Entender as causas geradoras do movimento de pedestres é muito importante para o planejamento urbano das cidades, a fim de inferir se as atitudes tomadas na concepção e manutenção dos espaços estão de fato contribuindo para o fortalecimento da dinâmica social. No entanto, determinar como funciona o movimento dos pedestres é uma tarefa difícil devido à complexidade das estruturas sociais que criam esse fenômeno. Uma maneira de contornar esse problema é através da criação de modelos que associam diretamente os atributos das calçadas e suas relações. Dentre as metodologias observadas para a construção do modelo, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e o nível de serviço dos passeios. A Sintaxe Espacial ajuda na compreensão desse fenômeno, pois permite a análise das relações espaciais da cidade. No entanto, possui a limitação de prever apenas parte desse movimento e, ainda, só encontrar correlações significativas quando a medida de inteligibilidade (correlação entre a integração e conectividade) apresenta valores elevados. Do mesmo modo, a qualidade do passeio interfere diretamente no modo que o pedestre utiliza esse espaço. O fluxo de pedestre é um fenômeno complexo e, como tal, não pode ser entendido através de relações lineares ou de causa e efeito entre quaisquer variáveis, sejam elas espaciais ou não. Para entender a complexidade desse fenômeno será utilizada a abordagem conexionista das redes neurais artificiais, uma forma de processamento em paralelo com capacidade de trabalhar através de exemplos, generalizando e abstraindo as informações das variáveis e suas ligações. Deste modo, este trabalho pretende apresentar uma abordagem diferenciada para entender parte da dinâmica social através do fenômeno da movimentação de pedestres. / In Urban Planning, understanding pedestrian movement generative causes is key issue. Through it is possible to check if public policies targeting maintenance and improvement of open spaces are effectively reaching their goals in strengthening social dynamics. Nevertheless it is quite difficult to determinate how pedestrian movement functions due to social structure complexity driving these phenomena emergency and the extensive row of variables underlying it. One of the most effective problem-solving tools targeting the subject is modeling sidewalk attributes through the relations held amidst their physical variables and measured levels of use. Among several methods applied in model building, Space Syntax and Sidewalks Service Leveling were those which provided the best suitable tools to face the research problems. Space Syntax methods are helpful to understand the phenomena, since they allow to depict tendencies for pedestrian movement related directly to grid deformation patterns and spatial configuration. But its scope is limited since it substantiates movement potential rather than measured. Also because correlations found between pedestrian movement measurements and urban morphology are only robust when Integibility measure (correlating Integration to connectivity) is high. Likewise, sidewalk physical qualities are directly responsible for the way in which people move around, establish their routes or use public spaces, fulfilling or hijacking movement potential standards. Pedestrian fluxes are complex phenomena and being such, unable to be pictured by linear relations or explained through cause – effect conditioning between spatial or a-spatial variables. To depict the interdependence between variables amidst these phenomena complexity we opted for a connective approach found at Artificial Neural Nets; a way of parallel data processing which is able to modeling from samples due to their generalization capacity and that of extract information from the structuring variables and their relationships and linkages. Being so, this research presents an original combination of tools and methods that allow approaching social dynamics starting from pedestrian movement phenomena empirical data.

