Printer Friendly

Big data applied to strategic digital city: study on the volume of data in the smart city applications/Big data aplicado a cidade digital estrategica: estudo sobre o volume de dados das aplicacoes smart city/Big data aplicados la estrategica ciudad digital: estudio sobre el volumen de datos en las aplicaciones de la smart city.

1 Introducao

As Smart Cities, em portugues cidades inteligentes, sao cidades que utilizam TICs (Tecnologias de Informacao e Comunicacao) para melhorar o desempenho dos servicos publicos, reduzir custos e potencializar o contato entre cidadaos e governo. Elas estao se tornando uma realidade no atual contexto tecnologico e sao uma necessidade para o gerenciamento das cidades e, tambem, para a definicao das politicas publicas. Em Batty (2017) tem-se uma visao geral sobre as Smart Cities e sua evolucao ao longo dos anos.

A Smart City ganhou mais atencao nos ultimos anos por conta do aumento da urbanizacao--em 2014, o equivalente a 54% da populacao mundial vivia em cidades, com tendencia a crescer 1,84% ao ano ate 2020--o que cria demanda por servicos eficientes (Cunha, Przeybilovics, Macaya & Burgos, 2016; Hekima, 2016). Como destacado por Renno (2014), "um dos grandes desafios das Smart Cities e conectar propostas macro com o contexto urbano local, que esta em constante movimento e nao opera sob parametros generalizantes".

O Big Data e a resposta para que governos consigam entender, classificar e utilizar positivamente os grandes conjuntos de informacoes geradas a partir da digitalizacao da vida social. Big Data e o termo que descreve o grande volume de dados--estruturados e nao estruturados--que impactam nas tomadas de decisoes (Alecrim, 2015; Dunne, 2012; IBM, 2017; Khan et al. 2014).

Em Kon & Santana (2016) e Kudva & Ye (2017) tem-se uma discussao de como a utilizacao do Big Data pode impactar positivamente nas Smart Cities tornando-as ainda mais inteligentes e sustentaveis. Algumas solucoes de Smart Cities utilizando Big Data ja estao ocorrendo, como descrito em Deloitte (2015) e Nuaimi, Neyadi, Mohamed & Al- Jaroodi (2015).

Nesse sentido uma das vias para se ter uma Smart City e se estabelecer uma Cidade Digital Estrategica, como descrito em Rezende (2012), pois as informacoes sao essenciais para se gerir os recursos de uma cidade, e as TICs formam os fatores tecnologicos necessarios para se alcancar esse objetivo. Alguns exemplos de projetos de Cidade Digital Estrategica podem ser vistos em Rezende et al. (2014), Rezende (2016a) e Rezende (2016b).

Reiterando os problemas de pesquisa destaca-se que a promessa de uma Smart City leva a um aumento exponencial dos dados por varias ordens de grandeza. Consequentemente, tais enormes conjunto de dados sao o cerne dos servicos prestados por todos. O fenomeno de grande conjunto de dados ha muito tempo tem sido caracterizado por volume, velocidade, e uma variedade de tipos de dados que foram criados em crescentes taxas (Khan et al. 2014). Ainda, em Cheng, Longo, Bauer & Kovacs (2015), Hashen (2016) e Silva, Khan & Han. (2017) temse algumas solucoes para Smart Cities utilizando como base os sistemas Big Data.

O objetivo e analisar as aplicacoes do Big Data na concepcao e operacionalizacao das Smart Cities visando realizar recomendacoes sobre os recursos computacionais necessarios para a sua utilizacao.

A justificativa da pesquisa esta no estudo de aplicacoes de Smart Cities sob a otica da incorporacao do Big Data na gestao dos servicos e na tomada das decisoes necessarias para o estabelecimento de politicas da Cidade Digital Estrategica (Rezende, 2012). Por isso, para que isso aconteca e necessario que se tenha uma quantidade de informacoes confiaveis e pertinentes sobre a acao que se deseja tomar.

As Smart Cities estao se tornando uma realidade e para a sociedade atual cada vez mais integrada e conectada, que exige uma tomada de decisao imediata. Por isso, e preciso que se consiga manipular esse volume e variedade de dados no menor tempo possivel, e isso e um dos objetivos do Big Data (Chen, Mao & Liu, 2014; Nuaimi et al. 2015; Kon & Santana, 2016).

Nesse contexto, essa pesquisa tem grande relevancia para o estabelecimento da Cidade Digital Estrategica, pois permitira a caracterizacao dos recursos computacionais necessarios na especificacao de sistemas Big Data para aplicacoes Smart Cities, em especifico o banco de dados do sistema.

2 Fundamentacao teorica

Nessa secao descrevem-se de maneira geral os conceitos e definicoes que norteiam as Smart Cities e, tambem, as tecnologias utilizadas nos sistemas Big Data.

2.1 Big Data

O termo Big Data comecou a ser usado no final da decada de 90, indicando a enorme quantidade de dados que estao sendo gerados todos os dias pelos diversos sistemas e equipamentos. De modo geral, pode-se dizer que Big Data e, essencialmente, tudo que e capturado ou gravado digitalmente pelas modernas TICs, tais como IoT (Internet of Things) (Combaneyre, 2015), redes de sensores, objetos e dispositivos "inteligentes", a internet e midias sociais.

