PPGCA
2016
UM MODELO DE REPRESENTAÇÃO COMPUTACIONAL BASEADO EM CONCEITOS DE CRESCIMENTO URBANO ASSOCIADOS A ALVARÁS E
PRIMITIVAS EM BANCO DE DADOS ESPACIAL DEPARTAMENTO ACADÊMICO DE INFORMÁTICA
PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA
FRANK AUGUSTO MICHELETTO KONO
DISSERTAÇÃO CURITIBA 2016 UM MODELO DE REPRESENT AÇÃO COMPUT ACIONAL BASEADO EM CONCEIT OS DE CRESCIMENT O URBANO ASSOCIADOS A AL V ARÁS E PRIMITIV
AS EM BANCO DE DADOS ESP
U
M
M
ODELO DE
R
EPRESENTAÇÃO
C
OMPUTACIONAL
B
ASEADO EM
C
ONCEITOS DE
C
RESCIMENTO
U
RBANO
A
SSOCIADOS A
A
LVARÁS E
P
RIMITIVAS
EM
B
ANCO DE
D
ADOS
E
SPACIAL
.
Dissertação submetida ao Programa de Pós-Graduação em Computação Aplicada da Uni-versidade Tecnológica Federal do Paraná como requisito parcial para a obtenção do título de Mestre em Computação Aplicada.
Curitiba PR 2016
U
M
M
ODELO DE
R
EPRESENTAÇÃO
C
OMPUTACIONAL
B
ASEADO EM
C
ONCEITOS DE
C
RESCIMENTO
U
RBANO
A
SSOCIADOS A
A
LVARÁS E
P
RIMITIVAS
EM
B
ANCO DE
D
ADOS
E
SPACIAL
.
Dissertação submetida ao Programa de Pós-Graduação em Computação Aplicada da Uni-versidade Tecnológica Federal do Paraná como requisito parcial para a obtenção do título de Mestre em Computação Aplicada.
Área de concentração: Engenharia de Sistemas Computacionais
Orientador: Prof. Dr. Gustavo Alberto Gimenéz-Lugo
Co-orientadora: Profa. Dra. Nádia Puchalski Kozievitch
Curitiba PR 2016
Dados Internacionais de Catalogação na Publicação
K82m Kono, Frank Augusto Micheletto
2016 Um modelo de representação computacional baseado em conceitos de crescimento urbano associados a alvarás e primitivas em banco de dados espacial / Frank Augusto Micheletto Kono.-- 2016.
xxii, 143 p.: il.; 30 cm.
Texto em português, com resumo em inglês.
Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná. Programa de Pós-graduação em Computação Aplicada. Área de Concentração: Engenharia de Sistemas Computacionais, Curitiba, 2016.
Bibliografia: p. 101-109.
1. Banco de dados geográficos. 2. Sistemas de informação geográfica. 3. Crescimento urbano. 4. Desenvolvimento sustentável. 5. Modelos matemáticos. 6. Interface de usuário baseada na Web. 7. Métodos de simulação. 8. Computação – Dissertações. I. Giménez Lugo, Gustavo Alberto, orient. II. Kozievitch, Nádia Puchalski, coorient. III. Universidade Tecnológica Federal do Paraná. Programa de Pós-graduação em Computação Aplicada. IV. Título.
CDD: Ed. 22 -- 621.39
Biblioteca Central da UTFPR, Câmpus Curitiba
Av. Sete de Setembro, 3165 • Fone: +55 41 3310 4644 • 80.230-901 Curitiba PR • http://www.ppgca.ct.utfpr.edu.br
Universidade Tecnológica Federal do Paraná
Câmpus Curitiba
Diretoria de Pesquisa e Pós-Graduação
Programa de Pós-Graduação em Computação Aplicada – PPGCA
ATA DE DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 42
Aos 15 dias do mês de agosto de 2016 realizou-se na sala B-205 a sessão pública de Defesa da Dissertação de Mestrado intitulada "Um modelo de representação computacional baseado em conceitos de crescimento urbano associados a alvarás e primitivas em banco de dados espacial", apresentada pelo aluno Frank Augusto Micheletto Kono como requisito parcial para a obtenção do título de Mestre em Computação Aplicada, na área de concentração “Engenharia de Sistemas Computacionais”, linha de pesquisa “Sistemas Inteligentes e Lógica”.
Constituição da Banca Examinadora:
Prof. Dr. Gustavo Alberto Gimenez Lugo UTFPR - CT (Presidente) ____________________ Prof. Dr. Cesar Augusto Tacla UTFPR - CT ______________________________ Prof. Dr. Roberto Pereira UFPR - CT________________________________
Em conformidade com os regulamentos do Programa de Pós-Graduação em Computação aplicada e da Universidade Tecnológica Federal do Paraná, o trabalho apresentado foi considerado __________________________ (aprovado/reprovado) pela banca examinadora. No caso de aprovação, a mesma está condicionada ao cumprimento integral das exigências da banca examinadora, registradas no verso desta ata, da entrega da versão final da dissertação em conformidade com as normas da UTFPR e da entrega da documentação necessária à elaboração do diploma, em até ____________ dias desta data.
Ciente (assinatura do aluno): ______________________________________________
(para uso da coordenação)
A Coordenação do PPGCA/UTFPR declara que foram cumpridos todos os requisitos exigidos pelo programa para a obtenção do título de Mestre.
Curitiba PR, _____/_____/___________ ______________________________
"‘ Tudo tem o seu tempo determi-nado, e há tempo para todo o pro-pósito debaixo do céu "‘ Eclesiastes 3:1
Agradecimentos
A Deus e a todas as pessoas que direta ou indiretamente caminharam comigo, objeti-vando a conclusão deste trabalho.
Agradeço ao Prof. Dr. Gustavo Alberto Gimenéz-Lugo orientador, Profa. Dra Nádia Puchalski Kozievitch co-orientadora, Prof. Dr. Cesar Augusto Tacla, Profa. Dra. Tatiana Gadda e ao Prof. Dr. Leonelo Dell Anhol Almeida pelo caminharmos juntos, pelo auxílio e apoio durante toda a jornada.
Agradeço a Anderson Nunes e Evandro Hagy, colegas.
Dedico este trabalho a meu pai (in memoriam), minha mãe, minha irmã, Sandra Kono (esposa) e Sophia Kono (filha).
Resumo
A expansão urbana resultante do rápido progresso das cidades é um grande desafio para o desen-volvimento sustentável. Deste modo a concepção de modelos computacionais adequados que permitam a simulação, visualização espacializada e análise do processo de crescimento urbano é fundamental. Políticas de gestão de bairros e tipos de crescimento urbano são constituídos por equipamentos representados por diferentes tipos de alvarás ou concessões para abertura e funci-onamento de negócios. Também por sistemas viários, sistemas de transporte, limites políticos e administrativos, zoneamento e arruamento. Estes mecanismos podem ser evidenciados em um banco de dados espacial por (a) dados abertos georreferenciados, um termo que caracteriza ele-mentos humanos, informações demográficas, socioeconômicas, infraestrutura, condições ambi-entais e históricas, (b) diferentes geometrias (ponto, linha e polígono) e (c) utilização de funções espaciais para representar relações topológicas, direcionais ou métricas entre os equipamentos. Para construção e implementação do modelo proposto neste trabalho são utilizados os itens acima descritos (a, b, c) e um conjunto de perguntas elaboradas por especialistas na área de urbanismo, apontadas como conceitos primordiais à área de crescimento urbano. Em relação ao objetivo e a modelagem as mais relevantes contribuições encontram-se: (1) na representação por meio de um pequeno conjunto de primitivas em banco de dados com extensão espacial, (2) na elaboração de um vocabulário ou atribuição de uma semântica ao modelo, (3) na interação entre diferentes conceitos associados ao processo de crescimento urbano, (4) na possibilidade de ampliação e integração de outros domínios de dados georreferenciados e abertos e (5) no tempo de execução inferior a 10 segundos para 70% das consultas espaciais. As contribuições em relação ao experimento com os usuários, considerado a interface web desenvolvida neste trabalho, encontram-se: (1) no fato de que a ferramenta atende as necessidades no tocante a geração e visualização espacializada de dados para 4 de 5 usuários, (2) na interação com dados georreferenciados de alvarás de funcionamento, divisa de bairros e ruas e (3) na visualização dos dados do ponto de vista histórico e espacial.