This research project took part in the SENA project (Autonomous Embedded Navigation System), which was developed at the Mobile Robotics Lab of the Mechatronics Group at the Engineering School of São Carlos, University of São Paulo (EESC - USP) in collaboration with the São Carlos Institute of Physics. Aiming for an autonomous behavior in the prototype vehicle this dissertation focused on deploying some machine learning algorithms to support its perception. These algorithms enabled the vehicle to execute articial-intelligence tasks, such as prediction and memory retrieval for object classication. Even though in autonomous navigation there are several perception, cognition and actuation tasks, this dissertation focused only on perception, which provides the vehicle control system with information about the environment around it. The most basic information to be provided is the existence of objects (obstacles) around the vehicle. In formation about the sort of object it is also provided, i.e., its classication among cars, pedestrians, stakes, the road, as well as the scale of such an object and its position in front of the vehicle. The environmental data was acquired by using a camera and a Velodyne LiDAR. A ceiling analysis of the object detection pipeline was used to simulate the proposed methodology. As a result, this analysis estimated that processing specic regions in the PDF Compressor Pro xii image (i.e., Regions of Interest, or RoIs), where it is more likely to nd an object, would be the best way of improving our recognition system, a process called image normalization. Consequently, experimental results in a data-fusion approach using laser data and images, in which RoIs were found using the LiDAR data, showed that the fusion approach can provide better object detection and classication compared with the use of either camera or LiDAR alone. Deploying a data-fusion classication using RoI method can be executed at 6 Hz and with 100% precision in pedestrians and 92.3% in cars. The fusion also enabled road estimation even when there were shadows and colored road markers in the image. Vision-based classier supported by LiDAR data provided a good solution for multi-scale object detection and even for the non-uniform illumination problem. / Este projeto de pesquisa fez parte do projeto SENA (Sistema Embarcado de Navegação Autônoma), ele foi realizado no Laboratório de Robótica Móvel do Grupo de Mecatrônica da Escola de Engenharia de São Carlos (EESC), em colaboração com o Instituto de Física de São Carlos (IFSC). A grande motivação do projeto SENA é o desenvolvimento de tecnologias assistidas e autônomas que possam atender às necessidades de diferentes tipos de motoristas (inexperientes, idosos, portadores de limitações, etc.). Vislumbra-se que a aplicação em larga escala desse tipo de tecnologia, em um futuro próximo, certamente reduzirá drasticamente a quantidade de pessoas feridas e mortas em acidentes automobilísticos em estradas e em ambientes urbanos. Nesse contexto, este projeto de pesquisa teve como objetivo proporcionar informações relativas ao ambiente ao redor do veículo, ao sistema de controle e de tomada de decisão embarcado no veículo autônomo. As informações mais básicas fornecidas são as posições dos objetos (obstáculos) ao redor do veículo; além disso, informações como o tipo de objeto (ou seja, sua classificação em carros, pedestres, postes e a própria rua mesma), assim como o tamanho deles. Os dados do ambiente são adquiridos através do emprego de uma câmera e um Velodyne LiDAR. Um estudo do tipo ceiling foi usado para simular a metodologia da detecção dos obstáculos. Estima-se que , após realizar o estudo, que analisar regiões especificas da imagem, chamadas de regiões de interesse, onde é mais provável encontrar um obstáculo, é o melhor jeito de melhorar o sistema de reconhecimento. Observou-se na implementação da fusão dos sensores que encontrar regiões de interesse usando LiDAR, e classificá-las usando visão artificial fornece um melhor resultado na hora de compará-lo com os resultados ao usar apenas câmera ou LiDAR. Obteve-se uma classificação com precisão de 100% para pedestres e 92,3% para carros, rodando em uma frequência de 6 Hz. A fusão dos sensores também forneceu um método para estimar a estrada mesmo quando esta tinha sombra ou faixas de cor. Em geral, a classificação baseada em visão artificial e LiDAR mostrou uma solução para detecção de objetos em várias escalas e mesmo para o problema da iluminação não uniforme do ambiente.

