Machine Translated by Google

Cidades Inteligentes com Sistemas Gêmeos Digitais para

Gestão de Desastres
David N. Ford, Ph.D., PE, M.ASCE1 ; e Charles M. Wolf, Dr.Eng., PE, M.ASCE2

Resumo: A exploração de cidades inteligentes com gêmeos digitais (SCDT) requer a integração de detecção e simulação em diversos sistemas de infraestrutura no
gerenciamento da comunidade. A gestão comunitária de desastres pode fornecer uma base valiosa para o desenvolvimento do SCDT.
O presente trabalho propõe e testa um modelo conceitual de um SCDT para gerenciamento de desastres e descreve duas ameaças ao desenvolvimento do SCDT
que podem ser mitigadas focando o desenvolvimento no gerenciamento de desastres. Os loops de informações, em oposição aos componentes individuais, são
identificados como um foco futuro crítico do desenvolvimento do SCDT. As principais contribuições incluem suporte para o desenvolvimento do SCDT para
gerenciamento de desastres, um SCDT conceitual para o modelo de gerenciamento de desastres e uma discussão de questões a serem abordadas no
desenvolvimento e implantação do SCDT para gerenciamento de desastres. DOI: 10.1061/(ASCE)ME.1943-5479.0000779. Este trabalho é disponibilizado sob os
termos da licença Creative Commons Attribution 4.0 International, https://creativecommons.org/licenses/by/4.0/.

Introdução os sistemas da comunidade e as interações entre sistemas e populações para

alcançar os resultados desejados.
Uma comunidade é um sistema complexo de sistemas interativos que usa As comunidades vivenciam desastres em quatro fases: mitigação,
bens e serviços para beneficiar seus residentes. Alguns desses sistemas são preparação, resposta e recuperação (FEMA 2016; Thorvaldsdottir e
infraestruturas construídas, enquanto outros são infraestruturas sociais. Sigbjornsson 2013; Condado de St. Louis 2018). As fases do desastre evoluem
Exemplos de infraestruturas construídas incluem estradas, drenagem pluvial, em diferentes horizontes de tempo. A mitigação e a preparação são operações
energia elétrica e água potável. Exemplos de infraestruturas sociais incluem contínuas, a resposta evolui ao longo de dias e semanas e a recuperação
governança, segurança e proteção, saúde, comércio e educação. Os sistemas evolui ao longo de meses e anos. A pesquisa apóia essa conceituação. Por
de infra-estrutura construída (por exemplo, hospitais, escritórios e centros exemplo, Kates et al. (2006) constataram na recuperação de Nova Orleans
comerciais) apoiam as pessoas (por exemplo, residentes, visitantes, após o furacão Katrina que entre as fases de emergência, restauração e
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de

trabalhadores) e os sistemas de infra-estrutura social utilizam instalações
construídas para servir as populações. A evolução de uma comunidade é
impulsionada e limitada por suas infraestruturas e pelas pessoas que
desenvolvem e usam essas infraestruturas à medida que respondem a forças
internas e externas e decisões de liderança. As interdependências e interações
entre os sistemas comunitários criam estruturas causais de gerenciamento de
ciclo fechado que afetam os comportamentos da comunidade (Little et al. 2015; Oh et al.
2013; Rinaldi et ai. 2001).
Os desastres enfatizam severamente as interdependências do sistema
comunitário, danificando ou destruindo infraestruturas construídas, deslocando
populações e interrompendo sistemas individuais e suas interações. Como um
exemplo simples, se um furacão forçar uma grande fração de uma comunidade
a evacuar, o tamanho reduzido da força de trabalho da construção pode
restringir a reconstrução de casas, o que limitaria o número de pessoas que
podem retornar a uma moradia adequada. Essa restrição à repatriação poderia
reduzir as receitas fiscais futuras disponíveis para recuperação e o crescimento
da força de trabalho e, portanto, do comércio, o que limitaria ainda mais a
reconstrução de residências. Portanto, as intervenções eficazes de gestão de
desastres devem influenciar tanto
1 oportunidades para melhorar consideravelmente o gerenciamento da
Urban/Beavers Professor of Construction Engineering and
Management, Zachry Dept. of Civil and Environmental Engineering,
Texas A&M Univ., Mail Stop 3136, College Station, TX 77843 (autor
correspondente). ORCID: https://orcid.org/0000-0003-3511-1360. E-
mail: DavidFord@tamu.edu
2
Professor of Practice, Zachry Dept. of Civil and Environmental Engineering,
Texas A&M Univ., Mail Stop 3136, College Station, TX 77843.
E-mail: chuck.wolf@tamu.edu
Observação. Este manuscrito foi submetido em 21 de fevereiro de 2019;
aprovado em 17 de dezembro de 2019; publicado online em 9 de abril de 2020.
Período de discussão aberto até 9 de setembro de 2020; discussões separadas
devem ser submetidas para artigos individuais. Este artigo faz parte do Journal of
Management in Engineering, © ASCE, ISSN 0742-597X.
reconstrução I e II cada fase demorou muito mais do que a fase anterior.
Tamura (2007) descobriu que a restauração das linhas de vida, ferrovias,
estradas e instalações portuárias após o grande terremoto de Hanshin-Awaji
levou 2 anos, a restauração de moradias levou 5 anos e a recuperação
econômica levou mais de 10 anos. A pesquisa também mostra que as
experiências e o gerenciamento de desastres são específicos da comunidade
e do desastre e que as comunidades evoluem ao longo de uma experiência de
desastre. Portanto, um progresso significativo na gestão de desastres
comunitários requer capacidades que possam sintetizar as características e
condições únicas de uma comunidade durante um desastre específico e
antecipar a evolução de uma comunidade após um desastre. Cidades
inteligentes com gêmeos digitais (SCDT) podem fornecer esses recursos. O
Conselho de Cidades Inteligentes (2019) define uma cidade inteligente como
aquela que “usa a tecnologia da informação e comunicação (TIC) para melhorar
sua capacidade de vida, trabalhabilidade e sustentabilidade”. Mikell e Mikell
(2018) definem gêmeos digitais como “a representação virtual de um objeto ou
sistema físico em todo o seu ciclo de vida”. Um SCDT reúne esses dois
componentes.
Quando totalmente aplicado no nível da comunidade, o SCDT apresenta
comunidade. Por exemplo, Cingapura está buscando ativamente tornar-se a
chamada nação inteligente em um esforço para melhorar o bem-estar humano,
a qualidade de vida e o gerenciamento da infraestrutura (maio de 2019).
Relacionadas a desastres, as cidades inteligentes podem usar tecnologias
avançadas para detectar as condições de sistemas importantes, e os gêmeos
digitais podem usar imagens virtuais para simulação de sistemas comunitários
para prever os impactos das estratégias propostas. Um SCDT em nível de
comunidade se integra em sistemas de infraestrutura social e construída, que
são detectados e para os quais as condições futuras são previstas com um ou
mais gêmeos digitais. Os dados em tempo real disponíveis nas tecnologias de
cidades inteligentes podem reduzir o tempo de obtenção de dados e melhorar as decisões, f

