas atuantes na época.
Adicionalmente, algumas rotas – ainda que apenas em trechos específicos – vieram a ser
operadas simultaneamente por empresas regionais e nacionais, levando as mesmas a
competirem entre si. Ademais, as empresas regionais acabaram por adquirir aeronaves
mais modernas e de maior porte, o que fez com que a frequência dos voos fosse
gradualmente reduzida, para se adequar à realidade de demanda das linhas interioranas
(GOMES et al., 2002).
O grande problema ligado à fuga aos princípios dos SITAR, é que no âmbito
regional um dos fatores-chave para o sucesso do modal aéreo é a frequência dos
serviços prestados (GOMES et al., 2002). Uma vez que essa foi reduzida – para adequar
a demanda às novas aeronaves – pelas companhias regionais, o modal aéreo perdeu
fortemente em competitividade para o modal rodoviário. Esse, indiscutivelmente,
oferece maior flexibilidade aos usuários, e em curtas distâncias e períodos não muito
longos de viagem – como são os deslocamentos em âmbito regional – acaba sendo mais
atraente que voos cronologicamente esparsos.
A despeito do não atendimento aos princípios estabelecidos pelo Governo
Federal, os SITAR foram capazes de provocar uma conjuntura favorável para o
transporte aéreo regional brasileiro. Durante 1976 e 1992 a oferta dos serviços regionais
– quantificada através da multiplicação de assentos por quilômetro (ass × km) –
quadruplicou e o número de cidades servidas por transporte aéreo cresceu à taxa de 3%
ao ano (GOMES et al., 2002), levando diversas cidades do interior a dispor de
operações comerciais aéreas regulares.
2.4 A desregulamentação do setor de transporte aéreo
As décadas de 80 e 90 – especialmente essa última – foram marcadas pela
difusão de ideias liberais por todo o mundo. A queda do muro de Berlim e o fim da
antiga União Soviética, em 1989 e 1991, respectivamente, são marcos icônicos desta
época, que ficou conhecida na história como neoliberalismo. Os ideais que se
espalharam pelo mundo defendiam pequena intervenção estatal na vida dos indivíduos e
na economia, que deveria ser regida pura e simplesmente pelo mercado, através da
chamada lei da oferta e procura. As mudanças filosóficas propostas pelos neoliberais
13
surtiram efeito em diversos países, provocando a desregulamentação de diversos setores
da economia ao redor do mundo.
O setor de transporte aéreo regular brasileiro, seguindo a tendência mundial,
também passou por um processo de desregulamentação. Sob este cenário global de
intenso liberalismo econômico, em 1990, o Governo Federal lançou o Programa Federal
de Desregulamentação do setor aéreo. Fundamentado na liberdade individual, o
programa objetivava fortalecer a iniciativa privada, diminuir ingerência estatal no
mercado, melhorar o rendimento dos serviços públicos no setor e obter maior satisfação
dos usuários do serviço. A principal diretriz que regia o programa era reduzir ao
máximo a participação governamental no mercado, deixando ativos apenas os controles
imprescindíveis ao setor aéreo (CASTRO & LAMY, 1993).
Ao longo dos meses e anos subsequentes, diversos decretos e portarias foram
publicados pelo governo, através do Ministério da Aeronáutica, com o intuito de cada
vez mais, promover a flexibilização do setor aéreo. As principais consequências
acarretadas pelas mudanças no setor foram a flexibilização tarifária, a liberação da
escolha de rotas e aeronaves por parte das companhias aéreas, a autorização para que
novas empresas aéreas fossem criadas, a liberação da competição entre empresas de
âmbito nacional e regional e a extinção das limitações geográficas como área de atuação
das empresas, que haviam sido criadas pelos SITAR, que acabaram por serem, na
prática, extintos em 1992. As intensas mudanças na estrutura do setor aéreo nacional
acabaram por eliminar a classificação de empresas aéreas como regionais ou nacionais.
Essas denominações passaram a ser atribuídas às companhias pelas características das
linhas que cada uma delas operava, e não pura e simplesmente por uma definição de
tipo de empresa em si (CASTRO & LAMY, 1993, GOMES et al., 2002). Por fim, em
2000, o Ministério da Fazenda sacramentou a desregulamentação do setor aéreo
brasileiro.
O processo de flexibilização e desregulamentação provocou uma vasta série de
mudanças no setor aéreo brasileiro. A autorização para que novas empresas aéreas
fossem criadas e para que as empresas pudessem competir entre si por um mesmo
mercado de passageiros criou um cenário de grande proliferação de empresas aéreas,
seguido por um vasto número de fusões e falências.
14
Aos olhos de investidores financeiros, o mercado da aviação civil parecia
extremamente promissor e rentável. O recém-desregulamentado setor aéreo brasileiro
apresentava plenas condições de crescimento às empresas aéreas, seja em âmbito
nacional ou regional. A desregulamentação propiciava a criação de novas rotas para o
interior ou ainda a ampliação de serviços aéreos em rotas já consolidadas no mercado.
Além disso, o país passava por um período de forte crescimento econômico. Puxada
pelo plano real, a macroeconomia brasileira vivia um momento ímpar em sua história,
indicando que anos prósperos estariam por vir.
Estes fatores fizeram com que a segunda metade da década de 90 apresentasse
um expressivo crescimento no número de cidades servidas por transporte aéreo regular.
A aviação regional se beneficiou muito da desregulamentação do setor aéreo, visto que
diversos investidores viram na aviação regional uma excelente oportunidade de
consolidação no mercado, em um setor que era pouco explorado e apresentava uma
crescente demanda.
Entretanto, esse massivo surgimento de empresas regionais em um curto período
de tempo também deixou expresso o fato que essas empresas iriam concorrer entre si,
em uma concorrência feroz e muitas vezes predatória. Ainda pior era a concorrência
com empresas de porte nacional, que por vezes competiam com as regionais em
algumas “pernas de voo”, numa concorrência que era interpretada por muitos como
desleal. Esses fatores fizeram com que muitas dessas companhias aéreas recém-criadas
operassem com taxas de ocupação de suas aeronaves abaixo do esperado. Além disso,
as empresas aéreas regionais tinham que lidar com os recorrentes problemas
operacionais decorrentes da escassa infraestrutura disponível nos aeródromos e
aeroportos de pequeno porte no interior do país. A soma destes fatores acabou
reduzindo drasticamente as receitas obtidas por estas empresas, acarretando em diversas
fusões e falências ao longo da primeira década do século XXI. Sendo assim, grande
parte das empresas aéreas regionais fundadas após a desregulamentação do setor aéreo,
acabou por deixar de operar em um curto espaço de tempo, levando novamente a uma
redução no número de cidades servidas por transporte aéreo regular.
15
2.5 A aviação regional brasileira nos dias de hoje
A aviação brasileira viveu anos de grande crescimento na ultima década,
entretanto, o setor ainda esbarra em alguns fatores críticos para se consolidar no país de
uma vez por todas. A forte burocracia que ainda impera no Brasil acaba por atrapalhar o
desenvolvimento do setor aéreo. Apesar disso, no ramo da aviação em âmbito nacional,
a economia é o fator chave para determinar “a saúde do setor aéreo”. Nos momentos em
que a macroeconomia brasileira se mostra promissora no cenário mundial, a tendência é
que o setor aéreo acompanhe esse rumo e apresente bons indicadores de taxa de
ocupação das aeronaves e uma perspectiva positiva no que tange à demanda de
passageiros.
Na aviação regional o cenário é um pouco diferente. Por se tratarem de rotas de
baixa e média demanda, por muitas vezes as companhias aéreas passam por dificuldades
para conseguir manter tais rotas viáveis economicamente falando. Primeiramente, vale
ressaltar o fato da concorrência com o modal terrestre, que torna menor o número de
pessoas dispostas a pagar por um bilhete aéreo. Além disso, a deficitária infraestrutura
encontrada nos aeroportos interioranos do Brasil é um fator crítico para o setor. Fato
este, que tem seus efeitos ampliados pelas fortes exigências técnicas cobradas pelos
órgãos regulatórios brasileiros. Baseadas em padrões internacionais, essas exigências
não são compatíveis com a realidade dos aeroportos e aeródromos do interior do Brasil,
fazendo com que diversas empresas aéreas sejam obrigadas a abandonar suas operações
em determinadas localidades. Ademais, o preço do combustível de aviação varia muito
dentro do Brasil, devido aos impostos estaduais e municipais que incidem sobre o
indispensável insumo da aviação. Muitas vezes, servir algumas localidades de baixa
demanda de passageiros se torna inviável economicamente devido ao fato de que
abastecer a aeronave naquela localidade pode ser duas, até três vezes mais caro que nos
grandes centros do país (AERO MAGAZINE, 2013, EBC – AGÊNCIA BRASIL,
2016).
A combinação destes fatores somados a um ambiente de concorrência predatória
entre companhias aéreas torna quase impossível a perpetuação da aviação regional em
qualquer país. Sendo assim, poucas empresas regionais sobreviveram à extrema
concorrência vivenciada no período pós-desregulamentação do setor aéreo.
16
A Figura 5 consiste em uma linha do tempo que apresenta o período de operação
regular das empresas aéreas regionais brasileiras, com um enfoque no período após a
flexibilização e desregulamentação do setor aéreo. Vale ressaltar que a LATAM –
antiga TAM – não está representada na figura devido ao fato de ter, a partir da segunda
metade década de 90, voltado suas atenções para a aviação em âmbito nacional,
deixando de lado a aviação regional.
17
Figura 5 – Linha do tempo: Período de operação regular de empresas aéreas brasileiras de âmbito regional (Compilado e organizado pelo autor).
18
Como é possível ver na figura 5, diversas empresas regionais não foram capazes
de suportar financeiramente os entraves que ainda assolam a aviação regional no Brasil,
e faliram ou se fundiram ao longo das primeiras duas décadas do século XXI. Isso fez
com que no início de 2018, data de publicação do presente trabalho, apenas Asta, Azul,
MAP, Passaredo e Piquiatuba estejam operando regularmente no Brasil, totalizando
apenas 5 empresas de caráter regional no País. Vale ressaltar que a Azul também atua
em âmbito nacional, mas, por servir mais de 100 destinos no país – diversos deles no
interior – a empresa pode ser considerada atuante no mercado regional. O baixo número
de empresas atuantes no mercado regional ressalta o quanto esse setor da aviação está
atrasado no Brasil. Enquanto no restante do mundo a aviação regional representa cerca
de 25% do mercado, no Brasil, em 2013 a aviação regional representava somente 5% do
volume de passageiros transportados (PANROTAS, 2008).
Numa tentativa de mudar a conjuntura da aviação regional no país, o Governo
Federal lançou, em 2012, o Programa de Aviação Regional (PAR). O programa
objetivava, em suas diretrizes originais, garantir que 96% da população brasileira
estivesse a, no máximo, 100 km distância de um aeroporto. Para alcançar tal obtivo,
seriam reformados, ampliados, ou construídos 270 aeroportos regionais ao longo do
território nacional, para torna-los capazes de receber voos regulares. Os investimentos
do programa possuíam uma estimativa inicial de alcançarem R$ 7,3 bilhões, para assim,
cumprir com o objetivo de conectar o Brasil e levar desenvolvimento e serviços sociais
a lugares distantes dos grandes centros (SECRETARIA NACIONAL DE AVIAÇÃO
CIVIL, 2015).
Além de investir em melhorias físicas diretas nos aeroportos e aeródromos
regionais brasileiros, o governo também buscava trabalhar com formas adicionais de
fomento à aviação regional. Um dos pilares dessas ações seriam os subsídios providos
ao setor de transporte aéreo regional. Tais subsídios se dariam em duas formas
principais: através do pagamento de tarifas aeroportuárias e aeronáuticas nos aeroportos
regionais; e por meio de bilhetes aéreos em rotas regionais (movimentação anual de até
600 mil passageiros, com exceção da Amazônia Legal, onde este número é de 800 mil
passageiros), onde seriam subsidiados 50% dos assentos ocupados, até um limite
máximo de 60 passageiros. Ademais, o governo lançou alguns programas de formação e
capacitação de profissionais, como por exemplo, o Programa de Treinamento para
Profissionais de Aeroportos Regionais – TREINAR, o Prêmio Aviação e o Bolsa Piloto.
19
Outra forma de auxilio à aviação regional foi através da aquisição de equipamentos para
os aeroportos e aeródromos, como por exemplo, a compra de carros contra incêndio -
CCI (SECRETARIA NACIONAL DE AVIAÇÃO CIVIL, 2015).
Figura 6 – Rede de 270 aeroportos propostos pelo Programa de Aviação Regional (Fonte:
SECRETARIA NACIONAL DE AVIAÇÃO CIVIL).
