Projeto desenvolvido por 2 dias durante a Competição de Programação:
Dados e Tecnologias como Ferramentas para Impulsionar a Inovação na Gestão Pública
O EcoPrioridade é uma plataforma de inteligência urbana desenvolvida para auxiliar a gestão municipal na priorização de ações de zeladoria urbana, coleta de resíduos e prevenção de riscos ambientais.
O sistema utiliza:
- análise espacial
- machine learning
- dados geográficos
- inferência urbana
- logística inteligente
para gerar mapas preventivos e auxiliar a tomada de decisão em tempo real.
- Priorizar regiões urbanas críticas
- Reduzir riscos de alagamento
- Otimizar coleta de resíduos
- Melhorar resposta operacional
- Gerar inteligência urbana preventiva
- Auxiliar planejamento municipal sustentável
Projeto desenvolvido para hackathon com foco em:
- cidades inteligentes
- sustentabilidade
- gestão pública
- prevenção urbana
- inteligência operacional
| 🏙️ ODS 11 — Cidades e Comunidades Sustentáveis | ♻️ ODS 12 — Consumo e Produção Responsáveis |
|---|---|
| O sistema identifica áreas urbanas vulneráveis considerando: | O projeto identifica padrões de geração de resíduos e permite: |
| relevo | priorização inteligente de coleta |
| drenagem | identificação de regiões críticas |
| descarte irregular | prevenção de descarte irregular |
| densidade urbana | suporte à implantação de soluções sustentáveis |
| reclamações da população |
Que Problema Ajudamos a Resolver e quais ganhos entregamos?:
- De Reativo para Proativo: Antecipação de desastres urbanos (enchentes) através do cruzamento de alertas de chuvas intensas com heatmaps de risco e volume de lixo, prevendo antes que ocorra com utilizando IA para previsão (ou forecasting).
- Redução de Custos com Otimização de rotas de caminhões, economizando combustível e reduzindo a necessidade de horas extras para equipes de manutenção emergencial.
- Empoderamento Político e Orçamentário: Fornecimento de argumentos visuais em dados estatísticos para que o Secretário justifique pedidos de orçamento ao Prefeito.
- Alinhamento ODS: entrega de métricas claras para adequação às metas da Agenda 2030 (ODS 11 e 12), gerando reconhecimento por uma gestão inovadora e tecnológica.
Como alcançamos nossos segmentos de Clientes?
- Vendas B2G: participação em processos licitatórios (ou enquadramento no Marco Legal das Startups para contratação de testes de Inovação pelo poder público)
- Eventos e Feiras: apresentações em congressos de municípios (ex: Eventos da CNM) e feiras de Smart Cities.
- Demonstrações Diretas: Reuniões presenciais ou virtuais diretamente com as secretarias alvo, usando o município deles como exemplo no dashboard (prova de conceito rápida)
Por quais valores nossos clientes estão dispostos a pagar?
- Assinatura SaaS: cobrança mensal ou anual pelo uso da plataforma (licenciamento de software)
- Taxa de setup/implantação: cobrança unica para configuração inicial, integração das APIs específicas da região e treinamento da equipe operacional reduzida da prefeitura.
A solução além de evitar desastres, a solução melhora a saúde pública, garante a mobilidade urbana e aumenta a percepção de segurança e zeladoria pela população, refletindo em aprovação política.
Product Discovery:
- Mapa de Empatia
- Canvas da Proposta de Valor
- Business Canvas Model
Cliente Principal: Prefeituras de pequeno e medio porte (cidades com relevo desafiador e recursos limitados)
Usuário Final: Gestores Municipais (Secretários de Obras, Procuradoria, Planejamento, Meio Ambiente, Serviços Urbanos)
Beneficiário Indireto: A população local, que sofre com enchentes e ruas esburacadas, com doenças espalhadas pelo lixo e água acumulada propícia para desenvolvimento de outras doenças.