© ASCE 04020027-1 J. Gerenciar. Eng.

J. Gerenciar. Eng., 2020, 36(4): 04020027

 Machine Translated by Google
Fig. 1. Um modelo de feedback de gestão iterativa de desastres comunitários.
informações adicionais, pois os líderes de gerenciamento de desastres respondem a
condições que geralmente mudam rapidamente, exigindo respostas rápidas (Lindell et
al. 2007). Os gêmeos digitais também podem melhorar e potencialmente otimizar as
estratégias de gerenciamento de desastres, fornecendo aos líderes previsões confiáveis
dos prováveis impactos das decisões propostas por meio de experimentação rápida e
barata. No entanto, como será descrito, o SCDT ainda não evoluiu para capturar esses
benefícios, e é necessário trabalho adicional para desenvolver o SCDT em nível
comunitário para melhorar o gerenciamento de desastres ou o gerenciamento geral da
comunidade.
A Fig. 1 (criada no Vensim) mostra um modelo de um ciclo iterativo de
gerenciamento de desastres comunitários. Nas fases de resposta e recuperação, a
coleta de dados é aplicada às condições existentes da comunidade para desenvolver
imagens que são usadas em modelos de simulação mental ou formal para prever as
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
condições que ocorrerão se diferentes decisões possíveis forem tomadas. Estes
resultam em decisões que levam a ações
e mudanças nas condições da comunidade. Os ciclos subsequentes se adaptam às
mudanças nas condições da comunidade à medida que a experiência do desastre evolui.
Nas fases de mitigação e preparação, um desastre previsto ou próximo e as condições
possíveis são usados na simulação e na tomada de decisão. O SCDT pode melhorar
todas as quatro fases da experiência de um desastre comunitário. Na fase de mitigação,
o SCDT pode ser usado para avaliar políticas e planos alternativos para reduzir a perda
de vidas e propriedades e, assim, orientar os líderes comunitários nas decisões de
investimento na gestão de desastres. Na fase de preparação, o SCDT pode ser usado
para coletar e analisar dados quase em tempo real sobre a comunidade e condições
de eventos de desastres como base para ações proativas, como evacuações. Na fase
de resposta, o SCDT pode ser usado para relatar danos e ameaças à vida e ao bem-
estar e, assim, melhorar a implantação do socorrista. Na fase de recuperação, o SCDT
pode ser usado para identificar gargalos de reconstrução e meios eficazes e eficientes
para reconstruir melhor e orientar as estratégias de alocação de recursos. Uma
característica crítica do ciclo de gerenciamento de desastres retratado na Fig. 1 é que
ele não termina com uma decisão ou mesmo com as ações que seguem as decisões
– é um processo iterativo que se repete até que um estado final desejado das condições
da comunidade seja alcançado.
A natureza iterativa do gerenciamento de desastres fornece um ambiente
particularmente fértil para o desenvolvimento e aplicação do SCDT. A gestão de
desastres pode ser investigada a partir de múltiplas perspectivas com base no número
de comunidades, número de desastres, tipos de recursos ou outras características. Ao
olhar para uma única comunidade através das lentes de um único desastre, o SCDT
pode se concentrar em fornecer ferramentas aprimoradas para passar pelo ciclo de
gerenciamento de desastres. O trabalho atual dá os primeiros passos para o uso do
SCDT para gerenciamento de desastres, descrevendo os motivos
© ASCE 04020027-2
J. Gerenciar. Eng., 2020, 36(4): 04020027
que o SCDT deve ser desenvolvido para o gerenciamento de desastres, propondo
um modelo conceitual de como o SCDT pode ser integrado ao gerenciamento de
informações de gerenciamento de desastres comunitários, ilustrando o modelo com
exemplos da prática e discutindo duas ameaças ao desenvolvimento do SCDT que
podem ser mitigadas com foco em gestão de Desastres.
Revisão da Literatura de Modelos de Gestão de Desastres
com Aplicabilidade ao SCDT
Modelos de gestão de desastres que descrevem um processo recomendado por meio
de um único desastre são abundantes (por exemplo, FEMA 2011; UN-OCHA 2019).
Esses modelos de passagem única de alto nível concentram-se no planejamento e não
“fecham o ciclo” por meio de ações e mudanças nas condições da comunidade para
abordar a natureza iterativa e adaptativa do gerenciamento de desastres real. Por
exemplo, alguns modelos de ciência da informação se concentram na coleta de dados
para desenvolver imagens (por exemplo, Albuquerque et al. 2015; Ragini et al. 2018)
ou em modelos de simulação para prever as condições da comunidade (por exemplo,
Choi et al. 2018). Um exemplo específico é o modelo oDMN de Horita et al. (2016) ,
que vincula dados e tomada de decisão na gestão de desastres. Outros modelos de
desastres focam na melhoria econômica (por exemplo, Eid e El-Adaway 2017) ou risco
(por exemplo, Choi et al. 2019; Assaf 2011). Esses modelos de simulação incluem
modelos em nível de comunidade de agregação que requerem interações entre
sistemas de infraestrutura (por exemplo, drenagem pluvial/inundação e transporte).
Alguns modelos de sistemas virtuais incluem iteração com o mundo real (físico)
(por exemplo, Hastak e Koo 2016), normalmente sem usar a terminologia SCDT. Os
modelos de gerenciamento de desastres que são relevantes para o trabalho atual
incluem aqueles que abordam uma evolução
experiência em desastres e lidar com vários sistemas de infraestrutura.
Isso requer um modelo iterativo de tomada de decisão repetida e adaptável que reflita
o papel da informação nessas decisões, como uma versão mais específica de uma
parte do processo de produção de gêmeos digitais de Grieves (2008) . Apenas alguns
modelos de gerenciamento de desastres refletem esse processo iterativo. Por exemplo,
o Centro Asiático de Preparação para Desastres (ADPC) disse: “É importante
considerar a recuperação como um continuum, e não como uma fase distinta do ciclo
de gerenciamento de desastres” (ADPC 2015) e usa seu Modelo Asiático de Preparação
para Desastres (ADPC 2015).
No entanto, o modelo ADPC é iterativo em vários desastres, enquanto o trabalho
atual se concentra no gerenciamento de um único desastre. Um segundo modelo
iterativo de Ford e Keith (2016) desenvolveu um modelo de simulação relativamente
simples da fase de recuperação de desastres que se concentrou no papel de diferentes
tipos de capital social na recuperação de um desastre. A Fig. 2 fornece um modelo
conceitual das estruturas primárias de feedback causal no modelo de Ford e Keith
usando um diagrama de loop causal. Consulte Sterman (2000) para obter uma
descrição da modelagem de diagrama de loop causal. No modelo de Ford e Keith, um
evento de choque interrompe a tendência subjacente de crescimento ou decadência
de uma comunidade (Feedback Loop R1), que é limitada por restrições físicas
(Feedback Loop B1) e aglomeração (Feedback Loop B2). Infraestruturas sociais fortes
podem reverter a decadência da comunidade ou acelerar a recuperação por meio de
investimento ou voluntariado (Feedback Loop R2).
A maioria dos trabalhos anteriores de desenvolvimento de cidades inteligentes,
gêmeos digitais ou SCDT que poderiam ser usados para gerenciamento de desastres
abordam um único sistema de infraestrutura, um subsistema de infraestrutura ou um
ativo individual. Os exemplos de sistemas de infraestrutura mais comuns incluem
sistemas de transporte (por exemplo, Gibson et al. 2007; Lee et al. 2016; Rosencrance
2018; Yan et al. 2018; maio de 2019) e sistemas de águas pluviais e de qualidade da
água (por exemplo, Heaton 2012; Klenzendorf et al. 2015; Howell et al. 2017; Chen e
Han 2018; Mullapudi et al. 2018).
Outras investigações abordam outros tipos de sistemas, incluindo
J. Gerenciar. Eng.
 Machine Translated by Google

