TCC (graduação) - Universidade Federal de Santa Catarina. Campus Joinville. Engenharia de Transportes e Logística.Nos últimos anos têm-se discutido muito sobre o tema mobilidade urbana, tema este que até pouco tempo não estava nas pautas prioritárias das gestões públicas municipais. Entretanto, é perceptível que a mobilidade urbana, ou a falta dela, não está unicamente ligada aos problemas de transporte, mas também impacta na saúde e qualidade de vida dos moradores de uma cidade. Desta forma, alguns municípios estão buscando soluções que possam trazer tecnologia à engenharia de tráfego para solucionar os problemas de mobilidade urbana, e assim se tornar uma cidade mais inteligente e humana. Seguindo neste rumo a cidade de Joinville vêm investindo no uso da tecnologia para auxiliar nas tomadas de decisão ligadas a mobilidade, utilizando um Big Data para gerar inteligência de dados. Este trabalho utilizou estes dados, cedidos pelo poder público municipal de Joinville, com o objetivo de estimar uma matriz Origem Destino entre zonas de tráfego, e posteriormente alocar as viagens da matriz OD na malha viária do município. Para isto, foi realizado o zoneamento da cidade em 95 zonas de tráfego. Após o zoneamento foi estimada uma matriz de deslocamentos entre origens e destinos, conhecida como matriz OD. Esta matriz foi estimada utilizando o modelo gravitacional unicamente restrito e como dados de entrada foram utilizados os dados de contagem de fluxo de veículos dos controladores de velocidade do município, no período da manhã, entre 8 e 9 horas. A partir da matriz OD calculada, os fluxos estimados foram alocados na rede de tráfego de Joinville através de um software de simulação de tráfego. Por fim, foi realizada a calibração da matriz OD comparando o atraso médio por rua obtidos da simulação de tráfego para o mesmo parâmetro e horário obtido através do aplicativo de smartphone Waze, que é utilizado pelos motoristas dos automóveis. Foram realizadas 25 iterações para chegar em uma matriz OD final, que após simulada apresentou uma diferença no tempo de atraso médio de aproximadamente 21% em relação ao cenário obtido pelo aplicativo.