Abstract
The resulting urban expansion from the rapid development of cities is a major chal-lenge for sustainable development. Thus, the design of appropriate computational models that enable the simulation, spatialized visualization and analysis of the process of urban growth is critical. Neighborhood Management policies and types of urban growth are made up of equip-ment represented by different types of permits or concessions for opening and business ope-ration. Also for road systems, transportation systems, political and administrative boundaries, zoning and street layout. It can be demonstrated in a spatial database by (a) georeferenced open data, a term that characterizes human elements, demographic, socio-economic, infrastructure, environmental and historical conditions, (b) different geometries (point, line and polygon) and (c) use of spatial functions for topological relations, directional or metrics between devices. Construction and implementation of the proposed model in this paper are used the above items (a, b, c) and a set of questions prepared by experts in the planning area, identified as primordial concepts to urban growth area. In relation to the goal and modeling the most relevant con-tributions are: (1) the representation by means of a small set of primitives in a database with spatial extension, (2) the development of a vocabulary or assigning a semantic the model, (3) the interaction between different concepts associated with the process of urban growth, (4) the possibility of expansion and integration of other areas of georeferenced data and open and (5) in the lower run time to 10 seconds to 70% spatial queries. Contributions in relation to the experiment with users, considered the web interface developed in this work: (1) on the fact that the tool covers the needs as regards the generation and spatialized visualization of data for 4 of 5 users, (2 ) interacting with georeferenced data of business licenses, neighborhoods and streets boundary and (3) in the data visualization from the historical and spatial point of view.
Sumário
Resumo ix
Abstract xi
Lista de Figuras xviii
Lista de Abreviações xx Lista de Tabelas xx 1 Introdução 1 1.1 Motivação . . . 4 1.2 Justificativa . . . 4 1.3 Objetivo geral . . . 4 1.4 Objetivos específicos . . . 4 1.5 Hipótese . . . 5 1.6 Estrutura da dissertação . . . 5 2 Fundamentação Teórica 7 2.1 Geoprocessamento . . . 7
2.1.1 Aplicações para SIG . . . 20
2.1.2 Desafios . . . 21
2.2 Dados abertos . . . 22
2.2.1 Desafios . . . 25
2.3 Modelagem Computacional e Análise Exploratória . . . 25
2.3.1 Modelos e SIG . . . 26
2.3.2 Modelos de Crescimento Urbano . . . 29
2.3.3 Caracterização do cenário . . . 35 2.3.4 Simulação Computacional . . . 37 2.3.5 Análise Exploratória . . . 40 2.3.6 Desafios . . . 42 2.4 Trabalhos Correlatos . . . 42 2.4.1 SIG . . . 42
2.4.2 Modelos de dados em SIG . . . 46
2.4.3 Modelagem Computacional e Análise Exploratória . . . 50
2.4.4 Relação entre trabalhos correlatos e a dissertação . . . 51
2.5 Discussão . . . 55 xiii
3 Materiais e Métodos 57
3.1 Revisão bibliográfica . . . 57
3.2 Identificação de conceitos urbanísticos e primitivas computacionais . . . 57
3.2.1 Identificação de conceitos urbanísticos . . . 58
3.2.2 Identificação de primitivas computacionais . . . 59
3.3 Modelagem (conceitos e primitivas) . . . 59
3.4 Implementação do protótipo . . . 60
3.5 Avaliação do modelo . . . 61
3.6 Discussão do capítulo . . . 62
4 Arquitetura e Implementação 63 4.1 Mapeamento dos conceitos e primitivas . . . 63
4.1.1 Conceitos urbanísticos . . . 63
4.1.2 Primitivas computacionais . . . 65
4.2 Arquitetura . . . 66
4.2.1 Camada de consulta (web) . . . 66
4.2.2 Camada do SGBD com extensão espacial . . . 69
4.2.3 Questões levantadas por especialistas . . . 69
4.3 Implementação . . . 70
4.3.1 Software e Hardware utilizados . . . 70
4.3.2 Dados . . . 71
4.3.3 Implementação da camada de visualização . . . 79
4.3.4 Implementação da camada de banco de dados espacial . . . 80
4.3.5 Análise da visualização espacializada das questões . . . 85
4.3.6 Experimentos e avaliação dos usuários em relação a visualização espa-cializada das questões . . . 92
5 Conclusão e Trabalhos Futuros 99 Apêndice 109 A Busca de Latitude e Longitude 111 A.1 Formato do arquivo de entrada . . . 111
A.2 Codigo Java . . . 111
A.3 Formato do arquivo de saída . . . 115 B Agregação da Atividade Principal 117 C Comandos DDL para instanciar e carregar dados na tabela de alvarás 119 D TCLE, Questionário Inicial e Questionário Final 121 E Respostas as questões elaboradas 127 F Novas Funcionalidades 143
Lista de Figuras
1.1 Área do bairro Batel, em Curitiba, PR, Brasil, (Adaptada pelo autor). . . 2
1.2 Mapa do município de Curitiba. Adaptada de (IPPUC, 2015), pelo autor. . . 3
2.1 Tipos de mapas: a - mapa mundi (IBGE, 2015), b - representação de pon-tos(UTFPR e Jardim Botânico), c - Jogo simcity. . . 7
2.2 Representação latitude e longitude: a - representação da latitude, b - represen-tação da longitude (INPE, 2015) - (Adaptada pelo autor). . . 8
2.3 Geometrias: a - tipos de geometrias (OpenLink, 2015), b - Geometrias em um mapa, Fonte: O Autor, para este trabalho, 2016. . . 11
2.4 Representações: a - representação vetorial, b - representação matricial, c - trans-posição entre métodos - (Adaptada pelo Autor). . . 12
2.5 Tipos de camadas - sobreposição de pontos . . . 13
2.6 Camadas: a - divisa de bairros, b - arruamento, c - alvarás, d - três camadas sobrepostas, Fonte: O Autor, para este trabalho, 2016. . . 13
2.7 Visualização das diferentes formas da superfície da terra (UFF, 2015). . . 14
2.8 Projeção cartográfica: a - cilindro de posição transversa, b - sistema universal transversa de Marcator, c - fusos UTM brasileiros (UFF, 2015). . . 15
2.9 Exemplos de relações espaciais entre geometrias (INPE, 2015). . . 16
2.10 Arquitetura: a - arquitetura dual, b - arquitetura híbrida (INPE, 2015). . . 19
2.11 INDE: a - aplicação INDE, b - INDE PAC (INDE, 2015). . . 23
2.12 Mapa de funções espaciais: a - função espacial INDE (INDE, 2015), b - função espacial GoogleMaps (GoogleMaps, 2015). . . 24
2.13 Mapa da cidade de Chicago (Chicago, 2015). . . 24
2.14 Modelo de análise voltado a tuberculose: a - arquitetura, b - diagrama de classes (Dominkovics et al., 2011), (Adaptada pelo autor). . . 25
2.15 Fases na construção de um modelo (Drogoul, 1993). . . 27
2.16 Modelo de estado isolado (Grigg, 1984) - Tradução Livre. . . 30
2.17 Triângulo locacional de Weber (Rezende, 2015). . . 31
2.18 Modelo do lugar central - (Adaptada pelo autor). . . 31
2.19 Plano Agache e crescimento linear. . . 33
2.20 Zoneamento da cidade de Curitiba (IPPUC, 2015). . . 34
2.21 BR116 e mapa de Curitiba. Fonte: (Souza, 2001). . . 35
2.22 Moradias cohab: a - apartamentos cohab, b - terrenos cohab, c - faixa salarial (IPPUC, 2015). . . 37
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. . . 38
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). . . 43 2.25 Deslocamento espacial de veículo e emissão de poluentes, (Adaptada pelo autor). 45 2.26 Modelo conceitual (Jokar Arsanjani et al., 2013). . . 47 2.27 Funções urbanas: a funções urbanas, b tipos de interações espaciais, b.1
-função espacial para cálculo de distâncias, b.2 - limites georreferenciados (Bre-tagnolle and Pumain, 2010). . . 47 2.28 Construções por zonas: a - construções por zonas, b - distribuição novas
edifi-cações (Tu et al., 2005). . . 48 2.29 Espaço euclidiano: a - representação do espaço euclidiano, (Worboys and
Duckham, 2004), b - geometrias inseridas no espaço euclidiano, Fonte: O Au-tor, para este trabalho, 2016. . . 48 2.30 Abstração de geometrias e distância euclidiana: a - representação de
geome-trias, b - representação parcial de um mapa, c - distância geodésica, d - dis-tância de manhattan, e - disdis-tância euclidiana (Worboys and Duckham, 2004) (Adaptada pelo autor). . . 49 2.31 Exemplo de topologias (Correndo et al., 2010). . . 51 3.1 Etapas do método. Fonte: O Autor, para este trabalho, 2016. . . 57 3.2 Etapas operacionais do modelo. Fonte: O Autor, para este trabalho, 2016. . . . 62 4.1 Arquitetura proposta. Fonte: O autor, para este trabalho, 2016. . . 66 4.2 a - área para escolha de conceitos e b - área para visualização. Fonte: O Autor,
para este trabalho, 2016. . . 67 4.3 Modelo de dados. Fonte: O autor para este trabalho, 2016. . . 69 4.4 Composição do arquivo de alvarás. Fonte: (PMC, 2015). . . 71 4.5 Quantidade de registros por ano e por localidade no Centro de Curitiba.Fonte:
O autor, para este trabalho, 2016. . . 71 4.6 Quantidade de registros por ano e por localidade no bairro Batel. Fonte: O
autor, para este trabalho, 2016. . . 72 4.7 Quantidade de registros por ano e por localidade no bairro Tatuquara. Fonte: O
