Caracterização do cenário

A modernização da cidade de Curitiba tem como base alguns princípios do urbanismo modernista em relação ao planejamento da cidade.

Segundo (Souza, 2001) a divisão da cidade em zonas funcionais excludentes e a trans- formação de ruas em avenidas são algumas das características do urbanismo modernista adotada em Curitiba.

Nos anos 1960 e 1970 foi aprovada uma lei de zoneamento com base nesses conceitos. A lei fornece um novo sentido à rodovia BR116, em relação ao trecho que atravessa a cidade. O bairro do Tatuquara está localizado as margens dessa rodovia, conforme indicado no retângulo vermelho na Figura 2.21. A BR116 é um importante eixo estrutural da cidade e tem um peso significativo no processo de desenvolvimento urbano. Segundo (Souza, 2001) eixo estrutural é uma linha que combina, sistema viário, transporte de massa e uso do solo, com o intuito de viabilizar o desenvolvimento ordenado de uma cidade.

Curitiba, a capital do estado do Paraná é composta por 75 bairros, sendo um deles o bairro do Tatuquara e segundo o censo do IBGE de 1970 a 2010 (IPPUC, 2015) temos a seguinte distribuição demográfica (Densidade (Hab/ha)) entre os anos de 1970 e 2010, conforme Tabela 2.6:

Tabela 2.6: Densidade Demográfica, adaptado de (IPPUC, 2015). Área (ha) 1970 1980 1991 1996 2000 2010 Batel 173,77 54,71 60,02 69,74 67,13 67,78 62,60 Centro 328,30 112,97 129,06 112,71 109,18 99,37 113,56 Tatuquara 1.123,48 – 3,33 7,27 17,33 32,35 46,98

A Tabela 2.6 permite comparar a taxa de crescimento comparativa dos bairros Centro, Batel e Tatuquara entre os períodos de 1996 e 2000. Ao comparar o crescimento entre os anos de 2000 e 2010 verifica-se o seguinte percentual: o bairro do Batel teve um decréscimo de -7,64, o Centro um acréscimo de 14,28 e o Tatuquara um acréscimo de 45,24 habitantes por área. Pelo censo do IBGE, em relação ao ano de 2010, verifica-se um expressivo crescimento do bairro Tatuquara. Neste constavam 52.780 moradores (IPPUC, 2015), quase 20% (somatória de 1.092 e 9.713) (Figura 2.22-a,b) com moradias em unidades da COHAB (COHAB, 2015)

6 _{apresentado na Figura 2.22-a. Na a Figura 2.22-b visualiza-se a relação da aquisição de}

apartamentos em relação a aquisição de lotes para construção.

O público alvo da COHAB é composto por famílias com renda mensal de até R$ 1.600,00 pertencente as classes E e D7 (FGV, 2015). A Figura 2.22-c (IPPUC, 2015) permite depreender que mais de 50% da população apresenta uma faixa de renda familiar entre 1/4 e 1 salário mínimo. Assim, mais de 50% da população do Tatuquara pertence à classe E e D, ou seja, são pessoas de baixo poder aquisitivo.

Outra característica do bairro do Tatuquara refere-se à concentração de uma grande área definida como Setores Especiais de Habitação de Interesse Social - SEHIS, demarcada em vermelho na Figura 2.23-a. Na mesma área de SEHIS a Figura 2.23-b mostra uma alta concentração de diferentes tipos de crimes. A Figura 2.23-c, proveniente de um SIG, apresenta o arruamento nas linhas de cor cinza, locais de comércio em pontos vermelhos e uma alta concentração de comércio na área de SEHIS (IPPUC, 2015).

A partir desse conjunto de informações é possível afirmar que o bairro do Tatuquara caracteriza-se por altas taxas de moradias destinadas a população de baixa renda; e dispõe de uma área com alta concentração de diferentes tipos de crimes que ocorrem próximos aos estabelecimentos comerciais. Uma característica interessante é apresentada na Figura 2.32-c: nos dois retângulos em verde: em (1) têm-se a alta concentração de estabelecimentos comerciais nas áreas de SEHIS, mas em (2) observa-se uma migração de estabelecimentos comerciais para uma região que: (a) não se encontram em áreas de SEHIS, (b) não há grande número de crimes e (c) localiza-se próximo ao importante eixo estrutural da BR116. O que indica que algo ocorreu para migração de estabelecimentos comerciais da região sudoeste do bairro à região noroeste.

