Vanessa Fortin, Inteligência Artificial Aplicada às Cidades Inteligentes – Smart Cities
Vanessa de Jesus Fortin
Inteligência Artificial Aplicada às Cidades
Inteligentes – Smart Cities
Monografia de Final de Curso
31/08/2020Monografia apresentada ao Departamento de Engenharia Elétrica da PUC/Rio como parte dos requisitos para a obtenção do título de Especialização em Business Intelligence.
Orientadores: Dra. Manoela Kohler
Dedicatória
Dedico este trabalho a todos àqueles que tenham interesse na área da Ciência dos Dados e que pretendem elevar o seu conhecimento e contribuir com a transformação para um mundo melhor.
Agradecimentos
Em primeiro lugar agradeço aos meus pais, Eliana de Jesus Fortin e Darcilio Braz Fortin, por todo sacrifício que fizeram para que eu pudesse ter acesso a uma educação de boa qualidade, e principalmente pela educação que recebi deles que foi essencial para a formação dos meus valores e para que eu me tornasse uma pessoa determinada, focada e persistente.
À minha esposa, Camila Cruz, pela compreensão das minhas ausências enquanto me dedicava aos estudos, por me apoiar nas minhas decisões, pelo companheirismo e pelo amor que compartilhamos diariamente.
Por fim, gostaria de agradecer a todos os Professores do curso BI Master que contribuíram para que eu ampliasse o meu conhecimento na Ciência dos Dados. Em especial à Professora Manoela, minha orientadora, obrigada por fazer tão bem o trabalho de ensinar e compartilhar o seu conhecimento com os alunos.
RESUMO
Este estudo foi realizado dentro de um contexto de Smart Cities e dedicado à vertente de Smart Grid com a aplicação de Redes Neurais Artificiais para a previsão do consumo de energia elétrica intencionado em contribuir com a melhoria na gestão de distribuição dos recursos elétricos de uma cidade. Para isso, foi utilizada a base histórica de consumo de energia da cidade de Londres. Atualmente vivemos a chamada Quarta Revolução Industrial, que representa mudanças profundas e transformações em nossa sociedade. No entanto, não é apenas sobre máquinas e sistemas inteligentes e conectados. Seu escopo é muito mais amplo. Ocorrem simultaneamente ondas de avanços adicionais em áreas que vão do sequenciamento genético à nanotecnologia, das energias renováveis à computação quântica. É a fusão dessas tecnologias e sua interação nos domínios físico, digital e biológico que tornam a Quarta Revolução Industrial fundamentalmente diferente das revoluções anteriores. Em suma, este trabalho aborda conceitos de Big Data, Internet of Things (IoT), Inteligência Artificial, Smart Cities, Redes Neurais Artificiais e avalia resultados obtidos no desenvolvimento do projeto de conceito de um Modelo de Previsão de Consumo de Energia Elétrica. Por fim, demonstrou-se como a análise preditiva é poderosa e essencial para transformar o conhecimento de uma comunidade em inteligência, gerando benefícios sustentáveis para todos que há habitam e contribuem para a construção e manutenção do ecossistema de uma Cidade Inteligente (Smart City).
ABSTRACT
This work was carried out within the context of Smart Cities and dedicated to the Smart Grid aspect with the application of Artificial Neural Networks to predict the consumption of electrical energy intended to contribute to the improvement in the management of the distribution of electrical resources in a city. For this, the historical base of energy consumption of the city of London was used. Currently, we are experiencing a so-called Fourth Industrial Revolution that represents profound changes and transformations in our society. However, it is not just about smart, connected machines and systems. Its scope is much broader. At the same time, waves of additional advances occur in areas ranging from genetic sequencing to nanotechnology, from renewable energies to quantum computing. It is a fusion of these technologies and their interaction in the physical, digital and biological domains that makes the Fourth Industrial Revolution fundamentally different from previous revolutions. In the case will be addressed the concepts about Big Data, IoT, Artificial Intelligence, Smart Cities, Artificial Neural Networks and in the sequence, the study with the results obtained in the development of the Proof of Concept Project for an Electric Energy Forecasting Model will be shown. Finally, it was demonstrated how predictive analysis is powerful and essential to transform the knowledge of a community into intelligence, generating sustainable benefits for all who inhabit and contribute to the construction and maintenance of the ecosystem of a Smart City.
Sumário
LISTA DE FIGURAS ... 7 LISTA DE TABELAS ... 9 LISTA DE ABREVIAÇÕES ... 10 CAPÍTULO 1 ... 11 1. INTRODUÇÃO ... 11 1.1. MOTIVAÇÃO ...12 1.2. OBJETIVOS DO TRABALHO ...14 1.3. DESCRIÇÃO DO TRABALHO ...14 1.4. ORGANIZAÇÃO DA MONOGRAFIA ...15 CAPÍTULO 2 ... 16 2. DESCRIÇÃO DO PROBLEMA ... 162.1. PROBLEMAS E DESAFIOS DAS CIDADES ...17
2.2. BIG DATA E A INTERNET DAS COISAS (IoT)...20
2.3. MACHINE LEARNING E INTELIGÊNCIA ARTIFICIAL ...23
2.4. SMART CITIES...25
2.5. PROJETOS IMPLANTADOS DE SMART CITIES ...30
2.5.1. BARCELONA, ESPANHA ...30
2.5.2. AMSTERDÃ, HOLANDA ...34
2.5.3. RIO DE JANEIRO, BRASIL ...35
2.5.4. LONDRES, INGLATERRA ...37
CAPÍTULO 3 ... 40
3. METODOLOGIAS ... 40
3.1. PESQUISA DA BASE DE DADOS PARA ESTUDO ...40
3.2. ANÁLISE E TRATAMENTO DOS DADOS ...42
3.3. ESTUDO E SELEÇÃO DA TÉCNICA DE MODELO PREDITIVO ...43
CAPÍTULO 4 ... 50
4. ARQUITETURA DO SISTEMA PROPOSTO ... 50
4.1. REDES NEURAIS ARTIFICIAIS (RNA) ...50
4.2. CONTEXTUALIZAÇÃO DO PROJETO ...53
4.3. PREVISÃO DE CONSUMO DE ENERGIA BASEADA EM SÉRIES TEMPORAIS ...54
CAPÍTULO 5 ... 60 5. RESULTADOS ... 60 5.1. 1º EXPERIMENTO REALIZADO ...60 5.2. 2º EXPERIMENTO REALIZADO ...62 5.3. 3º EXPERIMENTO REALIZADO ...64 5.4. 4º EXPERIMENTO REALIZADO ...66
5.5. OUTROS EXPERIMENTOS REALIZADOS ...68
5.6. CONSOLIDAÇÃO DOS REALIZADOS OBTIDOS ...68
CAPÍTULO 6 ... 69
6. CONCLUSÕES E TRABALHOS FUTUROS ... 69
6.1. CONSIDERAÇÕES FINAIS ...69
6.2. LIMITAÇÕES DO PROJETO ...69
6.3. TRABALHOS FUTUROS ...70
LISTA DE FIGURAS
Figura 1- Fonte: salesforce Blog ... 11
Figura 2 - Megatendências que impactam na Smart City - Fonte: (Cunha, Przeybilovicz, Macaya, & Burgos, 2016) ... 13
Figura 3 - Estimativa de crescimento populacional até 2050 (Infográfico de produção própria com dados da ONU) ... 16
Figura 4 - O que a população mundial necessitará até 2030. Fonte: Agência Brasil ... 17
Figura 5 - Objetivos de Desenvolvimento do Milênio. Fonte: https://www.un.org/millenniumgoals/multimedia.shtml ... 18
Figura 6 - Objetivos de Desenvolvimento Sustentável - ONU ... 18
Figura 7 - O mercado de Big Data dos Estados Unidos da América de 2014 a 2025 ... 20
Figura 8 - Diagrama do Machine Learning – Fonte: http://www.cognub.com/index.php/cognitive-platform/ ... 24
Figura 9 - Relação entre Inteligência Artificial, Machine Learning e Deep Learning ... 24
Figura 10 - O Decálogo da Smart City - Fonte: (Cunha, Przeybilovicz, Macaya, & Burgos, 2016) ... 27
Figura 11 - Modelo de evolução da Smart City ... 28
Figura 12 - Pilares do projeto de Smart City da cidade de Barcelona chamado de Barcelona Ciudad Digital ou Barcelona Digital City ... 31
Figura 13 - Projetos de Barcelona Ciudad Digital ... 33
Figura 14 - Foto do Centro de Operações Rio (COR) - Fonte: http://cor.rio/institucional/ ... 36