Entretanto, de 2012 a 2015, alguns poucos projetos do Programa de Aviação
Regional foram de fato executados ou pelo menos iniciados, a grande maioria não
passou nem da fase de anteprojeto. Em 2016, a Secretaria Nacional de Aviação Civil
20
apresentou uma atualização acerca do projeto. Segundo a área técnica da secretaria, 85
aeroportos listados inicialmente não possuem viabilidade para entrar na malha regional
brasileira. Os estudos abrangeram a proximidade entre terminais, a demanda de
passageiros e o interesse de operação por parte de companhias aéreas, e foram
conclusivos para eliminar 85 terminais do programa. Outros nove aeroportos já
operavam regularmente e também foram excluídos. Desse modo, o Governo Federal
restringiu a 176 o número de aeroportos que receberiam investimentos. Além disso, a
secretaria elencou 53 aeroportos como prioritários, estes, foram escolhidos para receber
R$ 300 milhões em investimentos, a partir de 2017, para que estejam todos operando
até 2020. Apesar de o Governo Federal ainda tratar o Programa de Aviação Regional
como prioridade, as mudanças de governo, a crise econômica e a política de ajuste fiscal
vivenciada no país nos últimos anos tem colocado o programa em cheque, deixando o
mercado da aviação regional ainda numa situação de insegurança quanto à prosperidade
do setor nos próximos anos (SECRETARIA NACIONAL DE AVIAÇÃO CIVIL,
2016).
Quanto aos investimentos que o governo ainda pretende fazer através do
Programa de Aviação Regional algumas ressalvas importantes devem ser feitas. É
preciso que este tipo de programa seja realista e faça uma distinção entre os dois tipos
de rotas que estão sendo propostas: as de cunho social, com a missão de conectar
regiões isoladas do país às facilidades e tecnologias disponíveis nos grandes centros
nacionais, como atendimento médico de qualidade, por exemplo; e as rotas com
viabilidade econômica de operar por si só, e se sustentar em longo prazo. Nesse
segundo segmento de rotas é preciso ter clareza que estas só se sustentarão em
localidades que sejam centros logísticos; que estejam passando por um boom
econômico; que já tenham se estabilizado como polos econômicos regionais; ou que
sejam polos de turismo de extrema atratividade (AERO MAGAZINE, 2013). Como
exemplo para essas rotas pode-se citar algumas determinadas localidades que são
destaques em seus setores econômicos: Chapecó/SC, um forte polo agroindustrial no sul
do país; Petrolina/PE, relevante centro de exportação frutífera no Nordeste brasileiro;
Joinville/SC, essencial núcleo econômico de Santa Catarina e de relevada notoriedade
em toda a região Sul brasileira; e Jericoacoara/CE, um dos pontos turísticos que mais
cresce em visitação no país, listado por diversos especialistas como o polo turístico mais
promissor do Brasil.
21
Além disso, outra importante ressalva a ser feita é com relação às aeronaves de
projeto do PAR, a saber: Boeing B 737-800 (162 a 189 assentos); Airbus A319 (126
assentos); Embraer E195 (108 a 124 assentos); e ATR 42-300 (45 a 50 assentos). Com
exceção ao ATR 42-300, as outras aeronaves propostas para o programa são todas
dotadas de mais de 100 assentos e propulsão a jato. Essas três ultimas aeronaves
claramente não se adequam à realidade da aviação regional brasileira. Esse tipo de
aeronave terá dificuldade para decolar na grande maioria das pistas dos aeroportos
regionais do país. Ademais, essas aeronaves possuem uma quantidade de assentos
completamente inadequada à demanda de passageiros do mercado regional brasileiro, o
que inevitavelmente levará as companhias aéreas a reduzir a frequência de voos,
reduzindo o nível de serviço do modal aéreo, fazendo-o ser menos competitivo em
relação ao seu principal concorrente em nível regional, o modal rodoviário (BALSTER,
2016).
Vale ressaltar que, desde sua criação até a data de publicação do presente
trabalho o PAR vem sendo alvo de fortes críticas de especialistas do setor aéreo, em
especial pela proximidade entre os aeroportos-alvo do programa e também com relação
às aeronaves de projeto.
Além do Governo Federal, o Governo de Estado de Minas Gerais também
lançou um programa de fomento à aviação regional. Em 2016 o projeto mineiro iniciou
suas operações de voos comerciais regulares, ligando Belo Horizonte – através do
aeroporto da Pampulha – a outras doze cidades do interior do estado, por meio de
subsídios nos bilhetes aéreos, que são emitidos diretamente por órgãos ligados ao
governo estadual, pondo em prática o chamado Projeto de Integração Regional de
Minas Gerais – Modal Aéreo (PIRMA). Segundo o Governo do Estado, o programa
busca fomentar os negócios regionais, desenvolver o turismo e facilitar o deslocamento
de moradores do interior à Belo Horizonte. A Figura 7 mostra as cidades que, na data de
publicação deste trabalho, são atendidas pelo PIRMA, que se encontra na sexta fase do
projeto (COMPAHIA DE DESENVOLVIMENTO ECONÔMICO DE MINAS
GERAIS - CODEMIG, 2016).
Em dezembro de 2017, o Governo Federal através da Agência Nacional de
Aviação Civil (ANAC), aprovou uma proposta em que aeroportos com movimentação
inferior a 200 mil passageiros por ano passam a não serem mais obrigados a manter um
22
caminhão contra incêndio (CCI) no pátio do aeroporto para poder operar voos regulares.
Essa mudança na legislação fez com que 44 aeroportos regionais brasileiros passem a
ser autorizados a operar regularmente sem o oneroso equipamento. De acordo com a
Agência, a medida vai ajudar no desenvolvimento da aviação regional, visto que esses
pequenos aeroportos podem alocar recursos em outras áreas vitais a sua operação
regular, tornando-os economicamente viáveis (ANAC, 2017). Até a data de publicação
do presente trabalho não se tem conhecimento de nenhum destes 44 aeroportos que
tenha iniciado operações comerciais regulares devido à medida.
Figura 7 – Cidades atendidas na sexta fase do programa de fomento à aviação regional do
Governo do Estado de Minas Gerais (Fonte: PIRMA).
Por fim, vale destacar que segundo uma estimativa do Ministério dos
Transportes, Portos e Aviação Civil (2017) espera-se que a demanda por transporte
aéreo no Brasil chegue a triplicar até 2037, e que, a demanda dos aeroportos regionais
brasileiros cresça 104% no mesmo período. É esperado ainda que o número de
aeroportos regionais passe de 78, em 2017, para 187 em 2037.
23
3 INFORMAÇÕES RELEVANTES ACERCA DA
PREVISÃO DE DEMANDA
Todas as referências deste capítulo são da dissertação de mestrado de GODOY,
A Previsão do Tráfego Aéreo de Passageiros (1997).
3.1 A importância da previsão de demanda para o transporte
aéreo
A previsão de demanda é peça chave para o planejamento, gestão e operação de
qualquer empresa, organização ou até mesmo órgão público, seja qual for sua área de
atuação. No mercado de transporte aéreo, a previsão de demanda é de relevada
importância para uma série de membros integrantes desse mercado, sejam de cunho
público ou privado. Dentre eles, vale destacar: companhias aéreas; fabricantes de
aeronave; órgãos de governo; operadores aeroportuários (administradores dos
terminais); e investidores do mercado financeiro.
As empresas aéreas necessitam dessa informação para planejarem toda sua
estratégia operacional, desde aquisição ou leasing (arrendamento) de aeronaves, escolha
de rotas e localidades a servir, contratação de equipamentos, pessoal e infraestrutura
necessária para a operação da companhia.
Os fabricantes de aeronaves necessitam saber o tipo e a quantidade de
equipamentos que serão demandados pelas companhias aéreas no futuro, para assim
poder adequar seus produtos e linhas de montagem às necessidades do mercado.
Para os órgãos de governo, a previsão de demanda é peça chave para o
estabelecimento das diretrizes que regem a aviação civil nacional. Essa valiosa
informação é parte de tomadas de decisão em questões que vão desde concessões de
aeroportos até a aquisição e manutenção de equipamentos e sistemas de comunicação e
monitoramento de aeronaves, auxílio à navegação e controle do espaço aéreo.
Já para as empresas responsáveis pela administração de aeroportos, sejam elas
públicas ou privadas, obter a demanda do transporte aéreo é necessário para que se
24
possa projetar possíveis construções, reformas ou ampliações de terminais de
passageiros, pistas de táxi, pouso e decolagem, pátio de aeronaves, hangares, assim
como toda a infraestrutura demandada pelo aeroporto. Permite também que se planeje a
aquisição e manutenção de todo e qualquer equipamento pertinente à operação do
terminal aeroportuário. Além disso, essa informação é de extrema utilidade para
negociar contratos com possíveis parceiros comerciais dentro dos terminais, e
dimensionar o devido número de pessoal a ser contratado para a operação do aeroporto.
Por último, mas não menos importante, vale ressaltar a relevância da previsão de
demanda por transporte aéreo para investidores do mercado financeiro. Estes são
responsáveis pela injeção de capital no mercado da aviação comercial. Como a maioria
das empresas do setor aéreo é de capital aberto, a previsão de demanda é um importante
indicador para que os investidores aportem mais ou menos recursos no setor.
Figura 8 – Principais interessados pela previsão de demanda por transporte aéreo (Elaborado
pelo autor, com base em GODOY, 1997).
Conclui-se então que a previsão de demanda é parte fundamental do
planejamento estratégico do setor de transporte aéreo, provendo informações de vital
25
importância para os diversos componentes desse mercado. Desse modo, a previsão de
demanda fornece informações capazes de aperfeiçoar a tomada de decisões estratégicas
e a alocação de recursos, tornando possível que estes recursos sejam alocados onde de
fato serão demandados. Ademais, vale ressaltar que devido aos altos investimentos
necessários para a implantação e operação de serviços de transporte aéreo, a previsão de
demanda pode determinar o sucesso ou insucesso de uma organização ou empresa.
3.2 A seleção de métodos de previsão de demanda
A previsão de demanda se baseia, essencialmente, na existência de uma
tendência, um relacionamento, ou um padrão acerca do que se pretende estudar. Uma
vez que um desses fatores exista, e que seja possível identifica-lo claramente, é possível
que se projete seu comportamento com relação ao futuro, possibilitando a produção de
informações relativas ao futuro do tópico estudado.
Basicamente, o que se busca fazer na grande maioria dos métodos de previsão de
demanda é: obter dados relevantes acerca do tema a ser estudado; identificar as
tendências, padrões ou relacionamentos existentes entre os dados; aplicar as tendências,
padrões ou relacionamentos anteriormente identificados para projetar o comportamento
futuro do conteúdo em estudo.
Há que se destacar que existe uma vasta gama de técnicas e métodos para
previsão de demanda, com diferentes abordagens técnicas. Contudo, ao se estudar uma
determinada conjuntura especifica, o número de técnicas disponíveis tende a cair
drasticamente, se resumindo a poucas opções, quando não, uma única. Deste modo, é de
vital valia ponderar acerca de alguns pontos que são determinantes para que se selecione
a técnica de previsão mais adequada à situação estudada. Dentre esses pontos, os de
maior relevância são o horizonte de tempo, isto é, o período em que aquela determinada
previsão de demanda será utilizada para decisões estratégicas e o nível de detalhe, que
diz respeito a quão específicas as previsões de demanda solicitadas precisam ser.
Ao mesmo tempo em que é importante levar em conta a situação em que o
método de previsão será utilizado, é de igual relevância na decisão da metodologia levar
em conta as características específicas de cada um dos métodos disponíveis, dentre as
quais vale destacar: horizonte de tempo, isto é, o período que aquela determinada
26
metodologia de previsão é capaz de ser significativa; padrão dos dados, que podem
apresentar sazonalidade, seguirem uma tendência de crescimento ou tender a um valor
médio predominante, de modo que é importante que o método escolhido seja adequado
aos dados; custo, que pode tornar métodos mais ou menos atrativos; exatidão, que diz
respeito ao nível de detalhe que um determinado método é capaz de proporcionar; e
facilidade de aplicação, que pode definir se um determinado método é viável ou não
para ser utilizado.
Embora possa parecer que a situação de utilização do método e as características
do mesmo recaiam em redundância, é importante ressaltar que estes pontos devem ser
estudados separadamente no processo de seleção da metodologia a se utilizar. Por fim,
vale salientar que os aspectos relacionados à situação e ao método em si, devem ser
capazes de serem atendidos simultaneamente.
A título de escrever um guia para a seleção de um método de previsão de
demanda através de quatro aspectos chaves, GODOY escreveu em sua dissertação de
mestrado A Previsão do Tráfego Aéreo de Passageiros (1997):
A) o que de ser previsto. Estuda-se as características da situação, buscando
identificar se trata-se de estimar a continuidade de um padrão histórico ou prever a
ocorrência de um ponto de virada em um padrão básico.
B) interação da situação com as características dos diferentes métodos
de previsão. Aqui é importante considerar as mudanças relativas em valor e custo
quando o nível de exatidão se modifica. Um método mais direto e mais econômico é
preferível a outro mais sofisticado, mas que não acrescente muito em termos de
exatidão.
C) quantidade de dados históricos disponíveis. Considerar ainda a
quantidade de informação que os dados contêm e qual o acréscimo de custo para se
obter dados adicionais. É preferível iniciar com uma ferramenta simples, que não
requeira uma quantidade muito grande de dados e, à medida que uma maior
quantidade possa ser acumulada, adotar então uma técnica mais sofisticada.