6_{A Companhia de Habitação Popular de Curitiba (COHAB) é uma sociedade de economia mista criada em maio} de 1965, que tem como acionista majoritária a Prefeitura de Curitiba. A Companhia é responsável pela execução da política habitacional do município de Curitiba e tem competência para atuar também na Região Metropolitana

7_{Classe A: Acima de R$9.745,00; Classe B: de R$7.475,00a R$9.745,00; Classe C: de R$1.734 a R$7.475,00;} Classe D: de R$1.085,00 a R$1.734,00; Classe E: de R$0,00 a de R$1.085,00

Figura 2.22: Moradias cohab: a - apartamentos cohab, b - terrenos cohab, c - faixa salarial (IPPUC, 2015).

2.3.4

Simulação Computacional

O processo de modelagem computacional envolve atividades pertinentes ao modelo e também ao processo de simulação.

A simulação caracteriza-se como um processo ou técnica que objetiva estudar o com- portamento e reações de determinados sistemas (naturais, químicos, físicos, astronômicos, so- ciais, e outros) através de modelos. Realizar uma transcrição de algo do mundo real para um modelo, considerando suas condicionantes ou diferentes fenômenos, que de certa forma atuam sobre as relações e comportamento das pessoas e do ambiente caracteriza-se como um processo de simulação.

A simulação no aspecto social, pode ser entendida como a tentativa de reproduzir o comportamento de pessoas que estão inseridas em um contexto, o qual geralmente é composto por fatos, relações e significados que nem sempre estão explícitos ou que sejam de fácil entendi- mento (Edmonds B. and R., 2013). Para (Gilbert and Troitzsch, 2005) a simulação caracteriza- se como um tipo de modelagem, ou seja, uma forma reduzida que nos permite entender em partes o mundo real, ou uma simplificação, menor, com menos detalhes e menos complexa que a realidade. Construções artificiais ou simulações são desenhadas para facilitar a manipulação, o questionamento e o levantamento de hipóteses, ou seja, um processo que possui fases que devem ser seguidas e respeitadas (Coelho, 2008).

O poder de representação dos processos de simulação permitem atingir diferentes objetivos, como os apresentados abaixo por (Edmonds B. and R., 2013):

Figura 2.23: SEHIS: a - áreas de SEHIS (IPPUC, 2015), b - faixa criminal (IPPUC, 2015), c - distribuição de alvarás, Fonte: O Autor, para este trabalho, 2016.

• Gestão de um sistema: a simulação do todo ou de partes dos sistemas é utilizado para apoiar as decisões operacionais (Thebaud and Locatelli, 2001);

• Concepção ou a engenharia de um sistema: a simulação é usada como uma ferramenta para apoiar decisões de design no desenvolvimento de um sistema;

• Avaliação e verificação: a simulação é usada para avaliar se uma determinada teoria, modelo, hipótese ou sistema está correta ou comparar dois ou mais destes itens;

• Compreensão: a simulação é utilizada para obter um conhecimento mais profundo de um determinado domínio;

• Educação: a simulação é usada para explicar ou ilustrar um fenômeno e aprofundar o conhecimento teórico do usuário8;

• Formação: a simulação é usada para melhorar as habilidades práticas de uma pessoa em um determinado domínio. A principal vantagem do uso de simulação para fins de

8_{Aplicação SimPort, um jogo sério multiplayer onde os jogadores têm que construir uma área portuária nas} proximidades de Rotterdam Holanda. Um dos objetivos desta ferramenta baseada em simulação é permitir a seus usuários uma melhor visão sobre quaisquer efeitos imprevistos, indesejáveis e não intencionais de uma ou mais estratégias de desenvolvimento e variações de design, em médio prazo, como resultado de incertezas exter- nas (econômicas, mercadológicas, tecnológicas) e devido ao comportamento estratégico das partes envolvidas - http://www.simport.eu/.

treinamento é fazer parte de uma situação do mundo real sem gerar consequências efetivas no mundo real; e

• Entretenimento: pertencem a gêneros como construção e gestão de simulações, onde os jogadores têm experiências no gerenciamento de um time de futebol, um negócio, uma cidade ou life simulations conhecidas como os jogos sims, simulações com veículos ou simulações de jogos de guerra.

Independente do objetivo ao qual a simulação se proponha a atingir é necessário obser- var que sempre existirá um modelo contendo regras e que norteia todo o processo de simulação. Simulação urbana

A simulação urbana caracteriza-se como uma ramificação de um processo de simula- ção. O projeto para desenvolvimento de simulações urbanas envolvem uma complexa interpre- tação de diferentes métricas do ambiente urbano, a partir da qual vários indicadores podem ser calculados e utilizados para dar suporte ao processo de modelagem.