Fig. 2. Modelo de simulação da fase de recuperação de desastres. (Reimpresso de Ford e Keith 2016.)

sistemas ciberfísicos (por exemplo, Alam e Saddik 2017). Exemplos de SCDT que que se integram com seus ambientes (Grieves e Vickers 2017).
cruzam os limites do sistema de infraestrutura são raros. Os esforços atuais para a As definições atuais parecem ser orientadas pelos objetivos subjacentes do
integração entre infraestruturas, como em Xangai (Li et al. 2018) e Atlanta, mostram desenvolvedor de gêmeos digitais. Por exemplo, algumas definições de gêmeos
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
potencial. Por exemplo, em Atlanta, foi desenvolvido um gêmeo digital baseado em digitais incluem um “link entre um objeto do mundo real e sua representação digital
realidade virtual que permite a investigação das interações humanas com a que usa continuamente dados dos sensores”
infraestrutura (Mohammadi e Taylor 2017). (Intellectsoft US 2018), um “método de visualização da viabilidade e melhores
métodos de maneira rápida e acessível, reproduzindo sistemas e atividades nos
Em resumo, a maioria dos modelos de gestão de desastres falha em abordar um mundos físico e digital em tempo real (como gêmeos), simulando controle e
ou ambos os itens a seguir: processos iterativos de gestão de desastres ou interações gerenciamento”
de infraestrutura comunitária. O SCDT pode ajudar a preencher ambas as lacunas. (NEC 2019) e “a representação virtual de um objeto físico ou sistema em todo o seu
Um SCDT totalmente desenvolvido poderia fornecer dados, imagens e simulação ciclo de vida” usando “dados em tempo real e outras fontes para permitir aprendizado,
integrados no nível da comunidade, fechando assim o ciclo de gerenciamento de raciocínio e recalibração dinâmica para melhorar a tomada de decisões” (Mikell e
desastres virtualmente e, assim, melhorando a previsão dos resultados das ações Mikell 2018). O desenvolvimento de gêmeos digitais também varia em escala – de
antecipadas e fornecendo feedback sobre os impactos das ações tomadas. equipamentos a prédios e cidades. Na escala da cidade, os gêmeos digitais são
usados para apoiar a avaliação do desempenho do sistema de infraestrutura
individual, como transporte ou sistemas de inundação, quando confrontados com um
conjunto assumido de condições de entrada (Li et al. 2018). Nessas aplicações, os