D) tempo disponível para preparar a previsão. A urgência com que a
previsão é requerida determina muitas vezes a escolha do método a ser utilizado,
juntamente com o tempo necessário para a eventual coleta dos dados necessários.
27
3.3 Cuidados acerca das previsões de demanda
Grande parte dos métodos de projeção utilizada para projeção de demanda
baseia-se na análise de dados. Portanto, os dados exercem papel fundamental para o
sucesso da previsão a ser feita. Dito isso, deve-se atentar para o fato de que coletar
dados é parte muito importante do processo, visto que a exatidão e o nível de confiança
que os resultados apresentarão são frutos desta etapa da previsão.
A primeira parte crítica da fase de aquisição de dados é a definição de quais
variáveis serão utilizadas na previsão em questão. Nem sempre se tem clareza com
respeito às variáveis que são mais importantes e representativas acerca do que se
pretende prever, portanto é de vital importância que se estude e defina cuidadosamente
os dados a serem selecionados. Além disso, recomenda-se ter definidas algumas
variáveis alternativas, a serem utilizadas caso as variáveis principais escolhidas não
tenham uma série histórica suficiente ou não apresentem resultados satisfatórios.
Ademais, sabe-se que uma previsão não pode ser mais exata do que os dados a
partir dos quais ela foi gerada. Entretanto, muitas vezes dados e informações publicadas
por terceiros são necessários à realização das previsões, e na grande maioria das vezes
quase nenhum conhecimento acerca da exatidão dos dados é publicada juntamente com
os dados em si. Isso faz com que se torne difícil determinar a confiabilidade das
previsões geradas por esses dados.
Diversos erros podem ocorrer durante o processo de aquisição de dados, seja ele
realizado diretamente para a utilização na previsão de demanda em questão, ou através
da utilização de dados publicados por terceiros. Dentre as principais fontes de possíveis
erros vale destacar: amostragem, visto que diversas vezes pesquisas são publicadas sem
que se tenha a devida representatividade das amostras; erros na coleta e processamento
dos dados, em grande maioria ocasionada por falhas humanas; informações falsificadas
ou omitidas intencionalmente para fraudar a pesquisa em questão; questionários mal
formulados, que podem dificultar a interpretação do conteúdo buscado pela pesquisa; e
dados agregados (sobrepostos), que tende a ocorrer quanto maior for a amostra ou
população estudada.
Além disso, há diversos outros fatores que comprometem a qualidade e a
exatidão das previsões e que devem sempre ser lembrados. Vale enfatizar alguns desses
28
fatores: o fato de que tendências, padrões e relacionamentos se alteram com o passar do
tempo; a interferência humana nos eventos futuros; o surgimento de novos atores no
cenário estudado, através de inovações tecnológicas; e a elasticidade da demanda, isto é,
a variação da demanda em função de condições como, preço do bem ou serviço em
questão e poder de compra do cliente.
29
4 MÉTODOS DE PREVISÃO DE DEMANDA DE
TRANSPORTE AÉREO
Como já foi pontuado anteriormente no presente trabalho, a previsão de
demanda é de extrema importância para uma gama de membros do setor de transporte
aéreo. Devido a tal fato, existe uma grande quantidade de técnicas disponíveis para que
as previsões sejam feitas, cada uma com suas especificidades e especialidades.
Ademais, há diferentes propósitos em se determinar a demanda futura por transporte
aéreo, estando os principais deles descritos a seguir (GODOY, 1997).
A) Previsão do crescimento da demanda existente, assumindo a continuidade dos
fatores ligados à oferta.
B) Reação da demanda com relação a alterações nos fatores ligados à oferta.
C) Previsão da demanda em rotas não existentes no momento da previsão
(GODOY, 1997).
Para atender aos propósitos de previsão de demanda, há basicamente três
grandes grupos de métodos disponíveis na literatura, descritos aqui em nível de
complexidade crescente: métodos qualitativos, métodos quantitativos e métodos
causais. Vale ressaltar que na prática profissional, na maioria das vezes, o que se utiliza
é a combinação de mais de um método, para que se obtenham resultados de maior
confiabilidade (GODOY, 1997).
4.1 Métodos qualitativos
Os métodos qualitativos se caracterizam por utilizarem pouca ou nenhuma
informação quantitativa em suas previsões. Esses métodos fazem uso de opiniões,
julgamentos, comparações, experiências anteriores e intuições, entre outras técnicas
subjetivas. As previsões são, portanto, fruto da opinião de especialistas, que fazem uma
análise do mercado através da experiência acumulada ao longo de suas carreiras, ou
ainda de entrevistas realizadas com o público-alvo em questão (BONOTTO, 2015).
Dentre as técnicas qualitativas mais utilizadas, vale destacar: julgamento pessoal;
pesquisa de mercado; e método Delphi.
30
A) Julgamento pessoal. É uma técnica que se baseia na intuição e experiência
de executivos, gerentes ou analistas de rotas, que através de seus conhecimentos de
comportamento do mercado e informações adicionais, como cenário geral da economia
e do turismo são capazes de prever as movimentações futuras do mercado (GODOY,
1997).
B) Pesquisa de mercado. Funciona através de entrevistas que buscam avaliar
qual o comportamento e as preferências do público-alvo acerca de questões chave sobre
o serviço em questão. Na prática, trata-se de uma aplicação de um questionário com
uma amostra do possível mercado demandante. A pesquisa de mercado possui elevada
valia, visto que permite identificar problemas e oportunidades, além de traçar perfis dos
usuários de um determinado mercado. As entrevistas realizadas buscam coletar
informações que possam se transformar em dados úteis na tomada de decisão acerca do
futuro do mercado (BONOTTO, 2015).
C) Delphi. Método que busca obter previsões com base em um consenso de
especialistas na área em questão. O método funciona através de um processo iterativo.
Inicialmente os especialistas respondem a um questionário acerca da previsão de
demanda de um determinado mercado. Estes questionários são então reunidos e seus
resultados compilados em uma previsão conjunta que é divulgada aos participantes, que
podem revisar suas respostas a partir daí, de forma repetitiva, em quantas rodadas sejam
necessárias até que se chegue a um consenso. Para um bom funcionamento do método, é
ideal que todos participantes tenham todas as informações acerca do mercado em
questão, de forma igualitária. O que se espera do método Delphi é se obtenha melhores
resultados a partir de um julgamento coletivo, realizado por vários profissionais
qualificados, do que a opinião de um único especialista. Por último, vale destacar que
não deve ocorrer interação pessoal entre os especialistas, evitando que ocorra influência
de um membro sobre outros participantes (GODOY, 1997, BONOTTO, 2015).
Ressalta-se que os métodos qualitativos são usados, na maioria das vezes, em
conjunto com métodos quantitativos ou causais, com o intuito de complementa-los,
aperfeiçoa-los ou validar os resultados obtidos através dessas técnicas (BONOTTO,
2015).
31
4.2 Métodos quantitativos
Os métodos quantitativos (projeções de séries temporais) se caracterizam por
tentar prever o que vai acontecer no futuro, com base no que ocorreu no passado.
Assumindo que os aspectos determinantes ao transporte aéreo no futuro continuarão
sendo os mesmos que influenciaram o mercado no passado, as projeções são feitas com
base em dados históricos acerca do mercado em questão. Deste modo, a única variável
independente utilizada nesses métodos é o tempo, enquanto a variável dependente – a
demanda de transporte aéreo – é obtida através da utilização de uma precisa série
histórica de dados acerca da rota em estudo. Esses métodos só podem ser utilizados
quando houver uma quantidade satisfatória de dados e quando padrões comportamentais
do mercado possam ser extrapolados para o futuro. As técnicas quantitativas mais
utilizadas são: médias móveis; alisamento exponencial; projeção de tendência; e Box-
Jenkins (GODOY, 1997, BONOTTO, 2015).
A) Médias móveis. Essa técnica tem como base tomar a média dos valores da
demanda passada, em um determinado número de períodos, para determinar o valor da
demanda no próximo período considerado. Um dos pontos que se deve destacar acerca
das médias móveis, é que esta técnica tem em sua essência a característica de eliminar a
aleatoriedade dos dados, uma vez que o que a média dos dados é que será utilizada na
projeção. Vale lembrar que todas as observações anteriores tem o mesmo peso, isto é,
são de igual importância na análise. Deste modo, essa técnica possui baixa capacidade
de se adaptar rapidamente a mudanças no padrão de comportamento do mercado
(GODOY, 1997).
B) Alisamento exponencial (suavização exponencial). A técnica de alisamento
exponencial é relativamente parecida com a técnica das médias móveis, ficando a
grande diferença a cargo do peso dado a cada observação do passado. No alisamento
exponencial as observações mais recentes possuem peso maior que observações mais
antigas, visto que informações mais recentes tendem a representar melhor o futuro que
dados mais antigos. Devido ao modo com que essa técnica utiliza os dados, ela se torna
de maior representatividade para previsões de curto prazo, justamente por dar maior
importância a dados mais recentes (GODOY, 1997, BONOTTO, 2015).
32
C) Projeção de tendência. Essa técnica consiste em identificar uma tendência
linear ou exponencial nos dados relativos à demanda passada e projeta-los para o futuro.
A projeção de tendência atribui igual peso a todas as observações passadas, não as
diferenciando entre mais antigas ou mais recentes. O primeiro passo para a aplicação
desta técnica é plotar graficamente o histórico de dados a fim de determinar se estes
possuem tendência linear ou exponencial. Neste método deve-se ter cuidado com
relação aos dados utilizados, visto que tomar como base um período em que houve uma
quantidade de demanda discrepante com relação a períodos anteriores ou subsequentes
acarretará em resultados completamente distorcidos. Deste modo, vale ressaltar que
períodos cíclicos com relação à demanda devem ser incluídos por completo nos dados
para não comprometer os resultados da previsão (GODOY, 1997).
D) Box-Jenkins. Esse método se mostra bastante satisfatório quando os dados
não apresentam claramente um padrão de comportamento ou tendência, fator que é
requerido pela grande maioria das abordagens quantitativas. Sendo assim, essa técnica é
preferivelmente empregada quando os dados combinam componentes sazonais, cíclicos
e randômicos, de modo que ela apresenta bons resultados para séries temporais de maior
complexidade. Por não assumir, de imediato, um padrão presente nos dados, a técnica
box-jenkins faz uso de iterações para encontrar qual o modelo de previsão de demanda
melhor se adequa aos dados disponíveis, de modo que as iterações só param quando um
modelo satisfatório é encontrado. Um ponto negativo a ser mencionado com relação a
esta técnica é que, por sua complexidade, ela requer uma quantidade de dados
relativamente grande, quando comparada a outros métodos (GODOY, 1997).
4.3 Métodos causais
Os métodos causais se caracterizam por utilizar uma série de variáveis
independentes em suas análises, e não só o tempo, como nos métodos quantitativos. Em
geral, aspectos sócio-econômico-demográficos são utilizados para determinar o
comportamento da demanda de transporte aéreo. Sendo assim, esses métodos fazem uso
de dados históricos acerca de fatores com potencial de influenciar o comportamento do
mercado de transporte aéreo para realizar suas previsões, numa relação de causa e
efeito. Usualmente, o setor de transporte aéreo faz uso de modelos de regressão para
determinar a demanda futura através de métodos causais, que são conhecidos como
33
modelos econométricos, no caso de rotas que já estejam em operação, e modelos
gravitacionais para rotas novas, que ainda não estão em operação (GODOY, 1997).
Visto o grande número de fatores que influenciam o setor de transporte aéreo,
busca-se obter o maior número possível de variáveis que sejam representativas e de
relevada importância para o setor, objetivando, no entanto, evitar que se utilizem
diferentes variáveis que representem o mesmo fator influenciador, evitando assim
problemas relativos à multicolinearidade. Usualmente, as principais variáveis
independentes representativas relativas ao transporte aéreo dizem respeito ao tamanho e
poder de compra do mercado, qualidade do serviço e tempo de viagem relativo a modais
concorrentes e ao valor da tarifa (GODOY, 1997).
Uma vez determinadas as variáveis independentes e o modelo de regressão a ser
utilizado, existem duas formas de calibrar o modelo. Primeiramente, há a opção de se
utilizar séries temporais para tal, caso existam dados suficientes acerca das rotas em
questão. Alternativamente pode-se fazer uso da técnica de dados cruzados, em que um
único período de tempo é utilizado, entretanto faz-se referencia a diversas rotas
similares à rota a ser estudada (GODOY, 1997).
Após obter o modelo calibrado, deve-se averiguar a representatividade e a
significância do modelo desenvolvido. Para isso, o teste estatístico mais utilizado é o
chamado coeficiente de determinação, representado por “R2”, que mede quão bem os
dados ajustam-se ao modelo de regressão, isto é, o quanto o modelo representa a
situação estudada. Esse coeficiente varia de 0 a 1, sendo que coeficientes mais próximos
de 1 indicam melhores ajustes, de modo que quanto menor o coeficiente, menos
representativo é o modelo. No que tange ao setor de transporte aéreo, para que se possa
utilizar um modelo de regressão é necessário que este atinja um coeficiente de
determinação de pelo menos 0,9 (GODOY, 1997).
