Análise de redes sociais aplicada aos aeroportos brasileiros
Social network analysis for Brazilian airports
DOI:
https://doi.org/10.22167/2675-441X-2025849Palavras-chave:
“business intelligence”, pesquisa operacional, rede de transporte aéreoResumo
O transporte aéreo no Brasil apresenta crescimento significativo. Apesar dos impactos causados pela pandemia de covid-19 em 2020 e 2021, observa-se a retomada da expansão desse segmento nos anos seguintes. Este trabalho teve como objetivo identificar os aeroportos brasileiros com maior centralidade na rede, a fim de compreender melhor a estrutura e a dinâmica do transporte aéreo no país. Para isso, foi realizada uma análise da malha aérea por meio da metodologia “Social Network Analysis” (SNA), com base nos dados disponibilizados pela Agência Nacional de Aviação Civil (Anac). Entre as diversas métricas oferecidas pela SNA, destacam-se as de centralidade, “beteweeness” e “closeness”, que contribuíram para a identificação de aeroportos estratégicos. O estudo considerou a rede ponderada pela quantidade de decolagens e pelo número de passageiros pagantes. Entre os resultados obtidos, os aeroportos localizados nos municípios de Campinas e Brasília foram classificados como “hubs”, utilizados com essa finalidade por companhias aéreas brasileiras. Destacaram-se também os aeroportos de Manaus e Belém, apontados como relevantes na análise. Concluiu-se que a rede aérea brasileira aponta a relevância de aeroportos de diferentes portes. Essa constatação indica a necessidade de explorar rotas subutilizadas e de aprimorar a conectividade para otimizar a rede de voos.
Referências
Périco, A.E.; Santana, N.B.; Rebelatto, D.A.N. 2017. Eficiência dos aeroportos internacionais brasileiros: uma análise envoltória de dados com bootstrap. Gestão & Produção 24(2): 370-381. https://doi.org/10.1590/0104-530X1810-15. DOI: https://doi.org/10.1590/0104-530x1810-15
Oliveira, B.C.; Castilho, D. 2020. Entre fluxos e escalas: COVID-19 e suas implicações na rede de transporte aéreo no primeiro semestre de 2020. GEOgraphia 22(49). https://doi.org/10.22409/geographia2020.v22i49.a45882. DOI: https://doi.org/10.22409/GEOgraphia2020.v22i49.a45882
Paiva, I.V.L.; Assunção, M.V.D.; Medeiros, M.; Paes, D.C.A.S.; Moreira, L.N.R. 2021. A influência da movimentação de passageiros nos aeroportos brasileiros quanto ao aumento do contágio da COVID-19. Holos – IV Dossiê COVID-19 e o mundo em tempos de pandemia 37(4): e11281. https://doi.org/10.15628/holos.2021.11281.
Yang, S.; Chen, Z. 2022. The impact of COVID-19 on high-speed rail and aviation operations. Sustainability 14(3): 1683. https://doi.org/10.3390/su14031683. DOI: https://doi.org/10.3390/su14031683
Agência Nacional de Aviação Civil. 2022a. Tarifa aérea doméstica acumula alta de 21,7% no primeiro semestre do ano. Disponível em: <https://www.gov.br/anac/pt-br/noticias/2022/tarifa-aerea-domestica-acumula-alta-de-21-7-no-primeirosemestre-do-ano> Acesso em: 10 out. 2022.
Frazão, J.A.F.; Oliveira, A.V.M. 2020. Distribuição de renda e demanda por transporte aéreo: uma especificação de modelo econométrico para o mercado doméstico brasileiro. Transportes 28(3). https://doi.org/10.14295/transportes.v28i5.1662. DOI: https://doi.org/10.14295/transportes.v28i5.1662
Machado, A.F.; Cardoso, D.F.; Michel, R.C.; Melo, G.B.V.; Guimarães, A.D. 2022. Efeitos da COVID-19 na economia da cultura no Brasil. Revista Econômica do Nordeste 53(1): 124-136. https://doi.org/10.61673/ren.2022.1324. DOI: https://doi.org/10.61673/ren.2022.1324
Agência Nacional de Aviação Civil. 2022b. Demanda e oferta do transporte aéreo atingiram 99% do percentual apurado no período pré-pandemia. Disponível em: <https://www.gov.br/anac/pt-br/noticias/2022/demanda-e-oferta-do-transporteaereo-atingiram-99-do-percentual-apurado-no-periodo-pre-pandemia> Acesso em: 10 out. 2022.