Definições Melhoradas
As definições de cidade inteligente e gêmeo digital estão evoluindo, com ambos os
termos sendo usados para vários propósitos. Algumas cidades inteligentes são
definidas com base no planejamento para serem sustentáveis (Yigitcanlar et al. 2018)
ou para melhorar a qualidade de vida sem sobrecarregar as gerações futuras (Zhao 2011).
Outras cidades inteligentes são definidas pela forma como planejam estar altamente
conectadas digitalmente e usar esses dados para melhorar a transparência e a
governança (Caragliu et al. 2011), como usam sensores avançados para coletar e
distribuir dados críticos em tempo real para otimizar recursos e serviços aos cidadãos
(Hall et al. 2000), ou como eles usam dados para melhorar a qualidade de vida geral
(Piro et al. 2014). Consistentemente na literatura, as definições de cidade inteligente
dependem dos objetivos subjacentes da comunidade-alvo, e isso leva a uma
diversidade de definições.
Da mesma forma, as definições de gêmeos digitais estão evoluindo. O trabalho
sobre informações de produtos de Grieves e da NASA no início dos anos 2000
evoluiu para o que hoje é conhecido como gêmeos digitais. Ele sugeriu quatro tipos:
protótipos, instâncias, agregações de gêmeos de subsistemas e gêmeos
gêmeos digitais não requerem necessariamente o uso de sensores para desempenhar
sua função.
A variabilidade nas definições de cidade inteligente e gêmeo digital representa
um desafio ao aplicá-las às cidades. Por sua natureza, as cidades são difíceis de
modelar porque são combinações de infraestruturas e populações que interagem
dinamicamente e estão sujeitas a influências externas altamente variáveis, incluindo
fatores atmosféricos, hidrológicos, socioeconômicos ou outros. Definições como as
acima mencionadas não podem contribuir adequadamente para o SCDT para
propósitos de gerenciamento comunitário ou gerenciamento de desastres
comunitários. Definições melhoradas para gestão de desastres comunitários são
propostas a seguir.
Cidade inteligente
A parte da cidade de uma cidade inteligente implica um benefício comum, versus
benefícios capturados apenas por indivíduos ou pequenas porções de um

© ASCE 04020027-3 J. Gerenciar. Eng.