O fenomeno do Big Data tem sido caracterizado pelo Volume, Velocidade e Variedade nos tipos de dados que tem sido gerado em taxas cada vez maiores (Deloitte, 2015). Essa definicao, utilizada atualmente, foi cunhada por Doug Laney (Laney, 2001), que diz que o crescimento destes dados e "alto" e esta associado a tres (3) variaveis conhecidas como tres (3) V's: a) alto Volume (quantidade crescente de dados), b) de alta Velocidade (fluxo de dados chegando a alta velocidade, por exemplo, em tempo real) e, c) alta Variedade (muitos diferentes tipos de dados como texto, audio, video, etc).

Alem disso, alguns pesquisadores adicionaram tres (3) novos V's que tambem podem ser encontrados na literatura: a) Veracidade (como as organizacoes confiar nos dados no sentido de integridade e confidencialidade), b) Variabilidade (como estrutura de dados pode mudar) e, c) Valor (valor do negocio em virtude dos dados das organizacoes) (Chen et al., 2014). Desse modo, pode-se sintetizar as caracteristicas e funcionalidade do Big Data em seis (6) V's:

* Volume: se refere ao tamanho dos dados que foram criados a partir de todas as fontes.

* Velocidade: refere-se a velocidade em que dados sao gerados, armazenados, analisados e processados. Uma enfase sera colocada recentemente no apoio a analise de grande volume de dados em tempo real.

* Variedade: refere-se aos diferentes tipos de dados a serem gerados. E comum que a maioria dos dados sejam nao-estruturados e nao podem ser facilmente categorizados ou tabulados.

* Veracidade: se refere a exatidao dos dados capturados, e qual o significado dos resultados gerados a partir dos dados coletados para determinados problemas.

* Variabilidade: refere-se como a estrutura e o significado de dados muda constantemente especialmente quando lidando com dados gerados a partir de analise de linguagem natural por exemplo.

* Valor: refere-se a possivel vantagem de grande volume de dados pode oferecer um negocio baseado na analise, gestao e coleta de dados.

Na Figura 1 tem-se um quadro que relaciona os seis (6) V's do Big Data, extraidos de Kon & Santana (2016) e Chen et al (2014), e as suas respectivas grandezas/caracteristicas.

As caracteristicas do Big Data demonstram o grande potencial de ganhos e avancos no uso desse conceito. As possibilidades sao infinitas; no entanto, deve-se interligar as tecnologias e ferramentas disponiveis. O Big Data para alcancar seus objetivos, e propiciar servicos em Smart City, precisa das ferramentas certas e os metodos para que as informacoes possam ser analisadas e classificadas de forma eficaz e eficiente. Levando em conta os recursos disponiveis e limitacoes, pode-se obter muitas oportunidades para a melhoria dos servicos e aplicacoes para Smart City usando o Big Data (Chen et al., 2014).

O Big Data pode ser tambem processado em Computacao em Nuvem (Cloud Computing) (Tutorials, 2014; White, 2015) usando o modelo computacional denominado de Plataforma como Servico (PaaS--Plataform-as-a-Service) ou Infraestrutura como Servico (IaaS--Infraestruct-as-a-Service) (Nuaimi et al., 2015).

O Big Data para aplicacoes Smart Cities exibe uma nova caracteristica: a geodistribuicao (Bonomi, Milito & Zhu, 2014). Essa nova dimensao do Big Data requer que os dados sejam processados na borda proximo aos sensores, em vez dos centros de dados no tradicional modelo de Cloud Computing. E necessario oferecer respostas rapidas para proteger a seguranca dos componentes criticos da infraestrutura. Nesse sentido, o Fog Computing e um modelo adequado, estendendo a computacao em nuvem para a borda da rede de computacao (Tang, Chen, Hefferman, Wei, He & Yang, 2015). Algumas das principais plataformas computacionais para Cloud Computing sao: AWS (Amazon Web Services) <aws.amazon.com>, Microsoft Azure <azure.microsoft.com>, Google Cloud <cloud.google.com> e IBM Cloud <www.ibm.com/cloud>, dentre outras.

A Computacao Paralela e um dos recursos tecnologicos que se pode utilizar no processamento de dados para as Smart Cities, em especial no contexto do Big Data, e se refere a simultaneidade das operacoes, utilizando varios recursos de computacao para concluir uma tarefa no menor tempo de processamento. Atualmente, alguns modelos classicos de computacao paralela incluem PVM (Parallel Virtual Machine) (PVM, 2011), MPI (Message Passing Interface) (MPI, 2017), MapReduce (White, 2015) e Dryad (Isard, Budiu, Yu, Birrell & Fetterly, 2007).

2.2 Smart City

Uma Smart City e uma area urbanizada, onde diversos setores cooperarem para alcancar resultados sustentaveis por meio da analise de informacoes contextuais, em tempo real. As Smart Cities reduzem o congestionamento do trafego e desperdicio de energia, enquanto alocando recursos escassos com mais eficiencia e melhoria da qualidade de vida.

