Proposta de Desenvolvimento de uma Inteligência Artificial para Integração Semântica entre OpenStreetMap e ET-EDGV
Resumo
A crescente produção de Informação Geográfica Voluntária (IGV) por meio de plataformas colaborativas, como o OpenStreetMap (OSM), ampliou a disponibilidade de informações geoespaciais abertas e atualizadas. No entanto, a ausência de padronização semântica e estrutural dificulta a integração dessas informações a base oficial brasileira, a qual segue normas técnicas como a Especificação Técnica para Estruturação de Dados Geoespaciais Vetoriais (ET-EDGV). Diante disso, este estudo propõe o desenvolvimento de uma Inteligência Artificial para automatizar o alinhamento semântico entre o OSM e a ET-EDGV, viabilizando a utilização direta dos dados do OSM no projeto cartográfico.
Referências
Antoniou, Vyron. (2023) “Volunteered Geographic Information, Citizen Science and Machine Learning in the Service of Sustainable Development Goals and the Sendai Framework”, In: Citizen Science: Theory and Practice, v. 8, n. 1, art. 37.
Boeing, G. OSMnx: “A Python package to work with graph-theoretic OpenStreetMap street networks”, In: Journal of Open Source Software, [S. l.], v. 2, n. 12, p. 215, 2017. Acesso em: 30 set. 2025.
Camboim, Silvana Philippi. “Arquitetura para integração de dados interligados abertos à INDE-BR. 2013”, In: Tese (Doutorado) – Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas, Curitiba.
Folium. Folium: Python Data, Leaflet.js Maps. Versão 0.15.1. Disponível em: [link]. Acesso em: 01 out. 2025.
Huang, X.; Ma, T.; Liu, C.; Liu, S. “GriT-DBSCAN: a spatial clustering algorithm for very large databases”, In: Pattern Recognition, v. 142, artigo 109658, p. 1-18, 2023. DOI: 10.1016/j.patcog.2023.109658
Kang, Y.; Wu, K.; Gao, S.; Ng, I.; Rao, J.; Ye, S.; Zhang, F.; Fei, T. “STICC: a multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity”, In: International Journal of Geographical Information Science, 2022. DOI: 10.1080/13658816.2022.2053980
Openstreetmap. Stats – OpenStreetMap. 2025. Disponível em: [link]. Acesso em: 01 out. 2025.
Portaria EB (Brasil) (2025). “Especificação Técnica para Estruturação de Dados Geoespaciais Vetoriais (ET-EDGV)”, In: Rio de Janeiro: Exército Brasileiro, Diretoria de Serviço Geográfico.
Machado, Adriana Alexandria. Compatibilização semântica entre o modelo de dados do openstreetmap e a especificação técnica para estruturação de dados geoespaciais vetoriais (ET-EDGV). 2020. 1 recurso online Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa: Curitiba, 19/02/2020. Disponível em: [link]. Acesso em: 10 out. 2025.
Boeing, G. OSMnx: “A Python package to work with graph-theoretic OpenStreetMap street networks”, In: Journal of Open Source Software, [S. l.], v. 2, n. 12, p. 215, 2017. Acesso em: 30 set. 2025.
Camboim, Silvana Philippi. “Arquitetura para integração de dados interligados abertos à INDE-BR. 2013”, In: Tese (Doutorado) – Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas, Curitiba.
Folium. Folium: Python Data, Leaflet.js Maps. Versão 0.15.1. Disponível em: [link]. Acesso em: 01 out. 2025.
Huang, X.; Ma, T.; Liu, C.; Liu, S. “GriT-DBSCAN: a spatial clustering algorithm for very large databases”, In: Pattern Recognition, v. 142, artigo 109658, p. 1-18, 2023. DOI: 10.1016/j.patcog.2023.109658
Kang, Y.; Wu, K.; Gao, S.; Ng, I.; Rao, J.; Ye, S.; Zhang, F.; Fei, T. “STICC: a multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity”, In: International Journal of Geographical Information Science, 2022. DOI: 10.1080/13658816.2022.2053980
Openstreetmap. Stats – OpenStreetMap. 2025. Disponível em: [link]. Acesso em: 01 out. 2025.
Portaria EB (Brasil) (2025). “Especificação Técnica para Estruturação de Dados Geoespaciais Vetoriais (ET-EDGV)”, In: Rio de Janeiro: Exército Brasileiro, Diretoria de Serviço Geográfico.
Machado, Adriana Alexandria. Compatibilização semântica entre o modelo de dados do openstreetmap e a especificação técnica para estruturação de dados geoespaciais vetoriais (ET-EDGV). 2020. 1 recurso online Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa: Curitiba, 19/02/2020. Disponível em: [link]. Acesso em: 10 out. 2025.
Publicado
12/11/2025
Como Citar
CACCIATORE, Jose A. D.; SLUTER, Claudia Robbi.
Proposta de Desenvolvimento de uma Inteligência Artificial para Integração Semântica entre OpenStreetMap e ET-EDGV. In: ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DA REGIÃO SUL (ERAMIA-RS), 1. , 2025, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 9-12.
DOI: https://doi.org/10.5753/eramiars.2025.16273.
