Urban growth forecast using segmented and complete maps with the SLEUTH simulator

• Ano de defesa: 2019
• Autor(a) principal: Roth, Ellen Cristina Wolf
• Orientador(a): Koscianski, André
• Banca de defesa: Monteiro, Antonio Miguel Vieira, Morais, Erikson Freitas de, Sanches, Ionildo José, Koscianski, André
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
• País: Brasil
• Palavras-chave em Português: Simulação (Computadores); Crescimento urbano; Mapas; Urbanização; Teoria dos autômatos; Computer simulation; Cities and towns - Growth; Maps; Urbanization; Machine theory
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/4173

Atividades comerciais, indústrias e de administração pública dependem da projeção de como as cidades vão evoluir. Uma das principais características de uma cidade é a sua complexidade interna, o que dificulta o desenvolvimento de planos que dependem do seu entendimento. Simulação computacional, exemplificada pelo modelo de crescimento urbano SLEUTH, é uma forma possível de ajudar no estudo deste problema. Sua utilização, porém, depende de múltiplas fontes de dados e diversos parâmetros que têm impacto na qualidade dos resultados. O objetivo desta dissertação foi realizar estudos de simulação na cidade de Ponta Grossa - Brasil, usando o modelo SLEUTH, e analisar o seu comportamento utilizando diferentes parâmetros e abordagens para os dados de entrada. Experimentos foram planejados de acordo com diferentes particionamentos dos dados; simulações foram executadas com cada um dos cenários construídos, e os arquivos de saída foram comparados. Até a calibração Final, foi possível observar que o modelo se adapta a forma que a cidade cresce, porém os arquivos de saída indicam uma expansão menor do que esperado, mas os resultados de previsão foram menores do que esperado. Um dos esquemas de regionalização apresentou um desempenho levemente melhor, mas muito perto das outras abordagens, não justificando o tempo a ser gasto no processo de calibração. Os resultados foram analisados e possíveis explicações, envolvendo o modelo e os dados, foram discutidas.