O termo guarda-chuva Smart City se refere a aplicacao desta abordagem em qualquer uma das seis (6) dimensoes: a) Economia (Smart economy), b) Mobilidade (Smart mobility), c) Ambiente (Smart environment), d) Pessoas (Smartpeople), e) Modo de Vida (Smart living) e, f) Governo (Smart governance) (Kon & Santana, 2016; Silva et al, 2017)

Uma Smart City envolve a integracao de tres (3) fatores basicos: a) Tecnologicos, b) Institucionais e c) Humanos, como mostrado na Figura 2 (Silveira, 2015). Essa relacao entre os fatores e que proporciona que realmente ocorra uma Smart City, pois nao basta ter tecnologia, ou mesmo decisoes governamentais se as pessoas nao estiverem envolvidas nesse processo. Nesse sentido, e necessario que haja uma cooperacao entre os fatores para ter condicoes propicias para a implantacao de uma Smart City.

Na Figura 3 tem-se uma arquitetura tipica Smart City em que os diversos subsistemas (eletricidade, gerenciamento de agua, transporte, estacionamento, residuos, gas e comunidade) interagem com o sistema de controle e de tomada de decisoes.

De maneira geral, pode-se definir as Aplicacoes Smart City como sendo a utilizacao dos tres (3) fatores (tecnologicos, institucionais e humanos) em determinado servico na cidade, dentro do contexto de uma das seis (6) dimensoes, compondo os subsistemas da Smart City. Diferentemente da cidade digital convencial e da Smart City, a Cidade Digital Estrategica pode ser entendida como a aplicacao dos recursos da tecnologia da informacao na gestao das cidades e, tambem, na disponibilizacao de informacoes e de servicos aos cidadaos. E um projeto mais abrangente do que apenas oferecer internet para os cidadaos por meio de recursos convencionais de telecomunicacoes. Vai alem de incluir digitalmente os cidadaos na rede mundial de computadores (Rezende, 2012), pois tem como fundamento as estrategias da cidade para atender os objetivos das diferentes tematicas municipais.

3 Metodologia da pesquisa

Nesse trabalho adotou-se o Estudo de Caso como metodo de pesquisa para poder analisar os sistemas Big Data aplicados as Smart Cities e na pesquisa foi adotada a tecnica de pesquisa Quantitativa para mensurar os dados coletados (Fonseca, 2002; Gerhardt & Silveira, 2009; Gil, 2007; Padua, 2006; Yin, 2015).

A pesquisa foi composta por duas (2) fases: a Coleta de Dados, que envolve o levantamento dos dados sobre o tema, utilizando para isso o metodo de pesquisa Estudo de Caso, mais especificamente Multicasos, que no caso e sobre nove (9) Aplicacoes Smart Cities; e a Analise de Dados, que corresponde aos estudos realizados sobre os dados coletados, e que envolveu os dados ligados a utilizacao de sistemas Big Data aplicados as Smart Cities.

A amostra da pesquisa contemplou quatro (4) cidades que estao adotando aplicacoes Smart Cities (Surrey (Canada), Aarhus (Dinamarca), Santander (Espanha) e Chicago--Illinois (Estados Unidos)), e que foram escolhidas devido a abrangencia da utilizacao do conceito Smart City e, tambem, da variedade de aplicacoes que se deseja analisar para fazer a estimativa da base de ados para a aplicacao Smart City.

Nesse estudo utilizou-se como unidade de observacao as aplicacoes Smart Cities, e envolveu analise sobre os dados dessas aplicacoes. Inicialmente, buscou-se por bases de dados de diversas aplicacoes Smart City possibilitando uma heterogeneidade, e depois fez-se algumas analises sobre esses volumes de dados. Isto porque o volume de dados (tamanho do conjunto e do registro de dados) depende alem da aplicacao Smart City e, tambem, da frequencia com que ocorre a coleta dos dados pela aplicacao, e e medido na unidade computacional Byte.

Os dados de aplicacoes Smart City utilizados no estudo estao disponibilizados na internet, nas bases de dados das Smart City (Chicago Data Portal <data.cityofchicago.org> e CityPulse Dataset Collection <iot.ee.surrey.ac.uk:8080/datasets.html> e Surrey Datasets <data.surrey.ca/dataset>) coletados em diversos momentos entre 2010 e 2017, e foram sintetizados em 2018.

O conjunto de dados das aplicacoes Smart City analisados nesse estudo inclui:

(1) dados de 66.523 medidores de consumo de agua de casas inteligentes na cidade de Surrey (Canada) (Surrey, 2014);

(2) dados relativos a Precipitacao Pluviometrica (Chuva) na cidade de Surrey (Canada) (Surrey, 2017) em seis (6) estacoes Pluviometricas,

(3) dados do trafego foram obtidos do numero de veiculos em varias estradas na cidade de Aarhus (Dinamarca) (Citypulse, 2014d), verificados em 449 pontos, e este conjunto de dados contem informacoes muito importantes, por exemplo, o numero de veiculos e sua velocidade media entre dois pontos em uma estrada;

(4) conjunto de dados de poluicao, coletados em 449 pontos na cidade de Aarhus (Dinamarca), consiste das informacoes sobre diversos gases toxicos, tais como ozonio, carbono, enxofre e dioxido de nitrogenio e assim por diante (Citypulse, 2014c), ainda contempla tambem alguns outros materiais perigosos;