O movimento de pedestres está associado ao espaço em que ele acontece, de maneira local, onde cada calçada oferece vantagens físicas e de maneira global ao determinar rotas através dos caminhos da cidade. Entender como os pedestres escolhem as calçadas por onde se locomovem é essencial para determinar as características do ambiente necessárias aos espaços. Uma maneira de entender essas relações é através da criação de modelos urbanos, um modo de associar diretamente os atributos aos fenômenos. Buscou-se analisar metodologias utilizadas em modelos de pedestres, bem como novas tecnologias incorporadas a eles, para avaliar a movimentação peatonal urbana em áreas centrais de tecido tradicional. Dentre as metodologias observadas, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e as medidas de desempenho dos passeios. A sintaxe se destaca por relacionar o efeito da malha urbana como indutora do movimento de pedestres, e as medidas de desempenho por criarem maneiras de avaliar a qualidade do passeio. Esta pesquisa procura compatibilizar esses dois métodos de abordar o movimento para descrever e compreender as relações entre o espaço e o fluxo de pedestres na área central da cidade de Santa Maria-RS. As variáveis do espaço urbano foram processadas com as redes neurais artificiais, uma tecnologia inovadora com muito potencial na área de modelagem urbana, por sua aptidão de aprendizado a partir de exemplos - fenômenos que não possuem regras explícitas - e processamento em paralelo dos dados - todas as variáveis se influenciam ao mesmo tempo para resultar no fenômeno estudado. Os resultados obtidos mostraram-se pertinentes às bases teóricas e contribuem para a explicação do movimento natural em cidades. / The pedestrians’ movement is associated to the space where it happens, on a local way, where each sidewalk offers physical advantages and in a global way when determining routes through the city roads. To understand how the pedestrians choose the sidewalks where they will move around is essential to determine the ambient characteristics that are necessary on the spaces. A way of understanding these relations is by creating urban models, a way of associating directly the attributes to the phenomena. It was tried to analyze methodologies used in pedestrians' models, as well as new technologies incorporated to them, to evaluate the urban pedestrian movement at central areas of the traditional cities. Among the observed methodologies, those which were more appropriated to understand the factors contained in the urban space were the spatial syntax and the measures of sidewalks performance. The syntax stands out by relating the effect of the urban grid as the factor that induces the pedestrians’ movement and the performance measures because they create forms of evaluating the sidewalk’s quality. This research attempts to make compatible those two methods of approaching the movement to describe and to understand the relations between the space and the pedestrians' flow in the central area of Santa Maria-RS The urban space variables were processed with the artificial neural networks, an innovative technology with a lot of potential in the urban modeling area, on account of its learning aptitude starting from examples - phenomena that don't have explicit rules - and the parallel processing of the data - all the variables influence each other at the same time to result in the studied phenomenon. The obtained results were shown pertinent to the theoretical bases and they contribute to the explanation of the natural movement in cities. The results were shown pertinent to the theoretical bases and they contribute to explaining the natural movement in the cities.

O movimento de pedestres está associado ao espaço em que ele acontece, de maneira local, onde cada calçada oferece vantagens físicas e de maneira global ao determinar rotas através dos caminhos da cidade. Entender como os pedestres escolhem as calçadas por onde se locomovem é essencial para determinar as características do ambiente necessárias aos espaços. Uma maneira de entender essas relações é através da criação de modelos urbanos, um modo de associar diretamente os atributos aos fenômenos. Buscou-se analisar metodologias utilizadas em modelos de pedestres, bem como novas tecnologias incorporadas a eles, para avaliar a movimentação peatonal urbana em áreas centrais de tecido tradicional. Dentre as metodologias observadas, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e as medidas de desempenho dos passeios. A sintaxe se destaca por relacionar o efeito da malha urbana como indutora do movimento de pedestres, e as medidas de desempenho por criarem maneiras de avaliar a qualidade do passeio. Esta pesquisa procura compatibilizar esses dois métodos de abordar o movimento para descrever e compreender as relações entre o espaço e o fluxo de pedestres na área central da cidade de Santa Maria-RS. As variáveis do espaço urbano foram processadas com as redes neurais artificiais, uma tecnologia inovadora com muito potencial na área de modelagem urbana, por sua aptidão de aprendizado a partir de exemplos - fenômenos que não possuem regras explícitas - e processamento em paralelo dos dados - todas as variáveis se influenciam ao mesmo tempo para resultar no fenômeno estudado. Os resultados obtidos mostraram-se pertinentes às bases teóricas e contribuem para a explicação do movimento natural em cidades. / The pedestrians’ movement is associated to the space where it happens, on a local way, where each sidewalk offers physical advantages and in a global way when determining routes through the city roads. To understand how the pedestrians choose the sidewalks where they will move around is essential to determine the ambient characteristics that are necessary on the spaces. A way of understanding these relations is by creating urban models, a way of associating directly the attributes to the phenomena. It was tried to analyze methodologies used in pedestrians' models, as well as new technologies incorporated to them, to evaluate the urban pedestrian movement at central areas of the traditional cities. Among the observed methodologies, those which were more appropriated to understand the factors contained in the urban space were the spatial syntax and the measures of sidewalks performance. The syntax stands out by relating the effect of the urban grid as the factor that induces the pedestrians’ movement and the performance measures because they create forms of evaluating the sidewalk’s quality. This research attempts to make compatible those two methods of approaching the movement to describe and to understand the relations between the space and the pedestrians' flow in the central area of Santa Maria-RS The urban space variables were processed with the artificial neural networks, an innovative technology with a lot of potential in the urban modeling area, on account of its learning aptitude starting from examples - phenomena that don't have explicit rules - and the parallel processing of the data - all the variables influence each other at the same time to result in the studied phenomenon. The obtained results were shown pertinent to the theoretical bases and they contribute to the explanation of the natural movement in cities. The results were shown pertinent to the theoretical bases and they contribute to explaining the natural movement in the cities.

