Navigation – Plan du site

AccueilNuméros49Análise de dados aplicada às Cida...

Análise de dados aplicada às Cidades Inteligentes: reflexões sobre a Região Nordeste do Brasil

Data analysis applied to Smart Cities: Reflections about the Brazilian Nordeste Region
L'Analyse des données appliquée aux villes intelligentes: Réflexions sur la Région Nordeste du Brésil
Jane Roberta de Assis Barbosa et Ignacio Sánchez-Gendriz

Résumés

Les villes intelligentes comme pari pour la gestion urbaine attirent l'attention des chercheurs et des gestionnaires publics du monde entier. En 2020, dans la Région Nord-Est du Brésil, 36 villes ont été classées comme «villes intelligentes». Cet article décrit les méthodes utilisées pour analyser, visualiser et discuter certaines informations sur ces 36 villes. Dans un point de vue spatial, l'utilisation de cartes thématiques a démontré certaines de leurs caractéristiques qui, associées à l'utilisation de méthodes d'exploration de données et à une perspective théorique critique, sont utiles pour comprendre la dynamique territoriale des villes intelligentes.  En combinant les variables des villes étudiées, l'analyse des composantes principales et le regroupement hiérarchique ont permis d'identifier automatiquement les similitudes et les différences entre elles.   En comparaison avec les métropoles et les capitales du Nordeste, les villes présentant les conditions pour mieux promouvoir et/ou abriter les dynamiques territoriales caractéristiques des villes intelligentes sont:  Jaboatão dos Guararapes-PE, Olinda-PE, Igarassu-PE, São Lourenço da Mata-PE, Moreno-PE, Itapissuma-PE, qui font partie de la région métropolitaine de Recife; et Parnamirim-RN, qui appartient à la région métropolitaine de Natal.

Haut de page

Texte intégral

  • 1 O artigo apresenta resultados obtidos através de pesquisa financiada com bolsa PNPD/CAPES (2017-201 (...)

1A temática das cidades inteligentes1 tem atraído o interesse da comunidade geográfica internacional (Batty 2013; Datta 2015), mas ainda é pouco abordada pela geografia brasileira. Para que se possa constatar essa afirmação, basta consultar o Diretório dos Grupos de Pesquisa (DGP) do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), para verificar a existência de grupos de pesquisa que tenham se debruçado sobre o tema. A partir de uma busca nesse diretório, contemplando o período compreendido entre 1984 e 2017, foi possível identificar a existência de 87 grupos de pesquisa cadastrados interessados nos seguintes temas de pesquisa: smart cities, smart city e cidades inteligentes. Eles estão distribuídos desigualmente em todas as macrorregiões brasileiras, mas concentrados em três delas: Sudeste (35), Nordeste (28) e Sul (19). Esses grupos inserem-se nas grandes áreas de Ciências Exatas e da Terra, Ciências Sociais Aplicadas, Engenharias e, apenas de modo pontual, nas Ciências Humanas. Ressalte-se que nenhum dos grupos identificados era da Geografia.

2A discussão em torno das cidades inteligentes tem ganhado relevância no contexto histórico atual, pois o uso de novas tecnologias possibilita novas formas de vivenciar as cidades. Sendo assim, a análise de dados, com suporte da cartografia e de métodos computacionais, combinada a uma perspectiva teórica crítica do processo, mostra-se útil para compreender 36 cidades da Região Nordeste do Brasil que se distinguem por terem aderido à Rede Brasileira de Cidades Inteligentes e Humanas (RBCIH) (34), ou estar empreendendo esforços para se declarar “inteligentes”. A RBCIH foi criada em 2013 através da assinatura de um documento conhecido como "Carta de Vitória", na qual foram postas intenções para formalizar o compromisso dos gestores municipais com o desenvolvimento social e tecnológico das suas cidades. O mapa 1 mostra a localização dos municípios considerados para fins analíticos neste artigo.

Mapa 1 – Localização das Cidades Inteligentes do Nordeste brasileiro

Mapa 1 – Localização das Cidades Inteligentes do Nordeste brasileiro

Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

3Considerando-se o universo da análise, Pernambuco é o estado nordestino com o maior número de “cidades inteligentes”, possuindo quatorze delas, seguido do Rio Grande do Norte, que tem nove. Os estados do Ceará e Paraíba, ambos com três, dividem a terceira colocação. Como se verá no desenvolvimento do artigo, as cidades estudadas apresentam características variadas. O número de habitantes, o salário médio mensal e o nível de instrução da população, por exemplo, diferem significativamente em alguns casos. Adotar uma metodologia que permita “equalizar” as variáveis elencadas para uma análise crítica do fenômeno estudado constitui, pois, um exercício importante.

4A pergunta que será respondida neste artigo é: em que medida a combinação de métodos computacionais, análise cartográfica e uma perspectiva teórica crítica do processo mostram-se úteis para compreender as cidades inteligentes, levando em conta a especificidade do caso brasileiro?