Figura 15 - Imagem conceito da SMARTER LONDON TOGETHER - Fonte: https://www.london.gov.uk/what-we-do/business-and-economy/supporting-londons-sectors/smart-london/smarter-london-together ... 37
Figura 16 - Pontos fortes da Smart London ... 38
Figura 17 - Metodologia de Pesquisa ... 40
Figura 18 - Pirâmide do Conhecimento ... 42
Figura 19 – Modelo não-linear de um neurônio. (HAYKIN, 2001) ... 43
Figura 20 - (a) Função limiar. (b) Função limiar por partes. (c) Função sigmóide para parâmetros de inclinação a variável. (HAYKIN, 2001) ... 45
Figura 21 - Rede feed-forward, alimentada adiante ou acíclica com uma única camada de neurônios. (HAYKIN, 2001) ... 46
Figura 22 - Rede feed-forward múltiplas camadas, alimentada adiante ou acíclica totalmente conectada com uma camada oculta e uma camada de saída. (HAYKIN, 2001) ... 47
Figura 23 - Redes recorrentes sem laços de auto-realimentação e sem neurônios ocultos. (HAYKIN, 2001) ... 48
Figura 24 - Redes recorrentes com neurônios ocultos. (HAYKIN, 2001) ... 49
Figura 25 - Representação de um a célula LSTM. (OLAH, 2015) ... 51
Figura 26 - Rede LSTM replicada ao longo do tempo. (OLAH, 2015) ... 51
Figura 27 - Etapas do desenvolvimento do projeto ... 54
Figura 28 - Exibição do shape e dos 10 primeiros registros da base de dados do projeto antes do tratamento de dados ... 54
Figura 29 - Código desenvolvido para unificar os arquivos .csv ... 55
Figura 30 - Exibição do shape e dos 10 primeiros registros da base de dados do projeto após o tratamento de dados ... 55
Figura 31 - Código de agrupamento dos dados por dia calculando a média de cada atributo da base de dados merged_block.csv, gerando assim a base de dados groupby_block_year_month_day.csv, utilizada para formar as bases de treino e teste do modelo preditivo ... 55
Figura 33 - Estrutura do código python para normalização, estrutura com janelas e reshaping
da base de dados de treino ... 56
Figura 34 - Biblioteca keras, utilizada para a construção da RNA do projeto ... 57
Figura 35 - Código da primeira camada da RNA LSTM ... 57
Figura 36 - Código da segunda e terceira camadas da RNA LSTM ... 57
Figura 37 - Código da compilação da RNA ... 58
Figura 38 - Código para a alimentação da RNA via camada .fit() ... 58
Figura 39 - Código para carregamento da base de dados de testes ... 58
Figura 40 - Código de transformação da base de dados de testes para haver compatibilidade de cruzamento ... 58
Figura 41 - Código que realiza a previsão do consumo máximo de energia de Londres ... 59
Figura 42 - Código para a plotagem do resultado da previsão comparando como real (real x previsto) ... 59
Figura 43 - Código para medir a confiança do modelo preditivo utilizando as métricas RMSE, MSE e MAPE ... 59
Figura 44 - Resumo da RNA LSTM do 1º experimento realizado ... 60
Figura 45 - Resultado do treinamento do 1º experimento realizado ... 61
Figura 46 - Gráfico de série temporal (Real x Previsto) do 1º experimento realizado ... 61
Figura 47 - Resultado das métricas de avaliação do 1º experimento realizado ... 61
Figura 48 - Resumo da RNA LSTM do 2º experimento realizado ... 62
Figura 49 - Resultado do treinamento do 2º experimento realizado ... 63
Figura 50 - Gráfico de série temporal (Real x Previsto) do 2º experimento realizado ... 63
Figura 51 - Resultado das métricas de avaliação do 2º experimento realizado ... 63
Figura 52 - Resumo da RNA LSTM do 3º experimento realizado ... 64
Figura 53 - Resultado do treinamento do 3º experimento realizado ... 65
Figura 54 - Gráfico de série temporal (Real x Previsto) do 3º experimento realizado ... 65
Figura 55 - Resultado das métricas de avaliação do 3º experimento realizado ... 65
Figura 56 - Resumo da RNA LSTM do 4º experimento realizado ... 66
Figura 57 - Resultado do treinamento do 4º experimento realizado ... 67
Figura 58 - Gráfico de série temporal (Real x Previsto) do 4º experimento realizado ... 67
Figura 59 - Resultado das métricas de avaliação do 4º experimento realizado ... 67
LISTA DE TABELAS
Tabela 1 - Principais características chaves do Big Data. Adaptado de Hurley, 2019. ... 21
Tabela 2 - Transformações tecnológicas com expectativas de ocorrer até 2025. - Fonte: Deep Shift—Technology Tipping Points and Societal Impact, Global Agenda Council on the Future of Software and Society, World Economic Forum, September 2015. ... 22
Tabela 3 - Definições de Cidades Inteligentes ou Smart Cities ... 26
Tabela 4 - Projetos em destaque da Barcelona Ciudad Digital ... 32
Tabela 5 - Temas da Amsterdam Smart City ... 34
Tabela 6 - Destaques de cada ponto forte da Smart London Together ... 38
Tabela 7 - Métricas de avaliação do modelo preditivo ... 52
Tabela 8 - Lista de Atributos da Base de Dados do Projeto ... 53
Tabela 9 - Parâmetros de configurações da RNA LSTM do 1º experimento realizado ... 60
Tabela 10 - Parâmetros de configurações da RNA LSTM do 2º experimento realizado ... 62
Tabela 11 - Parâmetros de configurações da RNA LSTM do 3º experimento realizado ... 64
Tabela 12 - Parâmetros de configurações da RNA LSTM do 4º experimento realizado ... 66
Tabela 13 - Otimizadores utilizados em outros experimentos ... 68
LISTA DE ABREVIAÇÕES
AI Artificial Intelligence IA Inteligência Artificial ML Machine Learning BG Big Data DP Deep Learning SC Smart CitiesSCP Smart City Platform SG Smart Grids
SCP Smart City Platform IoT Internet of Things H2H Human to Human H2M Human to Machine M2M Machine to Machine
TIC Tecnologia da Informação e Comunicação RNA Redes Neurais Artificiais
ANN Artificial Neural Network LSTM Long Short Term Memory RMSE Root Mean Squared Error MSE Mean Square Error
MAPE Mean Absolute Percentage Error CPES Cyber-Physical Energy System ODS Desenvolvimento Sustentável
ODM Objetivos de Desenvolvimento do Milênio ONU Organização das Nações Unidas
UPS Uninterruptible Power Supply RFID Radio-Frequency IDentification
CAPÍTULO 1
1. INTRODUÇÃO
A Revolução Digital marcou o início da Era da Informação a partir da segunda metade do século XX, onde mudanças comportamentais e tecnológicas começaram a ocorrer. Também mencionada como a Terceira Revolução Industrial, esta fase impulsionou o então fenômeno Transformação Digital no qual as empresas buscam a melhoria de processos operacionais, a criação de novos modelos de negócios e a integração da experiência do cliente por meio da tecnologia.
O centro da vida saiu de comunidades agrícolas e foi para fábricas, pessoas deixaram o campo e foram para cidades com a introdução da produção mecânica. A eletricidade e os sistemas de produção em massa mudaram a forma como as pessoas viviam e trabalhavam. E, mais recentemente, a revolução digital causou rupturas em todas as indústrias através da transformação digital — mais uma vez, a forma como a pessoas vivem, trabalham e se comunicam sofreu mudanças importantes. A Figura 1 ilustra a evolução até a Quarta Revolução Industrial.
Figura 1- Fonte: salesforce Blog
As revoluções industriais anteriores libertaram a humanidade da energia animal, tornaram possível a produção em massa e levaram recursos digitais a bilhões de pessoas. Esta quarta revolução industrial é, no entanto, fundamentalmente diferente. Ela é caracterizada por uma gama de novas tecnologias que estão fundindo os mundos físico, digital e biológico, afetando todas as disciplinas, economias e indústrias e até desafiando ideias sobre o que significa ser humano.
