Análise de sentimentos do usuário no sistema metroviário carioca

uma avaliação da estação central do Brasil pelo Google Maps

Autores

DOI:

https://doi.org/10.26853/Refas_ISSN-2359-182X_v12n04_03

Palavras-chave:

Mobilidade Urbana, Sistema de transporte metroviário, Análise de Sentimentos, Conteúdo Gerado pelo Usuário, DeepSeek-V3.1

Resumo

A pesquisa analisou as percepções dos usuários sobre a Estação Central do Brasil, no Rio de Janeiro, utilizando comentários do Google Maps como fonte de dados. O objetivo foi identificar pontos fortes e fracos do serviço metroviário, contribuindo para a melhoria da gestão e da qualidade do transporte público. A pesquisa adota uma metodologia qualitativa e indutiva, baseada no Conteúdo Gerado pelo Usuário (CGU) e na Análise de Sentimentos com o uso da inteligência artificial DeepSeek-V3, aplicada a 1.620 avaliações entre 2017 e 2025. Os comentários foram classificados em categorias como acessibilidade, conforto, limpeza, segurança e entre outros. Os resultados mostraram que 56% das avaliações foram positivas, destacando conectividade, eficiência e bom atendimento, enquanto 44% expressaram insatisfação, principalmente com a limpeza e a sensação de insegurança. Conclui-se que, embora o MetrôRio apresente evolução e seja essencial à mobilidade urbana carioca, ainda enfrenta desafios quanto à conservação, segurança e conforto, aspectos fundamentais para a satisfação dos usuários e para o cumprimento dos Objetivos de Desenvolvimento Sustentável (ODS) 9 e 11.

Downloads

Não há dados estatísticos.

Biografia do Autor

Maiara Ferreira Pinto, Instituto Federal de São Paulo

Graduada em Engenharia de Produção, Instituto Federal de São Paulo.

Rodrigo Ribeiro de Oliveira, Instituto Federal de São Paulo

Doutor em Engenharia de Produção, Instituto Federal de São Paulo.

Sivanilza Teixeira Machado , Instituto Federal de São Paulo

Doutora em Engenharia de Produção, Instituto Federal de São Paulo.

Mario Gabriel Crespi, Facultad de Ingeniería Universidade Nacional de La Plata

Especialista em Qualidade Industrial, Facultad de Ingeniería Universidade Nacional de La Plata.

Referências

Agência Brasil. (2017). Aumento da tarifa do metrô do Rio é publicado no Diário Oficial do Estado. https://agenciabrasil.ebc.com.br/geral/noticia/2017-03/aumento-da-tarifa-do-metro-do-rio-e-publicado-no-diario-oficial-do-estado

Agência Brasil. (2023, 6 de novembro). Entenda por que o ritmo de expansão do metrô do Rio de Janeiro é lento. https://agenciabrasil.ebc.com.br/geral/noticia/2023-11/entenda-por-que-o-ritmo-de-expansao-do-metro-do-rio-de-janeiro-e-lento

Brissa, R. O., et al. (2022). Desigualdade social e mobilidade urbana: O caso de Santarém - Brazil (1ª ed.). Editora Científica Digital.

Chakriswaran, A., et al. (2019). Emotion AI-driven sentiment analysis: A survey, future research directions, and open issues. Applied Sciences, 9(24), 5462.

CNN Brasil. (2025, 11 de abril). Metrô mais caro do Brasil: tarifa no RJ sobe a partir deste sábado (12). https://www.cnnbrasil.com.br/nacional/sudeste/rj/metro-mais-caro-do-brasil-tarifa-no-rj-sobe-a-partir-deste-sabado-12/

Costa, H. S. (2025). Sistema Automatizado de Coleta de Comentários no Google Maps (Versão 1.0) [Código-fonte]. GitHub. https://github.com/Henrique-Sc/Google-Maps-Comment-Collector

Data.Rio. (2024). Passageiros transportados no Metrô, segundo as estações e linhas no Município do Rio de Janeiro entre 1995e2024. https://www.data.rio/documents/7f3d332baf2f499abc6a0742fce56bec/about