5Este texto após sua introdução – na qual se apresenta, de forma breve, a temática de interesse e a organização do texto –, está dividido em três partes. Na primeira seção são discutidos os pressupostos teóricos e metodológicos que deram respaldo ao desenvolvimento da pesquisa que culminou nesse artigo. Na segunda seção, serão apresentadas algumas definições de cidades inteligentes obtidas em uma revisão da literatura que contemplou autores brasileiros e estrangeiros. A terceira parte foi dedicada à caracterização das cidades inteligentes do Nordeste brasileiro, bem como à discussão dos principais resultados da pesquisa. Nas considerações finais, será respondida a questão que serviu como ponto de partida para o artigo em tela.

Pressupostos teóricos e metodológicos sobre a análise de dados das cidades inteligentes do Nordeste brasileiro

6Muitas são as definições para as cidades inteligentes, e, com base na literatura (Komninos, 2008; Greenfield, 2013; Picon, 2017; Batty, 2013; Datta, 2015; Weiss, Bernardes, Consoni 2015), parece não haver um consenso geral, mas é possível identificar pontos convergentes nas definições. A partir dessa literatura, pode-se afirmar que as cidades inteligentes pressupõem a existência de uma infraestrutura e interconexão entre sistemas técnicos, aportes à qualidade de vida dos seus habitantes. O conteúdo inteligente dessas cidades está presente nas tecnologias possíveis para a sua gestão eficiente e naqueles que nelas vivem. Talvez, devido à sua plasticidade conceitual, a promoção das cidades inteligentes esteja ganhando a adesão dos gestores públicos em países desenvolvidos e/ou em desenvolvimento, pois tornou-se uma aposta para a resolução dos problemas urbanos e uma estratégia para atrair negócios.

7Denis, Strauch e Damon (2013), em reflexão produzida no âmbito do ateliê da performance pública do Institut de L’Entreprise de Paris-FR, definem as cidades inteligentes, considerando-as a partir da realidade dos países europeus, como “cidades que visam otimizar a gestão de dados para melhoria dos serviços urbanos”. Seguindo na mesma direção, podemos afirmar, a partir de Komninos (2008, p. 113), que as cidades e regiões inteligentes constituiriam, “sistemas territoriais avançados de inovação”.

8Considerando as reflexões produzidas por Townsend (2013), Brenner e Schmid (2015), e Greenfield (2013), as cidades inteligentes situam-se numa vertente paralela ao urbanismo tecnocientífico, nas quais verifica-se uma diversidade de usos, assim como atores e empresas de tecnologia da informação que lucram ao promover diferentes modos de monitoramento espacial e análise de dados fornecidos para os governos municipais em todo o mundo.

9No que diz respeito ao Brasil, a definição de cidade inteligente considera o humano como um elemento central. Para a RBCIH (2020), “as Cidades Inteligentes e Humanas são aquelas que trabalham de forma integrada suas cinco camadas: as pessoas, o subsolo, o solo, a infraestrutura tecnológica, e a plataforma de internet das coisas. O foco é a qualidade de vida das pessoas e o seu desenvolvimento criativo e sustentável” (http://redebrasileira.org/​institucional, acesso em 15 de abril de 2020). A definição proposta pela RBCIH fornece a impressão de que as cidades inteligentes poderão se configurar como uma alavanca para a resolução de problemas estruturais que afetam a sociedade brasileira. Nesse sentido, a afirmação de Picon (2017, p 46) de que “os caminhos que levam à cidade inteligente na Europa — onde cidades possuem uma herança rica de infraestrutura tradicional, de saneamento a transporte público — não podem ser os mesmos das metrópoles dos países em desenvolvimento, onde esta infraestrutura é frequentemente precária”, é oportuna, pois permite compreender que o fenômeno das cidades inteligentes deve ser pensando de forma situada. Somando-se a essa ideia, ainda há Gama e Fernandes (2014, p.3), para os quais é “imprescindível olharmos para as especificidades das sociedades quantificadas nos indivíduos e as características dos territórios à luz das suas potencialidades e debilidades”.

10A promoção das cidades inteligentes, é parte de um conjunto de novas dinâmicas territoriais, provocadas pela expansão daquilo que Santos (1984) denominou de período técnico-científico e a posteriori (1985), denominou meio técnico-científico-informacional, aplicando-o em pesquisas ao longo de sua obra, a exemplo de Santos e Silveira (2006). Elas decorrem, ainda, de processos situados em países de economia avançada, onde grandes empresas e o Estado têm contribuído para o desenvolvimento de tecnologias de ponta com vistas a resolver problemas das cidades. No que concerne a sua aplicação, dada a especificidade dos lugares onde se realizam, ela incorpora uma diversidade de iniciativas que se deseja implementar. Neste sentido, a fragilidade dos sistemas de transporte público, a universalidade do saneamento básico e a carência de políticas de inovação tecnológica destacam-se como problemas que as cidades inteligentes devem dirimir.

11A discussão teórica e os dados apresentados até o momento ratificam a relevância que as cidades inteligentes assumiram no Brasil (mesmo nos municípios com menor número de habitantes), permitem-nos afirmar que não se pode pensar as cidades inteligentes no Brasil a partir de parâmetros amparados estritamente em casos internacionais. As especificidades do território brasileiro precisam ser consideradas, uma vez que, como indica Picon (2017), não se pode usar a mesma medida para analisar contextos tão distintos. Vejamos, então, o que nos revela a análise das cidades inteligentes situadas no Nordeste do Brasil.

