Geração aumentada para recuperação de dados urbanos integrados: consolidando dados do IBGE, Censo, CNEFE e OSM para a otimização do planejamento urbano
| dc.contributor.advisor | Lima, Rinaldo José de | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/7645118086647340 | |
| dc.contributor.author | Conceição, Keyson Raphael Acioli da | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/3198610477751043 | |
| dc.date.accessioned | 2025-07-31T13:57:49Z | |
| dc.date.issued | 2025-03-21 | |
| dc.degree.departament | estatistica e informatica | |
| dc.degree.graduation | bacharelado em sistemas da informacao | |
| dc.degree.level | bachelor's degree | |
| dc.degree.local | Recife | |
| dc.description.abstract | Nos últimos anos, os campos da Inteligência Artificial (IA) e do aprendizado de máquina (AM) revolucionaram o domínio do planejamento urbano, pois permitem que volumes substanciais de dados sejam analisados de forma eficaz, incentivando melhor alocação de recursos e entregas de serviços públicos. Para atingir este objetivo, o agente inteligente proposto neste trabalho reúne dados de várias fontes, incluindo Censo Demográfico, Cadastro Nacional de Endereços para Fins Estatísticos - CNEFE, e OpenStreetMap (OSM) para oferecer respostas baseadas em contexto relacionadas à distribuição da população e acesso a diferentes serviços urbanos. A abordagem proposta inclui um pipeline de processamento que implementa normalização, indexação vetorial das informações e representação semântica para tornar as consultas mais eficazes. Para avaliar o sistema proposto, foi conduzido um experimento com especialistas em planejamento urbano e analisamos a relevância, clareza e utilidade das respostas geradas pelo sistema. Tais resultados mostram que o agente é capaz de detectar áreas com pouca cobertura de serviços necessários, indicando uma alocação adequada. No entanto, outros desafios, tais como a necessidade de melhor clarificação das respostas e ampliação da cobertura espacial, foram reconhecidos como oportunidades para trabalho futuro. | |
| dc.description.abstractx | In recent years, the fields of Artificial Intelligence (AI) and Machine Learning (ML) have revolutionized the urban planning domain, as they allow substantial volumes of data to be analyzed effectively, encouraging better resource allocation and public service delivery. To achieve this goal, the intelligent agent proposed in this work gathers data from several sources, including the Census, the National Address Registry for Statistical Purposes (CNEFE), and OpenStreetMap (OSM) to provide context-based answers related to population distribution and access to different urban services. The proposed approach includes a processing pipeline that implements normalization, vector indexing of information, and semantic representation to make queries more efficient. To evaluate the proposed system, an experiment was conducted with urban planning experts and we analyzed the relevance, clarity, and usefulness of the responses generated by the system. These results show that the agent is capable of detecting areas with little coverage of necessary services, indicating an appropriate allocation. However, other challenges, such as the need for better clarification of responses and expansion of spatial coverage, were recognized as opportunities for future work. | |
| dc.format.extent | 66 f. | |
| dc.identifier.citation | CONCEIÇÃO, Keyson Raphael Acioli da. Geração aumentada para recuperação de dados urbanos integrados: consolidando dados do IBGE, Censo, CNEFE e OSM para a otimização do planejamento urbano. 2025. 66 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2025. | |
| dc.identifier.uri | https://arandu.ufrpe.br/handle/123456789/7469 | |
| dc.language.iso | pt_BR | |
| dc.publisher.country | Brazil | |
| dc.publisher.initials | UFRPE | |
| dc.rights | openAccess | |
| dc.rights.license | Attribution 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Planejamento urbano | |
| dc.subject | Inteligência artificial | |
| dc.subject | Análise preditiva | |
| dc.subject | Sistemas de informação geográfica | |
| dc.subject | Recuperação da informação | |
| dc.subject | Computação semântica | |
| dc.subject | Processamento de linguagem natural (Computação) | |
| dc.title | Geração aumentada para recuperação de dados urbanos integrados: consolidando dados do IBGE, Censo, CNEFE e OSM para a otimização do planejamento urbano | |
| dc.type | bachelorThesis |