Klaus Schwab, Ph.D. em Ciências da Engenharia e Presidente do Fórum Econômico Mundial (WEF - WORLD ECONOMIC FORUM) pede, em particular, que líderes e cidadãos “juntos moldem um futuro que funcione para todos, colocando as
pessoas em primeiro lugar, capacitando-as e lembrando-nos constantemente de que todas essas novas tecnologias são as principais ferramentas criadas por pessoas para pessoas”. (Schwab, 2017)
Os dispositivos estão cada vez mais se tornando parte do nosso ecossistema pessoal, aprendendo com o nosso comportamento, antecipando as nossas necessidades, nos ajudando quando precisamos, mesmo que não tenhamos solicitado.
As cidades precisam se estruturar para responder às demandas e às novas necessidades para então poderem proporcionar um ecossistema sustentável e centrado nos cidadãos (Human-Centered), construindo assim a Cidade Inteligente (CI), também conhecida como Smart City (SC).
No entanto, para ser possível discorrer sobre o tema cidades inteligentes, há a necessidade de abordar o papel fundamental da inteligência artificial junto à internet das coisas, pois ambos permitem o desenvolvimento de soluções inovadoras para a sustentabilidade urbana.
A Internet das Coisas, também conhecida como IoT ou Internet of Things, é um conceito que descreve a conexão entre objetos comuns com a internet, ou seja, computadores, sensores e objetos que interagem uns com os outros Machine to
Machine (M2M) e processam as informações/dados em um contexto de
hiperconectividade. Um termo criado por Kevin Ashton e se popularizou em 2009. Através da Inteligência Artificial que os dados, obtidos por objetos conectados à Internet, com capacidade de sensoriamento, processamento, gerenciamento, interatividade, aprendizagem e comunicação podem ser melhor analisados em tempo real e de maneira eficaz. Uma vez que há uma grande quantidade de dados gerados pelos dispositivos de IoT, é por meio da Inteligência Artificial (IA) que estes dados ganham sentido. Assim, IoT e IA atuam de maneira complementar para a evolução de uma Cidade Inteligente.
1.1. MOTIVAÇÃO
Mais da metade da população do planeta vive em áreas urbanas. Em 2050, esse número chegará a 6,5 bilhões de pessoas – dois terços de toda a humanidade. O desenvolvimento sustentável não pode ser alcançado sem uma transformação significativa na forma de construir e gerenciar os espaços urbanos.1
Para que os objetivos da Agenda 302 sejam alcançados, é necessária uma
reestruturação na forma como as cidades são organizadas, uma vez que o aumento desenfreado de todos os recursos é insustentável. (Bent, Crowley, Nutter, & Wheeler, 2017)
O fenômeno das Smart Cities insere-se num cenário caracterizado por duas megatendências que determinam a transformação da sociedade contemporânea (Cunha, Przeybilovicz, Macaya, & Burgos, 2016):
• Um movimento de urbanização. Vista como uma das faces da globalização, a urbanização é uma megatendência que irá marcar o
1 Programa das Nações Unidas para o Desenvolvimento (PNUD): https://www.br.undp.org/ 2https://nacoesunidas.org/pos2015/agenda2030/
século XXI e que já se manifesta, pois, desde 2007, mais de 50% da população mundial vive nas cidades.
• A revolução digital. Com o desenvolvimento das Tecnologias da Informação e Comunicação (TIC), proliferam-se os dispositivos fixos e móveis conectados, a chamada hiperconectividade, tanto entre pessoas como entre máquinas Machine to Machine (M2M) e Human to Machine (H2M), os quais transformaram o modo como se articulam o sistema produtivo e a sociedade, dando oportunidade ao que se denomina sociedade colaborativa.
A Figura 2 exibe dados do processo de urbanização, hiperconectividade e pontua vantagens que podem ser adquiridas pela população, e que hoje já é uma realidade que vem transformando o modo de vida das pessoas e da comunidade em que vivem.
Figura 2 - Megatendências que impactam na Smart City - Fonte: (Cunha, Przeybilovicz, Macaya, & Burgos, 2016)
Essa explosão de Big Data é alimentada, em parte, pelo crescimento da
Internet das Coisas (IoT): a infusão de sensores e atuadores de coleta de dados em
objetos comuns do cotidiano. A revolução dos dados é apenas um dos muitos fatores disruptivos que afetam as cidades modernas. Choques e estressores associados às mudanças climáticas, desigualdade e sustentabilidade estão desafiando a maneira como as cidades são construídas e operadas, ao mesmo tempo em que inspiram novas possibilidades no espaço urbano.
Para que as cidades se tornem inteligentes e sustentáveis - mais ambientalmente saudáveis, economicamente prósperas e socialmente justas - elas devem integrar o uso de Big Data e TIC nos processos diários e na busca de seus objetivos prementes. (Bent, Crowley, Nutter, & Wheeler, 2017)
É nesse sentido que preocupações a respeito de como produzir mais energia usando a mesma matriz energética se tornam cada vez mais comuns. Apurar inteligência ao processo de distribuição, de produção e de consumo a partir de redes inteligentes pode ser uma ótima saída.
Se todos os aspectos da nossa vida têm ganhado inteligência, indo dos automóveis até as cafeterias, por que as nossas redes que fornecem energia deveriam ficar de fora dessa evolução?
A atribuição de inteligência evita sobrecarga, reduz o impacto no meio ambiente, aumenta de maneira considerável a capacidade de atender cenários com fontes intermitentes e distribuídas de energia e melhora o serviço oferecido aos clientes.
1.2. OBJETIVOS DO TRABALHO
Com o estudo realizado pretende-se mostrar não somente aos governantes, mas também às empresas e cidadãos o quanto é importante, e nos dias de hoje, essencial evoluir tecnologicamente e construir um ecossistema sustentável nas cidades, promovendo assim um espaço urbano inteligente e consciente para todos que o constroem e habitam.
O trabalho foi desenvolvido para promover a previsão de séries temporais de consumo de energia registrados através de marcadores inteligentes com os seguintes objetivos:
• Contribuir com o entendimento sobre a importância de se construir uma Plataforma de Gestão da Cidade, Smart City Plataform (SCP);
• Destacar a necessidade da produção de dados de forma organizada, transparente e abertos (Open Data);
• Mostrar os benefícios envolvidos com o investimento em Big Data, IoT, IA, Smart Cities e Modelos Preditivos Inteligentes;
• Ampliar os horizontes relacionados às Redes Inteligentes, ou Smart
Grids (SG), e em como elas podem contribuir para a melhoria do meio
ambiente, consumo sustentável e a qualidade de vida das pessoas.
1.3. DESCRIÇÃO DO TRABALHO
O desenvolvimento desta monografia envolveu as seguintes etapas: • A Pesquisa sobre a temática de SC:
Após pesquisar conteúdos sobre Smart Cities foi selecionado o segmento de Smart Grid para desenvolver o projeto de previsões de séries temporais para o consumo de energia de uma cidade.
• A seleção de uma Base de Dados histórica:
Os dados foram selecionados do Kaggle3, que é um site que reúne uma comunidade de cientistas de dados e profissionais de aprendizado de máquina. Foram selecionadas as bases de dados de consumo de energia diário da cidade de Londres.
• Estudo de Modelos Preditivos de Séries Temporais:
No estudo sobre series temporais foi escolhido o Modelo de Arquitetura de Redes Neurais Long Short Term Memory (LSTM) para o desenvolvimento do projeto.
• Desenvolvimento do Estudo de Caso:
Por fim, passou-se para o desenvolvimento do modelo preditivo de séries temporais recorrentes aplicando a base de dados histórica do consumo de energia da cidade de Londres e utilizando as métricas de Root Mean
Squared Error (RMSE), Mean Square Error (MSE) e Mean Absolute Percentage Error (MAPE) para avaliar a acurácia do modelo.
1.4. ORGANIZAÇÃO DA MONOGRAFIA
Esta monografia está dividida em capítulos adicionais, descritos a seguir: Capítulo 2 – Descrição do Problema: Aborda os problemas e desafios das cidades, conceitos e desafios a serem superados em torno de Big Data, Internet das Coisas (IoT), Inteligência Artificial e Smart Cities.
Capítulo 3 – Metodologias: Descreve as metodologias e os processos utilizados para a pesquisa de base de dados, análise e tratamento dos dados e o estudo e seleção da técnica de modelo preditivo.
Capítulo 4 – Arquitetura do Sistema Proposto: Detalha a arquitetura de Redes Neurais Artificiais (RNA) utilizada para a previsão de séries temporais para consumo de energia elétrica.
