Geometrias Mais geometrias · Modelo vetorial 1. Geometrias e armazenamento 2. Modelos de dados...
Transcript of Geometrias Mais geometrias · Modelo vetorial 1. Geometrias e armazenamento 2. Modelos de dados...
Modelo vetorial1. Geometrias e armazenamento2. Modelos de dados não topológicos
(spaghetti)3. Modelos de dados topológicos4. Topologia5. Operadores de análise espacial6. Generalização7. Análise de redes: algoritmos de Prim e
Dijkstra
Sistemas de Informação Geográfica
Geometrias
• Pontos:Estações de monitorização, descargas, captações
• Linhas:Troços de rios, canais de rega, eixos médios, margens de planos de água
• Polígonos:Planos de água, albufeiras, rios.
Geometrias
• O elemento básico da representação vetorial é o ponto, definido pelas suas coordenadas cartesianas.
• As linhas existem como linhas poligonais geradas a partir de um conjunto ordenado de pontos
• Sendo po,…,pn pontos de R2 (n> 0), designa-se por linha poligonal o subconjunto:
L< po,…,pn > ∪ i: 0< i <n-1 [pi,pi+1]
• Uma linha poligonal é simples se∀i: 0< i <n-1, L< po,…,pi > ∩ [pi,pi+1] = ∅
• Uma linha poligonal é um ciclo se:L<po,…,pn-1> é uma linha poligonal simplesL<po,…,pn-1> ∩ [pn-1,pn] = ∅
po=pn
Mais geometrias
Região de polígonos encaixados
Arcos são entidades compostas por segmentos
Arcos podem ser simplemente conexos, disjuntos, com circuitos ou com interseções
Região = entidade composta por polígonos
polígonos disjuntos
polígonos adjacentes
Linhas e polígonos
• Vértice: parte de uma linha poligonal• Segmento: linha que liga dois vértices • Arco: série (1 ou mais...) de
segmentos• Nó: vértice especial no início ou fim
de cada arco
• Polígono: área delimitada por uma série de um ou mais arcos formando uma linha fechada
• Ponto de label ou de âncora: no interior do polígono, para distinguir entre interior e exterior (pois o
polígono interior e o polígono exterior
são descritos pela mesma fronteira)
Armazenar a geometria
• Por pares de coordenadas:– Ponto: (x,y)– Linha: {(x1,y1),…, (xn,yn)}– Polígono: {(x1,y1),…, (xn,yn), [(x1,y1)]}
x1,y1
x2,y2 x3,y3
x4,y4
x5,y5x6,y6
B
APolígono Coordenadas
A x1,y1,x2,y2,x3,y3,x4,y4
B x1,y1,x4,y4,x5,y5,x6,y6
entidade-a-entidade
Armazenar a geometria
p1
p2 p3
p4
p5p6
B
A
Polígono Pontos
A p1,p2,p3,p4
B p1,p4,p5,p6
Ponto Coordenadas
p1 x1,y1
p2 x2,y2
... ...
dicionário de pontos
Armazenar a geometria
cadeias
p1
p2 p3
p4
p5p6
B
A
Cadeia Pontos
a p1,p2,p3,p4
b p1,p4
c p1,p6,p5,p4
Ponto Coordenadas
p1 x1,y1
p2 x2,y2
... ...
a
b
c
Polígono Cadeia
A a,b
B b,c
Modelos não topológicos
• As formas de codificação anteriores armazenam a geometria dos objetos.
• As relações espaciais entre os objetos têm de ser determinadas analiticamente.
• São modelos ditos “não-topológicos/ spaghetti”
– Se duas linhas se cruzam, existe uma relação topológica.
– Não é forçoso existir um vértice na interseção.– O ponto de interseção pode ser determinado
analiticamente (eg: pesquisando interseções entre os segmentos das linhas poligonais).
Modelos não topológicos• Entidade-a-entidade
P1 P2
0 10 20 30 40 50
010
2030
4050
• Dicionário de pontos
Polígono Nome Coordenadas
1 Villarriba (10,15),(5,25),(13,37),(22,25)
2 Villabajo (40,10),(33,15),(28,35),(40,40)
Polí-gono
Nome Pontos
1 Villarriba P1,P2,P3,P4
2 Villabajo P5,P6,P7,P8
Ponto Coordenadas
P1 (10,15)
P2 (5,25)
… …
P8 (40,40)
Os polígonos intersetam-se?