autor, para este trabalho, 2016. . . 72 4.8 Mapas com camadas: a - busca com dados incompletos, b - busca com dados
completos. Fonte: O autor, para este trabalho, 2016. . . 75 4.9 Sobreposição de camadas: a mapa do IPPUC, b mapa do Google Maps, c
-junção dos mapas (IPPUC e Google Maps) e identificação de inconsistência, d - GoogleMaps x IPPUC, e - OpenStreetMaps x IPPUC. Fonte: (GoogleMaps, 2015), (OpenStreetMap, 2015). . . 77 4.10 Consulta no banco de dados. Fonte: O Autor, para este trabalho, 2016. . . 77 4.11 Visualização no GoogleMaps de um ponto existente na camada_01 e não na
camada_02. Fonte: (GoogleMaps, 2015). . . 77 4.12 Chamada e retorno da API do google para um ponto georreferenciado, Fonte:
O Autor, para este trabalho, 2016. . . 78 4.13 Visualização Qgis e OpenStreetMaps. Fonte: (OpenStreetMap, 2015). . . 79 4.14 Visualização Qgis e GoogleMaps. Fonte: (GoogleMaps, 2015). . . 80
4.15 Navegação histórica entre os anos 1980 a 2013 referente ao número de estaci-onamentos no bairro Centro, em Curitiba. Fonte: O Autor, para este trabalho,
2016. . . 85
4.16 Navegação histórica entre os anos 1980 a 2013 referente ao número de estaci-onamentos no bairro Batel, em Curitiba. Fonte: O Autor, para este trabalho, 2016. . . 86
4.17 Navegação histórica entre os anos 1980 a 2013 referente ao número de estacio-namentos no bairro Tatuquara, em Curitiba. Fonte: O Autor, para este trabalho, 2016. . . 86
4.18 Quantidade de estacionamentos. . . 87
4.19 Tempo de execução: (a) Centro, (b) Batel e (c) Tatuquara. Fonte: O Autor, para este trabalho, 2016. . . 88
4.20 Quantidade de estacionamentos nos três bairros entre 1980 e 2013. Fonte: O Autor, para este trabalho, 2016. . . 89
4.21 Visualização antes e depois de 2012. Fonte: O Autor, para este trabalho, 2016. . 89
4.22 Tempo de execução. Fonte: O Autor, para este trabalho, 2016. . . 90
4.23 Quantidade de negócios. . . 90
4.24 Sobreposição de pontos. Fonte: O Autor, para este trabalho, 2016. . . 92
4.25 Questionário inicial. Fonte: O Autor, para este trabalho, 2016. . . 94
4.26 Questionário final. Fonte: O Autor, para este trabalho, 2016. . . 95
E.1 Visualização de restaurantes, papelaria e gráficas a 200 da Lumix Audio e Vi-deo. Fonte: O Autor, para este trabalho, 2016. . . 127
E.2 Visualização de papelarias a um raio maior que 200m. Fonte: O Autor, para este trabalho, 2016. . . 128
E.3 Quantidade de negócios. Fonte: O Autor, para este trabalho, 2016. . . 128
E.4 Tempo de execução: (a) restaurantes, (b) papelaria e (c) gráficas. Fonte: O Autor, para este trabalho, 2016. . . 129
E.5 Bares no bairro Batel. Fonte: O Autor, para este trabalho, 2016. . . 130
E.6 Tempo de execução - bares. Fonte: O Autor, para este trabalho, 2016. . . 130
E.7 Tipos de negócios a 200m da rua XV de Novembro. Fonte: O Autor, para este trabalho, 2016. . . 131
E.8 Quantidade de negócios. Fonte: O Autor, para este trabalho, 2016. . . 131
E.9 Tempo de execução. Fonte: O Autor, para este trabalho, 2016. . . 131
E.10 Indústrias a menos de 1Km da BR116. Fonte: O Autor, para este trabalho, 2016. 132 E.11 Todas as indústrias. Fonte: O Autor, para este trabalho, 2016. . . 132
E.12 Tempo de execução. Fonte: O Autor, para este trabalho, 2016. . . 133
E.13 Postos de combustível dentro de um raio de 300m de estabelecimentos de edu-cação (sinalizados em preto). Fonte: O Autor, para este trabalho, 2016. . . 134
E.14 Quantidade de negócios. Fonte: O Autor, para este trabalho, 2016. . . 134
E.15 Tempo de execução. Fonte: O Autor, para este trabalho, 2016. . . 135
E.16 Indústrias no bairro Tatuquara. Fonte: O Autor, para este trabalho, 2016. . . 136
E.17 Quantidade de indústrias e tempo de execução das consultas. Fonte: O Autor, para este trabalho, 2016. . . 138 E.18 Unidades de reciclagem no Tatuquara. Fonte: O Autor, para este trabalho, 2016. 138
E.19 Quantidade de unidades de reciclagem e tempo de execução das consultas. Fonte: O Autor, para este trabalho, 2016. . . 139 E.20 Distribuição de bares em um raio de 200 de unidades de serviço hospitalar.
Fonte: O Autor, para este trabalho, 2016. . . 140 E.21 Quantidade de negócios e tempo de execução das consultas. Fonte: O Autor,
para este trabalho, 2016. . . 140 E.22 Distribuição de escritórios. Fonte: O Autor, para este trabalho, 2016. . . 141 E.23 Quantidade de negócios e tempo de execução das consultas. Fonte: O Autor,
Lista de Tabelas
2.1 Dimensões dos objetos espaciais. . . 10
2.2 Relação topológica. . . 16
2.3 Relação métrica. . . 17
2.4 Relação direcional. . . 17
2.5 Detalhamento das funções espaciais. . . 18
2.6 Densidade Demográfica, adaptado de (IPPUC, 2015). . . 36
2.7 Trabalhos relacionados a geoprocessamento. Fonte: O autor, para este trabalho, 2016. . . 52
2.8 Trabalhos relacionados a modelos de dados e SIG. Fonte: O autor, para este trabalho, 2016. . . 53
2.9 Trabalhos relacionados a modelagem computacional, dados abertos e análise exploratória de dados. Fonte: O autor, para este trabalho, 2016. . . 54
4.1 Relação de conceitos associados ao processo de crescimento urbano. Fonte: O autor, para este trabalho, 2016. . . 64
4.2 Abstração das geometrias para os conceitos. . . 65
4.3 Mapeamento das funções espaciais (POSTGIS, 2015). . . 65
4.4 Questões aplicadas ao crescimento urbano. Fonte: O autor para este trabalho, 2016. . . 70
4.5 Exemplo de agregação da atividade principal. Fonte: O autor, para este trabalho, 2016. . . 73
4.6 Descritivo da agregação da atividade principal. Fonte: O autor, para este traba-lho, 2016. . . 73
4.7 Quantidade de Registros Carregados. Fonte: O autor, para este trabalho, 2016. . 74
4.8 Relação entre conceitos e primitivas. Fonte: O Autor, para este trabalho, 2016. . 81
4.9 Aplicação das consultas espaciais as questões. . . 84
4.10 Quantidade de restaurantes no entorno do shopping Pátio Batel. Fonte: O Autor, para este trabalho, 2016. . . 91
4.11 Log de execução. Fonte: O Autor, para este trabalho, 2016. . . 97
B.1 Descritivo da agregação da atividade principal. . . 117
E.1 Quantidade de papelarias em um raio maior que 200m. Fonte: O Autor, para este trabalho, 2016. . . 128
E.2 Aplicação das consultas espaciais sem índices as questões. Fonte: O Autor, para este trabalho, 2016. . . 133
E.3 Indústrias no bairro Tatuquara. Fonte: O Autor, para este trabalho, 2016. . . 137
E.4 Sobreposição de Pontos. Fonte: O Autor, para este trabalho, 2016. . . 142 xix
Lista de Abreviações
ACM Association for Computing Machinery AVM Adaptação do V para Modelagem
CAPEs Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CEASA Centrais de Abastecimento do Paraná S.A
CEI Centro de Educação Integral
CMAE Centro Municipal de Atendimento Especializado CMEI Centros Municipais de Educação Infantil
COHAB Companhia de Habitação Popular de Curitiba EDA Exploratory Data Analysis
ePING Padrões de Interoperabilidade de Governo Eletrônico FAA Federal Aviation Administration
GDAL Geospatial Data Abstraction Library GPS Sistema de Posicionamento Global
IBGE Instituto Brasileiro de Geográfica e Estatística IDE Integrated Development Environment
IEEE Institute of Electrical and Electronics Engineers
IPPUC Instituto de Pesquisa e Planejamento Urbano de Curitiba IPTU Imposto Predial e Territorial Urbano
INDE Infraestrutura Nacional de Dados Espaciais INPE Instituto Nacinal de Pesquisas Espaciais OGC Open Geospatial Consortium
PMC Prefeitura Municipal de Curitiba QGIS Quantum GIS
SAD Sistema Geodésico Regional para a América do Sul SDW Spatial Data Warehouses
SGBD Sistema Gerenciador de Banco de Dados SGR Sistemas Geodésicos de Referência SIG Sistema de Informações Geográficas
SIRGAS Sistema de Referência Geocêntrico para as Américas UTFPR Universidade Tecnológica Federal do Paraná
UGMPMs Urban growth prediction model UTM Universal Transversal de Mercator
Capítulo 1
Introdução
A visualização e análise de um processo de crescimento urbano (Long et al., 2013) pode ser realizada por uma simulação onde é possível executar uma transcrição de algo do mundo real para um modelo computacional, desde que considerada as condicionantes ou os diferentes fenômenos que atuam sobre as relações e os comportamentos de pessoas e ambiente. Para (Gilbert and Troitzsch, 2005) a simulação caracteriza-se como um tipo de modelagem simplificada em relação a detalhes e nível de complexidade e que conduz ao entendimento parcial do mundo real. A simulação (Coelho, 2008) é modelada para facilitar a manipulação, o questionamento, levantamento de hipóteses ou para representar fenômenos, como os aplicados ao processo de crescimento urbano. Já (Gilbert and Troitzsch, 2005) caracterizam a simulação como um pequeno laboratório no qual um grupo de pessoas, como os cientistas sociais, utilizam simulações em computadores para testar modelos teóricos e antecipar possíveis consequências de tais teorias em uma sociedade artificial.
