Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/58871
Title in Portuguese: Aprender, simplificar, acelerar: machine learning para a acessibilização de análises em escala urbana
Author: Passos Filho, José Aderson Araújo
Advisor(s): Cardoso, Daniel Ribeiro
Keywords: Planejamento urbano
Conforto térmico
Machine learning
Issue Date: Jun-2021
Publisher: UFC
Citation: PASSOS FILHO, J. A. A. Aprender, Simplificar, Acelerar: machine learning para a acessibilização de análises em escala urbana. 2021, 152 f. Dissertação (Mestrado em Arquitetura e Urbanismo e Design) - Centro de Tecnologia, Universidade federal do Ceará, Fortaleza, 2021.
Abstract in Portuguese: É proposta, neste trabalho, a implementação de Machine Learning para a simplificação e acessibilização da obtenção de resultados de análises complexas, mais especificamente na avaliação do conforto térmico em escala urbana. A complexidade da relação estabelecida entre o planejamento, a forma da cidade e as condições de clima torna necessário o uso de estratégias em análise e produção do espaço urbano que muitas vezes excede o arcabouço teórico e técnico do planejador. Com vista à melhor saúde e ao aumento da vida social de seus habitantes, as particularidades climáticas locais de uma cidade devem ser consideradas para que se promova o seu conforto ambiental. Soma-se isso à complexidade inerente de grandes centros urbanos, cada vez mais ocupados em comparação à contraparte rural, e do ferramental disposto para análises de seus fenômenos. É de importância, portanto, pensar o trade-offentre precisão e velocidade dos métodos aplicados para a construção de ferramentas que sejam não apenas potentes, mas que facilitem a ação rápida e constante dos profissionais de planejamento — estágios iniciais de concepção aceitam um tipo de feedback mais rápido e menos preciso, enquanto ainda há mais espaço para exploração. Posto ue arquitetura tem sido, tradicionalmente, uma disciplina quase totalmente desprovida da análise rigorosa de dados, é, no entanto, possível perceber que data se torna cada vez mais um elemento protagonista no projeto interativo. Em especial, e pertinente a este trabalho, o planejamento urbano, apoiado há mais tempo em análise de dados, consegue se tornar ainda mais aperfeiçoado pela mesma tendência. É, então, que, para a estimativa de resultados de análises de conforto térmico na escala da cidade, o método proposto substitui cálculos de geometria solar e simulações de fluidodinâmica computacional (CFD) por modelos simplificados através de Redes Neurais Artificiais (RNA), treinadas com dados de medição de densidade de diferentes níveis de agregação urbana obtidos através de um sistema de informação geográfica (SIG) e modelador paramétrico em plataforma de desenho assistido por computador (CAD), em correlação com um indicador percentual de conforto térmico calculado em função de centenas de simulações de sombreamento e ventilação natural. Dessa forma, interferir no conforto térmico não cabe apenas ao arquiteto dos espaços intralotes, especialmente quando se fala das consequências da forma urbana para espaços extralotes. Existe a necessidade e, com este método, a possibilidade doplanejador de agir de forma consciente sobre esse aspecto da performance urbana, de uma maneira simples e acessível. De uma perspectiva tecnológica, política e ambiental, a proposta visa, por fim, através da construção da informação, melhorar a compreensão das implicações que as edificações trazem ao ambiente urbano e contribuir com a produção da cidade contemporânea.
Abstract: This work proposes the implementation of Machine Learning to simplify and make accessible the obtaining of complex analyses’ results, more specifically in the assessment of thermal comfort on the urban scale. The complex relationship established between planning, the shape of the city and climate conditions makes it necessary to use strategies to analyze and produce urban space that often exceed the planner's theoretical and technical expertise. In order to improve health and increasethe social life of its inhabitants, the local climatic characteristics of a city must be considered in order to promote its environmental comfort. This is added to the inherent complexity of large urban centers, which are increasingly occupied in comparison to their rural counterparts, and of the tools available for analyzing their phenomena. It is therefore important to think about the trade-off between precision and speed ofmethods applied to the construction of tools that are not only potent, but that can also facilitate a quick and constant action of planning professionals — initial design stages accept a type of feedback that is faster and less accurate, while there is still more room for exploration. Since architecture has traditionally been a discipline almost entirely devoid of rigorous data analysis, it is, however, possible to realize that “data” is increasingly becoming a protagonist element in interactive design. In particular, and pertinent to this work, urban planning, supported for a longer time by data analysis, manages to become even more perfected by this same trend. It is, then, that, for the estimation of results of thermal comfort analyses on the city scale, the proposed method substitutes calculations of solar geometry and computational fluid dynamics (CFD) simulations with models simplified through Artificial Neural Networks (ANN), trained with density measurement data from different levels of urban aggregation obtained through a geographic information system (GIS) and parametric modeler on a computer aided design (CAD) platform, in correlation with a percentage indicator of thermal comfort calculated according to hundreds of simulations of shading and natural ventilation. Thus, interfering in thermal comfort is not just up to the architect of intralot spaces, especially when talking about the consequences of urban form for extralot spaces. There is a need and, with this method, the possibility for the planner to act consciously on this aspect of urban performance, in a simple and accessible way. From a technological, political and environmental perspective, the proposal aims, finally, through the construction of information, to improve the understanding of the implications that buildings bring to the urban environment and to contribute to the production of the contemporary city.
URI: http://www.repositorio.ufc.br/handle/riufc/58871
metadata.dc.type: Dissertação
Appears in Collections:DAU - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
diss_2021_jaapassosfilho.pdf30,82 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.