https://hdl.handle.net/1884/39708 2026-04-17T06:23:48Z https://hdl.handle.net/1884/97953 Proposta de árvore de decisão para determinação de risco de incêndio em ambientes universitários Resumo: A pesquisa é motivada pela necessidade de aumentar a eficiência e a precisão na elaboração de projetos de prevenção e combate a incêndio em instituições de ensino superior, onde a diversidade de materiais e de usos dos espaços dos espaços apresenta desafios significativos para a gestão da segurança o presente estudo apresenta uma integração entre um banco de dados geoespacial ao sistema UFPR Campus Map. A área de estudo abrange o Campus Politécnico da Universidade Federal do Paraná (UFPR), com foco inicial no Bloco PI do Complexo Rubens Meister, no LAMIR e em um laboratório com materiais biológicos. Para alcançar os objetivos propostos, foi desenvolvida a modelagem de um banco de dados que organiza informações sobre materiais de construção, ocupação dos espaços e características de risco. Com base nesses dados, desenvolveu-se uma árvore de decisão que classifica os níveis de risco de incêndio, considerando variáveis como tipo de revestimento, classe de reação ao fogo, ocupação e altura da edificação. Essa árvore foi integrada ao banco de dados, permitindo consultas de normativas conforme as condições dos ambientes. Assim, o banco de dados fornece suporte para consultas que consideram as condições estruturais e os materiais de cada ambiente, auxiliando técnicos e gestores na tomada de decisão. A pesquisa também busca contribuir para o aprimoramento da segurança no contexto acadêmico, promovendo a prevenção de incidentes por meio de ferramentas tecnológicas inovadoras. Como resultado, o sistema UFPR CampusMap é ampliado em sua funcionalidade, facilitando o acesso a informações críticas e assegurando que os projetos de incêndio atendam às regulamentações vigentes de maneira mais eficiente; Abstract: The research is motivated by the need to enhance efficiency and accuracy in the development of fire prevention and safety projects in higher education institutions, where the diversity of materials and spatial uses presents significant challenges for safety management. This study introduces the integration of a geospatial database into the UFPR CampusMap system. The study area encompasses the Polytechnic Campus of the Federal University of Paraná (UFPR), with an initial focus on Block PI of the Rubens Meister Complex, the LAMIR, and a laboratory containing biological materials. To achieve the proposed objectives, a database model was developed to organize information on construction materials, space occupancy, and risk characteristics. Based on this data, a decision tree was constructed to classify fire risk levels, taking into account variables such as type of surface coating, fire reaction class, occupancy, and building height. This decision tree was integrated into the database, enabling regulatory queries according to the specific conditions of each environment. Thus, the database supports queries that consider structural conditions and materials, assisting technicians and managers in decision-making processes. The research also aims to contribute to improving safety in academic settings by promoting incident prevention through innovative technological tools. As a result, the UFPR CampusMap system was enhanced in its functionality, facilitating access to critical information and ensuring that fire safety projects comply more efficiently with current regulations Orientadora: Profa. Dra. Luciene Stamato Delazari; Banca: Luciene Stamato Delazari (Presidente da Banca), Andre Luiz Alencar de Mendonça e Marcio Augusto Reolon Schmidt; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 14/02/2025; Inclui referências 2025-01-01T00:00:00Z https://hdl.handle.net/1884/98479 Comparação entre modelos preditivos para otimização da estimativa de tempo em serviços de georreferenciamento de imóveis rurais Resumo: A determinação de preços para Serviços de Georreferenciamento de Imóveis Rurais (GIR) no Brasil é marcada por desafios, principalmente devido à falta de critérios objetivos e à alta incerteza na estimativa do tempo de execução em campo, que é a principal variável deste estudo, subjetividade esta, que gera dificuldades às partes envolvidas no processo. Em resposta a essa problemática, esta dissertação propõe, desenvolve e valida uma solução quantitativa baseada em modelagem preditiva. Utilizando um conjunto de dados de observações, obtidas durante os levantamentos topográficos georreferenciados nos imóveis rurais visitados, no interior do Paraná. Foram conduzidas análises comparativas entre diferentes classes de algoritmos, incluindo regressões lineares, modelos espaciais (globais e locais) e algoritmos de Machine Learning. A avaliação desses modelos foi realizada através de um protocolo de otimização de hiperparâmetros com validação cruzada (K-Fold), garantindo a seleção da melhor versão de cada algoritmo. Conclui-se que, embora a análise espacial tenha confirmado a presença de autocorrelação nos dados, a capacidade dos algoritmos de conjunto de capturar as interações complexas e não lineares entre as variáveis de campo se mostrou mais decisiva para a precisão preditiva. Portanto, a adoção de modelos de Machine Learning representa uma ferramenta metodologicamente defensável e superior para mitigar a subjetividade nos orçamentos, permitindo uma otimização eficaz do planejamento e da precificação dos serviços de georreferenciamento rural (GIR). A hipótese a de que se for possível medir o tempo de deslocamento entre vértices, identificar e associar a as variáveis que o impactam, bem como determinar o melhor modelo ou