UNIVERSIDADE PRESBITERIANA MACKENZIE
PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA ELÉTRICA
Wellington Barbosa de Oliveira
Sistema de Apoio à Decisão utilizando Teorias de Localização e
Otimização por Colônia de Formigas na implantação de novos
serviços ou negócios.
Dissertação apresentada como parte dos
requisitos para obtenção do tı́tulo de Mestre
no programa de Pós-Graduação em Engenharia
Elétrica da Universidade Presbiteriana Mackenzie na área de concentração em Engenharia da
Computação.
Orientador: Prof. Dr. Nizam Omar
São Paulo
2012
C48p Oliveira, Wellington Barbosa de.
Sistema de apoio à decisão utilizando teorias de localização e
otimização por colônia de formigas na implantação de novos negócios
ou serviços / Wellington Barbosa de Oliveira. - 2012.
102f.: il.; 30 cm
Dissertação (Mestrado em Engenharia Elétrica) Universidade Presbiteriana Mackenzie, São Paulo, 2012.
Bibliografia: f. 83-88.
1. Colônia de formigas. 2. Simulação. 3. Predição. 4. Modelagem
computacional. 5. Teorias de localização. I. Tı́tulo.
CDD 006
UNIVERSIDADE PRESBITERIANA MACKENZIE
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
Sistema de Apoio à decisão utilizando Teorias de Localização e Otimização
por Colônia de Formigas na implantação de novos serviços ou negócios.
Banca Examinadora:
Prof. Dr. Nizam Omar
Universidade Presbiteriana Mackenzie
Prof. Dr. Vivaldo José Breternitz
Universidade de São Paulo - USP
Prof.(a) Dr.(a) Juliana Cristina Braga
Universidade Federal do ABC - UFABC
São Paulo
2012
iii
Para minha famı́lia.
Agradecimentos
O desafio de percorrer um caminho desconhecido nos leva muitas vezes a destinos
incertos, mas é durante o percurso que vislumbramos as grandes maravilhas e chegar ao
destino, é somente um detalhe.
Expressar todo o conhecimento adquirido e experiências vividas ao realizar o mestrado
seria inviável de se descrever neste documento, por isso seguem os sinceros agradecimentos:
A Deus que sempre iluminou os meus passos e me guiou pelos caminhos tortuosos.
A minha esposa e filho, que tiveram paciência e sempre compreenderam e incentivaram
o meu trabalho.
A minha mãe que sempre apoiou as minhas iniciativas e a meu pai (in memoriam).
Ao professor Nizam Omar, que acreditou no projeto e fez uma verdadeira orientação.
Aos professores Vivaldo e Juliana, que contribuı́ram muito com as crı́ticas feitas na
qualificação.
Aos muitos amigos da Prodam que sempre tinham uma palavra de incentivo.
Aos amigos (novos e antigos) e familiares que acompanharam de perto ou de longe.
v
A alegria está na luta, na tentativa, no sofrimento envolvido. Não na vitória
propriamente dita.
Mahatma Gandhi
RESUMO
O objetivo deste trabalho é estudar a aplicabilidade das Teorias de Localização em
conjunto com a modelagem dinâmica do espaço urbano, com vistas a implantação de
um novo serviço ou negócio. Pretende-se neste trabalho explorar o uso de um sistema
baseado em inteligência de enxame, mais especificamente de uma colônia de formigas,
para modelagem da dinâmica do espaço urbano.
Por meio da utilização de recursos de geoprocessamento, mapas temáticos e dados
censitários, serão coletados dados sobre o serviço/negócio a ser implementado. A partir
destes dados será criado um ambiente de simulação com o objetivo de subsidiar a tomada
de decisão na implantação de novo serviço ou negócio.
Como benefı́cio deste trabalho, pretende-se reduzir o número de iniciativas fracassadas
por falta de informações sobre a localização de um novo serviço ou negócio.
Palavras-chave: colônia de formigas, simulação, predição, modelagem computacional,
Teorias de Localização
vii
ABSTRACT
The objective of this work is to study the applicability of the Theories of Location
together with the dynamic modeling of urban space in order to implement a new service
or business. The aim is to explore the use of a system based on swarm intelligence, more
specifically an ant colony, for modeling the dynamics of urban space.
Through the use of GIS resources, thematic maps and census data, data will be
collected on the service / business to be implemented. From these data will set up a
simulation environment with the goal of supporting decision making in the implementation
of new service or business.
As a benefit of this work, we intend to reduce the number of initiatives failed due to
lack of information about the location of a new service or business.
Keywords: colony of ants, simulation, prediction, computational modeling, Theory of
Location
viii
Sumário
1 INTRODUÇÃO
1
1.1
Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.3
Divisões dos capı́tulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
2 REFERENCIAL TEÓRICO
4
2.1
Resumo do que será visto neste capı́tulo . . . . . . . . . . . . . . . . . . .
4
2.2
Teorias de Localização . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.3
O empreendedorismo e a tomada decisão de abrir um novo negócio
2.4
Planejamento Urbano por meio de Sistemas de Informações Geográficas . . 22
2.5
Sistemas de Informações Geográficas e Tomada de Decisão . . . . . . . . . 26
. . . . 16
2.5.1
Sistemas de Informações Geográficas . . . . . . . . . . . . . . . . . 26
2.5.2
O uso de informações geográficas para subsidiar a tomada de decisão 28
2.6
Modelos dinâmicos espaciais e o uso de autômatos celulares na representação de ambientes urbanos . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.7
Sistemas Multiagentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.8
Modelagem dinâmica do espaço urbano baseado em Colônia de Formigas . 39
3 ESTUDO DE CASO
45
3.1
Resumo do que será visto neste capı́tulo. . . . . . . . . . . . . . . . . . . . 45
3.2
Criação de serviços escolares . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3
Processo para levantamento e espacialização dos dados . . . . . . . . . . . 48
4 SIMULAÇÃO
58
4.1
Resumo do que será visto neste capı́tulo . . . . . . . . . . . . . . . . . . . 58
4.2
Descrição do processo de construção do simulador . . . . . . . . . . . . . . 58
4.3
Resultados obtidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.1
Cenário I - Simulação de obstáculos geográficos que restringem a
movimentação dos agentes no espaço urbano . . . . . . . . . . . . . 67
4.3.2
Cenário II - Simulação de estudantes com a redução da taxa de
evasão reprovação escolar. . . . . . . . . . . . . . . . . . . . . . . . 72
5 CONCLUSÕES E TRABALHOS FUTUROS
5.1
80
Considerações finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.2
Sugestões para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . 81
REFERÊNCIAS BIBLIOGRÁFICAS
83
Lista de Figuras
2.1
Modelo de Zona Concêntrica. . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.2
Modelo Setorial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.3
Modelo de múltiplos núcleos. . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.4
Teoria da Concorrência de Aluguéis. . . . . . . . . . . . . . . . . . . . . . .
6
2.5
Esquema de Triângulo de Weber (1908) . . . . . . . . . . . . . . . . . . . .
7
2.6
Estrutura hexagonal da Teoria do Lugar Central. . . . . . . . . . . . . . .
8
2.7
Ilustração do modelo gravitacional proposto por Railly em 1929. . . . . . .
8
2.8
Diagrama de Voronoi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.9
Voronoi com distância Euclideana.
. . . . . . . . . . . . . . . . . . . . . . 10
2.10 Voronoi com pesos nas distâncias. . . . . . . . . . . . . . . . . . . . . . . . 10
2.11 Voronoi com 6 centros comerciais em uma zona urbana. . . . . . . . . . . . 10
2.12 Exemplo de Triangulação de Delaunay . . . . . . . . . . . . . . . . . . . . 10
2.13 Correspondência dos pontos de Voronoi com os vértices dos triângulos da
malha de Delaunay. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.14 Esquema geral dos módulos de um sistema de informações geográficas.
Fonte: INPE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.15 Mapa de Soho em Londres (1854) com os dados espacializados que identificaram óbitos por cólera. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.16 A curva negra estão os dados e a curva azul a função que modela os dados.
25
2.17 Aplicação de técnica de krigagem. . . . . . . . . . . . . . . . . . . . . . . . 25
2.18 Ilustração da execução do ACO . . . . . . . . . . . . . . . . . . . . . . . . 35
2.19 Ilustração da execução do ACO . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1
IDH do municı́pio de São Paulo. Fonte: IBGE (Censo 2000) e Fundação
SEADE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2
Sistema de consulta disponibilizado pela Secretaria de Educação. . . . . . . 41
3.3
Sistema Data Escola Brasil, disponibilizado pelo INEP. . . . . . . . . . . . 41
xi
3.4
Sistema de conversão de endereços em dados geográficos para espacialização
das escolas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.5
Divisão censitária do municı́pio de São Paulo, com destaque para a Subprefeitura de São Matheus. . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.6
Divisão censitária do municı́pio de São Paulo, visão ampliada . . . . . . . . 42
3.7
Aplicação do Modelo de Zona Concêntrica em escolas municipais. . . . . . 43
3.8
Aplicação do Modelo de Zona Concêntrica em escolas municipais. . . . . . 43
3.9
Redução da perspectiva sobre a imagem anterior. . . . . . . . . . . . . . . 43
3.10 Processo utilizado para levantamento, espacialização de dados, simulações
e tomada de decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.11 Projeção da população por faixa etária e sexo. Fonte: PMSP/SEMPLA 2000. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.12 Projeção da população por faixa etária e sexo. Fonte: PMSP/SEMPLA 2010. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.13 Estabelecimentos Escolares e Matrı́culas no Ensino Fundamental (primeiro
ao quarto ano). Fonte: PMSP/SEMPLA . . . . . . . . . . . . . . . . . . . 45
3.14 Evolução demográfica da última década. Fonte: site Estadão com dados
de 2010/IBGE. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1
Configuração do ambiente de execução para a simulação proposta. . . . . . 47
4.2
Imagem da simulação proposta por Wilensky (1997). . . . . . . . . . . . . 48
4.3
Execução da simulação proposta por Wilensky (1997). . . . . . . . . . . . . 48
4.4
Execução da simulação proposta neste trabalho. . . . . . . . . . . . . . . . 49
4.5
Distribuição aleatório de ninhos e alimentos no espaço. . . . . . . . . . . . 49
4.6
Inclusão de barreiras que simulam ruas, dois ninhos de cores diferentes e
uma fonte de alimento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.7
Controles construı́dos no exemplo proposto por Wilensky (1997). . . . . . . 49
4.8
Todos os controles, contadores e ambiente de execução para a simulação
proposta neste trabalho. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.9
Escolas da rede pública municipal e estadual de ensino delimitadas pelos
raios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.10 Dois grupos de alunos separado por uma barreira fı́sica. . . . . . . . . . . . 52
4.11 Execução do simulador para o cenário I . . . . . . . . . . . . . . . . . . . . 53
4.12 Medição da simulação do consumo de vagas. . . . . . . . . . . . . . . . . . 53
4.13 Ambiente que simula a criação de novas vagas. . . . . . . . . . . . . . . . . 54
4.14 Medição da simulação sobre o consumo de vagas. . . . . . . . . . . . . . . 54
4.15 Taxa de evasão escolar e reprovação para o ensino médio (2000 a 2007).
Fonte: Ministério da Educação/Inep. . . . . . . . . . . . . . . . . . . . . . 55
4.16 Taxa de evasão escolar e reprovação para o ensino fundamental (2000 à
2007). Fonte: Ministério da Educação/Inep. . . . . . . . . . . . . . . . . . 55
4.17 Distribuição das escolas públicas utilizadas no cenário II. . . . . . . . . . . 55
4.18 Distribuição dos alunos e das vagas no simulador. . . . . . . . . . . . . . . 57
4.19 Abrangência do cenário simulado e disposição no espaço. . . . . . . . . . . 57
4.20 Gráfico de consumo de vagas por agentes nas duas escolas. . . . . . . . . . 57
4.21 Evolução do consumo de vagas por escola e tipo de alunos. . . . . . . . . . 58
Lista de Tabelas
2.1
Comparação entre as principais caracterı́sticas dos modelos. . . . . . . . . 15
2.2
Interpretação do modelo biológico para o ACO. (CASTRO, 2006). . . . . . 42
2.3
Comparação do ACO com os agentes utilizados no Estudo de Caso. . . . . 43
4.1
Escolas e quantidade de alunos utilizados na simulação. . . . . . . . . . . . 75
Capı́tulo 1
INTRODUÇÃO
Escolher um local para implantar um negócio requer conhecimentos sobre a demografia, geografia, perfil de consumo da população local, caracterı́sticas sociais, econômicas e
comportamentais.
O trabalho realizado utiliza os modelos de Teorias de Localização para subsidiar a
tomada de decisão na implantação de um negócio ou serviço, onde se propõe a resolver o
problema de escolha da melhor localização do empreendimento, considerando principalmente fatores demográficos, geográficos e econômicos.
A modelagem dinâmica do espaço urbano também é tratada neste trabalho, com a
utilização da Otimização por Colônia de Formigas como uma proposta para modelagem
e simulação do ambiente urbano.
Os estudos dos modelos dinâmicos para planejar a implantação de serviços e novos
negócios são recentes e possuem algumas questões em aberto que serão abordadas neste
trabalho.
1.1
Justificativa
Os principais motivadores do encerramento de empresas no Brasil são as falhas de
gestão que são ocasionadas por pontos de instalação inadequados, falta de conhecimento
do mercado de atuação e pouco conhecimento sobre o produto ou serviço ofertado. (SEBRAE, 2007).
1
Quando se fala em implantação de serviços públicos para o cidadão, onde a demanda
é sempre maior do que a oferta, a otimização de recursos é fundamental para cumprir o
seu papel social com qualidade.
Tachizawa e Faria (2007) afirmam que a falta de informação sobre o novo empreendimento e a expectativa gerada pelos casos de sucesso, fazem com que os empreendedores
motivados por razões diversas busquem ”fórmulas mágicas para ganhar dinheiro”e passem
a desconsiderar o esforço empregado pelos empreendedores dos casos de sucesso.
Os estudos propostos neste trabalho abordam o problema de tomada de decisão sobre
a incerteza que é abrir um novo negócio ou instalar um novo serviço. As decisões que
muitas vezes são tomadas de forma empı́rica poderão ser baseadas em modelos conceituais
e sofrerão ajustes de acordo com o segmento estudado.
Tema:
Criação de sistema de apoio à decisão que auxilie a escolha de locais para implantação
de novos negócios e oferta de novos serviços públicos.
1.2
Objetivos
Objetivo Geral:
Desenvolver um sistema de suporte à decisão para fornecer subsı́dios para escolha de
locais para implantação de um serviço ou empreendimento.
Objetivos especı́ficos:
• Desenvolver um simulador que forneça informações para tomada de decisão na instalação de novos serviços;
• Executar e analisar simulações baseadas no simulador construı́do e
• Utilizar um conjunto de dados capturados de um Sistema de Informações Geográficas
para aplicar em modelos de Teorias de Localização e em simulações.
2
1.3
Divisões dos capı́tulos
Este trabalho está dividido em cinco capı́tulos incluindo este de introdução.
No capı́tulo 2 é apresentado a revisão teórica para fundamentar a pesquisa. São
abordadas as principais Teorias de Localização, o processo de tomada de decisão, as motivações para abertura de novos negócios, o planejamento urbano, a utilização de sistemas
de informações geográficas e o uso de modelos dinâmicos espacias.
No capı́tulo 3 é apresentado um estudo de caso utilizando Teorias de Localização
e espacialização de dados geográficos. O estudo de caso visa aplicar uma das Teorias
de Localização em um cenário de implantação de um novo serviço, além de servir como
subsı́dio para a construção dos cenários de simulação do capı́tulo 4.
O capı́tulo 4 trata a construção do simulador e dos cenários que foram simulados.
O capı́tulo 5 contêm a conclusão deste trabalho e os assuntos que ficaram em aberto
para trabalhos futuros.
3
Capı́tulo 2
REFERENCIAL TEÓRICO
2.1
Resumo do que será visto neste capı́tulo
O capı́tulo trata da evolução das principais Teorias de Localização. A seguir é feito
um levantamento histórico sobre o ato de empreender e a evolução do processo de tomada
de decisão, bem como as consequências sociais e econômicas causadas pelo empreendedorismo.
Neste capı́tulo também será abordado a relação do uso de computadores com informações geográficas, o impacto no planejamento urbano e a criação de novos serviços e
como estas técnicas evoluı́ram e transformaram o processo decisório.
A seguir é feita uma contextualização histórica dos modelos computacionais para
dinâmica espacial urbana e os principais problemas enfrentados pelos autores, passando
por paradigmas recentes na modelagem computacional com o uso de autômatos celulares,
sistemas multiagentes e alguns dos problemas enfrentados por estes modelos.
Por último é apresentado o algoritmo de otimização baseado em colônia de formigas
(ACO), suas caracterı́sticas e a proposta de uso deste algoritmo executada neste trabalho.
4
2.2
Teorias de Localização
Definido por alguns autores também como ”Localização Industrial ”, as Teorias de
Localização são estudadas desde o século XVIII por diversas áreas. Os estudos mais
importantes vieram por meio de pesquisas de economistas que precisavam otimizar a
produção agrı́cola ou industrial da época.
