Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial
- Autores
- Barbero, Dante Andrés; Chevez, Pedro Joaquín; Discoli, Carlos Alberto; Martini, Irene
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Un problema recurrente en arquitectura y planificación urbano-territorial es poder encontrar grupos de elementos con características homogéneas. En arquitectura, las clasificaciones edilicias/constructivas se deducen a partir de un número de parámetros o variables, y si se analiza la estructura urbana es posible identificar áreas homogéneas según el tipo de uso de suelo, cobertura de servicios, entre otros aspectos. Cuando el volumen de datos para procesar es tal que no se pueden analizar mediante métodos convencionales, es necesario recurrir a técnicas de Big Data. En este trabajo se utilizará un framework para Big Data (Apache Spark) para descubrir áreas homogéneas en cuanto a cobertura de servicios urbanos básicos de infraestructura y saneamiento. Identificar tales áreas permitirá localizar lugares con similares prestaciones, inferir nuevas demandas en función de posibles crecimientos urbanos e identificar lugares de la periferia hacia donde puede crecer la ciudad, entre otros posibles usos.
A frequent problem in architecture and urban-territorial planning is to be able to find groups of elements with homogeneous characteristics. In architecture, building/construction classifications are deduced from a number of parameters or variables; and if the urban structure is analyzed, it is possible to identify homogeneous areas according to the type of land use, services coverage, among other possible aspects. When the volume of data to be processed is such that it cannot be analyzed by conventional methods, it is necessary to use Big data techniques. In this work, a framework for Big data (Apache Spark) will be used to discover homogeneous areas in terms of coverage of urban basic services of infrastructure and sanitation. Identifying such areas will allow to locate places with similar benefits, infer new demands based on possible urban growths and identify places on the periphery where the city can grow, among other possible uses.
Um problema recorrente na arquitetura e no planejamento urbano- -territorial é conseguir encontrar grupos de elementos com características homogêneas. Na arquitetura, as classificações edilícias / construtivas são deduzidas de uma série de parâ- metros ou variáveis, e se a estrutura urbana for analisada é possível identificar áreas homogêneas de acordo com o tipo de uso do solo, cobertura de serviços, entre outros aspectos. Quando o volume de dados a processar é tal que não pode ser analisado pelos métodos convencionais, é necessário recorrer às técnicas de Big Data. Neste trabalho, será usado um framework para Big Data (Apache Spark) para descobrir áreas homogêneas em termos de cobertura de infraestrutura urbana básica e serviços de saneamento. Identificar tais áreas permitirá localizar lugares com benefícios semelhantes, inferir novas demandas a partir do possível crescimento urbano e identificar lugares na periferia onde a cidade pode crescer, entre outros usos possíveis.
Fil: Barbero, Dante Andrés. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina
Fil: Chevez, Pedro Joaquín. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina
Fil: Discoli, Carlos Alberto. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina
Fil: Martini, Irene. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina - Materia
-
BIGA DATA
MINERIA DE DATOS
ARQUITECTURA
PLANIFICACION URBANA - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/144817
Ver los metadatos del registro completo
id |
CONICETDig_22cad5e15456765a04a57a27d5cc4638 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/144817 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorialUse of Big Data software in architecture and urban-territorial planningUso de software de Big Data em arquitetura e planejamento urbano-territorialBarbero, Dante AndrésChevez, Pedro JoaquínDiscoli, Carlos AlbertoMartini, IreneBIGA DATAMINERIA DE DATOSARQUITECTURAPLANIFICACION URBANAhttps://purl.org/becyt/ford/2.11https://purl.org/becyt/ford/2Un problema recurrente en arquitectura y planificación urbano-territorial es poder encontrar grupos de elementos con características homogéneas. En arquitectura, las clasificaciones edilicias/constructivas se deducen a partir de un número de parámetros o variables, y si se analiza la estructura urbana es posible identificar áreas homogéneas según el tipo de uso de suelo, cobertura de servicios, entre otros aspectos. Cuando el volumen de datos para procesar es tal que no se pueden analizar mediante métodos convencionales, es necesario recurrir a técnicas de Big Data. En este trabajo se utilizará un framework para Big Data (Apache Spark) para descubrir áreas homogéneas en cuanto a cobertura de servicios urbanos básicos de infraestructura y saneamiento. Identificar tales áreas permitirá localizar lugares con similares prestaciones, inferir nuevas demandas en función de posibles crecimientos