J. Gerenciar. Eng., 2020, 36(4): 04020027

 Machine Translated by Google
comunidade, como um único prédio, bairro ou até mesmo um único sistema de
infraestrutura. A parte inteligente de uma cidade inteligente implica que as tecnologias de
informação e comunicação (TIC) sejam usadas para melhorar não apenas a eficiência da
coleta de dados, mas também a tomada de decisões.
Por exemplo, a tecnologia de medição inteligente para sistemas de energia elétrica e
água não torna necessariamente uma cidade mais inteligente, a menos que os dados
sejam usados para criar um benefício, como o gerenciamento de uma queda de energia
ou escassez de água. Da mesma forma, os chamados esforços de big data não são
necessariamente esforços de cidades inteligentes, a menos que os dados sejam coletados
e analisados em tempo real para melhorar a tomada de decisões.
Para melhorar a tomada de decisão em condições adversas, como um desastre, os
sistemas de cidades inteligentes requerem pelo menos dois recursos. Primeiro, o sistema
deve usar sensores de TIC para fornecer dados em tempo real de forma que os líderes
ou o público possam interpretar para tomar decisões. Em segundo lugar, o sistema deve
ser capaz de fornecer dados do sensor de forma autônoma. O requisito autônomo
distingue os sistemas de cidades inteligentes dos sistemas man-in-the-loop históricos que
dependem de humanos para coletar dados manualmente. A autonomia é particularmente
importante na aplicação do conceito de cidade inteligente à gestão de desastres porque
os humanos muitas vezes são incapazes de realizar funções durante e após os desastres
devido à incapacidade de chegar aos locais de medição ou centros de informação
necessários.
Para melhor atender a essas necessidades de definição, como usadas aqui, cidades
inteligentes são comunidades que usam TIC para detectar, armazenar e tornar
informações atualizadas sobre as condições da comunidade de forma autônoma,
facilmente disponíveis para os líderes e cidadãos da comunidade.
Gêmeo Digital
Duas características de um gêmeo digital são necessárias para melhorar as decisões
de gerenciamento de desastres da comunidade. Primeiro, o gêmeo digital deve incluir
uma ou mais imagens da comunidade. Essas imagens podem incluir recursos da
comunidade, suas características e as interações entre os componentes da comunidade.
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
As imagens podem assumir várias formas, incluindo mapas visuais, listas de ativos e
suas condições ou estado de danos, ou outras formas de descrições de condições. As
interações entre os componentes da comunidade podem ser capturadas em modelos
qualitativos, como diagramas de interação, ou nas estruturas de modelos quantitativos,
como modelos de simulação formal. Essas imagens são diferentes dos dados brutos
armazenados na parte da cidade inteligente do SCDT, pois o valor da informação foi
adicionado ao organizar e apresentar os dados em imagens para uso no gerenciamento
de desastres da comunidade.
Em segundo lugar, o gêmeo digital pode incluir um ou mais modelos de simulação de
computador com a capacidade de reunir várias imagens e dados nascentes para prever
possíveis condições futuras. Embora os modelos humanos tenham sido historicamente
usados para simular condições futuras e devam continuar a desempenhar um papel
importante na SCDT, as complexidades do gerenciamento de desastres comunitários
exigem simulações de computador para prever com precisão os recursos, características
e interações. Por exemplo, um gêmeo digital de uma grande bacia de águas pluviais
poderia usar informações de um mapa de inundações em um modelo das interações
entre inundações e rodovias para prever a localização e a capacidade das rotas de saída
disponíveis com muito mais precisão do que qualquer ser humano. Idealmente, o gêmeo
digital de uma comunidade preveria as condições em todos os sistemas críticos de
infraestrutura.
As imagens e saídas de simulações em um gêmeo digital também devem informar a
tomada de decisões. Uma medida de sucesso deve ser o valor do suporte à decisão
fornecido pela imagem ou saída da simulação. Portanto, os gêmeos digitais
interinfraestrutura podem fornecer muito mais valor do que os gêmeos digitais de sistema
único sozinhos. Por exemplo, um gêmeo digital de inundação/transporte que fornece
rotas de saída disponíveis e alternativas para estradas inundadas é mais valioso do que
um mapa de inundações e previsões de inundações sozinho ou um mapa de estradas e
previsões de congestionamento de tráfego sozinhos.
© ASCE 04020027-4
J. Gerenciar. Eng., 2020, 36(4): 04020027
Para atender melhor a essas necessidades de definição, conforme usadas aqui, os
gêmeos digitais são imagens da comunidade e simulações de infraestruturas que podem
ser usadas para apresentar as condições atuais e prever as condições futuras de maneira
a melhorar a tomada de decisões e as condições futuras.
Smart City Digital Twins Um SCDT
reúne cidades inteligentes e tecnologias de gêmeos digitais em uma única plataforma.
No entanto, uma distinção entre cidades inteligentes e funções de gêmeos digitais é
importante para avaliar o uso de SCDT e melhorar o desenvolvimento de SCDT. Isso é
particularmente importante para a aplicação do SCDT para gerenciamento de desastres
comunitários, porque os dados coletados pelas ferramentas de cidades inteligentes
podem ser usados imediatamente pelos tomadores de decisão e pelo público e como
uma entrada para gêmeos digitais que fornecem informações sobre condições futuras. O
trabalho atual distingue entre a cidade inteligente e as partes gêmeas digitais do SCDT
de duas maneiras. Primeiro, cidades inteligentes coletam e disseminam dados, muitas
vezes em tempo real, mas não prevêem condições futuras. Em segundo lugar, os gêmeos
digitais não coletam dados de condição, mas usam os dados coletados para criar
informações e prever futuros potenciais. Para apoiar o gerenciamento de desastres
comunitários, um SCDT deve usar dados atuais (cidade inteligente) para conduzir uma
simulação (gêmeo digital) que permite aos tomadores de decisão avaliar e avaliar as
condições futuras potenciais com base nas condições atuais e nos possíveis impactos
das decisões.
Para melhor atender a essas necessidades de definição, conforme usado aqui, um
SCDT é um sistema de sensores de TIC que desenvolve conjuntos de dados integrados
em modelos digitais gêmeos que fornecem uma capacidade dinâmica de avaliar os
impactos futuros das condições e estratégias atuais de maneira a melhorar a tomada de
decisão. fazer para alcançar os resultados futuros desejados.
Duas razões para desenvolver SCDT para desastres
Gestão
O desenvolvimento de SCDT que atenda às definições dadas anteriormente apresenta
desafios, especialmente a compreensão de como modelar interações complexas entre
os sistemas da cidade. A gestão de desastres oferece oportunidades para enfrentar
esses desafios de duas maneiras. Em primeiro lugar, o SCDT atende particularmente
bem às necessidades de gerenciamento de desastres. Em segundo lugar, o gerenciamento
de desastres fornece um microcosmo para o desenvolvimento, integração e aplicação do
SCDT.
O SCDT atende especialmente às necessidades de gerenciamento de desastres
Nós iremos
O desenvolvimento de SCDT para gerenciamento de desastres captura grandes
benefícios por meio da sinergia de necessidades não atendidas de gerenciamento de
desastres e recursos de SCDT. O gerenciamento eficaz de desastres requer dados de
condição em infraestruturas múltiplas, diversas e conectadas simultaneamente. Por
exemplo, decisões de evacuação baseadas em volumes de tráfego coordenados de rota
de evacuação e dados de rodovias inundadas são melhores do que decisões baseadas
apenas em dados de transporte ou sistema de drenagem pluvial. Além disso, a seleção
de alocações de recursos eficientes em cada uma das quatro fases de gestão de
desastres entre várias alternativas requer diversos conjuntos de dados que o capital
humano muitas vezes não consegue coletar e divulgar devido ao evento. Como os
gerentes podem adquirir todos os dados necessários para escolher estratégias eficazes
e eficientes durante um desastre? Algumas tecnologias de cidades inteligentes existentes
são particularmente adequadas para a coleta e transmissão de dados de desastres
porque podem operar sem humanos para fornecer informações aos gerentes, desde que
sejam fornecidos com os recursos para continuar atuando em condições de desastre.
Medidores de enchentes com relatórios automatizados são um exemplo. O
desenvolvimento de tecnologias de cidades inteligentes para gestão de desastres
melhorará a coleta de dados
J. Gerenciar. Eng.
 Machine Translated by Google

capacidades e explorar plenamente as vantagens das cidades inteligentes sobre a
coleta de dados tradicional.
As condições da comunidade geralmente mudam rapidamente durante as fases de
resposta e recuperação a desastres. Portanto, os gestores de desastres precisam de
dados atuais sobre as condições da comunidade para tomar as melhores decisões.
Como os gerentes de desastres podem adquirir as condições atuais da comunidade
quando essas condições mudam rapidamente? As tecnologias de cidades inteligentes
são capazes de atender a essa necessidade de maneira única, fornecendo dados quase
em tempo real, muitas vezes de forma mais confiável do que as formas de coleta de
dados e relatórios baseados em humanos. Isso significa que o SCDT pode ser usado
para melhorar significativamente o gerenciamento de desastres.
Além dos dados da condição atual, tomar as melhores decisões de gerenciamento
de desastres requer conhecer e entender as características únicas de uma comunidade
dois sistemas de infraestrutura (City of Austin 2018). Este SCDT é eficaz mesmo que
apenas ligue dois sistemas de infra-estrutura.
Comparado ao gerenciamento de comunidade mais geral, no entanto, o
gerenciamento de desastres fornece um microcosmo que define de forma mais restrita
os objetivos e os dados necessários para tomar decisões e, portanto, os requisitos de
desenvolvimento do SCDT. Além disso, muitas decisões de gerenciamento de desastres
refletem as decisões normais de gerenciamento da comunidade operacional, embora
com maior importância em obter a resposta correta rapidamente. Uma vez desenvolvidos
para desastres, esses sistemas podem ser expandidos para incorporar elementos
necessários para o planejamento e gerenciamento comunitário de forma contínua.
A gestão de desastres também beneficia o desenvolvimento geral do SCDT ao
conectar os sistemas críticos de infraestrutura física e social da comunidade com as

específica. As complexas interações dos sistemas comunitários tornam as previsões informações mínimas necessárias para administrar uma cidade durante uma crise.