Modelos como o da localização das atividades agrícolas proposto por Von Thunen em 1826 (Krugman et al., 2002), localização industrial de Weber em 1909 (Weber and Friedrich, 1929) e a teoria do lugar central de Christaller e Losch em 1933 (Christaller and Baskin, 1966) são exemplos de como se dá o processo de crescimento urbano.
O poder de representação de modelos em simulações permite atingir diferentes objeti-vos, entre eles: (a) avaliar e verificar de determinada teoria, modelo, hipótese, (b) compreender com o intuito de obter um conhecimento aprofundado de um determinado domínio, tal como o que envolve o processo de crescimento urbano (Inouye et al., 2015), (Edmonds B. and R., 2013).
O processo de crescimento urbano (Stevens et al., 2007) abrange: (a) diferentes ti-pos de objetos ou equipamentos (sistemas viários, sistemas de transporte, escolas, parques e hospitais), (b) as funções que tais objetos e equipamentos exercem (sociais ou de lazer), (c) lo-calização espacial, (d) interações existentes entre pessoas e objetos ou equipamentos (Coelho, 2008).
Considerando a abrangência do cenário de crescimento urbano depreende-se que este é um processo complexo no que se refere a modelagem computacional. Ou seja, pode-se uti-lizar a codificação de primitivas computacionais baseadas em geoprocessamento e tópicos re-lacionados tais como: sistemas de informação geográfica (SIG), banco de dados espaciais, e georreferenciamento de dados abertos (Chakraborty et al., 2015), com o intuito de permitir a representação de conceitos primordiais associados a processos de crescimento urbano e que possam ser visualizados de forma simplificada em um SIG.
A título de exemplificação, a Figura 1.1 apresenta o bairro Batel em uma distribuição espacial com diferentes tipos de objetos e equipamentos como unidades de ensino CMAE, CMEI, CEI, escolas municipais, estaduais e federais, unidades de saúde, hospitais, pontos de ônibus e oito pontos de análise do processo de crescimento urbano. Na Figura 1.1 os pontos 10-17 representam locais onde foram analisados dados de ruídos. Observa-se que os pontos 12,13,15 e 16 localizam-se próximos a pontos de ônibus e os pontos 10-12, 14 e 17 concentram-se próximos a instituições de ensino. Obconcentram-serva-concentram-se ainda que a região é cercada por hospitais. As diferentes localizações espaciais de objetos e equipamentos representados pela geometria do tipo ponto ou geometria do tipo linha permitem representar a geometria do tipo polígono em linhas vermelhas. Observe que a porção do bairro contida entre as linhas em vermelho sofre uma alta incidência de ruídos.
Figura 1.1: Área do bairro Batel, em Curitiba, PR, Brasil, (Adaptada pelo autor). Nesta dissertação, busca-se demonstrar que primitivas computacionais existentes em banco de dados espaciais como ponto, linha e polígono e funções espaciais representam com-putacionalmente conceitos associados ao processo de crescimento urbano.
O processo de crescimento urbano envolve conceitos estabelecidos por especialistas na área e também possuem particularidades dadas pela história de cada cidade, neste caso Cu-ritiba. Com o crescimento populacional em Curitiba, iniciou-se o processo de hierarquização da cidade, representada pela divisão dos locais de moradia conforme classe social e atividades econômicas. No início do século XX, áreas como a do bairro Rebouças foram destinadas a fábricas e do bairro Portão a moradias de operários.
Entre os anos de 1941 e 1943 foi definido o plano Agache (PMC, 2015) que adotou um sistema radial de vias ao redor do centro da cidade definindo áreas específicas para habitação, serviço, indústrias e a reestruturação viária, resultando em 1953 o surgimento da primeira lei de zoneamento de Curitiba.
Em 1965 foi elaborado um novo plano com uma concepção linearizada de cresci-mento, composta por eixos estruturais e fundamentada no tripé Uso do Solo, Transporte e Sis-tema Viário. Assim, o crescimento deveria acontecer em novos centros lineares denominados eixos estruturais, como o eixo de integração e desenvolvimento metropolitano conhecido como BR-116.
No contexto do processo de crescimento urbano de Curitiba é possível observar o conceito de objeto ou equipamento exemplificado através de ruas, bairros a razão social de um estabelecimento. O conceito de tipo de negócio ou tipo de alvará, conceito de expansão exem-plificado pela distribuição espacial ou radial de um alvará, conceito de zoneamento e conceito de existência, exemplificado pela existência de um tipo de alvará dentro de um bairro.
Resultando em benefícios como visualização espacializada de equipamentos ao longo do tempo, integração de diferentes domínios de dados, georreferenciamento de dados, interação simplificada entre os usuários e o modelo proposto.
O cenário abrange a liberação de dados de alvarás concedidos aos bairros Centro, Batel e Tatuquara, localizados na cidade de Curitiba, estado do Paraná, entre os anos de 1980 a 2013. A escolha dos bairros foi feita com vistas a analisar os dados em uma linha cronológica a partir da data de criação. A localização geográfica dos três bairros é apresentada na Figura 1.2.
1.1
Motivação
O rápido desenvolvimento das cidades tem sido um tema interessante e bastante discu-tido. Tecnologia, políticas de gestão, sistemas viários, sistemas de transporte, limites políticos e administrativos, diferentes tipos de negócios e outros aspectos se inter-relacionam e se mis-turam para que seja possível construir um todo coerente, ou uma cidade mais inteligente. Seja para melhorar questões de segurança pública, criar novas oportunidades de trabalho, minimizar o índice de congestionamento, disponibilizar mais áreas verdes na cidade ou permitir a abertura de novos negócios por meio de alvarás.
Nesta dissertação, a utilização de dados referentes a alvarás se dá justamente para permitir a criação de um modelo no qual seja possível visualizar de forma espacializada e ao longo do tempo o processo de crescimento urbano relacionado a alvarás. Permitindo assim que pessoas ligadas ao segmento de urbanismo ou áreas afins, possam simular, visualizar e analisar os dados apresentados e como consequência, abstrair informações que julguem interessantes e necessárias para o processo de desenvolvimento econômico e para a melhoria da qualidade de vida dos cidadãos.
1.2
Justificativa
A expansão urbana resultante do rápido progresso das cidades é um grande desafio para o desenvolvimento sustentável. Para tanto, é necessária a concepção de um modelo baseado em primitivas computacionais (geometrias, funções espaciais e relacionamentos espaciais) em banco de dados espacial aplicados a conceitos associados ao processo de crescimento urbano.
O modelo proposto permite o armazenamento de sequências de escolhas de conceitos que podem em trabalhos futuros, ser utilizadas em processos de análise exploratória de dados ou para o aprendizado por algoritmos a partir de determinas sequências de escolhas. Também a adaptação e inclusão de novos domínios de dados, expandindo assim as possibilidades de simulações.
1.3
Objetivo geral
Modelar, ou, codificar primitivas computacionais associadas a SIG e que representem conceitos relacionados ao processo de crescimento urbano.
