Em 2050, as Nações Unidas prevêem que cerca de 66% da população mundial viva em áreas urbanas. Espera-se que a maior expansão tenha lugar nas regiões em desenvolvimento, como África e Ásia. As cidades nessas partes serão desafiadas a atender às necessidades de seus moradores e fornecendo moradia , energia, descarte de resíduos, saúde, transporte, educação e emprego suficientes.

Então, entender como as cidades irão crescer – e como podemos torná-las mais inteligentes e mais sustentáveis ​​ao longo do caminho – é uma alta prioridade entre pesquisadores e governos em todo o mundo. Precisamos enfrentar os mecanismos internos das cidades, se quisermos engenharia para o futuro. Felizmente, existem ferramentas para nos ajudar a fazer isso. E ainda melhor, usar um pouco é como jogar o SimCity.

Um mundo completamente novo (simulado)

As cidades são sistemas complexos.Cada vez mais, cientistas que estudam cidades passaram de pensar em “cidades como máquinas”, para se aproximarem de “cidades como organismos”. A visão das cidades como organismos complexos e adaptativos – semelhante a sistemas naturais como montes de térmitas ou colônias de bolor de limo – nos permite obter visões únicas sobre o seu funcionamento interno. Veja como.

Os organismos complexos são caracterizados por unidades individuais que podem ser conduzidas por um pequeno número de regras simples. À medida que estas coisas relativamente simples vivem e se comportam, o ponto culminante de todas as suas interações e comportamentos individuais gera fenômenos agregados mais generalizados. Por exemplo, os padrões bonitos e complexos feitos por pássaros reunidos não são organizados por um líder. Eles ocorrem porque cada pássaro segue algumas regras muito simples sobre o quão perto se aproximam, qual direção voar e como evitar predadores.

Da mesma forma, as colônias de formigas podem exibir um comportamento muito sofisticado e aparentemente inteligente. Mas essa sofisticação não ocorre como resultado de um bom líder. É o resultado de muitas formigas seguindo regras relativamente simples, sem qualquer consideração pela imagem maior. É fácil ver como essa perspectiva poderia ser aplicada aos sistemas humanos para explicar fenômenos como os engarrafamentos.

Então, se as cidades são como organismos, segue-se que devemos examiná-los de baixo para cima e procurar entender o surgimento de fenômenos de grande escala emergentes das interações de nível individual. Especificamente, podemos simular como o comportamento de “agentes” individuais – sejam eles pessoas, famílias ou organizações – afete o ambiente urbano, usando um conjunto de técnicas conhecidas como “modelagem baseada em agente”.

É aí que fica um pouco como o SimCity. É provável que o jogo de computador tenha sido originalmente baseado no trabalho de Jay Forrester, um cientista do sistema de renome mundial com interesse na dinâmica urbana. No jogo, os agentes individuais recebem suas próprias características e regras e permitem interagir com outros agentes e com o meio ambiente.Diferentes comportamentos emergem através dessas interações e impulsionam o próximo conjunto de interações.

Mas, enquanto os jogos de computador podem usar generalizações sobre como as pessoas e as organizações se comportam, os pesquisadores precisam minar conjuntos de dados disponíveis para construir conjuntos de regras realistas e robustas, que podem ser rigorosamente testadas e avaliadas. Para fazer isso efetivamente, precisamos de muitos dados ao nível individual.

Modelagem do Big Data

Hoje em dia, o aumento do poder de computação e a proliferação do big data proporcionam ao modelo baseado em agentes poder e alcance sem precedentes. Um dos desenvolvimentos mais interessantes é o potencial para incorporar os pensamentos e comportamentos das pessoas. Ao fazê-lo, podemos começar a modelar os impactos das escolhas das pessoas nas circunstâncias atuais e no futuro.