12Ressalte-se que, dada a diversidade de cidades que têm se apresentado como inteligentes na Região Nordeste do Brasil, elegeu-se um conjunto de variáveis que possibilitasse a obtenção de dados para todas as 36 cidades. Destaque-se ainda que as fontes de dados acessíveis, confiáveis e públicas não seguem o mesmo padrão para coleta e disposição dos dados. Com base nesse critério, adotaram-se as seguintes fontes de informação: Instituto Brasileiro de Geografia e Estatística (IBGE), plataforma Cidades; Regiões de Influência das Cidades (REGIC) 2007; Relação Anual de Informações Sociais (RAIS), Classificação Nacional de Atividades Econômicas (CNAE 2.0); sítio eletrônico da RBCIH e o sítio eletrônico das prefeituras dos 36 municipais que compuseram o corpus da pesquisa.

13Argumenta-se neste artigo que a análise de dados combinando métodos computacionais e produção de mapas temáticos é relevante para, no contexto de uma tipologia variada de cidades inteligentes, produzir uma avaliação geográfica crítica a respeito das dinâmicas produzidas em diferentes territórios. Para isso, foram empregados os métodos da análise de componentes principais (do inglês Principal Component Analysis - PCA) e o clustering hierárquico, com vistas a analisar, visualizar e discutir algumas informações sobre as 36 cidades. Procurou-se, ainda, demonstrar a dimensão espacial do processo por meio da elaboração de mapas temáticos coropléticos. Para facilitar a compreensão sobre os métodos computacionais utilizados, procuramos descrevê-los de forma didática. As técnicas computacionais utilizadas são de ampla aplicação em áreas de estatísticas e mineração de dados, e se mostraram úteis para o caso em tela, embora menos abordadas em artigos de natureza geográfica.

14As variáveis analisadas para este artigo foram: população (V1), PIB (V2), salário per capita (V3), quantidade de indivíduos que possuem ensino superior per capita (V4), distância da capital (V5) e, por fim, número de pessoas empregadas nas atividades de Informação e comunicação (V6a) e quantidade de empregados nas atividades profissionais, científicas e técnicas (V6b). As variáveis V6a e V6b foram combinadas em uma única variável denominada V6 = (V6a + V6b) /2, estando estas variáveis fortemente correlacionadas (r = 0.91, p < 0.001). É importante dizer que outras variáveis podem ser adotadas, sem, no entanto, que isso desqualifique a metodologia empregada.

As cidades inteligentes do Nordeste brasileiro

15Algumas cidades brasileiras têm buscado se adaptar a uma nova perspectiva de planejar o futuro, tendo nas cidades inteligentes um parâmetro a ser perseguido. Experiências como a de Porto Alegre são descritas por Weiss, Bernardes e Consoni (2015), onde a utilização de sistemas de gerenciamento permite, dentre outras coisas, “a agilidade no atendimento às necessidades de manutenções das infraestruturas públicas” e a interação de cidadãos com o poder público. Para a maioria das cidades brasileiras, no entanto, experiências como essa ainda não são uma realidade. A criação da RBCIH é um indicativo do esforço que tem sido feito para promover o planejamento e a gestão urbana com base lógica.

16Desde a sua criação, em 2013, a RBCIH vem se expandindo, e, dos municípios nordestinos, apenas Olinda-PE figurava na lista dos sete que inicialmente formavam a rede. Em continuidade ao seu processo de expansão, em 2017, 187 municípios haviam aderido a essa iniciativa, distribuídos regionalmente da seguinte forma: Centro-oeste (39), Nordeste (33), Norte (6), Sudeste (82) e Sul (27). Até março de 2020, oito novos municípios passaram a integrar a RBCIH, totalizando 195, distribuídos regionalmente da seguinte forma: norte (6), sul (26), nordeste (34), centro-oeste (41) e sudeste (89).

17No Nordeste, em apenas seis anos de existência dessa Rede (2014-2020), trinta e quatro (34) municípios aderiram a iniciativa, destacando-se as capitais, à exceção de Fortaleza-CE e Teresina-PI. A despeito disso, esses dois municípios foram incluídos na análise. No que diz respeito a Fortaleza, isso se deveu ao fato de que, convidada pelo Ministério Federal do Interior e Construção da Alemanha, a cidade passou a integrar uma Rede Internacional de Cidades Inteligentes, conforme informa o sítio eletrônico da Prefeitura. Já Teresina, embora não tenham sido encontradas referências oficiais da inserção da cidade em alguma iniciativa relativa às cidades inteligentes, ela foi incluída na análise por ser uma das capitais nordestinas.

18Com relação às principais características das cidades analisadas, observada a estimativa da população para 2019 (variável 1, V1), segundo o IBGE, percebe-se que há uma variação significativa entre elas, sendo possível identificar “cidades inteligentes” com 6.437 habitantes, como Porto do Mangue no Rio Grande do Norte, e com 2.872.347 habitantes, como Salvador, Bahia (ver mapa 2 a seguir). Ressalte-se que a maior concentração populacional está nos municípios que, de acordo com a tipologia do estudo Regiões de Influência de Cidades (REGIC) para o ano de 2007, são caracterizados como metrópoles e nas capitais regionais.