1.4
Objetivos específicos
Os objetivos específicos da dissertação são:
1. Identificar os conceitos associados ao processo de crescimento urbano;
2. Selecionar um subconjunto de conceitos a serem representados computacionalmente; 3. Identificar e selecionar primitivas computacionais associadas a GIS em banco de dados
espacial para representar os conceitos de crescimento urbano; 4. Implementar um protótipo; e
5. Avaliar o modelo desenvolvido tomando como base (1) a perspectiva de expressividade, ou seja, o modelo consegue representar um conjunto de perguntas associados ao processo de crescimento urbano e (2) usabilidade, ou seja, a avaliação dos usuários em relação a utilização do modelo.
1.5
Hipótese
As primitivas computacionais (geometrias e funções espaciais) existentes em um banco de dados espacial permitem a adaptação e representação de conceitos (objeto ou equipa-mento, expansão, tipo do negócio, zoneamento e existência) associados ao processo de cresci-mento urbano.
1.6
Estrutura da dissertação
O Capítulo 2 aborda a fundamentação teórica sobre geoprocessamento em relação a utilização de SIG e aspectos relacionados a banco de dados com extensão espacial. Este ca-pítulo também aborda aspectos relacionados a modelagem computacional aplicada a processos de simulação e modelos teóricos de crescimento urbano. O capítulo 3 relata a metodologia e os materiais utilizados. O capítulo 4 apresenta a arquitetura proposta e as etapas desenvolvidas durante a implementação. O capítulo (5) apresenta as considerações finais e vislumbra aspec-tos que podem ser abordados em trabalhos futuros. Encerrando o trabalho são apresentados materiais adicionais no apêndice.
Capítulo 2
Fundamentação Teórica
Este capítulo aborda a fundamentação teórica relacionada a geoprocessamento, mo-delagem computacional e análise exploratória de dados.
2.1
Geoprocessamento
Inseridas no contexto do século XX, pessoas são expostas diariamente a um conjunto de informações geográficas que influenciam a forma como tomam decisões. A utilização de mapas, como demonstrado na Figura 2.1-a, permite referenciar geograficamente diferentes lo-calidades. Outra perspectiva, como visto na Figura 2.1-b, utiliza aplicações como Google Maps (GoogleMaps, 2015)1 para observar dois pontos, UTFPR e Jardim Botânico, localizados em Curitiba. Já na Figura 2.1-c é possível observar a imagem virtual do jogo SimCity SimCity (ElectronicArts, 2015)2, onde o jogador está inserido em um mapa e precisa construir e distri-buir geograficamente diferentes objetos.
O processo de tomada de decisão, baseado nestes exemplos, aplica-se ao cotidiano de pessoas que utilizam informações geográficas associadas ao conceito de geoprocessamento e que constroem uma visualização virtual do mundo para aprendizado, locomoção, consumo de serviços ou para entretenimento.
Figura 2.1: Tipos de mapas: a - mapa mundi (IBGE, 2015), b - representação de pontos(UTFPR e Jardim Botânico), c - Jogo simcity.
1Serviço de pesquisa e visualização de mapas e imagens de satélite da Terra fornecido pela Google 2é um jogo de simulação com o objetivo básico de criar e administrar uma cidade
Geoprocessamento
Geoprocessamento é qualquer operação em um Sistema de Informação Geográfica -SIG utilizada para manipular dados (Zhao et al., 2012) e que abrangem etapas como aquisição, análise, armazenamento, exibição e distribuição de informações utilizando SIG (INPE, 2015). Segundo Xavier (Xavier, 2015), o geoprocessamento caracteriza-se como um conjunto de téc-nicas computacionais que opera sobre bases de dados georreferenciadas para as transformar em informação.
Assim, o geoprocessamento permite definir, gerenciar e analisar informações geográ-ficas por um processo de entrada, processamento e saída de dados com o objetivo de dar suporte a processos de análise e tomada de decisão. Áreas como análise de transporte, energia e pla-nejamento urbano utilizam geoprocessamento para obter informações adequadas à tomada de decisões sobre problemas urbanos.
Sistema de Informações Geográficas
A representação de pontos sobre a superfície terrestre e sua posterior localização é obtida utilizando um sistema de coordenadas geográficas representada pela latitude e longitude (INPE, 2015).
Como ilustra a Figura 2.2-a, a latitude é a distância do Equador medida ao longo do meridiano de Greenwich, onde a linha horizontal central em preto representa o paralelo do Equador e as linhas em vermelho a representação de um ponto em graus negativos ao sul. As linhas em azul representam graus positivos com posicionamento de um ponto ao norte.
Como ilustra a Figura 2.2.-b, a longitude é medida ao longo do Equador e repre-senta a distância entre um ponto e o Meridiano de Greenwich, onde a linha vertical central em preto demarca o meridiano e as linhas em vermelho a representação em graus negativos com posicionamento de um ponto a oeste. As linhas em azul representam graus positivos com posicionamento de um ponto a leste.
Figura 2.2: Representação latitude e longitude: a - representação da latitude, b - representação da longitude (INPE, 2015) - (Adaptada pelo autor).
A representação e localização de qualquer ponto na terra através da latitude e lon-gitude caracteriza-se como uma informação georreferenciada e pode ser obtida utilizando um SIG.
Um SIG caracteriza-se como uma tecnologia que utiliza a infraestrutura de hardware e software para transformar, sintetizar, pesquisar, editar e visualizar informações disponíveis em banco de dados georreferenciado e que referenciam diferentes locais no espaço geográfico ou na superfície da terra. Segundo (Longley et al., 2005) um SIG está preocupado com a des-crição, explicação e previsão de padrões e processos em escalas geográficas, controla eventos, atividades e coisas e também se preocupa com a localização de onde esses eventos, atividades e coisas aconteceram ou existem. Já para (Huisman and By, 2009) um SIG caracteriza-se como um sistema de computador que fornece suporte ao estudo de fenômenos naturais ou provocados pelo homem e que fornecem uma localização explícita no espaço.
As informações georreferenciadas fazem parte do cotidiano e estão relacionadas a en-tidades como documentos, fotos, vídeos e mapas e possuem características como: a) localização geográfica ou latitude e longitude, (b) relacionamentos espaciais, (c) atributos temáticos apli-cados a medidas como largura de uma estrada ou um rio e (c) armazenamento das informações georreferenciadas em um banco de dados espacial.
Banco de Dados Espacial
O termo banco de dados espacial (Güting, 1994) é utilizado quando os dados armaze-nados possuem características espaciais que descrevem, por exemplo, a localização no espaço, forma de representação como ponto, linha ou polígono, permitindo a realização de operações para manipular estes objetos espaciais.
Um Sistema Gerenciador de Banco de Dados (SGBDs) (Ramakrishnan and Gehrke, 2008) é um software que permite gerenciar um banco de dados em relação ao processo de definição, construção, manipulação e manutenção de toda a sua estrutura.
Um SGBD com extensão espacial, abrange características que descrevem os tipos de dados espaciais em seu modelo de dados, linguagem de consulta específica, suporta tipos de dados espaciais em sua implementação, fornece algoritmos de indexação espacial e funções especificas para manipular objetos espaciais.
Entre os exemplos de SGBDs que possibilitam trabalhar com dados espaciais, pode-mos citar:
• Oracle Spatial (Oracle, 2015) extensão do Oracle Database 11g, Enterprise Edition e que permite o gerenciamento de dados espaciais, incluindo dados do tipo raster e ve-tor. Possui as seguintes vantagens: compatibilidade com o método de armazenamento e gerenciamento de dados espaciais chamado pelo consórcio OpenGIS de geodatabase system; permite integração com diversas tecnologias e aderente ao OGC3;
• PostGIS (POSTGIS, 2015) extensão integrada ao PostgreSQL, um banco de dados do tipo relacional. O PostGIS fornece suporte a objetos geográficos permitindo consultas em SQL. Também adiciona tipos de dados como raster e vetor. Ele também adiciona funções, operadores e melhorias de índice. Estas funções aumentam o poder do SGBD
3Open Geospatial Consortiumé um consórcio da indústria internacional composta por 514 empresas, agências governamentais e universidades que participam de um processo de consenso para desenvolver padrões de interface para permitir a interoperabilidade entre tecnologias de geoprocessamento (Consortium, 2015)
PostgreSQL/PostGIS tornando-o um banco de dados espacial robusto. Vantagens: com-patível com os padrões OGC; oferece suporte ao uso de índices espaciais e centenas de recursos para análise e tratamento da informação espacial (+ de 890 na versão 2.0 do PostGIS); integração com SIG e WebGIS; e
• DB2 Spatial Extender (DB2, 2015) é um recurso integrado ao banco de dados DB2 que fornece um conjunto de tipos de dados espaciais avançados que representam geometrias, como pontos, linhas e polígonos e muitas outras funções e características que interagem com esses tipos de dados. Esses recursos permitem a integração de informações espaci-ais com dados de negócios, adicionando outro elemento de inteligência para o banco de dados. DB2 Spatial Extender implementa tipos e funções definidas pela ISO SQL / MM o que permite aumentar o poder das consultas em SQL para análise de dados espaciais. Vantagens: Implementa tipos e funções definidas pelo ISO SQL / MM e Open Geospatial Consortium (OGC); trabalha com WKT, WKB, GML, ESRI.