Ganji, S.S.; Mardani, A.; Jahed, R. 2024. Assessment of Iranian airlines using network cross-efficiency DEA and the regret theory. Case Studies on Transport Policy 18: 101266. https://doi.org/10.1016/j.cstp.2024.101266. DOI: https://doi.org/10.1016/j.cstp.2024.101266
Wang, F. 2006. Quantitative Methods and Applications in GIS. CRC Press. https://doi.org/10.1201/9781420004281. DOI: https://doi.org/10.1201/9781420004281
Siozos-Rousoulis, L.; Robert, D.; Verbeke, W. 2021. A study of the U.S. domestic air transportation network: temporal evolution of network topology and robustness from 2001 to 2016. Journal of Transportation Security 14: 55-78. https://doi.org/10.1007/s12198-020-00227-x. DOI: https://doi.org/10.1007/s12198-020-00227-x
Wang, J.; Mo, H.; Wang, F.; Jin, F. 2011. Exploring the network structure and nodal centrality of China’s air transport network: A complex network approach. Journal of Transport Geography 19(4): 712–721. https://doi.org/10.1016/j.jtrangeo.2010.08.012. DOI: https://doi.org/10.1016/j.jtrangeo.2010.08.012
Bombelli, A.; Santos, B.F.; Tavasszy, L. 2020. Analysis of the air cargo transport network using a complex network theory perspective. Transportation Research Part E: Logistics and Transportation Review 138: 101959. https://doi.org/10.1016/j.tre.2020.101959. DOI: https://doi.org/10.1016/j.tre.2020.101959
Prabhakar, N.; Anbarasi, L.J. 2021. Exploration of the global air transport network using social network analysis. Social Network Analysis and Mining 11(26). https://doi.org/10.1007/s13278-021-00735-1. DOI: https://doi.org/10.1007/s13278-021-00735-1
Agência Nacional de Aviação Civil. 2022c. Aéreas brasileiras apresentaram recuperação financeira após impacto causado pela pandemia. Disponível em: <https://www.gov.br/anac/pt-br/noticias/2022/aereas-brasileiras-apresentaram-recuperacaofinanceira-apos-impacto-causado-pela-pandemia> Acesso em: 10 out. 2022.
Agência Nacional de Aviação Civil. 2025. Lista de aeródromos civis cadastrados - Cadastro de aeródromos - Formato CSV. Disponível em: <https://www.gov.br/anac/pt-br/assuntos/regulados/aeroportos-e-aerodromos/lista-de-aerodromos-civiscadastrados> Acesso em: 15 abr. 2025.
Agência Nacional de Aviação Civil. 2024. Voos e operações aéreas - Dados Estatísticos do Transporte Aéreo - Formato CSV. Disponível em: <https://www.anac.gov.br/acesso-a-informacao/dados-abertos/areas-de-atuacao/voos-e-operacoes-aereas/dados-estatisticos-do-transporte-aereo/> Acesso em: 20 jul. 2024.
Knafic, C.N. 2017. Storytelling com dados: um guia sobre visualização de dados para profissionais de negócios. Alta Books. Rio de Janeiro, RJ, Brasil.
Scott, J. 2012. What is Social Network Analysis? Bloomsbury Academic, London, UK. https://doi.org/10.5040/9781849668187. DOI: https://doi.org/10.5040/9781849668187
Newman, M.E.J. 2010. Networks: An Introduction. Oxford University Press, USA. https://doi.org/10.1093/acprof:oso/9780199206650.001.0001. DOI: https://doi.org/10.1093/acprof:oso/9780199206650.001.0001
Finkel, M.D.; Del-Vecchio, R.R. 2021. Analysis of the brazilian stock market through graph centrality measures. Pesquisa Operacional 41: e248549. https://doi.org/10.1590/0101-7438.2021.041.00248549. DOI: https://doi.org/10.1590/0101-7438.2021.041.00248549
Brandão, L.C; Del-Vecchio, R.R.; Mello, J.C.C.B.S.; Francisco, C.N. 2020. Evaluating the importance of brazilian ports using graph centrality measures. Pesquisa Operacional 40: 1-17. https://doi.org/10.1590/0101-7438.2020.040.00193663. DOI: https://doi.org/10.1590/0101-7438.2020.040.00193663
Oliveira, B.F.; Oliveira, A.V.M. 2024. Determinantes do planejamento estratégico da rede de uma companhia aérea. Communications in Airline Economics Research 1: 10671669. https://doi.org/10.5281/zenodo.10671668.
Zeng, W.; Ren, Y.; Wei, W.; Yang, Z. 2021. A data-driven flight schedule optimization model considering the uncertainty of operational displacement. Computer & Operations Research 133: 105328. https://doi.org/10.1016/j.cor.2021.105328. DOI: https://doi.org/10.1016/j.cor.2021.105328
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Quaestum

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.