Excess demand in public transportation systems: The case of Pittsburgh's Port Authority

Este artigo propõe um framework baseado em regressão de Poisson para estimar a demanda excedente não observada em sistemas de transporte público, utilizando dados filtrados da Autoridade Portuária de Pittsburgh para corrigir o viés causado pela censura dos dados de passageiros que não conseguiram embarcar.

O essencial

Imagine que o sistema de transporte público de Pittsburgh é como um grande restaurante. O problema que os autores deste estudo queriam resolver é o seguinte: como saber quantas pessoas ficaram na fila do lado de fora porque o restaurante estava cheio, se o restaurante só conta quem conseguiu entrar e sentar?

Aqui está uma explicação simples do que eles fizeram, usando analogias do dia a dia:

1. O Problema: O "Fantasma" dos Passageiros

Geralmente, quando pensamos em transporte, olhamos para os horários dos ônibus. Mas os autores dizem que a verdadeira confiabilidade é: "O ônibus consegue levar todo mundo que quer ir?"

O problema é que os dados dos ônibus só contam as pessoas que entraram. Se um ônibus chega lotado e 20 pessoas ficam esperando no ponto porque não cabem mais, o sistema registra: "Ninguém entrou neste ponto".

• A armadilha: Para o computador, parece que ninguém queria ir para lá. Na verdade, havia uma fila enorme, mas o ônibus estava cheio. Isso cria um "fantasma" de demanda que o sistema não vê.

2. A Solução: O Detetive de Falsos Zeros

Os autores criaram um método para detectar quando esses "fantasmas" existem. Eles olharam para dois sinais:

1. O ônibus chegou cheio (ou quase cheio)?
2. Poucas ou nenhuma pessoa entrou?

Se o ônibus estava cheio e ninguém entrou, é muito provável que houvesse uma fila de pessoas esperando que não conseguiram subir. Eles chamam isso de demanda excedente.

3. A Simulação: O Treinamento do "Mestre de Cerveja"

Para provar que sua ideia funcionava, eles criaram um mundo virtual (uma simulação) onde sabiam exatamente quantas pessoas ficavam para trás.

• O Cenário Ruim: Eles ensinaram um modelo de computador a prever quantas pessoas entrariam no ônibus, mas deixaram que ele visse os dados "falsos" (quando o ônibus estava cheio e ninguém entrou). O resultado? O computador aprendeu errado! Ele achou que, nos horários de pico, as pessoas não queriam viajar.
• O Cenário Bom: Eles ensinaram o computador a ignorar esses momentos de ônibus cheio durante o treinamento. Assim, o modelo aprendeu a verdadeira demanda.
• A Analogia: É como tentar ensinar alguém a fazer cerveja. Se você só deixar a pessoa provar a cerveja quando a torneira está entupida (saída zero), ela vai achar que o barril está vazio. Você precisa ensinar a ela como a cerveja flui quando a torneira está aberta, para depois ela entender o que acontece quando entope.

4. A Descoberta em Pittsburgh

Depois de "limpar" os dados e escolher o melhor modelo matemático (uma fórmula chamada Regressão de Poisson, que é ótima para contar coisas), eles aplicaram isso nos dados reais de Pittsburgh de um ano inteiro.

O que eles descobriram?

• No geral: Cerca de 1% de todos os passageiros que tentam pegar um ônibus ficam para trás porque ele está cheio. Parece pouco, certo?
• Nos horários de pico: Quando olhamos apenas para as horas de rush (manhã e tarde), esse número salta para 8%.
• Sazonalidade: No outono, quando os estudantes voltam das férias, a demanda explode e mais gente fica na calçada. No verão, quando as universidades fecham, o problema diminui.

5. Por que isso importa?

Imagine que você é o gerente do restaurante (ou da empresa de ônibus).

• Se você não souber que 8% das pessoas estão ficando para trás, você acha que o restaurante está funcionando perfeitamente.
• Mas, na verdade, você está perdendo clientes e frustrando a comunidade.

Com esse estudo, a empresa de ônibus pode saber exatamente onde e quando está faltando espaço. Eles podem decidir: "Precisamos colocar mais ônibus nessa linha às 17h" ou "Vamos mudar o horário para evitar que as pessoas fiquem esperando".

Resumo em uma frase

Os autores criaram um "detetive de dados" que consegue contar quantas pessoas ficaram para trás em um ônibus cheio, mesmo que o sistema oficial não tenha registrado ninguém, ajudando a melhorar o transporte para que ninguém fique esperando na chuva.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Excess demand in public transportation systems: The case of Pittsburgh's Port Authority", apresentado em português.

Título: Demanda Excedente em Sistemas de Transporte Público: O Caso da Autoridade Portuária de Pittsburgh

1. O Problema

A confiabilidade é uma propriedade crucial dos sistemas de transporte público, frequentemente associada à pontualidade. No entanto, este estudo foca em uma dimensão diferente: a capacidade do sistema de atender à demanda total de passageiros. Quando a capacidade do veículo é insuficiente para atender a todos os passageiros em uma parada, ocorre a "demanda excedente" (passageiros deixados para trás).

O principal desafio identificado é a quantificação dessa demanda excedente. Os dados tradicionais de transporte público (especialmente de ônibus) são censurados: eles registram apenas o número de passageiros que conseguiram embarcar, e não aqueles que ficaram na parada devido ao ônibus estar lotado.

