Percepção do usuário sobre aplicativos de mobilidade urbana

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Raquel Ferreira Marques
Centro Universitário Unieuro
raquelferreiramarqs@gmail.com
APLICATIVOS DE MOBILIDADE URBANA: PERCEPÇÃO DO USUÁRIO EM 
RELAÇÃO AOS APLICATIVOS DE MOBILIDADE URBANA
Edwin Silva
Universidade de Brasília 
edw3in@gmail.com
Wesley Cândido de Melo
Universidade de Brasília 
wesleycandido@gmail.com
664
 
 
 
APLICATIVOS DE MOBILIDADE URBANA: PERCEPÇÃO DO USUÁRIO EM 
RELAÇÃO AOS APLICATIVOS DE MOBILIDADE URBANA 
 
 
R. F. Marques, E. F. F. Silva e W. C. Melo 
 
 
 
 
RESUMO 
 
A mobilidade sustentável é vital quando se pensa em cidades modernas para que haja 
harmonia entre a circulação contínua de mercadorias e pessoas sem comprometer o meio 
ambiente. No Brasil é cultural o predomínio no uso intensivo de automóveis individuais 
como uma solução para problemas não só de circulação, mas também de segurança. Diante 
desse quadro, surge a necessidade de mudanças nos padrões tradicionais de mobilidade 
urbana e na diversificação dos meios de transporte. Nesse sentido, esse estudo buscou 
identificar os principais fatores que influenciam na promoção da mobilidade ativa, e dessa 
forma aperfeiçoar o planejamento e gestão voltados para um transporte mais sustentável. Os 
resultados do estudo mostram que a renda e o grau de instrução, influenciam no 
conhecimento do usuário quanto a utilização dos aplicativos e o poder ou não arcar com o 
preço da tarifa cobrada, utilizando-os com maior ou menor frequência. 
 
1 INTRODUÇÃO 
 
O crescimento desordenado das cidades, em especial no Brasil, é um fato que carece de 
ampla discussão, tanto por parte dos governantes quanto por parte da sociedade, uma vez 
que o progresso capitalista e a evolução da tecnologia propiciaram um largo 
desenvolvimento urbano que, na maioria das vezes, ocorreu sem um planejamento adequado, 
acarretando na densificação das cidades (James, 2018). Um exemplo disso são as 
megalópoles como São Paulo, Tóquio e Xangai, as quais, em face à falta de planejamento, 
em geral, a população com menor poder aquisitivo tende a residir em bairros cada vez mais 
afastados do centro, desencadeando fatores negativos, em razão do aumento dos quilômetros 
anuais percorridos, como por exemplo congestionamentos, aumento na emissão de 
poluentes, ruído, dentre outros. (Feltran e Martins, 2017; Monteiro e Rezende, 2017; 
Zanettini, 2018). 
 
O uso da tecnologia tem contribuído para a melhoria do planejamento e da mobilidade 
urbana. Um exemplo é o uso dos smartphones aliado à tecnologia Mobile, que, ao longo dos 
últimos anos, proporcionaram ações voltadas aos deslocamentos urbanos. A tecnologia 
Mobile nesses aparelhos abriu espaços para novos negócios, os quais propiciaram 
deslocamentos pelas cidades. Acompanhado a tendência do rápido avanço tecnológico, 
houve um direcionamento dos fenômenos que se estenderam a diversos mercados, 
frequentemente denominados uberização (Mariano e Dias, 2017). Esse termo se deu em 
virtude da empresa americana UBER, fundada em 2009, que revolucionou o conceito de 
transporte privativo, a partir da conexão direta do fornecedor de serviços de transporte com 
o usuário. 
 
 
 
Nesse sentido, existe uma tendência cada vez maior do aumento desse modelo de mobilidade 
urbana por meio de aplicativos, que disputam a atenção dos clientes. (Morosan e Defranco, 
2016). Muitas empresas já atuam neste mercado, uma vez que os modelos de negócio são 
bastante similares em diversos aspectos. O cliente passa a ter mais opções, buscando atender 
melhor as suas necessidades referentes à qualidade do serviço ou ao preço. 
 
Já as empresas, por sua vez, buscam diferenciar-se por atendimento ao cliente, 
relacionamento com motoristas parceiros, programas de engajamento dos motoristas 
parceiros e visam ofertar um serviço de melhor qualidade. Contudo, a manutenção da base 
de usuários ativos permanece sendo um grande desafio para esse mercado. (Hassenzahl, 
Diefenbach e Göritz, 2010). 
 