urbanos e identificar lugares de la periferia hacia donde puede crecer la ciudad, entre otros posibles usos.A frequent problem in architecture and urban-territorial planning is to be able to find groups of elements with homogeneous characteristics. In architecture, building/construction classifications are deduced from a number of parameters or variables; and if the urban structure is analyzed, it is possible to identify homogeneous areas according to the type of land use, services coverage, among other possible aspects. When the volume of data to be processed is such that it cannot be analyzed by conventional methods, it is necessary to use Big data techniques. In this work, a framework for Big data (Apache Spark) will be used to discover homogeneous areas in terms of coverage of urban basic services of infrastructure and sanitation. Identifying such areas will allow to locate places with similar benefits, infer new demands based on possible urban growths and identify places on the periphery where the city can grow, among other possible uses.Um problema recorrente na arquitetura e no planejamento urbano- -territorial é conseguir encontrar grupos de elementos com características homogêneas. Na arquitetura, as classificações edilícias / construtivas são deduzidas de uma série de parâ- metros ou variáveis, e se a estrutura urbana for analisada é possível identificar áreas homogêneas de acordo com o tipo de uso do solo, cobertura de serviços, entre outros aspectos. Quando o volume de dados a processar é tal que não pode ser analisado pelos métodos convencionais, é necessário recorrer às técnicas de Big Data. Neste trabalho, será usado um framework para Big Data (Apache Spark) para descobrir áreas homogêneas em termos de cobertura de infraestrutura urbana básica e serviços de saneamento. Identificar tais áreas permitirá localizar lugares com benefícios semelhantes, inferir novas demandas a partir do possível crescimento urbano e identificar lugares na periferia onde a cidade pode crescer, entre outros usos possíveis.Fil: Barbero, Dante Andrés. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; ArgentinaFil: Chevez, Pedro Joaquín. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; ArgentinaFil: Discoli, Carlos Alberto. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; ArgentinaFil: Martini, Irene. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; ArgentinaUniversidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo2020-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/144817Barbero, Dante Andrés; Chevez, Pedro Joaquín; Discoli, Carlos Alberto; Martini, Irene; Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial; Universidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo; Cuaderno Urbano; 29; 29; 12-2020; 99-1181666-61861853-3655CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unne.edu.ar/index.php/crn/article/view/4624info:eu-repo/semantics/altIdentifier/doi/10.30972/crn.29294624info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:40:09Zoai:ri.conicet.gov.ar:11336/144817instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:40:09.674CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial Use of Big Data software in architecture and urban-territorial planning Uso de software de Big Data em arquitetura e planejamento urbano-territorial |
title |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
spellingShingle |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial Barbero, Dante Andrés BIGA DATA MINERIA DE DATOS ARQUITECTURA PLANIFICACION URBANA |
title_short |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
title_full |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
title_fullStr |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
title_full_unstemmed |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
title_sort |
Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial |
dc.creator.none.fl_str_mv |
Barbero, Dante Andrés Chevez, Pedro Joaquín Discoli, Carlos Alberto Martini, Irene |
author |
Barbero, Dante Andrés |
author_facet |
Barbero, Dante Andrés Chevez, Pedro Joaquín Discoli, Carlos Alberto Martini, Irene |
author_role |
author |
author2 |
Chevez, Pedro Joaquín Discoli, Carlos Alberto Martini, Irene |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
BIGA DATA MINERIA DE DATOS ARQUITECTURA PLANIFICACION URBANA |
topic |
BIGA DATA MINERIA DE DATOS ARQUITECTURA PLANIFICACION URBANA |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/2.11 https://purl.org/becyt/ford/2 |
dc.description.none.fl_txt_mv |
