Eficiência operacional da mobilidade urbana e o seu impacto na previsão: o caso de Santa Rosa
DOI:
https://doi.org/10.51247/nxj9p014Palavras-chave:
Eficiência operacional, mobilidade urbana, análise preditiva, cidades inteligentes, sistemas de transporte inteligenteResumo
Este estudo analisa como a eficiência operacional da mobilidade urbana afeta a capacidade preditiva dos sistemas de gestão rodoviária no cantão de Santa Rosa, província de El Oro, Equador, com o objetivo de propor um modelo de mobilidade inteligente adaptado ao seu contexto institucional. Adotou-se uma abordagem quantitativa, correlacional, não experimental e transversal, combinando um inquérito aos cidadãos (n = 374), observação sistemática em 20 cruzamentos, entrevistas a 20 especialistas, modelação de equações estruturais e comparação de modelos preditivos com validação cruzada. A linha de base mostra um índice de congestionamento de tráfego de 1,65 e um tempo de espera nos semáforos de 87,3 segundos. Os resultados projetados indicam que a eficiência operacional impacta a capacidade preditiva (β = 0,62) e que o modelo GCN-LSTM apresentaria o melhor ajuste (R² = 0,912) em comparação com o ARIMA (R² = 0,621). Este trabalho apresenta um modelo trifásico, começando pelo XGBoost devido ao seu baixo custo, que orienta as decisões do Governo Municipal Autónomo Descentralizado e da Comissão Equatoriana de Trânsito. A contribuição consiste num protocolo de medição e previsão replicável para uma cidade de média dimensão com baixa maturidade digital, um contexto pouco documentado na literatura sobre cidades inteligentes
Downloads
Referências
Benevolo, C., Dameri, R. P., & D'Auria, B. (2016). Smart mobility in smart city: Action taxonomy, ICT intensity and public benefits. In T. Torre, A. M. Braccini, & R. Spinelli (Eds.), Empowering organizations (pp. 13–28). Springer. https://doi.org/10.1007/978-3-319-23784-8_2
Boukerche, A., & Wang, J. (2020). Machine learning-based traffic prediction models for intelligent transportation systems. Computer Networks, 181, Article 107530. https://doi.org/10.1016/j.comnet.2020.107530
Brimos, P., Karamanou, A., Kalampokis, E., & Tarabanis, K. (2023). Graph neural networks and open-government data to forecast traffic flow. Information, 14(4), Article 228. https://doi.org/10.3390/info14040228
Cochran, W. G. (1977). Sampling techniques (3rd ed.). John Wiley & Sons.
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.
Flatten, T. C., Engelen, A., Zahra, S. A., & Brettel, M. (2011). A measure of absorptive capacity: Scale development and validation. European Management Journal, 29(2), 98–116. https://doi.org/10.1016/j.emj.2010.11.002
Goodall, N. J., Smith, B. L., & Park, B. (2013). Traffic signal control with connected vehicles. Transportation Research Record, 2381, 65–72. https://doi.org/10.3141/2381-08
Guerrero-Ibáñez, J., Zeadally, S., & Contreras-Castillo, J. (2018). Sensor technologies for intelligent transportation systems. Sensors, 18(4), Article 1212. https://doi.org/10.3390/s18041212
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Hollands, R. G. (2008). Will the real smart city please stand up? City, 12(3), 303–320. https://doi.org/10.1080/13604810802479126
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Instituto Nacional de Estadística y Censos. (2022). Censo de Población y Vivienda 2022: Resultados nacionales y provinciales. INEC.
Jiang, W., & Luo, J. (2022). Graph neural network for traffic forecasting: A survey. Expert Systems with Applications, 207, Article 117921. https://doi.org/10.1016/j.eswa.2022.117921
Kitchin, R. (2021). The data revolution: Big data, open data, data infrastructures and their consequences. SAGE Publications.
Ma, C., Hao, W., Wang, A., & Zhao, H. (2018). Developing a coordinated signal control system for urban ring road under the vehicle-infrastructure connected environment. IEEE Access, 6, 52471–52478. https://doi.org/10.1109/ACCESS.2018.2869890
Maadi, S., Stein, S., Hong, J., & Murray-Smith, R. (2022). Real-time adaptive traffic signal control in a connected and automated vehicle environment: Optimisation of signal planning with reinforcement learning under vehicle speed guidance. Sensors, 22(19), Article 7501. https://doi.org/10.3390/s22197501
Meijer, A., & Bolívar, M. P. R. (2016). Governing the smart city: A review of the literature on smart urban governance. International Review of Administrative Sciences, 82(2), 392–408. https://doi.org/10.1177/0020852314564308
Mergel, I., Edelmann, N., & Haug, N. (2019). Defining digital transformation: Results from expert interviews. Government Information Quarterly, 36(4), Article 101385. https://doi.org/10.1016/j.giq.2019.06.002
Ortúzar, J. D., & Willumsen, L. G. (2021). Modelling transport (5th ed.). John Wiley & Sons.
Rivera-Campoverde, N. D., Bermeo Naula, A. K., Arenas Ramírez, B. del V., & Ortega Rodas, D. I. (2026). Smart mobility analytics: Inferring transport modes and sustainability metrics from GPS data and machine learning. Atmosphere, 17(3), Article 246. https://doi.org/10.3390/atmos17030246
Shah, V., Pecheux, B., Kraemer, S., & Ledbetter, G. (2024). Predictive analytics for traffic management systems (Report No. FHWA-HRT-24-091). Federal Highway Administration. https://doi.org/10.21949/1521763
Xiao, F., Lu, J., Li, L., Tu, W., & Li, C. (2025). Advances in reinforcement learning for traffic signal control: A review of recent progress. Intelligent Transportation Infrastructure, 4, Article liaf009. https://doi.org/10.1093/iti/liaf009
Yin, R. K. (2018). Case study research and applications: Design and methods (6th ed.). SAGE Publications.
Zahra, S. A., & George, G. (2002). Absorptive capacity: A review, reconceptualization, and extension. Academy of Management Review, 27(2), 185–203. https://doi.org/10.5465/amr.2002.6587995
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2026 Juan Carlos Medina-Jiménez, Franklin Alberto Noblecilla-Rivadeneira, Harry Alexander Vite-Cevallos, Javier Alejandro Bermeo-Pacheco

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.














