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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/144817

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