Modelos topológicos
• Um modelo vetorial diz-se “topológico” se as relações espaciais entre objetos forem armazenadas explicitamente.
• Objetivos– menor redundância geométrica (cada
“localização” só é guardada uma vez)– maior integridade– maior rapidez nas análises espaciais
• Exemplos: polygon-arc, arc-node, left-right
Topologia: Polygon-arc
A
D
EB
C
7
10
43
9
8
2
61
5
universo
universo
Polígono Cadeias
A 1,6,10,5
B 10,7,4
C 5,4,3,9
D 7,6,2,3,0,8
E 8
Cadeia Pontos
1 ...
2 ...
... ...
9 ...
10 ...
Topologia: Arc-node
polígonos, arcos orientados e nós
n1
v1 v2
n2
v3v4
a
b
c
Arco Nó Origem
Nó Destino
Vértices intermédios
a n1 n2 v1,v2
b n1 n2
c n1 n2 v4,v3
d n3 n1n3
d
há quebra nas interseções
Topologia: Left-right
Cadeia Esquerda Direita
1 U A
2 U D
3 C D
4 B C
5 A C
6 D A
7 D B
8 D E
9 U C
10 A B
o polígono universo é o exterior
Relações topológicas
• Conetividade• Adjacência
As relações topológicas são invariantes quando as
entidades são sujeitas a transformações topológicas,
isto é, quando sofrem translações, rotações ou
variações de escala.
Relações topológicasConetividade
Adjacência
Topologia
• Informação espacial: a topologia fornece o comprimento, distância, perímetro, área.
• Relação espacial: a topologia cria conexões, que funcionalmente ligam entidades que são adjacentes.
• Múltiplas ligações: Cada entidade é ligada a outras entidades, fornecendo múltiplas conexões (ligações).
• Análise de rede: As conexões funcionais, distância, e outras relações espaciais, combinadas com uma BD relacional, são o ideal para interpretar entidades de rede.
A topologia é aplicada (“construída”) habitualmente após a digitalização da
informação
Relações espaciais
O Dimensionally Extended Nine-Intersection Model, ou matriz de Clementini, indica as possívels relações entre geometrias
equals geometries are topologically equal
disjoint geometries have no point in common
intersects geometries have at least one common point
touches geometries have at least one boundary point in common, but no interior points
crosses geometries share some but not all interior points, and the dimension of the intersection is less than that of at least one of the geometries
within geometry “a” lies in the interior of geometry “b”
contains geometry “b” lies in the interior of geometry “a”
overlaps geometries share some but not all interior points, and the intersection has the same dimension as the geometries themselfves
Relações espaciais
• Matriz 3x3
WITHIN - linha A e polígono B
CONTAINS - multipontos A e B
• Apicações em BD espaciais, como PostGIS, Oracle Spatial, ArcSDE, Spatial Support for DB2, bibliotecas SIG
Exa
mp
los
de
Xio
ng
, Hu
i, “E
ncy
clo
ped
ia o
f G
IS”,
Sp
rin
ger
-V
erla
g
Operações de análise espacialOperações que recorrem à componente espacial da informação para a produção de resultados, espaciais ou alfanuméricos.