Tipos de Dados
Os dados georreferenciados armazenados em um banco de dados dispõem de uma dimensão espacial associada: (a) a uma localização na superfície terrestre e (b) a um período de tempo (Camara et al., 1996). As características dos dados podem ser do tipo espacial, não espacial e temporal. Já as dimensões dos dados podem variar de 0 a 3, conforme descrito na Tabela 2.1.
• Dados espaciais: referem-se à posição geográfica e a geometria (Dangermond, 1990); • Dados não espaciais: referem-se a informações alfanuméricas e numérica inteira ou real
(Medeiros and Pires, 1994); e
• Dados temporais: referem-se a características de tempo ou validade dos dados (Laurini and Thompson, 1992).
Tabela 2.1: Dimensões dos objetos espaciais.
Dimensão Tipo Descrição
0d ponto objeto com posição no espaço sem comprimento
1d linha objeto que contém comprimento, composto por 2 ou mais objetos do tipo 0d
2d polígono objeto com comprimento e largura, limitado a pelo menos 3 objetos do tipo 1d
3d volume objeto com comprimento, largura e altura, limitado a pelo menos 4 objetos do tipo 2d
Tipos de Geometrias
As geometrias (Consortium, 2015) identificam o tipo do elemento em um banco de dados espacial. Exemplificando, uma edificação pode ser representada por um ponto, uma estrada por uma linha, ou um bairro por um polígono. A Figura 2.3-a demonstra alguns dos tipos de geometrias. A Figura 2.3-b exibe parte de um mapa onde podem ser observados os pontos como círculos vermelhos representando edificações comerciais, a linha em vermelho formando um polígono fechado revela a área de um bairro e na cor cinza as linhas ou múltiplas linhas demonstrando as ruas do bairro.
Figura 2.3: Geometrias: a - tipos de geometrias (OpenLink, 2015), b - Geometrias em um mapa, Fonte: O Autor, para este trabalho, 2016.
• Ponto: geometria que representa uma única localização no espaço, formada por um par de coordenadas (x, y). Exemplificando, em um mapa de uma cidade uma universidade ou um hospital representam um ponto georreferenciado. Pelo georreferenciamento é possível determinar, por exemplo, distâncias a outros pontos, verificar se o ponto está contido em uma determinada área, ou se uma rodovia passa em frente ao ponto;
• Linha: segmento de linha composta por dois pontos. Exemplificando, em um mapa de uma cidade uma rodovia ou uma avenida reproduzem múltiplas linhas compostas por pontos georreferenciados. Por meio do georreferenciamento da linha é possível determi-nar, por exemplo, o comprimento da linha, se a linha atravessa uma determinada área ou se mais de uma linha se transpõe formando um cruzamento entre rodovias;
• Polígono: região do plano limitada por um conjunto de linhas poligonais que estão conec-tadas, sendo que o último ponto de uma linha seja o mesmo que o primeiro da próxima linha, formando assim duas regiões, uma interna as linhas e outra externa. Exemplifi-cando, em um mapa de uma cidade os limites políticos ou administrativos que formam um bairro são definidos por um polígono, sendo possível calcular a área de um bairro, o ponto centroide do bairro;
• Múltiplos pontos: coleção geométrica onde os elementos são pontos não conectados ou não ordenados. Exemplificando, em uma cidade, vários pontos podem representar todas as unidades de saúde existentes;
• Múltiplas linhas: composto por múltiplas linhas. Exemplificando, a malha viária com-posta por ruas, rodovias e ciclovias formam um conjunto de múltiplas linhas;
• Múltiplos polígonos: composto por múltiplas superfícies onde os elementos são polígo-nos. Exemplificando, um conjunto delimitado de bairros formam vários polígonos; e • Coleção de geometrias: coleção de uma ou mais geometrias. Exemplificando, em um
mapa de uma cidade temos múltiplos polígonos formados pelos diversos bairros, múl-tiplas linhas formadas pela malha viária e múltiplos pontos formados por unidades de saúde, escolas e outros.
Tipos de Representação
Uma representação é uma idéia de como as pessoas concebem o mundo, sendo possí-vel transportar o mundo real para o conceito de dados georreferenciados utilizando a represen-tação matricial, ou raster, e vetorial (Huisman and By, 2009), (Longley et al., 2005).
O método vetorial, como ilustra a figura 2.4-a, utiliza formas geométricas básicas como pontos, linhas ou polígonos. Os pontos são representados por um par de coordenadas, as linhas por uma sequência de pontos e os polígonos por uma série de linhas. Cada um destes elementos dispõem de coordenadas (latitude e longitude) que os associam a uma localização na Terra.
O método matricial, ou raster, é composto por imagens de satélite ou fotografias aéreas em que à superfície, ou terreno, é representado por uma matriz de células M (i, j) de tamanho regular formada por i colunas e j linhas. Cada célula ou pixel tem um conjunto de valores associados e estes demonstram características geográficas (Botelho, 1995). As células podem assumir formatos triangulares, hexagonais ou retangulares. O termo raster refere-se a células regulares (Camara et al., 1996) e o termo matricial ao formato de matriz, conforme Figura 2.4-b.
Uma forma de visualizar a transposição entre os dois métodos é apresentada na Figura 2.4-c.
Figura 2.4: Representações: a - representação vetorial, b - representação matricial, c - transpo-sição entre métodos - (Adaptada pelo Autor).
Camadas
Os conjuntos de dados geográficos, raster ou vetorial, podem ser visualizados em um SIG por uma ou mais camadas. Cada camada faz referência a um conjunto de dados específicos ou áreas de interesse que contém dados espaciais e representam uma coleção de objetos do mesmo tipo, como solo, estradas e linhas de serviço público (ESRI, 2015).
Cada camada é georreferenciada e a sobreposição de camadas tem o intuito de repre-sentar um modelo do mundo real. Observando a Figura 2.5-a é possível identificar na parte superior a camada que apresenta uma visão do mundo real, composta por outras camadas: (a) linhas de serviço público, (b) estradas e demais construções, (c) fotografia aérea. Todas as camadas sobrepostas estão relacionadas ao assunto alusivo a planta urbana de uma cidade.
A sobreposição pode ocorrer quando mais de um ponto apresenta o mesmo georrefe-renciamento (latitude e longitude), mesmo que pertençam a equipamentos (tipos de negócios)
distintos. A Figura 2.5-b expõe a visualização de diversos pontos, no entanto observa-se a exis-tência de pontos que possuem mais de um ponto sobreposto (sinalizados com uma cruz em vermelho). Trabalhos como o de (Bernard et al., 2003) abordam a utilização de matchmaking algorithmse quality degree para identificação prévia de pontos sobrepostos, gerando uma com-binação de medidas sobre a qualidade de dados em informações georreferenciadas, correção espacial e temporal.
(a) Camadas: tipos de camadas (Californi-aMapSociety, 2015) - (Adaptada pelo Au-tor).
(b) Sobreposição de pontos georreferenci-ados
Figura 2.5: Tipos de camadas - sobreposição de pontos
A Figura 2.6 apresenta a visualização em um SIG de três camadas sobrepostas que geram parcialmente um mapa da cidade de Curitiba. A Figura 2.6-a evidencia a camada de divisa de bairros, ou seja, os limites. A Figura 2.6-b demonstra a camada de arruamento, ou seja, todas as linhas que formam as ruas. A Figura 2.6-c indica a camada composta por todos os pontos de alvarás georreferenciados. Por último, a Figura 2.6-d retrata a sobreposição de todas as camadas, o que resulta no mapa parcial da cidade de Curitiba.
Figura 2.6: Camadas: a - divisa de bairros, b - arruamento, c - alvarás, d - três camadas sobre-postas, Fonte: O Autor, para este trabalho, 2016.
Tipos de Formatos
Por meio de mapas e com um plano ou projeção é possível retratar, de forma aproxi-mada, aspectos geográficos, naturais ou culturais, que relacionam pontos na superfície terrestre. No entanto, a superfície terrestre é totalmente irregular; não há definições matemáticas que re-alizem uma representação sem deforma-lá, conforme apresentado na Figura 2.7. Nesta figura
são apresentadas três formas de representação da superfície terrestre. Geoide, representa a su-perfície real da terra; esferoide, possui uma representação aproximada e elipsoide a que mais se aproxima da forma real da terra.
Figura 2.7: Visualização das diferentes formas da superfície da terra (UFF, 2015). Para que seja possível representar a superfície terrestre em um plano ou mapa é neces-sário utilizar a representação geométrica e matemática de uma esfera, que se caracteriza como um modelo simplificado e muito distante da realidade. A representação dos elementos não con-diz exatamente com as formas reais, a posição espacial real e a gerada através de um satélite, por exemplo em relação a um ponto. Por consequência, para a elaboração de um mapa é necessário delimitar a superfície de referência ou a área que se pretende georreferenciar. Sendo necessário (1) as dimensões da elipsoide de referência melhor adaptado à localidade que se pretende ma-pear; (2) a orientação no espaço; (3) a origem do sistema de coordenadas geodésicas na qual a superfície é referenciada. Assim é possível definir o DATUM HORIZONTAL, ou seja, um modelo matemático teórico que representa a superfície da terra.