Sampaio (2005), descreve os principais modelos de estrutura urbana baseados em fatores econômicos formulados com base em informações das cidades industriais dos Estados
Unidos no século passado, apresentados a seguir:
• Modelo de Zona Concêntrica - Criado em 1920 por Burges, este modelo possui anéis
que representam o uso do solo urbano. O centro da cidade é chamado de CBD
(Central Business District). Neste modelo a classe operária mora próximo ao local
de trabalho para economizar com o deslocamento e as classes média e alta moram
distantes do centro em busca de melhor qualidade de vida.
Figura 2.1: Modelo de Zona Concêntrica.
Este modelo foi aplicado no estudo de caso deste trabalho, sendo utilizado para segmentar uma região da cidade e distribuir os produtores e consumidores nesta região. Foi
utilizado também como referência para construção do ambiente de simulação.
• Modelo setorial - Criado por Hoyt em 1939 como evolução de Zonas Concêntricas.
Hoyt (1939), afirma que a cidade tende crescer em setores originados no CBD e se
5
expandem ao redor do sistema viário. As zonas relacionadas a atividades residenciais
também são setorizadas, com a classe operária próxima ao local de trabalho e as
classes mais altas distantes do centro.
Figura 2.2: Modelo Setorial.
• Modelo de múltiplos núcleos - Criado por Harris e Ulman em 1945, onde observaram
que algumas cidades não se enquadravam nos modelos de zona concêntrica e setorial
e que cidades maiores formavam pequenos centros comerciais espalhados na periferia.
Para este modelo o CBD ainda é mantido, fazendo fronteira com a classe operária
e média.
Figura 2.3: Modelo de múltiplos núcleos.
6
Sampaio (2005), cita a Teoria da Concorrência de Aluguéis desenvolvida por Thunen
em 1826, onde o valor da terra está diretamente relacionado ao valor da distribuição
espacial das atividades comerciais, industriais e residências no espaço urbano. Segundo
Thunem(1826) a forma de estruturação espacial está diretamente ligada às ações das
forças de mercado, ou seja, da oferta e da procura.
Figura 2.4: Teoria da Concorrência de Aluguéis.
Sampaio (2005) explica a figura anterior:
[...]
o eixo das abscissas representa a distância de um terreno ao
centro da cidade e o eixo das ordenadas representam o valor que
o inquilino está disposto a pagar ao proprietário do terreno.
A reta AA1 representa a função teoria de concorrência de aluguel
para a atividade comercial e as retas BB1 e CC1 para as atividades
industriais e residenciais respectivamente.
Por exemplo, considere
um terreno localizado entre os pontos O e D1. Nesta área o varejista
está disposto a pagar um preço maior pelo terreno pela facilidade
de acesso dos consumidores que, por sua vez não são tão importantes para as atividades residenciais e industriais.
7
Como resultado, esta área será caracterizada por atividades comerciais.
Observe que a figura apresenta uma estrutura espacial concêntrica de
acordo com o tipo de atividade. O anel central OD1 representa a zona
comercial, e portanto, o CBD. O anel intermediário representa a zona
industrial e o anel exterior representa a zona residencial.
Para Mafra e Silva (2004) as Teorias de Localização fazem parte dos fundamentos
teóricos das polı́ticas de incidência ou expressão territorial e urbana. Mafra e Silva (2004)
fazem um levantamento histórico dos principais autores e suas obras para as Teorias de
Localização.
Segundo Almeida, Monteiro e Camara (2007), em 1908, Weber elaborou uma teoria
econômica que tratava sobre a localização industrial onde se propôs a explicar a localização de uma indústria em um plano. Conforme Almeida, Monteiro e Camara (2007):
”localização final será o ponto onde os custos de transporte, matéria-prima até a indústria
e de entrega dos produtos finais no mercado são mı́nimos”. Esta teoria é conhecida como
Triângulo de Weber.
Figura 2.5: Esquema de Triângulo de Weber (1908)
Conforme Mafra e Silva (2004), a teoria de W. Christaller(1933) é considerada rigorosa
e elegante se avaliando por meio de uma ótica formal. A teoria propõe um relacionamento
entre a raridade de um bem ou serviço e a população necessária para viabilização da
produção. Mafra e Silva (2004) dizem:
8
Christaller mostrou, na sua Teoria dos Lugares Centrais, como se
forma uma hierarquia de centros urbanos, distribuı́da segundo padrões
geométricos (hexagonais) das áreas que servem.Trata-se de uma hierarquia de aglomerados populacionais com muitos pequenos centros e
sucessivamente menor número de centros medianos, médios, até chegar
ao centro principal ou capital.
Para Sampaio (2005), a principal caracterı́stica do modelo de W. Christaller (1933)
é a natureza qualitativa que não associa a modelos matemáticos, tornando mais simples
quando se compara a modelos espaciais econômicos. Conforme Sampaio (2005) a teoria
considera as seguintes hipóteses:
• homogeneidade da região
• uniformidade dos custos de transporte em todas as direções
• aquisição de bem de baixo valor no local mais próximo
• fornecedores são pequenos
• fornecedores são uniformemente distribuı́dos
• fornecedores operam com custos equivalentes
• fornecedores possuem um ambiente com capital móvel e sem barreiras de entrada
• os produtos oferecidos nos diversos lugares não são diferenciados.
• quando a mercadoria for de valor maior, o consumidor está disposto a percorrer
distâncias maiores
• bens de valores maiores são adquiridos por consumidores locais e vizinhos
Conforme Sampaio (2005), estes trabalhos deram origem à hierarquia dos centros
comerciais onde cada hexágono representa a área de influência de um lugar central. Os
modelos foram baseados nos seguintes princı́pios:
9
• princı́pios de mercado - atender a maior quantidade de consumidores a partir de
uma quantidade mı́nima de lugares centrais.
• princı́pio de tráfego - melhorar a conectividade entre os lugares reduzindo a distância
e diminuindo os custos com transporte.
• princı́pio administrativo - prover uma hierarquia administrativa pelos lugares de
nı́veis mais altos.
Figura 2.6: Estrutura hexagonal da Teoria do Lugar Central.
Alguns trabalhos propuseram modelos chamados de gravitacionais, pois tem como
base a Lei da Gravitação Universal de Newton, no qual dois corpos são atraı́dos na proporção direta de suas massas e na proporção inversa ao quadrado distância. Conforme
Sampaio (2005), estes modelos tentam explicar de forma quantitativa, como os consumidores são atraı́dos pelos centros comerciais ou cidades para adquirir bens.
Railly (1929) tentou calcular a força de atração dos centros comerciais sobre os consumidores, assim como Newton, surgiu a ideia de ponto de equilı́brio (SAMPAIO, 2005).
Conforme demonstrado pela figura 2.7, a força de atração de dois centros comerciais é
anulada. Consumidores localizados entre A e X são atraı́dos para o centro comercial A e
consumidores entre X e B para o centro comercial B.
Reilly (1929) utilizou as fórmulas de Newton, substituindo os termos das massas
dos corpos celestes por populações PA e PB dos centros comerciais A e B, chegando às
equações demonstradas à seguir(SAMPAIO, 2005):
10
Figura 2.7: Ilustração do modelo gravitacional proposto por Railly em 1929.
Fax =
Pa
Pb
e Fbx = 2
2
dax
dbx
(2.1)
d = da + db
(2.2)
db =
d
1+
q
Pa
Pb
(2.3)
Equações do Modelo Gravitacional.
O modelo proposto por Reilly (1929) tinha alguns problemas, pois não considerava a
relação como a distância era calculada, a popularidade de um centro e sua marca associada
(SAMPAIO, 2005).
Huff (1964), em oposição ao modelo determinı́stico de Reilly (1929), propôs um modelo
que considerava fatores probabilı́sticos, concluindo que a força de atração do consumidor
ao centro comercial é proporcional a área do centro e inversamente proporcional ao tempo
de deslocamento do consumidor até o centro (SAMPAIO, 2005).
Os modelos gravitacionais são classificados em dois grupos: determinı́sticos e probabilı́sticos. Entre os probabilı́sticos destacam-se além do proposto por Huff (1964) o
Multiplicativo de Interação Competitiva (Nakanishi e Cooper (1974)), Logit Multinominal (Macfadden (1973)) e de Destinos Competitivos (Fotheringham (1983)), com destaque
para o último que considera que e opção do consumidor é realizada por um grupo de alternativas e não todas as disponı́veis (SAMPAIO, 2005).
11
Os modelos gravitacionais e de Teoria de Lugar Central são utilizados para o planejamento do comércio varejista para descobrir a melhor instalação dos estabelecimentos,
facilitando o acesso e maximizando o lucro (SAMPAIO, 2005).
Sampaio (2005) diferencia os modelos gravitacionais (que consideram além da distância
outros fatores que levam à decisão do consumidor) e o modelo baseado na Teoria do Lugar
Central (que considera apenas a distância).
Em 1908, o matemático russo Georges Voronoi propôs a decomposição de um espaço
em regiões de acordo com a distância a determinados pontos. Em evolução a Teoria do
Lugar Central os polı́gonos de Voronoi (também conhecidos como diagramas de Voronoi)
consideram que os centros não estão distribuı́dos uniformemente, delimitando a área de
influência.
Na figura 2.8, o ponto p1 está delimitado pela área formada pelas arestas e qualquer
ponto dentro desta área está mais próximo de p1 do que dos pontos fora Sampaio (2005).
Figura 2.8: Diagrama de Voronoi.
Lee, Lee e Torpelund-Bruin (2009) mostram a aplicação do diagrama de Voronoi. As
próximas figuras mostram os resultados parciais disponı́veis no artigo.
12
Figura 2.9: Voronoi com distância Euclideana.
Figura 2.10: Voronoi com pesos nas distâncias.
Figura 2.11: Voronoi com 6 centros comerciais em uma zona urbana.
Em 1934, o matemático russo Boris Delaunay provou que o grafo dual é desenhado
com linhas retas. Ele produziu uma triangulação dos sı́tios do diagrama de Voronoi,
13
conhecida como triangulação de Delaunay que diz o seguinte: se o conjunto de pontos
não contém quatro pontos, pode-se garantir que a triangulação é única, e o critério, além
de condição necessária, passa a ser também uma condição suficiente. Para toda aresta
pode-se achar um cı́rculo que contém os vértices da aresta, mas não contém outro ponto.
Figura 2.12: Exemplo de Triangulação de Delaunay
Figura 2.13: Correspondência dos pontos de Voronoi com os vértices dos triângulos da malha de Delaunay.
A próxima tabela compara as principais caracterı́sticas dos modelos citados anteriormente com base nos atributos de cada modelo.
Neste trabalho foi aplicado apenas o modelo de Zona Concêntrica, os demais modelos
listados nesta tabela não foram utilizados, por questões de redução de escopo, servindo
apenas como fundamentação teórica para escolha de um modelo. A aplicabilidade dos
demais modelos é uma evolução deste trabalho, ficando como sugestão para trabalhos
futuros.
14
Triangulação de Delaunay
x
x
x
x
x
x
Existe modelo matemático associado
Considera a evolução do sistema viário
Diagrama de Voronoi
x
Gravitacional (todos)
Concorrência de aluguéis
x
Lugar Central
Múltiplos Núcleos
x
Triângulo de Weber
Setorial
Zona Concêntrica
Baseado no Modelo de Zona Concêntrica
x
Utiliza um centro comercial como referência
x
x
x
x
Considera a uniformidade dos custos de
x
x
x
x
x
transporte em todas as direções
Assume que a aquisição de bens de baixo va- x
x
x
x
lor é feita no local mais próximo
Considera a uniformidade dos fornecedores
x
Considera a uniformidade dos produtos ofe- x
x
x
x
recidos entre os concorrentes
Considera a disposição para adquirir produ-
x
tos mais caros em locais mais distantes
Considera a atração do consumidor
x
Determinı́stico
x
Probabilı́stico
x
Considera a decisão do consumidor
x
Considera a distância entre o consumidor e o
x
x
x
x
x
x
x
produto
Considera que os centros não estão dis-
x
tribuı́dos uniformemente
Tabela 2.1: Comparação entre as principais caracterı́sticas dos modelos.
15
Estas teorias são utilizadas atualmente em diferentes áreas de conhecimento e aplicação,
ora com uma abordagem puramente determinı́stica, ora com uso de elementos probabilı́sticos e por vezes de forma combinada, mas por ser um conhecimento muito especı́fico
e demandarem o uso de ferramentas especializadas em cálculos e manipulações de dados
espaciais, muitas vezes não estão disponı́veis para o uso e manipulação dos usuários que
não são especialistas nas áreas de geoprocessamento ou computação.
As Teorias de Localização citadas anteriormente podem ser utilizadas para subsidiar
a decisão de abrir um novo negócio ou serviço, levando o tomador de decisão a fazer as
melhores escolhas de locais e regiões para implantar o seu empreendimento.
2.3
O empreendedorismo e a tomada decisão de abrir
um novo negócio
Filion (1999) aponta que a palavra ”entre-preneur ”começou a ser utilizada como
conhecemos em meados do século XVII através das obras de Cantillon, um banqueiro
preocupado com questões econômicas e de racionalização.
Para Dornelas (2005), o empreendedorismo é definido como o envolvimento de pessoas
e processos, que em conjunto, transformam as ideias em oportunidades e as práticas destas
ideias levam a criação de negócios bem sucedidos. Para Dornelas (2005), o empreendedor
tem a capacidade de inovar e mudar a economia introduzindo novos produtos e serviços.
A segmentação do mercado consumidor de um novo produto ou serviço é fundamental para o levantamento dos dados sócio-econômicos relevantes que servirão como subsı́dio
para os empreendedores começarem novos negócios. Conforme Filion (1999), Cantillon
(1755) já utilizava uma abordagem parecida para investir e racionalizar recursos na Europa.
Churchill e Peter (2003) definem a segmentação de mercado como: ”o processo de
dividir um mercado em grupos de compradores potenciais que tenham semelhantes necessidades e desejos, percepções de valores ou comportamento de compra”. Churchill e
Peter (2003)) sugerem que a segmentação de mercados consumidores sejam divididos em:
demográfica, geográfica e psicográfica.
16
Conforme Ramos (2007) a segmentação deve atingir um grupo homogêneo de consumidores que oferecem as melhores condições para serem atendidos.
Lisboa et al. (2010) propõem um método de classificação baseada em uma somatória
de informações compostas por dados pessoais, atitudes e estilos de vida em substituição
as informações geográficas.
A decisão do empreendedor em abrir um novo negócio sofreu ao longo do tempo uma
forte influência cultural, seja por parte da ciência exata ou do comportamento humano. A
tomada de decisão, por mais racional que seja, é influenciada por essa evolução cultural.
Alguns relatos históricos sobre decisões crı́ticas em cenários de incertezas descrevem os
fenômenos naturais como o movimento de astros, comportamento de animais e métodos de
adivinhações como I Xing ou Oráculos como referência para o processo decisório (BUCHANAM; CONNELL, 2006). Algumas culturas baseavam-se em adivinhações de pessoas com
poderes especiais e até hoje temos rituais e práticas remanescentes deste perı́odo (BISPO,
1998).
Com o passar do tempo e o desenvolvimento da escrita, os processos de subsı́dio à
tomada de decisão foram se modernizando e as primeiras reflexões sobre a tomada de
decisão foram documentadas. No séc. VI a.C pensadores da época como Confúcio e Lao
Tse já refletiam sobre o processo decisório (BUCHANAM; CONNELL, 2006).
Aristóteles (384 a 322 a.C.) foi um dos primeiros estudiosos a avaliar o processo
decisório e as escolhas envolvidas na tomada de decisão. Em sua obra afirmou que as
ações humanas são movidas pelas escolhas. (SCHIO, 2009). Ele defendia o emprego do
empirismo na formação do conhecimento para valorizar as informações obtidas por meio
dos sentidos e do raciocı́nio dedutivo (BUCHANAM; CONNELL, 2006).
Com o desenvolvimento do sistema numérico indo-arábico e da álgebra (séc. IX ao
séc. XI), os métodos de apoio as decisões passaram a ter um entendimento comum e o
processo de decisão passou a utilizar a matemática para fundamentá-lo (BUCHANAM;
CONNELL, 2006).
Durante o renascentismo (séc. XIII a meados do séc. XVII) surgiram os grandes
pensadores que influenciariam as próximas gerações e as linhas de pesquisas que envolviam
o estudo do processo decisório. Nicolau Copérnico (1473-1543), Johannes Kepler (157117
1630) e Galileu Galilei (1564-1642) estabeleceram mudanças significativas nos campos
da matemática e astronomia que serviriam de base para o desenvolvimento da ciência
moderna (BUCHANAM; CONNELL, 2006).
René Descartes em 1641 estabeleceu as linhas inicias para o método cientı́fico e propôs
que a razão é superior a experiência (BUCHANAM; CONNELL, 2006). A ciência passa
então a fundamentar as decisões e direcionar o pensamento filosófico da época. No mesmo
perı́odo surgiram os primeiros estudos relacionados à probabilidade desenvolvidos por
Blaise Pascal e Pierre de Fermat (O’CONNOR; ROBERTSON, 1996). Os resultados
deste trabalho serviram de base para pesquisas em outras áreas e os processos de tomada
de decisão ganharam ferramentas para torná-las discretas e quantificadas.