📍 Mapeamento Urbano Inteligente
- Divisão espacial da cidade
- Geração de zonas de influência
- Mapas preventivos
- Heatmaps de criticidade
🌧️ Análise de Risco Ambiental
O sistema calcula um Score de Risco/Urgência baseado em:
- volume de resíduos
- índice de chuva
- declividade
- densidade urbana
- reclamações urbanas
- risco de escoamento
🤖 Machine Learning para Reclamações
Classificação automática de denúncias urbanas utilizando:- análise textual
- NLP básico
- TF-IDF
- Logistic Regression
O modelo identifica automaticamente se um relato representa:
- descarte irregular
- entupimento
- risco urbano
- reclamação operacional
🗺️ Inteligência Espacial
- Diagrama Voronoi + Convex Hull
- análise geográfica
- geoprocessamento
- setores censitários
- inferência espacial
- otimização logística
🚛 Logística Inteligente
O sistema calcula:
- rotas prioritárias
- regiões críticas
- sequência otimizada de atendimento
utilizando conceitos de:
- Dijkstra
- grafos
- otimização operacional
HeatMap - Áreas previstas com maior risco
HeatMap Trash - Áreas com Maior Volumes de Lixo
HeatMap Population Density - Áreas de Maior densidade populacional
┌────────────────────┐
│ APIs Públicas │
│ │
│ • Open-Meteo │
│ • IBGE │
│ • OpenStreetMap │
│ • Nominatim │
│ • Overpass API │
└─────────┬──────────┘
│
▼
┌──────────────────────────┐
│ Motor Preditivo Python │
│ │
│ • NLP │
│ • Machine Learning │
│ • Spatial Analysis │
│ • Voronoi │
│ • Cálculo de Score │
│ • Logística Inteligente │
└─────────┬────────────────┘
│
▼
┌──────────────────────────┐
│ FastAPI REST API │
│ │
│ • Endpoints │
│ • Processamento │
│ • Integração │
└─────────┬────────────────┘
│
▼
┌──────────────────────────┐
│ Frontend Interativo │
│ │
│ • Heatmaps │
│ • Dashboard │
│ • Mapas Dinâmicos │
│ • Gestão Operacional │
└──────────────────────────┘
🔹 Backend: Python, FastAPI, Uvicorn
Responsável por: API REST, processamento espacial, cálculo de risco, integração dos dados
🔹 Frontend: HTML, CSS, JavaScript, Leaflet
Responsável por: renderização do mapa, interação do usuário, visualização dos indicadores
🔹 Dados Espaciais: GeoJSON, OpenStreetMap, setores censitários IBGE, modelos matemáticos
Arquivos Principais:
index.htmlmotor_preditivo.pyapi_server.py
🔂Ingestão de Dados:
- Periodicidade da coleta de lixo pelos bairros (seletiva e normal)
- Densidade populacional do município
- Volume de resíduos do município
- Relatos da Ouvidoria do município
- Dados topográficos do município
➗ Parâmetros dos Cálculos:
Cada bairro é formado pela junção de vários setores
- Malha do município através de técnicas usando Modelos Matemáticos de Geometria Computacional e Geoprocessamento.
- Diagrama de Voronoi e Envoltória Convexa [Convex Hull]
- Periodicidade da coleta de lixo pelos bairros (seletiva e normal)
- Cálculo da Densidade populacional por setor
- Cálculo do Volume de resíduos por setor
- Reclamações da Ouvidoria filtradas por NLP
- Cálculo da Declividade de cada bairro
🌐 APIs Públicas Utilizadas:
tais quais utilizadas para maior precisão dos cálculos e os fatores variáveis
- OpenStreetMap / Overpass API (Dados urbanos e infraestrutura viária)
- Open-meteo, INMET, SIMEPAR (meteorologia)
- IBGE e SIDRA IBGE
- Ouvidoria da Plataforma de Transparência de Cornélio Procópio (classificação ML)
- Elevation-API (Declividade de cada bairro)
- OpenStreetMap (reconhecimento das localizações centrais)
- Overpass API (OSM) (buscar infraestrutura)
- Nominatim API (geocodificação de regiões urbanas, endereços -> coordenadas)
📚 Bibliotecas:
- geopandas
- pandas
- FastAPI
- folium
- shapely
- numpy
- requests
- leaflet
- Scipy
- OSMnx
- Pydantic
- Uvicorn
- geopy
- scikit-learn
- Inteligência urbana preditiva
- Processamento geoespacial
- Machine learning textual
- Inferência territorial
- Priorização dinâmica
- Integração espacial em tempo real
- Arquitetura híbrida GIS + IA
- Integração com sensores IoT urbanos
- Forecasting temporal com séries temporais
- Uso de imagens de satélite
- Visão computacional para descarte irregular
- Integração com drones municipais
- Sistema de alerta preventivo em tempo real
- Dashboard analítico para tomada de decisão
- Integração com Defesa Civil
- Monitoramento de enchentes em tempo real
Com o Docker instalado e aberto digite nesta sequencia:
docker compose builddocker compose up -d
SWAGGER: http://localhost:8000/docs
API: http://localhost:8000/api/mapa
HTML: http://localhost:8000/static/index.html
- Jocimar Borges Júnior
- Lucas Fares Corrêa Auad Pereira
- João Pedro Aleksandrov Lorenzetti
- Eduardo de Oliveira Aguiar
- Eric Borges da Costa
Este projeto está protegido sob licença proprietária personalizada.
O uso comercial, redistribuição, modificação ou apropriação intelectual sem autorização explícita dos autores é proibido.