DeepSeek. (2025). DeepSeek-V3 [Large language model]. https://chat.deepseek.com/

Google. (n.d.). Be a Local Guide. Google Maps. https://maps.google.com/intl/ALL_br/localguides/

Governo do Estado do Rio de Janeiro. (2023). Boletim da Mobilidade Urbana – 10ª edição. https://www.rj.gov.br/transporte/sites/default/files/arquivos_paginas/BOLETIM_2023_10%C2%AAedicao.pdf

IBGE. (2022). Censo Demográfico 2022: População do Rio de Janeiro. Instituto Brasileiro de Geografia e Estatística. https://www.ibge.gov.br/cidades-e-estados/rj.html?

IPEADATA. (n.d.). Salário-mínimo vigente (Frequência mensal: jul. 1940 – dez. 2025). https://www.ipeadata.gov.br/ExibeSerie.aspx?serid=1739471028

Krumm, J., Davies, N., & Narayanaswami, C. (2008). User-generated content. IEEE Pervasive Computing, 7(4), 10–11.

Lakatos, E. M., & Marconi, M. A. (2003). Fundamentos de metodologia científica (5ª ed.). Atlas.

MetrôRio. (n.d.-a). Mapa. https://www.metrorio.com.br/VadeMetro/MapaInterativo

MetrôRio. (n.d.-b). Meios e tarifas. https://www.metrorio.com.br/como-pagar/meios-e-tarifas

MetrôRio. (n.d.-c). Sobre o MetrôRio. https://www.metrorio.com.br/Empresa/Sobre

Mobilidade360. (2025). Como funciona o metrô do Rio de Janeiro. https://mobilidade360.com.br/2025/07/06/metro-do-rio-de-janeiro-linhas-horarios-e-funcionamento/

Nações Unidas. (2024). World urbanization prospects 2024: Highlights. Department of Economic and Social Affairs, Population Division. https://www.un.org/development/desa/pd/world-urbanization-prospects

Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469.

ONU. (2025). Sustainable development: The 17 goals (ODS). Organização das Nações Unidas. https://sdgs.un.org/goals

Rocha, F. U. S., & Ramos, M. C. P. (2018). Modelos de gestão do transporte público urbano de passageiros: As experiências das cidades do Porto (Portugal) e de Salvador (Brasil). In The overarching issues of the European space (pp. 336–349). Faculdade de Letras da Universidade do Porto.

Souza, H. A. L., Pinto, M. F., Oliveira, R. R. de, Machado, S. T., Crespi, M. G., Tittonel, M., & Jacintho, J. C. (2025). Análise de sentimentos de conteúdo gerado por usuários na avaliação de serviços metroviários: estudo longitudinal comparativo entre as Estações Sé (São Paulo) e Central do Brasil (Rio de Janeiro). Brazilian Journal of Production Engineering, 11(4), 341-358. https://doi.org/10.47456/bjpe.v11i4.51173

SuperVia. (n.d.). Demanda média mensal de passageiros por estação. https://www.supervia.com.br/transparencia/dados-operacionais/demanda-media-mensal-de-passageiros-por-estacao/

Wilson, J. Q., & Kelling, G. L. (1982). Broken windows. The Atlantic Monthly, 249(3), 29–38.

Ying, C., et al. (2022). Multi-agent deep reinforcement learning for adaptive coordinated metro service operations with flexible train composition. Transportation Research Part B: Methodological, 161, 36–59.

Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(2), 2–22.

Downloads

Publicado

30/04/2026

Como Citar

Pinto, M. F., Oliveira, R. R. de, Machado , S. T., & Crespi, M. G. (2026). Análise de sentimentos do usuário no sistema metroviário carioca: uma avaliação da estação central do Brasil pelo Google Maps. Refas - Revista Fatec Zona Sul, 12(4), 1–19. https://doi.org/10.26853/Refas_ISSN-2359-182X_v12n04_03

Edição

Seção

Logística

Métricas

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 > >>