Dessa forma, os aplicativos de mobilidade urbana, nos últimos anos, têm aumentado a 
locomoção de seus usuários com maior facilidade (Bazani, 2020). Diante disso, este estudo 
busca entender a mudança comportamental com respeito à mobilidade urbana e os fatores 
que influenciam os usuários a optarem por esses serviços no Distrito Federal. 
 
2 MÉTODO/PROCEDIMENTO 
 
Inicialmente foram definidos parâmetros para que o artigo fosse desenvolvido levando em 
consideração uma vasta revisão da literatura e posteriormente elaboração / aplicação de um 
questionário. 
 
2.1 Problema de pesquisa 
 
O que leva as pessoas a utilizarem os aplicativos de mobilidade urbana? Qual a percepção 
da sociedade quanto ao uso desses aplicativos de mobilidade urbana? 
 
2.2 Objetivo geral 
 
Desenvolver um modelo que expresse os principais fatores que influenciam o usuário a 
utilizar os aplicativos de mobilidade urbana. 
 
2.3 Objetivos específicos 
 
Os objetivos específicos se dividiram em três pontos principais: 
 
i. Identificar principais fatores que influenciam na utilização dos aplicativos de 
mobilidade urbana; 
ii. Realizar abordagem estatística, com os principais fatores de influência 
iii. Desenvolver ferramenta de avaliação; 
 
2.4 Metodologia 
 
Buscando uma forma de contemplar principais aspectos relacionados ao tema, foi realizada 
inicialmente uma revisão da literatura de modo a selecionar os principais indicadores que 
influenciam a escolha quanto ao uso dos aplicativos. Após a análise os indicadores foram 
divididos em perfil dos usuários e serviços prestados pelos aplicativos. 
 
 
 
Após selecionar os principais indicadores, com base na revisão da literatura, elaborou-se um 
questionário utilizando a plataforma Google Forms. O questionário foi estruturado em três 
partes, a primeira pergunta dividiu os usuários de aplicativos e não usuários, as questões 
seguintes só foram respondidas pelos usuários de aplicativos de mobilidade urbana. 
 
A segunda parte contou com onze questões relacionadas à caracterização do respondente 
(sexo, idade, cidade em que reside, grau de instrução, renda, ocupação, disponibilidade de 
autos). Já na terceira parte do instrumento, foram disponibilizadas as assertivas referentes à 
satisfação na utilização do aplicativo, dentre outros pontos. 
 
Após a aplicação e coleta dos dados foi utilizado software IBM SPSS versão de teste 22.0, 
disponível no site da IBM para realizar a redução dimensional dos dados através da análise 
fatorial, que, de forma geral, consiste em pegar uma grande quantidade de variáveis e 
sintetizar em grupos, que mostram a carga fatorial de cada uma das variáveis. Uma matriz 
de cargas fatoriais é um dos produtos finais da análise fatoriais. Uma carga fatorial é um 
coeficiente, um número decimal, positivo ou negativo, geralmente menor do que 1(um), que 
expressa o quanto uma pergunta ou variável observada está carregada de um fator. Em outras 
palavras, quanto maior for a carga de um item em um fator, mais a variável representa esse 
fator (variável latente). 
 
Em síntese, a análise fatorial é essencialmente um método para determinar o número de 
fatores existentes em um conjunto de dados, para determinar quais testes ou variáveis 
pertencem a quais fatores, e em que extensão os testes ou variáveis pertencem e/ou estão 
saturados no fator subjacente. 
 
Por fim, foi utilizado o IBM SPSS Amos, para a realização de uma a análise estrutural dos 
dados, para haver a confirmação da correlação entre os fatores. 
 
3 ANÁLISE DE DADOS 
 
3.1 Descrição da amostra 
 
Através da coleta de dados por meio do questionário, de modo voluntário, foram obtidos um 
total de 179 respostas, sendo que 157 afirmaram que utilizaram/utilizam os aplicativos de 
mobilidade urbana, o que corresponde a 87,7% das respostas. 
 