Conjunto de Dados Geográficos
Operação Espacial
Operação SQL
Sequência de Processo
Indicação de Prioridade no Processo
anál
ise
esp
acia
l
União
Tema A Tema B
Tema C
União (Union)א ב
-,א -,ב
אב
2 polígonos 1 polígono
5 polígonosHá herança de atributos, incluindo as propriedades geométricas de A e B, mais os seus próprios valores para essas propriedades
Cada um 5 polígonos sabe a sua área e perímetro, e as áreas e perímetros herdadas de A e de B
isto é um valor de um atributo União
anál
ise
esp
acia
l
• A operação de união é a operação fundamental (várias das outras operações de sobreposição topológica podem ser vistas como operações sobre subconjuntos de objetos resultantes de operações de uma união)• Ao efetuar a união é construída uma nova topologia• A operação de união só se define entre CDG de polígonos
-,א -,ב
א ב
א ב U =
Int
Tema A Tema B
Tema C
Interseção (Intersect)
anál
ise
esp
acia
l
Um dos temas A ou B tem de ser de polígonos
Pode-se intersetar:• pontos com polígonos• linhas com polígonos • polígonos com polígonos
Interseção
Como é uma interseção de dois CDG de polígonos
só surgem estes dois polígonos no CDG resultante
ID
Tema A Tema B
Tema C ( )
Identidade (Identity)
anál
ise
esp
acia
l
A id B B id A
Pode fazer-se esta operação entre 2 CDG de polígonos
Corte
Tema A Tema B
Tema C
anál
ise
esp
acia
l
Corte (Cut, Clip)
Fusão<atributo>
Tema A
Tema B
A1C1 C2
A3 B3
B2
Fusão (Dissolve)
anál
ise
esp
acia
l
1
3
2
A B
CFusão pelo primeiro atributo
Fusão pelo segundo atributo
Eliminação<condição>
Tema A
Tema B
A B
C
A B
C
Eliminação (Eliminate)
anál
ise
esp
acia
l
Elimição não é o mesmo que “apagar” simplesmente algumas entidades, pois implica uma fusão
Ex.: Eliminação por “área<x”
Atualização
Tema A Tema B
Tema C
Atualização
anál
ise
esp
acia
l
B “atualiza” AA e B são CDG de
polígonos
anál
ise
esp
acia
l
ΨΨ
Ψ
Ψ
Extração ou seleção (select)Tema A
Tema B
<Expressão>Ξ
Φ
Ξ
ΨΨ
Ψ
ΨA “expressão” é sempre booleana
Tema A
Tema B
Tipo = “Ψ”
Tema E
Part
Tema A Tema B
Tema DTemas
Partição
anál
ise
esp
acia
l
Voronoi
Tema A
Tema B
Diagrama de Voronoi
anál
ise
esp
acia
l
O resultado é sempre um tema de polígonos
Limite
Buffer< dist >
Tema A
Tema B
Buffer (envolvente)
anál
ise
esp
acia
l
Envolvente a pontos
Envolvente a polígonos
Envolvente a linhas
Acesso (service area)
anál
ise
esp
acia
l
Acesso< valor >
Tema A
Tema B
Tema linhas
A
B é a área acessível a partir de A a menos de x unidades de custo acumulável ao longo das linhas
anál
ise
esp
acia
l
Próximo
Tema A
Tema Aid_próximo,dist
Tema Bid=27
dist=580m
O Tema A fica com novas colunas (id_próximo e distância) na sua tabela de atributos
27
id=8dist=240m
8
15
Próximo (Nearest)Tabela A
Tabela C
Tabela B
Junção de tabelas
anál
ise
esp
acia
lID NUM TIPO
1 10 A
2 15 B
3 20 C
4 25 D
5 35 E
ID2 NUM COR
1 5 Azul
5 10 Amarelo
2 35 Amarelo
4 20 Vermelho
9 40 Verde
8 20 Branco
ID A.NUM TIPO B.NUM COR
1 10 A 5 Azul
2 15 B 35 Amarelo
3 20 C
4 25 D 20 Vermelho
5 35 E 10 Amarelo
Junção pelo atributo ID de A com o atributo ID2 de B
JunçãoID,ID2
Junção de tabelas
anál
ise
esp
acia
l
• É comum a utilização da junção de tabelas como modo de resolver diversas perguntas “espaciais”• Pode-se calcular atributos adicionais com estatísticasExemplo: pretende-se saber quantos pontos tem cada polígono no seu interior
Tema B2polígonos
JunçãoB.ID,B.ID
& contar pontos por polígono
Int
Tema Apontos
Tema Bpolígonos
Tema Cpontos
O tema B2 vai ter um atributo com o número de pontos em cada polígono
B “fornece” a parte espacial e atributos e C “fornece” mais atributos
Que operações?
Que operação?
E se o input for o tema amarelo?
Exemplo de diagrama de análise espacialExemplo de diagrama de análise espacial
Int
Tema A Tema B
Tema D
Buffer30m
Tema C
Tema E
Corte
Tema F
anál
ise
esp
acia
l
ID ValorID_Poli Soma
101
102
103
104
105
11
10
15
27
33
1
2
3
4
5
?
?
?
?
?
Int
Tema A Tema B
Tema C
ID Valor
101
102
103
104
105
11
10
15
27
33
ID_Poli
1
1
3
2
3
anál
ise
esp
acia
l
ID Valor
101102103104105
1110152733
ID_Poli
11323
S_Valor
212748
ID_Poli
123SELECT ID_Poli , SUM(Valor)
FROM Tema CGROUP BY ID_Poli
ID_Poli Soma
12345
?????
