Os sistemas de cobrança de tarifa automática estão sendo amplamente utilizados no transporte urbano. Suas principais vantagens incluem a fácil utilização dos passageiros, o aumento na eficiência do gerenciamento da receita, facilidade na integração com outros modos de transporte e coleta de dados, que contribuem no processo de planejamento de transportes. Este estudo realiza análises espaço-temporais das viagens por transporte público a partir de matriz Origem-Destino gerada por meio de bilhetagem eletrônica para a cidade de São Paulo. Para isso, estuda-se a aplicação do método de encadeamento de viagens (trip-chaining method) para estimar os locais de desembarque e inferir as origens e os destinos dos usuários. Após a construção da matriz OD, faz-se avalia os padrões de comportamento espaço-temporais das viagens, na identificação dos grupos homogêneos de usuários e na atribuição de informação semântica aos dados de bilhetagem com a perspectiva das desigualdades espaciais e dos grupos sociais, baseado nos dados de uso e ocupação do solo, do censo demográfico e da pesquisa OD domiciliar. Alguns conjuntos principais foram encontrados: casa-trabalho (com diferenças por classe social e por raça, menos transferências e distâncias percorridas para classes mais altas com predominância de raça/cor branca) e educação/saúde/assuntos pessoais (desigualdade no acesso à saúde e falta de acessibilidade da periferia). A variabilidade dentro dos clusters é alta, com perfis socioeconômicos distintos para usuários fora dos padrões. O estudo revela a complexa realidade da mobilidade em São Paulo e a necessidade de políticas públicas que considerem a diversidade dos padrões de viagem.

Automatic fare collection (AFC) systems are being widely used in urban transportation. Its main advantages include easy usability by passengers, improvement of the revenue management efficiency, ease of integration with other transportation modes and data collection, which contributes to the transportation planning process. This study explores the application of Smart Card Data in transportation planning, focusing on the behavior pattern of public transportation passengers, including origin-destination (OD) inference for the city of São Paulo. This work starts with the application of the trip-chaining method (TCM) to estimate alighting and infer users origins and destinations. After the construction of the OD matrix, this study evaluates the spatial-temporal patterns of travel, the identification of the homogeneous groups of users and the assignment of semantic information to the smart card data with the perspective of spatial and social groups inequalities based on the land use, the demographic census, and the household survey. Several main clusters have been identified: home-work (with differences by social class and race, fewer transfers and distances traveled for higher classes with a predominance of white race/color) and education/health/personal affairs (inequality in access to healthcare and lack of accessibility from the periphery). The variability within the clusters is high, with distinct socioeconomic profiles for users outside the norms. The study reveals the complex reality of mobility in São Paulo and the need for public policies that consider the diversity of travel patterns.