-
Notifications
You must be signed in to change notification settings - Fork 23
/
Copy paths5_dados_aop.qmd
105 lines (87 loc) · 7.23 KB
/
s5_dados_aop.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
# SEÇÃO 5: Dados do Projeto Acesso a Oportunidades
**Os objetivos desta seção** são: i) apresentar os dados de acessibilidade, de uso do solo e socioeconômicos disponibilizados pelo projeto Acesso a Oportunidades (AOP); e ii) ensinar a baixá-los e utilizá-los com o pacote de R `{aopdata}`.
Nos capítulos anteriores, aprendemos sobre o conceito de acessibilidade, como traduzi-lo em medidas quantitativas e como calcular essas medidas usando R. No entanto, frequentemente nos deparamos com situações em que não podemos estimar os níveis de acessibilidade por conta própria, por não termos o tempo ou os dados necessários para isso, ou em que não precisamos fazer esse cálculo, porque tais estimativas já foram realizadas por outras pessoas. Ao longo dos próximos capítulos, apresentaremos a base de dados com estimativas de acessibilidade criada e disponibilizada no âmbito do projeto [Acesso a Oportunidades](https://www.ipea.gov.br/acessooportunidades/) (AOP).
O AOP é um projeto de pesquisa liderado pelo Instituto de Pesquisa Econômica Aplicada (Ipea) com o objetivo de compreender as condições de transporte e as desigualdades de acesso a oportunidades nas cidades brasileiras. Todos os resultados dos dados produzidos pela equipe do AOP são disponibilizados publicamente. A base disponibilizada contém não apenas estimativas de acessibilidade urbana, mas também informações sobre distribuição e contagem populacional e de atividades econômicas e serviços públicos[^aop_papers]. Os dados estão agregados espacialmente em uma grade hexagonal que segue o sistema de gradeamento [H3](https://h3geo.org/), desenvolvido pela Uber [@brodsky2018h3]. Cada célula espacial tem cerca de 0,11 km², área similar à coberta por um quarteirão, permitindo análises em alta resolução espacial. Como apresentado na @fig-data_scope, as estimativas de acessibilidade estão disponíveis para 2017, 2018 e 2019 e para as vinte maiores cidades do Brasil, considerando diferentes modos de transporte (caminhada, bicicleta, transporte público e automóvel), horários do dia (pico e fora-pico), grupos populacionais (segundo níveis de renda, cor, sexo e idade) e tipos de atividade (empregos, escolas, serviços de saúde e centros de assistência social).
[^aop_papers]: As metodologias utilizadas para gerar esses dados são apresentadas em detalhe em publicações separadas para os dados populacionais e de uso do solo [@pereira2022distribuicao] e para os dados de acessibilidade [@pereira2022estimativas].
```{r}
#| echo: false
#| label: fig-data_scope
#| fig-cap: Escopo dos dados do projeto AOP
knitr::include_graphics("images/aop_data_scope.png")
```
Os níveis de acessibilidade por transporte público foram estimados apenas para as cidades que disponibilizaram ao projeto dados GTFS de qualidade considerada aceitável. São elas: Belo Horizonte, Campinas, Curitiba, Fortaleza, Goiânia[^goiania], Porto Alegre, Recife, Rio de Janeiro e São Paulo. Ainda assim, algumas dessas cidades disponibilizaram *feeds* apenas para determinados anos ou compartilharam arquivos considerados não representativos do sistema de transporte público operado na prática, resultando na exclusão das estimativas dessas cidades para alguns anos. A @fig-geo_scope indica as cidades para as quais foram calculados os níveis de acessibilidade por modo de transporte.
[^goiania]: O GTFS de Goiânia descreve a rede de transporte público não apenas do município, mas de toda a sua região metropolitana.
