Este documento descreve o desenvolvimento de um protótipo de modelo de simulação social para a cidade de Mandirituba no Brasil usando agentes de software. O modelo é baseado no modelo de Kohl para segregação urbana e foi construído na ferramenta NetLogo. O protótipo simula o crescimento populacional considerando fatores socioeconômicos ao longo de dez anos.
Explorando o Transporte de Agentes Cognitivos entre Sistemas Multi-Agentes Di...
Desenvolvimento de um modelo de simulação social da cidade de Mandirituba
1. Desenvolvimento de um modelo de Simulação Social da
cidade de Mandirituba – Brasil – Paraná
Leonardo A. Alcantara1, Fernando J. Esmaniotto1, Gustavo A. Giménez Lugo1
1
Universidade Tecnológica Federal do Paraná – Curitiba – Paraná – Brasil
alcantaraleo@gmail.com, fernandoesmaniotto@gmail.com,
gustavo@dainf.ct.utfpr.edu.br
Abstract. Social simulation is a powerful tool in assisting city, state and
federal management oversee populational growth. This paper discusses the
creation a social simulation model prototype based on software agents, taking
under account the Kohl model for urban segregation, and built on NetLogo.
Resumo. Simulação social é uma ferramenta poderosa no auxílio à gerência
municipal, estadual e federal para análise de crescimento populacional. Este
artigo discute a criação de um protótipo de modelo de simulação social
baseado em agentes de software, considerando o modelo de Kohl para
segregação urbana, e construída no NetLogo.
Introdução
O desenvolvimento urbano é um processo complexo que leva em consideração fatores
sociais, políticos e econômicos. A utilização de GeoProcessamento, de acordo com
[Godoy, 2004], é baseada numa visão estatística do mundo e elaboradas sobre
suposições pré-estabelecidas. Uma abordagem dinâmica para modelos de crescimento
urbano permite flexibilidade e possibilita novas representações dos dados e cenários.
A adoção de agentes de software no desenvolvimento de modelos de simulação
social proporciona dinamismo ao mesmo. O uso dessa abordagem permite
interatividade entre as entidades e com o ambiente onde elas se encontram.
Este artigo trata da criação de um protótipo de modelo de simulação social
utilizando agentes para representar a população da cidade de Mandirituba no Paraná. O
protótipo apresentado constitui o estudo inicial do desenvolvimento posterior de um
modelo robusto e parametrizável.
O protótipo utiliza o modelo de Kohl, [Maretto et al, 2010] criado para prever o
crescimento de sociedades pré-industriais. Este modelo foi utilizado devido ao fato de
Mandirituba ser predominantemente rural e possuir 22.235 habitantes. Características
similares às das cidades pré-industriais, contempladas no modelo de Kohl.
Descrição do modelo desenvolvido na ferramenta NetLogo
O protótipo foi implementado na ferramenta NetLogo. A ferramenta disponibiliza uma
linguagem natural de programação permitindo aos desenvolvedores abstrair detalhes da
criação e execução dos agentes e do mundo em si.
Dois conjuntos de dados simulados, do saneamento básico do município, serão
utilizados. A utilização de dados de saneamento se deve ao fato de que apesar de
pessoas residirem em locais sem luz elétrica o mesmo não se aplica a água.
2. O primeiro conjunto contém uma distribuição normal do saneamento a partir do
centro urbano do município. Assim regiões afastadas possuem menos atratividade para
os habitantes. O segundo conjunto contém dados similares, mas difere do primeiro por
conter duas áreas de foco. A primeira o centro urbano e a segunda a região localizada
entre o centro e a cidade de Curitiba. O intuito é simular duas áreas de interesse.
Ilustração 1 – Apresentação visual da distribuição do saneamento básico
Considerando a representação acima, a área em branco contém 50% de
saneamento, a área em azul contém 75%, a área em vermelho contém 85% e a área em
amarelo contém 90% de saneamento.
O modelo prevê a criação de três classes distintas de agentes sendo estas:
- Upper class (representado graficamente como )
- Middle class (representado graficamente como )
- Lower class (representado graficamente como )
Estas classes foram criadas para simplificar a classificação brasileira de classes
A, B, C e outras. O modelo trabalha com habitantes com diferentes graus de poder
aquisitivo. A utilização de três classes também remete ao modelo de Kohl, que prevê
três classes, de acordo com [Maretto et al, 2010].
A renda per capita dos habitantes foi outro fator considerado na criação das
classes dado que os trabalhadores recebem em média 2,2 salários mínimos.
Considerando isto foi realizada a distribuição de classes em 5% de agentes Upper class,
10% de agentes Middle class e 85% de agentes Lower class.
Este protótipo não utilizará parametrizações. O modelo posterior contemplará o
uso de parâmetros e os autores irão utilizar dados históricos obtidos como consumo de
água, energia elétrica, população e outros.