precisas dos impactos primários e secundários das decisões de gerenciamento de Como tal, o gerenciamento de desastres apóia o desenvolvimento do SCDT acelerando

desastres impossíveis apenas para os seres humanos. Como os gerentes de desastres o trabalho fundamental de um SCDT de gerenciamento de comunidade mais amplo,

podem prever com precisão os impactos interdependentes de suas decisões? sem a necessidade de resolver todos os desafios de gerenciamento de comunidade
durante a construção do sistema inicial.

Modelos de simulação causal integrados como gêmeos digitais com tecnologias de

cidades inteligentes podem capturar essas interações e explicar como as escolhas de Como os gerentes de desastres estão mais preocupados com as operações da

gerenciamento influenciam vários sistemas comunitários e métricas de desempenho de comunidade do que com a fidelidade das representações do modelo à aparência real,
um SCDT de gerenciamento de desastres pode se concentrar na funcionalidade em vez
gerenciamento de desastres. Ao fornecer aos gerentes de desastres previsões precisas
da apresentação visual. Isso pode acelerar o desenvolvimento de um SCDT eficaz e
dos impactos de suas escolhas e uma melhor compreensão dessas previsões, o SCDT
facilitar a manutenção a longo prazo. Em um desastre, o melhor uso de um gêmeo
pode melhorar os resultados de desastres.
digital seria explorar seu poder de explicar as interações das infraestruturas físicas e
sociais com estratégias dentro da comunidade e seus impactos na comunidade.
Algumas estratégias de gestão de desastres provavelmente dominarão em muitas
Portanto, os desenvolvedores de gêmeos digitais não precisam criar uma imagem
circunstâncias comuns de desastres/comunidades. Por exemplo, a experiência mostra
espelhada perfeita de uma cidade, apenas uma imagem funcional dela - algo que pode
que restaurar a energia elétrica pode acelerar a recuperação porque muitas outras
ser realizado com abordagens de modelagem de sistemas existentes e muito menos
funções da comunidade dependem dessa energia.
dados.
Outras lições sobre estratégias eficazes podem ser específicas para desastres ou
comunidades. Por exemplo, após um furacão, a disponibilidade de residências pode
Por fim, o gerenciamento de desastres fornece um banco de testes funcional com
restringir o tamanho da força de trabalho de construção e, portanto, a recuperação
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de

(incluindo a reconstrução de residências), tornando este um foco crítico de gerenciamento.
Mas isso pode não ser verdade após um terremoto, onde as interrupções nas redes de
transporte podem ter o maior impacto. Como os gerentes de desastres podem aprender,
especialmente durante a mitigação e preparação de desastres, sobre as estratégias que
terão melhor desempenho durante a resposta e recuperação de desastres?
Gêmeos digitais de comunidades oferecem oportunidades para aprender por meio de
testes e experimentações de estratégias baseadas em simulação virtual rápidas e
baratas. Muitas lições valiosas de gerenciamento de desastres provavelmente estão
disponíveis por meio do desenvolvimento e exercício de gêmeos digitais comunitários
genéricos, como sequências e níveis de capacidade de infraestruturas comunitárias
que, se restauradas, melhoram a velocidade e a qualidade da recuperação. Estratégias
específicas para comunidades e desastres também podem ser desenvolvidas e testadas
com gêmeos digitais que refletem circunstâncias específicas. Portanto, o desenvolvimento
de SCDT para gestão de desastres pode acelerar o aprendizado sobre estratégias de
gestão de desastres e, assim, melhorar as experiências de desastres para as
comunidades. Esses benefícios tornam a gestão comunitária de desastres particularmente
atraente como cenário para o desenvolvimento de SCDT.
O gerenciamento de desastres fornece um microcosmo para desenvolvimento,
integração e aplicação de SCDT Desenvolver um SCDT para uma comunidade inteira
e suas decisões de gerenciamento associadas é um salto significativo para as
tecnologias e abordagens que existem hoje. O trabalho até o momento geralmente
aborda sistemas de infraestrutura individuais para melhorar a comunicação das
condições. Mas há exceções, como o Flood Early Warning System em Austin, Texas.
Este sistema usa coleta contínua de dados e modelos de padrões de drenagem natural
para gerar mapas precisos de inundações e impactos futuros nas estradas, fornecendo
assim a ligação de
conjuntos de dados relativamente profundos que podem ser usados para testar e
desenvolver confiança na capacidade de um SCDT de apoiar uma comunidade durante
uma experiência de desastre. Embora não haja dois desastres idênticos, os fluxos de
dados que os líderes precisam e as decisões que os líderes devem tomar são
relativamente consistentes. Por exemplo, furacões, tornados e terremotos destroem ou
danificam residências, forçando os líderes comunitários a tomar decisões sobre moradia
temporária e alocação de recursos escassos para reconstrução. Como os conjuntos de
dados de desastres anteriores estão relativamente disponíveis, o gerenciamento de
desastres fornece uma plataforma para testar o SCDT e gerar insights relativamente
rápidos sobre o desempenho e os benefícios das soluções SCDT propostas.
Gestão de Desastres com SCDT
Para facilitar o desenvolvimento de um modelo de SCDT que apoie a gestão de
desastres, uma amostra de literatura disponível publicamente em revistas de pesquisa,
publicações de mercado de massa, relatórios de projetos SCDT e páginas da web
comunitárias e corporativas foram pesquisadas para obter informações sobre projetos
de cidades inteligentes e gêmeos digitais ; 378 publicações foram revisadas. Destes,
198 aplicativos descritos para uma comunidade específica ou sistema comunitário
(versus uma tecnologia ou ativo único, por exemplo). Informações adequadas foram
coletadas para avaliar 47 cidades inteligentes, gêmeos digitais ou sistemas SCDT que
descrevem a comunidade, sistema de infraestrutura, escala de aplicação, nível de
desenvolvimento, descrição de cidade inteligente, descrição de gêmeo digital e aplicação
ao gerenciamento de desastres. Dentro desses sistemas, 66% (31) modelaram sistemas
de transporte, 38% (18) modelaram sistemas de utilidades de água, 28% (13) modelaram
edifícios ou sistemas de gerenciamento de instalações, 11% (5) modelaram utilidades
elétricas, 6% (3) sistemas de resíduos modelados e 6% (3) sistemas ambientais
modelados. Os totais não são iguais a 100% (47) porque alguns dos sistemas incluíam
vários