A simulação urbana caracteriza-se pelas múltiplas interdependências que interligam as cidades e alteram sua trajetória dinâmica. A composição de subconjuntos de cidades que são submetidas às mesmas restrições gerais (política, jurídica, econômica, cultural) e cujas evoluções são interdependentes devido as várias interações que conectam as cidades também geram um grau de complexidade.

Caracterizando-se assim, como sistemas urbanos que contém propriedades emergen- tes, que são principalmente o produto em uma escala geográfica ampla de processos de interação que operam ou ocorrem em escalas menores (Bretagnolle and Pumain, 2010).

Uma prática comum no processo de urbanização é determinar (a) o tipo de equi- pamento, (b) suas funções dentro de um contexto e (c) localização dentro do espaço urbano levando em consideração as necessidades dos habitantes (Souza, 2001), para que seja possível modelar e mensurara-los no processo de simulação urbana.

Sistemas urbanos também podem ser caracterizados como subconjuntos de cidades que são submetidos às mesmas restrições gerais (política, jurídica, econômica, cultural, ou de- correntes dos mesmos recursos limitados), para as quais as evoluções são interdependentes por causa das muitas interações que ligam cidades. Estes subconjuntos possuem uma dicotomia visível entre o comportamento de entidades elementares(pequenos bairros) em relação a entida- des em um nível macro(Estado ou País). Consequentemente o crescimento das cidades ocorre através de numerosas variações locais que não estão criando muitas modificações na estrutura do sistema.

Um processo de simulação urbana deve contemplar o comportamento dos equipamen- tos que representam as pessoas, espaço geográfico a ser analisado, espaço de tempo, tamanho das unidades de análise e outros (Waddell and Ulfarsson, 2004). Outra abordagem, apresenta a um modelo para simulação como representações simplificadas da realidade com objetivo princi- pal de representar determinado sistema urbano, de modo a incluir os aspectos principais de uma teoria, auxiliando no entendimento dos processos que regem sua dinâmica (Claudia Maria de Almeida, 2003).

A simulação urbana de forma mais ampla é caracterizada por um comportamento relativamente estável no tempo e no espaço e que correspondem a um grupo de propriedades emergentes: (a) a diferenciação hierárquica entre os tamanhos das cidades, (b) o arranjo espacial

das cidades em relação à sua dimensão e (c) à diferenciação funcional das cidades (em termos de especializações econômicas). Estas propriedades do Estado em um nível mais macro são susceptíveis de serem mantidas por períodos muito mais longos se comparado a propriedades de objetos em um nível mais micro, como os indivíduos, que são caracterizadas por alterações nas profissões, migração ou substituição de gerações, propriedades estas que mudam em uma velocidade maior (Bretagnolle and Pumain, 2010).

Entender e codificar, características implícitas no cenário de crescimento de uma ci- dade, caracteriza-se como uma atividade complexa em relação a identificação, interpretação e representação das múltiplas interdependências entre os equipamentos (Bretagnolle and Pumain, 2010).

A simulação urbana vai muito além da proposição e desenvolvimento de layouts es- pecíficos ou estáticos, os quais não abrangem a complexidade ou dinamicidade da evolução de uma cidade. Ao contrário, os processos de simulação urbana devem ser capazes de se adaptar às mudanças em vez de impor uma solução única ou estática e também por envolverem interações dinâmicas entre as entidades sociais ou equipamentos (Cioffi-Revilla, 2014).

A transformação progressiva e contínua de um processo de simulação urbana e conse- quentemente o seu modelo, deve levar em consideração (a) cidades que estão sendo inseridas no processo, aumentando a complexidade e a não linearidade das variáveis, (b) o desenho urbano deve executar a difícil tarefa de planejar o futuro a curto, médio e longo prazo e também abran- ger muitos equipamentos que representam as pessoas e que de certa forma irão influenciar o comportamento do modelo e (d) saber que o modelo dever se adequar a mudanças no processo. Assim, um processo de simulação urbana tem como objetivo simular o funcionamento equilibrado do todo urbano, dando vazão às necessidades dos indivíduos e da sociedade, ou seja, a satisfação funcional das necessidades pelo bom ordenamento urbano (Souza, 2001) que faz uso de terminologias e metodologias próprias, onde o bom ordenamento urbano envolve determinar os tipos de equipamentos, as funções dos equipamentos dentro de um contexto e a localização dos equipamentos dentro do espaço urbano (Souza, 2001).