Mapa 2 – Cidades Inteligentes: população estimada para 2019

Mapa 2 – Cidades Inteligentes: população estimada para 2019

Fonte: IBGE – Censo Demográfico, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

19O Produto Interno Bruto (PIB) per capita (V2), dado de 2017, publicado pelo IBGE, foi outro critério adotado para esta análise (ver mapa 3 a seguir). Sua utilização serve para aferir a dinâmica econômica das cidades inteligentes consideradas neste artigo. Embora se tenha identificado um PIB per capita médio de R$ 18.508,05, no que tange à totalidade das cidades, foi possível observar cidades como Salgadinho-PE, cujo PIB per capita médio é de R$ 5.782,62, e Itapissuma-PE, que concentra o maior PIB per capita médio (R$ 53.081,09). Ressalte-que o valor significativo desse PIB de Itapissuma pode ser explicado pela existência de uma população estimada relativamente pequena, 26.651 habitantes, e uma atividade industrial considerável.

Mapa 3 Cidades Inteligentes: PIB Per Capita

Mapa 3 – Cidades Inteligentes: PIB Per Capita

Fonte: IBGE, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

20Em sua maioria, as cidades inteligentes do Nordeste brasileiro possuem como principal atividade econômica os serviços (19 municípios), seguida pelas atividades ligadas à administração pública (11 municípios). Em contraste, apenas três cidades têm como prinicipal componente da sua economia a atividade industrial (ver mapa 4 a seguir), quais sejam: Porto do Mangue e Serra do Mel, situadas no Rio Grande do Norte, onde a indústria de eólicas se instalou nos últimos anos; e Itapissuma, Região Metropolitana de Recife, que conta com uma atividade industrial relevante no setor de químicos.

Mapa 4 – Cidades Inteligentes: principais atividades econômicas

Mapa 4 – Cidades Inteligentes: principais atividades econômicas

Fonte: IBGE, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

21Em se tratando do nível de instrução (ver mapa 5 a seguir) daqueles que habitam estas cidades, observou-se que dez municípios se destacam quando se considera o número de pessoas com ensino superior completo (V4). É importante salientar que as melhores posições são ocupadas por Recife-PE, Aracajú-SE e João Pessoa-PB. Em seguida, tem-se Salvador-BA, Natal-RN, Teresina-PI, Maceió-AL, Parnamirim-RN, Fortaleza-CE e, finalmente, São Luís-MA. Os municípios que possuem menor número de habitantes com ensino superior completo foram Lagoa do Carro-PE, Baraúna-RN e Salgadinho-PE. É importante destacar que, das cidades anteriormente pontuadas, Salvador-BA, Recife-PE, Natal-RN e Fortaleza-CE, são as cidades que se destacaram com os melhores salários médios mensais e, com a maior quantidade de vínculos ativos nas seguintes áreas: comunicação e informação; atividade profissional científica e técnica.

Mapa 5 – Cidades Inteligentes: nível de instrução, ensino superior completo Per Capita

Mapa 5 – Cidades Inteligentes: nível de instrução, ensino superior completo Per Capita

Fonte: IBGE, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

22No que concerne ao salário médio mensal formal (V3) das cidades analisadas (ver mapa 6), a média recebida foi de 2,2 salários mínimos, segundo o IBGE (2010). Todavia, é importante destacar que em Salvador-BA o salário médio mensal recebido foi de 3,5. Em se tratando de Recife-PE e Itapissuma-PE, 3,2 salários mínimos. Já em São Luís-MA, Aracajú-SE e Natal, a média recebida foi de 3,1 salários mínimos. Ressalte-se que em Itajá-RN, onde a administração pública constitui a principal atividade econômica do lugar, identificou-se o menor salário médio mensal formal, 1,3 salário mínimo.

Mapa 6 – Cidades Inteligentes: salário médio mensal

Mapa 6 – Cidades Inteligentes: salário médio mensal

Fonte: IBGE, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

23Além das variáveis apresentadas nos mapas até agora apresentados, foi analisada a capacidade de absorção de profissionais com vínculos ativos (V6) nas áreas de comunicação e informação, bem como em atividade profissional científica e técnica (ver mapa 7), com base na RAIS (2017). Observa-se que Salvador-BA (33.731 vínculos formais), Recife-PE (31.739 vínculos formais), Fortaleza-CE (28.526 vínculos formais) e Natal-RN (12.567 vínculos formais) são as cidades que mais empregam profissionais nas já mencionadas áreas. As cidades de Porto do Mangue-RN e Brejinho-RN são aquelas que registraram o menor número de vínculos ativos nessas áreas, totalizando apenas 2 pessoas empregadas.

Mapa 7 – Cidades Inteligentes: vínculo ativo nas áreas de Comunicação e Informação; atividade profissional científica e técnica

Mapa 7 – Cidades Inteligentes: vínculo ativo nas áreas de Comunicação e Informação; atividade profissional científica e técnica

Fonte: RAIS – Cnae 2.0, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz

24Com vistas a complementar a análise espacial realizada, optou-se por fazer uso de métodos computacionais para agrupar as cidades inteligentes do Nordeste brasileiro. Desse modo, foi possível identificar aquelas com maior e menor potencial para promover dinâmicas territoriais compatíveis com os pressupostos das cidades inteligentes descritos na revisão de literatura.