Pouco tempo depois, Francis Galton passou a utilizar a estatı́stica para estudar as
diferenças humanas e a inteligência, além de ser o primeiro a utilizar questionários para a
captura de dados (PLUCKER, 2007). Galton foi pioneiro em pesquisas que combinavam
estatı́stica para a tomada de decisão baseada em aspectos fı́sicos e de inteligência dos
indivı́duos.
Na mesma época, Sigmund Freud propôs que a tomada de decisão seria influenciada
por razões ocultas na mente (BUCHANAM; CONNELL, 2006). Na área da medicina,
Freud realizou estudos sobre psicologia que pretendiam investigar a mente, seu funcionamento e criar um sistema teórico sobre a vivência e o comportamento humano para que
fosse possı́vel obter um método de tratamento psicoterapêutico (CHIRIAC, 2010).
Em 1938, o pensador behaviorista Chester Barnard popularizou o termo ”tomada de
decisão”(BUCHANAM; CONNELL, 2006). Barnard elaborou uma teoria que considerava a empresa como um sistema de cooperação de atividade humana. Barnard foi um
importante influenciador na área organizacional das empresas no séc. XX, apresentando
as teorias das organizações e as funções dos executivos nas organizações através da sua
obra ”Funções do Executivo”(MAHONEY, 2002).
Na mesma época, John von Neumann já chamava atenção em suas pesquisas, resgatando os estudos que envolviam a Teoria dos Jogos e os processos de decisão e estratégias
envolvendo jogos de duas pessoas (SARTINI et al., 2004). Esta teoria estava esquecida
há algum tempo até os trabalhos de Neumann. Em 1944 John von Neumann e Oscar
Morgenstern formularam uma teoria que julgava o indivı́duo como racional e coerente no
18
momento da tomada de decisão, publicado em sua obra ”Theory of games and economic
behavior ”(BUCHANAM; CONNELL, 2006).
Em 1956 pesquisas na área computacional com Marvin Minsky e John Mac Carthy
produziram os primeiros modelos computacionais de cognição humana o que viria a ser
o inı́cio da Inteligência Artificial. Os objetivos da Inteligência Artificial eram de ter o
entendimento do funcionamento do cérebro no processo decisório e auxiliar as decisões
dos indivı́duos (BUCHANAM; CONNELL, 2006).
Nas décadas seguintes, 1960 e 1970, surgiram os primeiros Sistemas de Suporte à
Decisão (SSD) com objetivo de aperfeiçoar processos produtivos, onde os usuários eram
guiados para caminhos distintos que dependiam da sua escolha (BISPO, 1998). O termo
SSD foi definido claramente por Gorry and Scott Morton (GORRY; MORTON, 1971).
Estes sistemas eram considerados caros, de uso muito especı́fico e operação complexa
(BISPO, 1998).
Entre as décadas de 1970 e 1980 surgiram os primeiros Sistemas de Gerenciamento
de Banco de Dados comerciais e com eles os primeiros problemas em organização e transformação de dados em conhecimento para a tomada de decisão (BISPO, 1998).
Na década de 1990 uma nova geração de Sistemas de Suporte à Decisão surgiu: ERP
(Enterprise Resource Planning), Data Warehouse, OLAP (On-line Analytical Processing),
Data Mining e a Internet (BISPO, 1998).
Com surgimento de Sistemas Especialistas e a integração com Sistemas de Suporte
à Decisão (SSD), surgiram novas aplicações em praticamente todas as áreas de conhecimento. Com a Internet, por exemplo, o consumidor passou a ter maiores subsı́dios
para a tomada de decisão, podendo comparar preços em sites especializados ou receber
recomendação de compras, ampliando o uso dos SSD e dos Sistemas Especialistas.
Conforme Gorry e Morton (1971), os Sistemas de Suporte à Decisão evoluı́ram para
uma nova categoria conhecida como Sistemas de Colaboração, onde os usuários trocam
informações de um domı́nio de conhecimento especı́fico (GORRY; MORTON, 1971). As
organizações e as pessoas usam Sistemas de Suporte à Decisão em Grupo (SSDG) e se
organizam em comunidades especializadas e segmentadas por assuntos de interesse comum
(GORRY; MORTON, 1971).
19
Power (2007) menciona o trabalho de Steve Alter, que em 1980 publicou uma pesquisa
influente sobre o estudo de Sistemas de Suporte à Decisão. Conforme Power (2007), Alter
estudou 56 tipos de Sistemas de Suporte à Decisão, categorizando em sete tipos distintos,
como segue:
• Sistemas para prover acesso a dados;
• Sistemas para suporte e manipulação de dados;
• Sistemas para analise de informações;
• Sistemas financeiros e contábeis: para medir as consequências da tomada de decisão;
• Sistemas de representação: para estimar as consequências com base em simulações;
• Modelos de otimizações: fornecem diretrizes para a ação, gerando uma solução ideal
de acordo com uma série de restrições;
• Sugestão de modelos: realizam o processamento lógico levando a uma decisão especı́fica sugerida para uma tarefa bastante estruturado ou bem compreendida.
Power (2007) classifica historicamente os Sistemas de Suporte à Decisão em: dirigido
por modelos, dirigido por comunicação, dirigido por documentos e dirigido por conhecimento.
A tomada de decisão está diretamente ligada a habilidades cognitivas desenvolvidas
pelos homens no decorrer da vida e o estudo da complexidade dos processos cognitivos faz
com que várias áreas de conhecimento se relacionem para complementar as deficiências
que uma área não seria capaz de atender completamente, seja para ter o entendimento
do comportamento humano ou para a criação de máquinas capazes de responder como
humanos.
O processo de tomada de decisão é influenciado pelo contexto e pelas variáveis presentes nos cenários em que um problema é construı́do e solucionado. As variáveis são
recebidas como estı́mulos para os indivı́duos, fazendo com que as decisões sejam únicas,
pois os estı́mulos são recebidos de formas diferentes pelas pessoas.
20
Mesmo sendo os cenários e os problemas idênticos, as decisões são influenciadas por
experiências passadas, lições aprendidas e experiências cognitivas que provocam reações
diversas nas pessoas, levando-as para destinos diferentes.
Os aspectos que envolvem à decisão são estudados em diversas áreas de conhecimento
com objetivos diferentes para cada área. Na psicologia cognitiva estudam-se os processos
mentais envolvidos no comportamento.
Na área de psicologia, a linha de pesquisa conhecida como ”Heurı́sticas e Vieses”busca
confrontar o julgamento humano com teoremas matemáticos propostos, como o Teorema
de Bayes (TONETTO et al., 2006). Além disso, pesquisas relacionadas a neuropsicologia
buscam desenvolver métodos para simulação e avaliação de situações reais da vida, com
o objetivo de analisar o processo de construção da decisão (TONETTO et al., 2006).
Na área computacional, os Sistemas de Suporte à Decisão em Grupo (SSDG) ganharam espaço e popularidade como as redes sociais, ferramentas de troca de mensagens e
colaboração, onde os dados são interligados através da semântica (GORRY; MORTON,
1971). As decisões são baseadas em informações armazenadas em sites de busca, comparação de preços e sistemas interligados por meio de significados (semântica).
O uso de agentes inteligentes que tem a capacidade de raciocinar e tomar decisões
ocupam espaços em sites de busca, recomendação de compras, controle aéreo, diagnóstico
médico, entre outras coisas.
Os eventos motivadores de tomada de decisão sofreram alterações durante a evolução
humana e tornaram-se cada vez mais sofisticados e complexos com o uso de recursos
computacionais e o desenvolvimento das áreas relacionadas à cognição.
O homem passou de sinais ocultos a redes sociais globais em seu desenvolvimento,
fazendo com que as decisões tomem como base sı́mbolos comuns como a linguagem ou a
matemática, mas ainda existem barreiras a serem vencidas até a criação de tecnologias
suficientes para simular o comportamento humano durante a tomada de decisão.
Criar recursos que facilitem a integração de dados através do uso da semântica utilizando ontologias sobre domı́nios especı́ficos de conhecimentos são alguns dos desafios
para os Sistemas de Suporte à Decisão, pois os SSDG estão cada vez mais conectados e
interdependentes.
21
Atualmente as informações trafegam em mı́dias móveis, na web e em computadores
pessoais de forma transparente para o usuário final, que por consequência dependem cada
vez mais de informações atualizadas para embasar as suas decisões.
A construção de agentes cada vez mais inteligentes e capazes de auxiliar o usuário
a tomar decisões ou até mesmo fazer uma escolha baseado em critérios pré-definidos são
um dos novos paradigmas estabelecidos nesta área de pesquisa e merecem estudos em
trabalhos futuros.
A concepção de novos negócios em cidades que sofreram um grande processo de industrialização durante a sua história depende fundamentalmente da ação de micro e pequenos
empreendedores que muitas vezes se aventuram em universos desconhecidos e são motivados por decisões emocionais.
Neste trabalho, a tomada de decisão de abrir um novo negócio ou implantar um serviço
é subsidiada por um Sistema de Suporte à Decisão que é representado em um simulador,
com o objetivo possuir a maior proximidade possı́vel às variáveis existentes no ambiente
urbano.
2.4
Planejamento Urbano por meio de Sistemas de
Informações Geográficas
A computação vem sendo usada por mais de um século para apoiar as decisões em
planejamento urbano. Hermann Hollerith em 1880 inventou a máquina que lia cartão
perfurado para tabular dados censitários da época e isto levou a formação da IBM junto
com Thomas J. Watson e outros fundadores (AUL, 1972).
Os primeiros Sistemas de Informações Geográficas surgiram na década de 1960, como
parte de um programa para inventariar recursos naturais no Canadá, mas eram considerados caros e comercialmente inviáveis(CAMARA; DAVIS, 2001). Conforme Camara
e Davis (2001), nos anos de 1970 foram desenvolvidos alguns fundamentos matemáticos
voltados para cartografia, incluindo questões de geometria computacional. Na década de
1980, com o desenvolvimento da computação de baixo custo, houve uma grande difusão
do uso de Sistemas de Informações Geográficas.
22
A evolução dos trabalhos que utilizam dados de sensoriamento remoto (técnica que
se iniciou com a utilização de fotografias da superfı́cie da Terra, tomadas a partir de
balões, para a elaboração de mapas) demonstram as informações sócio-econômicas e dos
ambientes no espaço urbano. Conforme Ceccato, Foresti e Kurkdijan (1993), existem
registros em 1957 do uso de sensoriamento remoto.
Ceccato, Foresti e Kurkdijan (1993) afirmam que a dificuldade de acesso, confiabilidade e disponibilidade de informações sobre os ambientes urbanos fazem com que os dados
extraı́dos por meio de sensoriamento remoto complementem as informações estatı́sticas
utilizados no planejamento urbano. Espectros ou padrões de textura podem ser utilizados
para dividir as cidades em setores e representam novas formas de agrupamento de dados
sobre as cidades. Ceccato, Foresti e Kurkdijan (1993) dizem: ”[...] o Sistema de Informações Geográficas pode ser de grande utilidade, pois permite a execução de operações
de manipulação e geração de novas informações de forma rápida e precisa, através de
recursos de automação.”
Em seu trabalho, Ceccato, Foresti e Kurkdijan (1993) afirmam que os dados extraı́dos
por meio de sensoriamento remoto apresentam relações com os dados demográficos e socioeconômicos e que este trabalho de associação é facilitado por um Sistema de Informações
Geográficas (SIG) por meio do que Ceccato, Foresti e Kurkdijan (1993) chamaram de
Reclassificação e Cruzamento de variáveis em um mapa.
Moura (2005) utilizou recursos de geoprocessamento em seu trabalho para montar
um sistema de planejamento urbano e gestão do patrimônio histórico, arquitetônico e
paisagı́stico da cidade de Ouro Preto, identificando os limites e possı́veis distribuições das
atividades de infraestrutura, áreas de risco e adequação ao Plano Diretor vigente.
Para a montagem do sistema, Moura (2005) definiu os principais objetivos para
análises do planejamento urbano. Que estão sintetizadas conforme abaixo:
1. Como é a distribuição da população (faixa etária, nı́veis de escolaridade, densidade
de ocupação)?
2. Distribuição das áreas de risco ambiental à ocupação urbana?
3. Quais são as áreas mais bem servidas (e as mal servidas) de comércio, prestação de
serviços e serviços de uso coletivo?
23
4. Como é a distribuição de infraestrutura da cidade?
5. Quais são as áreas mais propı́cias a expansão urbana?
6. Quais são as áreas mais valorizadas do espaço urbano?
7. Quais são as áreas de maior valor cênico no conjunto urbano?
8. Quais as áreas mais visı́veis na paisagem?
9. Quais as áreas de maior interesse para o turismo?
10. Como é a distribuição de riscos à saúde, a partir da análise de doenças relacionadas
a precárias condições de saneamento?
11. É possı́vel conhecer a distribuição da qualidade de vida?
Os mapas produzidos subsidiaram as respostas a estas questões para a cidade de Ouro
Preto. Ao todo foram produzidos 145 mapas.
Em seu trabalho,Moura (2005) recomenda que a construção das análises, sı́nteses
e interpretação dos resultados devem seguir os princı́pios da Gestalt: teoria surgida na
Alemanha para estudos da forma e defende que ”o todo é mais do que a soma das partes”.
Segundo Moura (2005): ”a compreensão dos mapas resultantes de avaliações não faz
sentido à leitura do dado por pixel, mas sim de sua relação no conjunto do arranjo espacial
e nas conformações espaciais observadas.”
Davis e Fonseca (2010) afirmam que para que um Sistema de Informações Geográficas
(SIG) tenha sucesso são necessários os elementos: Cartografia básica, Divisões polı́ticoadministrativas, Setores censitários, Demográficos e Endereçamento compatı́vel com o
utilizado com a população.
Davis e Fonseca (2010) descrevem que em 1993, após a centralização do cadastro de
alunos das escolas municipais de Belo Horizonte, foi possı́vel utilizar uma distribuição de
alunos por meio de um SIG, solucionando um gargalo no municı́pio, sem a necessidade de
construção de novas salas de aula. Davis e Fonseca (2010) sintetizam o trabalho efetuado
com os seguintes passos:
• Recebimento da pré-matrı́cula nas agências do Correio
24
• Localização dos alunos utilizando o CEP de oito dı́gitos como indicativo do código
do logradouro
• Distribuição dos alunos através da Rede Pública de Ensino de acordo com a as áreas
de jurisdição escolar e proximidade geográfica
• Realocação de alunos excedentes para a escola mais próxima com vagas disponı́veis
No fim do trabalho cerca de 38.000 novos alunos foram alocados nas escolas e houve
um sobra de 12.000 vagas. Davis e Fonseca (2010) citam ainda os trabalhos que estão
sendo realizados nas áreas de Transporte Público, Saúde e Planejamento Urbano. Especificamente sobre Planejamento Urbano Davis e Fonseca (2010) afirmam:
[...]
é necessário gerenciar e combinar um conjunto muito grande
de informações, a maior parte das quais tem um forte componente geográfico. No entanto, a diversidade das combinações desejadas e demandadas pelas atividades de planejamento impedem que sejam estruturadas aplicações, no sentido estrito do termo. Em vez disto, o geoprocessamento deve prover flexibilidade para a geração de relatórios e mapas
temáticos, e para a execução de análises baseadas em diversos tipos diferentes de componentes.
Planejar uma intervenção urbana e as polı́ticas públicas de uma cidade utilizando
dados espacializados é cada vez mais comum em diversos segmentos da sociedade. Os dados quando analisados de forma espacializada fornecem uma visão ampla das informações
existentes em uma cidade, além de ser uma poderosa ferramenta para inferência e resolução de problemas, onde as informações são consideradas como um todo, fazendo mais
sentido do que de forma isolada.
Neste trabalho, o SIG foi utilizado para planejar a implantação de novos serviços, auxiliando na escolha da melhor localização, espacialização e exibição dos dados levantados.
25
2.5
Sistemas de Informações Geográficas e Tomada
de Decisão
2.5.1
Sistemas de Informações Geográficas
Os bancos de dados geográficos servem de base para os Sistema de Informações Geográficas (SIG) e são utilizados para armazenamento de dados espaciais. Nos próximos
parágrafos são feitas avaliações das principais caracterı́sticas de um SIG e algumas técnicas
que poderão ser aplicadas em futuros trabalhos.
Camara et al. (2002) definem o termo SIG (Sistemas de Informação Geográfica) como
sistemas computacionais que armazenam dados geo referenciados localizados em uma
superfı́cie terrestre e são representados numa projeção geográfica. O esquema demonstra
os principais componentes de um sistema de informações geográficas:
Figura 2.14: Esquema geral dos módulos de um sistema de informações geográficas. Fonte: INPE
A componente interface representado acima define a forma de operação e controle do
sistema. Para troca de informações com o banco de dados geográficos existe uma camada
intermediária de software que pode ser caracterizada como um conjunto de agentes com
funções especı́ficas de consulta e validação de dados espaciais e um conjunto de agentes
26
responsáveis pela comunicação com o banco de dados.