2.3.5

Análise Exploratória

A análise exploratória é uma área da estatística e análise de dados que objetiva a exploração de informações em um conjunto de dados. A análise inicialmente é realizada sem quaisquer noções ou hipóteses pré-concebidas, ou seja, a idéia é utilizar os resultados gerados para guiar o desenvolvimento ou elaboração de hipóteses ou modelos de simulação que possam reproduzir parcialmente o comportamento e reações de determinados sistemas.

Uma característica interessante sobre a análise exploratória de dados ou exploratory data analysis- EDA refere-se a possibilidade de descobrir o que os dados gerados podem contar sobre o fenômeno a ser estudado, uma busca flexível para pistas e evidências (Hoaglin, 1982). Associado ao EDA têm-se a análise confirmatória de dados ou confirmatory data analysis - CDA que basicamente envolve o processo de fazer inferências sobre ou estimativas de algumas características para então analisar a precisão associada aos resultados e avaliar as evidências disponíveis (Hoaglin, 1982).

Uma metodologia para aplicação da analise exploratória de dados é apresentada por (Martinez, 2004), onde é proposto (1) iniciar com uma ideia ou questionamento, (2) criar um modelo, (3) coletar dados, (4) realizar uma análise estatística sobre os dados coletados e (5) gerar respostas.

A análise exploratória de dados abrange diferentes fundamentos da área estatística como os descritos abaixo:

• Tipos de variáveis: em relação ao nível mensuração, ou seja, o quanto de informação cada variável apresenta e também em relação ao seu nível de manipulação, ou seja, como uma variável relaciona-se com as outras.

• Modelos lineares e não-lineares para redução de dimensionalidade: a utilização de técni- cas baseadas em modelos lineares deve-se a simplicidade dos modelos utilizados e que representam um determinado comportamento, já modelos não lineares descrevem pro- cesso mais complexos (Santos, 2015);

• Técnicas como:

– Principal component analysis: tem como objetivo analisar os dados para identifi- car padrões e a partir deles reduzir as dimensões do conjunto de dados com perda mínima de informação;

– Factor analysis: tem como objetivo explicar a correlação, entre um conjunto de va- riáveis, levando em consideração um número limitado de variáveis não-observáveis ou fatores, que são calculados pela combinação linear das variáveis originais. As- sim, poucos fatores são responsáveis por grande parte da explicação total; e

– Self-organizing maps: conhecidos como redes Kohonen, tem como objetivo reali- zar um treinamento não supervisionado em uma rede neural para gerar padrões de classificação utilizando grupos de dados.

• Analise de diferentes estruturas como:

– Outliers: Em uma série de números, um número que distanciasse em demazia para cima ou para baixo em relação aos demais números; e

– Cluster: apresenta estrutura de dados organizados em estruturas, grupos ou classes que ocorrem naturalmente no conjunto de dados.

• Em relação a visualização dos dados:

– Treemaps: exibem dados hierárquicos formando um conjunto de retângulos ani- nhados. Cada ramo da árvore é definido um retângulo que ao seu lado direito é composto por retângulos menores lado a lado, representando sub-ramos;

– Boxplots: são úteis para identificar casos anômalos e para a comparação de distri- buições;

– Histograms: é uma ferramenta de análise e representação de dados quantitativos que são agrupados em classes de frequência. Utilizando o histograma é possível distinguir a forma, o ponto central, a variação da distribuição, a amplitude e simetria na distribuição dos dados.

Utilizando a modelagem computacional, processos de simulação sobre um conjunto de dados é possível:

• Permitir o aprendizado por algoritmos a partir de sequências, padrões ou cluster de con- juntos de dados; e

• Utilizar as sequências de dados para gerar processos de simulações de maneira semi- automatizada.

2.3.6

Desafios

Diversos são os modelos computacionais aplicados a processos de simulações e inú- meros os desafios encontrados, como os descritos a seguir.

• Um dos principais desafios da integração com GIS e análise exploratória de dados encontra-se no desenvolvimento de métodos que permitam selecionar grandes conjun- tos de dados espaciais e projetar de forma visual os padrões e relações escondidas (Shaw and Xin, 2003);

• Em um processo de simulação onde valores de variáveis e a geração de mapas são altera- dos o desafio está relacionado a comparação dos mapas geográficos (Tobler, 1970); • Outro desafio encontrado é como localizar conjunto de dados georreferenciados rele-

vantes e extrair automaticamente informações referentes aos atributos, distribuições de valores e dados georreferenciados. O que possibilita a execução de consultas espaciais complexas e resulta em visualizações e análises que auxiliem os usuários (Castellani Ri- beiro et al., 2015);

• Representação de diferentes conjuntos de dados no formato RDF com o intuito de criar links entre diferentes conjuntos de dados (Shadbolt et al., 2012); e

• Integração de fontes de dados heterogêneas e conhecimento de diferentes domínios de dados abertos ou não, elevado desempenho necessário para processar um grande volume de dados e mecanismos de raciocínio para explorar a semântica dos dados e simplificar o espaço de busca em dados georreferenciados (Tallevi-Diotallevi et al., 2013).