34
4.4 As técnicas a serem adotadas para a previsão de demanda de
transporte aéreo regional neste trabalho
Conforme já exposto anteriormente no presente trabalho, é de extrema
importância que a escolha dos métodos de previsão utilizados seja adequada à situação
em que serão aplicados. Deste modo, deve-se estudar e entender claramente o cenário
em que as previsões serão feitas, e analisar então quais métodos são apropriados àquela
conjuntura.
No âmbito do transporte aéreo regional brasileiro vale destacar que este setor é
um mercado ainda não consolidado no país e que, historicamente, sofre com fortes
oscilações e responde muito sensivelmente a quaisquer alterações nas politicas
governamentais e regulatórias acerca do transporte aéreo. Além disso, deve-se ressaltar
que há um pequeno número de rotas regionais operando no país, uma vez consideradas
as dimensões e características geográficas brasileiras, e que as rotas existentes são
operadas por um reduzido número de companhias aéreas.
Deste modo, as séries históricas de dados acerca do transporte aéreo regional
brasileiro são bastante restritas e dificilmente produziriam previsões relevantes quando
da utilização de métodos quantitativos, que exigem uma base de dados sólida para
produzir previsões de boa qualidade.
A reduzida quantidade de rotas regionais em operação no país alerta ainda que,
um elevado número de novas rotas regionais pode ser demandado no futuro. Sendo
assim, a previsão de demanda de passageiros em novas rotas, que possuem pouca ou
nenhuma série histórica de dados disponível, será de imensa valia no mercado aéreo
regional brasileiro.
Uma vez entendida a conjuntura do transporte aéreo regional brasileiro, que é
um mercado ainda pouco explorado – portanto, não possui uma grande quantidade de
dados relevantes disponíveis – e que tende a se expandir fortemente num futuro de
médio e longo prazo, com a criação de várias novas rotas pode-se decidir quais os
métodos mais adequados a esta conjuntura.
A Tabela 1 resume a adequação dos principais atributos dos métodos mais
utilizados para a previsão de demanda de passageiros de transporte aéreo, e ajuda a
35
identificar qual deles mais se adequa à situação de utilização em questão, com base nas
características específicas de cada um dos métodos estudados.
Tabela 1 – Atributos das técnicas de previsão de demanda de transporte aéreo
(Adaptado de GODOY, 1997).
Horizonte de tempo Intuito da previsão
• 0 a 6 meses
• 6 a 24 meses
• 5 anos • crescimento • modificação • novas
rotas
Qu
alit
ativ
os
Julgamento pessoal
Bom Médio Ruim Bom Médio Ruim
Pesquisa de mercado
Bom Bom Ruim/médio Bom Bom Médio
Delphi Bom/médio Bom/médio Médio Bom Médio Ruim
Qu
anti
tati
vos
Médias móveis
Bom Médio Ruim Bom NA NA
Alisamento exponencial
Bom Bom/médio Ruim/médio Bom NA NA
Projeção de tendência
Bom/médio Ruim/médio Ruim Bom NA NA
Box-Jenkins Bom/médio Ruim/médio Ruim Bom NA NA
Métodos causais Bom Bom/médio Ruim/médio Bom Médio Bom
Com base na conjuntura do transporte aéreo regional brasileiro e das
informações contidas na Tabela 1, entende-se que, devido ao fato que um alto número
de novas rotas pode surgir futuramente no país, a utilização de um método causal é mais
adequada a situação de momento deste mercado. Além disso, destaca-se que a utilização
de um método qualitativo pode ser de vital importância para complementar, aperfeiçoar
ou validar os resultados obtidos através do método causal utilizado. Novamente com
base na Tabela 1, e na conjuntura do mercado indica-se a utilização de pesquisa de
mercado para tal fim.
36
5 APLICAÇÃO DE UM MÉTODO CAUSAL
A escolha de se aplicar um método causal foi uma proposta para atender com
qualidade modelos de previsão acerca de novas rotas, isto é, que não possuem ligação
aérea regular ou séries históricas de dados consistentes para sustentar a utilização de
métodos quantitativos, cenário que representa grande parcela do que se espera do
mercado regional brasileiro em médio e longo prazo.
No presente trabalho se optou pela utilização de um modelo de regressão,
formulado a partir da ideia de um modelo gravitacional. Modelos gravitacionais se
baseiam na lei gravitacional, que diz que duas partículas se atraem gravitacionalmente
por uma força que é diretamente proporcional ao produto de suas massas e inversamente
proporcional ao quadrado da distancia que as separa. Os modelos gravitacionais de
previsão de demanda assumem que o volume de passageiros que viajam entre duas
localidades é alimentado por outras atividades sociais e econômicas, como por exemplo,
turismo e forte exercício econômico de negócios, e que, inversamente, alguns outros
fatores são responsáveis por diminuir o volume de possíveis passageiros da ligação em
questão (GROSCHE et al, 2007).
Em geral, as principais variáveis independentes utilizadas em modelos
gravitacionais são variáveis que dizem respeito ao tamanho do mercado potencial, ao
poder de compra desse mercado e à qualidade do serviço oferecido, no caso das
variáveis consideradas como de atração, isto é, produção de viagens. Variáveis como
distância entre as localidades, tempo de viagem terrestre e valor da tarifa são
comumente considerados como indicadores de impedância, isto é, que tendem a reduzir
o número de passageiros transportados (GODOY, 1997). Entretanto, há que se destacar
que existem diversas outras variáveis possíveis a serem utilizadas na concepção de um
modelo de previsão de demanda baseado na ideia de um modelo gravitacional.
O mercado-alvo a ser estudado no presente trabalho é o setor aéreo regional das
regiões Sul e Sudeste brasileiras. Essas regiões são dotadas – em grande maioria – de
rodovias em bom ou razoável estado de conservação e qualidade, e suas dimensões
podem ser consideradas relativamente reduzidas quando comparadas com as demais
regiões do país. Ademais, estas regiões caracterizam-se por serem economicamente
37
prósperas e desenvolvidas, com grande parcela de sua distribuição econômica nos
setores secundário e terciário da economia.
Portanto, as características sócio-econômico-demográficas das regiões Sul e
Sudeste as classificam como regiões em que o transporte aéreo regional não se
caracteriza por ser um serviço de âmbito social para atender comunidades isoladas, mas
sim por ser um serviço de transporte e logística que visa atender às necessidades de
qualidade e nível de serviço demandadas por esses mercados.
Sendo assim, as localidades-alvo propostas neste trabalho foram selecionadas de
modo que sejam localidades prosperas socioeconomicamente e que exercem um papel
de relevância e liderança no cenário regional em que estão inseridas. A Tabela 2
apresenta os pares de localidades que formam as ligações-alvo a que este trabalho se
propõe a determinar a demanda por transporte aéreo regular de passageiros, de caráter
regional. Destaca-se que as ligações-alvo entre as localidades selecionadas não possuem
serviço de transporte aéreo regular, e que a demanda destas ligações aéreas será
determinada através de um modelo de regressão formulado a partir da ideia de um
modelo gravitacional de previsão de demanda.
Tabela 2 – Pares de localidades que formam as ligações-alvo estudadas neste trabalho.
Pares de localidades que formam as ligações-alvo
Ipatinga/MG Vitória/ES
Guarapuava/PR Curitiba/PR
Guarapuava/PR Maringá/PR
Foz do Iguaçu/PR Maringá/PR
Lages/SC Florianópolis/SC
Lages/SC Chapecó/SC
Bagé/RS Porto Alegre/RS
Passo Fundo/RS Porto Alegre/RS
As figuras 9, 10, 11 e 12 representam graficamente, através de mapas, as
localidades e ligações-alvo listadas na tabela 2.
38
Figura 9 – Em destaque as localidades de Ipatinga/MG e Vitória/ES, que compõem uma das ligações aéreas a serem estudas neste trabalho (Produzido pelo
autor com base na ferramenta digital de mapas Google Maps).
39
Figura 10 – Em destaque as localidades de Foz do Iguaçu/PR, Maringá/PR, Guarapuava/PR e Curitiba/PR, que compõem três ligações aéreas a serem estudas
neste trabalho (Produzido pelo autor com base na ferramenta digital de mapas Google Maps).
40
Figura 11 – Em destaque as localidades de Chapecó/SC, Lages/SC e Florianópolis/SC, que compõem duas ligações aéreas a serem estudas neste trabalho
(Produzido pelo autor com base na ferramenta digital de mapas Google Maps).
41
Figura 12 – Em destaque as localidades de Bagé/RS, Passo Fundo/RS e Porto Alegre/RS, que compõem duas ligações aéreas a serem estudas neste trabalho
(Produzido pelo autor com base na ferramenta digital de mapas Google Maps).
42
5.1 Localidades utilizadas para calibrar o modelo
Para calibrar o modelo faz-se uso da técnica de dados cruzados (cross-sectional),
onde diversas rotas similares às rotas a serem estudadas são utilizadas em um único
período de tempo. Isso porque são poucas as rotas regionais em operação no Brasil, e
suas séries históricas de dados são restritas. Sendo assim, faz-se uso de dados relativos a
localidades servidas por transporte aéreo regular, devidamente selecionadas para tal fim.
A Tabela 3 apresenta os pares de localidades e ligações aéreas atualmente existentes
designadas para calibragem do modelo neste estudo.
Ressalta-se que, assim como acerca das localidades-alvo anteriormente listadas,
as localidades selecionadas para calibrar o modelo exercem um papel de relevância e
liderança no cenário regional em que estão inseridas. Ademais, as características dessas
localidades e/ou as características das ligações aéreas em si, as classificam,
majoritariamente, como integrantes do mercado regional.
Tabela 3 – Pares de localidades e ligações selecionadas para calibrar o modelo.
Pares de localidades e ligações selecionadas para calibrar o modelo
Cascavel/PR Curitiba/PR
Maringá/PR Curitiba/PR
Chapecó/SC Porto Alegre/RS
Uruguaiana/RS Porto Alegre/RS
Santa Maria/RS Porto Alegre/RS
Pelotas/RS Porto Alegre/RS
Santo Ângelo/RS Porto Alegre/RS
Governador Valadares/MG Belo Horizonte/MG
Varginha/MG Belo Horizonte/MG
Ipatinga/MG Belo Horizonte/MG
5.2 Fatores considerados
A partir da ideia proposta em modelos gravitacionais, buscou-se identificar
variáveis que impactem relevantemente na demanda por transporte aéreo, sejam eles
fatores que atuem no sentido de aumentar ou reduzir o número de possíveis passageiros.
Buscou-se utilizar o maior número possível de variáveis que fossem
representativas quanto ao teor de informação que continham, sem que se utilizasse mais
43
de uma variável acerca de um mesmo aspecto, evitando assim multicolinearidade entre
os dados. Os fatores considerados são de âmbito sócio-econômico-demográfico, além
de incorrerem acerca das opções de transporte público regular disponíveis para as
ligações estudadas, a saber, transporte aéreo e rodoviário. A Tabela 4 apresenta os
fatores considerados nos modelos matemáticos propostos no presente trabalho e os
aspectos intrínsecos que os mesmos se propunham a adicionar aos modelos.
Tabela 4 – Fatores considerados nos modelos matemáticos propostos e seus aspectos
intrínsecos.
Fator Aspecto intrínseco
População Tamanho do mercado potencial
Produto Interno Bruto (PIB) Poder de compra do mercado potencial
Índice de Desenvolvimento Humano Municipal (IDHM)
Padrão de qualidade de vida do mercado potencial
Hierarquia dos centros urbanos
Poder de centralidade e atratividade regional da localidade em questão
Tempo de Viagem Nível de serviço prestado por operadores
de transporte regular
Tarifa Valor a ser despendido pelo usuário do
serviço de transporte regular
População. Para proporcionar ao modelo o tamanho do mercado potencial em
questão foi utilizada a população potencialmente usuária do aeroporto. Para isto, se
utilizou uma área de influencia do aeroporto em questão, isto é, uma bacia de captação
de passageiros para o aeroporto. A população considerada em cada localidade proposta
no presente trabalho foi obtida através de uma metodologia que partiu: a) da
microrregião que cada uma das localidades estudadas faz parte, no caso de cidades
interioranas; b) da região metropolitana de cada uma das capitais estaduais estudadas.
As microrregiões são compostas de municípios limítrofes, definidas por
apresentarem especificidades quanto à organização do espaço, à estrutura de produção
44
econômica e também pela presença de relações em nível local (IBGE, 1990). Por outro
lado, o IBGE classifica as metrópoles como centros urbanos que se caracterizam por seu
grande porte e por forte relacionamento entre si, além de, em geral possuírem extensa
área de influência direta (REGIC, 2007).