Um banco de dados geográfico manipula um grande volume de dados estruturados
sobre uma região e conforme Strauch, Souza e Mattoso (1998): ”é caracterizado por
necessitar de um modelo de dados mais expressivo que capture a semântica espacial das
aplicações”.
O modelo de banco de dados mais utilizado é conhecido como geo-relacional que tem
como vantagem a utilização de Sistemas de Gerenciamento de Banco de Dados relacionais
de mercado (CAMARA et al., 2002).
Para criar um entendimento comum dos dados armazenados e representá-los de forma
geométrica são utilizados os seguintes padrões:
• Pontos 2D: par ordenado (x,y) que representa um local espacializado
• Polı́gonos: grupo de pares ordenados onde o último valor é igual ao primeiro valor
do próximo par o que forma uma figura.
• Amostra: pares ordenados x,y e z que descrevem múltiplas medidas de uma mesma
localidade.
• Grade regular: matriz que associa uma região da superfı́cie.
• Imagem: matriz utilizada para representação gráfica da grade regular
Para que as decisões sejam assertivas é fundamental o conhecimento sobre a análise
do espaço e o conjunto de fenômenos envolvidos para a tomada de decisão. Camara et
al. (2002) elencaram um conjunto de conhecimentos necessários para avaliar um modelo
geográfico:
• Dependência espacial: existe uma dependência natural ou social entre a distância e
a ocorrência dos eventos em uma região.
• Autocorrelação espacial: termo derivado da estatı́stica que mede o relacionamento
entre duas variáveis aleatórias.
27
• Inferência estatı́stica para dados espaciais: todas as observações sobre os dados
espaciais são feitas de forma conjunta para descrever o padrão espacial do cenário
estudado.
• Estacionariedade e Isotropia: se a média dos valores no espaço e a covariância
entre áreas diferentes forem constantes na região estudada dizemos que o processo é
estacionário ou não existe uma tendência. O processo é isotrópico se a covariância
depender apenas da distância e não da direção entre os pontos.
2.5.2
O uso de informações geográficas para subsidiar a tomada
de decisão
Conforme Camara et al. (2002), os Sistemas de Informações Geográficas (SIG) fornecem uma percepção visual da distribuição espacial dos dados e auxiliam na compreensão
de problemas em diversas áreas de conhecimento. Avaliar um conjunto de dados por meio
de uma perspectiva visual e associada a uma base geográfica é cada vez mais comum nas
empresas e são utilizadas para tomada de decisão estratégica nos mais diversos cenários.
Um dos pioneiros na utilização de informações espacializadas foi John Snow que em
1854 fez análises de epidemia de cólera em Londres (CAMARA et al., 2002). Por meio
de cruzamento de informações se desejava encontrar uma causa para o grande número
de óbitos. Em estudos posteriores conseguiu-se encontrar as causas do grande número de
pessoas que contraı́ram a doença e constatou-se os benefı́cios da espacialização dos dados.
Na próxima figura, os poços de água estão representados por cruzes, onde morreram
500 pessoas em 10 dias e os óbitos por pontos. Constatou-se que havia um foco de
contaminação na intersecção da Broad Street com a Cambridge Street.
28
Figura 2.15: Mapa de Soho em Londres (1854) com os dados espacializados que identificaram óbitos por
cólera.
Segundo Camara et al. (2002) as abordagens mais utilizadas na caracterização das
análises espaciais são:
• Eventos ou padrões pontuais: são eventos ou fenômenos espacializados e representados por meio de pontos. Ex.: crimes, pontos comerciais, acidentes, etc.
• Superfı́cies contı́nuas: estimados por meio de amostras de campo. Normalmente
representados por recursos naturais. Ex.: mapas geológicos, topográficos, ecológicos,
etc.
• Áreas de contagem e taxas agregadas: são dados associados a levantamentos populacionais censitários. Por serem considerados sigilosos, estes dados são normalmente
representados por polı́gonos fechados tais como setores censitários, zonas de endereçamento postal e municı́pios.
29
Outra abordagem utilizando Sistemas de Informações Geográficas para a tomada de
decisão é uso combinado de dados geográficos com a estatı́stica. Conforme Camargo
(2010), Daniel G. Krige, em 1954, introduziu o uso de médias móveis em seus trabalhos que
estudavam reservas de mineração e em 1971 Matheron fundamenta a Teoria das Variáveis
Regionalizadas. A teoria da Matheron deu base para a criação da Geo estatı́stica que une
as variáveis aleatórias com as variáveis regionalizadas gerando um conceito de funções
aleatórias.
Conforme Camargo (2010), o método desenvolvido por Daniel G. Krige (1954) ficou
conhecido como krigagem e utiliza as médias móveis estimadas de valores variáveis e
distribuı́das no espaço a partir de valores adjacentes por meio da uma função chamada
de variograma.
A variograma descreve a quantidade e a variação no espaço de um fenômeno regionalizado. Se os pontos são fortemente relacionados a variância será menor. Quando a
variância é demonstrada em função da distância demonstra-se à correlação da distância
espacial de um fenômeno regionalizado. A próxima figura exibe uma representação de um
variograma para um conjunto de pontos.
Figura 2.16: A curva negra estão os dados e a curva azul a função que modela os dados.
A krigagem é utilizada para interpolar dados dispersos e poucos abundantes e con30
sidera variações determinı́sticas, dados auto relacionados e ruı́dos não correlacionados,
gerando uma superfı́cie interpolada suave.
A próxima figura exibe a aplicação da técnica de krigagem em estudos agrı́colas.
A figura demonstra a produtividade de grãos de milho no estado de São Paulo estimado
com época de semeadura no primeiro dia dos meses de Julho, Agosto, Setembro, Outubro,
Novembro e Dezembro.
Figura 2.17: Aplicação de técnica de krigagem.
A interpolação espacial utiliza pontos com valores conhecidos para estimar valores de
outros pontos. Em Sistemas de Informações Geográficas pressupõe-se que pontos próximos
no espaço apresentam valores e atributos semelhantes, propriedade chamada de autocorrelação espacial positiva. Existem dois grupos de métodos de interpolação: o primeiro
considera toda a população de pontos de forma global e o segundo apenas uma região
próxima ao ponto que está sendo interpolado. Os interpoladores também são classificados
em determinı́sticos e estocásticos. Outra classificação é quanto à exatidão dos valores
medidos.
A tomada de decisão baseada em informações espacializadas traz novas experiências
aos indivı́duos, fazendo com que uma decisão tenha mais subsı́dios e ferramentas que
melhorem a assertividade, ou seja, a combinação de dados e mapas para subsidiar a
tomada de decisão pode ser considerada nos dias atuais como um importante influenciador
dentro dos processos que historicamente mudaram a forma que o homem faz as suas
31
escolhas.
Os fenômenos estudados pela área de Geo processamento, a Geo estatı́stica, reforçam
as ideias levantadas pelos estudos do comportamento e neste trabalho influenciaram a
modelagem dos agentes que foram distribuı́dos no espaço do ambiente de simulação modelado.
Neste trabalho foi utilizado o Google e seu Banco de Dados Geográficos para avaliação
dos novos serviços que poderão ser implantados, pois um dos objetivos do trabalho é capturar informações de um SIG para construir um modelo dinâmico. Não foram utilizadas
técnicas de interpolação ou Geo estatı́stica neste trabalho, ficando como sugestão para
trabalhos futuros.
2.6
Modelos dinâmicos espaciais e o uso de autômatos
celulares na representação de ambientes urbanos
A modelagem computacional para tratar e simular fenômenos dinâmicos em ambientes
urbanos, desperta interesse desde o fim da década de 1950 e inı́cio da década de 1960 (ALMEIDA; MONTEIRO; CAMARA, 2007). Almeida, Monteiro e Camara (2007) esclarecem
que os problemas das primeiras gerações de modelos computacionais não consideravam
uma estrutura conceitual propriamente dinâmica, com o tratamento das componentes
temporal e espacial.
Refosco (2007) afirma:
A
elaboração
de
modelos
conceituais
e
matemáticos
tem
sido utilizada como método de estudos para se compreender o uso da
terra e sua mudança ao longo do tempo. Mesmo sendo simplificadores e reducionistas em alguma medida, os modelos podem servir como
uma importante ferramenta neste tipo de estudo especialmente para se
conhecer como e quando essas mudanças ocorrem ao longo do tempo e
quais são os fatores envolvidos na determinação dos padrões de uso da
terra.
Briassoulis (2000) mostra que modelos são a representação formal da teoria de um
32
sistema de interesse ou abstrações e aproximações da realidade.
Segundo Almeida, Monteiro e Camara (2007), os modelos recentes se esforçam para
superar este desafio, mas ainda é uma raridade para os Sistemas de Informações Geográficas (SIG) considerarem funcionalidades para a modelagem dinâmica, prevalecendo
em sua maioria representações de fenômenos espaciais estáticos.
As primeiras necessidades de modelagem urbana surgiram na década de 1940 e 1950
nos Estados Unidos, pois a crescente demanda de automóveis e crescimento das cidades
fez com que a estrutura fı́sica das cidades não suportassem o crescimento e o deslocamento
populacional (ALMEIDA; MONTEIRO; CAMARA, 2007). Segundo Almeida, Monteiro e
Camara (2007), os primeiros estudos utilizavam regressão linear e distribuição por modelos
gravitacionais (batizado com este nome por ser análogo a Lei de Newton).
No inı́cio da década de 1970, os modelos urbanos passaram a considerar a dinâmica
de uma base, ou seja, as entradas e saı́das variam com o tempo e os estados dependem de
estados anteriores. Almeida, Monteiro e Camara (2007) exemplificam um modelo simples
chamado de estático comparativo com o seguinte objetivo: ”[...] representar a estrutura
estática de sistemas urbanos em um instante de tempo sem recorrer a explicações de
mudanças de estrutura ao longo do tempo.”
Almeida, Monteiro e Camara (2007) observam que uma das principais restrições dos
modelos dinâmicos são o aumento exponencial no inı́cio dos ciclos e a estabilização próxima
a escassez de recursos do modelo, perto da situação de equilı́brio com pequenas oscilações
no entorno do estado estável.
Allen, Sanglier e Boon (1981) utilizaram conceitos de auto-organização e seus estudos
evoluı́ram para o que ele denominou de ”modelo dinâmico da evolução espacial de sistemas
urbanos”, que tinha como base sistemas abertos e adaptáveis, caos e complexidade.
Almeida, Monteiro e Camara (2007) esclarecem que os modelos propostos por Allen,
Sanglier e Boon (1981) receberam crı́ticas por considerarem um processo lento que é o
estabelecimento do novo negócio com a demanda de consumo considerada como um processo rápido. Vários autores consideraram escalas de tempo e velocidades de ocorrências
com o objetivo de superar estas crı́ticas criando modelos multinı́veis.
Almeida, Monteiro e Camara (2007) concluem:
33
[...]embora
refinamentos
consideráveis
fossem
introduzidos
na
primeira geração de modelos dinâmicos a fim de dotá-los de habilidade
para lidar com as complexas, e por vezes recursivas, interações espaciais
entre as diferentes atividades em uma cidade, de incorporar a dimensão
temporal (multinı́vel) na análise quantitativa e de empregar sofisticados
recursos teóricos e matemáticos, como por exemplo, equações diferenciais, Teoria da Catástrofe e Bifurcações, entre outras, esses modelos
permanecem fundamentalmente não espaciais, especialmente pelo fato
de que seus resultados não podiam ser visualizados espacialmente.
O autômato celular trata o espaço como um arranjo de células que podem assumir
diferentes estados ao longo do tempo, em função dos estados das demais células vizinhas
conforme um conjunto de regras de transição (GODOY; SOARES, 2007).
Por volta da década de 1920 e 1930, Alan Turing e John von Neumann estudavam a
ideia de máquinas auto-replicáveis capazes de gerar padrões perpétuos o que podem ser
considerados como os primórdios dos autômatos celulares.
No fim da década de 1980 os modelos baseados em autômatos celulares começaram a
ser utilizados para modelagem espaciais, já que os modelos anteriores não consideravam
as informações espacializadas.
Almeida, Monteiro e Camara (2007) mencionam os trabalhos elaborados por Chapin
Jr. e Weiss em 1968 com abordagem de autômato celulares implı́citos nestes modelos. Os
autores criaram respectivamente modelos para Carolina do Norte e o oeste de Nova York.
Conforme Almeida, Monteiro e Camara (2007), em 1974 Tobler escreve o artigo ”Cellular
geography” onde os autômatos celulares poderiam ser explorados em sistemas geográficos.
Conforme Castro (2006), os autômatos celulares são bons exemplos de sistemas matemáticos construı́dos de muitos sistemas idênticos e simples, mas que juntos são capazes
de ter comportamentos complexos.
Muitos trabalhos foram produzidos, com destaque ao pioneirismo dos trabalhos de
Stephen Wolfram (1983), que serviram de base para evolução de estudos de teoria do
caos, fractais e auto-organização. Mas não há um consenso sobre o uso de autômatos
celulares para modelagem urbana (ALMEIDA; MONTEIRO; CAMARA, 2007).
34
Para O’Sullivan (2000) a contribuição teórica é pouca, onde afirma: ”Pesquisa em
modelagem de CA é simplesmente isto, pesquisa em modelagem e não pesquisa sobre
teoria e dinâmica urbana e regional”.
Uma afirmação parecida é feita por Briassoulis (2000): ”[...] a maioria das teorias
ainda está sem as suas contrapartes (não necessariamente matemáticas) em modelagens, e
a recı́proca também é válida. Vários modelos estão privados de fundamentações teóricas.”
O uso de modelos teóricos, empı́ricos e hı́bridos é estudado desde os primórdios da
década de 1960. Almeida, Monteiro e Camara (2007) definem os três modelos:
• Modelo teórico: as suposições, premissas e equações derivadas (quando existirem)
explicam todo o comportamento do sistema.
• Modelo empı́rico: apoiam-se nos dados para emitir conclusões sobre o sistema, utilizando estatı́sticas, métodos empı́ricos ou regras determinı́sticas.
• Modelo hı́brido: a estrutura interna do modelo concilia teoria e empirismo.
Godoy e Soares (2007) em seus trabalhos fizeram uma análise da concorrência e fusão
com residências e difusão do uso de serviços em um bairro da Grande Belo Horizonte
utilizando modelos de autômatos celulares. Godoy e Soares (2007) afirmam que uma
grande limitação aos modelos de simulação espaciais são os ajustes, que geram um grande
trabalho em função do enorme número de parâmetros a serem calibrados.
Neste trabalho não foi utilizado nenhum dos modelos de autômato celular existentes,
pois conforme O’Sullivan (2000), não existe um consenso sobre a aplicação destes modelos e principalmente porque não foi encontrado exemplos de modelagem da dinâmica
do espaço urbano com o uso de Otimização por Colônia de Formigas, assunto será que
estudado nos próximos capı́tulos.
2.7
Sistemas Multiagentes
Conforme Silva (2005), não existe um consenso sobre a definição do termo agente,
portanto a definição de agente considerada neste trabalho será: qualquer elemento em um
35
sistema que se deseja modelar um comportamento. O mesmo ocorre sobre a definição de
sistemas multiagentes e para este trabalho a definição adotada será: uma rede de agentes
que trabalham em conjunto para solucionar problemas. Os agentes possuem estágios e
percepções para armazenar dados e modificar o ambiente.
Sichman (2003) afirma que em domı́nios distintos da computação existem diversas
abordagens e cita o exemplo das redes de computadores que utilizam agentes para monitorar equipamentos (SNMP) e da área de desenvolvimento para Internet que utilizam
agentes de busca de informações.
Influenciado pela Sociologia e Etologia (estudo do comportamento animal), os sistemas
multiagentes utilizam as propriedades sociais na sua concepção, observando a coletividade
ao invés de indivı́duos como se propõe as técnicas tradicionais de inteligência artificial.
Hubner, Bordini e Vieira (2004) afirmam que com os sistemas multiagentes as tentativas de
compreensão e simulação do comportamento humano deixam de ser mental (IA simbolista)
ou neural (IA conexionista) e passam a ser baseados na iteração entre os agentes.
Pontarolo et al. (2005) afirmam que a pesquisa em sistemas multiagentes não se restringe a uma área especı́fica de conhecimento, sendo a sua natureza interdisciplinar. Hubner, Bordini e Vieira (2004) citam algumas aplicações de sistemas multiagentes: controle
de tráfego aéreo, indústria, gerência de negócios, ambientes de aprendizagem, simulações
sociais, entre outros.
Hubner, Bordini e Vieira (2004) citam o exemplo da colônia de formigas como um
sistema multiagentes que possui caracterı́sticas que não podem ser reduzidas aos componentes que a formam (interação entre os agentes, o ambiente e a organização) e fazem
sentido somente se analisados de forma coletiva.
Hubner, Bordini e Vieira (2004) citam Ferber (1999) que propôs a divisão estrutural
de sistemas multiagentes, comumente aceita. Esta divisão foi feita em dois grupos, como
segue:
• Reativos: o comportamento inteligente emerge da interação entre os agentes e é
conduzido objetivando cumprir a meta coletiva. O agente reativo ignora o histórico
e toma as decisões baseadas na percepção atual. Estes agentes são baseados em
modelos de organização biologia ou etológica. Exemplo: formigas, cupins, abelhas,
36
etc. Este modelo é formado pelo par ”Ação-Reação”. As principais aplicações que
podem ser modeladas por meio de sistemas multiagentes reativos são: vida artificial,
recuperação de informações e telecomunicações.