S_Valor
212748
ID_Poli
123
ID_Poli Soma
12345
21274800
an
álise
esp
acia
l
A100
C100C200
A300 B300
B200
100
300
200
AB
C
Int
Habitantes Zonas
Hab_Zon
anál
ise
esp
acia
l
exemplo
• Interpolação em áreas– Implica o cálculo da proporção de cada área num tema que
interseta os polígonos de um outro diferente
Secções estatísticas
Valores populacionais atribuídos proporcionalmente
Fonte: de Smith, Goodchild, Longley: “Geospatial Analysis - a comprehensive guide”, 2nd ed.
A60
C40C150
A100 B200
B50
10.2
11.5
12.3
A160B250
C190
Int
Habitantes Zonas
Hab_Zon
Habitantes
D=N_Hab/área
N_Hab = D*áreaSELECT SUM N_Hab
GROUP BY Zona
Tab_HabxZon
Solução simplificada usando a densidade populacional
Solução simplificada usando a densidade populacional
an
áli
se e
sp
acia
l
anál
ise
esp
acia
l
Cart
as d
e U
sos d
o S
olo
Info
rmação o
btida a
part
ir d
o P
DM
Ajuste manual dos limites para concelhos adjacentes
Plataforma harmonizada de
trabalho (USOS DO SOLO)
anál
ise
esp
acia
l
Rede viária (PRN2000):
IP, IC, AE e Estradas Regionais
Rede de estradas municipais (AML)
Rede viária
Calibração da rede:
• TMD;• Velocidade mínima;• Perfil da via;• Nº de pistas;• Penalizações
Determinação das isócronas
anál
ise
esp
acia
l
Isófonas
Conversão Analógico-digital
Contabilização das populações
abrangidas
Usos urbano e urbanizável
anál
ise
esp
acia
l Informação resultanteInformação resultante
Carta de acessibilidade em transporte individual aos principais aeroportos
Carta de Acessibilidade Regional (em condições desfavoráveis de circulação)
Quantitativo populacional de 1991 e cenários para 2008
Estrutura etária da população
Carta de condicionantes e espaços ecologicamente sensiveis
anál
ise
esp
acia
l
Carta de usos do solo afetados pelo ruído do aeroporto
Carta de usos do solo Carta de fatores de impacte no ordenamento do território
Carta de transformação direta do uso do solo
anál
ise
esp
acia
l
Exercício: LOCALIZAR UM PARQUE DE PIQUENIQUES
OBJETIVO Encontrar os locais com potencial para a construção de um parque de piqueniques.
CONDIÇÕES A zona deverá situar-se:C1 - a menos de 400m e a mais de 100m de estradas;C2 - a menos 300m de uma linha de água;C3 - não ser eucaliptal;C4 - não conter escarpas ou outros obstáculos naturais suscetíveis de produzirem acidentes;C5 - ter área superior a 1 ha.
DADOS - Todos os que identifique como necessários
anál
ise
esp
acia
l
Suponha que (...) pretende saber a localização de espécies florestais invasoras e promover a reflorestação com espécies endémicas, a fim de (...). Dispõe de dados sobre áreas florestais (polígonos para os quais se sabe a espécie dominante), freguesias (polígonos, sabendo-se para cada uma o número de habitantes), colmeias (pontos) e estradas (linhas).Elabore um diagrama de análise espacial para poder saber quais são as “áreas florestais de intervenção prioritária”, sabendo que estas terão de cumprir simultaneamente as quatro condições seguintes:1. a sua espécie dominante é a “acácia” ou a “mimosa”;2. estão integralmente situadas a menos de 400 m de uma estrada;3. têm pelo menos metade da sua área numa freguesia com mais de 1000
habitantes ou com mais de 500 habitantes por km2;4. contêm pelo menos uma colmeia.