Capítulo 5 – Resultados: Apresenta os resultados obtidos com o modelo treinado e aplicado à base de dados de teste, apresentando e detalhando as métricas utilizadas para medir a acurácia da previsão.
Finalmente, o Capítulo 6 descreve as conclusões do trabalho e identifica possíveis trabalhos futuros.
CAPÍTULO 2
2. DESCRIÇÃO DO PROBLEMA
As novas projeções populacionais indicam que até 2050, nove países vão responder por mais da metade do crescimento estimado para a população global: Índia, Nigéria, Paquistão, República Democrática do Congo, Etiópia, Tanzânia, Indonésia, Egito e Estados Unidos (em ordem decrescente de aumento esperado). Por volta de 2027, estima-se que a Índia vá superar a China como o país mais populoso do mundo4. O infográfico da Figura 3 destaca estimativas do crescimento
populacional mundial.
Figura 3 - Estimativa de crescimento populacional até 2050 (Infográfico de produção própria com dados da ONU)
4
De acordo com a Agência Brasil5 até 2030 a população mundial terá maior
necessidade de energia, água e alimentos, conforme destacados na Figura 4.
Figura 4 - O que a população mundial necessitará até 2030. Fonte: Agência Brasil
A Organização das Nações Unidas (ONU) acredita que é possível usar a urbanização para alcançar o desenvolvimento sustentável, adaptando a maneira como as cidades são planejadas, projetadas, financiadas, desenvolvidas, governadas e gerenciadas.
Segundo as Nações Unidas, a inovação também pode contribuir para o fim da desigualdade e precisa ser acompanhada de políticas regulatórias econômicas e sociais apropriadas.
2.1. PROBLEMAS E DESAFIOS DAS CIDADES
O momento de ação global realizado pela ONU para as pessoas e o planeta no ano de 2015 apresentou uma oportunidade histórica e sem precedentes para reunir os países e a população global e decidir sobre novos caminhos, melhorando a vida das pessoas em todos os lugares.
Essas decisões determinarão o curso global de ação para acabar com a pobreza, promover a prosperidade e o bem-estar para todos, proteger o meio ambiente e enfrentar as mudanças climáticas.
Em 2015, os países tiveram a oportunidade de adotar a nova agenda de desenvolvimento sustentável e chegar a um acordo global sobre a mudança climática. As ações tomadas em 2015 resultaram nos novos Objetivos de Desenvolvimento Sustentável (ODS), que se baseiam nos oito Objetivos de Desenvolvimento do Milênio (ODM) descritos na Figura 5.
Figura 5 - Objetivos de Desenvolvimento do Milênio. Fonte: https://www.un.org/millenniumgoals/multimedia.shtml
No Brasil, durante o evento na Câmara dos Deputados em junho de 2017, reunindo parlamentares e representantes da sociedade civil, o copresidente do Grupo Assessor do Sistema ONU para a Agenda 2030, Haroldo Machado Filho, entregou documentos temáticos sobre os Objetivos do Desenvolvimento Sustentável (ODS) resultando em dezessete objetivos, conforme Figura 6.
O ODS11 – CIDADES E COMUNIDADES SUSTENTÁVEIS tem como meta tornar as cidades e os assentamentos humanos inclusivos, seguros, resilientes e sustentáveis.
Conforme publicado pela (ONU-BRASIL, s.d.) pretende-se:
11.1 Até 2030, garantir o acesso de todos à habitação segura, adequada e a preço acessível, e aos serviços básicos e urbanizar as favelas
11.2 Até 2030, proporcionar o acesso a sistemas de transporte seguros, acessíveis, sustentáveis e a preço acessível para todos, melhorando a segurança rodoviária por meio da expansão dos transportes públicos, com especial atenção para as necessidades das pessoas em situação de vulnerabilidade, mulheres, crianças, pessoas com deficiência e idosos
11.3 Até 2030, aumentar a urbanização inclusiva e sustentável, e as capacidades para o planejamento e gestão de assentamentos humanos participativos, integrados e sustentáveis, em todos os países
11.4 Fortalecer esforços para proteger e salvaguardar o patrimônio cultural e natural do mundo
11.5 Até 2030, reduzir significativamente o número de mortes e o número de pessoas afetadas por catástrofes e substancialmente diminuir as perdas econômicas diretas causadas por elas em relação ao produto interno bruto global, incluindo os desastres relacionados à água, com o foco em proteger os pobres e as pessoas em situação de vulnerabilidade
11.6 Até 2030, reduzir o impacto ambiental negativo per capita das cidades, inclusive prestando especial atenção à qualidade do ar, gestão de resíduos municipais e outros
11.7 Até 2030, proporcionar o acesso universal a espaços públicos seguros, inclusivos, acessíveis e verdes, particularmente para as mulheres e crianças, pessoas idosas e pessoas com deficiência
11.a Apoiar relações econômicas, sociais e ambientais positivas entre áreas urbanas, periurbanas e rurais, reforçando o planejamento nacional e regional de desenvolvimento
11.b Até 2020, aumentar substancialmente o número de cidades e assentamentos humanos adotando e implementando políticas e planos integrados para a inclusão, a eficiência dos recursos, mitigação e adaptação às mudanças climáticas, a resiliência a desastres; e desenvolver e implementar, de acordo com o Marco de Sendai para a Redução do Risco de Desastres 2015-2030, o gerenciamento holístico do risco de desastres em todos os níveis 11.c Apoiar os países menos desenvolvidos, inclusive por meio de assistência técnica e financeira, para construções sustentáveis e resilientes, utilizando materiais locais
Nota-se que ainda há muitos desafios básicos que precisam ser vencidos juntamente com a transformação das cidades para que estas possam funcionar agregando valor e qualidade de vida para a sua população. Os governantes precisam trabalhar em busca de maior integração de gestão pública e cidadania para a construção da SC, onde a liderança seja do prefeito da cidade, que é quem define a agenda e aloca os recursos. Também é preciso promover uma gestão mais
transversal que facilite as sinergias entre serviços, e uma governança ancorada na sociedade, que se sustente para além do tempo de uma gestão municipal.
2.2. BIG DATA E A INTERNET DAS COISAS (IoT)
O Big Data é uma das tendências mais potentes e surpreendentes do século XXI. Embora as pessoas tenham se concentrado em seus smartphones, perdidas em mensagens de texto e jogando jogos, o Big Data tem trabalhado nos bastidores, revelando padrões e informações de maneiras que seriam consideradas virtualmente impossíveis nas últimas décadas. O Big Data pode ter aplicativos positivos e negativos. Muitas pessoas veem o Big Data como uma ameaça à privacidade, e têm razão; no entanto, o Big Data também está ajudando as empresas a se tornarem mais eficientes, agregando mais valor aos clientes e economizando dinheiro ao mesmo tempo.
Em (Hurley, 2019) a definição sobre Big Data é proposta da seguinte maneira: Você pode pensar em Big Data como grandes quantidades do que parece ser dados aleatórios coletados sobre pessoas ou atividades em uma ampla variedade de circunstâncias. Em relação às pessoas, isso incluirá dados de onde você está comprando, quais sites você está visitando, onde você está viajando, quais produtos você está comprando etc. Esses dados também podem ser coletados em qualquer atividade relacionada a uma empresa ou organização. Podem ser dados coletados por Uninterruptible Power Supply (UPS) sobre os hábitos e uso de combustível de seus motoristas ou dados coletados por agências governamentais relacionadas a consumo de energia, consumo de água, atividades criminosas ou uma epidemia.
De acordo com o relatório divulgado pela (RESEARCH, 2016) o tamanho do mercado global de Big Data foi avaliado em US$ 25,67 bilhões em 2015 e deve testemunhar um crescimento significativo até 2025 conforme gráfico da Figura 7. O aumento da penetração da Internet, incluindo comunicação ilimitada, informações e recursos abundantes, compartilhamento fácil e serviços on-line, gera enormes quantidades de dados na vida cotidiana, o que também deverá impulsionar a demanda nos próximos anos.
Abaixo, na Tabela 1, estão elencadas as cinco características chaves do Big
Data, também conhecidas como “five v’s” ou “cinco v’s” no campo da ciência dos dados.
Tabela 1 - Principais características chaves do Big Data. Adaptado de Hurley, 2019.