(5) conjunto de dados de estacionamento contem as informacoes sobre as 55.264 vagas em varios estacionamentos na cidade de Aarhus (Dinamarca) (Citypulse, 2014b);

(6) dados referentes as condicoes climaticas, compreendem informacoes sobre temperatura, umidade, pressao atmosferica, direcao e velocidade do vento, e foram coletados em 449 pontos na cidade de Aarhus (Dinamarca) (Citypulse, 2014a);

(7) conjunto de dados sobre luminosidade, temperatura e vagas de estacionamento na cidade de Santander (Espanha) foi obtido em 1.112 pontos de coleta (Cheng et al., 2015);

(8) conjunto de dados corresponde a media anual das permissoes de construcao que foi obtido na cidade de Chicago-Illinois (Estados Unidos) (Chicago, 2018) desde 2006 totalizando 514.216 registros;

(9) conjunto de dados corresponde ao consumo de energia eletrica anual e foi obtido na cidade de Chicago-Illinois (Estados Unidos) (Chicago, 2016) em 2010 totalizando 67.051 registros.

4 Analises e resultados

Nessa secao sao apresentados estudos realizados sobre sistemas Big Data para aplicacoes Smart City, com base em dados disponiveis na internet de nove (9) aplicacoes Smart City, provenientes de quatro (4) cidades: a) Surrey (Canada), b) Aarhus (Dinamarca), c) Santander (Espanha) e, d) Chicago-Illinois (Estados Unidos)). Os estudos analisam as aplicacoes sob tres (3) aspectos: 1) tamanho do banco de dados, 2) tamanho do registro de dados, 3) crescimento do conjunto de dados dos sistemas e, 4) Projecao do conjunto de dados de aplicacoes Smart City para uma cidade com 500.000 habitantes.

4.1 Analise do estudo #1--banco de dados de aplicacoes Smart City

Utilizando-se dos dados das nove (9) aplicacoes Smart disponiveis na internet City, descritas na secao anterior, elaborou-se estimativas de volume de dados (tamanho) que essas aplicacoes exigiriam ao longo de um ano (12 meses), e permite estimar a base de dados para um sistema Big Data.

Em virtude dos conjuntos de dados terem periodos de coleta diferentes, entre 3 a 12 meses, foi primeiramente realizado a normalizacao e em alguns casos foi necessario realizar a projecao utilizando-se uma tendencia linear do conjunto de dados para um periodo de tempo de 12 meses.

A informacao correspondente para cada conjunto de dados das nove (9) aplicacoes Smart City e mostrada na Tabela 1, e os valores apresentados como tamanho do banco de dados sao projecoes, utilizando uma tendencia linear, considerando a coleta de dados por um periodo de um ano (12 meses).

No estudo percebe-se que o tamanho do banco de dados de uma aplicacao que utiliza de poucos dados, como no caso da aplicacao Condicao Climatica na cidade de Aarhus (Dinamarca), tera um tamanho do banco de dados pequeno (2,8 MBytes); ao passo que uma aplicacao que precisa armazenar uma maior quantidade de dados, como no caso da aplicacao Luminosidade, Temperatura e Vagas de Estacionamento na cidade de Santander (Espanha), demandara um banco de dados maior (81,8 GBytes).

Dessa forma, pode-se destacar que o tamanho do banco de dados e decorrente das caracteristicas da aplicacao Smart City. Essa dependencia e em funcao da quantidade de dados que precisam ser coletados, do tempo de armazenamento e, tambem, da frequencia com que essa coleta ocorrera pela aplicacao.

4.2 Analise do estudo #2--registro de dados de aplicacoes Smart City

Nesse outro estudo foi considerado o tamanho do registro de dados das nove (9) aplicacoes Smart City, e as informacoes sao mostrados na Tabela 2. Nesse estudo foram comparados os tamanhos do registro de dados das aplicacoes Smart City, apresentadas no estudo anterior, provenientes de quatro (4) cidades: a) Surrey (Canada), b) Aarhus (Dinamarca), c) Santander (Espanha) e, d) Chicago-Illinois (Estados Unidos)).

Os dados indicam que o tamanho do registro de dados de uma aplicacao que necessita armazenar uma menor quantidade de informacoes, como no caso da aplicacao Precipitacoes Pluviometricas (Chuva) na cidade de Surrey (Canada), implicara tambem em uma menor quantidade (39 bytes), pois armazena apenas dados numericos; ao passo que uma aplicacao que precisa armazenar uma maior quantidade de informacoes, como no caso da aplicacao Permissoes de Construcoes na cidade de Chicago-Illinois (Estados Unidos), necessitara uma maior quantidade (618 bytes) para comportar as informacoes, pois armazena diversos dados tanto numericos quanto alfanumericos (texto).

No estudo contatou-se que o tamanho do registro de dados depende diretamente da quantidade de dados (campos) e do tipo dos dados armazenados (numerico, texto, logico, etc), pois quanto maior for a quantidade de dados a serem armazenados, maior sera o tamanho do registro das informacoes coletadas pelas aplicacao Smart City.