A partir das microrregiões e regiões metropolitanas das localidades estudadas,
selecionou-se apenas os municípios cujos centros econômicos, sociais e administrativos
se encontravam, no máximo, a 80 km de distância do aeroporto estipulado a servir
àquela determinada região. Os municípios que atendiam a este critério foram incluídos
nos modelos matemáticos propostos no presente trabalho, enquanto os municípios que
não atendiam a este critério foram excluídos dos modelos estudados.
A Figura 13 exemplifica a situação descrita no parágrafo anterior. Em destaque
estão os municípios que compõe a microrregião Campanha Meridional, no estado do
Rio Grande do Sul. A principal cidade desta microrregião é Bagé, e o centro do
município de Lavras do Sul, encontra-se mais de 80 km distante do Aeroporto
Comandante Gustavo Kraemer, que serve à cidade de Bagé e região. Por isso, a cidade
de Lavras do Sul não é considerada nos modelos matemáticos do presente trabalho.
Figura 13 – Em destaque a Microrregião Campanha Meridional: Em azul estão representados os
municípios que foram considerados nos modelos matemáticos do presente trabalho, devido a
seus centros sócio-econômico-administrativos estarem menos de 80 km distantes do Aeroporto
Comandante Gustavo Kraemer, que serve Bagé e região (Produzido pelo autor através da
ferramenta digital de mapas QGIS).
45
Produto Interno Bruto (PIB). Para proporcionar ao modelo o poder de compra
do mercado potencial em questão foi utilizado o PIB das localidades estudadas. O PIB
tem como principal objetivo mensurar a atividade econômica de uma determinada
região. Ele representa a soma, em valores monetários, de todos os bens e serviços
produzidos naquela região específica (PORTAL ADVFN, s.d.). No presente trabalho, os
mesmos critérios de seleção utilizados para o fator população foram utilizados para o
fator PIB, de modo que foram considerados apenas os municípios cujo centro
econômico, social e administrativo se encontra, no máximo, a 80 km de distância do
aeroporto estipulado a servir àquela determinada região.
Índice de Desenvolvimento Humano Municipal (IDHM). Para proporcionar
ao modelo o padrão de qualidade de vida do mercado potencial em questão foi utilizado
o IDHM. O IDHM é uma medida composta de três outros indicadores do
desenvolvimento humano: longevidade, educação e renda (PNUD, s.d.), de modo que
ele é um indício da qualidade das instituições de saúde e educação presentes na região,
além da economia local. Aqui, vale ressaltar que apesar de o IDHM ser, em parte,
composto pela economia da localidade estudada, os possíveis efeitos de
multicolinearidade no modelo matemático com relação ao PIB, são menos prejudiciais
que omitir o IDHM no estudo, e assim não considerar a influência das instituições de
educação e saúde locais que servem a população da região. Vale destacar que apenas o
IDHM do principal município componente da microrregião ou região metropolitana a
ser estudada é considerado nos modelos matemáticos do presente trabalho.
Hierarquia dos centros urbanos (Hpeso). Para proporcionar ao modelo o
poder de centralidade e atratividade regional da localidade em questão foi utilizada a
hierarquia de cada um dos centros urbanos, proposta pelo IBGE em sua publicação
Regiões de Influência das Cidades (REGIC, 2007). Esse estudo classificou as cidades
brasileiras em 11 níveis hierárquicos, considerando a influência que cada uma das
cidades brasileiras exerce em sua região e no país como um todo.
A Tabela 5 apresenta os níveis hierárquicos propostos pelo estudo do IBGE e os
pesos atribuídos – denotados por Hpeso, em abreviação criada pelo autor – a cada um
desses níveis no presente trabalho, convertendo-os assim em valores numéricos capazes
de serem inseridos nos modelos matemáticos propostos. Vale ressaltar que no presente
46
trabalho não foram consideradas localidades com nível hierárquico menor que Centro
Subregional A.
É importante destacar que o fator Hpeso foi criado pelo autor do presente
trabalho e não é parte da publicação do IBGE, uma vez que o IBGE apenas criou e
determinou a classificação dos níveis hierárquicos de 5A a 1A. Entretanto, como se faz
necessária a utilização de variáveis numéricas em modelos de regressão, o autor atribuiu
pesos (Hpeso) apenas a título de tentar transformar a proposta do IBGE em um escala
numérica.
Tabela 5 – Níveis hierárquicos das cidades brasileiras e os pesos atribuídos a cada um destes
níveis.
Nível Hierárquico Peso (Hpeso)
1A Grande Metrópole Nacional 30
1B Metrópole Nacional 25
1C Metrópole 20
2A Capital Regional A 15
2B Capital Regional B 10
2C Capital Regional C 05
3A Centro Subregional A 02
3B Centro Subregional B NA
4A Centro de Zona A NA
4B Centro de Zona B NA
5A Centro Local NA
Vale ressaltar que se considerou, nesta classificação, apenas a cidade de maior
nível hierárquico dentro de cada microrregião ou região metropolitana estudada.
Tempo de viagem. Para proporcionar ao modelo um indicativo do nível de
serviço prestado por operadores de transporte regular – seja o modal aéreo ou rodoviário
– utilizou-se a duração da viagem em questão.
Tarifa. Para proporcionar ao modelo o quão oneroso é ao usuário o custo da
passagem – seja o modal aéreo ou rodoviário – foi utilizado o valor da tarifa cobrada
pelos prestadores de serviço de transporte regular.
O Apêndice A apresenta a forma de obtenção, a fonte e a unidade de medida de
cada um dos fatores listados acima.
47
5.3 A formulação do modelo
Uma vez determinados os fatores a serem considerados, criam-se formulações
matemáticas através do tratamento e manipulação algébrica dos dados inerentes a cada
fator, objetivando-se obter, através de regressões lineares múltiplas, uma expressão
capaz de representar satisfatoriamente a demanda por transporte aéreo nas localidades
propostas. Ressalta-se que a calibragem do modelo de previsão de demanda é realizada
através de um processo iterativo baseado no método dos mínimos quadrados (GODOY,
1997).
Então, a partir da inserção e manipulação algébrica dos dados acerca das
localidades e ligações em questão, o modelo de regressão realiza o cruzamento desses
dados com valores reais de demanda por transporte aéreo – relativos às ligações em
estudo – também inseridos na regressão, a fim de determinar e fornecer como resultado
os coeficientes (constantes) do modelo matemático proposto.
Vale ressaltar que no presente trabalho, devido à dificuldade enfrentada para
encontrar dados específicos relativos à demanda de transporte aéreo em rotas regionais,
utilizou-se, alternativamente, a oferta de assentos nestas rotas. Aqui, destaca-se que, não
se espera que as companhias aéreas mantenham em operação rotas com taxa de
ocupação muito baixa, uma vez que essas rotas representariam prejuízo financeiro para
as empresas, que deixariam de operar em tais rotas. Isto posto, considerou-se que a
oferta de transporte aéreo pode ser considerada como um proxy da demanda, isto é, um
indicativo da demanda.
Com o intuito de obter a melhor formulação matemática possível para o modelo
de previsão de trafego, o presente trabalho propôs-se a testar diferentes formulações e
identificar aquela que melhor representasse a previsão de demanda por transporte aéreo
em âmbito regional. Dentre as diversas formulações algébricas testadas, destaca-se neste
texto, as 5 de maior significância com relação aos resultados obtidos, listadas abaixo
com as nomenclaturas Formulação A, B, C, D e E.
A tabela 6 apresenta os dados sócio-econômico-demográficos acerca das
localidades utilizadas para calibrar o modelo e os dados relativos às ligações aéreas e/ou
terrestres entre estas localidades.
48
Tabela 6 – Dados sócio-econômico-demográficos das localidades utilizadas para calibrar o modelo e relativos às ligações aéreas e/ou terrestres entre
estas localidades.
Origem (i) Destino (j) Oferta Popu- lação i
PIB i (mi R$) IDHM i Hierar- quia i
Popu- lação j
PIB j (mi R$) IDHM j Hierar- quia j
Tarifa avião
Tarifa ônibus
Tempo avião
Tempo ônibus
Cascavel Curitiba 1680 446.165 14.028,71 0,782 2B 3.480.294 137.122,67 0,823 1C R$
345,67 R$
186,67 01:20 08:00
Maringá Curitiba 2506 610.544 18.395,68 0,808 2B 3.480.294 137.122,67 0,823 1C R$
200,33 R$
175,68 01:00 07:16
Chapecó Porto Alegre 140 332.507 11.558,40 0,790 2B 4.237.227 148.618,65 0,805 1C R$
299,00 R$
99,19 01:05 07:45
Uruguaiana Porto Alegre 280 134.007 2.453,13 0,744 3A 4.237.227 148.618,65 0,805 1C R$
698,33 R$
222,93 02:00 09:22
Santa Maria Porto Alegre 420 334.404 7.808,61 0,784 2B 4.237.227 148.618,65 0,805 1C R$
188,33 R$
103,97 00:50 04:10
Pelotas Porto Alegre 420 498.062 9.269,68 0,739 2C 4.237.227 148.618,65 0,805 1C R$
295,00 R$
72,82 00:50 03:21
Santo Ângelo Porto Alegre 280 133.473 3.624,01 0,772 3A 4.237.227 148.618,65 0,805 1C R$
411,33 R$
156,86 01:10 07:05 Gov.
Valadares Belo Horizonte 1260 371.992 5.801,77 0,727 2C 5.276.887 172.874,25 0,810 1C R$
428,00 R$
100,96 00:54 05:44
Varginha Belo Horizonte 140 405.427 9.562,87 0,778 2C 5.276.887 172.874,25 0,810 1C R$
204,33 R$
97,21 00:55 04:49
Ipatinga Belo Horizonte 1750 571.264 15.500,23 0,771 2C 5.276.887 172.874,25 0,810 1C R$
331,33 R$
69,10 00:45 05:00
49
Formulação A. Inicialmente propôs-se um modelo matemático com duas variáveis
independentes, uma de geração de viagens e outra para agir como um fator de
impedância. Entretanto, para proporcionar ao modelo diferentes fatores influenciadores
na demanda por transporte aéreo, a variável independente relativa à geração de viagens
– definida pelo autor como potencial de atratividade (POT AT) – foi estabelecida como
uma composição dos fatores população (POP), produto interno bruto (PIB), índice de
desenvolvimento humano municipal (IDHM) e a hierarquia de cada um dos centros
urbanos (Hpeso). Já o fator de impedância considerado nesta formulação matemática foi
a tarifa cobrada pelo serviço de transporte aéreo regular ( ). A equação (I)
apresenta a formulação matemática A. Já na equação (II) destaca-se como se obteve a
variável potencial de atratividade (POT AT), que foi divida por apenas a título de
facilitar a interpretação dos dados, uma vez que está medida não influi nos resultados da
regressão, por ser apenas uma potência de 10.
(I)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte aéreo entre as localidades i e j
B, , = constantes a serem determinadas através da regressão linear múltipla
e,
[( ) ] [( ) ]
(II)
Ao aplicar-se uma regressão linear múltipla aos dados coletados acerca das
localidades selecionadas para calibrar o modelo através da formulação matemática A, os
resultados obtidos foram:
B = -870,8022
= 31,0237
= 2,1100
50
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática A foi:
(III)
Com coeficiente de determinação ( ) = 0,6616
Ao se analisar os resultados obtidos, nota-se dois problemas relevantes acerca
deste modelo: O valor do coeficiente de determinação ( ) e o sinal da constante .
que segundo GODOY (1997) inviabiliza a utilização do modelo para
previsão de transporte aéreo.
Já a constante com sinal positivo, indica que quanto maior o valor da tarifa
cobrada pelo serviço de transporte aéreo, maior seria o número de passageiros a utilizar
este serviço. Entretanto, sabe-se que isto não é verdade, e que na realidade a tarifa
cobrada pelo serviço de transporte aéreo é um fator de impedância, de modo que o
número potencial de passageiros deve ser tão menor quanto maior for a tarifa.
Sendo assim, buscou-se alterar a formulação matemática utilizada a título de
tentar obter melhores resultados.
51
Formulação B. Na formulação matemática B, buscou-se realizar uma alteração
na forma de obtenção do potencial de atratividade (POT AT). Ao invés de se considerar
o IDHM da localidade somado de 1 e então, multiplicado por 5 (conforme feito na
formulação matemática A), utilizou-se o valor do IDHM da localidade somado de 1 e
então, elevado ao cubo. Todo o restante da formulação matemática A foi mantido
inalterado, a título de ser possível comparar se mudança proposta é positiva ou não em
relação à formulação anterior. Desta forma a única alteração neste modelo com relação
ao anterior se deu na variável POT AT. As equações (IV) e (V) representam a
formulação matemática B.
(IV)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte aéreo entre as localidades i e j
B, , = constantes a serem determinadas através da regressão linear múltipla
e,
[( ) ] [( ) ]
(V)
Ao aplicar-se uma regressão linear múltipla aos dados coletados acerca das
localidades selecionadas para calibrar o modelo através da formulação matemática B, os
resultados obtidos foram:
B = -825,6405
= 71,8762
= 2,0735
52
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática B foi:
(VI)
Com coeficiente de determinação ( ) = 0,6646
Ao se analisar os resultados obtidos através da formulação matemática B, nota-
se que esse modelo apresentou um coeficiente de determinação ( ) pouco diferente do
obtido através da formulação matemática A, mas ainda assim um pouco maior que o
obtido na primeira formulação, o que demonstra que a alteração algébrica proposta na
formulação matemática B foi positiva para o modelo.
