Este estudo tem como objetivo avaliar as relações espaciais entre acessibilidade a empregos e desigualdades de renda na cidade de São Paulo. A acessibilidade e sua relação com as desigualdades sociais têm sido cada vez mais discutidas em pesquisas recentes e, embora alguns estudos tenham abordado questões de desigualdade de acessibilidade, pouco se discutiu sobre a influência dos dados de tempo de viagem nas medidas de acessibilidade e nos subsequentes resultados de modelagem. Para avaliar a distribuição espacial por modo, este trabalho explora três fontes de dados diferentes, a saber, uma rede em SIG desenvolvida usando dados AVL, uma matriz O/D de um modelo de transporte de quatro etapas e o tempo de viagem do API do Google Maps. Evidências de auto correlação espacial entre acessibilidade e distribuição de renda foram encontradas pela aplicação do índice de Moran nos resíduos de regressão global com base em todos os testes de fontes de dados, cujos valores variaram de 0,51 até 0,8 para ambos os modos de transporte público e individual. Um modelo GWR foi calculado, e os parâmetros resultantes indicaram uma relação positiva entre acessibilidade e renda, com valores R2 variando de 50% a 78%, dependendo da fonte de dados e do modo de transporte. Para efeitos de comparação, foi produzida uma análise comparativa das classes de valores de acessibilidade e renda para avaliar os resultados da regressão por áreas distintas da cidade. Uma conclusão geral é que a relação entre baixa acessibilidade e baixa renda é marcante e mais significativa do que a existente entre alta acessibilidade e alta renda.

This study aims to evaluate the spatial relationships between accessibility to jobs and income inequalities in the city of São Paulo. Accessibility and its relationship with social inequalities have been increasingly discussed in recent researches, and although some studies have been tackling accessibility inequalities issues, not much have been discussed regarding the influence of travel time data on accessibility measures and subsequent modeling results. In order to evaluate spatial distribution by mode, this work explores three different data sources, namely a GIS network developed using AVL data, an OD matrix from a four-stage transportation model and Google´s Map API travel time. Evidences of spatial autocorrelation between accessibility and income distribution were found by the application of Moran index on global regression residuals based on all data sources tests, which values varied from 0,51 until 0,8 for both transit and private mode. A GWR model was computed, and the resulting parameters indicated a positive relation between accessibility and income, with R2 varying from 50% to 78% depending on the data source and transport mode. For comparison effects, it was produced a comparative analysis of the classes of values of accessibility and income to evaluate the results of the regression by distinct areas of the city. An overall conclusion is that the relation between low accessibility and low income is marked and more significant than the relation between high accessibility and high income.