Métodos usados na mineração de dados das cidades estudadas

25Os valores das variáveis analisadas possuem ordens de magnitude diferentes. Visando a homogeneizar a ordem de magnitude, foi aplicada uma transformação logarítmica (V = log10V) para as variáveis V1, V2 e V5. A transformação logarítmica é uma função matemática comumente empregada em análise estatística e mineração de dados (Tan, P. N., Steinbach, M., & Kumar, 2006).

26Optou-se por excluir a variável “salário” (V2) da transformação, pois os valores referentes a essa variável, para as 36 cidades, já estavam em ordens de magnitude similar às atingidas pelas outras variáveis após a transformação. Para cada cidade, a variável “Vínculo Ativo” (V6) for normalizada dividindo pela quantidade de indivíduos com ensino superior completo. Já no caso de “Ensino superior completo per capita” (V4) os valores para cada cidade foram divididos pelo valor máximo entre todas. A tabela 1 mostra os valores das variáveis antes e após a transformação logarítmica.

Tabela 1 - Faixa de valores das variáveis analisadas. Destaca-se a homogeneidade na faixa de valores das variáveis após a transformação logarítmica.

Nome da variável

Número da Variável

Faixa original

Faixa após transformação

População

V1

2865910

2,65

PIB per capita

V2

47298,47

0,96

Salário médio mensal formal

V3

2,20

2,20

Ensino superior completo per capita

V4

0,11

0.93

Distância da Capital

V5

514,80

2,71

Vínculo Ativo (Informação e comunicação; atividade profissional, científica e técnica)

V6

16864,50

0.24

Fonte: IBGE (2010, 2017), RAIS/CNAE 2.0 (2017). Elaboração: os autores

Gráficos de dispersão

27Para visualizar os dados referentes às cidades foram empregados gráficos de dispersão. Esses gráficos podem ser usados para inferir visualmente possíveis interações entre duas variáveis (agrupamentos, relações de dependência linear entre variáveis etc.). A Figura 1, painel A-I, representa o gráfico de dispersão das variáveis V6a e V6b (após aplicada a transformação logarítmica). Nesse gráfico é possível identificar uma correlação linear entre V6a e V6b (os pontos estão alinhados próximos à linha diagonal), significando que o incremento de uma variável implica o aumento proporcional da outra.

Figura 1 - Descrição dos métodos de análise. A-I) gráfico de dispersão. A-II) Resultado ao aplicar PCA. B) Dendograma exemplo resultante de cluster hierárquico.

Figura 1 - Descrição dos métodos de análise. A-I) gráfico de dispersão. A-II) Resultado ao aplicar PCA. B) Dendograma exemplo resultante de cluster hierárquico.

Elaboração: os autores

28Em se tratando de múltiplas variáveis, a análise resulta complexa, pois existem diversas combinações de pares de variáveis possíveis. A título de exemplificação, as seis variáveis utilizadas no artigo resultariam em 15 combinações, sendo assim, 15 gráficos a analisar. A opção adotada foi o emprego de técnicas de redução de dimensionalidade para complementar a visualização por meio de gráficos de dispersão.

Análise de componentes Principais (PCA)

29As técnicas de redução de dimensionalidade possibilitam combinar as variáveis (nesta abordagem chamadas de dimensões). Uma das técnicas de redução de dimensionalidade amplamente usada é a Análise de Componentes Principais (do inglês Principal Componet Analysis - PCA) (Demšar et al., 2013; Jolliffe & Cadima, 2016). A técnica de PCA permite obter um novo conjunto de variáveis (chamadas de componentes principais) a partir da combinação linear das variáveis originais. Os objetivos do PCA são: 1) maximizar a variância ou variabilidade nas novas variáveis (o pressuposto é que variáveis com maior variância carregam mais informação); 2) fazer com que as variáveis obtidas não estejam correlacionadas, ou seja, que não venham a compartilhar informação entre si. Sendo assim, almeja-se, com a aplicação de PCA, que os dados possam ser representados com um número reduzido de variáveis, mas sem perda significativa das informações contidas nas variáveis originais.

30Para uma ilustração gráfica da utilidade do PCA, podem ser analisados os painéis A-I) e A-II) da Figura 1. Para separar o conjunto de pontos G2 dos conjuntos G1 e G3, seria preciso considerar os valores de V6a e V6b simultaneamente, ou seja, teríamos que analisar 2 dimensões (2-D). No entanto, para delimitar os pontos do conjunto G2 no gráfico do PCA (Painel A-II), bastaria selecionar limites para os valores do primeiro componente – PC1. Desse modo, apenas uma dimensão (1-D) seria suficiente. No caso exemplificado, teríamos feito uma redução de 2-D para 1-D. Na seção de resultados do presente estudo, faremos detalhadamente uma redução de n=6 variáveis para dois componentes principais (6-D para 2-D).

Cluster Aglomerativo

31A análise de cluster permite separar determinados dados em grupos visando a reunir elementos similares dentro de um mesmo agrupamento, ao mesmo tempo em que promove a sua diferenciação frente aos demais. Existem diversas técnicas de clustering, destacando-se dentre elas o cluster hierárquico aglomerativo (Tan et al., 2005), que funciona de forma interativa. Inicialmente, cada elemento é considerado um grupo individual. A cada passo, é combinado o par de grupos mais próximos, até que seja obtido o número de grupos desejados, ou até que todos os elementos sejam alocados num único cluster.