• Cognitivos: possuem poucos agentes computacionalmente sofisticados e uma representação simbólica explı́cita de seu ambiente no qual pode ser utilizado para predizer
futuros acontecimentos. Os sistemas cognitivos são baseados em organizações humanas como grupos, hierarquias e mercados.
Hubner, Bordini e Vieira (2004) descrevem as duas propriedades fundamentais e contraditórias para sistemas multiagentes: autonomia dos agentes e sua organização. Como
autonomia entende-se que é a capacidade dos agentes atingirem os seus objetivos sem a
necessidade de outros agentes. Como organização entende-se a capacidade de estabelecer restrições ao comportamento dos agentes, procurando um comportamento coletivo e
coeso. Em complemento as propriedades descritas por Hubner, Bordini e Vieira (2004),
Silva (2005) inclui proatividade e sociabilidade como caracterı́stica dos agentes.
Sichman (2003) afirma que existem na literatura diversas definições relacionadas ao
termo autonomia, com significados distintos, conforme segue:
• autonomia em relação a sua concepção, ou seja, ele independe da existência de
outros agentes
• em relação a seu ambiente, ou seja, não existe um controle do ambiente que o agente
esta inserido
• em relação a execução dos objetivos, ou seja, atinge os objetivos sem a ajuda de
outros
• em relação à suas motivações, ou seja, as decisões são tomadas de forma independente
Silva (2005) afirma que a interação entre os agentes é dirigida por um contexto organizacional que ajuda a definir a natureza dos relacionamentos entre os agentes.
Hubner, Bordini e Vieira (2004) citam duas estratégias para o desenvolvimento de
sistemas multiagentes:
37
• Top-down: são definidas as caracterı́sticas coletivas como organização e comunicação
até a definição dos agentes
• Botton-up: são definidas as caracterı́sticas individuais, relacionando os agentes a
fim de emergir as caracterı́sticas coletivas
Conforme falado por Hubner, Bordini e Vieira (2004) ”[...] a abordagem top-down, o
projetista olha o sistema como um todo e na abordagem botton-up ele vê o sistema como
tivesse dentro dos agentes.”
Sichman (2003) descreve as arquiteturas existentes para a construção de sistemas
multiagentes:
• Arquitetura reativa - surgiu no fim da década de 1980 e defende a ideia de que um
conjunto de comportamentos simples podem resolver problemas reais complexos.
• Arquitetura deliberativa - proposta também da década de 1980, utiliza as intenções
no raciocı́nio prático humano, ou seja, os agentes assumem algumas premissas sobre
o estado para a realização dos objetivos.
• Arquitetura hı́brida - junta reatividade e pró-atividade a fim de resolver problemas.
Pontarolo et al. (2005) citam a simulação baseada em agentes como uma ferramenta
para ”ganhar entendimento dentro de um processo dinâmico”. Pontarolo et al. (2005)
afirmam que as simulações são baseadas no processo botton-up.
Pontarolo et al. (2005) citam os ambientes para construção de projetos baseados em
agentes: StarLogo, Microwords, Swarm, Repast e NetLogo. Pontarolo et al. (2005) fala
sobre a teoria envolvendo sistemas complexos, dinâmicos e de auto-organização:
A teoria dos sistemas complexos é um novo campo da ciência que estuda
até que ponto as partes de um sistema se separam do comportamento
coletivo, e como o sistema interage com seu ambiente. Sistemas complexos são difı́ceis de entender porque as causas e os efeitos não estão
relacionados de forma direta, ou seja, existem correlações entre eventos
distantes no tempo e no espaço.
38
O desenvolvimento de sistemas complexos que consideram as iterações entre os componentes do sistema de forma descentralizada é uma abordagem nova e que ainda gera
resistência, pois é forte a ideia de que existe um controle central sobre os agentes. Sendo
esta uma nova abordagem para solução de problemas recebe uma forte influência da Cibernética e das Ciências Cognitivas. (PONTAROLO et al., 2005).
O modelo de simulação desenvolvido neste trabalho se baseia nos conceitos de sistemas
multiagentes, especificamente a Otimização por Colônia de Formigas e em conjunto com
as Teorias de Localização serão utilizadas para subsidiar a tomada de decisão na abertura
de um novo negócio ou serviço.
2.8
Modelagem dinâmica do espaço urbano baseado
em Colônia de Formigas
Em trabalhos anteriores, o grupo de Brussels Allen, Sanglier e Boon (1981) utilizou conceitos de auto-organização e sistemas fı́sicos ou biológicos, mas nada próximo ao
modelo de auto-organização proposto por Dorigo, Maniezzo e Colorni (1996).
Utilizando como inspiração para a sua concepção o comportamento das formigas na
busca de alimentos próximo a sua colônia, o ACO (do inglês Ant Colony Optimization)
pertence a uma famı́lia de algoritmos que buscam inspirações no comportamento natural
para a solução de problemas.
Introduzido por Dorigo, Maniezzo e Colorni (1996), o ACO utiliza uma heurı́stica baseada em probabilidade para a solução de problemas que envolvem a procura de caminhos
em grafos. Entre as principais caracterı́sticas do ACO destacam-se:
• não-determinismo, ou seja, baseia-se no comportamento das formigas;
• paralelismo e adaptabilidade, pois uma população move-se simultaneamente e
• cooperativismo.
Inicialmente as formigas buscam alimentos de forma descoordenada por serem praticamente cegas e ao encontrá-los retornam ao ninho deixando um rastro de feromônio.
39
Quando as demais formigas encontram o rastro elas passam a segui-lo e reforçam o caminho encontrado com mais feromônio. Com o tempo a trilha se enfraquece e evapora,
diminuindo a atração e evitando a convergência para a solução ótima local. Ao encontrar
um caminho mais curto entre o alimento e a colônia, passam a utilizá-lo fazendo com que
o feromônio fique mais forte para que as demais formigas da colônia passem a utilizar este
caminho.
Dorigo, Maniezzo e Colorni (1996) batizaram este novo paradigma computacional
como ”Ant System” onde propõem uma abordagem otimizada, estocástica e combinatória.
Observa-se neste cenário um fenômeno importante e muito parecido com uma relação
entre empreendedores e consumidores que na natureza foi batizado como estigmergia.
Termo inventado pelo biólogo Pierre-Paul Grassé em 1959, a estigmergia é caracterizada
por:
• falta de coordenação centralizada;
• comunicação e coordenação entre os indivı́duos em uma colônia é baseada nas modificações locais do ambiente;
• auto-organização e
• realimentação positiva, ou seja, quanto mais formigas passarem por um caminho,
maior será a quantidade de feromônio. Esta é uma das principais caracterı́sticas do
modelo segundo Dorigo, Maniezzo e Colorni (1996);
Na figura 2.18 as formigas convergem para um dos caminhos com probabilidades
iguais. Devido a fatores aleatórios, uma das pontes terá mais feromônio e atrairá as
formigas com maior probabilidade.
Figura 2.18: Ilustração da execução do ACO
40
Na figura 2.19 uma formiga percorre ida e volta a ponte curta no mesmo tempo que
outra formiga realiza apenas o percurso de ida na ponte longa.
Figura 2.19: Ilustração da execução do ACO
Para que a proposta de modelagem computacional fique mais clara, considere as
seguintes analogias a simulação proposta:
1. As informações da localização da colônia de formigas e dos alimentos são dados
espacializados, ou seja, possuem coordenadas geográficas.
2. As formigas podem ser consideradas como as pessoas em um local que estão aptas
a consumirem um produto ou serviço especı́fico em uma região.
3. Os alimentos são os prováveis produtos ou serviços fornecidos pelos locais onde serão
implantados novos provedores de serviços.
4. Os ninhos serão determinados por critérios baseados no Modelo de Zona Concêntrica
(SAMPAIO, 2005)
5. O feromônio será implementado considerando aspectos geográficos, ou seja, a proximidade entre a residência e local de implantação influenciará o nı́vel de feromônio.
Castro (2006) faz uma interpretação da terminologia utilizada no modelo biológico e
sua equivalência no modelo ACO, mas não descreve como deve ser considerado a fonte de
alimento, conforme demonstrado na próxima tabela.
O ACO pode ser classificado como um modelo gravitacional se for comparado com
os modelos de Teorias de Localização descritos nos capı́tulos anteriores, pois ele é probabilı́stico e não determinı́stico. Com a combinação do modelo de Zona Concêntrica (Sampaio (2005)) e do ACO, pode-se construir uma simulação hı́brida, ou seja, a a estrutura
interna do modelo concilia teoria e empirismo.
41
Biologia
ACO
Formiga
Agente usado para construir a solução do problema
Colônia de Formigas
População de formigas trabalhando de forma cooperada
Rastro de feromônio
Modificação do ambiente causada por comunicação indireta
Evaporação do feromônio Redução do nı́vel de feromônio
Tabela 2.2: Interpretação do modelo biológico para o ACO. (CASTRO, 2006).
A proposta de modelagem dinâmica com o uso do ACO não possui os problemas descritos nos modelos propostos na década de 1980 para dinâmica do espaço urbano, conforme
descrito por Briassoulis (2000), pelo fato do agente (formiga) e dos outros componentes
do modelo poderem ser modelados com informações espacializadas.
Para os modelos propostos após a década de 1980, a crı́tica recebida era a falta de
formalismo e fundamentação teórica, o que não acontece com o ACO, pois apesar da
análise teórica ser considerada complexa, o ACO parece ser uma modelo viável para
alguns cenários de modelagem de dinâmica populacional no espaço urbano.
Um complemento ao modelo proposto por Dorigo, Maniezzo e Colorni (1996) foi utilizar a distância de Manhattan, ou seja, a utilização de uma geometria capaz de considerar
as distâncias em formato não linear, trazendo para a simulação proposta uma proximidade maior do ambiente espacial avaliado, uma vez que a influência de um agente está
diretamente ligada ao caminho percorrido. Para construir esta proposta foi considerado
a inserção de obstáculos que simulam quadras e barreiras fı́sicas.
A seguir um pseudo-algoritmo que ilustra o funcionamento do ACO:
LeiaDadosProblema
ComputeMatrizDistancia
ComputeMatrizInfo
InicializeFormigas
InicializeParametros
enquanto (não terminar)
ConstruaSolucoes
BuscaLocal // opcional
AtualizeEstatisticas
42
AtualizeFeromonio
fim enquanto
Para esclarecer a proposta de modelagem do espaço urbano deste trabalho, juntou-se
os conceitos do ACO propostos por Dorigo, Maniezzo e Colorni (1996) a um estudo de
caso, que será detalhado no próximo capı́tulo. O exemplo estudado avalia a implantação de
serviços públicos na área de educação, mais precisamente a criação de vagas e implantação
de novas escolas. Com isto será possı́vel avaliar aplicabilidade do ACO para modelar a
dinâmica de uma região.
Para tornar o exemplo do Estudo de Caso mais claro, a próxima tabela compara o
ACO com os agentes que fazem parte do contexto das escolas públicas:
Agentes
Equivalente aos alunos
Colônia de formigas
Conjunto de alunos que residem próximo e
possuem o mesmo perfil sócio- econômico
Fonte de Alimentos
Vagas nas escolas que se reduz a medida que
a simulação é iniciada
Feromônio
Fator geográfico que sofre variações e alterna
conforme a distância entre o aluno e a escola
Evaporação do feromônio Fator geográfico que sofre variações e alterna
conforme a distância entre o aluno e a escola.
Pode ser influenciada por:
• criação de uma nova escola
• redução do número de vagas
Tabela 2.3: Comparação do ACO com os agentes utilizados no Estudo de Caso.
Como justificativa para escolha do ACO como proposta de modelagem dinâmica do
espaço urbano, destacam-se quatro fatores:
• o formalismo construı́do por Dorigo, Maniezzo e Colorni (1996), o que torna as
experiências construı́das no simulador possı́veis de serem reproduzidas em outros
contextos e com a utilização de outras ferramentas;
43
• por considerar a dinâmica do espaço urbano na sua execução, ou seja, o ACO
considera os obstáculos, barreiras e mudanças no ambiente o qual estão inseridos;
• por considerar o componente temporal, ou seja, cada movimento das formigas é
medido por um tempo e
• por considerar componentes espaciais, ou seja, as formigas estão inseridas em um
cenário com coordenadas, que embora não sejam geodésicas, representam uma informação no espaço.
44
Capı́tulo 3
ESTUDO DE CASO
”O fator decisivo para vencer o maior obstáculo é, invariavelmente, ultrapassar o
obstáculo anterior.” - Henry Ford
3.1
Resumo do que será visto neste capı́tulo.
O estudo de caso nasce neste capı́tulo com a aplicação das Teorias de Localização, mas
especificamente o Modelo de Zona Concêntrica. Neste capı́tulo é demonstrado também o
processo utilizado para espacialização de dados e tomada de decisão baseado nos modelos
de Teorias de Localização. O estudo de caso é finalizado no próximo capı́tulo com a
criação do simulador e dos cenários e resultados da simulação.
3.2
Criação de serviços escolares
A criação deste estudo de caso se justifica porque os dados que darão subsı́dio para
a criação dos cenários de simulação precisam ser coletados a partir de uma fonte de
informação confiável. Neste caso são os institutos de pesquisas como o IBGE, INEP e
Prefeitura de São Paulo, por isso é demonstrado o processo de captura e avaliação dos
dados. Outra justificativa, que faz parte de um dos objetivos especı́ficos deste trabalho,
é utilizar dados capturados de um Sistema de Informações Geográficas em conjunto com
as Teorias de Localização. Para este estudo de caso foi utilizado o Modelo de Zona
45
Concêntrica.
A criação de uma nova escola ou a disponibilidade de vagas não são considerados
novos empreendimentos se for comparado com uma empresa ou um serviço privado, pois
não visam lucros ou resultados que possam ser quantificados de forma direta como por
exemplo o faturamento de uma empresa.
Para fins didáticos e devido à disponibilidade de dados públicos, foi utilizado o contexto de escolas públicas. Em trabalhos futuros este estudo de caso deverá se estender
a empresas com fins sociais diferentes do proposto para escolas. O objetivo deste estudo
de caso é que os modelos e exemplos utilizados possam ser explorados em outros tipos de
empreendimentos privados ou serviços públicos.
Para o planejamento de instalação de novas escolas públicas municipais é importante
saber a abrangência de atendimento da escola, pois em uma região podem existir serviços
semelhantes oferecidos pelo governo estadual ou dependendo da região estudada, a implantação de um serviço público pode não receber a demanda necessária, pois a população
consumidora daquela região pode ter um perfil diferente de consumo de serviços públicos.
Elias (2008) afirma que na cidade do Rio de Janeiro as escolas de ensino fundamental
municipais possuem matriculadas crianças de uma mesma comunidade, ou seja, não existe
um grande deslocamento de crianças que moram em comunidades afastadas.
Elias (2008) também avaliou a posição social de um grupo de crianças de uma escola
e constatou que todas possuem posições sócio-econômicas parecidas envolvendo-as em
uma rede de relações ligada a escola, localização domiciliar e posição social. Elias (2008)
constatou em seus trabalhos de campo que em uma escola pública municipal localizada
em uma região com elevado Índice de Desenvolvimento Humano (IDH) recebem poucos
alunos que residem efetivamente na região.
Neste trabalho foi selecionada uma região pertencente ao municı́pio de São Paulo,
localizada no extremo leste da região onde os Índices de Desenvolvimento Humano são
menores.
A próxima figura demonstra o IDH do municı́pio de São Paulo, com destaque para
as regiões selecionadas para o estudo de caso. Os dados foram extraı́dos da Prefeitura de
São Paulo e tiveram origem com o censo de 2000 feito pelo IBGE.
46
Figura 3.1: IDH do municı́pio de São Paulo. Fonte: IBGE (Censo 2000) e Fundação SEADE
47
Conforme constatado por Elias (2008), as crianças que residem próximo as escolas
muitas vezes não utilizam este serviço, pois assim como ocorre na cidade do Rio de
Janeiro, em São Paulo o local escolhido por alguns pais de alunos para educação são
normalmente próximo ao local de trabalho ou no caminho do trabalho. Muitas vezes
isto ocorre por fatores econômicos ou ligados a dificuldades de mobilidade presentes em
grandes cidades.
O equilı́brio entre as vagas oferecidas e os alunos tende a se estabilizar e com o tempo
as condições sociais e econômicas farão com que os IDH’s das regiões melhorem. Este
fenômeno ocorre em grandes cidades que passaram por um processo de desenvolvimento
parecido com o de São Paulo.
3.3
Processo para levantamento e espacialização dos
dados
Foram escolhidos três distritos da cidade de São Paulo que pudessem expôr as caracterı́sticas e deficiências de um determinado serviço oferecido na metrópole. Para segmentar os dados da região estudada foram escolhidos os serviços de educação fundamental
pública, que compreende o ensino do primeiro ao nono ano. As informações sobre escolas
municipais foram extraı́das do site da Secretaria Municipal de Educação.