• Uma observação de "0 passageiros embarcando" não significa necessariamente que ninguém queria subir; pode significar que o ônibus estava cheio e ninguém pôde entrar.
• Se esses dados censurados forem usados para treinar modelos de previsão de demanda sem tratamento, o modelo subestimará sistematicamente a demanda real, criando um viés negativo.

2. Metodologia

Os autores propõem um framework em duas etapas principais para estimar a demanda excedente:

A. Mecanismo de Detecção de Demanda Excedente (Classificação Binária)
O estudo desenvolveu um mecanismo para identificar instâncias onde a demanda excedente é provável, baseando-se em duas variáveis observáveis:

1. Carga do ônibus ao chegar na parada: Se o ônibus já está na capacidade máxima (ou próxima dela).
2. Número de passageiros que embarcam: Se o ônibus está cheio e o número de embarques é zero ou menor que o número de passageiros esperando (inferido pela lógica de saturação).

O sistema classifica essas instâncias como um conjunto $I_E$ (possível demanda excedente). O reconhecimento de que esses dados são censurados é fundamental.

B. Modelagem e Filtragem de Dados
Para evitar o viés de subestimação, os autores propõem filtrar as instâncias do conjunto $I_E$ durante a fase de treinamento dos modelos de previsão de demanda.

• Simulações: Foram realizadas simulações com dados sintéticos (onde a verdade absoluta é conhecida) para validar a abordagem. Três cenários de treinamento foram comparados:
  • T1: Treinar apenas com dados onde não há demanda excedente (ideal).
  • T2: Treinar com dados reais, mas removendo as instâncias detectadas como $I_E$ (abordagem proposta).
  • T3: Treinar com todos os dados, incluindo os censurados (abordagem padrão).
• Resultado da Simulação: O modelo T3 (sem filtragem) subestimou drasticamente a demanda, associando erroneamente horários de pico a menor demanda (devido aos zeros observados nos dados censurados). O modelo T2 (com filtragem) corrigiu esse viés, demonstrando que remover os pontos de dados censurados melhora significativamente a precisão da previsão de demanda excedente.

C. Seleção de Modelos (Dados Reais)
Utilizando dados reais da Autoridade Portuária de Pittsburgh (PPA) de 2018 (98 rotas, 6.102 paradas), os autores testaram quatro modelos para dados de contagem:

1. Regressão de Poisson.
2. Regressão Binomial Negativa.
3. Regressão de Poisson Inflacionada por Zeros (ZIP).
4. Modelo Hierárquico.

Os modelos foram treinados excluindo as instâncias $I_E$. As variáveis independentes incluíram: hora de chegada, intervalo entre ônibus (real e agendado) e carga local (passageiros embarcados nos 3 paradas anteriores).

3. Principais Contribuições

1. Framework de Estimativa: Proposição de um método sistemático para estimar a demanda excedente em sistemas de ônibus onde dados de "passageiros deixados para trás" não são diretamente registrados.
2. Correção de Viés de Censura: Demonstração empírica e via simulação de que incluir dados censurados (onde o ônibus está cheio) no treinamento de modelos de demanda leva a uma subestimação crítica. A filtragem desses dados é essencial para a precisão.
3. Análise Espacial e Temporal: Identificação de que os horários de pico e a probabilidade de superlotação variam significativamente entre diferentes paradas e direções de uma mesma rota, desafiando a noção de "horário de pico" uniforme.

4. Resultados

Aplicando o modelo de Regressão de Poisson (que apresentou o menor erro quadrático médio - RMSE - na validação cruzada) aos dados da PPA:

• Demanda Excedente Anual: Ao longo de um ano, aproximadamente 1% do total de passageiros das 10 rotas mais movimentadas ficou para trás nas paradas devido à lotação.
• Sazonalidade: A demanda excedente apresenta sazonalidade, sendo maior nos meses de outono (retorno de estudantes) e menor no verão e dezembro.
• Pico de Demanda: Durante os horários de pico (rush hour), a fração de passageiros deixados para trás aumenta drasticamente, chegando a 8% do total de passageiros nesse período.
• Heterogeneidade: A probabilidade de um ônibus chegar lotado varia enormemente dependendo da parada específica e da direção da rota, não sendo uniforme ao longo do trajeto.

5. Significado e Conclusão

O estudo fornece uma ferramenta valiosa para operadores de transporte público (como a PPA) para monitorar a confiabilidade do serviço além da pontualidade.

• Tomada de Decisão: A estimativa de que até 8% dos passageiros podem ficar para trás em horários de pico indica a necessidade de ajustes operacionais, como a adição de viagens extras ou o uso de ônibus maiores (articulados) em rotas específicas.
• Generalização: Embora os resultados numéricos sejam específicos de Pittsburgh, o framework é genérico e pode ser aplicado a outros sistemas de ônibus que possuam dados de carga e embarque, mas careçam de dados diretos de passageiros rejeitados.
• Limitação: O estudo assume que a distribuição da demanda excedente segue a mesma distribuição da demanda observada (após filtragem), uma suposição que poderia ser refinada com medições de campo diretas (verdade absoluta) em futuras pesquisas.

Em resumo, o trabalho demonstra que a inteligência de dados, combinada com a compreensão estatística da censura de dados, é essencial para entender e mitigar a falha de um sistema de transporte em atender à demanda total dos usuários.