algoritmo, então a capacidade dessas variáveis em influenciar o tempo, poderá ser testada e quantificada; Abstract: The pricing of Rural Property Georeferencing (GIR) services in Brazil is marked by challenges, primarily due to the lack of objective criteria and the high uncertainty in estimating fieldwork execution time, the main variable of this study. This subjectivity creates difficulties for the parties involved in the process. In response to this issue, this dissertation proposes, develops, and validates a quantitative solution based on predictive modeling, using a dataset of observations obtained during georeferenced topographic surveys on visited rural properties in the interior of Paraná. Comparative analyses were conducted across different classes of algorithms, including linear regressions, spatial models (global and local), and Machine Learning algorithms. The evaluation of these models was performed through a protocol of hyperparameter optimization with K-Fold cross-validation, ensuring the selection of the best version of each algorithm. It is concluded that, although spatial analysis confirmed the presence of spatial autocorrelation in the data, the ability of ensemble algorithms to capture the complex and non-linear interactions between the field variables proved to be more decisive for predictive accuracy. Therefore, the adoption of Machine Learning algorithms represents a methodologically defensible and superior tool for mitigating subjectivity in budgeting, allowing for an effective optimization of the planning and pricing of rural georeferencing (GIR) services. The hypothesis is that if it is possible to measure the travel time between vertices, identify and associate the variables that impact it, as well as determine the best model or algorithm, then the capacity of these variables to influence the time can be tested and quantified Orientador: Prof. Dr. Caio Anjos Paiva; Banca: Caio dos Anjos Paiva (Presidente da Banca), Alexandre Bernardino Lopes e Paulo Sergio de Oliveira Junior; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 01/08/2025; Inclui referências 2025-01-01T00:00:00Z https://hdl.handle.net/1884/99613 Representação automatizada de Geo Big Data em mapas coropléticos Resumo: Os desenvolvimentos tecnológicos das últimas décadas impulsionaram um aumento considerável na produção de dados geoespaciais, não somente em volume, mas, também em velocidade e diversidade de dados. Estes dados são denominados de Geo Big Data e adicionaram novos desafios no armazenamento, processamento e análise, requisitando novos métodos e tecnologias para manipulação de dados. Grandes esforços estão sendo feitos para a manipulação do Geo Big Data, como o desenvolvimento de bancos de dados NoSQL, que são mais eficientes no tratamento das características desses dados. Algumas limitações computacionais em analisar e obter conhecimento do Geo Big Data podem ser superadas pela geovisualização. No entanto, devido nossas limitações visuais, devem ser utilizados métodos de representação que as levem em consideração. Neste trabalho, foi desenvolvido um sistema web, baseado em tecnologias livres, que trata os dados pontuais armazenados em banco de dados NoSQL para serem representados em mapas coropléticos, ou seja, agrega e conta os pontos por divisões territoriais, que estão armazenados em banco de dados tradicionais, e em seguida normaliza o resultado da contagem pela população residente em cada unidade territorial, assim, transforma-se a primitiva gráfica de pontual para área e obtém-se dados com o nível de medida numérico independentemente do valor de área de cada unidade. O sistema permite que o usuário defina parâmetros para a construção dos mapas coropléticos e produza diferentes visualizações dos dados, além de modificar automaticamente a unidade territorial que os mapas coropléticos são construídos conforme o nível de zoom que os dados estão sendo visualizados, assim, adequa-se a unidade territorial que é possível identificar a tal nível de zoom. Alcançamos um sistema que permite explorar dados pontuais de maneira a favorecer nossa capacidade de processamento visual; Abstract: The technological developments of the last decades had stimulated a considerable increase in the production of geospatial data, not only in volume but, also in speed and diversity of data. These data are called Geo Big Data and had added to new challenges in the storage, processing, and analysis, requesting new methods and technologies for the manipulation of data. Great efforts are being made for the manipulation of Geo Big Data, as the development of NoSQL databases, that are more efficient in the treatment of the characteristics of these data. Some computational limitations in analyzing and getting knowledge of the Geo Big Data can be surpassed by the geovisualization. However, it had our visual limitations, representation methods must be used that consider them. In this work, has developed a web system, based on free technologies, that treat the point data stored in NoSQL database to be represented in choropleth maps, that is, counts the points for territorial divisions that are stored in the traditional data base, and after that normalizes the result of the counting for the resident population in each territorial unit, thus, changed it graphical primitive of point for the area and is gotten given with the level of independent numerical measure of the area value of each unit. The system allows the user to define parameters for the construction of the choropleth maps and produces different visualizations of the data, beyond automatically modifying the territorial unit that the choropleth maps are constructed in