© ASCE 04020027-5 J. Gerenciar. Eng.

J. Gerenciar. Eng., 2020, 36(4): 04020027

 Machine Translated by Google
Fig. 3. Modelo de gestão de desastres comunitários com um gêmeo digital de cidade inteligente.
tipos de sistemas de infraestrutura. Descrições dos sistemas revisados estão
disponíveis com os autores.
A revisão identificou componentes de um SCDT que poderiam ser usados
para dar suporte ao modelo iterativo de gerenciamento de desastres descrito
na Fig. 1. O modelo na Fig. 3 (criado com o Microsoft PowerPoint) mostra a
combinação mínima de componentes e fluxos de informações para um SCDT
efetivamente apoiar a gestão de desastres comunitários. Assim como o modelo
iterativo da Fig. 1, este modelo descreve a gestão de desastres com
monitoramento SCDT contínuo das condições da comunidade para refletir os
impactos das decisões à medida que são tomadas e as ações à medida que
são implementadas. No entanto, o modelo também mostra como as lições
aprendidas com o SCDT podem ser usadas para melhorar a tomada de
decisões e os recursos do sensor do próprio SCDT.
O modelo tem três partes principais: (1) componentes que não fazem parte
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
do próprio SCDT, mas são afetados diretamente pelo SCDT ou por meio de
lições aprendidas com o SCDT, (2) componentes de cidades inteligentes e (3)
componentes de gêmeos digitais . As três partes do modelo são descritas a
seguir.
Alguns dos componentes do modelo (sombreados na Fig. 3) existem fora
de uma cidade inteligente ou gêmeo digital. Esses componentes conectam o
SCDT à comunidade e ao evento de desastre e incluem condições da
comunidade, recursos e características da comunidade e lições aprendidas
com o modelo de simulação da comunidade e as ferramentas de imagem
digital. Esses componentes também incluem informações sobre a tomada de
decisões da comunidade e os impactos resultantes dessas decisões na
capacidade da comunidade de responder ao evento. Recursos e características
da comunidade se sobrepõem ao SCDT e definem os sistemas de infraestrutura
da comunidade (por exemplo, a capacidade máxima do sistema de rodovias).
As decisões de gerenciamento impactam diretamente os recursos e
características da comunidade com relação ao tempo e capacidade/capacidade.
Por exemplo, uma decisão de gestão para se concentrar na recuperação da
infraestrutura habitacional (por exemplo, limpando entulhos) aumentará a
capacidade habitacional, aumentando o espaço disponível para habitação e,
assim, terá um impacto na capacidade da força de trabalho (uma característica
da comunidade) para retornar à área impactada. Em contraste, as Condições
Comunitárias definem o desempenho ou a utilização desses sistemas de
infraestrutura. Com base no exemplo da moradia, a porcentagem de moradia
disponível para moradia da força de trabalho seria uma condição da
comunidade. As condições da comunidade podem ser afetadas por um evento
externo, como um desastre, decisões de gerenciamento, decisões do público
ou mudanças nos recursos e características da comunidade que alteram as
capacidades limitantes de um sistema de infraestrutura. Em alguns eventos de
desastre, como grandes tornados ou terremotos, as características e
características da comunidade são fundamentalmente alteradas. No entanto,
esse modelo foi criado para auxiliar os líderes comunitários no uso do SCDT
para gerenciamento de desastres. Como tal, um recurso da comunidade ou
© ASCE
J. Gerenciar. Eng., 2020, 36(4): 04020027
característica não é alterada até que seja tomada uma decisão de
gerenciamento para deixar esse elemento em seu estado danificado. Assim,
assume-se que o evento de desastre impacta apenas a condição da
comunidade, enquanto as decisões de gerenciamento podem impactar as
características e condições da comunidade. Por fim, o SCDT gera percepções
que impulsionam mudanças fundamentais nas perspectivas sobre a comunidade
durante e após um evento de desastre. Essas lições aprendidas impactam as
decisões de planejamento e gerenciamento e as escolhas de sensores.
O componente cidade inteligente (Fig. 3, caixa Smart City) inclui os
sensores que geram os dados necessários para conduzir o SCDT. Esses
dados podem ser usados para duas finalidades: (1) como entrada para
simulação e ajustes do gêmeo digital e (2) como dados apresentados aos
moradores e líderes da comunidade para tomada de decisão. Os dados para
apresentação não precisam necessariamente ser gráficos para serem efetivos
no componente cidade inteligente. As informações de fechamento de estradas
fornecidas aos motoristas em outdoors eletrônicos, por exemplo, são uma
forma de apresentação de dados não gráfica que pode fazer parte de um
SCDT de gerenciamento de desastres. As velocidades de tráfego atuais
codificadas por cores são uma forma de dados para apresentação gráfica.
Ambos podem fornecer à comunidade informações imediatamente benéficas em um evento
O componente digital twin (Fig. 3 Digital Twin box) inclui um conjunto de
ferramentas que usam dados da cidade inteligente para gerar imagens digitais
de uma comunidade, bem como modelagem de simulação para fornecer aos
tomadores de decisão informações preditivas sobre condições futuras. As
ferramentas de imagem digital incluem modelos dos vários sistemas de
infraestrutura física e não física que definem a comunidade e suas interações.
Além disso, essas imagens podem, e devem, também refletir as restrições
espaciais associadas à comunidade. Alguns gêmeos digitais de perigos
específicos e problemas de gestão de desastres atendem a essas necessidades
(por exemplo, Kim et al. 2006).
Os gêmeos digitais para comunidades precisam fazer o mesmo em uma escala
maior. O Modelo de Simulação da Comunidade usa informações das
ferramentas de imagem digital e dos recursos e características dos sistemas
de infraestrutura da comunidade do mundo real para prever as condições
futuras. As condições futuras podem ser afetadas pelas condições atuais do
sistema ou por decisões que alteram os recursos e características da
comunidade.
Finalmente, as setas no modelo indicam fluxos de informação ou ações
que impactam as condições da comunidade. Juntos, os componentes SCDT e
os fluxos de informações descrevem vários loops que mostram como as
informações dentro de um SCDT podem ser usadas iterativamente durante um
desastre para tomar decisões e avaliar a eficácia dessas decisões. Por
exemplo, os sensores podem fornecer dados de velocidade de tráfego para
apresentação que são imediatamente distribuídos ao público e outros
tomadores de decisão, cujas decisões sobre evacuação afetarão o fechamento
de estradas, congestionamentos e velocidades de tráfego, o que será refletido
em dados de velocidade atualizados.
04020027-6 J. Gerenciar. Eng.
 Machine Translated by Google