Figura 3.2: Sistema de consulta disponibilizado pela Secretaria de Educação.
48
As informações sobre o ensino estadual público foram extraı́das do sistema Data Escola Brasil, mantido pelo INEP (Instituto Nacional de Estudos e Pesquisas Educacionais
Anı́sio Teixeira) ligado ao Ministério da Educação. E conforme informações do site: ”As
informações disponı́veis para consulta são referentes aos dados finais do Censo Escolar
2010, publicados no Diário Oficial da União no dia 20 de dezembro de 2010.”
Figura 3.3: Sistema Data Escola Brasil, disponibilizado pelo INEP.
Após o levantamento de todas as escolas públicas da região escolhida, partiu-se para a
atividade de geo codificação dos locais. Utilizou-se um serviço disponı́vel na internet (site:
http://itouchmap.com/latlong.html) que utiliza o serviço de geo codificação disponı́veis
no Google. A figura 3.4 exibe a tela do sistema de geo codificação reversa utilizado neste
trabalho.
O trabalho de espacialização consistiu em levantar o endereço do logradouro da escola
no sistema Data Escola Brasil (INEP) para ser utilizado como entrada no sistema que
realiza a geo codificação reversa, ou seja, a partir do endereço foi encontrado as coordenadas geodésicas. Todo este trabalho foi feito de forma manual e durou aproximadamente
duas horas.
49
Figura 3.4: Sistema de conversão de endereços em dados geográficos para espacialização
das escolas.
O polı́gono construı́do sobre o mapa da cidade de São Paulo (figura 3.5 ) demonstra
os limites das trinta e uma subprefeituras do municı́pio de São Paulo. A subprefeitura de
São Matheus (região utilizada no estudo de caso) tem uma área total de quarenta e cinco
quilômetros quadrados e uma população estimada em seus distritos, segundo informações
censitárias de 2000 do IBGE de: 117.314 (Iguatemi), 156.060 (São Matheus) e 136.104
(São Rafael).
Estas regiões possuem uma taxa de crescimento populacional anual em termos percentuais de 5,3%, 0,3% e 3,3% respectivamente.
Na figura 3.6 o polı́gono demonstra os distritos que constituem a subprefeitura de São
Matheus. A perspectiva ampliada dos distritos é exibida e traz uma visão geral da área
selecionada para aferição dos serviços na área de educação oferecidos pelo Estado.
Para por em prática o Modelo de Zona Concêntrica (Sampaio (2005)), foi selecionada
a escola publica com maior oferta de vagas da região (Escola Rodrigo Mello Franco de
Andrade) e a partir dela foram traçados raios de alcance de 500, 1.000, 3.000 e 5.000
50
Figura 3.5: Divisão censitária do municı́pio de São Paulo, com destaque para a Subprefeitura de São Matheus.
Figura 3.6: Divisão censitária do municı́pio de São Paulo, visão ampliada
(valores escolhidos aleatoriamente).
Por questões comportamentais, um número considerável de pessoas se desloca para
consumir serviços muitas vezes em lugares que são distantes da sua residência, por isso o
raio de abrangência da escola com maior quantidade de vagas possui maior alcance, mas
nada impediria que outro critério comportamental ou geográfico fosse utilizado como base
para traçar o raio de alcance de um serviço.
Observe que na figura 3.7, que na área cinza do terceiro nı́vel de raio, localizado na
parte externa indicado pela seta, existe a presença de regiões que possuem pouca oferta de
serviços. Isto faz com que as pessoas se desloquem por distâncias maiores para frequentar
a escola.
A figura 3.7 possui também: escolas com raios de 500 metros (representados por
51
pontos vermelhos) e uma escola com raios de 500, 1.000, 3.000 e 5.000 metros, formando
uma região de Zona Concêntrica (ponto localizado no centro de todos os raios).
Figura 3.7: Aplicação do Modelo de Zona Concêntrica em escolas municipais.
Na próxima imagem, foram inseridas as escolas públicas estaduais de ensino fundamental pertencentes a este distrito, pois concorrem diretamente com os potenciais consumidores (alunos) da região de abrangência. As novas escolas estão representadas com um
sı́mbolo diferente das escolas municipais (uma bandeira).
Com a inserção destas novas escolas, observa-se que algumas regiões que antes possuı́am
espaços vagos, agora estão ocupados. Na figura observa-se escolas com raios de 500 metros
(representados por pontos vermelhos e bandeiras) e uma escola com raios de 500, 1.000,
3.000 e 5.000 (ponto localizado no centro de todos os raios).
Figura 3.8: Aplicação do Modelo de Zona Concêntrica em escolas municipais.
Nesta outra imagem, houve uma redução da perspectiva anterior o que trouxe uma
visualização com maior riqueza de detalhes em relação à imagem anterior.
O diagrama a seguir foi elaborado para demonstrar o processo utilizado e mostra
52
Figura 3.9: Redução da perspectiva sobre a imagem anterior.
por meio dos estados do fluxograma as atividades necessárias para criação e análise dos
modelos baseados em Teorias de Localização.
Figura 3.10: Processo utilizado para levantamento, espacialização de dados, simulações e tomada de
decisão.
53
Observe que no diagrama estão destacados três estados: Análise da população residente no entorno do serviço, Análise da viabilidade da empresa (não abordado neste
estudo de caso) e Análise dos dados por meio de informações geográficas.
As simulações demonstradas no diagrama serão tratadas no próximo capı́tulo por meio
do uso de uma plataforma para criação de simulações e sistemas multiagentes.
A análise dos dados por meio de informações geográficas foi explorada nas figuras
3.7, 3.8 e 3.9 deste estudo de caso, onde é demonstrado a aplicação do Modelo de Zona
Concêntrica com a localização das escolas de forma espacializada.
Para análise da população residente no entorno do serviço, foram levantadas informações junto a Fundação SEADE. A seguir segue uma distribuição por sexo e faixa
etária das pessoas residentes na região utilizada para neste estudo de caso (São Matheus)
que poderá ser utilizada como referência para o lançamento de produtos e serviços especı́ficos. Esta população está distribuı́da nos quarenta e cinco quilômetros quadrados da
região.
Figura 3.11: Projeção da população por faixa etária e sexo. Fonte: PMSP/SEMPLA 2000.
Figura 3.12: Projeção da população por faixa etária e sexo. Fonte: PMSP/SEMPLA 2010.
54
Observa-se que no ano de 2000 (figura 3.11) existiam no distrito de São Matheus
13.217 pessoas com idade apropriada para cursar o ensino fundamental, mas conforme
a figura 3.12, 15.001 matrı́culas foram efetuadas, ultrapassando a quantidade de consumidores estimados pela Fundação SEADE. Com estes números conclui-se que existem
aproximadamente 1.783 alunos não pertencentes ao distrito matriculados nas escolas desta
região.
Na próxima figura é demonstrado a quantidade de matrı́culas e a quantidade de
estabelecimentos, fornecendo uma visão mais próxima do público consumidor do serviço
utilizado neste estudo de caso.
Figura 3.13: Estabelecimentos Escolares e Matrı́culas no Ensino Fundamental (primeiro
ao quarto ano). Fonte: PMSP/SEMPLA
Sobre as figuras acima (3.11, 3.12 e 3.13) pode-se concluir que:
• a quantidade de matrı́cula se manteve estável com o tempo;
• o crescimento demográfico no intervalo de dez anos para esta região foi de 15%;
• para a faixa etária de 5 a 9 anos, houve um crescimento demográfico de 9% e
• até o ano de 2008 houve um acréscimo ao total de matrı́culas para alunos de 5 a 9
anos (primeiro ao quarto ano) de 9% acompanhando o crescimento demográfico da
região para a idade de 5 a 9 anos.
A matrı́cula para o ensino de quinto ao nono ano não foram consideradas, pois os dados
fornecidos não faziam distinção entre as escolas o que poderia ocasionar em duplicidade
de informações.
Observa-se pela próxima figura que na última década (2000 a 2010) houve um crescimento populacional na região selecionada, apesar das projeções de crescimento demográfico feitas pelo IBGE apresentarem uma regressão nos ı́ndices de crescimento para
toda a população brasileira.
55
Figura 3.14: Evolução demográfica da última década. Fonte: site Estadão com dados de 2010/IBGE.
Analisando de forma conjunta os dados coletados nos institutos de pesquisa e órgãos
oficiais fica clara a relação entre eles, e a importância de realizar uma mineração das
informações mais relevantes para aplicação das técnicas de Teorias de Localização, neste
caso o Modelo de Zona Concêntrica(SAMPAIO, 2005).
Pode-se concluir com este estudo de caso que o Modelo de Zona Concêntrica é aplicável
a um conjunto de dados capturados à partir de um Sistema de Informações Geográficas,
sem a necessidade de grandes transformações de dados, sendo este um dos objetivos
especı́ficos deste trabalho. Fica em aberto para futuros trabalhos a aplicação deste mesmo
56
procedimento para outros modelos de Teorias de Localização.
No próximo capı́tulo será simulado o uso dos modelos de Teorias de Localização em
conjunto com a modelagem dinâmica do espaço urbano, utilizando o método de Otimização por Colônia de Formigas (ACO).
57
Capı́tulo 4
SIMULAÇÃO
Um cuidadoso exame de todas as nossas experiências passadas pode revelar o fato
surpreendente de que tudo o que nos aconteceu foi para o nosso bem. - Henry Ford
4.1
Resumo do que será visto neste capı́tulo
Neste capı́tulo será apresentado o processo de construção do simulador utilizando a
plataforma Net Logo e os cenários e resultados obtidos com as simulações. Este capı́tulo
complementa o estudo de caso criado no capı́tulo anterior.
4.2
Descrição do processo de construção do simulador
O simulador foi construı́do com a utilização da plataforma Net Logo (WILENSKY,
1999). A plataforma Net Logo é um ambiente de programação multiagente desenvolvida
com base na plataforma Star Logo, que foi construı́da pelo MIT Media Lab entre os anos
de 1989 e 1990 (WILENSKY, 1999). A plataforma Net Logo difere do Star Logo em seu
ambiente de execução, apesar de ter incorporado quase todas as funcionalidades do Star
Logo (WILENSKY, 1999).
A proposta do ambiente Net Logo é prover um ambiente programável para simulações
58
de fenômenos sociais e naturais. A plataforma foi desenvolvida por Wilensky (1999)
e continuada pelo ”Center for Connected Learning and Computer-Based Modeling”da
Universidade de Northwestern em Illinois nos Estados Unidos.
O ambiente Net Logo é constituı́do de agentes que seguem instruções de forma individual e simultânea. Existem quatro tipos de agentes: tartarugas, patches, links e
observador. As tartarugas se movem em um mundo bidimensional que é uma grade de
patches. Os patches representam um pedaço quadrado do terreno, sobre o qual as tartarugas podem se mover. Links são agentes que conectam duas tartarugas. O observador
não tem uma localização, podendo ser encarado como uma vista das tartarugas e dos
patches.
No inı́cio da execução não existem tartarugas. O observador pode criar as tartarugas
e mudar a cor dos patches. Os patches possuem coordenadas ”x”e ”y”como no plano de
coordenadas cartesianas, a medida que é aumentada a posição para cima e para direita
os valores das coordenadas aumentam.
As tartarugas também possuem coordenadas ”x”e ”y”e podem receber valores decimais para se posicionar, diferente dos patches que recebem sempre valores inteiros. No
mundo construı́do para este simulador as tartarugas não se movimentam além das bordas
definidas.
Na proxima imagem ( figura 4.1), observa-se o ambiente com coordenadas de (-35,35),
(35,35), (-35,-35) e (35,-35) nos quais resultam 5041 possı́veis posições (patches) para
serem percorridos pelas tartarugas. Os valores podem ser alterados, resultando em um
novo ambiente de simulação.
A plataforma Net Logo possui uma biblioteca de modelos de exemplo, os quais podem
ser usados e alterados. Neste trabalho foi utilizado como referência modelo de colônia de
formigas desenvolvido por Wilensky (1997).
O modelo utilizado como referência tem como principais caracterı́sticas a busca por
alimentos e o rastro de feromônio deixado pelas formigas (tartarugas), caracterı́sticas que
foram preservadas na simulação proposta.
As caracterı́sticas destacadas estão no modelo original da biblioteca de exemplos e
foram alteradas para a simulação proposta:
59
Figura 4.1: Configuração do ambiente de execução para a simulação proposta.
• quantidade de ninhos limitada
• quantidade limitada de alimentos
• localização de ninhos e alimentos fixos
• único tipo de formiga
• inexistência de medições que indiquem qual tipo de formiga consome um alimento
especı́fico
• ausência de obstáculos
• insatisfação contı́nua das formigas pela busca de alimentos
60
Figura 4.2: Imagem da simulação proposta por Wilensky (1997).
Na próxima figura observa-se a execução da simulação proposta por Wilensky (1997)
com o nı́vel de feromônio mais forte entre o ninho e a fonte de alimentos mais próxima e
em volta circulam algumas formigas.
Figura 4.3: Execução da simulação proposta por Wilensky (1997).
Wilensky (1997) busca simular o ambiente natural e considera fenômenos importantes
como a existência e evaporação de feromônios, tamanho do ninho e influência do ninho
em sua volta. Mas estas caracterı́sticas não são suficientes quando pretende-se modelar
o espaço urbano e toda a complexidade de variáveis que trabalham de forma simultânea
em uma cidade.
Para que a simulação reflita algumas variáveis importantes do ambiente urbano, foram
61
necessárias alterações das caracterı́sticas originais da simulação proposta por Wilensky
(1997), como seguem:
• quantidade ilimitada de ninhos;
• quantidade ilimitada de alimentos;
• localização de ninhos e alimentos variáveis;
• mais de um tipo de formiga;
• medições que indiquem qual tipo de formiga consome um alimento especı́fico;
• obstáculos que representam barreiras fı́sicas e
• satisfação das formigas pela busca de alimentos.
Observa-se na próxima figura que existem dois ninhos e dois tipos de formigas que
ocupam a área do simulador, demonstrando uma das alterações efetuadas na simulação
proposta por Wilensky (1997).
Figura 4.4: Execução da simulação proposta neste trabalho.
A próxima figura ilustra os ninhos, formigas e alimentos distribuı́dos no espaço de
forma aleatória para a simulação proposta neste trabalho.
62
Figura 4.5: Distribuição aleatório de ninhos e alimentos no espaço.
Para se aproximar mais do ambiente urbano, foi incluı́do na simulação proposta por
Wilensky (1997), barreiras que representam obstáculos para as formigas. As barreiras
simulam ruas e avenidas para parecer com uma cidade.
Figura 4.6: Inclusão de barreiras que simulam ruas, dois ninhos de cores diferentes e uma fonte de
alimento.
Foram inseridos novos controles e variáveis que medem a execução da simulação,
63
além dos controles presentes na simulação proposta por Wilensky (1997). Um dos novos
controles inseridos que influenciam o comportamento das formigas é o nı́vel de satisfação
ao conseguir alimento. Isto faz com que as formigas parem de procurar alimentos quando
encontrado pela primeira vez.
Destacam-se também medições das quantidades de alimentos e dos tipos de formigas (vermelhas ou azuis) que consomem um determinado tipo de alimento. Estas novas
medições trazem novas perspectivas para execução do modelo e análise dos resultados,
pois na simulação proposta por Wilensky (1997) havia somente a medição do tipo de
alimento e o seu consumo.
Na figura abaixo, observa-se a tela da simulação proposta por Wilensky (1997):
Figura 4.7: Controles construı́dos no exemplo proposto por Wilensky (1997).
A simulação proposta por Wilensky (1997) possui uma quantidade menor de controles
e medições se comparado com a próxima figura que representa o simulador construı́do
neste trabalho.
64
Figura 4.8: Todos os controles, contadores e ambiente de execução para a simulação proposta neste
trabalho.
A simulação proposta por Wilensky (1997) se apresentou flexı́vel para suportar as
intervenções efetuadas para a construção da simulação proposta neste trabalho, pois as
alterações foram efetuadas sem afetar o funcionamento do simulador como um todo.
O comportamento das formigas na busca de alimentos construı́do por Wilensky (1997),
o retorno ao ninho e a detecção de feromônio foram essencialmente mantidos neste trabalho, sofrendo apenas ajustes pontuais para desvio de obstáculos, uma vez que a simulação
de Wilensky (1997) não previa este evento. Outra observação importante é que a simulação de Wilensky (1997) foi construı́da com quatorze métodos (funções executadas
pelo simulador) e a simulação desenvolvida neste trabalho (de forma não otimizada) foi
65
concluı́da com trinta e três métodos o que demonstra o esforço empregado para adaptar
a simulação proposta por Wilensky (1997) para modelagem do espaço urbano.
4.3
Resultados obtidos
As execuções do simulador baseiam-se no estudo de caso e analisam a viabilidade de
implantação de novas escolas e a disponibilidade de vagas para alunos, conforme descrito
no capı́tulo deste trabalho que aborda o Estudo de Casos.