Entretanto, os dois problemas relevantes acerca do modelo obtido através da
formulação matemática A permanecem presentes no modelo obtido através da
formulação matemática B: O valor do coeficiente de determinação ( ) e o sinal da
constante .
que segundo GODOY (1997) inviabiliza a utilização do modelo para
previsão de transporte aéreo.
Enquanto a constante com sinal positivo, indica que quanto maior o valor da
tarifa cobrada pelo serviço de transporte aéreo, maior seria o número de passageiros a
utilizar este serviço. Entretanto, sabe-se que isto não é verdade, e que na realidade a
tarifa cobrada pelo serviço de transporte aéreo é um fator de impedância, de modo que o
número potencial de passageiros deve ser tão menor quanto maior for a tarifa.
Sendo assim, buscou-se alterar a formulação matemática utilizada a título de
tentar obter melhores resultados.
53
Formulação C. Na formulação matemática C tentou-se corrigir o problema
relativo ao fator de impedância, que se apresentou maior que zero nas formulações
matemáticas anteriores. Entendendo que a tarifa cobrada pelo serviço aéreo entre as
localidades estudadas não estava sendo capaz de representar matematicamente bem o
aspecto intrínseco a esta variável, alterou-se a variável de impedância a ser utilizada. Ao
invés de se utilizar pura e simplesmente a tarifa do serviço aéreo, utilizou-se um
coeficiente que relaciona a tarifa cobrada pelo transporte aéreo com a tarifa cobrada
pelo serviço regular de transporte terrestre (através do modal rodoviário), isto é, a
ligação feita por ônibus intermunicipais. Todo o restante da formulação matemática B
foi mantido inalterado, a título de ser possível comparar se mudança proposta é positiva
ou não em relação à formulação anterior. As equações (VII) e (VIII) representam a
formulação matemática C.
(VII)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte aéreo entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte terrestre entre as localidades i
e j
B, , = constantes a serem determinadas através da regressão linear múltipla
e,
[( ) ] [( ) ]
(VIII)
Ao aplicar-se uma regressão linear múltipla aos dados coletados acerca das
localidades selecionadas para calibrar o modelo através da formulação matemática C, os
resultados obtidos foram:
54
B = -197,9178
= 59,4571
= 87,5418
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática C foi:
(IX)
Com coeficiente de determinação ( ) = 0,5623
Ao se analisar os resultados obtidos através da formulação matemática C, nota-
se que esse modelo apresentou um coeficiente de determinação ( ) menor que o obtido
através da formulação matemática B, e que o problema relativo ao sinal da constante
permaneceu ocorrendo.
A constante com sinal positivo, indica que quanto maior, relativamente, o
valor da tarifa cobrada pelo serviço de transporte aéreo com relação à tarifa cobrada
pelo serviço de transporte terrestre, maior seria o número de passageiros a utilizar o
modal aéreo. Entretanto, sabe-se que isto não é verdade, e que na realidade a tarifa
relativa entre os modais é um fator de impedância, de modo que o número potencial de
passageiros deve ser tão menor quanto maior for a tarifa relativa.
Sendo assim, descartou-se utilizar a formulação matemática C.
55
Formulação D. Na formulação matemática D, novamente, tentou-se corrigir o
problema relativo ao fator de impedância, que se apresentou maior que zero nas
formulações matemáticas anteriores. Entretanto, a tarifa cobrada pelos serviços de
transporte nem sempre se relaciona de forma lógica e simples com os demais fatores
influenciadores de oferta e demanda, mas, também é influenciada por ações arbitrárias e
de tomada de decisão estratégica das empresas, especialmente no setor de transporte
aéreo. Por isso, nesta formulação matemática optou-se por utilizar outro fator de
impedância, que não a tarifa. Fez-se uso de um coeficiente que relaciona o tempo de
viagem demandado pelo transporte aéreo com o tempo de viagem demandado pelo
serviço regular de ônibus. O restante da formulação matemática D, isto é, o potencial de
atratividade, foi mantido tal qual nas formulações B e C, a título de ser possível
comparar se mudança proposta é positiva ou não em relação às formulações anteriores.
As equações (X) e (XI) representam a formulação matemática D.
(X)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Duração da viagem aérea entre as localidades i e j
= Duração da viagem terrestre (de ônibus) entre as localidades i e j
B, , = constantes a serem determinadas através da regressão linear múltipla
e,
[( ) ] [( ) ]
(XI)
56
Ao aplicar-se uma regressão linear múltipla aos dados coletados acerca das
localidades selecionadas para calibrar o modelo através da formulação matemática D,
os resultados obtidos foram:
B = 703,3975
= 51,9381
= -3076,9437
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática D foi:
(XII)
Com coeficiente de determinação ( ) = 0,5595
Ao se analisar os resultados obtidos através da formulação matemática D, nota-
se que esse modelo foi capaz de corrigir o erro relacionado à questão do fator de
impedância, uma vez que a constante . Entretanto, o problema do coeficiente de
determinação ( ) baixo ainda se mostrou presente nesse modelo, visto que
que segundo GODOY (1997) inviabiliza a utilização do modelo para previsão de
transporte aéreo.
Para tentar solucionar esse problema, uma das possíveis soluções a se adotar é
remover da amostra as observações mais discrepantes com relação ao valor real
observado, e então realizar uma nova regressão para obter um novo modelo a partir da
amostra reduzida, e assim sucessivamente, de forma iterativa. A Tabela 7 apresenta os
valores de oferta de assentos por sentido por semana observados na realidade, e os
calculados através do modelo de previsão desenvolvido a partir da formulação
matemática D.
Destaca-se que a forma de obtenção e a fonte dos valores de oferta de assentos
por sentido por semana observados na realidade estão descritos no Apêndice A.
57
Tabela 7 – Oferta de assentos por sentido por semana: Valores reais e calculados pelo modelo.
Origem Destino Oferta Real Oferta Calculada
Cascavel/PR Curitiba/PR 1680 1.254
Maringá/PR Curitiba/PR 2506 2.274
Chapecó/SC Porto Alegre/RS 140 1.121
Uruguaiana/RS Porto Alegre/RS 280 60
Santa Maria/RS Porto Alegre/RS 420 658
Pelotas/RS Porto Alegre/RS 420 405
Santo Ângelo/RS Porto Alegre/RS 280 217
Gov. Valadares/MG Belo Horizonte/MG 1260 533
Varginha/MG Belo Horizonte/MG 140 730
Ipatinga/MG Belo Horizonte/MG 1750 1.624
Ao remover da amostra as três observações com maior discrepância com relação
ao valor real – Chapecó/SC x Porto Alegre/RS; Uruguaiana/RS x Porto Alegre/RS; e
Varginha/MG x Belo Horizonte/MG – e realizar uma nova regressão linear obteve-se
um novo modelo com coeficiente de determinação = 0,8527. Essa primeira iteração
desenvolvida já mostrou o quanto o modelo pode ser melhorado em termos estatísticos
ao se fazer uso desta técnica.
Entretanto, por entender que o modelo gerado a partir da formulação matemática
D apresentou um melhor fit às ligações entre localidades de maior porte econômico,
optou-se por alterar a formulação matemática utilizada a título de tentar obter um
modelo que apresente melhores resultados para ligações entre localidades de menor
porte econômico (situação característica da aviação regional).
58
Formulação E. Na formulação matemática E, propôs-se adicionar mais uma
variável independente ao modelo de regressão. Uma vez que essa proposta tende a
ampliar os dados a serem confrontados pelo modelo, se espera melhores resultados
desta formulação em relação às anteriores. Na formulação matemática E optou-se por
adicionar uma variável relativa à tarifa cobrada pelo serviço regular de ônibus entre as
localidades estudadas ao modelo proposto na formulação matemática D. As variáveis
restantes da formulação matemática D, isto é, o potencial de atratividade e o tempo
relativo de viagem foram mantidos sem alterações, a título de ser possível comparar se
mudança proposta é positiva ou não em relação à formulação anterior. As equações
(XIII) e (XIV) representam a formulação matemática E.
(XIII)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Duração da viagem aérea entre as localidades i e j
= Duração da viagem terrestre (de ônibus) entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte terrestre entre as localidades i
e j
B, , , = constantes a serem determinadas através da regressão linear
múltipla
e,
[( ) ] [( ) ]
(XIV)
59
Ao aplicar-se uma regressão linear múltipla aos dados coletados acerca das
localidades selecionadas para calibrar o modelo através da formulação matemática E, os
resultados obtidos foram:
B = 125,3075
= 53,9087
= -2402,3562
= 3,3544
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática E foi:
(XV)
Com coeficiente de determinação ( ) = 0,5511
Ao se analisar os resultados obtidos através da formulação matemática E, nota-
se que o problema do coeficiente de determinação ( ) baixo ainda se mostrou presente
nesse modelo, visto que que segundo GODOY (1997) inviabiliza a utilização
do modelo para previsão de transporte aéreo.
Novamente, se adotou como solução remover da amostra as observações mais
discrepantes com relação ao valor real. Após a realização de uma nova regressão, um
novo modelo foi determinado a partir da amostra reduzida. Esse processo iterativo foi
realizado duas vezes consecutivas e após o final da segunda iteração conseguiu-se obter
um modelo matemático com um coeficiente de determinação considerado
satisfatório e apto a ser utilizado para previsão de demanda de transporte aéreo. Isto
posto, adotou-se este modelo para as previsões de demanda a serem executadas no
presente trabalho.
60
Os resultados obtidos ao aplicar-se uma regressão linear múltipla aos dados
relativos às localidades selecionadas para calibrar o modelo restantes na amostra após
duas etapas iterativas com base na formulação matemática E foram:
B = 495,6572
= 57,1271
= -2801,5570
= 1,7391
De tal forma que o modelo de previsão de demanda obtido através da
formulação matemática E após duas etapas iterativas foi:
(XVI)
Com coeficiente de determinação ( ) = 0,9782
Assim sendo, a equação (XVI) será aplicada para realizar as previsões de
demanda de transporte aéreo regional propostas neste trabalho.
A título de representar o quão aprimorado é o modelo descrito pela equação
(XVI) a Tabela 8 apresenta os valores de oferta de assentos por sentido por semana
observados na realidade, e os calculados através do modelo de previsão, além da
discrepância entre eles (para as ligações aéreas restantes na amostra após a realização de
duas etapas iterativas).
Tabela 8 – Oferta de assentos por sentido por semana: Valores reais e calculados pelo modelo,
além da discrepância relativa entre eles.
Origem Destino Oferta Real Oferta Calculada Discrepância Relativa
Cascavel/PR Curitiba/PR 1.680 1.523 -9,32%
Maringá/PR Curitiba/PR 2.506 2.608 4,09%
Uruguaiana/RS Porto Alegre/RS 280 300 7,11%
Pelotas/RS Porto Alegre/RS 420 439 4,54%
Santo Ângelo/RS Porto Alegre/RS 280 330 17,78%
Ipatinga/MG Belo Horizonte/MG 1.750 1.715 -1,97%
O Apêndice B apresenta os resultados estatísticos completos de todas as
regressões lineares múltiplas realizadas neste trabalho, através do software Excel 2010.
61
5.4 Aplicação do modelo obtido
Essa seção do presente trabalho é dedicada a aplicação do modelo de previsão de
demanda desenvolvido na seção 5.3 e descrito pela equação (XVI). A título de clareza a
equação (XVI) se encontra enunciada novamente abaixo:
(XVI)
Onde,
= Oferta de assentos por sentido por semana entre as localidades i e j
POT AT = Potencial de atratividade entre as localidades i e j
= Duração da viagem aérea entre as localidades i e j
= Duração da viagem terrestre (de ônibus) entre as localidades i e j
= Tarifa cobrada pelo serviço de transporte terrestre entre as localidades i
e j
e,
[( ) ] [( ) ]
A tabela 9 apresenta os dados sócio-econômico-demográficos acerca das
localidades-alvo deste trabalho e os dados relativos às possíveis ligações aéreas
propostas entre estas localidades. Além de trazer dados acerca das ligações regulares de
ônibus já existentes entre estes pares de urbes.
62
Tabela 9 – Dados sócio-econômico-demográficos das localidades-alvo e informações relativas às possíveis ligações aéreas propostas entre estas
localidades e às ligações regulares de ônibus já existentes.
