CARSHARING: AVALIANDO O POTENCIAL DO MERCADO BRASILEIRO

Transcrição

1 CARSHARING: AVALIANDO O POTENCIAL DO MERCADO BRASILEIRO Aluno: Gabriela Mello Kortchmar Orientador: Hugo Repolho Introdução A presente pesquisa consiste na realização de uma análise para ser usada como ferramenta de decisão para ajudar na definição da melhor localização para implementar um sistema de carsharing no Brasil. Para tal, aplicou-se o estudo sobre seis cidades brasileiras. O projeto identificou e analisou três principais assuntos: a delimitação das áreas de estudo em cada cidade; indicadores e coletas de dados relevantes ao assunto; e a tomada de decisão no contexto das cidades em estudo. Objetivos A pesquisa realizada possui como objetivo analisar e definir a localização ideal para uma possível aplicação de um modelo de sistema de carsharing em cidade(s) brasileira(s). A lista de potenciais cidades para implantar o sistema carsharing foi definida a priori, sendo elas: Belo Horizonte, Brasília Distrito Federal, Curitiba, Recife, Rio de Janeiro e São Paulo. Metodologia A metodologia aplicada foi definida pela Mobiag de acordo com estudos anteriores e é orientada para o estudo de caso em mãos. As seis cidades estudadas correspondem à maior parte das áreas populacionais no Brasil. Cada cidade possui características singulares em termos de desenvolvimento, que pode ser medido pela educação, civilização, padrões econômicos ou qualquer outra área do comportamento humano. Além disso, a organização política e administrativa difere entre as cidades. Assim, diferentes opções foram tomadas para cada cidade, embora seguindo a mesma abordagem metodológica. Em primeiro lugar, as cidades em estudo são analisadas, macroscopicamente, a fim de delimitar as áreas de estudo. Em segundo lugar, os indicadores relevantes no que diz respeito a uma avaliação de investimento carsharing são identificados e as cidades são avaliadas para cada indicador. Em terceiro e último, a metodologia de apoio à decisão é apresentada e aplicada para as seis cidades brasileiras em estudo. A maioria das informações coletadas é originalmente do banco de dados do CENSO 2000[1]. Também foi usado o Programa das Nações Unidas para o Desenvolvimento (PNUD)[2] através da ferramenta Atas do Desenvolvimento Humano no Brasil Na primeira parte da análise, foi realizada uma análise macroscópica utilizando parâmetros quantitativos e qualitativos, a fim de identificar as áreas que potencialmente geram e atraem viagens para um sistema de carsharing. A fim de identificar áreas de interesse, o foco de observação foi em áreas com boa classificação em uma combinação dos seguintes fatores: a densidade populacional, a renda e o Índice de Desenvolvimento Humano (IDH). A densidade fornece informações sobre a demanda potencial bruta e ajuda a identificar áreas nas quais potenciais questões sobre mobilidade estão sendo levantadas.