Na simulação foram distribuı́dos de maneira uniforme obstáculos em uma região
de 5.041 posições possı́veis com o objetivo de se aproximar do ambiente urbano. Os
obstáculos de cor cinza simulam quadras de um bairro, e o agrupamento dos obstáculos
com as quantidades de 4x4, 3x3 ou 4x3, simulam os bairros de uma região. Entre as
quadras e os bairros, de cor preta, estão as ruas e avenidas que servem de acesso para os
alunos que frequentam as escolas.
Na figura 4.9 observa-se a escola Rodrigo Mello Franco de Andrade que provê o maior
número de vagas e outras escolas periféricas a esta escola. Os raios de 500, 1.000, 3.000
e 5.000 metros partem da escola Rodrigo Mello Franco de Andrade e as demais escolas
possuem raios menores de 500 metros. As escolas representadas por bandeiras pertencem
a rede pública estadual de ensino e as demais são da rede pública municipal. Contexto
utilizado como ponto de partida para as simulações.
Figura 4.9: Escolas da rede pública municipal e estadual de ensino delimitadas pelos raios.
66
Foram criados dois cenários de simulações baseados nos no estudo de casos e utilizam
o ACO como referência para construção do ambiente de simulação. Neste contexto os
agentes (alunos) interagem com o ambiente e com as vagas (alimento das formigas) que
são inseridas em cenários de carência de vagas.
4.3.1
Cenário I - Simulação de obstáculos geográficos que restringem a movimentação dos agentes no espaço urbano
Descrição do cenário e motivação para simulação: a distribuição uniforme de
alunos com o mesmo perfil social e econômico é um fenômeno que não ocorre em todo
ambiente urbano, pois normalmente os grupos que residem próximos, possuem realidades
sociais e econômicas parecidas. Uma caracterı́stica comum entre os alunos que foi utilizado
na simulação deste cenário é o fato da maioria dos alunos de escola pública estadual, que
possuem o ensino fundamental e médio no mesmo local, permanecem estudando na mesma
escola até a conclusão do ensino médio.
Visando aproximar a simulação de uma cidade real, alguns obstáculos foram distribuı́dos com o objetivo de criar uma barreira fı́sica mais restritiva para os agentes. A
resposta que se pretende obter com a execução deste cenário e saber qual será o comportamento dos agentes quando eles precisam se deslocar para regiões distantes em busca de
vagas em escolas de ensino médio, considerando que as escolas mais próximas possuem
uma barreira fı́sica no caminho, fazendo com que os alunos se desloquem por distâncias
maiores. Outro questionamento que se pretende responder com este cenário é sobre o
efeito causado na execução da simulação com a distribuição das novas vagas criadas no
perı́metro da barreira fı́sica favorecendo geograficamente os alunos com carência de vagas.
Como exemplo real do acontecimento deste evento, observam-se as Escolas Municipais
de Ensino Fundamental (EMEF) e suas respectivas quantidade de alunos em fase de
conclusão do ensino fundamental (informações extraı́das do site do INEP - Sistema Data
Escola Brasil, com base no censo escolar de 2011) Plı́nio de Queiroz (475 alunos), Parque
Boa Esperança II (323 alunos), Jardim da Conquista II (361 alunos), Coelho Neto (472
alunos) e Joaquim Osório Duque Estrada (448 alunos) que estão próximas umas das
outras, com uma distância de no máximo 1 quilômetro. Ao concluir o ensino fundamental,
67
os alunos precisarão se deslocar para outra escola de ensino médio para continuar os
estudos.
A foto abaixo ilustra o deslocamento feito pelos alunos para continuar os estudos
nas escolas de ensino médio mais próxima. Existe um polı́gono desenhado no mapa que
destaca a barreira fı́sica enfrentada pelos alunos. Do lado esquerdo da barreira estão
localizadas as escolas de ensino médio, do lado direito as escolas de ensino fundamental.
A linha roxa representa o trajeto mais curto que liga um ponto ao outro.
Figura 4.10: Dois grupos de alunos separado por uma barreira fı́sica.
Para a simulação foram criados dois grupos de alunos, que estão representados pelos
agentes de cor vermelha e azul. Os agentes de cor azul representam os alunos que já estão
matriculados no ensino fundamental das escolas que fornecem as vagas para o ensino
médio, portanto tem a preferência pelas vagas. Os alunos de cor azul estão distribuı́dos
no inı́cio da execução do lado esquerdo da barreira fı́sica. Existem duas escolas escolas
estaduais que fornecem vagas para o ensino médio no contexto desta cenário: Chibata
Miyakoshi com 610 vagas e João Camargo com 690 vagas.
Os agentes de cor vermelha representam os alunos de escolas públicas municipais que
concluı́ram o ensino fundamental e estão em busca de vagas em escolas de ensino médio,
além disso, residem em um local que possui uma barreira geográfica que dificulta o acesso
68
as escolas de ensino médio. Na simulação eles foram dispostos do lado direito da barreira
fı́sica.
Ao todo foram inseridos 2.079 agentes de cor vermelha que é a somatória de todos os
alunos de ensino fundamental público municipal que estão matriculados.
Foram inseridos 1.289 agentes de cor azul, que representam os alunos de ensino fundamental já matriculados nas escolas públicas estaduais e que irão consumir as vagas das
respectivas escolas.
Foram inseridas 1.300 vagas que é a somatória de vagas das escolas Chibata Miyakoshi
com 610 vagas e João Camargo com 690 vagas.
A próxima figura demonstra o ambiente em execução modelado no simulador com
barreiras fı́sicas, distribuição dos agentes e das vagas. Durante a execução, os alunos que
possuı́am vagas foram retirados, pois eles não voltarão para escola para consumir novas
vagas.
Figura 4.11: Execução do simulador para o cenário I
Resultados da simulação e conclusões para o cenário I: pelos resultados das
medições, observa-se que os alunos de cor azul se destacam e consomem mais vagas da
escola do que os de cor vermelha (que foi inicialmente isolado por uma barreira fı́sica).
69
Com o passar do tempo, os alunos de cor azul praticamente deixam de consumir as vagas,
pois quase todos estão matriculados, sobrando apenas alunos de cor vermelha em busca
de vagas, como já era esperado. Esta situação é evidenciada pelo gráfico abaixo que
acompanha a evolução do consumo de vagas pelos agentes de cor vermelha e azul.
Observa-se pelo gráfico que o o consumo de vagas dos alunos de cor vermelha ultrapassa o consumo de vagas dos alunos de cor azul, pois existe uma quantidade maior de
alunos e maior carência de vagas para os alunos de cor vermelha, mesmo com a barreira
fı́sica restringindo a locomoção dos agentes.
Figura 4.12: Medição da simulação do consumo de vagas.
As questões iniciais levantadas neste cenário são então respondidas:
Qual o comportamento dos alunos quando eles precisam se deslocar para regiões distantes em busca de vagas em escolas de ensino médio, considerando que as escolas mais
próximas possuem uma barreira fı́sica no caminho? Os alunos que necessitam se deslocar
para fora da região de sua antiga escola conseguem, em sua maioria, encontrar vagas nas
escolas próximas, mas um pequeno contingente de aproximadamente 6% dos agentes de
70
cor vermelha não encontraram as vagas dentro do ambiente simulado em um intervalo
de tempo estipulado. Este fenômeno sugere a seguinte interpretação do resultado da
simulação: existe neste caso ( quando o cenário possui uma barreira fı́sica) alunos que
desistiram de procurar por vagas ou encontraram vagas em outras localidades fora da
região de influência das escolas que oferecem vagas.
Qual o efeito causado na execução da simulação, com a distribuição das novas vagas
criadas no perı́metro da barreira fı́sica e que favorece geograficamente os alunos com
carência de vagas? Para responder a este questionamento, foi executado a simulação
conforme evidenciado pela figura abaixo, onde as mesmas quantidades de alunos e a
barreira fı́sica foram mantidos e além disso, foram inseridas 575 novas vagas em uma
localização geográfica favorável ao contingente de alunos de cor vermelha.
Para esta simulação não restaram alunos sem vagas, pois a localização geográfica da
nova escola favoreceu os alunos de cor vermelha que anteriormente buscavam vagas foram
da sua região de abrangência.
Figura 4.13: Ambiente que simula a criação de novas vagas.
Na próxima figura, gráfico da esquerda, é medido o consumo de vagas por alunos
(vermelho e azul) para as escolas existentes. No gráfico da direita é medido o consumo
de vagas da nova escola criada para esta simulação. Observa-se que, diferente da medição
71
anterior, a quantidade de alunos se manteve equilibrada nas escolas existentes, e não
houve um cruzamento de valores, como houve na medição anterior. Na medição para a
escola nova houve um consumo excessivo de vagas por parte dos alunos de cor vermelha,
pois como eles residem próximo ao local da nova escola, consequentemente consumiram
mais vagas, fenômeno já esperado para a simulação.
Figura 4.14: Medição da simulação sobre o consumo de vagas.
Em resposta ao questionamento, pode-se afirmar, com base na simulação, que ao
se criar oportunidades em locais limitados por barreiras fı́sicas e com alta demanda, é
estabelecido um equilı́brio em todo o ambiente que cerca os consumidores potenciais,
reduzindo a busca por serviços fora do perı́metro de influência dos fornecedores.
4.3.2
Cenário II - Simulação de estudantes com a redução da
taxa de evasão reprovação escolar.
Descrição do cenário e motivação para simulação:
72
A construção deste cenário visa avaliar as consequências geradas na alocação de alunos
se houver uma redução das taxas de evasão escolar, redução das reprovações para alunos
dos cursos fundamentais e redução da taxa de evasão do ensino médio. Pretende-se com
este cenário simular o comportamento dos alunos na busca de vagas dado o aumento da
demanda ocasionado pela redução das taxas de evasão e reprovação escolar.
No gráfico (figura 4.15) são medidas as taxas de evasão escolar e de reprovação para
o ensino médio no municı́pio de São Paulo entre os anos de 2000 a 2007. Observa-se
pelo gráfico que a taxa de evasão sofre anualmente uma redução e a taxa de reprovação
aumenta, incrementando a demanda por vagas para o ensino médio, pois anualmente mais
alunos ingressam nas escolas e menos alunos concluem o ensino médio.
Figura 4.15: Taxa de evasão escolar e reprovação para o ensino médio (2000 a 2007).
Fonte: Ministério da Educação/Inep.
No ensino fundamental os números são muito parecidos, conforme medido pelo próximo
gráfico e são ajudados pela promoção automática dos alunos das séries anteriores, medida
adotada nos últimos anos como polı́tica educacional para o Estado de São Paulo.
73
Figura 4.16: Taxa de evasão escolar e reprovação para o ensino fundamental (2000 à 2007). Fonte:
Ministério da Educação/Inep.
Como seriam alocados os alunos do ensino médio se houvesse uma redução das taxas
de reprovação e evasão do ensino fundamental? E se houvesse também redução na taxa
de evasão do ensino médio?
Para execução deste cenário foram selecionadas oito escolas públicas com no máximo
três mil metros de distância da escola Rodrigo Mello Franco de Andrade. Foram consideradas as quantidades de alunos pertencentes a cada escola, conforme informações fornecidas
pelo INEP (Sistema Data Escola Brasil).
A seguir segue um mapa que ilustra a distribuição das escolas dentro de um raio de
no máximo três mil metros de distância. As escolas indicadas no mapa e marcadas com
uma bandeira indicam a localização das duas escolas que fornecem vagas para o ensino
médio da região.
74
Figura 4.17: Distribuição das escolas públicas utilizadas no cenário II.
A próxima tabela identifica as escolas presentes no mapa e a quantidade de alunos
matriculados segundo informações do Inep/MEC (Sistema Data Escola Brasil - Censo
2011).
Escola
Ensino fundamental (anos finais) Ensino médio
Rodrigo Mello Franco de Andrade 684
-
Benedito Montenegro
251
-
Amelia Imp
427
-
José Maria Whitaker
510
-
Castor
483
-
Rivadavia Marques
683
-
Chibata Miyakoshi
562
610
João Camargo
727
690
Total
4.327
1.300
Tabela 4.1: Escolas e quantidade de alunos utilizados na simulação.
As escolas Chibata Miyakoshi e João Camargo são as únicas escolas públicas desta
região que fornecem ensino médio gratuito e recebem o maior volume de alunos. Esta é
uma fase de transição importante para o estudante, onde muitos alunos mudam de escola
ou de região em busca de ensino técnico profissionalizante ou simplesmente escolhem
escolas em outras regiões influenciados por fatores sociais, econômicos ou relacionados a
qualidade de ensino.
75
A quantidade total de alunos levantadas para o ensino fundamental e para o ensino
médio são referentes a todos os alunos matriculados para todos os anos de ensino.
Uma vez que não existem dados oficiais públicos de quantos alunos cursam cada ano
escolar, o total de alunos matriculados do ensino médio da região foi dividido de maneira
não uniforme, considerando a maior demanda de vagas no primeiro ano do ensino médio e
reduzindo esta demanda com o passar dos anos. Segue a distribuição utilizada para esta
simulação:
• 50% dos alunos no primeiro ano - 650
• 30% dos alunos no segundo ano - 390
• 20% dos alunos no terceiro ano - 260
Aos 650 alunos do primeiro ano do ensino médio (que antes estavam no último ano
do ensino fundamental) foi acrescida uma taxa de 5% que representa a redução da evasão
escolar e reprovação para o ensino fundamental, totalizando 682 alunos para o primeiro
ano do ensino médio.
A taxa média de evasão escolar para o ensino médio é de 8% entre os anos de 2000 à
2007, onde a redução de metade desta taxa foi aplicada aos 682 alunos do ensino médio,
totalizando 709 alunos. Estes alunos foram distribuı́dos de maneira uniforme nas oito
escolas da região utilizada neste cenário.
Para os alunos que já estudavam no ensino fundamental nas escolas que fornecem
vagas de ensino médio foi atribuı́da a cor vermelha e foram colocados próximo as vagas no
simulador, pois levam vantagem em relação aos demais. Além disso, quando a simulação
é iniciada, os agentes de cor vermelha começam primeiro a busca por vagas.
Aos demais alunos foi atribuı́da a cor azul e foram distribuı́dos de maneira uniforme
no espaço, em 6 grupos de 89 alunos, conforme evidenciado na próxima figura:
76
Figura 4.18: Distribuição dos alunos e das vagas no simulador.
A figura abaixo ilustra a abrangência do ninho e das vagas e a sua distribuição no
espaço simulado. Conforme mencionados anteriormente, foi considerada a distância de
três quilômetros de raio de abrangência. Os quadros menores de cor cinza na figura
representam quadras e obstáculos entre a região de localização dos alunos e as vagas nas
escolas. As ruas estão entre as quadras e estão representados pela cor preta, onde todos os
agentes podem se locomover. Por convenção, a cada grupo de três quadras representado
na figura se obtém um quilômetro de distância real.
Figura 4.19: Abrangência do cenário simulado e disposição no espaço.
Resultados da simulação e conclusões para o cenário II: o consumo da maioria
77
das vagas do ensino médio foi feito pelos alunos do ensino fundamental que já estavam
matriculados na mesma escola que ofereciam o ensino médio (alunos de cor vermelha),
este evento foi simulado e evidenciado conforme gráfico abaixo:
Figura 4.20: Gráfico de consumo de vagas por agentes nas duas escolas.
Nos dois gráficos é possı́vel observar que os agentes de cor vermelha são favorecidos
por estarem mais próximos da vagas, consumindo as vagas mais rápido. Já os agentes de
cor azul começam a consumir as vagas com um intervalo de tempo maior, pois demoram
mais tempo para alcançar as vagas. Comportamento ocorrido de fato com os alunos.
Um dado que fica evidenciado no gráfico é que como a quantidade de agentes de cor
azul é maior, com passar do tempo, a quantidade de vagas consumida por agentes desta
cor supera a de cor vermelha. Isto ocorre porque a quantidade de alunos que pretendem
ingressar no ensino fundamental oriundos de outras escolas é maior do que a quantidade
de alunos matriculados na escola que provê as vagas. Este fenômeno ocorre na realidade,
indo além do ambiente simulado.
Com a redução das taxas de evasão e reprovação escolar para os alunos do ensino
fundamental, foi preciso aumentar a quantidade de vagas nas duas escolas provedoras para
fornecer vagas a todos os alunos, isto fez com que uma estrutura que é conhecidamente
saturada, recebesse mais alunos do que a capacidade que tem de atendê-los.
Uma solução para reduzir a pressão sobre as duas escolas existentes da região, seria a
criação de um terceira escola de ensino médio, que reduziria a demanda de vagas, pois iria
78
distribuir melhor os alunos entre as escolas e conseguiria suportar a redução da taxa de
evasão e reprovação escolar para o ensino fundamental e de evasão para o ensino médio.
Os gráficos abaixo (da esquerda e do meio) acompanham a evolução do consumo de
vagas nas duas escolas existentes. Uma terceira escola foi inserida próxima as escolas
municipais de ensino fundamental e diferentemente do gráfico anterior, observa-se que
a quantidade de vagas consumidas pelos alunos de cor vermelha, que representam as
escolas estaduais, permanecem constantes e não são ultrapassadas pelos alunos das escolas
municipais, representados pela cor azul.