Essa explosão de Big Data é alimentada, em parte, pelo crescimento da
Internet das Coisas. A IoT é, de alguma forma, um caminho líder para o mundo
inteligente, com computação e rede onipresentes para facilitar tarefas diferentes em torno dos usuários e fornecer outras tarefas, como o monitoramento fácil de diferentes fenômenos que nos cercam. Na IoT, os itens ambientais e da vida cotidiana, também denominados itens, objetos ou máquinas, são aprimorados com as TIC e ingressam na estrutura de comunicação, atendendo a uma variedade de serviços baseados em
Human to Human (H2H), Human to Machine (H2M), Machine to Machine (M2M)
usando comunicação com e sem fio.
Essas máquinas, objetos ou “coisas conectadas” serão novos usuários da
Internet ou da rede e gerarão o tráfego de dados dos novos serviços emergentes da IoT, a serem executados pela Internet. Novas funcionalidades, inspiradas
principalmente a partir dos sentidos humanos, serão introduzidos na rede, como
1- Volume
Um vasto volume de dados.
2- Variedade
Os dados são gerados de diferentes formas e fontes e não necessariamente estruturados.
3- Velocidade
A velocidade do processamento de dados aumentou dramaticamente nas últimas três décadas. O movimento para a memória flash e maior capacidade de memória, em geral, acelerou o aumento da velocidade.
4- Valor
A princípio, os dados são apenas coleções soltas de bits de informação.Para encontrar esse valor, será necessária uma análise eficaz, não apenas por computadores, mas por cientistas profissionais de dados que sabem como fazer as perguntas certas sobre os dados e interpretar as informações que recebem de seus sistemas de computadores.
5- Veracidade
Refere-se à acertividade dos dados e à confiabilidade dos mesmos. Conjuntos de dados menores têm maior
probabilidade de serem estatisticamente tendenciosos, razão pela qual o volume é um fator importante no Big Data. Aumentar o volume de dados aumenta a probabilidade de os dados serem menos estatisticamente tendenciosos. Isso também aumenta seu valor.
identificação, localização, detecção, decisão, atuação, cobrança e atuação; construindo mais automação de tarefas, moldando o mundo virtual do mundo real. Isso será possível com a introdução de tecnologias, como a identificação por radiofrequência ou Radio-Frequency IDentification (RFID) ou sensores, mas também outras tecnologias como robótica, nanotecnologia, computação em nuvem, mineração de dados e outros.
Os gastos mundiais com a IoT foram significativamente impactados pelos efeitos econômicos da pandemia do COVID-19 em 2020, embora seja esperada uma recuperação de crescimento, tanto em para médio e longo prazo. Uma nova atualização do Guia Mundial de Despesas da IoT da International Data Corporation
(IDC) mostra que os gastos com IoT crescem 8,2% ano a ano, para US$ 742 bilhões
em 2020, abaixo dos 14,9% previstos na versão de novembro de 2019. No entanto, a
IDC espera que os gastos globais com a IoT retornem às taxas de crescimento de
dois dígitos em 2021 e atinjam uma taxa de crescimento anual composta de 11,3% no período de previsão 2020-2024.6
A IoT abrange uma ampla variedade de tecnologias em potencial. Isso inclui câmeras de segurança, campainhas, geladeiras, televisões, vestuários, sensores colocados nos veículos, medidores de consumo de energia e água. Você pode estar observando que seu smartphone e, possivelmente, o seu smart watch ou outro dispositivo, estão conectados à Internet. A ideia é adicionar conectividade à Internet para objetos comuns.
Tabela 2 - Transformações tecnológicas com expectativas de ocorrer até 2025. - Fonte: Deep Shift—Technology Tipping Points and Societal Impact, Global Agenda Council on the Future of Software and Society, World Economic Forum,
September 2015.
Transformações com expectativas de ocorrer até 2025 10% das pessoas usarão roupas conectadas à internet
90% das pessoas com armazenamento ilimitado e gratuito (suportado por publicidade)
1 trilhão de sensores conectados à Internet
O primeiro farmacêutico robótico nos Estados Unidos da América (EUA) 10% dos óculos de leitura conectados à Internet
80% das pessoas com presença digital na internet O primeiro carro impresso em 3D em produção
O primeiro governo a substituir seu censo por fontes de Big Data O primeiro telefone celular implantável disponível comercialmente 7 5% dos produtos de consumo impressos em 3D
90% da população usando smartphones
90% da população com acesso regular à internet
Carros sem motorista equivalentes a 10% de todos os carros nas estradas dos EUA
De acordo com (Schwab, 2017) os pontos de inflexão citados na Tabela 2 fornecem um contexto importante, pois sinalizam as mudanças substantivas que estão por vir - amplificadas por sua natureza sistêmica - e a melhor forma de preparar e responder nessa transição começa com a conscientização das mudanças que estão
acontecendo, bem como das que estão por vir, e seu impacto em todos os níveis da sociedade global.
Diversas aplicações “Smart” da IoT vem sendo discutidas, dentre elas: • Smart Cities;
• Smart Energy e a Smart Grid; • Smart Mobility and Transport;
• Smart Home, Smart buildings and Infrastructure; • Smart Factory;
• Smart Manufacturing; • Smart Health;
• Smart Food and Water Tracking; • Smart Logistics and Retail.
Sendo assim, para o desenvolvimento de tecnologias que possam transformar o ambiente tornando-o mais inteligente, faz-se necessário o desenvolvimento de uma estrutura de rede ou conexão com a internet e de produtos com alta tecnologia de processamento e armazenamento de dados e de sensores e atuadores eficientes e interconectados.
2.3. MACHINE LEARNING E INTELIGÊNCIA ARTIFICIAL
O aprendizado de máquina ou Machine Learning (ML) está no centro de quase tudo que envolve Big Data. Por si só, grandes quantidades de dados não valem nada. Os relacionamentos ocultos nos dados, juntamente com os padrões e as possíveis tendências, é onde o "ouro" está relacionado ao Big Data. Para obter essas informações, é necessário o uso de poder computacional. Existem diferentes maneiras de fazer isso, mas permitir que os sistemas de computador aprendam com os dados provou ser a maneira mais eficaz de obter o valor dentro de grandes conjuntos de dados. Primeiro, isso é obviamente muito melhor do que usar a análise humana, pois os humanos não conseguem lidar com enormes conjuntos de dados.
A chave do ML é que ele usa modelagem estatística para procurar padrões ocultos em grandes conjuntos de dados. A Figura 8 exibe a abrangência da aprendizagem de máquina.
Figura 8 - Diagrama do Machine Learning – Fonte: http://www.cognub.com/index.php/cognitive-platform/
O ML é um subcampo da Inteligência Artificial (IA). O objetivo da IA é criar sistemas de computador que funcionem de maneira semelhante à mente humana. Atualmente, a IA é aceita como uma estrutura de computador que pode aprender e tomar decisões e julgamentos de uma maneira humana. Os sistemas de IA podem tomar decisões sem a contribuição humana. Os sistemas de IA podem usar ML, mas também usam outras maneiras de aprendizagem, incluindo comportamento baseado em regras e aprendizado profundo também conhecido como Deep Learning (DL). A Figura 9 explana a relação entre IA, ML e DP.
Figura 9 - Relação entre Inteligência Artificial, Machine Learning e Deep Learning
Inteligência Artificial (IA)
Qualquer técnica que capacite uma máquina a imitar
a inteligência humana
Machine Learning (ML)
Métodos estatísticos que possibilitam que as
máquinas aprendam a partir dos dados
Deep Learning (DP)
Redes neurais com múltiplas camadas que assimilam
tarefas e reconhecem símbolos a partir dos dados
Hoje, a Inteligência Artificial é aceita como uma estrutura de computador que pode aprender e tomar decisões e julgamentos de uma maneira humana. Elas devem ser adaptáveis. Segundo (Hurley, 2019), os especialistas também sugeriram que sistemas de IA devem mostrar inteligência e poder ter intenção. É difícil descrever em termos reais para dizer o que é "intenção", mas, para propósitos práticos, os sistemas de IA podem tomar decisões sem a contribuição humana. Os sistemas de IA podem usar ML, mas também usam outras maneiras de aprender, incluindo comportamento baseado em regras e DP.