Nesse sentido, destaca-se que e importante especificar claramente o registro de dados da aplicacao Smart City, tanto a quantidade de campos quanto o tipo de dados, pois o tamanho do registro de dados impactara no tamanho do banco de dados do sistema Big Data.

4.3 Analise do estudo #3--crescimento do conjunto de dados de uma aplicacao Smart City

Nesse estudo considerou-se a aplicacao Consumo de Energia Eletrica em uma Smart City, obtido por 1 milhao de medidores inteligentes em intervalo de tempo de um ano, e e mostrado na Tabela 3. Obs.: A quantidade de dados coletados foi calculada considerando o tamanho do registro de dados de 1 KBytes.

Foram comparados os volumes de dados gerados pela aplicacao Smart City considerando quatro (4) frequencias de coleta: 1) uma por dia, 2) uma por hora, 3) uma a cada 30 minutos e, 4) uma a cada 15 minutos.

Com base nesse estudo percebe-se claramente o crescimento exponencial da geracao de dados, pois se for utilizado uma frequencia de uma medicao por dia tem-se ao final de um ano um conjunto de dados de ~0,37TBytes, ao passo que se for utilizado uma medicao a cada 15 minutos serao armazenados um conjunto de dados de 35,04TBytes.

Isto demonstra a importancia de se definir apropriadamente alem dos dados que serao coletados (registro de dados), tambem a frequencia de coleta, pois isto tem impacto direto na especificacao do tamanho do banco de dados do sistema Big Data para a aplicacao Smart City. De modo que, quanto maior for a frequencia de coleta, maior sera o tamanho do banco de dados.

4.4 Analise do estudo #4--projecao do conjunto de dados de aplicacoes Smart City para uma cidade com 500.000 habitantes

Com base nos estudos anteriores, em especifico o tamanho do registro de dados das aplicacao, estabeleceu-se uma projecao do tamanho do conjunto de dados de algumas aplicacoes Smart City para uma cidade com 500.000 habitantes. Nesse estudo analisou-se oito (8) aplicacoes Smart City (Consumo de Agua Residencial, Precipitacao Pluviometrica (chuva), Trafego de Veiculos, Poluicao, Vagas de Estacionamento, Condicao Climatica, Construcoes e Consumo de Energia Eletrica Residencial). Nessa projecao foi considerado quatro (4) pessoas por residencia para a definicao dos pontos de coleta do consumo de agua e de energia eletrica residencial, e de uma vaga de estacionamento para cada seis (6) habitantes para a definicao dos pontos de coleta de vagas de estacionamento. Alem disso, estipulou-se uma frequencia de coleta em funcao das caracteristicas da aplicacao como mostrado na Tabela 4.

A projecao do tamanho do conjunto de dados (em bytes) considerando o registro de dados, a frequencia e os pontos de coleta esta mostrada Tabela 3, e se percebe o impacto que esses elementos tem sobre o conjunto de dados. Por exemplo, a aplicacao Consumo de Energia Eletrica devido a frequencia de coleta (uma medicao a cada 15 minutos) e, tambem, pela quantidade de pontos de coleta (125.000 residencias) exigira 1,5TBytes de armazenamento ao longo de 12 meses. No outro extremo tem-se a aplicacao Precipitacoes Pluviometricas (Chuva) que devido a frequencia de coleta (uma por dia) e de ser previstos apenas 10 pontos de coleta necessitara de pouco espaco de armazenamento (139 KBytes).

4.5 Relacao dos estudos

Os estudos realizados demonstram o impacto que a aplicacao Smart City tem sobre o banco de dados de um sistema Big Data. Esses estudos estao inter-relacionados, pois analisam as informacoes sobre o conjunto de dados de aplicacoes Smart City diversas oticas.

O primeiro estudo analisou a questao do tamanho do conjunto de dados de nove (9) aplicacoes e esta relacionado com a quantidade de informacoes a serem armazenadas e, bem como, como a frequencia com que essa coleta e realizada, alem do tempo de armazenamento pela aplicacao Smart City.

O segundo estudo analisou o tamanho do registro de dados, que e a unidade basica de informacao do banco de dados do sistema Big Data, de nove (9) aplicacoes Smart City, e e determinado em funcao da quantidade de dados que precisam ser armazenados a cada coleta pela aplicacao.

No terceiro estudo analisou-se o conjunto de dados de uma aplicacao Smart City sob a otica do crescimento do banco de dados em funcao da frequencia com que ocorre essa coleta dos dados pela aplicacao Smart City.

Por ultimo, o quarto estudo projetou o conjunto de dados de oito (8) aplicacoes Smart City considerando uma cidade com 500.000 habitantes, e que demonstra a influencia do tamanho do registro de dados, a frequencia e os pontos de dados sobre o espaco de armazenamento.

5 Conclusao

O tema Smart City esta se tornando muito difundido, nao somente no meio academico ou de pesquisa, mas tambem nos orgaos de governos e empresas como uma solucao para os problemas crescentes das cidades. Esses problemas precisam de decisoes acertadas e que ocorram no menor periodo de tempo para a que a definicao de politicas publicas seja eficaz. E nesse contexto que se apresenta o Big Data, como um recurso tecnologico a ser utilizado na composicao das Smart Cities para se trabalhar com um volume de dados cada vez maior e, tambem, considerando a diversidade de dados que sao gerados nas cidades.