Origem (i) Destino (j) População i PIB i (mi R$) IDHM i Hierar- quia i
População j PIB j (mi R$) IDHM j Hierar- quia j
Tarifa ônibus
Tempo avião
Tempo ônibus
Ipatinga Vitória 571.264 15.500,23 0,771 2C 1.960.213 64.457,61 0,845 2A R$
87,53 00:50 06:40
Guarapuava Curitiba 278.650 6.573,68 0,731 3A 3.480.294 137.122,67 0,823 1C R$
80,50 00:49 04:04
Guarapuava Maringá 278.650 6.573,68 0,731 3A 610.544 18.395,68 0,808 2B R$
86,49 00:45 05:30
Foz do Iguaçu Maringá 360.083 11.994,40 0,751 3A 610.544 18.395,68 0,808 2B R$
116,35 01:11 08:05
Lages Florianópolis 158.508 4.255,92 0,770 3A 1.014.105 33.579,35 0,847 2A R$
79,37 00:35 03:35
Lages Chapecó 158.508 4.255,92 0,770 3A 332.507 11.558,40 0,790 2B R$
104,59 00:50 05:33
Bagé Porto Alegre 173.351 3.602,77 0,740 3A 4.237.227 148.618,65 0,805 1C R$
106,33 01:06 05:06
Passo Fundo Porto Alegre 363.898 12.268,50 0,776 2B 4.237.227 148.618,65 0,805 1C R$
97,10 00:46 05:22
63
Ao aplicarem-se os dados contidos na tabela 9 na equação (XVI) obtêm-se os
resultados acerca da previsão de transporte aéreo de passageiros entre as localidades-
alvo propostas. A Tabela 10 apresenta esses resultados.
Tabela 10 – Oferta de assentos por sentido por semana calculada pelo modelo de previsão de
demanda proposto neste trabalho.
Origem Destino Oferta Calculada
Ipatinga/MG Vitória/ES 444
Guarapuava/PR Curitiba/PR 102
Guarapuava/PR Maringá/PR 231
Foz do Iguaçu/PR Maringá/PR 296
Lages/SC Florianópolis/SC 114
Lages/SC Chapecó/SC 232
Bagé/RS Porto Alegre/RS 105
Passo Fundo/RS Porto Alegre/RS 1.288
Entretanto, vale ressaltar que neste trabalho utilizou-se a oferta de transporte
aéreo como um proxy da demanda. Para transformar os valores obtidos pelo modelo em
valores de demanda, utilizou-se dados da ANAC (2018) relativos a demanda e oferta do
transporte aéreo público nacional em 2017. Fez-se uso do aproveitamento, isto é, da
taxa de ocupação média das aeronaves das 3 maiores empresas aéreas que operam rotas
regionais no Brasil, a saber: Azul, Passaredo e MAP. A média do aproveitamento das
aeronaves dessas 3 empresas em 2017 foi de 68,9%. Esse valor foi então adotado como
um indicador da taxa de ocupação dos voos regionais no Brasil. Isto posto, essa taxa
percentual foi aplicada a oferta de assentos encontrada através do modelo matemático
desenvolvido neste trabalho. Os valores obtidos estão listados na tabela 11.
Vale ressaltar que esta é uma grande simplificação, uma vez que os dados de
taxa de ocupação das aeronaves são dados macro, e representam uma média de todos os
voos de cada uma das companhias aéreas, e não dados específicos das rotas em estudo.
Além disso, destaca-se que a MAP opera no norte do país, em uma região que as
características geográficas e de infraestrutura são muito diferentes das regiões Sul e
Sudeste do Brasil, e que Azul e Passaredo não operam exclusivamente no mercado
regional nem somente nas regiões Sul e Sudeste.
64
Tabela 11 – Demanda de assentos por sentido por semana calculada pelo modelo de previsão
proposto neste trabalho com uma taxa de ocupação das aeronaves de 68,9%.
Origem Destino Demanda Calculada
Ipatinga/MG Vitória/ES 306
Guarapuava/PR Curitiba/PR 70
Guarapuava/PR Maringá/PR 159
Foz do Iguaçu/PR Maringá/PR 204
Lages/SC Florianópolis/SC 79
Lages/SC Chapecó/SC 160
Bagé/RS Porto Alegre/RS 72
Passo Fundo/RS Porto Alegre/RS 887
Objetivando facilitar a interpretação dos resultados obtidos, a Tabela 12
apresenta os valores semanais contidos na Tabela 11 também em bases temporais
diárias e anuais (supondo uma distribuição uniforme das viagens ao longo de todos os
dias do ano).
Tabela 12 – Demanda de assentos por sentido calculada pelo modelo de previsão proposto neste
trabalho com uma taxa de ocupação das aeronaves de 68,9%.
Origem Destino Demanda
diária Demanda semanal
Demanda Anual
Ipatinga/MG Vitória/ES 44 306 15.912
Guarapuava/PR Curitiba/PR 10 70 3.640
Guarapuava/PR Maringá/PR 23 159 8.268
Foz do Iguaçu/PR Maringá/PR 30 204 10.608
Lages/SC Florianópolis/SC 12 79 4.108
Lages/SC Chapecó/SC 23 160 8.320
Bagé/RS Porto Alegre/RS 11 72 3.744
Passo Fundo/RS Porto Alegre/RS 127 887 46.124
65
6 CONCLUSÕES
O principal objetivo desse trabalho foi desenvolver um modelo que pudesse
oferecer previsões (estimativas) de demanda por transporte aéreo regional de
passageiros em potenciais futuras ligações aéreas nas regiões Sul e Sudeste do Brasil,
inoperantes na data de sua publicação. Assim, foi criado um modelo de previsão de
demanda apto a produzir resultados satisfatórios acerca das previsões realizadas. A
criação de um modelo de previsão de demanda de passageiros para o setor regional da
aviação comercial brasileira é a principal contribuição deste trabalho, realizada com
base na literatura acerca do tema e análise de dados.
Entretanto, destaca-se que para uma utilização em âmbito estratégico e
operacional o modelo aqui desenvolvido é ainda preliminar e deve ser mais estudado e
aprimorado antes de sua aplicação na prática (por exemplo, para uma empresa aérea
existente ou que almeja iniciar suas operações).
Ademais, é importante ressaltar que se recomenda o uso deste modelo
acompanhado da utilização simultânea de um método de previsão qualitativo, com o
intuito de complementar, validar e aperfeiçoar os resultados obtidos. Neste sentido, é de
grande importância a realização de uma pesquisa de mercado. Através de uma pesquisa
é possível obter informações diretas com potenciais usuários do serviço o que é
importante e determinante na tomada de decisão para que eles optem por um ou outro
determinado modal de transporte.
Uma das possíveis melhorias a serem introduzidas a este modelo e que pode ser
aplicada em trabalhos futuros, é a utilização de outros fatores como variáveis
independentes. Destacam-se aqui algumas delas: número de ligações diárias realizadas
por ônibus; yield (tarifa [valor pago pelo passageiro] por quilômetro percorrido);
distância entre as localidades estudadas; participação de cada um dos setores da
economia – primário, secundário e terciário – na composição do PIB local;
movimentação de passageiros nos aeroportos envolvidos; preço do combustível de
aviação nas localidades (incluindo ICMS de cada estado); número de habitantes com
ensino superior; número de instituições de ensino superior; existência ou não de canais
de rádio e televisão locais, etc.
66
Além disso, a população e o PIB considerados em cada localidade estudada no
presente trabalho foram obtidos através de uma metodologia que partiu: a) da
microrregião que cada uma das localidades estudadas faz parte, no caso de cidades
interioranas; b) da região metropolitana de cada uma das capitais estaduais estudadas. A
partir das microrregiões e regiões metropolitanas das localidades estudadas,
selecionaram-se apenas os municípios cujos centros econômicos, sociais e
administrativos se encontravam, no máximo, a 80 km de distância do aeroporto
estipulado a servir àquela determinada região. Aqui, uma grande contribuição seria criar
uma nova metodologia em que uma delimitação determinasse toda a população
residente a menos de uma hora de viagem terrestre do aeroporto em questão. A partir
daí, seriam computados os dados de toda essa população, assim, ainda que uma
determinada cidade fosse cortada pela delimitação de tempo de viagem, a parcela de
seus habitantes dentro região delimitada seria incluída no estudo.
Quanto ao IDHM, neste trabalho foi utilizado apenas o indicador do principal
município componente da microrregião ou região metropolitana estudada. Sugere-se
que ao invés disso, utilize-se um valor obtido através de uma média ponderada pela
população de cada um dos municípios da região em estudo.
Finalmente, outra grande sugestão para trabalhos futuros acerca desse tema é a
execução de testes estatísticos mais pesados, a fim de verificar a confiabilidade dos
resultados obtidos. É importante que se realize testes com o intuito de apurar problemas
relativos à colinearidade e à multicolinearidade, como por exemplo, examinar os
resultados de uma matriz de correlação e os fatores de inflação da variância (VIF –
Variance Inflation Factor), respectivamente. Além disso, é interessante que se realize
testes com o propósito de validar ou não uma hipótese, os chamados testes de hipótese,
como por exemplo, um teste t-Student (conhecido por “teste t de student”).
Com relação às dificuldades encontradas neste trabalho destaca-se a obtenção de
dados acerca das ligações de ônibus existentes no país. Os dados disponíveis na página
eletrônica da Agência Nacional de Transportes Terrestres (ANTT), responsável pelo
setor, não são atualizados e não condizem com os serviços existentes, de modo que se
fez necessário coletar os dados diretamente com as empresas responsáveis pela
operação das linhas, o que tornou a coleta de dados totalmente descentralizada.
67
Além disso, outra grande dificuldade enfrentada no presente trabalho foi lidar
com o reduzido número de rotas aéreas regionais existentes no país, o que torna
complicado obter uma amostra estatisticamente representativa.
Por fim, vale dizer que a aviação regional brasileira carece de incentivos,
estudos, pesquisas, profissionais e empresas qualificadas, além de politicas
governamentais sérias para que este importante serviço de transporte se perpetue no país
e seja capaz de proporcionar um desenvolvimento sustentável e equilibrado às regiões
interioranas, tão importantes social e economicamente ao progresso da Republica
Federativa do Brasil.
68
7 REFERÊNCIAS BIBLIOGRÁFICAS
AERO MAGAZINE. Aberto o debate sobre a aviação regional. 2013. Disponível em:
<http://aeromagazine.uol.com.br/artigo/aberto-o-debate-sobre-a-aviacao-
regional_813.html>. Acesso em: Novembro, 2017.
ALVES. O Brasil e a Segunda Guerra Mundial: história de um envolvimento forçado.
Edições Loyola, 2002.
ANAC. ANAC revisa critérios para prevenção e combate a incêndio em aeródromo de
menor porte. 2017. Disponível em: <http://www.anac.gov.br/noticias/anac-revisa-
criterios-para-prevencao-e-combate-a-incendio-em-aerodromo-de-menor-porte>.
Acesso em: Novembro, 2017.
ANAC. Demanda e oferta do transporte aéreo. 2018. Disponível em:
<http://www.anac.gov.br/assuntos/dados-e-estatisticas/demanda-e-oferta-do-transporte-
aereo>. Acesso em: Fevereiro, 2018.
BALSTER. O programa de aviação regional e os desafios da administração dos
aeroportos regionais. UFRJ/POLI/DET, Rio de Janeiro – RJ. 2016. Disponível em:
<http://monografias.poli.ufrj.br/monografias/monopoli10018631.pdf>. Acesso em:
Novembro, 2017.
BONOTTO. Previsão de demanda a partir de métodos quantitativos aplicada ao setor
varejista. UFRGS, Porto Alegre – RS. 2015. Disponível em:
<https://www.lume.ufrgs.br/bitstream/handle/10183/147496/000999425.pdf?sequence=
1>. Acesso em: Janeiro, 2018
CASTRO & LAMY. Desregulamentação do Setor Transporte o Subsetor Transporte
Aéreo de Passageiros. 1993. Disponível em:
<http://repositorio.ipea.gov.br/bitstream/11058/2465/1/td_0319.pdf>. Acesso em:
Novembro, 2017.
COMPANHIA DE DESENVOLVIMENTO ECONÔMICO DE MINAS GERAIS –
CODEMIG. Governo de Minas Gerais inicia hoje voos do projeto de integração
regional aérea. 2016. Disponível em: <http://www.codemig.com.br/governo-de-minas-
69
gerais-inicia-hoje-voos-do-projeto-de-integracao-regional-aerea/>. Acesso em:
Novembro, 2017.
DAVIES. Airlines of Latin America Since 1919. Smithsonian Institution Press, 1983.
EBC – AGÊNCIA BRASIL. Companhias apontam entraves para desenvolvimento da
aviação regional no país. 2016. Disponível em:
<http://agenciabrasil.ebc.com.br/economia/noticia/2016-10/companhias-apontam-
entraves-para-desenvolvimento-da-aviacao-regional-no>. Acesso em: Novembro, 2017.
GODOY. A previsão do tráfego aéreo de passageiros. M.Sc. FGV/EAESP, São Paulo –
SP. 1997. Disponível em:
<http://bibliotecadigital.fgv.br/dspace/bitstream/handle/10438/5477/1199901718.pdf?se
quence=1&isAllowed=y>. Acesso em: Janeiro, 2018.
GOMES et al. Aviação Regional Brasileira (Modal Aéreo IV). 2002. Disponível em:
<https://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivo
s/conhecimento/infra/Inf02-50.pdf>. Acesso em: Novembro, 2017.
