Os megadados, também chamados de dados massivos, dados em grande escala ou simplesmente big data (terminologia usualmente utilizada em espanhol ou inglês) é um termo que faz referência aos conjuntos de dados que, por sua dimensão e complexidade, requerem aplicativos informáticos para seu processamento. Em relação ao urbanismo, a copilação e gestão de dados, junto ao desenvolvimento de novas plataformas e conjuntos de ferramentas para sua interpretação, deu início a uma nova era no que diz respeito à análise da forma urbana, habilitando novos recursos para compreender, avaliar, supervisionar e gestionar a morfologia e a evolução das cidades.
Apesar disso, é sabido que, historicamente, os planejadores urbanos optaram por métodos visuais para representar suas cidades. Desde os mapas iconográficos de Roma de Giambattista Nolli até os diagramas das ruas de Allan Jacobs, a cultura visual prevaleceu como meio de interpretação e comunicação no que diz respeito ao planejamento urbano. A cartografia buscou desde tempos memoráveis comprimir a complexidade física urbana para sintetizá-la em formatos visuais facilmente compreensíveis.
_01-12_-_crop.jpg?1581995969)
Então, de que maneira é possível transladar a informação coletada e relevada do campo visual para que a mesma seja legível para os planejadores e cidadãos? Como podemos sintetizar e agrupar estes complexos padrões utilizando os modernos fluxos de trabalho computacionais?
- Artigo relacionado:
“3 Modos de usar a visualização de dados para melhorar as cidades”
Em seu recente estudo "A informação territorial e a leitura da estrutura urbana: Big Data e a morfologia da cidade", o urbanista e docente Geoff Boeing reflete sobre as explorações urbanas baseadas em big data e enfatiza sobre como os dados brutos não possuem uma aplicação pragmática, afirmando que é necessário interpretar e comprimir o denso volume de informação para produzir gráficos úteis que permitam a leitura simples e a difusão pública dos conhecimentos do campo urbano.
Situando seu trabalho na relevância visual do planejamento, no seu documento ele estuda a colaboração entre dois programas para transformar os dados em informação facilmente compreensível. O primeiro, mundialmente conhecido, é OpenStreetMap (OSM) - uma comunidade cartográfica mundial e um sistema de informação geoespacial em linha -, o qual proporciona uma fonte de dados de alta qualidade e de livre acesso das redes de ruas e outras infraestruturas urbanas em todo o mundo. O segundo é OSMnx - um pacote em Python para analisar os dados - que permite aos investigadores e profissionais fazerem download facilmente dos dados das ruas, edifícios e serviços, transformando-os automaticamente em gráficos para sua visualização e estudo. Isto possibilita materializar em imagens e mapas compreensíveis a informação massiva e a incomensurável quantidade de dados.
- Artigo relacionado:
“Analiza cómo se expande la vialidad de tu ciudad en este mapa interactivo”
Em um primeiro exemplo, Geoff Boeing utiliza o OSMnx para produzir diagramas de figura-fundo com ruas e edificações, comparando a estrutura urbana de 2 cidades dos EUA (Nova York e San Francisco), com assentamentos informais do sul global (Monrovia e Puerto Príncipe). Os gráficos permitem ver como, de forma simples, nos primeiros casos os edifícios estão alinhados com as ruas, liberando o centro de cada quadra. Os assentamentos informais, entretanto, não estão estruturados de maneira ordenada como as quadrículas das ruas americanas. Estes dados gráficos, por exemplo, poderiam ajudar os planejadores e residentes de Monrovia e Puerto Príncipe a estudarem - de maneira colaborativa - como infiltrar redes de circulação formal nos assentamentos com uma mínima perturbação da trama urbana, dos lares e dos meios de vida existentes.
Como segundo exemplo, produziu-se uma série de histogramas polares ou "rosas dos ventos" oferecendo uma perspectiva alternativa para visualizar o ordenamento estrutural da cidade. Cada histograma polar visualiza as orientações (marcação da bússola) das ruas. Por exemplo, no diagrama de Manhattan se evidencia claramente a quadrícula ortogonal dominante. Desta maneira, oferece códigos simples que permitem condensar e compreender uma grande quantidade de dados urbanos.
- Para conhecer mais sobre o tema, acesse o website de Geoff Boeing ou faça o download do ensaio completo no seguinte link.
_01-12_-_crop.jpg?1581995969 "Big Data e urbanismo: como sintetizar informações complexas para aplicação prática?")