2 A renda ou valor da terra é um indicador da capacidade real das populações de pagar um sistema como carsharing. Os indicadores escolhidos foram renda mensal média e custo da habitação, sendo este último calculado com base em um índice para o aluguel de imóveis no Brasil. Estes Índice fornece informações instantâneas sobre os habitantes e o mercado de cada região. Finalmente, a análise do IDH visa avaliar a capacidade da população de aceitar inovações na mobilidade. O IDH mede algumas das dimensões básicas do desenvolvimento humano: a expectativa de vida, o nível de educação e renda. Para compará-lo, é realizado um cálculo com base nesses três fatores, e o IDH resultante será um número entre 0 e 1. Nesse estudo, foram usadas cinco categorias de IDH: muito alto (0,900-1,00), alto (0,800-0,899), médio alto (0,700-0,799), médio baixo (0,600-0,699) e baixo (0,000-0,599). Esses três aspectos visto até agora, basicamente, são indicadores para os centros de geração de fluxo de viagens, embora eles também possam ser utilizados como indicadores para a atração de viagens. Assim, é igualmente importante olhar para os indicadores que medem o nível de atração dos centros. Portanto, foram estudados nessa pesquisa os serviços e instalações de cada uma das áreas de interesse capazes de atrair demanda e criar uma atividade de mobilidade dentro das áreas urbanas. Adicionalmente, analisou-se três estatísticas dos dados (percentagem do número total de empregados, o total de renda mensal e o número total de negócios por atividade econômica). Para cada cidade, foi definido um mapa contendo as áreas a serem incluídos no estudo. Estas áreas correspondem a regiões administrativas em que podemos coletar dados. Em geral, os altos níveis de IDH, custos de habitação altos e densidade populacional média-alta são as características que uma área de potencial de implantar um sistema de carsharing deve possuir. No que diz respeito à realidade brasileira, densidades populacionais muito elevadas, baixos níveis de renda e IDH estão associados a guetos e áreas mais pobres, enquanto o oposto baixa densidade populacional e níveis de renda e IDH muito altos está associado a áreas de classe alta estritamente residenciais. Nenhum dos extremos se adequa à potencial demanda pelo carsharing. Desse modo, o estudo qualitativo foi realizado com o objetivo de limitar as escolhas e também de identificar as exceções dentro da análise das regiões em estudo. Na segunda parte da pesquisa, foram introduzidos os indicadores utilizados para avaliar e comparar o potencial do mercado brasileiro em relação ao carsharing. Para tal, foi necessária uma análise multi-critérios, a fim de identificar qual das alternativas, entre as já existentes, oferece o melhor conjunto de indicadores, uma vez que é pouco provável que haja uma alternativa com o melhor desempenho em todos eles. Primeiramente, foram definidos os melhores indicadores a serem utilizados para a presente análise. Depois, cada cidade em estudo foi caracterizada de acordo com as definições dos indicadores. Dessa forma, o critério utilizado para avaliar o potencial da cidade no contexto de carsharing são organizados de acordo com uma árvore hierárquica com dois níveis. O primeiro nível tem quatro vetores: demografia, geografia, mobilidade e fatores externos, definidos no quadro preliminar fornecido pelo Mobiag. O segundo nível tem dezoito indicadores: tamanho da população, população entre 20 a 44 anos, estrutura familiar, renda familiar, grau de instrução, variações de altitude, densidade populacional, multi-polaridade, veículos per capita, distribuição modal, situação de estacionamento, o tempo médio de viagens casa-trabalho, índice de mobilidade, índice de congestão de tráfego, multimodalidade, políticas municipais e parcerias e sistemas de compartilhamento existentes.

3 Figura 1 Árvore Hierarquica para Carsharing Cada cidade foi analisada de acordo com os quatro vetores e respectivos indicadores acima mencionados. Sempre que possível, os dados foram coletados para cada subdivisão dentro dos limites identificados na primeira etapa do estudo. Para alguns indicadores, no entanto, só foi possível encontrar dados agregados para o município. Na terceira e última parte da pesquisa, a metodologia é apresentada e aplicada ao estudo de caso brasileiro. Foi usado o processo analítico hierárquico (AHP), uma ferramenta de múltiplos critérios de tomada de decisão proposto na década 1970 para organizar e analisar decisões complexas baseadas em matemática e teorias de psicologia (Saaty, 2000)[3]. De acordo com Saaty (1991), o método funciona de forma semelhante à mente humana, estabelecendo hierarquias e comparações pareadas no mesmo grupo de critérios, tornando-o ideal para a análise de um investimento carsharing. O AHP é realizado através das seguintes etapas: 1. Definição do principal objetivo e da árvore hierárquica de critérios e sub-critérios para avaliar as soluções alternativas; 2. Análise de cada um dos critérios e sub-critérios de forma independente, criando um conjunto de prioridades gerais para a hierarquia; 3. Cálculo do auto-vetor para determinar os pesos ou prioridades de cada um dos critérios e sub-critérios relativos; 4. Verificação da consistência dos resultados; 5. Por fim, agregação dos pesos relativos de critérios de decisão e sub-critérios para obter um conjunto de classificações para cada alternativa de decisão. O método AHP envolve a elaboração de uma matriz de julgamento para cada nível hierárquico e um grupo de indicadores dentro de cada vetor. Cada matriz resume um conjunto de par de comparações que usa a escala de julgamento definidos por Saaty(1991), como mostrado na figura a seguir:

4 Intensidade da importância Definição 1 Mesma importância 2 Fraca 3 Moderada 4 Extra moderada 5 Forte 6 Extra forte 7 Importância muito forte ou demonstrada Explicação As duas atividades contribuem igualmente para o objetivo Experiência e decisão favoreciam levemente uma atividade em detrimento de outra Experiência e decisão favoreciam fortemente uma atividade em detrimento de outra Uma atividade fortemente favorecida; seu domínio é demonstrado na prática 8 Muito forte 9 Extremamente forte A evidência favorecendo uma atividade em detrimento da outra é da mais alta ordem de afirmação possível Se as atividades são muito similares, pode ser difícil atribuir o melhor valor. Porém, quando comparada com outros critérios de contraste, a relevância de pequenos números não seria muito notável, contudo eles ainda podem indicar a importância relativa dos critérios. Figura2 escala de decisão AHP (Saaty, 1991) É então criada uma matriz de comparação de critérios para cada indicador de cada vetor. A matriz dos cinco indicadores que compõem o vetor demográfico é mostrada abaixo: Figura 3 matriz de decisão AHP Cada elemento adidj é obtido através da comparação de critérios Di com critérios Dj [figura 1] no que diz respeito ao vetor Demografia, ou seja, mostrará quão importante é um critério Di em relação a Dj. Se ad1d3 > 1, significa que, em relação à demografia, o Tamanho População ( D1 ) é mais importante do que Estrutura de Domicílios (D3) no que diz respeito à localização de um sistema de carsharing. Este processo pode sofrer inconsistência, uma vez que seres humanos podem ser incoerentes no julgamento dos critérios (por exemplo, admitir D1 melhor que D2, D2 melhor que D3 e D3 melhor que D1). No entanto, para facilidade de análise, foi assumida total coerência. O mesmo procedimento é feito para todos os indicadores de todos os vetores. O cálculo simplificado das comparações foi feito na matriz a seguir:

5 Figura 4 cálculo simplificado do AHP A decisão é feita apenas para os critérios mais fortes no que diz respeito a cada um dos outros critérios. O restante da tabela é preenchido usando a equação (1), em que i é o critério mais fortes (no exemplo, i = D4): α jk = α ik / α ij (1) O próximo passo é calcular o auto-vetor W, que fornece os pesos relativos de cada vetor e indicador, através da equação: W DJ = x (2) Assim como as anteriores, esta operação é realizada para cada nível e grupo de indicadores. Posteriromente, a fim de determinar o peso de cada vetor e critério, um grupo de pessoas que trabalham no ramo de carsharing foi submetido a uma pesquisa através de um inquérito on-line usando SurveyMonkey. As perguntas eram as seguintes: 1. Qual é o vetor mais importante? 2. Qual é o indicador demográfico mais importante? 3. Qual é o indicador geográfico mais importante? 4. Qual é o indicador de mobilidade mais importante? 5. Qual é o indicador de externalidades mais importante? A pesquisa foi respondida por 38 pessoas, mas três foram eliminados por serem respondidos incorretamente. Assumindo consistência perfeita, os valores pareados na análise AHP são a média das respostas válidas obtidas. Utilizando os valores médios provenientes da pesquisa e usando a equação (2) foram definidos os pesos dos vetores e indicadores a seguir:

6 Figura 5 Indicadores de peso usando os valores da médiada pesquisa Em seguida, são calculados o ranking de cidade para cada vetor, multiplicando o valor do indicador pelo peso do indicador para cada cidade. Os resultados mostram um empate técnico entre Brasília e São Paulo, com uma pequena vantagem para Brasília. Em seguida na lista estão Curitiba e Rio de Janeiro, seguidos por Recife e então Belo Horizonte. Conclusões A estrutura desenvolvida neste estudo é baseada em um método de análise multicritérios, nomeada de Processo Hierárquico Analítico. Nesta metodologia, os indicadores estão diretamente aos pares em comparação com os outros indicadores dentro do mesmo vetor e indiretamente com os indicadores pertencentes a outros vetores. Este quadro pode ser replicado e adaptado a diferentes realidades. Sempre que for difícil ou impossível obter dados para caracterizar um determinado indicador, ele pode ser substituído por um outro similar, sem perda de generalidade. Em relação aos indicadores escolhidos, acreditamos que no futuro dois indicadores adicionais podem ser consideradas no vetor de mobilidade: um indicador médio diário distância de viagem e a taxa cobrada por serviços de táxi, que é um concorrente do sistema de carsharing. Em relação à localização, os resultados deste estudo indicam que, no Brasil, a melhor cidade para implementar um sistema de carsharing é Brasília e, em segundo lugar, São Paulo. Referências 1 CENSO Censo demográfico, Instituto Brasileiro de Geografia e Estatística (IBGE). < Acesso em: 02 set PNUD (Programa das Nações Unidas para o Desenvolvimento) Atlas do desenvolvimento humano dos municípios.< Acesso em:02 set SAATY, Thomas. Fundamentals of decision making and priority theory with the analytic hierarchy process. Rws Publications. v.08, 2000.