DESENVOLVIMENTO DE UM MODELO DE MICROSIMULAÇÃO DA DISTRIBUIÇÃO POPULACIONAL EM UMA REGIÃO URBANA Christiane Wenck Nogueira.

Apresentação em tema: "DESENVOLVIMENTO DE UM MODELO DE MICROSIMULAÇÃO DA DISTRIBUIÇÃO POPULACIONAL EM UMA REGIÃO URBANA Christiane Wenck Nogueira."— Transcrição da apresentação:

1 DESENVOLVIMENTO DE UM MODELO DE MICROSIMULAÇÃO DA DISTRIBUIÇÃO POPULACIONAL EM UMA REGIÃO URBANA Christiane Wenck Nogueira

2 ESTRUTURA  1. INTRODUÇÃO  OBJETIVO  IMPORTÂNCIA  JUSTIFICATIVA  2. EMBASAMENTO TEÓRICO  MICROSIMULAÇÃO  AGENTES AUTÔNOMOS  MODELAGEM COMPORTAMENTAL  3. METODOLOGIA PROPOSTA  4. CONSTRUÇÃO E APLICAÇÃO DO MODELO  5. CONCLUSÕES

3 OBJETIVO Desenvolver um modelo de microsimulação que possibilite a visualização da distribuição espacial da população em um determinado instante.

4 IMPORTÂNCIA O desenvolvimento do modelo proposto é interessante em casos como: -Análise em situações de risco (terrorismo, acidentes,etc.); -Desenvolvimento de novos empreendimentos; -Alocação de serviços emergenciais e de assistência(viaturas policiais,ambulâncias...).

5 JUSTIFICATIVA o Na literatura existem poucos trabalhos que utilizam modelagem comportamental no estudo de fenômenos antrópicos. fenômenos relacionados à ação humana o Poucos trabalhos utilizando dados comportamentais reais.

6 EMBASAMENTO TEÓRICO MICROSIMULAÇÃO  Enquanto a abordagem Newtoniana utiliza macro- modelos, para reproduzir o comportamento observável dos sistemas, a abordagem descentralizada introduz o conceito de microsimulação.  Este método consiste em construir modelos microscópicos (ao nível dos componentes) com a capacidade de reproduzir as leis macroscópicas do sistema, através da simulação de cada componente individualmente, quando interagem entre si (Claramunt & Jiang 2001).

7 MICROSIMULAÇÃO  Para a criação desses modelos individuais, de modo que possam simular os componentes de um sistema, torna-se necessário alguma técnica ou tecnologia.  Uma das alternativas são os agentes autônomos. EMBASAMENTO TEÓRICO

8 AGENTES AUTÔNOMOS  Agentes autônomos são sistemas computacionais inseridos em ambientes dinâmicos, que têm a capacidade de perceber e agir de modo autônomo, para atingir objetivos ou executar tarefas para os quais tenham sido modelados.  Tipos: Mobile Agents, Interface Agents, Spatial Agents EMBASAMENTO TEÓRICO

9 MODELAGEM COMPORTAMENTAL  O mecanismo de ação autônoma dos agentes é implementado através de comportamentos.  Os comportamentos definem como os agentes devem agir e/ou reagir para realizar determinadas tarefas no ambiente.  Assim, a modelagem de comportamentos é uma das etapas mais importantes no desenvolvimento de um sistema baseado em agentes.  A modelagem de comportamentos consiste na identificação e análise das ações que serão reproduzidas pelos agentes. EMBASAMENTO TEÓRICO

10 MOVIMENTAÇÃO DOS INDIVÍDUOS DE UMA POPULAÇÃO ATIVIDADES A SEREM DESEMPENHADAS CONFIGURAÇÃO ESPACIAL (estrutura de ruas, quadras, etc.) LOCALIZAÇÃO DE ATRAÇÕES O PROBLEMA

11 METODOLOGIA PARA O PROBLEMA 1.LEVANTAMENTO DE DADOS DO CENSO: -Noção de algumas variáveis que poderão compor o modelo; -Base para definir um zoneamento da região;

12 METODOLOGIA PARA O PROBLEMA 2. AVALIAÇÃO DE COERÊNCIA: - Avaliar a coerência do zoneamento com as características sócio-demográficas da população; - Determinação de uma amostra domiciliar.

13 METODOLOGIA PARA O PROBLEMA 3.PESQUISA DE CAMPO -Levantamento de dados como: Horários Atividades Duração das atividades Modos de transporte usados Origem e destino da viagem AMOSTRA DOMICILIAR

14 METODOLOGIA PARA O PROBLEMA 3.PESQUISA DE CAMPO -Locais de maior circulação; -Comportamento da população flutuante: Atividades de turismo, por exemplo. POPULAÇÃO EM TRÂNSITO

15 METODOLOGIA PARA O PROBLEMA 3.PESQUISA DE CAMPO -Levantamento de dados referentes à movimentação durante alguns dias da semana. AMOSTRA DOMICILIAR POPULAÇÃO EM TRÂNSITO ESTIMATIVAS EXISTENTES DA DISTRIBUIÇÃO POPULACIONAL

16 METODOLOGIA PARA O PROBLEMA 4. COMPOSIÇÃO DAS VARIÁVEIS -Identificar variáveis que afetam a distribuição da população a partir de informações coletadas

17 METODOLOGIA PARA O PROBLEMA 5. CONSTRUÇÃO DO MODELO -Construção de um modelo de microsimulação para simular os movimentos da população fixa e flutuante; -Geração de uma distribuição espacial dinâmica em relação ao tempo.

18 METODOLOGIA PARA O PROBLEMA 5. CONSTRUÇÃO DO MODELO -Sistema de informações geográficas (SIG) como ferramenta para descrição da configuração espacial e localização das atrações. -Permitirá uma representação do ambiente mais próxima da realidade, servindo de base para tomada de decisão em diversas situações. Situações emergenciais, Alocação de serviços, Demanda de transporte,etc.

19 METODOLOGIA PARA O PROBLEMA Etapa 1: Dados do censo Avaliar coerência do zoneamento com as características sócio-demográficas da população Etapa 3: Levantar comportamento de uma amostra da população + Locais de maior circulação + Estimativas existentes Etapa 4: Identificar variáveis que afetam a distribuição da população a partir de informações coletadas Etapa 5: Construção do modelo de microsimulação para Simular o comportamento da população gerando uma distribuição dinâmica Etapa 2:

20 CONSTRUÇÃO DO MODELO DE MICROSIMULAÇÃO -Desenvolver um ambiente que possibilite a visualização da distribuição espacial da população em um determinado instante. -Ter uma representação do comportamento da População em momentos diferentes. AUXILIAR Tomada de decisões

21 CONSTRUÇÃO DO MODELO DE MICROSIMULAÇÃO -Para a criação do modelo de microsimulação com características individuais, de modo que possa simular os componentes de todo o sistema. *Modelagem: modelo de agentes (agentes autônomos) ou autômatos celulares *Integração com o sig ????????

22 4.CONSTRUÇÃO E APLICAÇÃO DO MODELO  Simular, utilizando agentes autônomos (dotados das características levantadas), o comportamento da população gerando uma distribuição dinâmica.

23 BIBLIOGRAFIA 1. SHANNON, R. E. (1975) – Systems Simulation: The Art and the Science. Prentice-Hall, Inc, New Jersey. 2. CENTENO, M. A. (1996) – An Introduction to Simulation Modeling. Proceedings 1996 Winter Simulation Conference. 3. MILLER, E.J. (1997). Microsimulation and activity-based forecasting, Activity-Based Travel Forecasting Conference Proceedings. Travel Model Improvement Program (TMIP), U.S. Department of Transportation, Washington, D.C. 4. Claramunt C., Jiang B., 2001, “A Qualitative Model for the Simulation of Traffic Behaviours in a Multi-lane Environment”, Journal of Geographical Sciences, v. 11, Special issue on geo-visualization.

24 1.ETTEMA, D.F., TIMMERMANS, H.J.P. (1997) Activity-based approaches to travel analysis. Pergamon. 2.HELBING, D., FARKAS, I.J., MOLNÁR, P., et al., (2002) “Simulation of Pedestrian Crowds in Normal and Evacuation Situations”. In: Pedestrian and Evacuation Dynamics, Springer-Verlag, Berlin, pp. 21-58. 3.JIANG B. (1999), “SimPed: Simulating Pedestrian Flows in a Virtual Urban Environment”, Journal of Geographic Information and Decision Analysis, v. 3,n. 1, pp. 21-30. BIBLIOGRAFIA