```{r}
#| echo: false
#| label: fig-geo_scope
#| fig-cap: Escopo geográfico dos dados do projeto AOP (cidades destacadas com asterisco não possuem estimativas por transporte público para todos os anos)
knitr::include_graphics("images/aop_geographical_scope.png")
```
A seguir, duas tabelas resumem os dados disponibilizados pelo projeto. A @tbl-tabela_dados_access apresenta os dados de acessibilidade urbana.
```{r}
#| echo: false
#| label: tbl-tabela_dados_access
#| tbl-cap: Indicadores de acessibilidade calculados pelo projeto AOP
tabela_dados_access <- data.table::data.table(
`Indicador (código)` = c(
"Tempo mínimo de viagem (TMI)",
"Medida cumulativa ativa (CMA)",
"Medida cumulativa passiva (CMP)"
),
Descrição = c(
"Tempo até a oportunidade mais próxima",
"Quantidade de oportunidades acessíveis em um determinado limite de tempo",
"Quantidade de pessoas que acessam a localidade em um determinado limite de tempo"
),
`Tipo de oportunidades` = c(
"Saúde, educação e Centros de Referência de Assistência Social (CRAS)",
"Trabalho, saúde, educação e CRAS",
"-"
),
`Limites de tempo de viagem` = c(
"A pé (60 minutos); bicicleta, transporte público e carro (120 minutos)",
"A pé e bicicleta (15, 30, 45 e 60 minutos); transporte público e carro (15, 30, 60, 90 e 120 minutos)",
"A pé e bicicleta (15, 30, 45 e 60 minutos); transporte público e carro (15, 30, 60, 90 e 120 minutos)"
)
)
knitr::kable(tabela_dados_access)
```
Já a @tbl-tabela_dados_aop apresenta os dados de características socioeconômicas da população e de distribuição espacial de oportunidades:
```{r}
#| echo: false
#| label: tbl-tabela_dados_aop
#| tbl-cap: Dados socioeconômicos da população e de distribuição espacial de atividades agregados pelo AOP, segundo ano de referência e fonte de dados
tabela_dados_pop <- data.table::data.table(
Dado = c(
"Características sociodemográficas da população",
"Estabelecimentos de educação",
"Estabelecimentos de saúde",
"Atividade econômica",
"Estabelecimentos de assistência social"
),
Informações = c(
"Quantidade de pessoas segundo sexo, faixa de idade e cor/raça; média da renda per capita",
"Quantidade de creches e escolas públicas segundo nível de ensino (infantil, fundamental e médio)",
"Quantidade de estabelecimentos de saúde que atendem pelo Sistema Único de Saúde (SUS) segundo nível de atenção (baixa, média e alta complexidade)",
"Quantidade de empregos formais conforme o nível de instrução dos trabalhadores (baixa, média e alta escolaridade)",
"Quantidade de CRAS"
),
Anos = c(
"2010",
"2017, 2018, 2019",
"2017, 2018, 2019",
"2017, 2018, 2019",
"2017, 2018, 2019"
),
Fonte = c(
"Censo Demográfico do Instituto Brasileiro de Geografia e Estatística (IBGE)",
"Censo Escolar do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep)",
"Cadastro Nacional de Estabelecimentos de Saúde (CNES) do Ministério da Saúde",
"Relação Anual de Informações Sociais (RAIS) do Ministério da Economia",
"Censo do Sistema Único de Assistência Social (Censo SUAS) do Ministério da Cidadania"
)
)
knitr::kable(tabela_dados_pop)
```
Todas as bases de dados criadas pelo projeto AOP estão disponíveis para *download* em seu [*site*](https://www.ipea.gov.br/acessooportunidades/dados/) ou pelo pacote de R `{aopdata}`. O dicionário de dados pode ser acessado *online*[^aop_data_dictionary] ou, em uma sessão de R, com o comando `aopdata::aopdata_dictionary(lang = "pt")`. Os capítulos desta seção apresentam diversos exemplos de como baixar e visualizar esses dados em R.
[^aop_data_dictionary]: Disponível em <https://ipeagit.github.io/aopdata/articles/data_dic_pt.html>.