A maioria das aplicações de IA será considerada "Narrow AI" ou "IA restrita". A IA restrita é um sistema de computador projetado para pensar como humano, mas apenas para uma tarefa específica e estreita. Um exemplo disso é o computador IBM
Deep Blue, que jogava xadrez. Outros sistemas de IA estreitos estão sendo
desenvolvidos e vários já estão em uso, como Siri e Alexa, e carros autônomos. A IA estreita depende de Machine Learning ou Deep Learning. A capacidade de usar esses métodos de aprendizado permite que os engenheiros criem sistemas de computador para uma tarefa específica sem precisar desenvolver programas de computador muito grandes com grande número de linhas de código.
A “General IA” ou “IA Generalizada” envolve o desenvolvimento de um sistema generalizado artificialmente inteligente que pode imitar completamente a inteligência de um ser humano. É mais como os androides dos filmes de Hollywood que as pessoas pensam quando ouvem o termo "Inteligência Artificial". Esse é um problema muito difícil de resolver, e o progresso nessa área tem sido lento. Para ter certeza de que o conceito é entendido, nesse caso, você teria um sistema geralmente inteligente que poderia aprender e fazer qualquer coisa. Isso é bem diferente de criar um sistema inteligente que possa jogar xadrez, por exemplo.
Contudo, podemos sintetizar que os sistemas de IA depois de treinados, quando recebem novos dados, podem modificar seu próprio comportamento respondendo às demandas propostas.
2.4. SMART CITIES
As cidades sempre foram complexas. À medida que novos métodos para criar, comunicar e usar dados continuam surgindo, informações e infraestrutura se tornam mais interconectadas e a complexidade das cidades é elevada. Cada vez mais, as cidades estão empregando sistemas digitais para se comunicar com cidadãos e partes interessadas, utilizando dados e informações para planejamento e prestação de serviços e aprimorando as habilidades digitais necessárias para participar da sociedade e obter sucesso econômico.
De acordo com (Bent, Crowley, Nutter, & Wheeler, 2017), para que as cidades se tornem inteligentes e sustentáveis, mais ambientalmente saudáveis, economicamente prósperas e socialmente justas, devem integrar o uso de Big Data e TIC nos processos diários e na busca de seus objetivos.
Atualmente, não existe uma definição universalmente aceita de cidade inteligente, as abordagens variam tão amplamente quanto a cultura, prioridades e histórias das próprias cidades.
No entanto, isso não ocorre por falta de tentativa. Muitas entidades propuseram definições, onde algumas estão consolidadas na Tabela 3.
Tabela 3 - Definições de Cidades Inteligentes ou Smart Cities
Autor Definição
British Standards
Institution, Smart City Framework, 2014
A integração efetiva de sistemas físicos, digitais e humanos no ambiente construído para proporcionar um futuro sustentável, próspero e inclusivo para seus cidadãos.
Boyd Cohen, Fast Company article, “What Exactly Is a Smart City?”,
2012
Enquanto algumas pessoas continuam a ter uma visão estreita das cidades inteligentes, vendo-as como lugares que fazem melhor uso da tecnologia da informação e comunicação (TIC), as cidades com as quais trabalho veem as cidades inteligentes como uma abordagem ampla e integrada para melhorar a eficiência de operações da cidade, a qualidade de vida de seus cidadãos e o crescimento da economia local.
ARUP, The Smart Solution
for Cities, 2011
Uma cidade inteligente é aquela que usa a tecnologia para transformar sua infraestrutura e fazer melhor uso de energia e recursos. As tecnologias da informação e comunicação (TIC) podem ser implantadas para criar maneiras novas e inteligentes de tornar nossos centros urbanos mais eficientes em termos de recursos. Cidades inteligentes não são simplesmente aquelas que implantam TIC. Elas combinam novas formas inteligentes de pensar sobre o papel das tecnologias na cidade, seu desenho e planejamento.
Cisco, The Internet of
Everything for Cities, 2013
Nos últimos anos, a definição de "Cidades Inteligentes" evoluiu para significar muitas coisas para muitas pessoas. No entanto, uma coisa permanece constante: parte de ser “inteligente” é utilizar a tecnologia da informação e comunicação (TIC) e a Internet para enfrentar os desafios urbanos.
Academia, Anthony Townsend, Urban Futures, 2013
A cidade inteligente fornece as condições e os recursos para a mudança. Nesse sentido, a cidade inteligente é um laboratório urbano, um ecossistema de inovação urbana, um laboratório vivo, um agente de mudança.
Theo Blackwell, Chief Digital Officer of London City, 2018
Uma cidade inteligente é uma colaboração, conectada e cidade responsiva. Integra tecnologias digitais e usa dados em toda a cidade para responder às nossas necessidades dos cidadãos.
A fim de assegurar um avanço efetivo das Smart Cities no Brasil (Cunha, Przeybilovicz, Macaya, & Burgos, 2016) sintetiza as seguintes recomendações de especialistas e gestores públicos nacionais e internacionais, identificadas a partir de seu estudo no chamado "O decálogo da Smart City" conforme Figura 10:
Figura 10 - O Decálogo da Smart City - Fonte: (Cunha, Przeybilovicz, Macaya, & Burgos, 2016)
Para (Schwab, 2017) há quatro maneiras para chagarmos a uma cidade inteligente:
I. IoT: Uso de soluções IoT utilizando a eficiência dos seus sensores
inteligentes focado na redução de desperdício dos recursos elétricos e no compartilhamento inteligente de recursos com a comunidade e seu entorno (outras cidades e até mesmo Estados).
II. Democratização da informação: Disponibilizar dados de qualidade para consumo público.
III. Transparência: A transparência do Governo é primordial para motivar, conquistar a confiança e a mudança no comportamento da população, movimentando o sistema circular sustentável. Com isso, abre-se
oportunidade para que cidadãos e empresas proponham modelos promissores e inovativos de criar e compartilhar valor.
IV. Veículos autônomos, economia de compartilhamento e modelos de
leasing resultam em taxas de utilização de ativos significativamente mais
altas, além de tornar muito mais fácil capturar, reutilizar e "reciclar" os materiais quando chegar a hora apropriada.
Conforme citado em (Cunha, Przeybilovicz, Macaya, & Burgos, 2016), a Figura 11 a seguir mostra a visão de especialistas internacionais que representa em quatro estágios o avanço das cidades rumo a uma gestão inteligente.
Figura 11 - Modelo de evolução da Smart City
A partir da visão dos especialistas internacionais, as quatro fases da evolução da Smart City são:
• Vertical: envolve a introdução da tecnologia nos diferentes serviços urbanos (gestão da iluminação pública, resíduos sólidos, mobilidade etc.). Cada uma das áreas de gestão do município impulsiona tais mudanças, em geral de forma independente. Como exemplo no Brasil, o projeto de iluminação pública inteligente da cidade de São Paulo
pretende otimizar e controlar em tempo real a infraestrutura da rede municipal de iluminação pública.
• Horizontal: prevê a gestão da prestação de serviços de forma intersetorial, portanto, horizontal. O desenvolvimento de uma plataforma tecnológica inteligente.
• Conectada: nessa terceira fase, o objetivo é ter a cidade interconectada. Uma vez que a cidade tenha digitalizado os serviços e tenha implementado uma solução tecnológica horizontal, poderá interconectar cidadãos, serviços urbanos, universidades e redes urbanas. Isso facilitará a captura adicional de sinergias entre os serviços verticais e a melhoria e/ou o desenvolvimento de novos serviços de valor agregado para o cidadão e para empresas, tendo como base informação compartilhada. Do cruzamento e da análise dos diferentes dados da cidade (serviços e cidadãos), é possível, por um lado, tomar decisões estratégicas e aperfeiçoar a gestão da cidade e, por outro, fornecer informações em tempo real aos cidadãos para que tomem suas decisões pessoais, com base no que está acontecendo ao seu redor. Para Rodrigo José Firmino, professor da Pontifícia Universidade Católica do Paraná (PUC-PR) “a cidade do futuro será uma cidade extremamente conectada entre pessoas, entre grupos, entre pessoas e objetos e entre objetos e objetos (Internet das coisas)”.
• Inteligente: na qual, além da tomada de decisões de forma preditiva, antecipam-se as circunstâncias, os acontecimentos, com base em dados estatísticos, e usa-se um ecossistema de inovação “em escala”. Juan Ignacio Criado, professor da Universidad Autónoma de Madrid, em entrevista ao IE Business School (Madri/Espanha) manifesta que um “governo inteligente é aquele que a partir de dados heterogêneos toma decisões inteligentes, que impactam na melhor gestão da cidade”. O desafio fundamental para alcançar esse estágio é a implementação de uma tecnologia avançada em escala para toda a cidade, com o ecossistema de inovação como uma peça fundamental de sua construção e subsequente implantação. A inteligência compartilhada é importante para todos os atores, pois a plataforma da cidade comporta-se como um facilitador de soluções colaborativas e um habilitador de novos modelos de negócio.
