Modelos de dados em SIG

Com uma abordagem mais voltada a modelagem personalizada de dados georreferen- ciados o trabalho de Glorio (Glorio et al., 2010) tem como finalidade permitir aos usuários obter um modelo multidimensional alterado após a aplicação de regras de personalização espacial. A personalização permite maior interação do usuário com o banco de dados.

Outra abordagem relacionada a modelagem é apresentada por (Jokar Arsanjani et al., 2013). Dois conjuntos de entradas de dados distintos são representados. A Figura 2.26-a apre- senta as camadas de dados urbanos e camada de utilização do solo. A Figura 2.26-b apresenta dados não georreferenciados referentes a informações socioeconômicas. Identifica-se neste mo- delo a utilização de uma arquitetura hibrida como vantagem em relação a arquitetura dual.

Uma abordagem com enfoque na integração entre dados e funções espaciais é apre- sentada no trabalho de (Bretagnolle and Pumain, 2010). Na Figura 2.27-a, b observam-se duas camadas: (a) funções urbanas que representam o cotidiano de interações entre pessoas e (b) funções espaciais que representam ou utilizam recursos computacionais para permitir cálcu- los espaciais. Na (Figura 2.27-b.1) observa-se a aplicação da função espacial para cálculo de distância ou centroide a partir de um determinado ponto e na (Figura 2.27-b.2) as linhas repre- sentam os limites geográficos (políticos ou administrativos) e espacialmente determinam a área dos diferentes polígonos.

Figura 2.26: Modelo conceitual (Jokar Arsanjani et al., 2013).

Figura 2.27: Funções urbanas: a - funções urbanas, b - tipos de interações espaciais, b.1 - função espacial para cálculo de distâncias, b.2 - limites georreferenciados (Bretagnolle and Pumain, 2010).

Outro trabalho que utiliza funções espaciais à análise de distribuição de pontos em uma determinada região é apresentado por (Tu et al., 2005). Neste a utilização de SIG permitiu a visualização de duas zonas (1) zona de desenvolvimento desejável pelos cidadãos e (2) zona de proteção ambiental em relação a fonte de águas. A Figura 2.28-a apresenta a distribuição por tipo de zonas e a Figura 2.28-b apresenta a distribuição de novas edificações permitidas em cada uma das zonas. O objetivo final do trabalho foi utilizar funções espaciais para analisar a distribuição geográfica destes pontos ao longo do tempo.

Figura 2.28: Construções por zonas: a - construções por zonas, b - distribuição novas edifica- ções (Tu et al., 2005).

Uma abordagem teórica e prática sobre a aplicação e abstração de geometrias é apre- sentada no trabalho de (Worboys and Duckham, 2004) onde o espaço euclidiano n-dimensional é utilizado para representar geometrias de objetos espaciais como ponto, linha e polígono, con- forme Figura 2.29-a,b. Os objetos representados por suas geometrias podem ser submetidos a transformações topológicas como a distância entre dois pontos no plano, comprimento de uma linha ou área de um perímetro ou pontos que são vizinhos.

Figura 2.29: Espaço euclidiano: a - representação do espaço euclidiano, (Worboys and Duckham, 2004), b - geometrias inseridas no espaço euclidiano, Fonte: O Autor, para este trabalho, 2016.

A abstração do espaço euclidiano e as geometrias (ponto, linha e polígono) no tra- balho de (Worboys and Duckham, 2004) geram a Figura 2.30-a, onde é possível observar um ponto "A"’ inserido em uma região e um ponto "‘B"’ inserido em outra região. A Figura 2.30-c apresenta uma abstração em relação a distância entre o ponto "A"’ e "B"’ levando em consi- deração a distância geodésica, a Figura 2.30-d apresenta a distância de manhattan e a Figura 2.30-e apresenta a distância euclidiana (Worboys and Duckham, 2004).

Figura 2.30: Abstração de geometrias e distância euclidiana: a - representação de geometrias, b - representação parcial de um mapa, c - distância geodésica, d - distância de manhattan, e - distância euclidiana (Worboys and Duckham, 2004) (Adaptada pelo autor).

2.4.3

Modelagem Computacional e Análise Exploratória

Uma abordagem baseada em dados da administração pública - PA’s e SIG no muni- cípio de Catania - Itália, foi realizada com o objetivo de conectar, extrair, analisar, formalizar e utilizar dados para geração de serviços inteligentes - Smart Cities. Como base utilizou-se padrões W3C e a técnica de Linked Open Data - LOD com conjuntos de dados de diferentes domínios ou organizações (Consoli et al., 2014), (Consoli et al., 2015).

