Smart Card Data (SCD) allow us to understand and to analyze mobility at an exceptional level of detail. However, they can be considered restricted when analyzing users trip purposes. Identifying travel patterns may provide better context to smart card data. More specifically, this identification may allow the understanding of travel patterns of transit users from precarious settlement areas, a portion of the population that historically has limited and unequal access to financial resources and opportunities. This work aims to understand the temporal and spatial patterns of urban transit movements of residents of precarious settlements in the city of São Paulo, through smart card data mining. For this, we apply three distinct clustering algorithms: K-means, TwoStep, and Self Organizing Maps (SOM). Residents of middle-class areas of the city are also included to compare the behavioral differences in urban displacements in the studied areas as a function of their residents household income. The results showed that the clusters formed by the three methods show similar results, and clusters with high number of commuters mostly composed by precarious settlement residents suggest an association of this residents with low-paid employment, with their smart card transactions, mainly registered in residential medium / high-income and residential low-income land use areas.

Dados de bilhetagem permitem compreender e analisar a mobilidade em um nível de detalhe excepcional, porém podem ser considerados restritos para analisar as motivações de viagens dos usuários. A identificação de padrões de viagens pode dar complementariedade semântica aos dados de bilhetagem. Mais especificamente, esta análise de padrões de viagens, aplicada a usuários de transporte público residentes em áreas de assentamentos precários, auxilia uma melhor compreensão das características de mobilidade de uma parcela da população que, historicamente, tem acesso restrito e desigual aos recursos financeiros e às oportunidades no contexto urbano da cidade. O objetivo deste trabalho é compreender padrões temporais e espaciais dos deslocamentos urbanos por transporte público de residentes de assentamentos precários no município de São Paulo, através da mineração de dados de bilhetagem. Para tal, são aplicados três algoritmos de clusterização distintos: K-means, TwoStep e Self Organizing Maps (SOM). Também são incluídos residentes de áreas de classe média da cidade para analisar as diferenças de comportamento nos deslocamentos urbanos nas áreas estudadas em função da renda domiciliar de seus moradores. Os agrupamentos formados pelos três procedimentos apresentam resultados semelhantes. Grupos com passageiros com evidências de fluxo pendular de trabalho, compostos em sua maioria por moradores de assentamentos precários, sugerem uma associação desses moradores com empregos de baixa remuneração, com suas bilhetagens de atividade principalmente registradas em usos do solo residenciais de média / alta renda e residenciais de baixa renda.