Algoritmos de clustering e técnicas de ia para identificação de padrões espaciais: uma revisão sistemática
Resumo
O presente artigo apresenta uma revisão sistemática focada na implementação de algoritmos de clustering para análise de dados geoespaciais e na integração de técnicas de inteligência artificial (IA) em sistemas de informação geográfica (SIG). Tem-se como objetivo destacar a importância da inteligência artificial e sua aplicação como ferramentas para identificação e análise de padrões de informação em ambientes geoespaciais. Para alcançar esse objetivo, foram empregados métodos de pesquisa exploratória, documental e descritiva, além da análise de diversas fontes científicas, permitindo uma avaliação crítica dos avanços mais significativos nessa área. Esta revisão sistemática foi adaptada ao contexto dos algoritmos de clustering e dos sistemas de informação geográfica. A metodologia possibilitou uma busca de qualidade com estudos relevantes, realizando inclusão, exclusão e avaliação crítica das fontes. A análise revelou que os sistemas de informação geográfica, combinados com técnicas de inteligência artificial, podem oferecer uma ampla gama de aplicações em diferentes áreas de estudo, nos quais a identificação de padrões espaciais tornou-se uma ferramenta chave para aprimorar a compreensão de fenômenos complexos.
Downloads
Referências
Abubahia, A., & Cocea, M. (2015). A clustering approach for protecting GIS vector data. In J. Zdravkovic, M. Kirikova, & P. Johannesson, (eds.). Advanced Information Systems Engineering (pp. 133–147). Springer. https://doi.org/10.1007/978-3-319-19069-3_9
Aksoy, E. (2006, octubre 8-13). Clustering with GIS: An attempt to classify Turkish district data [Conferencia]. XXIII FIG International Congress, Munich, Alemania.
Amat, J. (2017). Clustering y heatmaps: Aprendizaje no supervisado. https://rpubs.com/Joaquin_AR/310090
Biswas, S., Chen, F., Sistrunk, A., Muthiah, S., Chen, Z., Self, N., Lu, C.-T., & Ramakrishnan, N. (2020). Geospatial clustering for balanced and proximal schools. Proceedings of the AAAI Conference on Artificial Intelligence, 34(9), 13358–13365. https://doi.org/10.1609/aaai.v34i09.7058
Castillo, G. (2023, 16 de febrero). Aprendizaje no supervisado: ¿Qué es y cómo funciona? NeuroK. https://neurok.es/aprendizaje-no-supervisado-que-es/
Folini, A., Lenzi, E., & Biraghi, C. A. (2022). Cluster analysis: A comprehensive and versatile QGIS plugin for pattern recognition in geospatial data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-4/W1-2022, 151–157. https://doi.org/10.5194/isprs-archives-XLVIII-4-W1-2022-151-2022
Fontalvo, H. T., Vega, H. M., & Mejía, Z. F. (2023). Método de clustering e inteligencia artificial para clasificar y proyectar delitos violentos en Colombia. Revista Científica General José María Córdova, 21(42), 551–572. https://doi.org/10.21830/19006586.1117
García, P., Villota, O. W., & Litardo, U. J. (2017). Detección automática del nivel de crimen basado en el análisis de puntos calientes en la ciudad de Guayaquil. Dominio de las Ciencias, 3(2), 367–379.
Kitchenham, B., & Brereton, P. (2013). A systematic review of systematic review process research in software engineering. Information and Software Technology, 55(12), 2049–2075. https://doi.org/10.1016/j.infsof.2013.07.010
Laskowski, J. F., & Tomiło, P. (2023). A new AI-based method for clustering survey responses. Journal of Modern Science, 54(5), 355–377. https://doi.org/10.13166/jms/176171
Lemenkova, P. (2021). Evaluating land cover types from Landsat TM using SAGA GIS for vegetation mapping based on ISODATA and k-means clustering. Acta Agriculturae Serbica, 26(52), 159–165. https://doi.org/10.5937/AASer2152159L
Li, W., Arundel, S., Gao, S., Goodchild, M., Hu, Y., Wang, S., & Zipf, A. (2024). GeoAI for science and the science of GeoAI. Journal of Spatial Information Science, 29, 1–17. https://doi.org/10.5311/JOSIS.2024.29.349
Mohammad, N. (2023). A computational theory and semi-supervised algorithm for clustering. arXiv. https://doi.org/10.48550/arXiv.2306.06974
Mouraz, C. P., Almeida, R. M. S. F., & Mendes, S. J. (2022). Combining cluster analysis and GIS maps to characterise building stock: Case study in the historical city centre of Viseu, Portugal. Journal of Building Engineering, 58. https://doi.org/10.1016/j.jobe.2022.104949
Muhammad, S. (2019). Application of labelled k means clustering for GIS contract automation. Journal of Engineering and Applied Sciences, 38(1), 25–34.
Nieto, W., Plata, D., Torres, R., & Solano, E. (2023). Data analysis y clustering para el análisis de crímenes de alto impacto en Barranquilla [Tesis de grado, Universidad del Norte].
Pedada, S. (2023, 07 de junio). ¿Qué es el análisis geoespacial? El plan antes del plan real. Mind the Graph. https://mindthegraph.com/blog/es/analisis-geoespacial/
Ramírez, L. (2023, 11 de abril). Algoritmo k-means: ¿Qué es y cómo funciona? IEBS. https://n9.cl/8zbcu7
Roy, P., & Mandal, J. K. (2012). A novel spatial fuzzy clustering using Delaunay triangulation for large scale GIS data (NSFCDT). Procedia Technology, 6, 452–459. https://doi.org/10.1016/j.protcy.2012.10.054
Sancho, C. F. (2023). Algoritmos de clustering. MatematIA. https://n9.cl/2f0tp4
Schoier, G., & Gregorio, C. (2017). Clustering algorithms for spatial big data. In O. Gervasi, B. Murgante, S. Misra, G. Borruso, C. M. Torre, A. M. A. C. Rocha, D. Taniar, B. O. Apduhan, E. Stankova, & A. Cuzzocrea, (eds.). Computational Science and Its Applications – ICCSA 2017 (pp. 571–583). Springer. https://doi.org/10.1007/978-3-319-62401-3_41
Velandia, R., Guataquira, A., & Prada, J. (2018). Prototipo de un modelo clasificador para la toma de decisiones a partir de la percepción actual de la seguridad en Bogotá. Tecnología, Innovación y Aplicación, 6(2), 18–24.
Vichi, M., Cavicchia, C., & Groenen, P. J. F. (2022). Hierarchical means clustering. Journal of Classification, 39(3), 553–577. https://doi.org/10.1007/s00357-022-09419-7
Copyright (c) 2025 José Roman Castro San Agustín, Marco Alberto Mendoza Pérez, Anabelem Soberanes Martín
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
