“O meu laptop tem um ‘quad-core’!”, diz o Jaime.
“E o que é que isso contribui para a tua felicidade?”, pergunta o Bento.
Bom, na realidade, para quem trabalha com R pouco ou nada. No entanto, esta é uma realidade que está a mudar rapidamente, em particular para quem gosta de brincar com simulações de Monte Carlo. E a verdade é que as alternativas são muito caras.
Artigo extremamente interessante sobre o assunto: http://www.r-bloggers.com/parallel-processing-when-does-it-worth/
Bom, num mundo perfeito, seria uma excelente ideia. Mas claro, existem limitações. Não deixa de ser bastante interessante.
http://www.r-bloggers.com/convert-ip-addresses-to-geolocation-latitude-and-longitude-etc-etc/
A constante de Marchetti diz-nos que o tempo médio gasto em viagens por dia/pessoa é de 1 hora…e que sempre assim foi, resultado dos traveling instincts, identificados por Zahavi (fim da década de 70, inícios da 80), trabalho no qual Marchetti se baseia.
O território de uma cidade (propositadamente não escrevo “área”, e se lerem o artigo percebem porquê) é, então, definido por esta constante. A expansão deste território é dependente dos avanços tecnológicos nos transportes, i.e., quando estes avanços permitem que com um mesmo tempo se alcancem maiores distâncias. Uma cidade torna-se disfuncional quando a constante é ultrapassada.
O artigo merece ser lido, criticado e experimentado! Arrisco mesmo a dizer que seria um excelente exercício para uma aula de mestrado ou doutoramento.
Artigo original: Cesare Marchetti (1994) “Antropological Invariantes in Travel Behavior”
Decorreram no início de Março em Girona as 7as Jornadas SIG LIBRE. O e-GEO esteve presente com três comunicações. Ficam aqui os apontadores para os resumos e apresentações:
Rebelo, C. Rodrigues, A. M. Neves, B. Tenedório, J.A. Gonçalves, J.A. “Extraction of urban parameters from 3D Point-Cloud within GRASS”
(Resumo, Apresentação)
Rodrigues, A. M. Neves, B. Rebelo, C. “Terra Communis (tComm): A free data provider for historical census micro-data.”
(Resumo, Apresentação)
Neves, B. Rebelo, C. Rodrigues, A. M. “Modelling Sea-Level Rise in the Lisbon city coastal area, using Free and Open Source Technologies”
(Resumo, Apresentação)
Um tema recorrente: que ferramenta utilizar para realizar análise de dados? Este artigo apareceu no R-bloggers e julgo ser bastante interessante: Python vs R vs SPSS … Can’t All Programmers Just Get Along?.
Pessoalmente, e porque é muito fácil apresentar desvantagens, os pontos fortes óbvios são:
Python: simples e facilmente implementado/transportado para várias plataformas;
R: É muito difícil encontrar um método estatístico não implementado em R;
SPSS: Confesso que só incluí o SPSS porque é referido no artigo original, mas creio que o facto de ser “menu driven” acolhe a simpatia de muitos (ainda que seja uma caixa negra).
Num post anterior, descrevia como aceder a API do SEXTANTE atraves da consola de Python do QGIS.
Neste post, vou avancar um pouco mais em termos de costumizacao e criar um script para o SEXTANTE. Atraves de scripting podemos:
Reunindo todas estas funcionalidades pode construir-se uma aplicacao bastante poderosa, mas neste post eu vou me ficar por uma demonstracao simples: uma suite de analise exploratoria dos dados, que consiste em chamar tres dos scripts de R que criei anteriormente. Em termos de input/output, a aplicacao unifica a recepcao de parametros para os tres scripts e gera os resultados em ficheiros html, guardados no disco num local definido pelo utilizador.
Para seguir este tutorial nao sao necessarios grandes conhecimentos de Python; no entanto, se decidirem construir os vossos scripts, ja vai ser importante. Neste website podem encontrar sobre python para nao programadores (se souberem programacao, torna-se logo mais facil). Eu gosto deste em particular (from scratch!)
Na continuacao do meu post anterior, sigo com o processo de construçao de um modelo GAM utilizando a dupla Sextante/QGIS.
Antes de mais, faco uma nota sobre o que ‘e trabalhar com uma ferramenta em estado de desenvolvimento. O sextante esta literalmente a ser desenvolvido enquanto escrevo este post, o que significa por um lado que lhe faltam ainda muitas coisas, mas por outro lado que elas estao a ser acrescentadas.
Nomeadamente, saliento o facto de nem todas as ferramentas do Grass terem sido portadas (falta por exemplo o “v.what”, que a mim me daria bastante jeito) e de nao haver um “catching” de erros suficiente bom.
Isto quer dizer, que os algoritmos correm com pouca verificacao dos parametros de entrada, para mais tarde “crasharem” com um erro pouco descritivo. Isto ‘e bastante comum nas funcoes de Grass, e para nao “arrancarem muito os cabelos” como eu fiz, convem ir aos logs do sextante e procurar uma mensagem informativa (elas normalmente estao la). Dito isto, penso que a toolbox ja esta suficientemente boa para ser utilizada 🙂
Uma das muitas virtudes do R é a versatilidade dos seus gráficos. É recorrente em formações de R os alunos ficarem impressionados com este facto mas ao mesmo tempo “assustados” com o código.
O exemplo que se segue utiliza dados dos Censos 2001 agregados ao nível da freguesia (os metadados podem ser encontrados aqui). O ficheiro de dados está aqui.
Autómatos celulares e simulação urbana, computação estatística, abordagem baseada em sistema multi-agentes para o estudo das epidemias espaciais utilizando SIG
Modelação Geográfica, Cidades e Ordenamento do Território 