O objetivo deste trabalho foi alcancado, pois foram realizados estudos da utilizacao do Big Data na concepcao e operacionalizacao da Cidade Digital Estrategica, que possibilitou realizar apontamentos sobre os recursos computacionais, em especifico o banco de dados, necessarios para a sua utilizacao nas aplicacoes Smart City.

A pesquisa contemplou o estudo de nove (9) aplicacoes de Smart Cities de quatro (4) cidades (Surrey (Canada), Aarhus (Dinamarca), Santander (Espanha) e Chicago- Illinois (Estados Unidos)) com base nos dados dessas aplicacoes e que pudessem servir como elemento norteador para as definicoes de sistemas Big Data para aplicacoes Smart City.

Os resultados auferidos indicam que a aplicacao Smart City impacta diretamente no banco de dados do sistema Big Data, pois ela e decorrente do tamanho do registro de dados e, tambem, da quantidade de registros armazenados pela aplicacao Smart City. A primeira definicao a ser realizada e a do registro de dados, em que se especificam os dados a serem coletados e armazenados, como os dados e os tipos de dados (numerico, texto, etc). A segunda definicao depende da frequencia com que a coleta dos dados ocorrera, pois isso impactara na quantidade de registros de dados que precisam ser armazenados no sistema Big Data.

Ainda, destaca-se que o periodo de armazenamento tambem afeta o banco de dados, pois quanto maior for o periodo de coleta e, consequente, o armazenamento, maior sera o tamanho do banco de dados. Por isso, uma aplicacao que precisa trabalhar com um historico muito grande de dados, naturalmente demandara um maior banco de dados.

Salienta-se tambem que o tamanho do conjunto de dados tem impacto direto no tempo de processamento da aplicacao, pois quanto maior for o conjunto de dados, maior sera o tempo gasto para consultar e processar os dados e, consequentemente, no tempo de resposta do sistema. Ainda, destaca-se que o tempo de resposta do sistema para Smart City depende das caracteristicas da aplicacao e, principalmente, do tempo para a tomada de decisao, por isso quanto menor for esse tempo mais rapido ocorrerao as acoes dos orgaos competentes.

Outro ponto a ser realcado e que o banco de dados do Big Data afeta a especificacao do Data Center, como a quantidade de computadores/servidores e dos demais equipamentos (switchs, roteadores, unidades de armazenamento, etc) a serem utilizados e, por consequencia, no consumo de energia eletrica e na refrigeracao/dissipacao de calor dos equipamentos.

No que se refere a contribuicao desse trabalho tem-se a ampliacao da pesquisa voltada a Cidade Digital Estrategica, em particular a Smart City, alem de fornecer subsidios para definicao dos servicos e recursos que serao gerenciados na cidade.

A principal limitacao desse trabalho esta relacionada com a metodologia da pesquisa que reduziu as analises e consideracoes a nove (9) aplicacoes Smart Cities de quatro (4) cidades, nao expressando a realidade das cidades que estao utilizando solucoes Smart City.

A conclusao reitera a importancia dos sistemas Big Data, na composicao das solucoes Smart City, como elemento facilitador da gestao das cidades, visando uma gestao publica que propicie um melhor aproveitamento dos recursos publicos, com sustentabilidade, na ampliacao da qualidade de vida dos cidadaos.

Recebido em 30.10.2018

Aprovado em 12.03.2019

Referencias

Alecrim, E. (2015). O que e big data?. Disponivel em http://www.infowester.com/bigdata.php.

Batty, M. (2017). The age of the smart city. Disponivel em http://www.spatialcomplexity.info/files/2017/06/BATTY-Working-Paper-The-Age-of- the-Smart-City.pdf.

Bonomi, F., Milito, R., & Zhu, J. (2014). Fog computing: a platform for internet of things and analytics. Big Data and Internet of Things: A Roadmap for Smart Environments, 169-186.

Chen, M., Mao, S., & Liu, Y. (2014). Big data: a survey. Mobile Netw Appl. Springer: Switzerland, 171-209.

Cheng, B., Longo, S., Bauer, M., & Kovacs, E. (2015). Building a big data platform for smart cities: experience and lessons from Santander. Anais do 2015 IEEE International Congress on Big Data. New York-USA, 592-599.

Chicago Data Portal (2018). Building permits. Disponivel em https://data.citvofchicago.org/Buildings/Building-Permits/vdr8-5enu.

Chicago Data Portal (2016). Energy usage 2010. Disponivel em https://data. citvofchicago. org/Environment- Sustainable-Development/Energy-U sage2010/8vq3-m6wp.

CityPulse Dataset Collection (2014a). Weather data. Disponivel em http://iot.ee. surrey. ac.uk:8080/datasets. html#weather.

CityPulse Dataset Collection (2014b). Parking data. Disponivel em http://iot.ee. surrey. ac.uk:8080/datasets. html#parking.

CityPulse Dataset Collection (2014c). Pollution data. Disponivel em http://iot.ee.surrey.ac.uk:8080/datasets.html#pollution.

CityPulse Dataset Collection (2014d). Road traffic data. Disponivel em http://iot.ee. surrey. ac.uk:8080/datasets. html#traffic.