Dos usuários, 40,8% são do sexo masculino e 57,3% do sexo feminino, 77,7% são maiores 
de idade, tendo entre 18 a 24 anos. Do total de usuários
26,1% reside na cidade de Ceilândia, 
12,7% no Recanto das Emas e 12,1% em Brazlândia, cidades satélites presentes no entorno 
do Distrito Federal, e 49,1% residem nas demais cidades satélites. Cerca de 62,4% 
respondentes possuem o Ensino Médio Completo, e 15,9% já concluíram o Ensino Superior. 
 
A renda acaba sendo um fator relevante à pesquisa, já que este modo de mobilidade particular 
trabalha com tarifas de acordo com a quilometragem do percurso. Sendo que 32,5% 
afirmaram não possuir renda, 60,5% são estudantes e 23,6% são assalariados. Ainda a 
respeito da renda, 29,9% afirmaram obter 1 (um) Salário Mínimo, onde 19,1% possuem até 
2 (dois) Salários Mínimos. Cerca de 53,5% fazem o uso do aplicativo de mobilidade urbana 
ao menos 1 (uma) vez por mês, já 18,5% faz o uso de 1 (uma) a 2 (duas) vezes por semana, 
onde 17,8% utilizam de 2 (duas) a 5 (cinco) vezes por semana. 
 
 
 
Dos respondentes, 31,8% não possui automóvel em sua residência, em contrapartida, 43,9% 
possuem apenas 1 (um), já em relação às motocicletas, cerca de 82,2% não possuem moto 
em sua residência. A disponibilidade de bicicleta na residência também foi um dos tópicos 
da análise, onde 52,9% não possuem bicicleta e 34,4% possuem apenas 1 (uma). 
 
Uma outra questão, foi o motivo da viagem do usuário em aplicativos, onde 72,6% 
responderam que utilizam o mesmo para se locomover a lazer, 30,6% se locomovem com 
destino a escola, e 25,5% para seu trabalho. Os dados citados acima estão sintetizados na 
Tabela 1. 
 
Tabela 1 Dados Sintetizados 
 
Uso do Aplicativo de Mobilidade Urbana 
Sexo Idade Residência Grau de Instrução 
Feminino 57,3% 18 aos 24 anos 77,70% Ceilândia 26,1% Fundamental 62,4% 
Masculino 40,8% 11 aos 17 anos 17,80% Recanto das Emas 12,7% Superior 15,9% 
Outros 1,9% Outros 4,50% Brazlândia 12,1% Outros 21,7% 
 Outros 49,1% 
Renda Ocupação Automóvel em Casa Moto em Casa 
Sem Rendimento 32,5% Estudante 60,5% 0 (zero) 43,9% 0 (zero) 89,2% 
Até 1 Salário 
Mínimo 
29,9% Assalariado 23,6% 1 (um) 31,8% 1 (uma) 9,6% 
De 1 a 2 Salários 
Mínimos 
19,1% Outros 15,9% 2 (dois) 20,4% Outros 1,2% 
Outros 19,1% Outros 4,0% 
Bicicleta na Residência Frequência de Uso Motivo da Viagem 
0 (zero) 52,9% 1 vez no mês 53,5% Lazer 72,6% 
1 (uma) 34,4% 1 a 2 vezes por semana 18,5% Escola 30,6% 
Outros 12,7% 2 a 5 vezes por semana 17,8% Trabalho 25,5% 
 Outros 10,2% 
 
3.2 Análise fatorial 
 
A partir da amostra no SPSS, foi feita a análise fatorial, que consiste em fazer reduções de 
dados inicialmente mais complexos a um conjunto de tamanho manuseável para que o 
pesquisador possa interpretar mais facilmente os resultados (Kerlinger, l980). 
 
Com o intuito de sintetizar os dados foi feita, inicialmente, a análise fatorial sem critérios 
para verificar a quantidade de grupos principais. Em seguida foram feitas alterações na forma 
de rotação da amostra, e foram retiradas as questões que tinham coeficiente inferior a 0,5. 
As questões que não obtiveram significância satisfatória foram: 
 
i. “Sexo”; 
ii. “Reside na Cidade de”; 
iii. “Frequência que utiliza aplicativo(os) de mobilidade urbana” 
iv. “Motivo da viagem”; 
v. “Disponibilidade de moto em casa”; 
vi. “Quando o motorista é uma mulher, qual o seu nível de confiança?”; 
 
Após realizar a redução citada anteriormente, foi realizada análise fatorial com as questões 
restantes, conforme pode ser observado no Gráfico de Escarpa apresentado na Figura 1: 
 
 
 
 
 
 
Fig. 1 Gráfico de Escarpa 
 
Analisando o Gráfico de Escarpa é possível dizer que a amostra se divide basicamente em 
três fatores principais (considerando que no final do gráfico a reta se mantém constante). 
Isso define a quantidade de grupos que a análise irá apresentar, que neste caso serão três 
grupos principais, como é possível observar na Tabela 2 que apresenta a Matriz 
Componentes. 
 