Em síntese o DATUM, do latim dado, refere-se a uma interpretação dos valores das coordenadas do plano ou da representação da superfície da terra por um sistema de referência espacial. Exemplificando têm-se o DATUM ou Sistemas Geodésicos de Referência - SGR, Córrego Alegre, Astro Datum Chuá, Sistema Geodésico Regional para a América do Sul - SAD 69. O DATUM SAD 69 tem a sua definição ou orientação topocêntrica, o ponto de origem e orientação estão na superfície terrestre e as redes de referência utilizadas para levantamento são as clássicas (triangulação e poligonação). O DATUM SIRGAS2000 se baseia na orientação geocêntrica, adota um referencial que tem a origem dos seus três eixos cartesianos localizados no Centro de massa da Terra e as redes de referência utilizadas para levantamento referem-se aos sistemas globais de navegação por satélite - GNSS (IBGE, 2015).
Após definido a forma de representação, levando em consideração o DATUM, faz-se necessário definir a forma de exibição da projeção cartográfica para representar a superfície ter-restre sobre um plano. Para tal utiliza-se um sistema de coordenadas cartesianas composto por dois eixos um horizontal ou das abscissas denominado latitude e outro vertical ou das ordenadas designado longitude. A interseção dos dois eixos corresponde a um ponto que é representado por um par (x, y).
O sistema Universal Transversa de Mercator – UTM pode ser utilizado para visuali-zação das coordenadas de um plano. As coordenadas são identificadas por um ponto através do sistema de projeção cartográfica Figura 2.8-a. O sistema é formado por 60 fusos de 6 graus de longitude numerados a partir do antimeridiano de Greenwich, como ilustra a Figura 2.8-b
(UFF, 2015). Outra característica do UTM é que cada fuso tem uma nomenclatura, assim para localizar um ponto é necessário saber os valores das coordenadas e o fuso, Figura 2.8-c.
Outra forma de visualização se dá através do sistema de coordenadas geográficas, utilizando a latitude, definida como a distância ao Equador medida ao longo do meridiano de Greenwich, Figura 2.2-a e a longitude, considerada a distância ao meridiano de Greenwich medida ao longo do Equador, Figura 2.2-b.
Figura 2.8: Projeção cartográfica: a - cilindro de posição transversa, b - sistema universal trans-versa de Marcator, c - fusos UTM brasileiros (UFF, 2015).
Relacionamentos Espaciais
As geometrias, pontos, linhas ou polígonos utilizados para representar um objeto do mundo real e a forma em que são armazenadas em um banco de dados georreferenciado esta-belecem as relações espaciais entre diferentes elementos geográficos (Green, 1988). A partir da geometria é possível mensurar características como comprimento, sinuosidade de uma linha, área e perímetro para polígonos ou conectividade, proximidade ou interseção entre elementos, utilizando um conjunto de funções espaciais que permitem identificar relações espaciais entre geometrias.
As relações espaciais (Borges, 2006), (Freeman, 1975), (Engenhofer and Herring, 1990), (Feutchwanger, 1993), (Clementine et al., 1993), (INPE, 2015) foram agrupadas nas seguintes categorias: topológicas, métricas e direcionais.
1. Relações Topológicas: indicam relações de adjacência, estar contido e conectividade. A relação de adjacência descreve objetos com um limite em comum. A relação de estar contido descreve objetos contidos dentro de outros. A relação de conectividade descreve ligações entre objetos. A Tabela 2.2 apresenta alguns exemplos de relações topológicas. A Figura 2.9 apresenta as restrições de relacionamentos topológicos entre geometrias do tipo ponto, linha e polígono.
Tabela 2.2: Relação topológica.
Conceito Definição Exemplificação
Está contido utilizado para determinar se um
objeto está contido em outro
Disjunto utilizado para determinar o não
contato entre os objetos
Toca utilizado para determinar se
existe um ponto (x,y) em comum entre objetos
Sobrepõe utilizado para determinar se um
objeto, ou sua geometria, sobre-põe outro objeto, no caso para relações entre polígonos
Figura 2.9: Exemplos de relações espaciais entre geometrias (INPE, 2015).
2. Relações Métricas: expressam propriedades espaciais mensuráveis e quantitativas como distâncias, área, comprimento e perímetro, demonstradas na Tabela 2.3.
Tabela 2.3: Relação métrica.
Conceito Definição Exemplificação
Distância utilizado para
de-terminar a distân-cia, geodésica,
ma-nhattan ou
euclidi-ana entre objetos
3. Relações Direcionais: expressam orientação como norte, sul, leste, oeste, acima e abaixo, demonstradas na Tabela 2.4.
Tabela 2.4: Relação direcional.
Conceito Definição Exemplificação
Direção utilizado para
determinar
loca-lização espacial
entre objetos
A compreensão das relações topológicas entre entidades geométricas é muito impor-tante em análise espacial por permitir responder a questões como: (a) quais são os estados da federação que não fazem fronteira/disjunto com o Distrito Federal; (b) quais os estados que fazem fronteira/tocam com o Distrito Federal; (c) quais os hospitais mais próximos/perto de um Centro urbano; (d) quais os bairros que ficam entre duas rodovias federais; (e) qual avenida cruza os limites legais de um bairro ou (f) quais rodovias federais atravessam determinadas regiões.
Quando objetiva-se o armazenamento, recuperação, atualização e consulta de cole-ções de feicole-ções espaciais ou conjunto de dados espaciais o entendimento das relacole-ções topológi-cas é necessário à utilização das funções espaciais disponíveis em banco de dados espacial.
As funções espaciais desempenham um importante papel dentro do processo de ex-tração das informações em um SGBD espacial como o PostgreSQL e sua extensão espacial Postgis.
A Tabela 2.5 apresenta um grupo de funções espaciais, uma descrição e a visualização da relação entre a função e diferentes geometrias (ponto, linha e polígono).
Tabela 2.5: Detalhamento das funções espaciais.
Função espacial
Descrição Aplicação
ST_Distance responsável por retorna a
dis-tância entre duas geometrias em unidades projetadas ou unidade métrica.
ST_Crosses Retorna True se as geometrias
fornecidas têm pelo menos um, mas não todos os pontos em co-mum
ST_Contains Retorna True se e somente se
não há pontos de B fora de A e pelo menos um ponto de B está em A
Arquitetura
A arquitetura, dual ou híbrida, define a forma como os dados espaciais e não espaciais são armazenados em um banco de dados.
A arquitetura dual (INPE, 2015), Figura 2.10-a, apresenta o armazenamento de dados espaciais e não espaciais em repositórios de dados distintos e que possibilita um processamento distinto em relação aos dados.
A arquitetura híbrida (INPE, 2015), Figura 2.10-b, demonstra o armazenamento de dados espaciais e não espaciais no mesmo repositório, tornando o controle e manipulação de todos os elementos em conjunto simplificados se comparado a arquitetura dual.
Padrões
O Open Geospatial Consortium - OGC tem como missão avançar no desenvolvimento e utilização de normas internacionais e serviços de apoio que promovam a interoperabilidade aeroespacial em ambientes de acesso livre (Consortium, 2015).
O constante intercâmbio de informações entre diferentes sistemas demanda um pro-cesso e uma interface de comunicação para que as informações sejam disponibilizadas na forma de serviços. Basicamente as aplicações que consomem serviços necessitam apenas conhecer a interface e o protocolo de como enviar uma requisição. A abordagem com a utilização de
servi-Figura 2.10: Arquitetura: a - arquitetura dual, b - arquitetura híbrida (INPE, 2015). ços é conhecida como Service Oriented Architecture SOA (Group, 1995) e alguns dos padrões utilizados atualmente são os webservices definidos pela W3C como SOAP, WSDL E UDDI. O OGC estabelece padrões para WebServices voltados à informação cartográfica, permitindo assim a criação de softwares que realizam a integração de dados (Consortium, 2015).
A lista abaixo apresenta alguns padrões estabelecidos pela OCG.
1. Simple Feature for SQL: o objetivo é definir um padrão SQL para dar suporte ao armaze-namento, recuperação, consulta, análise e atualização de coleções de feições simples; 2. Coordinate Transformation Service: padrão para software para especificar e acesso aos
serviços de transformação de coordenadas para uso em dados espaciais especificados; 3. GeoAPI: interface de programação de aplicativo linguagem Java (API), incluindo um
conjunto de tipos e métodos que podem ser utilizados para a manipulação de informação geográfica;
4. Well-known text (WKT): linguagem de marcação de texto para representar diferentes tipos de geometrias; e
5. Well-known binary (WKB): versão em formato binário utilizada para armazenar diferen-tes tipos de geometrias em banco de dados.