Na terceira escola (gráfico da direita) observa-se a evolução do consumo de vagas para
os alunos das escola municipais
Figura 4.21: Evolução do consumo de vagas por escola e tipo de alunos.
Com a execução deste cenário, pode-se concluir que existe uma pressão por vagas de
ensino médio nesta região e que a redução das taxas de evasão e reprovação contribuem
para o aumento da demanda. A criação de uma quantidade maior de vagas ou até mesmo a
criação de um nova escola contribuiria para melhorar a qualidade de ensino e planejamento
educacional na região.
79
Capı́tulo 5
CONCLUSÕES E TRABALHOS
FUTUROS
5.1
Considerações finais
Os primeiros capı́tulos deste trabalho se propuseram a conceitualizar as principais
Teorias de Localização, a fim de aplicá-las em um Sistema de Informações Geográficas
(SIG), o que no inı́cio dos trabalhos parecia ser suficiente para definição do melhor local
para implantação de um empreendimento.
A medida que a pesquisa se desenvolvia, novas variáveis foram descobertas e a aplicação
dos conceitos e informações capturadas foram feitas por meio de um Estudo de Caso.
As primeiras impressões e testes com os Sistemas de Informações Geográficas, combinados com as Teorias de Localização, mostraram-se ferramentas que podem gerar informações importantes para à tomada de decisão na implantação de serviços e novos
negócios.
Na segunda etapa desta pesquisa, com a introdução de modelos dinâmicos baseados em
sistemas multiagentes (colônia de formigas) potencializado pela simulação computacional,
surgiram as principais contribuições deste trabalho, que estão destacadas abaixo:
• Criação de um processo para aplicação de Teorias de Localização e SIG visando
suporte à tomada de decisão na abertura de novos negócios ou serviços;
80
• Proposta de uso do ACO para modelagem dinâmica espacial;
• Proposta de alteração do modelo de simulação de ACO construı́do por Wilensky
(1999) na plataforma Netlogo;
• Aplicação de um modelo de Teorias de Localização em conjunto com um sistema
multiagente (ACO) e
• Utilização de Sistema de Informação Geográfica visando a aplicação de Teorias de
Localização.
Com estas contribuições espera-se criar uma ponte entre a pesquisa empresarial e a
computação, objetivando a aplicação dos modelos que são muitas vezes restritos a um
único segmento. Com isso poderá ser oferecido ao empreendedor o poder da computação
de sistemas multiagentes e simulações em conjunto com Teorias de Localização.
Para que as propostas tenham aceitação e deixem de ser apenas propostas, precisam
passar por outras provações, ou seja, outros estudos de caso e testes e possivelmente
sofrerem melhorias.
5.2
Sugestões para trabalhos futuros
Como sugestão para trabalhos futuros, que poderão fazer parte de outras publicações
e que foram mencionados neste trabalho, destacam-se:
• Utilização de outras técnicas de Teorias de Localização em bases cartográficas públicas,
além da técnica já utilizada neste trabalho;
• Construção de agentes inteligentes para auxiliar à tomada de decisão na implantação
de novos negócios ou serviços;
• Aplicações de técnicas de interpolação e recursos disponı́vel em Sistemas de Informações Geográficas em conjunto com as Teorias de Localização e modelagem
dinâmica no espaço;
• Ampliação do estudo de caso para outros segmentos de negócio e aplicação de outras
técnicas de Teorias de Localização;
81
• Criação de uma ontologia sobre os dados dos institutos de pesquisas a fim de ter
visão sobre os dados relevantes para criação de novos negócios;
• Simulação com outros modelos de sistemas multiagentes e comparação com o ACO
e
• Testes com outras ferramentas de simulação;
82
Referências Bibliográficas
ALLEN, P. M.; SANGLIER, M.; BOON, F. Models of Urban Settlement and
Structure as Dynamic Self-organizing systems. 1981. University of Michigan. Acesso
em: 18.mai.2011. Disponı́vel em: <http://babel.hathitrust.org/cgi/pt?id=mdp.39015038144716;page=root;view=image;size=100;seq=141;num=4>.
ALMEIDA, C. M.; MONTEIRO, A. M. V.; CAMARA, G. Perspectiva Histórica de
Modelos de Dinâmica Urbana e Regionais. Geoinformação em urbanismo: cidade real x
cidade virtual., 2007. Capı́tulo 12.
AUL, W. R. Herman Hollerith: Data Processing Pioneer. Novembro 1972. Think - IBM’s
employee - pp. 22-24. Acesso em: 15.fev.2012. Disponı́vel em: <http://www-03.ibm.com/ibm/history/exhibits/builders/builders hollerith.html>.
BISPO, C. A. F. Uma análise da nova geração de Sistemas de Apoio a Decisão.
Dissertação de Mestrado - USP - São Carlos, 1998. Acesso em: 10.dez.2010.
Disponı́vel em: <http://www.prod.eesc.usp.br/decidir/images/stories/dissertacoes/Dissertacao Bispo.pdf>.
BRIASSOULIS, H. Analysis of Land Use Change: Theoretical and Modeling Approaches.
Tese (Doutorado) — Department of Geography - University of the Aegean - Lesvos,
Greece, 2000. Acesso em: 22.abr.2011. Disponı́vel em: <http://rri.wvu.edu/WebBook/Briassoulis/contents.htm>.
BUCHANAM, L.; CONNELL, A. O. Uma breve história de tomada de decisão.
Harvard Business Review, 2006. Acesso em: 10.dez.2010. Disponı́vel em: <http://www.profjayrfigueiredo.com.br/GON AC 23.pdf>.
83
CAMARA, G.; DAVIS, C. A. Introdução: Por que Geoprocessamento? INPE - São José
dos Campos, 2001. Acesso em 15.fev.2012. Disponı́vel em: <http://mtc-m12.sid.inpe.br/col/sid.inpe.br/sergio/2004/04.19.13.48/doc/cap1-introducao.pdf>.
CAMARA, G. et al. Análise Espacial e Geoprocessamento. [S.l.]: Instituto Nacional de
Pesquisas Espaciais - Inpe, 2002.
CAMARGO, E. C. G. Geoestatı́stica: Fundamentos e Aplicações. INPE, 2010. Acesso em:
08.out.2010. Disponı́vel em: <http://www.dpi.inpe.br/gilberto/tutoriais/gis ambiente/5geoest.pdf>.
CASTRO, L. Fudamentals of Natural Computing. [S.l.]: Chapman & Hall/CRC, 2006.
CECCATO, V. A.; FORESTI, C.; KURKDIJAN, M. L. Proposta Metodológica para
avaliação da qualidade de vida urbana a partir de dados convencionais e de sensoriamento
remoto, Sistema de Informações Geográficas (SIG) e de um banco de dados. Anais do
VII SBSR, 1993. Acesso em: 03.mar.2011. Disponı́vel em: <http://marte.dpi.inpe.br/col/sid.inpe.br/[email protected]/2005/07.20.00.15/doc/032-039.pdf>.
CHIRIAC, J. Sigmund Freud - Biography. AROPA, 2010. Acesso em: 11.dez.2010.
Disponı́vel em: <http://www.freudfile.org/>.
CHURCHILL, G. A.; PETER, J. P. Marketing: Criando valor para os clientes. 2. ed.
São Paulo: p.204-205 e p.209-210, 2003. Tradução de Cecı́lia C. Bartalotti e Cid Knipel
Moreira.
DAVIS, C. A.; FONSECA, F. T. Geoprocessamento em Belo Horizonte: Aplicações.
2010. PRODABEL - Processamento de Dados do Municı́pio de Belo Horizonte S.A.
Acesso em: 31.mar.2011. Disponı́vel em: <http://homepages.dcc.ufmg.br/˜clodoveu/files/100.40/AC007.%201994%20Geoprocessamento%20em%20Belo%20Horizonte%20%20aplicacoes.pdf>.
DORIGO, M.; MANIEZZO, V.; COLORNI, A. The Ant System: Optimization
by a colony of cooperating agents. 1996. pp. 1-13 p. Institute of Electrical
and Electronics Engineers - IEEE. Acesso em: 10.mai.2011. Disponı́vel em:
<ftp://iridia.ulb.ac.be/pub/mdorigo/journals/IJ.10-SMC96.pdf>.
84
DORNELAS, J. C. A. Empreendedorismo: Transformando Ideias em Negócios. 2o . ed.
Rio de Janeiro: Elsevier, 2005.
ELIAS, R. Segregação residencial, Isolamento social e Fracasso escolar: o caso da
Rocinha. Tese (Doutorado) — Universidade Federal do Rio de Janeiro - Instituto de
Pesquisa e Planejamento Urbano e Regional, 2008.
FERBER, J. Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence.
[S.l.]: Addison Wesley, 1999.
FILION, L. J. Empreendedorismo: empreendedores e proprietários-gerentes de pequenos
negócios. 1999. São Paulo - Revista de Administração. Acesso em: 07.fev.2011. Disponı́vel
em: <https://www.furb.br/2005/arquivos/774565876438/Empreendedorimo.pdf>.
FOTHERINGHAM, A. S. A new set of spatial-interaction models: the theory of
competing destinations. 1983.
GODOY, M. G.; SOARES, B. S. Modelagem da dinâmica intra-urbana no bairro Savassi,
em Belo Horizonte. Geoinformação em urbanismo: cidade real x cidade virtual., 2007.
Capı́tulo 12.
GORRY, G.; MORTON, M. A framework for management information - systems. 1971.
MIT - Massachusetts Institute of Technology - Cambridge - Massachusetts. Acesso em:
08.dez.2010. Disponı́vel em: <http://mit.dspace.org/bitstream/handle/1721.1/47936/frameworkformana00gorr.pdf?sequence=1>.
HUBNER, J. F.; BORDINI, R. H.; VIEIRA, R. Introdução ao Desenvolvimento de
Sistemas Multiagentes com Jason. Guarapuava, 2004. XII Escola de Informática da
SBC - p. 51-89; v. 2. Acesso em: 14.out.2011. Disponı́vel em: <http://www.das.ufsc.br/˜jomi/pubs/2004/Hubner-eriPR2004.pdf>.
HUFF, D. L. Defining and Estimating a Trading Area. The Journal of Marketing, Jul.
1964. N. 3 p. 34-38.
LEE, I.; LEE, K.; TORPELUND-BRUIN, C. Voronoi Image Segmentation and Its
Applications to Geoinformatics. Journal of Computers, 2009. V. 4, n. 11, Acesso em:
31.mai.2011. Disponı́vel em: <http://ojs.academypublisher.com/index.php/jcp/article/view/041111011108/613>.
85
LISBOA, R. N. et al. Perspectivas para Novos Negócios em Zona de Expansão de uma
Cidade Brasileira de Médio Porte. xx, 2010. Acesso em: 24.set.2010. Disponı́vel em:
<http://www.ead.fea.usp.br/semead/11semead/resultado/trabalhosPDF/340.pdf>.
MACFADDEN, D. Conditional logit analysis of qualitative choice bahavior. Universidade
da Califórnia, 1973. Acesso em: 12.set.2011. Disponı́vel em: <http://elsa.berkeley.edu/pub/reprints/mcfadden/zarembka.pdf>.
MAFRA, F.; SILVA, J. A. Planejamento e gestão do Território. Colecção - Inovação e
governação nas autarquias - SPI - Sociedade Portuguesa de Inovação, 2004. Acesso em:
12.mai.2011. Disponı́vel em: <http://www2.spi.pt/inovaut/>.
MAHONEY, J. T. The Relevance of Chester I. Barnards Teachings to Contemporary
Management the Aesthetics of Management. Universidade of Illinois, 2002. Acesso em:
11.dez.2010. Disponı́vel em: <http://www.business.illinois.edu/josephm/Publications/Barnard%202002.pdf>.
MOURA, A. C. M. Geoprocessamento aplicado ao planejamento urbano e à gestão do
patrimônio histórico de Ouro Preto - MG. 2 edição. ed. [S.l.]: Instituto de Geociências UFMG, 2005.
NAKANISHI, M.; COOPER, L. G. Parameter Estimation for a Multiplicative
Competitive Interaction Model: Least Squares Approach. Ago. 1974. Journal of Marketing
Research - n. 3, v. 11, p. 303-311.
O’CONNOR, J. J.; ROBERTSON, E. F. Blaise Pascal - Biography - MacTutor History
of Mathematics. Scotland - University of St Andrews, 1996. Acesso em: 11.dez.2010.
Disponı́vel em: <http://www-history.mcs.st-and.ac.uk/Biographies/Pascal.html>.
O’SULLIVAN, D. Graph-based cellular automation models of urban spatial process. Tese
(Doutorado) — Centre for Advanced Analysis of the University CollegeLondon, 2000.
Doutorado em Geografia - Texto traduzido por Câmara et. al.
PLUCKER, J. British Psychologist - Human Intelligence. Indiana University, 2007. Acesso
em: 10.dez.2010. Disponı́vel em: <http://www.indiana.edu/˜intell/galton.shtml>.
86
PONTAROLO, E. et al. Exploração do ambiente orientado a agente NetLogo. SBIE,
2005. Acesso em: 14.set.2011. Disponı́vel em: <http://pessoal.utfpr.edu.br/epontarolo/doutorado/sbie2005/MiniCursoNetLogo.pdf>.
POWER, D. A Brief History of Decision Support Systems. DSSResources.COM, Mar
2007. Acesso em: 18.fev.2012. Disponı́vel em: <http://DSSResources.COM/history/dsshistory.html>.
RAMOS, A. V. N. Um estudo comparativo de formas de segmentação de mercado: uma
comparação entre VALS-2 e segmentação por variáveis demográficas com estudantes
universitários. Scielo Brasil - Revista de Administração Contemporânea - On-line version
- ISSN 1982-7849, 2007. Acesso em: 26.set.2010. Disponı́vel em: <http://www.scielo.br/scielo.php?pid=S1415-65552007000100008&script=sci abstract&tlng=pt>.
REFOSCO, J. Modelos dinâmicos espaciais e sua utilização na análise de mudanças do
uso do solo regional. Geoinformação em urbanismo: cidade real x cidade virtual., 2007,
2007. Capı́tulo 12.
SAMPAIO, P. S. Geomarketing: Modelos e Sistemas, com aplicações em Telefonia. Dissertação (Mestrado) — Universidade Estadual de Campinas, 2005.
Acesso em: 25.mai.2011. Disponı́vel em: <http://cutter.unicamp.br/document/?code=vtls000346863>.
SARTINI, B. A. et al. Uma Introdução a Teoria dos Jogos. Universidade Federal da
Bahia, 2004. Acesso em: 10.dez.2010. Disponı́vel em: <http://www.uspleste.usp.br/rvicente/IntroTeoriaDosJogos.pdf>.
SCHIO, S. M. Aristóteles e ação humana - Conjectura. 2009. Acesso em: 09.dez.2010.
Disponı́vel em: <http://www.ucs.br/etc/revistas/index.php/conjectura/article/viewFile/5/5>.
SEBRAE. Fatores condicionantes e taxas de sobrevivência e mortalidade das micro e
pequenas empresas no Brasil. Brasilia: Sebrae Nacional, 2007.
SICHMAN, J. S. Raciocı́nio social e organizacional em sistemas multiagentes: avanços
e perspectivas. Tese (Doutorado) — USP - Escola Politécnica, 2003. Acessom em:
87
30.nov.2011. Disponı́vel em: <http://www.teses.usp.br/teses/disponiveis/livredocencia/3/tde-22102005-131053/pt-br.php>.
SILVA, I. G. L. Projeto e Implementação de Sistemas Multi-Agentes: O Caso Tropos.
Dissertação (Mestrado) — Universidade Federal de Pernambuco, Recife - Brasil,
2005. Acesso em: 14.out.2011. Disponı́vel em: <http://doc.utwente.nl/65332/1/dissertacao igls.pdf>.
STRAUCH, J. C. M.; SOUZA, J. M.; MATTOSO, M. L. Q. Estudo dos modelos de
dados dos Sistemas de Informação Geográfica ARC/INFO e SPRING. COPPE/UFRJ,
Outubro 1998. Acesso em: 08.nov.2010. Disponı́vel em: <http://www.dpi.inpe.br/cursos/ser303/julia arcinf spring.pdf>.
TACHIZAWA, T.; FARIA, M. S. Criação de Novos Negócios - Gestão de Micro e
Pequenas Empresas. 2. ed. São Paulo: Editora FGV, 2007.
TONETTO, L. M. et al. The heuristics role in judgment and decision making under
uncertainty. Scielo - Estudos de Psicologia (Campinas) - ISSN 0103-166X, 2006. Acesso
em: 09.dez.2010. Disponı́vel em: <http://www.scielo.br/pdf/estpsi/v23n2/v23n2a08.pdf>.
WILENSKY, U. NetLogo Ants model. Center for Connected Learning and ComputerBased Modeling, 1997. Acesso em: 03.set.2011. Disponı́vel em: <http://ccl.northwestern.edu/netlogo/models/Ants.>
WILENSKY, U. Net Logo. Center for Connected Learning and Computer-Based
Modeling, Northwestern University. Evanston, IL., 1999. Acesso em: 03.set.2011.
Disponı́vel em: <http://ccl.northwestern.edu/netlogo/>.
88
Download

Wellington Barbosa de Oliveira