Tabela 2 Matriz Componentes 
 
Matriz de Componentes 
Itens Avaliados 
Componentes 
1 2 3 
Idade 0,711 
Grau de Instrução 0,725 
Renda 0,730 
Ocupação 0,683 
Disponibilidade de automóvel em casa 0,610 
Disponibilidade de bicicleta em casa 0,756 
Preço cobrado pela viagem 0,578 
Tempo de espera pelo motorista 0,617 
Tempo de locomoção até o destino 0,617 
Facilidade de encontrar motoristas em lugares movimentados 0,637 
Segurança ao utilizar o aplicativo 0,722 
Quando o motorista é um homem, qual seu nível de confiança 0,634 
Ferramentas que o aplicativo fornece ao usuário 0,724 
Nível de confiança ao utilizar o aplicativo 0,757 
Satisfação em relação a utilização dos aplicativos de mobilidade urbana 0,712 
 
É então, é plausível admitir que os três grupos são: 
 
Grupo 1- Características dos aplicativos: 
 
i. Preço cobrado pela viagem; 
ii. Tempo de espera pelo motorista; 
iii. Tempo de locomoção até o destino; 
 
 
iv. Facilidade de encontrar o motorista em locais movimentados; 
v. Segurança ao utilizar o aplicativo; 
vi. “Quando o motorista é um homem, qual o seu nível de confiança?”; 
vii. Ferramentas que o aplicativo fornece ao usuário; 
viii. Nível de confiança ao utilizar o aplicativo. 
 
Grupo 2- Características gerais: 
 
i. Idade; 
ii. Grau de Instrução; 
iii. Renda; 
iv. Ocupação. 
 
Grupo 3- Mobilidade Ativa: 
 
i. Disponibilidade de automóvel em casa; 
ii. Disponibilidade de bicicleta em casa. 
 
É possível observar os grupos principais através da Tabela 3 Divisão de Grupos. 
 
Tabela 3 Divisão de Grupos 
 
Grupos 
Grupo 1 – Características dos 
Aplicativos 
Grupo 2 – Características Gerais Grupo 3 – Mobilidade Ativa 
Preço cobrado pela viagem 
Idade 
Disponibilidade de automóvel 
 em casa 
Tempo de espera pelo motorista 
Tempo de locomoção até o destino 
Grau de Instrução Facilidade de encontrar o motorista 
em locais movimentados 
Segurança ao utilizar o aplicativo 
Renda 
Disponibilidade de bicicleta 
em casa 
“Quando o motorista é um homem, 
qual o seu nível de confiança?” 
Ferramentas que o aplicativo 
fornece ao usuário 
Ocupação 
Nível de confiança ao utilizar o 
aplicativo 
 
 
As quatro questões principais, que tiveram os maiores valores estão dispostas na Tabela 4 
que monstra as Questões Significativas: 
 
Tabela 4 Questões Significativas 
 
Questões Significativas 
Questões Carga Fatorial 
Nível de confiança a utilizar o aplicativo 0,757 
Disponibilidade de bicicleta em casa 0,756 
Renda 0,730 
Grau de Instrução 0,725 
 
 
Por meio do procedimento apresentado, é possível levantar a hipótese de que mesmo tendo 
outro meio de locomoção em casa as pessoas utilizam os aplicativos de mobilidade urbana. 
O nível de confiança e a segurança estão relacionadas, pois se o usuário se sentir atendido 
em suas necessidades ao utilizar os aplicativos, eles se sentirão mais seguro. E por fim, a 
renda e o grau de instrução, influenciam no conhecimento do usuário quanto a utilização dos 
aplicativos e o poder ou não arcar com o preço da tarifa cobrada, utilizando-os com maior 
ou menor frequência. 
 