Metodologia
Agentes procurando uma residência levarão em consideração a porcentagem de
saneamento básico disponível na área. Agentes Upper class alocaram áreas com 90% ou
mais de saneamento básico; agentes Middle class alocaram áreas com 60% ou mais e
agentes Lower class alocaram áreas com 30% ou mais de saneamento.
Os agentes tentarão alocar as áreas de interesse primeiro, mas terão que
obedecer a ordem de precedência. Ao procurar uma residência um agente poderá residir
em áreas não alocadas ou que contém outro agente. Caso a área esteja alocada o
primeiro poderá ocupá-la caso tenha precedência sobre o atual residente.
3. A precedência é determinada pelas classes dos agentes. Agentes Upper class
tem prioridade sobre as outras classes, mas não sobre a mesma classe. Agentes Middle
class tem precedência sobre agentes Lower class e estes não possuem precedência.
Caso um agente não tenha precedência ele irá realizar uma busca na vizinhança
de Moore da área atual em busca de outra residência. Este comportamento será
observado até o agente alocar uma área. O mesmo ocorre com agentes deslocados.
O NetLogo possui uma unidade temporal chamada tick que representa a
execução de um conjunto de tarefas dos agentes. Foi definido que cada dia real
corresponde a quatorze ticks. Uma execução simulará dez anos tornando possível obter
uma visão temporal da ocupação do município. A cada dois anos uma fotografia do
estado do modelo será extraída e apresentada.
Execução do modelo
As seguintes fotografias foram tiradas durante a execução do cenário.
Ilustração 2 - Execução do primeiro conjunto de dados
As seguintes fotografias foram tiradas durante a execução do segundo cenário.
Ilustração 3 - Execução do segundo conjunto de dados
4. Conclusão
A criação de um modelo de crescimento urbano baseado em agentes possibilitou a
execução de dois cenários distintos. O uso de agentes proveu flexibilidade ao modelo
sendo que a única diferenciação entre as execuções foram os conjunto de dados.
As ilustrações 2 e 3 mostram a evolução da execução do modelo em um corte
temporal permitindo-se verificar diferentes estágios do desenvolvimento. A partir do
sexto ano o padrão final de alocação dos agentes é perceptível de maneira que os
agentes Upper class se encontram principalmente no centro; os agentes Middle class se
dispõem em um quadrado ao seu redor e os agentes Lower class se dispôem de maneira
quadricular a volta daqueles. Este comportamento se assemelha com o descrito pelo
modelo de Kohl, [Maretto et al, 2010].
Ao longo da execução do modelo, em ambos os cenários, existe um movimento
de disputa entre os agentes. Conforme o modelo é executado foi notado que agentes
Lower Class e Middle Class, por se encontrarem em maiores quantidades, conseguiram
alocar áreas privilegiadas. Posteriormente eles são deslocados por agentes Upper Class.
Conforme mencionado anteriormente a criação deste protótipo é a etapa inicial
para a criação de um modelo que trabalhe com dados reais, e parametrizáveis, para
produzir resultados sobre os mesmos. O estudo inicial feito a partir do modelo
demonstra que a utilização desta ferramenta pode ser de extrema valia para gestores
públicos.
Referências Bibliográficas
Davidsson, Paul. (2000), “Multi Agent Based Simulation: Beyond Social Simulation”,
em Multi Agent Based Simulation (LINCS Vol. 1979), Springer Verlag.
Godoy, Marcela M. G. (2004), “Modelagem Dinâmica de Ocupação do Solo no Bairro
Savassi, Belo Horizonte, Brasil”, Dissertação de Mestrado, Universidade Federal de
Minas Gerais.
Lana, Raquel M. (2009), “Modelos Dinâmicos Acoplados para Simulação da Ecologia
do vetor do Aedes aegypti”, Dissertação de Mestrado, Universidade Federal de Ouro
Preto.
Mareto, Raian V. et al (2010), “Simulating Urban Growth and Residential Segregation
through Agente-Based Modeling”, Brazilian Workshop on Social Simulation.
Sjober, G.(1960), The Pre Industrial City: past and present American
sociology
journal of
Svetsuk, Andres (2010), Path and place: a study of urban geometry and retail activity in
Cambridge and Somerville, MA, Massachusetts Institute of Technology
Teixeira, Gustavo G. e Soares-Filho, Britaldo S. (2009), “Simulação da tendência do
desmatamento nas Cabaceiras do Rio Xingu, Mato Grosso – Brasil”, Anais XIV
Simpósio Brasileiro de Sensoriamento Remoto, p. 5483-5490.
Umbelino, Glauco. e Barbieri, Alisson. (2010), “Uso de Autômatos Celulares em
estudos de população, espaço e ambiente”, Associação Brasileira de Estudos
Populacionais.