Nota: não obedecerão à condição 2) as áreas florestais que tenham alguma
parte a mais de 400 m de uma estrada – ou seja, as áreas florestais não
devem ser divididas; admita que uma área florestal não pertence a mais que
duas freguesias
EXERCÍCIO: ESPÉCIES ENDÉMICAS (exame de 2010-11)
anál
ise
esp
acia
l
Suponha que, para uma determinada área de estudo, dispõe dos seguintes conjuntos de dados geográficos: edifícios (com indicação de número de habitantes), freguesias, estradas e zonas de risco sísmico (que pode ser “alto”, “médio” ou “baixo”). Elabore os diagramas de análise espacial para responder aos seguintes pedidos da Proteção Civil:
a. Como se poderia saber quais as freguesias que têm mais de 10% da sua área em zonas de risco sísmico “alto”?
b. Como se poderia saber quais as freguesias que têm mais de 10% dos seus habitantes em zonas de risco sísmico “alto”?
c. Em caso de sismo, não se pode circular em locais a menos de 10 m dos edifícios em zonas de risco sísmico “alto”. Como se poderia saber o comprimento total das estradas que ficariam intransitáveis?
EXERCÍCIO: ZONAS DE RISCO SÍSMICO (médio)
anál
ise
esp
acia
l
Suponha que pretende estudar certos aspetos do impacto ambiental da construção de uma estrada. Está disponível à partida informação relativa a coberto vegetal, uso do solo, eixo projetado da estrada, estimativa do número de gambozinos para cada quadrado de uma quadrícula de 10 km de lado. Indique os procedimentos e a informação de que necessitaria para poder efetuar as seguintes tarefas:i. determinar as áreas de habitat possível para gambozinos, considerando que estes:
- não atravessam estradas;- necessitam de pelo menos 40ha onde se possam deslocar (com pelo menos 1ha de pinhal);
ii. calcular a área de habitat possível que é eliminada pela construção da estrada, considerando que, para este efeito, a estrada inutiliza uma área de 20m para cada lado do eixo;iii. sabendo que os gambozinos nidificam unicamente na zona de pinhal e cada ninho é utilizado em média por dois indivíduos, como procederia para obter uma estimativa do número de gambozinos cujos ninhos seriam inutilizados pela construção da estrada (considerando a faixa de influência de 100m para cada lado do eixo).
EXERCÍCIO: HABITAT DOS GAMBOZINOS (mais difícil)
anál
ise
esp
acia
l
Suponha que (...) pretende responder a um pedido de um cliente à procura de casa em Lisboa. Dispõe de dados sobre as freguesias (sabe para cada uma o número de habitantes), uso do solo (“área industrial”, “área urbana”, “espaços verdes”, “água” e “outros usos”), a rede viária, a localização de transportes públicos (há um atributo que indica o tipo: autocarro, metro, elétrico, praça de táxis, etc.) e a localização de equipamentos (escolas, hospitais, etc., sempre dentro da “área urbana”, “espaços verdes” ou “outros usos”).
Indique num diagrama de análise espacial a sequência de operações que determine os locais que agradam ao referido cidadão, sabendo que deverão verificar em simultâneo as cinco seguintes condições:i) estão numa freguesia com menos habitantes que a média da cidade;ii) têm pelo menos um espaço verde a menos de 300 metros medidos a pé
sobre as ruas da cidade;iii) há pelo menos uma escola e um hospital a menos de 500 m, em linha reta;iv) pertencem a freguesias que têm, pelo menos, uma paragem de metro no
seu território;v) não há nenhuma área industrial a menos de 1000 metros.
EXERCÍCIO: IMOBILIÁRIA (exame de 2015-16)
anál
ise
esp
acia
l
Generalização“A generalização é, antes de mais, uma questão de restrição e
seleção da informação de base. Para isso procede-se à
simplificação das entidades na carta e à omissão de entidades
pequenas ou pouco interessantes.”
A. Hettner (1910) - Die Eigenschaften und Methoden der kartographischen
Darstellung
“...capturar as características essenciais de uma classe de objetos...”
W.R.Tobler (1964) - An experiment in the computer generalization of maps
“Uma generalização adequada depende de informação e compreensão.”
“Uma vez realizada uma generalização, somente pode ser descrita como boa ou
má, não como certa ou errada, uma vez que as alterações introduzidas na
informação têm muitas alternativas possíveis, não havendo forma de definir uma
solução absoluta.
J.S.Keates (1973) - Cartographic Design and Production
Generalização (cartográfica)
• Em geral designa-se por generalização o processamento de seleção e representação da informação num mapa
• A informação deve adaptar-se à escala a que o mapa será observado/analisado
• Pode considerar-se que a generalização se inicia no processo de aquisição de informação.