Cunha, M.A., Przeybilovics, E., Macaya, & Burgos, F. (2016). Smart cities: transformacao digital de cidades. (1. ed.). Sao Paulo-SP: PGPC.

Combaneyre, F. (2015). Understanding data streams in IoT. White Paper. SAS.

Deloitte (2015). Smart cities, big data. UK: Deloitte & Touche.

Dunne, T. (2012). Big data, analytics, and energy consumption, Lavastorm Agle Analytics, Boston, Mass, USA.

Fonseca, J.J.S. (2002). Metodologia da pesquisa cientifica. Apostila. Fortaleza- CE: UEC.

Gerhardt, T.E., Silveira, D.T. (Org.). (2009). Metodos de pesquisa. Serie Educacao a Distancia. (1. ed.). Porto Alegre-RS: Editora da UFRGS.

Gil, A.C. (2007). Como elaborar projetos de pesquisa. (4. ed.). Sao Paulo-SP: Atlas.

Hashen, I.A.T. (2016). The role of big data in smart city. International Journal of Information Management, 5(36).

Hekima. (2016). Como smart cities usam big data. Disponivel em http://www.bigdatabusiness.com.br/como-smart-cities-usam-big-data/.

IBM (2017). Big data. Disponivel em http://www.ibm.com/big-data/us/en/.

Isard, M., Budiu, M., Yu, Y., Birrell, A., & Fetterly, D. (2007). Dryad: distributed dataparallel programs from sequential building blocks. Anais do Proceedings of the 2007 Eurosys Conference.

Khan, N., Yaqoob, I., Hashem, I.A.T., Inayat, Z., Ali, W.K.M., Alam, M., Shiraz, M., & Gani, A. (2014). Big data: survey, technologies, opportunities, and challenges. The Scientific World Journal, 18. doi: 10.1155/2014/712826.

Kon, F., & Santana, E.F.Z. (2016). Cidades inteligentes: conceitos, plataformas e desafios. JAI 2016--Jornadas de Atualizacao em Informatica 2016.

Kudva, S., & Ye, X. (2017). Smart cities, big data, and sustainability union. Big Data and Cognitive Computing, 1(4), 2017. doi: 10.3390/bdcc1010004.

Laney, D. (2001). 3D data management: controlling data volume, velocity, and variety. Application Delivery Strategies. Meta Group. Disponivel em https://blogs.gartner.com/doug-lanev/files/2012/01/ad949-3D-Data- ManagementControlling-Data-Volume-Velocity-and-Variety.pdf.

MPI (2017). Message passing interface standard (MPI). Disponivel em https ://computing.llnl. gov/tutorial s/mpi/.

Nuaimi, E. Al., Neyadi, H.A., Mohamed, N., & Al-Jaroodi, J. (2015). Applications of big data to smart cities. Journal of Internet Services and Applications.

Padua, E.M.M. (2006). Metodologia da pesquisa: abordagem teorico-pratica. (12. ed.). Fortaleza-CE: Papirus Editora.

PVM (2011). PVM--parallel virtual machine. Disponivel em https://www.csm.ornl.gov/pvm/.

Renno, R. (2014). Smart cities e big data: o cidadao produtor de dados. Revista de Estudios Urbanos y Ciencias Sociales, 6(2), 13-24.

Rezende, D.A. (2012). Planejamento de estrategias e informacoes municipais para cidade digital: guia para projetos em prefeituras e organizacoes publicas. Sao Paulo- SP: Atlas.

Rezende, D.A. (2016a). Digital city projects: information and public services offered by Chicago (USA) and Curitiba (Brazil). International Journal of Knowledge Society Research, 7, 16-30, 2016a.

Rezende, D.A. (2016b). Digital city: Chicago and Schaumburg (USA) information, sustainability indicators and public services projects. Revista de Gestao e Secretariado, 7, 55-79.

Rezende, D.A., Madeira, G.S., Mendes, L.S., Breda, G.D., Zarpelao, B.B. & Figueiredo, F.C. (2014). Information and telecommunications project for a digital city: a Brazilian case study. Telematics and Informatics, 31, 98-114.

Silva, B.N., Khan, M., & Han, K. (2017). Big data analytics embedded smart city architecture for performance enhancement through real-time data processing and decision-making. Hindawi Wireless Communications and Mobile Computing. 2017, article ID 9429676.

Silveira, A.T.Z.N. (2015). Importancia dos sistemas inteligentes de agua nas cidades para a eficiencia do servico. Tecnico Lisboa. Dissertacao de Mestrado. Lisboa- Portugal.

Surrey Datasets (2017). Rainfall monitoring 2017. Disponivel em http://data.surrey.ca/dataset/rainfall-monitoring-2017.

Surrey Datasets (2017). Water meters. Disponivel em http://data.surrey.ca/dataset/watermeters. 2014.

Tang, B., Chen, Z., Hefferman, G., Wei, T., He, H. & Yang Q. (2015). A hierarchical distributed fog computing architecture for big data analysis in smart cities. Anais do 2015 ACMBD&SI. Kaohsiung-Taiwan.

Tutorials Point (2014). Hadoop: big data analysis framework. Ebook.