Com o conteúdo apresentado sobre Big Data, Internet of Things e Inteligência Artificial é possível fazer um fechamento sobre o entendimento e relação de agregação de valor destas tecnologias para a transformação da cidade em Smart City. Você pode pensar em Big Data uma grande quantidade de dados, em IoT como sensores inteligentes de coleta de dados por segmento, que contribui com o Big Data e a IA como o cérebro, que aprende e responde às demandas. O Big Data e a IoT alimentam sistemas artificialmente inteligentes. Isso permite que o sistema de IA aprenda para que possa funcionar de forma independente posteriormente, contribuindo com o ecossistema sustentável da Smart City.
2.5. PROJETOS IMPLANTADOS DE SMART CITIES
O conceito de Smart City pressupõe evolução e melhoria contínua. Cada cidade tem a sua problemática específica e parte de situações e demandas de seus cidadãos com diferentes visões, por isso seu plano estratégico e seu ritmo de desenvolvimento serão diferentes.
A liderança de um projeto de Smart City deve ser sustentada pela administração pública municipal. Transformar uma visão em realidade em qualquer organização requer uma liderança que inspire as pessoas e mobilize recursos adequados à mudança. Uma iniciativa ambiciosa como um projeto de SC exige uma liderança forte, no mais alto nível. Os subitens desta seção apresentam alguns projetos já implantados.
2.5.1. BARCELONA, ESPANHA7
A prioridade de Barcelona é superar o conceito de Cidade Inteligente ou Smart
City e aproveitar ao máximo as oportunidades oferecidas pelas tecnologias baseadas
em dados e seu grande poder de transformação. A estratégia está focada no investimento em infraestruturas públicas digitais que podem favorecer serviços públicos de maior qualidade e ser a porta de entrada para uma sociedade e economia mais sustentáveis e colaborativas.
O projeto de SC da cidade de Barcelona é ancorado em três pilares, conforme Figura 12 e é chamado de Barcelona Ciudad Digital ou Barcelona Smart City.
Figura 12 - Pilares do projeto de Smart City da cidade de Barcelona chamado de Barcelona Ciudad Digital ou Barcelona Digital City
Na Tabela 4 estão destacados os projetos (última coluna da direita) em destaque de cada segmento dos pilares da Barcelona Ciudad Digital.
Utilizar tecnologia e dados para fornecer serviços melhores e mais acessíveis aos cidadãos, tornando o governo mais transparente, participativo e eficaz. Faça um novo acordo sobre dados para expandir usos socialmente benéficos dos dados, garantindo a soberania, a ética e a privacidade dos dados. Fornecer acesso à Internet para todos. A conectividade à Internet de alta velocidade não é um luxo, mas um direito para todos os cidadãos; é uma necessidade absoluta de desenvolvimento econômico e mobilidade social na economia do século XXI.
Apoiar o empreendedorismo e promover a inclusão na economia digital. Promover o uso da tecnologia digital para enfrentar os desafios sociais e promover modelos de economia circular. Investe em pesquisa e desenvolvimento, além de promover outras alternativas de economia colaborativa, como o cooperativismo de plataforma ou o movimento criador.
Aproveitar as tecnologias digitais para criar empregos de qualidade em todas as comunidades da cidade e, assim, combater a desigualdade. Garantir que os avanços da tecnologia digital protejam os direitos digitais dos cidadãos e promovam a igualdade de gênero e a inclusão social. Promover a democracia participativa e estabelecer uma política para explorar a inteligência coletiva dos cidadãos. Construa uma sociedade digital mais forte e mais justa promovendo movimentos de inovação social.
Tabela 4 - Projetos em destaque da Barcelona Ciudad Digital
Barcelona
Ciudad
Digital
TRANSFORMAÇÃO DIGITAL TECNOLOGIA PARA UM GOVERNO MELHOR Software livre Orçamento aberto Mercado digitalTECNOLOGIA URBANA 5G Barcelona
KIC Mobilidade Urbana Eventos de tecnologia e inovação
CIDADE PELOS DIREITOS DIGITAIS
Portal de dados abertos (BCN de dados abertos)
Blockchain para soberania de
dados: DECODE Desafio de dados abertos
INOVAÇÃO DIGITAL
ECONOMIA DIGITAL Dando vida ao ecossistema de inovação
Incubadora MediaTIC Empreendedorismo em tecnologia digital
FAÇA EM BCN DSIPLAY
Promovemos o que você faz -Método de inovação social Maker Mornings
BIT HABITAT-I.LAB Inovação em Contratos Públicos CAPACITAÇÃO DIGITAL EDUCAÇÃO E TREINAMENTO DIGITAL STEAM BCN Eventos educativos Cibernàrium
INCLUSÃO DIGITAL Rec, a moeda social de Barcelona
Tecnologia e Gênero Vincles BCN
DEMOCRACIA E DIREITOS DIGITAIS
Coalizão de cidades pelos direitos digitais
"E se...? Ciclo de conversa #desdecasa ”
A Figura 13 destaca três projetos já implantados e em constante evolução, onde se pode comprovar, por exemplo, a disponibilização dos códigos fontes de sistemas da cidade no Github da Prefeitura de Barcelona8.
Figura 13 - Projetos de Barcelona Ciudad Digital
Nota-se que Barcelona é uma cidade bem avançada em soluções inteligentes e sustentáveis, e já vem preparando e educando sua população para que possam estar engajados como comunidade inteligente participativa.
8 Github da Prefeitura de Barcelona: https://github.com/AjuntamentdeBarcelona/
SOFTWARE LIVRE
A Prefeitura de Barcelona se uniu ao movimento por software de código aberto e apóia o uso da tecnologia de código aberto com o objetivo de alcançar total soberania tecnológica. O software é publicado em locais públicos, como o Github da Prefeitura de Barcelona , com licenças que permitem a terceiros (conselhos, indivíduos ou empresas) usá-lo, expandi-lo ou
melhorá-lo. Barcelona é a primeira cidade a participar da campanha da Free Software
Foundation, Public Money, Public Code e é um dos estudos de caso do uso de software de
código aberto e código aberto para democratizar cidades.
EMPREENDEDORISMO EM TECNOLOGIA DIGITAL
De acordo com o Índice Europeu de Cidades Digitais de 2016 , Barcelona é a nona cidade européia classificada por apoiar o empreendedorismo digital, em uma lista das 30 principais
cidades europeias. Barcelona possui mais de 12.500 empresas tecnológicas, criadas em um período muito curto de tempo, já que 50% delas não existiam há cinco anos.
TECNOLOGIA E GÊNERO
O relatório da Comissão Europeia, Mulheres ativas no setor de TIC , revela que, na Europa, apenas 29 em cada 1.000 graduadas ganham um diploma relacionado à ciência da computação (em comparação com 95 estudantes do sexo masculino). Na Catalunha, de acordo com a Agência para a Qualitat del Sistema Universitari, durante o ano letivo de 2015-2016, apenas 13% dos estudantes matriculados em cursos de TIC eram do sexo feminino. De cada 1.000 mulheres, apenas 4 trabalham no setor de TIC.Barcelona está promovendo o papel das mulheres na indústria de tecnologia, a fim de lutar pela igualdade neste setor.
2.5.2. AMSTERDÃ, HOLANDA9
Amsterdã é uma das cidades mais ativas quanto a desenvolver sistemas setoriais inteligentes, da iluminação pública à gestão de resíduos. O primeiro projeto implantado, em 2006, foi de iluminação pública em associação com a Philips. Em 2013, Amsterdã e Copenhague, optaram por implementar a Smart City Platform (SCP) da Cisco, buscando uma plataforma horizontal que permitisse a agregação e gestão integral da informação em escala urbana, frente à existência de diversas aplicações setoriais estanques e sem conexão, desenvolvidas ao longo dos anos.
O projeto de SC de Amsterdã é chamado de Amsterdam Smart City, onde são desenvolvidas soluções para a cidade dentro dos temas exibidos na Tabela 5.
