A distância como variável em modelos configuracionais no estudo da distribuição de atividades econômicas urbanas

Abstract

Resumo Este trabalho demonstra que diferentes modelos configuracionais urbanos podem gerar resultados similares quando se alteram parâmetros de distância imputados nos processamentos. Assim, demonstra-se uma maneira alternativa de se regular modelos configuracionais para a compreensão de fenômenos urbanos: a utilização da distância como variável ajustável. Empiricamente, o fenômeno da distribuição de atividades econômicas urbanas é analisado linearmente comparando as suas localizações com os resultados obtidos pela aplicação de modelos configuracionais sobre redes espaciais urbanas. Para teste da hipótese, as atividades econômicas de três cidades são espacializadas, e, sobre a rede espacial formada por trechos de ruas dessas cidades, são aplicados modelos configuracionais urbanos com variação em seus raios de processamento. Os valores de centralidade resultantes do processamento de cada modelo são correlacionados à distribuição das atividades econômicas nas cidades por meio do coeficiente de correlação de Pearson (r). Resultados similares foram obtidos com a aplicação dos mesmos modelos configuracionais urbanos para um conjunto de diferentes cidades, alterando-se apenas a distância considerada no processamento dos modelos. Portanto, mostra-se mais importante ajustar o parâmetro distância do que descobrir qual modelo configuracional consegue descrever como o fenômeno da distribuição de atividades econômicas ocorre. Em outras palavras, dependendo de cada caso, existiriam distâncias que, associadas a determinados modelos, estariam mais ou menos correlacionadas com a maneira como as atividades econômicas se distribuem pela malha urbana. Dessa forma, este trabalho aponta que os modelos configuracionais podem ser ajustados em função de uma distância otimizada, aumentando a correlação com o fenômeno urbano estudado.

Mapeamento de vulnerabilidades por bairro do Cadastro Único no município de Vitória-ES

“…Na Figura 8 apresentamos a matriz do índice de correlação de Pearson (Lima et al, 2017) entre as vulnerabilidades a serem analisadas em nossa pesquisa. As cores ajudam a visualizar melhor as que têm um índice significante.…”