GROSCHE et al. Journal of Air Transport Management 13 (2007) 175 – 183. 2007.
IBGE. Divisão Regional do Brasil em Mesorregiões e Microrregiões Geográficas.
1990. Disponível em:
<https://biblioteca.ibge.gov.br/visualizacao/livros/liv2269_1.pdf>. Acesso em: Janeiro,
2018.
MALAGUTTI. Evolução da Aviação Civil, no Brasil. 2001. Disponível em:
<http://www2.camara.leg.br/a-camara/documentos-e-pesquisa/estudos-e-notas-
tecnicas/arquivos-pdf/pdf/109712.pdf>. Acesso em: Novembro, 2017.
MINISTÉRIO DOS TRANSPORTES, PORTO E AVIAÇÃO CIVIL. Governo divulga
estudo sobre crescimento e “aviação do futuro” no Brasil. 2017. Disponível em:
<http://www.aeroflap.com.br/governo-divulga-estudo-sobre-crescimento-e-aviacao-do-
futuro-no-brasil/>. Acesso em: Novembro, 2017.
MUNDO EDUCAÇÃO. Rodoviarismo no Brasil. s.d. Disponível em:
<http://mundoeducacao.bol.uol.com.br/geografia/rodoviarismo-no-brasil.htm>. Acesso
em: Novembro, 2017.
70
PANROTAS. Aviação Regional no Brasil está 35 anos atrasada. 2008.
<http://www.panrotas.com.br/noticia-turismo/aviacao/2008/03/aviacao-regional-no-
brasil-esta-35-anos-atrasada_36425.html>. Acesso em: Novembro, 2017.
PNUD. O que é o IDHM. s.d. Disponível em:
<http://www.br.undp.org/content/brazil/pt/home/idh0/conceitos/o-que-e-o-idhm.html>.
Acesso em: Janeiro, 2018.
PORTAL ADVFN. PIB – Produto Interno Bruto. s.d. Disponível em:
<https://br.advfn.com/indicadores/pib>. Acesso em: Janeiro, 2018
REGIC. Regiões de influência das cidades. 2007. Disponível em:
<http://www.mma.gov.br/estruturas/PZEE/_arquivos/regic_28.pdf>. Acesso em:
Novembro, 2017.
SECRETARIA NACIONAL DE AVIAÇÃO CIVIL. Aviação regional. 2015.
Disponível em: <http://www.aviacao.gov.br/assuntos/aviacao-regional>. Acesso em:
Novembro, 2017.
SECRETARIA NACIONAL DE AVIAÇÃO CIVIL. Governo vai investir em 176
aeroportos da aviação regional. 2016. Disponível em:
<http://www.aviacao.gov.br/noticias/2016/08/governo-vai-investir-em-176-aeroportos-
da-aviacao-regional>. Acesso em: Novembro, 2017.
71
APÊNDICE A – INFORMAÇÕES RELEVANTES
ACERCA DOS FATORES CONSIDERADOS NESTE
TRABALHO
População. A população de cada um dos municípios foi obtida através de
consulta direta à publicação1 do IBGE que trás a população estimada de cada um dos
municípios do Brasil. Unidade: habitantes.
PIB. O PIB de cada um dos municípios foi obtido através de consulta direta ao
Sistema IBGE de Recuperação Automática – SIDRA2. A consulta abordou valores de
2014, uma vez que este era o ano mais recente publicado acerca deste dado na data da
consulta. Unidade: milhões de reais.
IDHM. O IDHM de cada um dos municípios foi obtido através de consulta
direta ao Atlas do Desenvolvimento Humano no Brasil3. A consulta abordou valores de
2010, uma vez que este era o ano mais recente publicado acerca deste dado na data da
consulta. Adimensional.
Hierarquia dos centros urbanos. A hierarquia de cada um dos centros urbanos
estudados foi obtida através de consulta direta ao banco de dados4 do estudo Regiões de
Influência das Cidades, publicado pelo IBGE em 2017. Adimensional.
Tempo de viagem. Unidade: horas.
A) O tempo de viagem por ônibus de cada uma das ligações estudadas foi obtido
através de consulta direta a uma plataforma5 online de venda de passagens de ônibus.
B1) O tempo de viagem aérea das ligações que contavam com este serviço na
data de publicação deste trabalho foi obtido através de consulta direta ao site da
ANAC6, numa publicação que a agência intitula Horário de Transporte (HOTRAN).
1Disponível em: < https://agenciadenoticias.ibge.gov.br/agencia-noticias/2013-agencia-de-
noticias/releases/16131-ibge-divulga-as-estimativas-populacionais-dos-municipios-para-2017.html>.
Acesso em: Dezembro, 2017. 2Disponível em: < https://sidra.ibge.gov.br/tabela/5938>. Acesso em: Dezembro, 2017.
3Disponível em: < http://www.atlasbrasil.org.br/2013/pt/consulta/>. Acesso em: Dezembro, 2017.
4Disponível em: <
ftp://geoftp.ibge.gov.br/organizacao_do_territorio/divisao_regional/regioes_de_influencia_das_cidades/R
egioes_de_influencia_das_cidades_2007>. Acesso em: Dezembro, 2017. 5Disponível em: < https://www.clickbus.com.br/>. Acesso em: Dezembro, 2017.
72
B2) O tempo de viagem aérea de ligações que não contavam com este serviço na
data de publicação deste trabalho foi obtido através da seguinte metodologia:
1) Plotagem de um gráfico de dispersão de pontos velocidade média x
distância aérea, com dados relativos às ligações aéreas existentes;
2) Determinação da equação da linha de tendência que melhor descrevia
os pontos plotados no gráfico;
3) Aplicação da equação obtida aos dados de distância aérea das
ligações não existentes, a fim de obter a velocidade média das
mesmas;
4) Utilização da velocidade média obtida para determinação do tempo
de viagem.
Tarifa. Unidade: reais.
A) A tarifa cobrada pelo serviço de transporte terrestre por ônibus de cada uma
das ligações estudadas foi obtido através de consulta direta a uma plataforma7 online de
venda de passagens de ônibus.
B) A tarifa cobrada pelo serviço transporte aéreo regular das ligações que
contavam com este serviço na data de publicação deste trabalho foi obtida através de
consulta direta a uma plataforma8 online de venda de passagens aéreas.
Não se fez necessária a obtenção da tarifa cobrada pelo serviço de transporte
aéreo regular para as ligações que não contavam com este serviço na data de publicação
deste trabalho.
Oferta de assentos. A oferta de assentos por sentido por semana de cada uma
das ligações aéreas existentes na data de publicação deste trabalho e utilizadas para
6Disponível em: < http://www.anac.gov.br/assuntos/setor-regulado/empresas/autorizacao-de-
servicos/solicitacao-de-hotran>. Acesso em: Dezembro, 2017. 7Disponível em: < https://www.clickbus.com.br/>. Acesso em: Dezembro, 2017.
8Disponível em: < https://www.google.com/flights/>. Acesso em: Dezembro, 2017.
73
calibrar o modelo matemático foram obtidas através de consulta direta ao site da
ANAC9, numa publicação que a agência intitula Horário de Transporte (HOTRAN)
9Disponível em: < http://www.anac.gov.br/assuntos/setor-regulado/empresas/autorizacao-de-
servicos/solicitacao-de-hotran>. Acesso em: Dezembro, 2017.
74
APÊNDICE B – REGRESSÕES LINEARES MÚLTIPLAS
Formulação matemática A.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,858390978 R-Quadrado 0,736835071 R-quadrado ajustado 0,661645091 Erro padrão 491,3985752 Observações 10
ANOVA gl SQ MQ F F de significação
Regressão 2 4732690,482 2366345,241 9,799644499 0,009349708 Resíduo 7 1690307,918 241472,5597
Total 9 6422998,4
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção -870,8022366 638,8558782 -1,363065233 0,215082544 -2381,45634 639,8518663
POT AT 31,02373175 7,211870253 4,301759553 0,003558905 13,97036845 48,07709505
$Av 2,11001954 1,319320122 1,599323398 0,153781529 -1,009676816 5,229715895
75
Formulação matemática B.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,859706396 R-Quadrado 0,739095088 R-quadrado ajustado 0,664550827 Erro padrão 489,2840006 Observações 10
ANOVA gl SQ MQ F F de significação
Regressão 2 4747206,567 2373603,284 9,914849004 0,009071684 Resíduo 7 1675791,833 239398,8333
Total 9 6422998,4
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção -825,640549 627,3784685 -1,316016712 0,229625014 -2309,154891 657,8737926
POT AT 71,87620097 16,60970175 4,327362529 0,003448959 32,6004974 111,1519045
$Av 2,073533492 1,308154683 1,585082804 0,156966485 -1,019760796 5,166827781
.
76
Formulação matemática C.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,812135532 R-Quadrado 0,659564123 R-quadrado ajustado 0,562296729 Erro padrão 558,9044251 Observações 10
ANOVA gl SQ MQ F F de significação
Regressão 2 4236379,305 2118189,653 6,780937568 0,023020971 Resíduo 7 2186619,095 312374,1564
Total 9 6422998,4
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção -197,9178458 602,1333025 -0,328694402 0,752001287 -1621,736856 1225,901164
POT AT 59,45711142 16,30664 3,646190229 0,008219334 20,89803502 98,01618782
$Relat 87,54183013 162,497603 0,538726901 0,60677457 -296,7039426 471,7876029
77
Formulação matemática D.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,810797799 R-Quadrado 0,657393072 R-quadrado ajustado 0,559505378 Erro padrão 560,6837348 Observações 10
ANOVA gl SQ MQ F F de significação
Regressão 2 4222434,647 2111217,323 6,715788736 0,023538918 Resíduo 7 2200563,753 314366,2504
Total 9 6422998,4
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção 703,397452 1275,819815 0,551329776 0,59855687 -2313,437022 3720,231926
POT AT 51,93805091 18,69809019 2,777719563 0,027387996 7,724093391 96,15200844
Tempo Relat -3076,943695 6228,71328 -0,493993471 0,636433026 -17805,51017 11651,62278
78
Formulação matemática D – após uma iteração.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,949645745 R-Quadrado 0,901827042 R-quadrado ajustado 0,852740562 Erro padrão 325,0263888 Observações 7
ANOVA gl SQ MQ F F de significação
Regressão 2 3881759,386 1940879,693 18,37220873 0,00963793 Resíduo 4 422568,6136 105642,1534
Total 6 4304328
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção 1832,752415 812,4095029 2,25594655 0,087070062 -422,8579723 4088,362803
POT AT 46,53998687 11,42596824 4,073176634 0,015183259 14,81641327 78,26356047
Tempo Relat -7935,676894 3997,187736 -1,985315031 0,118081473 -19033,64922 3162,295431
79
Formulação matemática E.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,83710227 R-Quadrado 0,700740211 R-quadrado ajustado 0,551110316 Erro padrão 566,0013467 Observações 10
ANOVA gl SQ MQ F F de significação
Regressão 3 4500853,254 1500284,418 4,683156485 0,051594636 Resíduo 6 1922145,146 320357,5244
Total 9 6422998,4
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção 125,3074847 1429,428297 0,087662659 0,932997351 -3372,377556 3622,992526
POT AT 53,90873632 18,99342772 2,8382837 0,029633636 7,433492928 100,3839797
Tempo Relat -2402,356234 6329,28798 -0,379561847 0,717341669 -17889,566 13084,85353
$BUS 3,354357018 3,598136387 0,932248436 0,387184312 -5,44996555 12,15867959
80
Formulação matemática E – após uma iteração.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,987914771 R-Quadrado 0,975975594 R-quadrado ajustado 0,951951188 Erro padrão 199,8295032 Observações 7
ANOVA gl SQ MQ F F de significação
Regressão 3 4866612,509 1622204,17 40,62433789 0,006275853 Resíduo 3 119795,4911 39931,83037
Total 6 4986408
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção 371,9723803 748,1893633 0,497163417 0,653226241 -2009,100095 2753,044855
POT AT 58,3467287 8,17342208 7,138592395 0,005659433 32,3352518 84,3582056
Tempo Relat -2927,575724 2966,0392 -0,98703204 0,39639927 -12366,83622 6511,684771
$BUS 2,320403502 1,489177919 1,558177484 0,217074149 -2,418825263 7,059632268
81
Formulação matemática E – após duas iterações.
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,995633999 R-Quadrado 0,991287061 R-quadrado ajustado 0,978217652 Erro padrão 140,4231429 Observações 6
ANOVA gl SQ MQ F F de significação
Regressão 3 4486856,015 1495618,672 75,84788936 0,013040899 Resíduo 2 39437,31815 19718,65907
Total 5 4526293,333
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores
Interseção 495,6572257 529,3216063 0,936400895 0,447918156 -1781,829829 2773,14428
POT AT 57,12705012 5,775274865 9,89165909 0,010066196 32,27804795 81,97605228
Tempo Relat -2801,556983 2085,214166 -1,343534409 0,311242043 -11773,50941 6170,39544
$BUS 1,739070253 1,085366835 1,602287998 0,25026198 -2,930886321 6,409026827