Integração de Dados Públicos de Saúde e Transporte: Caracterização para Modelagem Multicamadas
Resumo
A abundância de dados de diferentes contextos vem impulsionando uma revolução no setor de dados digitais. As informações provenientes desses dados podem auxiliar gestores públicos a prover melhor assistência aos seus cidadãos em diferentes áreas, como no cuidado à saúde e a mobilidade urbana. Problemas na qualidade do transporte público afetam a capacidade de deslocamento das pessoas, dificultando a acessibilidade dos cidadãos aos serviços básicos de saúde disponibilizados pelos governos. Este trabalho apresenta a caracterização do sistema público de transporte e de saúde de Curitiba visando a empregabilidade de uma estrutura de dados MultiAspect Graph (MAG) para a integração desses sistemas.
Referências
Ahmad, Z.; Batool, Z.; Starkey, P.. "Understanding mobility characteristics and needs of older persons in urban Pakistan with respect to use of public transport and self-driving". Journal of Transport Geography. Volume 74, January 2019, Pages 181-190.
Anuário Estatístico 2016 -DETRAN-PR. Disponível em
Araújo, M. R. M. et. al. "Transporte público coletivo: discutindo acessibilidade, mobilidade e qualidade de vida". Psicologia & Sociedade, Volume 23, pg. 574-582. 2011.
Braz, T. et. al. "Estimating Inefficiency in Bus Trip Choices From a User Perspective With Schedule, Positioning, and Ticketing Data". IEEE Transactions on Intelligent Transportation Systems, Vol. 19, No. 11, November 2018.
Estatuto da Criança e do Adolescente. Disponível em
Estatuto do Idoso. Disponível em
Hristova, D. et. al. "Measuring Urban Social Diversity Using Interconnected Geo-Social Networks". Proceedings of the 25th International Conference on World Wide Web, pg. 21-30. April 16.
Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional de Saúde. Disponível em
Instituto Brasileiro de Geografia e Estatística. Sistema IBGE de Recuperação Automática. Disponível em
Jasmim, L. O.; Ziviani, A. et. al. Caracterização de Atendimentos em uma Rede de Atenção à Saúde. 17º Workshop de Informática Médica. Julho 2017.
Kivelä, M. et. al. "Multilayer networks". Journal of Complex Networks, Volume 2, Issue 3, pg. 203-271. September 2014.
Kurant, M.; Thiran, P.. "Layered Complex Networks". Physical Review Letters, Volume 96. April 2006.
Labrinidis, A.; Jagadish, H. V.. "Challenges and Opportunities with Big Data". Proceedings of the Very Large Data Bases Endowment, Volume 5, Issue 12, pg. 2032-2033. August 2012.
Manyika, J. et. al. "Big Data: The next frontier for innovation, competition, and productivity". Available in
Mervis, J. U.S. Science Policy: Agencies Rally to Tackle Big Data. Science, Volume 336, Issue 6077, pg. 22. April 2012.
Nature Editorial. Community cleverness required. Nature, Volume 455, Issue 7209, pg. 1. September 2008.
Oliveira, N.. Gastos com saúde crescem mesmo em meio à crise e atingem 9,1% do PIB. Agência Brasil. Disponível em < https://goo.gl/4ijGnF >. Acessado em 03 de abril de 2018.
Pena, R. F. A. Mobilidade urbana no Brasil. Brasil Escola. Disponível em < https://goo.gl/n3CkrS >. Acessado em 03 de abril de 2018.
Rodrigues, D. O. et. al. SMAFramework: Urban Data Integration Framework for Mobility Analysis in Smart Cities. 20th ACM International Conference on Modelling, Analysis and Simulation of Wireless and Mobile Systems. November, 2017.
Wehmuth, K.; Fleury, E.; Ziviani, A.. On MultiAspect graphs. Theoretical Computer Science, Volume 651, pg. 50-61. 2016.
Zhanga, X.; Xub, Y.; Tuc, W.; Rattid, C.. Do different datasets tell the same story about urban mobility -A comparative study of public transit and taxi usage. Journal of Transport Geography 70 (2018).