Abstract

Globally, the Philippines is a minor emitter of greenhouse gases (GHGs), but cost-effective mitigation present opportunities that should be captured, noting that the country is one of the signatory member states to the 1992 United Nations Framework Convention on Climate Change (UNFCCC) and its Kyoto Protocol. The country accounts for less than 0.3 percent of global GHG emissions in 2004.4 However, emissions are on the rise from both energy-use and land-use changes. Even if the absolute scale will remain small, there are increasing number of development projects under preparation, which offers opportunities for cost-effective mitigation and adaptation measures. The Philippine Government's response to the climate change challenge has been active institutionally noting the recent restructuring of the Presidential task force on climate change. However, a clear strategy and action plan are still lacking. The international donor community, including development partners such as the Asian Development Bank (ADB), the United Nations International Strategy for Disaster Reduction (ISDR), the Millennium Challenge Corporation (MCC), and the United Nations Development Program (UNDP), is actively engaged in addressing climate change in the Philippines. There are several initiatives on capacity building for GHG accounting, monitoring and reporting, for preparation of a second National Communication to the UNFCCC, governance, renewable energy, urban air quality management, and forest management. There are likewise several World Bank supported climate change-related activities, with nine active operations. These encompass primarily energy sector operations.

Abstract

ualmente existem muitas fontes de dados oriundos de movimentação de pessoas e veículos. Deduzir o comportamento do tráfego a partir desses dados pode ser de grande utilidade para a gestão do tráfego. Entretanto, os métodos existentes podem não abordar todas as dimensões referentes ao comportamento do tráfego, em especial sob efeito de adversidades, como por exemplo - eventos climáticos. O objetivo dessa dissertação é apresentar uma combinação de métodos estatísticos e de análise espacial, para uso na compreensão dos padrões temporais e espaciais de variabilidade das velocidades, em condições normais e sob o impacto da precipitação. O método consiste na mineração de dados de micro trechos de deslocamento (microviagens), através da combinação de estatísticas descritivas, árvores de regressão CHAID (Chi square automatic interaction detection) e análises espaciais (Krigagem). Para a validação do método foram utilizados dados obtidos, durante março de 2014, de operação da frota de ônibus municipal da cidade de São Paulo, fornecidos pela São Paulo Transportes (SPTrans). Os dados de precipitação de chuva foram fornecidos pelo Instituto Nacional de Meteorologia (INMET). Os resultados demonstraram o impacto da precipitação sobre a variabilidade das velocidades por dia da semana e hora do dia. Adicionalmente, com base nos conjuntos de dados classificados via CHAID, foram produzidas representações da distribuição das velocidades sobre a superfície através uso da Krigagem. Observou-se uma consistente queda das velocidades no período vespertino, principalmente entre 16:00 e 19:00 horas, frequentemente agravados pela presença de precipitação. Foram selecionados casos de alta variabilidade, a partir da técnica CHAID, que foram analisados espacialmente. Os efeitos da queda da variabilidade foram observados geograficamente, demonstrando que a infraestrutura de transporte é um importante fator em sua caracterização. O estudo demonstra a viabilidade desta abordagem e a importância de incorporar a geografia no entendimento da variabilidade das velocidades em geral. Nowadays there is a wide number of movement data sources which can be useful in transportation management. However, the existing methods may not cover all traffic dimensions, especially under inclement weather. The objective of this work is presenting a combination of statistical and spatial methods which allows to understand space and time speed patterns, considering regular operation conditions in comparison with rainfall events. The method consists in sequential bus tracking data segments (micro travel) mining by the combination of descriptive statistics, CHAID (Chi square automatic interaction detection) regression trees and spatial analysis (Kriging). To validate the method, São Paulo bus fleet tracking data provided by SPTrans, and rainfall precipitation, provided by INMET was combined and processed. The results presented rainfall as a relevant factor of speed variability by day of week and time of the day. A consistent speed decrease in the afternoon period, mainly between 4:00 PM and 7:00 PM, was observed. Such effects are more intense in face of rainfall precipitation. The highest variability cases obtained by CHAID classification was selected and spatially analyzed showing the transportation infrastructure is an important variability component. Such results show the importance of a geographic approach over speed variability.