O movimento de pedestres está associado ao espaço em que ele acontece, de maneira local, onde cada calçada oferece vantagens físicas e de maneira global ao determinar rotas através dos caminhos da cidade. Entender como os pedestres escolhem as calçadas por onde se locomovem é essencial para determinar as características do ambiente necessárias aos espaços. Uma maneira de entender essas relações é através da criação de modelos urbanos, um modo de associar diretamente os atributos aos fenômenos. Buscou-se analisar metodologias utilizadas em modelos de pedestres, bem como novas tecnologias incorporadas a eles, para avaliar a movimentação peatonal urbana em áreas centrais de tecido tradicional. Dentre as metodologias observadas, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e as medidas de desempenho dos passeios. A sintaxe se destaca por relacionar o efeito da malha urbana como indutora do movimento de pedestres, e as medidas de desempenho por criarem maneiras de avaliar a qualidade do passeio. Esta pesquisa procura compatibilizar esses dois métodos de abordar o movimento para descrever e compreender as relações entre o espaço e o fluxo de pedestres na área central da cidade de Santa Maria-RS. As variáveis do espaço urbano foram processadas com as redes neurais artificiais, uma tecnologia inovadora com muito potencial na área de modelagem urbana, por sua aptidão de aprendizado a partir de exemplos - fenômenos que não possuem regras explícitas - e processamento em paralelo dos dados - todas as variáveis se influenciam ao mesmo tempo para resultar no fenômeno estudado. Os resultados obtidos mostraram-se pertinentes às bases teóricas e contribuem para a explicação do movimento natural em cidades. / The pedestrians’ movement is associated to the space where it happens, on a local way, where each sidewalk offers physical advantages and in a global way when determining routes through the city roads. To understand how the pedestrians choose the sidewalks where they will move around is essential to determine the ambient characteristics that are necessary on the spaces. A way of understanding these relations is by creating urban models, a way of associating directly the attributes to the phenomena. It was tried to analyze methodologies used in pedestrians' models, as well as new technologies incorporated to them, to evaluate the urban pedestrian movement at central areas of the traditional cities. Among the observed methodologies, those which were more appropriated to understand the factors contained in the urban space were the spatial syntax and the measures of sidewalks performance. The syntax stands out by relating the effect of the urban grid as the factor that induces the pedestrians’ movement and the performance measures because they create forms of evaluating the sidewalk’s quality. This research attempts to make compatible those two methods of approaching the movement to describe and to understand the relations between the space and the pedestrians' flow in the central area of Santa Maria-RS The urban space variables were processed with the artificial neural networks, an innovative technology with a lot of potential in the urban modeling area, on account of its learning aptitude starting from examples - phenomena that don't have explicit rules - and the parallel processing of the data - all the variables influence each other at the same time to result in the studied phenomenon. The obtained results were shown pertinent to the theoretical bases and they contribute to the explanation of the natural movement in cities. The results were shown pertinent to the theoretical bases and they contribute to explaining the natural movement in the cities.