2.4

Trabalhos Correlatos

Esta seção tem como objetivo apresentar trabalhos que abordam conceitos de geor- referenciamento, dados abertos, SIG, modelos de simulação e análise exploratória de dados. Em decorrência da variedade de abordagens serão analisados alguns trabalhos com o intuito de mapear as diferentes aplicações e particularidades.

2.4.1

SIG

Nesta seção são apresentados trabalhos que utilizam dados georreferenciados em di- ferentes domínios e que utilizam SIG.

Crescimento Urbano

Do ponto de vista de crescimento urbano a cidade é explorada sobre a perspectiva da modelagem do sistema público de transporte, onde é analisado não só a menor distância entre dois pontos, mas também as relações de tempo. Variáveis como tempo de viagem, tempo que o passageiro leva para chegar ao ponto de ônibus e tempo de conexão entre ônibus são analisados simultaneamente (Thorlacius, 1998). A aplicação de SIG utiliza um conjunto de mapas georreferenciados sobre os quais cálculos de tempo e distância são realizados. A Figura 2.24-a apresenta o modelo relacional das tabelas com dados georreferenciados. A Figura 2.24-b representa o mapa das ruas por onde os ônibus passam. A Figura 2.24-c exibe o mapa das linhas de trens e a Figura 2.24-d o georreferenciamento das paradas de ônibus.

Um ponto interessante neste trabalho é a aplicação de três camadas distintas sobre- postas e que trabalham sobre dados de tempo atualizados constantemente.

Figura 2.24: Modelo transporte público: a - mapas georreferenciados, b - mapa das ruas, c - mapa das linhas de trem, d - georreferenciamento das paradas de ônibus (Thorlacius, 1998).

A aplicação de GIS no planejamento é caracterizada pela escala geográfica, e influên- cias dominantes que moldam a utilização GIS no planejamento urbano. O trabalho de (Harris and Elmes, 1993) examina as diferentes escalas geográficas como nacionais, regionais e de vi- zinhança. A escala, na forma de extensão geográfica e resolução espacial, é utilizada como uma estrutura de organização para averiguar a diversidade existente em um cenário de planejamento urbano.

Um exemplo prático aplicado no condado de Fairfax, Virgínia, EUA apresenta a utili- zação de um SIG, desenvolvido para representar a amplitude, abrangência e complexidade dos dados utilizados pelo governo local. Cerca de 70 a 80% dos dados utilizados no SIG e mais de 75 camadas ou layer (feições planimétricas naturais, características e estruturas culturais, estradas, uso do solo, transporte, sistema de água, sistema de esgoto, sistema de drenagem de águas pluviais, parques, várzeas, zonas húmidas, bacias hidrográficas) são georreferenciados.

A expansão de rodovias é abordada no trabalho de (Namdeo et al., 2014). O objetivo foi desenvolver uma abordagem metodológica para análise espacial multidimensional que com- binasse as características sócio econômicas e da viagem (tipos de viagem e de origem-destino) para priorizar os hotspots de carregamento de energia em veículos. Sua aplicabilidade é de- monstrada por um estudo de caso que avalia tendências de estilo de vida, tamanho da família, faixa etária e padrões de viagem à uma região administrativa no nordeste da Inglaterra, levando em consideração informações georreferenciadas sobre origem e destino.

O planejamento e gestão urbana em áreas de assentamento informais são focos do trabalho de (Mason et al., 1997). Neste a utilização de SIG permite a gestão da melhoria de

qualidade em assentamentos informais e a sustentabilidade a longo prazo. Existem inúmeras funções para GIS, tanto no âmbito regional como local, no papel de apoio à gestão do as- sentamento informal e que abrange desde o inventário e visualização até a análise de dados georreferenciados. Levando em consideração parâmetros espaciais e físicos, tais como acesso aos transportes, relações entre emprego e serviços e outros, identificou-se que um SIG é bem adequado à integração destes fatores para modelar e implementar um ambiente de simulação e tomada de decisão.

Fatores de influência relacionados com o crescimento urbano permitem visualizá-lo por meio de limites ou fronteiras entre bairros ou cidades Urban Growth Boundaries - UGB. O