3.3 Rotacionando a amostra 
 
Através da rotação da amostra, os valores apresentaram uma pequena melhoria nas cargas 
fatoriais, observou-se que os valores não apresentaram variações significativas. Diante das 
opções de rotação, o critério que melhor se adequou foi o Quartimax, sendo o utilizado, e 
por meio dele foram obtidos os valores descritos na Tabela 5 Matriz de Componente 
Rotativa: 
 
Tabela 5 Matriz de Componente Rotativa 
 
Matriz de Componentes Rotativa 
Itens Avaliados 
Componentes 
1 2 3 
Idade 0,729 
Grau de Instrução 0,724 
Renda 0,740 
Ocupação 0,672 
Disponibilidade de automóvel em casa 0,626 
Disponibilidade de bicicleta em casa 0,750 
Preço cobrado pela viagem 0,606 
Tempo de espera pelo motorista 0,642 
Tempo de locomoção até o destino 0,647 
Facilidade de encontrar motoristas em lugares movimentados 0,652 
Segurança ao utilizar o aplicativo
0,685 
Quando o motorista é um homem, qual seu nível de confiança 0,598 
Ferramentas que o aplicativo fornece ao usuário 0,722 
Nível de confiança ao utilizar o aplicativo 0,722 
Satisfação em relação a utilização dos aplicativos de mobilidade urbana 0,717 
 
Mediante a Tabela 6 Variância total explicada fornecida pelo SPSS, foi possível dizer o 
percentual de explicação de cada grupo: 
 
Tabela 6 Variância total explicada 
 
Variação Total Explicada 
Componentes 
Somas de extração de carregamentos ao 
quadrado 
Somas de rotação de carregamentos ao 
quadrado 
Total % de variância % cumulativa Total % de variância % cumulativa 
1 4,093 27,284 27,284 4,060 27,065 27,065 
2 2,249 14,994 42,278 2,244 14,960 42,025 
3 1,369 9,126 51,404 1,407 9,379 51,404 
 
Porcentagem de explicação da amostra: 
 
i. Grupo 1 - Características dos aplicativos = 27,065% 
 
 
ii. Grupo 2 - Características Gerais = 14,96% 
iii. Grupo 3 - Mobilidade Ativa = 9,379% 
 
Sendo possível observar, também, que a explicação total foi de 51,404% da amostra. 
 
Após as verificações realizadas pelo SPSS, foi feita uma análise fatorial confirmatória 
complementar com os três grupos citados anteriormente, com auxílio do software Amos. 
Foram obtidos os valores presentes no fluxograma abaixo: 
 
 
 
Fig. 2 Fluxograma - Análise Fatorial Confirmatória 
 
Por meio do fluxograma é possível afirmar que a amostra está dividida em grupos bem 
distribuídos, aonde a correlação entre estes apresenta valores insignificantes, o que faz com 
que eles sejam tratados de forma independente. 
 
Foi possível chegar nas cargas fatoriais, confirmando que os parâmetros utilizados se 
aproximaram de 0,5 nos dois primeiros grupos, mesmo valor que foi adotado anteriormente. 
Por fim, o último grupo apresentou uma discrepância nos valores, sendo possível observar 
que o fato de se ter automóvel em casa não tem grande influência, e seria preferível que 
apenas a variável “Disponibilidade de bicicleta em casa” fosse levada em consideração, visto 
que possui maior significância. 
 
 
 
4 CONCLUSÃO 
 
Pode-se inferir, por meio do estudo, que os fatores que mais se relacionam ao uso da 
mobilidade por aplicativo, estão voltados para a questão da confiabilidade, de se poder 
chegar aos seus destinos, a segurança pessoal, e ainda, dos fatores renda e grau de instrução, 
que influenciam no conhecimento do usuário quanto a utilização dos aplicativos e o poder 
ou não arcar com o preço da tarifa cobrada, utilizando-os com maior ou menor frequência. 
 
Com base no observado, pode-se perceber que os pontos que se destacaram trazem aspectos 
que ampliam a visão quanto ao que poderia mudar para aumentar ou diminuir o uso dos 
aplicativos, já que muitas das viagens são de trajeto pequeno. Por exemplo: incentivos por 
parte do governo para alcançar jovens de baixa renda que são em maioria os usuários; uso 
de bicicletas trazendo um crédito/bônus a quem estivesse utilizando e compartilhando sobre 
a ideia em algum projeto inovador. 
 