Sobre a perspectiva da utilização de SIG em conjunto com análise exploratória de da- dos, o trabalho de (Shaw and Xin, 2003) sugere que modelos baseados em teorias matemáticas ou de simulações aplicados ao problema de interação entre o uso do solo e meios de transporte necessitam de métodos alternativos. Tais métodos possibilitam novas formas de interpretação de resultados os quais podem ser utilizados para validar hipóteses e modificar estruturas utilizadas nos modelos existentes. Para a realização da análise exploratória de dados são observados três tipos de variáveis: (a) elemento de tempo, (b) elemento de localização e (c) atributos, propostos por (Sinton, 1978) em seu framework. Baseado nas três variáveis é possível explorar interações e formular questões como: quais são as possíveis mudanças no sistema de uso de solo relacio- nadas as mudanças no sistema de transporte ao longo do tempo. Fixando uma das três variáveis (a, b, c) é possível realizar a análise exploratória de dados e os efeitos considerando os seis cenários.

O trabalho de (Shadbolt et al., 2012) demonstra a importância em se utilizar dados aberto do governo open government data - OGD, utilizando linked data web - LDW. Iniciativas como a do Reino Unido (Data.gov.uk) e da OGP9 começam a difundir as melhores práticas para a disponibilização e utilização de dados abertos dentre elas (a) criação de um inventário do conjunto de dados, (b) recuperação de dados on-line, gerando um ponto de entrada para o OGD e (c) conversão dos dados em formato RDF.

O trabalho de (Correndo et al., 2010) demonstra a importância de utilizar dados aberto do governo Open Government data - OGD, utilizando linked data web - LDW e um conjunto de relações topológicas (NTPPi, TPPi, EC e EQ), conforme demonstrado na Figura 2.31. Um exemplo de aplicação da ontologia sobre as relações topológicas é definido entre NTPPi. Neste uma cidade b está contida na cidade a e TPPi, onde a cidade b está contida e faz fronteira com a cidade a. Iniciativas como a do Reino Unido (Data.gov.uk) e da OGP10 começam a difundir as melhores práticas à disponibilização e utilização de dados abertos. Como exemplo (a) criação de um inventário do conjunto de dados, (b) recuperação de dados on-line, gera um ponto de entrada para o OGD e (c) conversão dos dados em formato RDF.

O trabalho de (Castellani Ribeiro et al., 2015) exibe uma metodologia que envolve o processo de extração, tratamento e analise visual para a execução de queries sobre dados georreferenciados. A metodologia é aplicada para cada conjunto de dados onde é realizado o download do conjunto de dados, recuperação dos metadados existentes (se houver), transforma- ção dos dados em um formato canônico, detecção dos tipos de dados, extração do metadado de cada coluna, criação de um índice espacial e o armazenamento das informações em um banco de dados. Os diferentes formatos como JSON e CSV são tratados, bem como a existência ou não

9_{OGP foi lançada em 2011 para fornecer uma plataforma internacional para que os governantes disponibilizem} seus dados de forma aberta, responsável e acessível aos cidadãos. Desde então, a OGP tem crescido de 8 países para 69 países participantes, onde o governo e a sociedade civil estão trabalhando em conjunto para desenvolver, implementar e disponibilizar informações abertas.

10_{OGP foi lançada em 2011 para fornecer uma plataforma internacional para que os governantes disponibilizem} seus dados de forma aberta, responsável e acessível aos cidadãos. Desde então, a OGP tem crescido de 8 países

Figura 2.31: Exemplo de topologias (Correndo et al., 2010).

de colunas com dados georreferenciados (latitude e longitude). A definição automática do tipo de dados de cada coluna, levando em consideração o percentual de tipos de dados existentes, eleva o grau de adaptação do modelo a domínios distintos.

Uma abordagem utilizando modelos computacionais aplicados no processo de aná- lise da existência de favelas ou assentamentos informais, fato comum à maioria das cidades, países ou continentes em desenvolvimento como a África, Ásia e América Latina é utilizada no trabalho de (Roy et al., 2014). Modelos de simulação em computador para compreender o surgimento e crescimento de favelas. Foram identificados os principais fatores chaves, modelos e variáveis com dados georreferenciados que influenciam no crescimento das favelas.