• É específica do contexto de utilização• Em mapas em papel, relaciona-se sobretudo com
reduções de escala
Carta IGeoE 1/50 000
Carta IGeoE 1/25 000
Efeitos da redução de escalaCONGESTIONAMENTO Quando um elevado número de entidades surge num reduzido espaço
COALESCÊNCIAQuando diferentes entidades se sobrepõem, tanto devido à resolução do periférico de output (impressora, p.ex.) como devido à simbologia usada
IMPERCETIBILIDADEQuando uma entidade fica abaixo da dimensão mínima de representação
Indicadores de necessidade de generalização
DENSIDADE Excessivo número de pontos, linhas ou áreas por unidade de área, SINUOSIDADE Grande variação angular por unidade de comprimento, direcionalidade, “energia”FORMARelações perímetro-área-amplitude excedem certo valorDISTÂNCIAPequenas distâncias entre pontos, linhas e áreas“GESTALT”Características percetuais (continuidade, similaridade)MEDIDAS ABSTRATAS Avaliações concetuais da distribuição espacial (homogeneidade, simetria, repetição e complexidade)
Valores típicos de dimensões mínimas
0,05 mm Linha preta
0,10 mm Linha de outra cor
Ø 0,15 mm Círculo
0,30 mm x 0,30 mm
Quadrado
0,15 mm Afastamento de linhas pretas
0,25 mm Afastamento de linhas de outra cor
0,20 mm Afastamento entre polígonos
Operadores de generalização
SIMPLIFICAÇÃOredução do número de vértices
SUAVIZAÇÃOdeslocamento de vértices obtendo uma diminuição de sinuosidade
Operadores de generalização
SIMPLIFICAÇÃOalgoritmo de Douglas-Peucker
Fonte: Baek, J.; Choi, Y. A New Method for Haul Road Design in Open-Pit Mines to Support Efficient Truck Haulage Operations. Appl. Sci. 2017, 7, 747.
Operadores de generalização
AGREGAÇÃOagrupamento de diversas entidades numa outra entidade hierarquicamente superior
COLAPSOmudança de classe topológica (área-linha,área-ponto)
Operadores de generalização
REFINAMENTOselecção de um subconjunto de entidades representativo e manutenção do padrão de distribuição.
EXAGEROexagero na dimensão e forma de objectos para evidenciar as suas características.
Operadores de generalização
REALCEalteração de forma, dimensão ou tipode símbolo por forma a evidenciar a entidade
DESLOCAÇÃOdeslocação das entidades ou parte delas relativamente à sua posição original para permitir legibilidade e utilização de simbologia
Bader & Barrault, GeoComputation 2000
Operadores de generalizaçãoOMISSÃO / SELEÇÃOnão representar determinadas entidades
CLASSIFICAÇÃOagrupamento de atributos (por proximidade numérica, redução de classes)
Efeitos da generalização na estrutura SIG
• Diminuição (em geral) do comprimento de linhas
• Alteração de áreas e perímetros (tanto aumentam como diminuem)
• Alteração de posições relativas dos objetos
• Mudança de classe topológica
• Diminuição do número de entidades
colapso
agregação + omissão
agregação
simplificação + suavização
Que operações de generalização foram feitas?
nó / vértice
arco / aresta
Um grafo representa uma rede por um conjunto de arcos e de nós.
Uma entidade linear que liga nós é um arco ou aresta.
Os nós ou vértices representam interseções entre os arcos ou as extremidades destes.
Redes em SIG
•coordenadas xx, yy•nome ou código da via •direção•classificação: EM, EN, AE, IP, IC, via urbana•limite de velocidade •volume de tráfego•comprimento•valor cénico•impedância
Atributos dos arcos e dos nós
• G = (V, A), A⊆V2
Exemplo: V = {1,2,3,4}
A = {(1,2),(2,3),(1,4),(2,4)}
Grafo simples não há mais que uma aresta a ligar um par de nós
1 2
4 3
Grafos simples
1 2
4 3
grafo simplesgrafo não simples
Impedância ou custo de um arco: custo do seu atravessamento
Impedâncias
Impedância de mudança de arco: tempo ou pena-lização de efetuar uma mudança
Análise de caminhos mais curtoscaminhos algoritmo de Dijkstra (fig. esq.)circuitos problema do caixeiro-viajante (fig. dir.)