Neste último caso, poderia haver uma parceria entre o governo e, até mesmo, empresas 
privadas, o que traria mais fluidez ao trânsito e menos poluição, já que a demanda por carros 
particulares diminuiria. Na análise de dados, a porcentagem de explicação foi de 51,404%, 
provavelmente esse valor se deu pela quantidade de respostas inferior ao que era esperado, 
que consequentemente influenciou a explicação da amostra. 
 
5 REFERÊNCIAS 
 
Barros, V. (2019): “Você sabe o que é mobilidade urbana e qual o seu impacto na 
arquitetura?”. Disponível em: <https://www.vivadecora.com.br/pro/arquitetura/o-que-e-
mobilidade-urbana/>. Acesso em 23 de agosto. de 2020. 
 
Bazani, A. (2020): Mais de 60% dos usuários dos aplicativos vieram do transporte 
público e preço está entre os principais motivos da troca. Disponível em: 
<https://diariodotransporte.com.br/2020/01/30/mais-de-60-dos-usuarios-dos-aplicativos-
vieram-do-transporte-publico-e-preco-esta-entre-os-principais-motivos-da-troca/>. Acesso 
em 20 de agosto de 2020. 
 
Coelho, L. A. A.; Silva, L. A. S.; Andrade, M. O.; Maia, M. L. A. (2017): Perfil 
socioeconômico dos usuários da Uber e fatores relevantes que influenciam a avaliação 
desse serviço no Brasil. Universidade Federal de Pernambuco Centro de Tecnologia e 
Geociências. Disponível em: < 
http://146.164.5.73:30080/tempsite/anais/documentos/2017/Aspectos%20Economicos%20
Sociais%20Politicos%20e%20Ambientais%20do%20Transporte/Regulacao%20em%20Tr
ansportes%20II/5_498_AC.pdf>. Acesso em 17 de novembro de 2019. 
 
Dusi, L. A. (2016): O uso de aplicativos para smartphone no transporte individual: 
99taxis e uber, Universidade de Brasília. Disponível em: 
https://bdm.unb.br/bitstream/10483/17041/1/2016_LuizaDeAlencarDusi_tcc.pdf. Acesso 
em 10 de novembro de 2019. 
 
Francisco, W. C. (2019): Êxodo Rural. Disponível em: 
<https://brasilescola.uol.com.br/geografia/exodo-rural.htm>. Acesso em 20 de agosto de 
2020. 
 
 
 
Hino, M. C.; Cunha, M. A. V. C. (2018): Mobilidade urbana: uma abordagem de gênero 
e tecnologia no uso de aplicativos móveis. Disponível em: 
<https://bdm.unb.br/bitstream/10483/17041/1/2016_LuizaDeAlencarDusi_tcc.pdf.> 
Acesso em 07 de novembro de 2019. 
 
IBM (2019): Versões de avaliação do IBM SPSS. Disponível em: 
<https://www.ibm.com/br-pt/analytics/spss-trials?mhsrc=ibmsearch_a&mhq=spss>. 
Acesso em 22 de novembro 2019. 
 
Kerlinger, F. N. (1980): Metodologia da pesquisa em ciências sociais. São Paulo: 
EPU/EDUSP. 
 
MOROSAN, CRISTIAN; DEFRANCO, AGNES. It's about time: Revisiting UTAUT2 to 
examine consumers’ intentions to use NFC mobile payments in hotels. International Journal 
of Hospitality Management, v. 53, p. 17- 29, 2016. 
 
Neiva, E. R.; Abbad, G. e Tróccoli, B.T. (2008): Roteiro para Análise Fatorial de Dados. 
Disponível em: 
https://aprender.ead.unb.br/pluginfile.php/107810/mod_folder/content/0/An%C3%A1lise
%20Fatorial/roteiro_analise_fatorial_Reformulado.doc?forcedownload=1. Acesso em 10 de 
outubro de 2019. 
 
Pena, R. F. A. (2019): Mobilidade urbana no Brasil. Disponível em: 
<https://brasilescola.uol.com.br/geografia/mobilidade-urbana-no-brasil.htm> Acesso em 23 
de novembro de 2019. 
 
Wisniewski, P. C.; Esposito, L. A. (2016): Mobilidade urbana e o caso uber: aspectos 
jurídicos e sociais da startup. Disponível em: 
<http://www.uricer.edu.br/site/pdfs/perspectiva/150_573.pdf.> Acesso em 15 de novembro 
de 2019.