32O cluster hierárquico pode ser visualizado mediante um diagrama em forma de árvore, conhecido como dendograma (ver Figura 1, painel B). Ele permite representar a ordem em que são formados os respectivos clusters e os diferentes subclusters. Ao selecionar-se uma altura adequada para cortar a árvore do dendograma, é possível agrupar o conjunto de dados em clusters. Veja-se, por exemplo, a Figura 1-B, onde a linha descontínua representa o ponto de corte que permitiu agrupar os dados em três clusters. Uma ampliação de ramos do dendograma permitirá compreender como foi realizado o processo de agrupamento, assim como quais pontos estarão mais próximos (ou distantes) para cada um dos grupos formados. Para maiores esclarecimentos dos fundamentos das técnicas de clusters hierárquicos ver (Attewell & Monaghan, 2019; Tan et al., 2005).

33Para as seis variáveis analisadas (ver tabela 1), foi aplicada a técnica de PCA para redução de dimensionalidade. Após a aplicação do PCA, foram adotadas as duas componentes principais, as quais serão denominadas, de agora em diante, componentes 1 e 2. A variância resultante para as componentes 1 e 2 foi de 96%, o que sugere que uma parte considerável da informação se manteve, apesar de uma redução de dois terços (2/3) no número de variáveis finalmente utilizado.

34A Figura 2 ilustra o gráfico de dispersão das componentes 1 e 2. Observa-se que as capitais do Nordeste, assim como o restante das cidades, aparecem aglomeradas em conjuntos diferentes. Com base na análise visual obtida por meio da informação representada na Figura 2, foi decidido aplicar um agrupamento automático, para o qual foi utilizada a técnica de clustering hierárquico descrita anteriormente. Foram selecionados quatro clusters, o que combina com o enquadramento da REGIC (2007) na classificação da hierarquia dos centros urbanos.

35Se considerarmos as 36 cidades inteligentes estudadas, a partir da classificação da REGIC (2007) concernente à hierarquia dos centros urbanos, observa-se que 13 delas são centros locais. Significa que, usando os termos da REGIC (2007, p. 13), são “cidades cuja centralidade e atuação não extrapolam os limites do seu município”. Também se verificou a existência de 2 centros sub-regionais A, os quais, segundo a REGIC (2007, p. 11), correspondem a centros com “atividades de gestão menos complexas, [...] têm área de atuação mais reduzida”. As capitais regionais, que, em conformidade com a REGIC (2007, p. 11) correspondem aos centros com “área de influência de âmbito regional”, também são representativas. Ao cruzarem-se as cidades analisadas com a referida classificação, identificou-se a seguinte hierarquia: 6 Capitais Regionais A, 2 Capitais Regionais B e 3 Capitais Regionais C. Verificou-se ainda, a existência de duas cidades inteligentes classificadas como centros sub-regionais A, nas quais, de acordo com a REGIC (2007, p. 11), as “atividades de gestão são menos complexas; [...] têm áreas de atuação mais reduzida”, em comparação com as capitais regionais, por exemplo. As metrópoles, que no documento da REGIC (2007, p. 11) correspondem a Salvador, Fortaleza e Recife, “caracterizam-se por seu grande porte e por fortes relacionamentos entre si, além de, em geral, possuírem extensa área de influência direta”. Essas metrópoles são, na aglomeração de clustering hierárquico empregada neste artigo, aquelas com maior potencial para promover dinâmicas territoriais características das cidades inteligentes.

Figura 2 - Gráfico de dispersão das 2 componentes principais obtidas após aplicar PCA para 6 variáveis.

Figura 2 - Gráfico de dispersão das 2 componentes principais obtidas após aplicar PCA para 6 variáveis.

Elaboração: os autores

36O dendograma resultante da aplicação do cluster hierárquico aglomerativo foi ilustrado na Figura 3, cabendo destacar que o ramo que identifica o cluster associado às capitais está subdividido em duas partes, separando as metrópoles do Nordeste (Salvador, Recife e Fortaleza) do restante das capitais. Igualmente, cidades de reconhecida importância nos seus respectivos estados, como são Parnamirim, Jaboatão dos Guararapes e Olinda, separam-se das outras cidades no seu grupo.

Figura 3 - Dendograma para clustering hierárquico aglomerativo usando-se como variáveis as duas componentes principais resultantes do PCA.

Figura 3 - Dendograma para clustering hierárquico aglomerativo usando-se como variáveis as duas componentes principais resultantes do PCA.

Elaboração: os autores

37Os grupos encontrados pelas análises implementadas, visualizadas na Figura 2 e na Figura 3, concordam com as classificações da REGIC (2007). Destaca-se que os componentes 1 e 2, determinados pela análise de PCA, combinam a informação das 6 variáveis descritas (ver tabela 1) para cada uma das cidades estudadas.

