Multiscaled walkability : exploring built environment using artificial intelligence

Página do item simplificado
dc.contributor.advisorKanashiro, Milena
dc.contributor.authorLeão, Ana Luiza Favarão
dc.contributor.bancaReis, Rodrigo Siqueira
dc.contributor.bancaVargas, Júlio Celso Borello
dc.contributor.bancaRego, Renato Leão
dc.contributor.bancaHirota, Ercilia
dc.coverage.extent130 p.
dc.coverage.spatialLondrina
dc.date.accessioned2024-10-16T20:22:11Z
dc.date.available2024-10-16T20:22:11Z
dc.date.issued2023-09-19
dc.description.abstractCaminhar é reconhecido há muito tempo na literatura científica como o modo de transporte mais equitativo e universalmente acessível nas cidades. É uma forma predominante de atividade física para adultos. A caminhabilidade descreve o grau em que um ambiente apoia e incentiva a caminhada. Tradicionalmente, esse atributo urbano tem sido quantificado usando índices, que são essencialmente equações ponderadas que encapsulam vários fatores de bairro em macroescala. No entanto, essas métricas muitas vezes negligenciam características de rua em microescala que afetam significativamente a caminhada, principalmente devido aos desafios da coleta de dados. Existe uma crescente necessidade de pesquisa sobre caminhabilidade em cidades brasileiras de médio a pequeno porte, dada a rápida crescimento populacional, disparidades sociais e a importância da caminhada como modo de transporte. Este estudo visa elucidar sobre a caminhabilidade em múltiplas escalas, atraves do desenvolvimento de modelos de caminhabilidade para cidades medias e pequnas do Brasil usando tecnicas de aprendizado profundo. A tese central postula que uma análise robusta de caminhabilidade em nível de bairro, para cidades brasileiras de médio a pequeno porte, pode ser desenvolvida usando técnicas de aprendizado profundo. Utilizando a metodologia de Pesquisa em Ciência do Design, três cidades de tamanhos variados no Paraná, Brasil - Rolândia, Cambé e Londrina - foram selecionadas como estudos de caso. Fatores de caminhabilidade em macroescala foram organizados em conjunto com características em microescala, extraídas do Google Street View usando um modelo de rede neural profunda para segmentação semântica. Os dados dessas cidades foram então avaliados usando três modelos de regressão multinível distintos: um focando apenas em fatores em microescala, outro em fatores em macroescala, e um modelo compreensivo em múltiplas escalas abrangendo variáveis de ambas as escalas. A variável de resposta primária foi o modo de transporte - caminhar versus outros - com variáveis sociodemográficas consideradas como covariáveis. Esses dados foram obtidos do Plano de Mobilidade das respectivas cidades. As descobertas revelaram padrões variados nas três cidades. Em Rolândia, a menor cidade analisada, fatores como a presença de muros e indivíduos em bicicletas ou motocicletas foram vistos como promotores da caminhada. Por outro lado, sinalizações urbanas, como postes e semáforos, desencorajavam a caminhada. Em Cambé, de tamanho intermediário, a presença de terrenos vagos e espaços verdes estava associada a uma redução na caminhada. Em Londrina, a maior cidade considerada neste estudo, uma combinação de fatores micro e macro influenciou o comportamento da caminhada. A disponibilidade de calçadas e o uso diversificado do uso do solo incentivaram a caminhada, enquanto uma maior presença de estradas e áreas verdes estava negativamente associada à caminhada. Esses resultados ampliam nosso entendimento sobre caminhabilidade e podem informar futuros esforços de planejamento urbano. Ao focar nessas abordagens, os formuladores de políticas podem elaborar políticas urbanas específicas ao contexto para promover a caminhada, combinando estratégias baseadas em evidências.
dc.description.abstractother1Walking has long been recognized in scientific literature as the most equitable and universally accessible mode of transportation within cities. It is a predominant form of physical activity for adults. Walkability describes the degree to which an environment supports and encourages walking. Traditionally, this urban attribute has been quantified using indices, which are essentially weighted equations that encapsulate various macro-level neighborhood factors. However, these metrics often overlook micro-level street characteristics that significantly affect walking, primarily due to the challenges of data collection. There is a growing need for walkability research in medium to small Brazilian towns, given the rapid population growth, social disparities, and the importance of walking as a mode of transportation. This study aims to shed light on multi-scale walkability by devising walkability models for such towns in Brazil. The central thesis posits that a robust multi-scale, neighborhood-level walkability analysis for medium-small Brazilian towns can be developed using deep learning techniques. Employing the Design Science Research methodology, three towns of varying sizes in Paraná, Brazil—Rolândia, Cambé, and Londrina—were selected as case studies. Macro-scale walkability factors were organized in conjunction with microscale features, extracted from Google Street View using a semantic segmentation deep neural network model. The data from these cities was then evaluated using three distinct multilevel regression models: one focusing solely on micro-scale factors, another on macro-scale factors, and a comprehensive multi-scale model encompassing variables from both scales. The primary response variable was the mode of transport—walking versus others—with sociodemographic variables factored in as covariates. This data was sourced from the Mobility Plan of the respective towns. The findings revealed varied patterns across the three cities. In Rolândia, factors like the presence of walls and individuals on bikes or motorcycles were seen to promote walking. Conversely, urban signage, such as posts and traffic lights, deterred walking. In Cambé, which has approximately 100,000 residents, the presence of vacant lots and green spaces corresponded to reduced walking. In Londrina, the largest town in this study, a mix of micro and macro factors influenced walking behavior. The availability of sidewalks and diverse land use encouraged walking, while an increased prevalence of roads and green spaces discouraged it. These results enhance our understanding of walkability and can inform future urban planning efforts. By focusing on these insights, policymakers can craft context-specific urban policies to promote walking, combining evidence-based strategies with local nuances.
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18111
dc.language.isoeng
dc.relation.departamentCTU - Departamento de Arquitetura e Urbanismo
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Arquitetura e Urbanismo
dc.subjectCaminhabilidade
dc.subjectAmbiente construído
dc.subjectAprendizado profundo
dc.subjectGoogle street view
dc.subjectCaminhabilidade - Múltiplas escalas - Paraná
dc.subjectCaminhabilidade - Ambiente construído - Paraná
dc.subject.capesCiências Sociais Aplicadas - Arquitetura e Urbanismo
dc.subject.cnpqCiências Sociais Aplicadas - Arquitetura e Urbanismo
dc.subject.keywordsWalkablility
dc.subject.keywordsBuilt evironment
dc.subject.keywordsDeep learning
dc.subject.keywordsGoogle Street View
dc.titleMultiscaled walkability : exploring built environment using artificial intelligence
dc.title.alternativeCaminhabilidade multiescalar : explorando o ambiente construído usando inteligência artificial
dc.typeTese
dcterms.educationLevelDoutorado
dcterms.provenanceCentro de Tecnologia e Urbanismo

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
CSA_ARQ_Dr_2023_Leao_Ana_LF.pdf
Tamanho:
5.18 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo. id 191090
Baixar
Nenhuma Miniatura disponível
Nome:
CSA_ARQ_Dr_2023_Leao_Ana_LF_TERMO.pdf
Tamanho:
582.35 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

01 - Doutorado - Arquitetura e Urbanismo