O objetivo desta pesquisa é validar a hipótese de que o minerador de dados pode ser utilizado como uma ferramenta para previsão dos padrões de viagens, inclusive sob mudança comportamental dos indivíduos. Para o desenvolvimento deste trabalho foi adotada uma postura científica indutiva, utilizando como dados as informações contidas nas duas pesquisas origem-destino realizadas em 1987 e 1997 pelo METRÔ-SP na região metropolitana de São Paulo (RMSP). Os dados da primeira pesquisa e as mudanças comportamentais dos indivíduos observadas no período de 1987 a 1997 forneceram as condições para elaboração do cenário futuro a ser usado para projeção da demanda por transporte para 1997. Aplicando a Árvore de Decisão e Classificação, uma das técnicas de mineração de dados disponível no software S-PLUS 6.1, foram obtidas as distribuições das probabilidades das distribuições dos padrões de viagens encadeadas relacionadas a cada grupo homogêneo de viajantes urbanos. Estas probabilidades foram aplicadas aos indivíduos da amostra de 1997, estimando o número de viajantes urbanos por padrão de viagem encadeada em cada uma das 361 zonas de tráfego da RMSP. Os valores estimados pelo modelo foram comparados com os dados observados em 1997 pelo teste estatístico não-paramétrico de Kolmogorov-Smirnov (K-S). Ao final, concluiu-se que a hipótese proposta foi confirmada em 92,2% das zonas de tráfego analisadas

The main aim of this work is to submit to a validation test the hypothesis that data mining technique can be used as a tool for forecasting the trip-chaining patterns including individual behavioral changes. For the project development, an inductive scientific method point of view was adopted, using as a data resource the information contained in two origin-destination surveys carried out by METRÔ-SP in the São Paulo metropolitan area (SPMA) in 1987 and 1997. The first survey data and the individual behavioral changes observed in the period from 1987 to 1997 provided the information to build a future scenario to predict the 1997’s travel demand. Applying the Classification and Regression Tree which is a data mining technique available in S-PLUS 6.1 software package, it were obtained the probabilities distribution of the trip-chaining patterns and set the contextual socioeconomics characteristics of the urban travelers. These probabilities were applied to the 1997 individuals belonging to the sample collected in 1997 to estimate the number of urban travelers by trip-chaining patterns for each of the 361 traffic zones of SMPA. The estimated results from the model were compared with the real values of 1997 data set using the Kolmogorov-Smirnov (K-S) non-parametric statistic test. The main conclusion is that the hypothesis was confirmed in 92.2% of the SPMA traffic zones