38Caso fossem adicionadas variáveis como presença, localização de universidades públicas e privadas, fundações de pesquisa, quantidade de profissionais ocupados nas diversas áreas cientifico-técnicas, por exemplo, poderiam ser melhor delimitadas e quantificadas as potencialidades das cidades no que diz respeito a abrigar dinâmicas “inteligentes”. Supõe-se ainda que essas informações poderiam contribuir para identificar a seletividade de dinâmicas territoriais dessa natureza, confirmando Santos (1994, p. 37-39, grifo nosso), quando afirma que “os lugares destinados às atividades hegemônicas são os edifícios e áreas inteligentes [...] À cidade informada e às vias de transporte e comunicação, aos espaços inteligentes que sustentam as atividades exigentes de infraestruturas e sequiosas de rápida mobilização, opõe-se a maior parte da aglomeração”. Com base no raciocínio do autor, não é a cidade como um todo que se pode apontar como inteligente, mas alguns de seus subespaços. A análise permite, pois, ratificar o contexto de seletividade, fragmentação, diferenciação e desigualdade que caracteriza as cidades capitalistas.

Considerações finais

39Os métodos apresentados mostraram que o emprego da cartografia temática e as técnicas de mineração de dados são de comprovada utilidade para a representação e análise de dinâmicas que compreendem interrelações entre diversas variáveis. Esses métodos facilitam uma abordagem quantitativa, e servem como complemento a estudos de natureza qualitativa executados por profissionais de ciências sociais e humanas, notadamente da Geografia.

40Do ponto de vista teórico, o debate em torno das cidades inteligentes parece indicar a existência de dois polos. No primeiro estão aqueles que defendem a sua importância para, no âmbito de uma gestão eficiente e inovadora, resolver problemas inerentes ao processo de urbanização. No segundo polo, situam-se aqueles que, adotando uma perspectiva crítica, as colocam na condição de uma utopia. Se as cidades inteligentes situadas no Nordeste brasileiro se configuram como uma utopia ou uma aposta certeira para resolver problemas estruturais, apenas uma análise a mais longo prazo, considerando as metas postas por cada uma para alcançar o status de inteligente, poderá responder.

41Com base nos resultados apresentados, é possível ponderar que, a partir das suas respectivas especificidades a maioria das cidades estudadas tem de superar diversos desafios para aplicar em seus territórios os fundamentos de uma cidade inteligente. No contexto da hierarquia urbana brasileira, parte das cidades estudadas exerce uma influência apenas local. Em comparação com as metrópoles e capitais incluídas neste estudo, as cidades com potencialidades para promover e/ou abrigar dinâmicas territoriais características de cidades inteligentes são: Jaboatão dos Guararapes-PE, Olinda-PE, Igarassu-PE, São Lourenço da Mata-PE, Moreno-PE, Itapissuma-PE, que fazem parte da Região Metropolitana de Recife; e Parnamirim-RN, pertencente à Região Metropolitana de Natal.

42O imperativo tecnológico e utópico das cidades inteligentes nos impõe, como em outros momentos da história, refletir sobre o nosso destino na Terra. Qual o mundo que queremos? Em que paradigma de cidade, campo, queremos habitar, viver, coexistir?

Haut de page

Bibliographie

Attewell, P., & Monaghan, D. (2019). «Clustering». In: Data Mining for the Social Sciences (pp. 196–215). University of California Press. https://doi.org/10.1525/9780520960596-013

Brenner, Neil; Schmid, Christian (2015). « Towards a new epistemology of the urban? ». Journal City, volume 19, posto online em: 01 abril de 2015, URL: https://www.tandfonline.com/doi/abs/10.1080/13604813.2015.1014712

Denis, Eudoxe; Strauch, Laetitia; Damon, Julien (2013). Smart cities. Efficace, innovante, participative: comment rendre la ville plus intelligente?. Institut de L’Entreprise de Paris-FR. Disponível em <https://www.institut-entreprise.fr/sites/default/files/archives/smart_cities-vf.pdf> Acesso em: 15 de março de 2019.

Demšar, U., Harris, P., Brunsdon, C., Fotheringham, A. S., & McLoone, S. (2013). « Principal Component Analysis on Spatial Data»: An Overview. Annals of the Association of American Geographers, 103(1), 106–128. https://doi.org/10.1080/00045608.2012.689236.

Gama, Rui; Fernandes, Ricardo (2014). « O digital como veículo para o inteligente: tópicos para uma abordagem territorial». Actas do 2º Congresso Luso Brasileiro para o Planeamento Urbano, Regional, Integrado e Sustentável, Coimbra, jul. 2014.

Greenfield, Adam (2013). Against the smart city. A Pamphlet. Part I of the city is here for you to use. Do Projects New York City 13th October 2013, Kindle.

Jolliffe, I. T., & Cadima, J. (2016). « Principal component analysis: a review and recent developments». Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202.

Komninos, Nicos (2008). Intelligent cities and globalization of innovation networks. Disponível em: <http://www.stellenboschheritage.co.za/wp-content/uploads/Intelligent-Cities-and-Globalisation-of-Innovation-Networks.pdf> Acesso em 02 de fevereiro de 2020.

Picon, Antoine (2017). «Os limites da inteligência: sobre os desafios enfrentados por Cidades Inteligentes». v. 20, n. 3 (2017). Revista do Programa de Pós-Graduação em Comunicação e Cultura da Escola de Comunicação da Universidade Federal do Rio de Janeiro.