Un problema recurrente en arquitectura y planificación urbano-territorial es poder encontrar grupos de elementos con características homogéneas. En arquitectura, las clasificaciones edilicias/constructivas se deducen a partir de un número de parámetros o variables, y si se analiza la estructura urbana es posible identificar áreas homogéneas según el tipo de uso de suelo, cobertura de servicios, entre otros aspectos. Cuando el volumen de datos para procesar es tal que no se pueden analizar mediante métodos convencionales, es necesario recurrir a técnicas de Big Data. En este trabajo se utilizará un framework para Big Data (Apache Spark) para descubrir áreas homogéneas en cuanto a cobertura de servicios urbanos básicos de infraestructura y saneamiento. Identificar tales áreas permitirá localizar lugares con similares prestaciones, inferir nuevas demandas en función de posibles crecimientos urbanos e identificar lugares de la periferia hacia donde puede crecer la ciudad, entre otros posibles usos. A frequent problem in architecture and urban-territorial planning is to be able to find groups of elements with homogeneous characteristics. In architecture, building/construction classifications are deduced from a number of parameters or variables; and if the urban structure is analyzed, it is possible to identify homogeneous areas according to the type of land use, services coverage, among other possible aspects. When the volume of data to be processed is such that it cannot be analyzed by conventional methods, it is necessary to use Big data techniques. In this work, a framework for Big data (Apache Spark) will be used to discover homogeneous areas in terms of coverage of urban basic services of infrastructure and sanitation. Identifying such areas will allow to locate places with similar benefits, infer new demands based on possible urban growths and identify places on the periphery where the city can grow, among other possible uses. Um problema recorrente na arquitetura e no planejamento urbano- -territorial é conseguir encontrar grupos de elementos com características homogêneas. Na arquitetura, as classificações edilícias / construtivas são deduzidas de uma série de parâ- metros ou variáveis, e se a estrutura urbana for analisada é possível identificar áreas homogêneas de acordo com o tipo de uso do solo, cobertura de serviços, entre outros aspectos. Quando o volume de dados a processar é tal que não pode ser analisado pelos métodos convencionais, é necessário recorrer às técnicas de Big Data. Neste trabalho, será usado um framework para Big Data (Apache Spark) para descobrir áreas homogêneas em termos de cobertura de infraestrutura urbana básica e serviços de saneamento. Identificar tais áreas permitirá localizar lugares com benefícios semelhantes, inferir novas demandas a partir do possível crescimento urbano e identificar lugares na periferia onde a cidade pode crescer, entre outros usos possíveis. Fil: Barbero, Dante Andrés. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina Fil: Chevez, Pedro Joaquín. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina Fil: Discoli, Carlos Alberto. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina Fil: Martini, Irene. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido. - Universidad Nacional de la Plata. Instituto de Investigaciones y Politicas del Ambiente Construido.; Argentina |
description |
Un problema recurrente en arquitectura y planificación urbano-territorial es poder encontrar grupos de elementos con características homogéneas. En arquitectura, las clasificaciones edilicias/constructivas se deducen a partir de un número de parámetros o variables, y si se analiza la estructura urbana es posible identificar áreas homogéneas según el tipo de uso de suelo, cobertura de servicios, entre otros aspectos. Cuando el volumen de datos para procesar es tal que no se pueden analizar mediante métodos convencionales, es necesario recurrir a técnicas de Big Data. En este trabajo se utilizará un framework para Big Data (Apache Spark) para descubrir áreas homogéneas en cuanto a cobertura de servicios urbanos básicos de infraestructura y saneamiento. Identificar tales áreas permitirá localizar lugares con similares prestaciones, inferir nuevas demandas en función de posibles crecimientos urbanos e identificar lugares de la periferia hacia donde puede crecer la ciudad, entre otros posibles usos. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-12 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/144817 Barbero, Dante Andrés; Chevez, Pedro Joaquín; Discoli, Carlos Alberto; Martini, Irene; Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial; Universidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo; Cuaderno Urbano; 29; 29; 12-2020; 99-118 1666-6186 1853-3655 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/144817 |
identifier_str_mv |
Barbero, Dante Andrés; Chevez, Pedro Joaquín; Discoli, Carlos Alberto; Martini, Irene; Utilización de software de Big Data en la arquitectura y la planificación urbano-territorial; Universidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo; Cuaderno Urbano; 29; 29; 12-2020; 99-118 1666-6186 1853-3655 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://revistas.unne.edu.ar/index.php/crn/article/view/4624 info:eu-repo/semantics/altIdentifier/doi/10.30972/crn.29294624 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo |
publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Arquitectura y Urbanismo |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613270640525312 |
score |
13.070432 |