Por exemplo, podemos querer saber como as mudanças no layout da estrada podem afetar as taxas de criminalidade em certas áreas. Ao modelar as atividades de indivíduos que podem tentar cometer um crime, podemos ver como a alteração do ambiente urbano influencia a forma como as pessoas se deslocam pela cidade, os tipos de casas que eles tomam conhecimento e, consequentemente, quais os lugares que correm maior risco de se tornarem os alvos do roubo.

Para realizar plenamente o objetivo de simular as cidades dessa maneira, os modelos precisam de uma enorme quantidade de dados.Por exemplo, para modelar o fluxo diário de pessoas em torno de uma cidade, precisamos saber que tipo de coisas as pessoas passam seu tempo fazendo, onde elas as fazem, com quem, e o que impulsiona seu comportamento.

Sem dados de alta qualidade e de alta resolução, não temos como saber se nossos modelos estão produzindo resultados realistas. O Big Data poderiam oferecer aos pesquisadores uma riqueza de informações para satisfazer essas necessidades. Os tipos de dados que são excitantes moduladores urbanos incluem:

Cartões de viagem eletrônicos que nos dizem como as pessoas se movem em torno de uma cidade.

Mensagens do Twitter que fornecem informações sobre o que as pessoas estão fazendo e pensando.

A densidade dos telefones móveis que sugerem a presença de multidões.

Transações de fidelidade e cartão de crédito para entender o comportamento do consumidor.

Mapeamento participativo de espaços urbanos até então desconhecidos, como o Mapa da Rua Aberta .

Esses dados geralmente podem ser refinados para o nível de uma única pessoa. Como resultado, os modelos de fenômenos urbanos já não precisam se basear em suposições sobre a população como um todo – eles podem ser adaptados para capturar a diversidade de uma cidade cheia de indivíduos, que muitas vezes pensam e se comportam de forma diferente um do outro.

Pessoas desaparecidas

Há, é claro, considerações práticas e éticas importantes a ser levada em conta, ao integrar grandes dados em modelos urbanos. O volume de ruído de fundo em novas fontes de dados pode dificultar a extração de informações úteis e confiáveis. Por exemplo, muitas vezes pode ser difícil distinguir as mensagens do Twitter postadas por bots daqueles de pessoas reais.

Devemos também garantir que entendamos quem está bem representado em nossos dados e quem não está. A divisão digital está viva e bem e pesquisa sugere uma divisão de classe separando aqueles que fazem e não produzem conteúdo digital. Isso significa que provavelmente há grandes seções da população em falta nos conjuntos de dados.

Também precisamos encontrar novas maneiras de tornar estes métodos éticos. Tradicionalmente, o consumidor e a ética da pesquisa foram estruturados em torno do consentimento informado. Antes de participar de entrevistas ou pesquisas, os participantes precisam assinar formulários de consentimento que dão aos pesquisadores permissão para usar seus dados. Mas agora, os indivíduos estão digitalizando aspectos de suas vidas, tais como estados de espírito, pensamentos, sentimentos e comportamentos que, historicamente, foram indocumentados. E, o que é mais importante, estes são frequentemente lançados publicamente na internet.

E enquanto um indivíduo pode ter marcado uma caixa que dá permissão para que seus dados sejam usados, não é garantia de que tenham lido e entendido os termos.Os termos e condições de iTunes de junho de 2015 , por exemplo, têm mais de 20.000 palavras (20 vezes mais do que esse artigo). Os pesquisadores e prestadores de serviços precisam se perguntar quantos povos realmente conseguem lidar com esses documentos, e se o acordo deles cumpre nossa idéia de consentimento.

Talvez nunca possamos simular todos os indivíduos em uma cidade, e provavelmente nunca queremos.Mas estamos nos aproximando de ser capazes de simular a riqueza do tecido que se entrelaça para moldar nossas cidades. Se pudermos fazer isso, seremos capazes de fornecer informações úteis sobre a melhor forma de moldar as cidades no futuro – talvez até a última luz de rua, ônibus e bloco de apartamentos.

Fonte: World Economic Forum