Árvore de dispersão mínima algoritmo de Prim
Algoritmos de análise de redes
Algoritmo de Prim
2 3
6 5
1 4
24
24
18
13 11
5
12 17 5
escolher (u,v)∈A: custo é aí mínimoT = {u,v}enquanto T e V forem diferentes
acrescentar em T o nó v*:(u*,v*)∈A, de custo mínimo: u*∈T e v*∉T
fim ciclo;
2 3
6 5
1 4
24
24
18
13 11
5
12 17 5
escolher (u,v)∈A: custo é aí mínimoT = {u,v}enquanto T e V forem diferentes
acrescentar em T o nó v*:(u*,v*)∈A, de custo mínimo: u*∈T e v*∉T
fim ciclo;
T = {3,5}, custo total = 5
T = {3,5,4}, custo total = 10
T = {3,5,4,2}, custo total = 23
T = {3,5,4,2,6}, custo total = 35
T = {3,5,4,2,6,1}, custo total = 59
2 3
6 5
1 4
24 13
5
12 5
Algoritmo de Prim
Encontrar o caminho mais curto (de menor custo) de modo a ligar dois locais na rede.Exemplo: de 1 para 4
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
Construir duas listas indexadas pelos nós:distpredecessor
e uma lista de nós que falta visitar
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;
vért. dist pred
1 ∞∞∞∞
2 ∞∞∞∞
3 ∞∞∞∞
4 ∞∞∞∞
5 ∞∞∞∞
6 ∞∞∞∞
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
vért. dist pred
1 0 *ind*
2 ∞∞∞∞
3 ∞∞∞∞
4 ∞∞∞∞
5 ∞∞∞∞
6 ∞∞∞∞
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;lista = {1,2,3,4,5,6}
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
vért. dist pred
1 0 *ind*
2 ∞∞∞∞
3 ∞∞∞∞
4 ∞∞∞∞
5 ∞∞∞∞
6 ∞∞∞∞
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;lista = {2,3,4,5,6}
v = 1
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
vért. dist pred
1 0 *ind*
2 30 1
3 ∞∞∞∞
4 ∞∞∞∞
5 ∞∞∞∞
6 24 1
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;lista = {2,3,4,5,6}
v = 1
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
vért. dist pred
1 0 *ind*
2 30 1
3 41 6
4 ∞∞∞∞
5 42 6
6 24 1
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;lista = {2,3,4,5}
v = 1,6
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
vért. dist pred
1 0 *ind*
2 30 1
3 41 6
4 47 5
5 42 6
6 24 1
para todos os v ∈ V,dist(v) = ∞;
fim ciclo;dist(início) = 0; lista = V;predecessor(início) = *indefinido*;enquanto lista ≠ ∅
escolher v ∈ lista: dist é aí mínimo;lista = lista \ {v};para todos os u ∈ lista: (v, u) ∈ A
se dist(u) > dist(v) + custo(v,u)então dist(u) = dist(v) + custo(v,u);
predecessor(u)=v;fim ciclo;
fim ciclo;
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
Sequênciavez=0
lista = {1}pred(1) = *indefinido*custo(1) = 0
vez=1cand: (1,2)0+30; (1,6)0+24lista = {1,6}pred(6) = 1; custo(6) = 24
vez=2cand: (1,2)0+30; (6,2)24+12; (6,3)24+17; (6,5)24+18lista = {1,2,6}pred(2) = 1; custo(2) = 30
vez=3cand: (2,3)30+13;(6,3)24+17; (6,5)24+18lista = {1,2,3,6}pred(3) = 6; custo(3) = 41
Algoritmo de Dijkstra
2 3
6 5
1 4
24
30
18
13 11
5
12 17 5
Sequência (cont.)vez=4
cand: (3,4)41+11;(3,5)41+5;(6,5)24+18lista = {1,2,3,5,6}pred(5) = 6; custo(5) = 42
vez=5cand: (3,4)41+11;(5,4)42+5
lista = {1,2,3,4,5,6}pred(4) = 5; custo(4) = 47
vért. dist pred
1 0 *ind*
2 30 1
3 41 6
4 47 5
5 42 6
6 24 1
Algoritmo de Dijkstra
Indicadores topológicosIndicadores topológicos baseados na rede (conetividade)
Medida Domínio Expressão Avaliação
Número deciclos
rede número de ciclos no grafo
Índice α rede número de ciclos em relação ao número máximo possível
de ciclos
Índice β rede número de arestas (troços) em relação ao número de vértices
Índice γ(entre 0 e 1)
rede número de arestas em relação ao máximo possível
SVA +−
52 −
+−
V
SVA
V
A
63 −V
A
A = #arestas V = #vértices S = #subgrafos conexos
calcular p/ estas redes