White, T. (2015). Hadoop: the definitive guide. (4. ed.). Sebastopol-CA-USA: O'Reilly Media.

Yin, R.K. (2015). Estudo de caso: planejamento e metodos. (5. ed.). Porto Alegre-RS: Bookman.

Edson Pedro Ferlin

Pos-Doutorado em Cidade Digital Estrategica pela Pontificia Universidade

Catolica do Parana. Professor das Faculdades Integradas Camoes do Parana

eferlin@live.com

Denis Alcides Rezende

Professor Titular e bolsista de Pesquisa do CNPq Brasil da Pontificia

Universidade Catolica do Parana

dar@denisalcidesrezende.com.br

Caption: Figura 1: Os 6 V's de Big Data

Caption: Figura 2: Fatores envolvidos em uma Smart City

Caption: Figura 3: Arquitetura tipica de Smart City
Tabela 1

Exemplos do tamanho do banco de dados de aplicacoes Smart City

                                                   Tamanho do
Aplicacao Smart City                                Banco de
                                                      Dados
                                                    (Bytes) *

(1) Consumo de Agua--Surrey (Canada)                   10,0 M
(2) Precipitacoes Pluviometricas                        3,9 M
  (Chuva)--Surrey (Canada)
(3) Trafego de Veiculos--Aarhus (Dinamarca)             4,0 M
(4) Poluicao--Aarhus (Dinamarca)                        3,9 M
(5) Vagas de Estacionamento--Aarhus                     7,1 M
  (Dinamarca)
(6) Condicao Climatica--Aarhus (Dinamarca)              2,8 M
(7) Luminosidade, Temperatura, Vagas de                81,8 G
  Estacionamento--Santander (Espanha)
(8) Permissoes de Construcoes--Chicago-               303,1 M
  Illinois (Estados Unidos)
(9) Consumo de Energia Eletrica--Chicago-              23,8 M
  Illinois (Estados Unidos)

* Estimativas considerando a coleta de dados por um ano

Obs: M (Mega) e G (Giga)

Tabela 2

Tamanho do registro de dados de aplicacoes Smart City

                                                   Tamanho do
Aplicacao Smart City                              Registro de
                                                     Dados
                                                    (Bytes)

(1) Consumo de Agua--Surrey (Canada)                  157
(2) Precipitacoes Pluviometricas                       39
  (Chuva)--Surrey (Canada)
(3) Trafego de Veiculos--Aarhus (Dinamarca)            54
(4) Poluicao--Aarhus (Dinamarca)                       58
(5) Vagas de Estacionamento--Aarhus                    68
  (Dinamarca)
(6) Condicao Climatica--Aarhus (Dinamarca)            196
(7) Luminosidade, Temperatura, Vagas de               536
  Estacionamento--Santander (Espanha)
(8) Permissoes de Construcoes--Chicago-               618
  Illinois (Estados Unidos)
(9) Consumo de Energia Eletrica--Chicago-             372
  Illinois (Estados Unidos)

Tabela 3

Total de dados coletados em um ano (12 meses) em
diferentes frequencias de coleta

Frequencia de Coleta          1/dia          1/hora
Registros Coletados           365M            8,75B
Tamanho da Coleta         ~0,37 TBytes    ~8,76 TBytes

Frequencia de Coleta         1/30 min         1/15 min
Registros Coletados           17,52B           35,04B
Tamanho da Coleta         ~17,52 TBytes    ~35,04 TBytes

M (milhoes), B (bilhoes)

Tabela 4

Projecao do conjunto de dados de aplicacoes Smart City para uma
cidade com 500.000 habitantes

Aplicacao Smart City (cidade               Frequencia de    Pontos de
de 500.000 habitantes)                         Coleta         Coleta

Consumo de Agua--Residencial                   1/mes          125.000
Precipitacoes Pluviometricas (Chuva)           1/dia               10
Trafego de Veiculos                           1/30 min            500
Poluicao                                       1/dia              500
Vagas de Estacionamento                        1/hora          80.000
Condicao Climatica                             1/hora             500
Permissoes de Construcoes                      1/dia          125.000
Consumo de Energia Eletrica--                 1/15 min        125.000

                                           Conjunto
Aplicacao Smart City (cidade               de Dados
de 500.000 habitantes)                      (Bytes)

Consumo de Agua--Residencial                224,6 M
Precipitacoes Pluviometricas (Chuva)        139,0 K
Trafego de Veiculos                         451,1 M
Poluicao                                     10,1 M
Vagas de Estacionamento                      44,4 G
Condicao Climatica                          818,7 M
Permissoes de Construcoes                    26,3 G
Consumo de Energia Eletrica--                 1,5 T
  Residencial

Obs: K (Kilo), M (Mega), G (Giga), T (Tera)
COPYRIGHT 2019 Revista Gestao & Tecnologia
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2019 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Ferlin, Edson Pedro; Rezende, Denis Alcides
Publication:Gestao & Tecnologia
Date:Apr 1, 2019
Words:5721
Previous Article:Security practices of accounting information and its contribution to the corporate governance compliance requirement/Practicas de seguridad de la...
Next Article:Knowledge transferring: the business perspective/Transferencia de conhecimento: a perspectiva empresarial/Transferencia de conocimiento: la...
Topics:

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters