Otimização Competitiva Imperialista para Previsão Espacial Urbana em Alta Resolução.

Abstract

A previsão de crescimento espacial apresenta um desafio em diversos aspectos, sejam eles computacionais, de planejamento futuro ou tipo de dado a ser analisado, pelo grande volume de dados a serem tratados, incertezas a serem consideradas e por sua utilização frequente em planejamentos futuros de áreas urbanas. A expansão espacial encontrada pelo estudo de previsão são empregadas no planejamento populacional, elétrico ou hídrico de uma região administrativa. Assim é apresentada uma metodologia de previsão espacial de áreas urbanas em alta resolução para determinar a densidade futura no planejamento de médio prazo. Esta metodologia faz o emprego de mapas regionais subdivididos em quadrículas, em que cada mapa serão calculadas matrizes de convolução para representar os padrões de crescimento anual dos blocos de quadrículas dessa área. Logo, ao aplicar essas matrizes de convolução numa região de quadrículas, será gerado um novo mapa deste local um ano a frente, método similar ao filtro computacional de imagens por convolução. Mas a busca pelas matrizes de convolução é complexa e penosa. Assim é proposto um algoritmo imperialista competitivo modificado para a busca dos parâmetros das matrizes de convolução, comparando seus resultados com densidades históricas do mapa em estudo. A natureza dos dados utilizados nos testes da metodologia são direcionados para as cargas elétricas de uma cidade. Assim é possível obter uma previsão da densidade crescendo tanto em intensidade quanto em espaço, em alta resolução, a qual poderá ter várias aplicações, podendo ser usada como importante fator no planejamento de redes elétricas inteligentes (Smartgrids), planejamento de expansão de cidades, esgotos, redes de telecomunicações, entre outros.