Indicadores topológicosIndicadores métricos baseados em distâncias (acessibilidade)
Medida Domínio Expressão Avaliação
Número de König
nó centralidade de um nó (número de arestas necessárias para o ligar com o nó que seja mais
distante)
Diâmetro rede distância (custo) entre os dois nós mais afastados
Índice de conetividade
nó grau de conetividade de um nó
Índice de dispersão ou de Shimbel
rede soma dos graus de conetividade de todos os nós
ijj
i dK max=
ijji
d,
max
=
=V
jiji dA
1
= =
=V
i
V
jiji dA
1 1
calcular p/ as redes do slide anterior
Autocorrelação EspacialA distribuição não-aleatória de fenómenos espaciais tem várias consequências para aanálise estatística.• Parâmetros de estimação enviesados• Redundância de dados (afecta o cálculo
de intervalos de confiança)• Positiva• Negativa• Zero: não se nota efeito espacial, a variação parece
ser aleatória
Medidas de autocorrelação espacialJoins count statistics / I de Moran / C de Geary / Nuvem do
variograma
Correlação Cruzada
• Positiva• Negativa• Zero
MAUP
Área Modificável: As unidades são arbitrariamente definidas e uma organização distinta cria resultados analíticos diferentes.
MAUP - problema da área mínima modificável
MAUP (cartograma distorcido)
alteração da forma mantendo uma característica geométrica (a área) proporcional à grandeza que se pretende ilustrar e mantendo a topologia (vizinhanças)
MAUP - problema da área mínima modificável
As unidades espaciais mínimas são habitualmente artificiais e modificáveis, no sentido em que podem ser combinadas, por agregação, para produzir outras unidades de diferente configuração
As unidades de agregação usadas são arbitrárias em relação ao fenómeno em estudo; e vão afectar as estatísticas feitas a partir de dados com essa configuração
Se as unidades espaciais forem diferentes, observam-se padrões e relações distintas
MAUP
Efeito de escala: valorações distintas de índices estatísticos para os mesmos dados de base quando sujeitos a diferentes níveis de agregação.
Efeito de generalização: evidencia-se através das várias alternativas como o agrupamento de unidades espaciais menores pode ser feito, mesmo considerando um nível fixo de agregação
MAUPEfeitos de escala (B, C, D) e generalização (E, F)
A: m = 18,75 σ2 = 105,00
20 10 10
30 20 20
10 30 10
10 30 10
40
30
10
10
15
25
20
20
20
25
15
C: m = 18,75 σ2 = 22,92
15
25
25
10
10
B: m = 18,75 σ2 = 41,07
18
17,5
20
E: m = 18,875 σ2 = 1,73
20
F: m = 21,84 σ2 = 124,73
10
15,7135
D: m = 18,75 σ2 = 98,21
25 15 15 35
10 30 10 10
26,66
MAUP• Gerrymandering: ação
propositada de alterar as unidades de base para condicionar resultados
3-1
4-0
2-2
1-3
verdes vs. roxos
MAUPHá problemas em todas as áreas de aplicaçãoExemplos:• fronteiras dos círculos eleitorais• relações entre variáveis: a correlação entre as
variáveis “desemprego” e “não posse de
automóvel”, que a um nível é fortemente positiva, a outro nula e a outro fortemente negativa
S Openshaw, L Rao: Algorithms for reengineering 1991 Census geographyEnvironment and Planning A 1995, Vol. 27, pp. 425-446
fonte: http://www.envplan.com/openaccess/a270425.pdf
Falácia EcológicaA “Falácia Ecológica” ocorre quando se faz uma inferência sobre um
indivíduo com base em informação agregada (o oposto é a “Generalização Precipitada”)
• A falácia ecológica e o MAUP são concretizações do problema denominado Problema de Mudança de Suporte (COSP).
• Há mais termos para descrever COSP particulares e respetivas soluções
(Reference: http://jratcliffe.net/research/ecolfallacy.htm)