Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/59801
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCardoso, Daniel Ribeiro-
dc.contributor.authorPassos Filho, José Aderson Araújo-
dc.date.accessioned2021-08-02T12:30:33Z-
dc.date.available2021-08-02T12:30:33Z-
dc.date.issued2019-08-
dc.identifier.citationPASSOS FILHO, J. A. A.; CARDOSO, D. R. Machine Learning para a acessibilização de análises em escala urbana. V!RUS, São Carlos, n. 19, 2019.pt_BR
dc.identifier.issn2175-974x-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/59801-
dc.language.isopt_BRpt_BR
dc.relation.ispartofseries19;-
dc.rightsAcesso Abertopt_BR
dc.subjectPlanejamento urbanopt_BR
dc.subjectMachine learningpt_BR
dc.subjectConforto térmicopt_BR
dc.titleMachine Learning para a acessibilização de análises em escala urbanapt_BR
dc.typeArtigo de Periódicopt_BR
dc.description.abstract-ptbrÉ proposta, neste artigo, a implementação de Machine Learning para a simplificação e acessibilização da obtenção de resultados de análises complexas, mais especificamente na avaliação do conforto térmico em escala urbana. A complexidade da relação estabelecida entre o planejamento, a forma da cidade e as condições de clima torna necessário o uso de estratégias em análise e produção do espaço urbano que muitas vezes excede o arcabouço teórico e técnico do planejador. Pensar o trade-off entre precisão e velocidade dos métodos aplicados se faz importante para a construção de ferramentas que sejam não apenas potentes, mas que facilitem a ação rápida e constante dos profissionais de planejamento. De uma perspectiva tecnológica, política e ambiental, o método proposto visa, através da construção da informação, melhorar a compreensão das implicações que as edificações trazem ao ambiente urbano e contribuir com a produção da cidade contemporânea.pt_BR
dc.title.enMachine Learning for the accessibility to urban scale analysispt_BR
Aparece nas coleções:DAUD - Artigos publicados em revistas científicas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_art_mlacardoso.pdf3,55 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.