6. WFS: Web Feature Service padrão de WebService que fornece dados no formato GML permitindo operação de consulta, inserção, deleção e edição sobre os dados espaciais permitindo maior interatividade, ou seja, consulta e edição de dados.
7. WMS: Web Map Services padrão de WebService que fornece mapas digitais na forma de imagens, ou seja, uma representação visual dos dados espaciais, onde o cliente requisita informações para o servidor e este responde ao cliente. A similaridade com o WFS, é que retorna mapas e não dados relativos às feições;
8. KML: Keyhole Markup Language padrão da OGC é uma extensão de um XML base-ada em tags, no entanto depende de outros padrões para gerar a visualização de dados geográficos, pois dependem de um serviço WMS. O KML é utilizado pelo Google nas aplicações Google Earth e Google Maps; e
9. GML: Geography Markup Language é uma gramática XML escrita sobre um esquema XML para a descrição de esquemas, transporte e armazenamento de informações geo-gráficas. (Consortium, 2015). A especificação da GML provê padrões para (a) geração de framework com o intuito de definir esquemas e objetos de aplicações e (b) suporte a descrição de esquemas, armazenamento e transporte de dados entre aplicações.
Um documento GML composto por um esquema GML permite a usuários e desenvolvedores descrever conjuntos de dados geográficos genéricos que contêm geometrias como pontos, linhas e polígonos.
2.1.1
Aplicações para SIG
Atualmente, diversas bibliotecas e softwares para geoprocessamento estão disponíveis e uma breve relação é apresentada abaixo:
• GDAL Geospatial Data Abstraction Library (GDAL, 2015) padrão OGR: biblioteca de tradução para dados no formato raster com licença open source que suporta diversos formatos de imagens;
• MultiSpec (GDAL, 2015): software de tratamento de imagens com licença gratuita e que permite análise de dados de imagem multiespectrais e hiperespectrais;
• SPRING (Sistema de Processamento de Informações Geográficas) (INPE, 2015): soft-ware com funções de processamento de imagens, análise espacial, modelagem numérica de terreno e consulta a bancos de dados espaciais com foco em aplicações em áreas como planejamento urbano e regional. Apresentam vantagens como a facilidade de aprendiza-gem, ambiente unificado de geoprocessamento e um mecanismo de difusão do conheci-mento para os usuários;
• MapServer (MapServer, 2015): aplicação de código aberto que tem como vantagens a flexibilidade no desenvolvimento de aplicações para SIG em ambiente WEB; suporta formatos como Shapefiles e outros; suporta dados matriciais e vetoriais;
• GRASS (GRASS, 2015): software livre utilizado no gerenciamento de dados, processa-mento de imagem, produção gráfica, modelagem espacial e visualização de vários tipos de dados;
• QGIS (QGIS, 2015): a aplicação Qgis ou Quantum Gis permite a criação, edição, visu-alização e análise de informações georreferenciadas em diversos sistemas operacionais e também acesso a banco de dados espaciais como o PostGIS. Permite acesso a arquivos do tipo .shp (shapefile) e MapInfo e trabalha com diferentes projeções ou DATUMs; e • Proj4 (TRAC, 2015): biblioteca de código aberto para tratamento de projeções,
respon-sável pelo recurso de mudança de projeção, transformação entre diferentes elipsóides e Datum’s.
2.1.2
Desafios
Muitas são as aplicações que utilizam SIG em diferentes contextos e inúmeros são os desafios encontrados, como os descritos abaixo:
• Definição da posição de uma localidade que foi mudada de posição ao longo da história, como a capital da Rússia, ou nomes de localidades que sofrem alterações (St. Petersburg, Petrograd, Leningrad na Rússia), ou fronteiras geográficas que mudaram (Alemanha com diferentes fronteiras no decorrer da história) (NGB, 2015);
• Processamento eficiente de consultas de buscas geográficas na web (Li and Torres, 2015); • Integração de diferentes fontes de dados georreferenciados e sua respectiva geometria em relação a locais, para que serviços de busca online forneçam informações sobre serviços disponíveis aos usuários (Tan and Wong, 2006);
• Gerar consultas espaciais dinâmicas que permitam a inserção de novos objetos a roles em banco de dados espaciais (Glorio et al., 2010): a informação geográfica é essencial para compreender sistema físico da Terra, logo é necessário entender as inter-relações entre seus componentes utilizando recursos computacionais espaciais (UCGIS, 1996);
• Gerar modelos ou representações formais de objetos espaciais focados na análise e to-mada de decisão (Hecht and Kucera, 2000);
• Otimizar consultas geográficas, incorporando mecanismos de geometria e operadores re-lacionais espaciais (Hecht and Kucera, 2000);
• Desenvolver melhores mecanismos de armazenamento e representação da variação do tempo, envolvendo dados geoespaciais (Hecht and Kucera, 2000);
• Gerar modelos que trabalhem com múltiplas representações de objetos espaciais (Gubiani and Montanari, 2008);
• Gerar arquitetura que garantam segurança e privacidade em relação aos dados georrefe-renciados (Bertino et al., 2008);
• Gerar modelos de consultas espaciais personalizadas (Glorio et al., 2010);
• Integrar mapas temáticos, modelos de terreno, imagens de Sensoriamento Remoto e pro-cessamento digital de imagens (INPE, 2015);
• Gerar arquiteturas de serviços para distribuição de informações geoprocessadas (Friis-Christensen et al., 2007);
• Geoprocessamento utilizando computação em nuvem (Shao et al., 2012);
• Flexibilidade para aumentar o recurso computacional durante picos de alta ou baixa utili-zação de processamento de informações georreferenciadas (Shao et al., 2012);
• Representação eficiente e modelagem de dados geoespaciais e avaliação da qualidade de dados geoespaciais de novas fontes no contexto de big data (Li et al., 2016);
• Analisar, minerar e visualizar dados geoespaciais para apoio à tomada de decisão (Li et al., 2016); e
• Desenvolvimento de novas indexações em banco de dados espacial e algoritmos para lidar com processamento e análise e transmissão de dados, ambos em tempo real (Li et al., 2016).
2.2
Dados abertos
Dados abertos aplicados no processo de geoprocessamento envolve etapas como aqui-sição, análise, armazenamento, exibição e distribuição de informações geográficas. A aquisição engloba a busca de fontes de informações proprietárias ou abertas com o intuito de gerar uma base que contenha dados georreferenciados.
Uma importante fonte de informação disponível refere-se aos dados abertos4 carac-terizados como disponíveis para utilização e redistribuição pública, sem restrições de licenças, patentes ou mecanismos de controle. Restrições tecnológicas como a estruturação e leitura dos dados por qualquer tipo de mecanismo computacional (PMC, 2015)estão associadas a dados abertos.
A Lei no 12.527, de 18 de novembro de 2011 (Civil, 2015), regula o acesso a infor-mações conforme previsto no inciso XXXIII do art. 5o, no inciso II do § 3o do art. 37 e no § 2o do art. 216 da Constituição Federal. Um caso em particular aplica-se a Legislação municipal vigente em Curitiba, capital do Estado do Paraná, em relação ao Decreto no 1135/2012 que regulamenta a Lei Federal no 12.527 e trata do acesso às informações públicas.
A Prefeitura Municipal de Curitiba - PMC (PMC, 2015) disponibiliza uma série de bases de dados em formatos de leitura específicos, o que possibilita georreferenciar seus da-dos. Os dados da PMC estão aderentes as normas e padrões especificados pelo órgão Federal denominado, Infraestrutura Nacional de Dados Espaciais - INDE (INDE, 2015) em específico a Caracterização do Sistema Geodésico Brasileiro e ao perfil de metadados geoespaciais do Brasil.
Outro órgão aderente a política de dados abertos é o Instituto de Pesquisa e Plane-jamento Urbano de Curitiba - IPPUC (IPPUC, 2015), o qual disponibiliza diferentes arquivos georreferenciados em formato DATUM SAD69.
Ambos PMC e IPPUC seguem orientações e padronizações descritas na arquitetura referente a padrões de interoperabilidade do governo eletrônico - ePING (ePING, 2015) que define um conjunto mínimo de premissas, políticas e especificações técnicas para regulamentar a utilização da Tecnologia de Informação e Comunicação na interoperabilidade de serviços do governo eletrônico, estabelecendo as condições de interação com os demais Poderes e esferas de governo e com a sociedade em geral.
A arquitetura ePING especifica alguns componentes principais como interconexão, segurança, meios de acesso, organização e intercâmbio de informações. Para cada um são especificados conjuntos de padrões.
Na sequência são apresentadas algumas aplicações como o visualizador do Departa-mento de Infraestrutura Nacional de Dados Espaciais - INDE baseado em dados abertos e outras baseadas em fontes de dados mistas.