agreement with the level of zoom that the data are being visualized, thus, adjusts it a territorial unit that is possible to identify to such level of zoom. We reach a system that allows exploring given prompts in a way to favor our capacity for visual processing Orientadora: Profª. Drª. Silvana Philippi Camboim; Banca: Silvana Philippi Camboim (Presidente da Banca), André Luiz Alencar de Mendonça, Karine Reis Ferreira Gomes e Claudia Robbi Sluter; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas e da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 31/07/2017; Inclui referências 2017-01-01T00:00:00Z https://hdl.handle.net/1884/99479 Proposta metodológica para a elaboração de mapas de trafegabilidade de viaturas e automação de rotas com emprego de análise multicritério Resumo:O Brasil, quinto maior país do mundo em extensão territorial, enfrenta desafios relacionados a uma malha viária mal planejada e administrada, o que evidencia a necessidade de soluções eficientes e de baixo custo capazes de auxiliar a trafegabilidade de viaturas. Quando as vias usuais se encontram comprometidas por motivo de caso fortuito ou força maior, autoridades de órgãos públicos ou de entidades privadas por vezes necessitam de produtos cartográficos de auxílio ao planejamento e à tomada de decisão. Os insumos de Sensoriamento Remoto – como tipo de solo, feições antrópicas, condições meteorológicas, vegetação, curso/corpos d’água, relevo etc. – podem ser integrados em Sistemas de Informações Geográficas a fim de se elaborarem mapas de trafegabilidade de viaturas, que permitem a visualização de áreas de restrições à trafegabilidade, e automatizar rotas sobre esses mapas. Neste estudo, buscou-se a utilização de insumos livres – obtidos gratuitamente por meio de repositórios digitais – visando-se à reprodutibilidade, replicabilidade e redução de custos do método desenvolvido, indo ao encontro do que prescreve os princípios da ciência aberta. Quanto aos procedimentos, foram utilizados algoritmos de Inteligência Artificial – mais especificamente do subgrupo de Aprendizado de Máquina – para a classificação de uso e cobertura da terra. Para tanto, foram empregadas imagens do Satélite Sino-Brasileiro de Recursos Terrestres (China-Brazil Earth Resources Satellite) CBERS 04A, captadas pela Câmera Multiespectral e Pancromática de Varredura Ampla (Multispectral and Panchromatic Wide-Scan Camera – WPM), em Análise de Imagem Baseada em Objetos Geográficos, com extração de classes por meio do classificador Floresta Aleatória e do segmentador Agrupamento Iterativo Linear Simples. Também, foram desenvolvidos dois modelos na plataforma de modelagem Dinamica EGO: um para a elaboração de mapas de trafegabilidade de viaturas, por meio de Análise de Decisão Multicritério operacionalizada pelo Processo Hierárquico Analítico; e outro para a automação de rotas com emprego do algoritmo roteador de Dijkstra. Os resultados obtidos com o uso desses modelos mostraram-se promissores, sendo validados por meio de dados coletados em levantamento de campo, dados auxiliares de alta resolução espacial e testes estatísticos. Por conseguinte, o método proposto para a elaboração de mapas de trafegabilidade de viaturas e para a automação de rotas é aplicável para novos estudos sobre a temática e viabiliza o emprego prático desses produtos cartográficos.; Abstract:Brazil, the world's fifth-largest country in terms of land area, faces challenges related to a poorly planned and managed road networks, which highlights the need for efficient, low-cost solutions capable of assisting the trafficability. When the usual roads are compromised due to unforeseeable circumstances or force majeure, authorities from public institutions or private entities sometimes need cartographic products to help them plan and make decisions. Remote Sensing inputs - such as soil type, anthropogenic features, weather conditions, vegetation, watercourses/bodies, relief etc. - can be integrated into Geographic Information Systems to draw up vehicle trafficability maps, which make it possible to visualize areas of restricted traffic, and automate routes based on these maps. In this study, we sought to use free inputs - obtained free of charge through digital repositories - to reproduce, replicate and reduce the costs of the method developed, in line with the principles of open science. The method used Artificial Intelligence algorithms - more specifically from the Machine Learning subgroup - to classify land use and land cover. To this end, images from the China-Brazil Earth Resources Satellite CBERS 04A, through its Multispectral and Panchromatic Wide-Scan Camera (WPM), were used in Geographic Object Based Image Analysis, with class extraction using the Random Forest classifier and the Simple Linear Iterative Grouping segmenter. Two models were also developed on the Dinamica EGO modeling platform: one for drawing up vehicle trafficability maps using Multicriteria Decision Analysis operationalized by the Analytical Hierarchy Process; and the other for automating routes using the Dijkstra router algorithm. The results obtained using these models were promising and were validated using data collected in a field survey, high spatial resolution auxiliary data and statistical tests. Consequently, the method proposed for drawing up vehicle trafficability maps and automating routes is applicable to new studies on the subject and enables the practical application of these cartographic products. Orientador: Prof. Dr. Rodrigo de Campos Macedo; Coorientadora: Profa. Dra. Cláudia Maria de Almeida; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 28/02/2025; Inclui referências 2025-01-01T00:00:00Z