Tabela 5 - Temas da Amsterdam Smart City
9https://amsterdamsmartcity.com/
CIDADE DIGITAL
Entre 2014 e 2015, houve um crescimento de 27% no tráfego da Internet em Amsterdã. Onze dos quinze cabos de dados Transatlânticos estão conectados ou passam por Amsterdã e o AMS-IX é o segundo maior ponto de troca de Internet do mundo. Em 2016, Amsterdã ficou em segundo lugar no Índice Europeu de Cidades Digitais.
ENERGIA Energia sustentável é o futuro. A cidade de Amsterdã tem a ambição de fornecer a todos os cidadãos um painel solar nos próximos anos.
MOBILIDADE Amsterdã é considerada a capital mundial do ciclismo; 32% do movimento do é de bicicleta e 63% de seus habitantes usam sua bicicleta diariamente. O número de proprietários de carros elétricos registrados aumentou em 53% para 28.889 em 2016. Desde 2008, o compartilhamento de carros aumentou em 376%.
CIDADE CIRCULAR
Passar de uma economia linear para uma circular significa minimizar o desperdício e a poluição. Amsterdã estabeleceu um programa de inovação na economia circular ao converter resíduos em eletricidade, aquecimento urbano e materiais de construção. A
Amsterdam Electricity Company gera 900 kWh por 1000 kg de resíduos. 75% do sistema de
esgoto é separado para águas residuais e pluviais e o lodo que permanece após o tratamento das águas residuais é convertido em gás natural.
GOVERNANÇA E EDUCAÇÃO
Uma cidade inteligente só pode existir quando é capaz de atrair e reter conhecimento. Amsterdã é uma cidade do conhecimento, com duas universidades e vinte e uma universidades de ciências aplicadas dentro de suas fronteiras. 40% dos habitantes de Amsterdã são de nível superior. Com 921 startups localizadas em Amsterdã e seu próprio programa Startup in Residence, Amsterdã oferece aos formuladores de políticas ferramentas inteligentes de governança.
CIDADÃO E VIDA
Em média, a população de Amsterdã cresce com 10.000 pessoas por ano. A cidade tem uma densidade de 5065 pessoas por km quadrado, mais de 180 nacionalidades diferentes. 19% do PIB holandês total é ganho na área metropolitana de Amsterdã. Entre 2015 e 2016, a quantidade de turistas em Amsterdã aumentou 7%. Para manter habitáveis os 162 canais de Amsterdã, o centro monumental e as áreas residenciais, são necessárias iniciativas inovadoras.
SMART CITY ACADEMY
A Smart City Academy fornece conhecimento disponível sobre projetos de cidades inteligentes, informações e pesquisas sobre o impacto e as condições dos projetos.
Um de seus projetos mais destacados, City-zen, iniciado em 2014, se desenvolve em paralelo no baixo Niew-West de Amsterdã e a eco-city francesa, em Grenoble, e se centra na implementação de soluções inovadoras no campo da rede elétrica inteligente, sistemas de aquecimento e moradia sustentável. Os residentes de ambas as cidades são os protagonistas de um laboratório vivo de consumo energético inteligente. A primeira rede elétrica inteligente criada na Holanda, no marco de
City-zen, contém aplicativos e sensores específicos para um monitoramento e controle do
rendimento do sistema. A redução de cortes e interrupções do fornecimento elétrico; a retroalimentação do sistema com a eletricidade produzida pelos moradores através de suas placas solares; a capacidade de integrar fornecimento aos veículos elétricos, assim como sua capacidade de integração nos fluxos da energia renovável são algumas das vantagens dessa rede. O projeto tem prevista a renovação de cerca de 900 moradias no distrito Niew-West, com o objetivo de instalar medidores e sensores que permitam que os residentes controlem o consumo de energia. A atuação no âmbito dos sistemas de aquecimento prevê a otimização da Central Térmica e de Resíduos, assim como a instalação dos inovadores coletores solares. Sua tecnologia de ponta permite a extração da energia solar inclusive em dias nublados. Também está prevista a criação do sistema de reutilização da energia que se gera no esgoto urbano para completar o fornecimento atual da energia geotérmica.
Todas as soluções inovadoras desenvolvidas no marco do projeto City-zen se apresentam para a prova dos residentes num edifício do bairro, transformado no Laboratório Vivo de Provas. Para conscientizar a população jovem sobre as medidas de economia de energia e facilitar o aprendizado dos conceitos básicos necessários, foi desenvolvido um jogo virtual, Serious Game, como todos os elementos do projeto
City-zen10.
2.5.3. RIO DE JANEIRO, BRASIL11
No cenário nacional, a cidade do Rio de Janeiro aparece com seu próprio projeto de cidade inteligente. Com o propósito de controle e ajuste de trânsito, monitoramento por câmeras dos espaços públicos e distribuição de sensores diversos pela cidade, estes sistemas estão conectados ao Centro de Operações da Prefeitura do Rio de Janeiro. O projeto, feito em parceria com a IBM, tem o objetivo de criar um sistema de instrumentação ao redor da cidade que agrega dados de 30 agências diferentes, incluindo tráfego e transporte público, serviços municipais, serviços de emergências, distribuição de água e informação.
O Centro de Operações Rio (COR) é o primeiro equipamento olímpico entregue pela Prefeitura da cidade do Rio de Janeiro. Inaugurado em dezembro de 2010, seis anos antes dos Jogos Rio 2016, o prédio funciona como quartel-general de integração das operações urbanas no município. Cerca de 30 órgãos (secretarias municipais e concessionárias de serviços públicos) estão integrados no edifício para monitorar a operação da cidade e minimizar seus impactos na rotina do cidadão ou durante a realização de grandes eventos. Durante 24 horas por dia, nos sete dias da semana, o COR busca antecipar soluções, alertando os setores responsáveis sobre os riscos e as medidas urgentes que devem ser tomadas em casos de emergências, como
10http://www.cityzen-smartcity.eu/home/reporting/deliverables/ 11http://cor.rio/institucional/
chuvas fortes, deslizamentos e acidentes de trânsito. Mais de 500 profissionais se revezam em diferentes turnos neste monitoramento da cidade.
O COR usa alta tecnologia para o gerenciamento das informações fornecidas pelas agências integradas e por diversos tipos de sensores estrategicamente posicionados. Cerca de 800 câmeras da prefeitura são monitoradas pela equipe do COR, que também tem acesso a outras 700 gerenciadas por concessionárias de serviços públicos e pela Secretaria Estadual de Segurança Pública. Todas as câmeras e informações de sensores e softwares podem ser visualizadas de forma integrada em um telão de 65 metros quadrados na sala de controle do COR, como pode ser visto na Figura 14. Em situações de crise, o centro operacional conta ainda com sistema de videoconferência que permite comunicação em tempo real com a residência oficial do prefeito e a sede da Defesa Civil municipal.
A cidade foi reconhecida como um modelo de excelência, tendo sido premiada com a distinção de melhor Smart City em 2013 no Congresso Internacional “SmartCity
Expo World Congress”. Mas ainda existe muito a se desenvolver para que este projeto
possa alcançar o estado da arte no que diz respeito à infraestrutura de uma Smart
City.
2.5.4. LONDRES, INGLATERRA12
O prefeito de Londres lançou o Smarter London Together em 2018 - seu roteiro para tornar Londres "a cidade mais inteligente do mundo", conforme ilustrado conceitualmente na Figura 15. Essa estratégia do prefeito pretende ser um plano mestre digital flexível para a cidade. Estabelece como colaborar com os bairros e serviços de Transport for London’s (TfL) e National Health Service (NHS) da capital. Também almeja trabalhar de forma mais eficaz com a comunidade tecnológica, universidades e outras cidades.
Figura 15 - Imagem conceito da SMARTER LONDON TOGETHER - Fonte: https://www.london.gov.uk/what-we-do/business-and-economy/supporting-londons-sectors/smart-london/smarter-london-together
Londres é a capital tecnológica da Europa. A capital é o lar de 46.000 empresas de tecnologia, suportando 240.000 empregos em um ecossistema de valor estimado de US$ 44 bilhões. Londres é um centro para as tecnologias CleanTech, GovTech,
Digital Health, EdTech, inovações em mobilidade, bem como o hub global para FinTech, LegalTech e serviços profissionais necessários para apoiar a inovação. A
cidade também é a capital europeia da IA, com mais de 750 fornecedores na cidade - o dobro do número combinado de Paris e Berlim - preparada para inovar com os dados da cidade.
A Figura 16 destaca os pontos fortes da Smart London Together.
12