SANTOS, M. (1984). «The rediscovery and the remodelling of the planet in the technico-scientific period and new roles of sciences», International Social Science Journal, 36, 4, Paris, Unesco. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000063651?posInSet=5&queryId=5fc1164b-9e03-466b-b34f-770d6e74a7f7

SANTOS, M. (1985). Espaço e método. São Paulo: Nobel,1985.

Santos, Milton (1994). Técnica, espaço, tempo: globalização e meio técnico-científico-informacional. São Paulo: HUCITEC.

Santos, Milton; Silveira, María Laura (2006). O Brasil: território e sociedade no início do século XXI. ed. 9, Rio d Janeiro: Record.

Tan, P. N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining. https://doi.org/10.1016/0022-4405(81)90007-8

Tan, P.-N., Steinbach, M., & Kumar, V. (2005). «Cluster Analysis: Basic Concepts and Algorithms». Introduction to Data Mining. https://doi.org/10.1016/0022-4405(81)90007-8

Townsend, Anthony M. (2013). Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia. 320 pages, W. W. Norton & Company, Inc.

Haut de page

Notes

1 O artigo apresenta resultados obtidos através de pesquisa financiada com bolsa PNPD/CAPES (2017-2018) no Programa de Pós-Graduação e Pesquisa em Geografia da UFRN.

Haut de page

Table des illustrations

Titre Mapa 1 – Localização das Cidades Inteligentes do Nordeste brasileiro
Crédits Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-1.png
Fichier image/png, 249k
Titre Mapa 2 – Cidades Inteligentes: população estimada para 2019
Crédits Fonte: IBGE – Censo Demográfico, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-2.jpg
Fichier image/jpeg, 1,7M
Titre Mapa 3 Cidades Inteligentes: PIB Per Capita
Crédits Fonte: IBGE, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-3.jpg
Fichier image/jpeg, 1,7M
Titre Mapa 4 – Cidades Inteligentes: principais atividades econômicas
Crédits Fonte: IBGE, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-4.png
Fichier image/png, 2,1M
Titre Mapa 5 – Cidades Inteligentes: nível de instrução, ensino superior completo Per Capita
Crédits Fonte: IBGE, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-5.png
Fichier image/png, 167k
Titre Mapa 6 – Cidades Inteligentes: salário médio mensal
Crédits Fonte: IBGE, 2010. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-6.jpg
Fichier image/jpeg, 1,6M
Titre Mapa 7 – Cidades Inteligentes: vínculo ativo nas áreas de Comunicação e Informação; atividade profissional científica e técnica
Crédits Fonte: RAIS – Cnae 2.0, 2017. Elaboração: Jane Roberta de Assis Barbosa, Ignacio Sánchez-Gendriz, Diego Tenório Paz
URL http://journals.openedition.org/confins/docannexe/image/36081/img-7.jpg
Fichier image/jpeg, 1,7M
Titre Figura 1 - Descrição dos métodos de análise. A-I) gráfico de dispersão. A-II) Resultado ao aplicar PCA. B) Dendograma exemplo resultante de cluster hierárquico.
Crédits Elaboração: os autores
URL http://journals.openedition.org/confins/docannexe/image/36081/img-8.png
Fichier image/png, 62k
Titre Figura 2 - Gráfico de dispersão das 2 componentes principais obtidas após aplicar PCA para 6 variáveis.
Crédits Elaboração: os autores
URL http://journals.openedition.org/confins/docannexe/image/36081/img-9.png
Fichier image/png, 111k
Titre Figura 3 - Dendograma para clustering hierárquico aglomerativo usando-se como variáveis as duas componentes principais resultantes do PCA.
Crédits Elaboração: os autores
URL http://journals.openedition.org/confins/docannexe/image/36081/img-10.png
Fichier image/png, 39k
Haut de page

Pour citer cet article

Référence électronique

Jane Roberta de Assis Barbosa et Ignacio Sánchez-Gendriz, « Análise de dados aplicada às Cidades Inteligentes: reflexões sobre a Região Nordeste do Brasil »Confins [En ligne], 49 | 2021, mis en ligne le 24 mars 2021, consulté le 18 juin 2021. URL : http://journals.openedition.org/confins/36081 ; DOI : https://doi.org/10.4000/confins.36081

Haut de page

Auteurs

Jane Roberta de Assis Barbosa

Professora do Departamento de Geografia da UFRN, janerabarbosa@gmail.com

Articles du même auteur

Ignacio Sánchez-Gendriz

Pós-doutorando do ICe/UFRN, Pesquisador do LAIS/UFRN, ignaciogendriz@gmail.com

Haut de page

Droits d’auteur

Licence Creative Commons
Confins – Revue franco-brésilienne de géographie est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.

Haut de page
  • Logo IHEAL (Institut des Hautes Études de l'Amérique Latine)
  • Logo CREDA (Centre de recherche et de Documentation sur les Amériques)
  • Logo USP (Universidade de São Paulo)
  • DOAJ - Directory of Open Access Journals
  • Latindex - Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
  • Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
    CNRS - Institut national des sciences humaines et sociales
  • OpenEdition Journals
Search OpenEdition Search

You will be redirected to OpenEdition Search