Os loops de informações que conduzem o modelo existem sem um SCDT e
foram usados manualmente durante o gerenciamento de desastres.
O desenvolvimento desses loops dentro de um SCDT melhora a velocidade
desses processos, removendo o tempo necessário para que os humanos coletem
e processem dados. Por exemplo, à medida que as informações são geradas
pela cidade inteligente, elas afetam a previsão do gêmeo digital, que pode ser
usado para tomar decisões de gerenciamento e realizar ações que a cidade
inteligente pode monitorar e fornecer feedback em tempo real ao gêmeo digital
para mais informações. previsão. À medida que as condições da comunidade se
recuperam e os recursos e características da comunidade são ajustados, a cidade
inteligente e o gêmeo digital podem fornecer informações sobre os efeitos dessas
mudanças e possíveis condições futuras, respectivamente, com velocidades que
os humanos não podem alcançar.
Discussão
modelos de simulação vitais para prever as condições da comunidade com as
ferramentas de imagem digital do gêmeo digital. A ausência dessas conexões
impede loops iterativos completos. O desenvolvimento dessas ligações será
necessário para alcançar o ciclo de gestão de desastres apresentado na Fig. 1.
A pesquisa e o desenvolvimento com foco em tecnologia podem favorecer
um foco em componentes ou links individuais, mas os gerentes de comunidade
valorizam mais a tomada de decisão e o insight aprimorados. Atender a essa
necessidade requer tecnologias que sejam integradas em uma ferramenta que
facilite um ciclo iterativo de decisões, ações e acompanhamento levando a mais
decisões. A integração desta natureza foi desenvolvida com sucesso entre pares
de sistemas, como no Flood Alert System 4 em Houston (ver Apêndice). Para
melhorar a coleta de dados e a representação digital de sistemas reais, o
desenvolvimento do SCDT deve se concentrar na integração de loops de
processamento de gerenciamento de desastres que impulsionam ciclos iterativos,
em vez de apenas no desenvolvimento de tecnologias individuais.

O desenvolvimento e aplicação de SCDT para gestão de desastres comunitários

tem o potencial de salvar vidas, reduzir danos à propriedade e acelerar a
restauração econômica. No entanto, esses sistemas ainda estão em sua infância. Mitigação do risco de fadiga no desenvolvimento de SCDT
Por exemplo, a necessidade de modelar a multiplicidade de dependências entre
Em conjunto, os desafios enfrentados pelos desenvolvedores de SCDT
as diversas infraestruturas comunitárias necessárias para gerenciar totalmente
mencionados anteriormente criam um risco particularmente difícil para o sucesso
um desastre comunitário foi claramente identificada (Mohammadi e Taylor 2017),
do SCDT - risco de fadiga. Conforme usado aqui, o risco de fadiga no
mas não se conhece nenhum sistema SCDT que faça isso. Os sistemas SCDT
desenvolvimento do SCDT é a possibilidade de que os apoiadores do
também enfrentam muitos desafios em relação ao desenvolvimento no nível da
desenvolvimento se cansem de esperar para obter benefícios que justifiquem seu
comunidade, incluindo tecnologias de detecção limitadas, gêmeos digitais que
apoio e, portanto, retirem ou reduzam o suporte, impedindo o desenvolvimento
não refletem com precisão os processos e características da comunidade,
completo do SCDT. Os patrocinadores financeiros são talvez os apoiadores mais
sistemas de comunicação incapazes de transferir os dados necessários para
importantes, mas os funcionários públicos que facilitam o desenvolvimento, as
capturar as condições de uma comunidade, insegurança de dados, privacidade
organizações públicas e os funcionários que operarão os sistemas SCDT e o
questões e outros.
público a quem são prometidos grandes benefícios também são apoiadores
Embora os avanços tecnológicos apresentem oportunidades para superar esses
críticos. O risco de fadiga é uma ameaça para o desenvolvimento de SCDT para
desafios, há pelo menos dois riscos importantes, mas tratados inadequadamente,
gerenciamento comunitário em geral, conforme descrito anteriormente, bem como
para o desenvolvimento e implantação de SCDT para gerenciar uma comunidade
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de

para o desenvolvimento de SCDT para gerenciamento de desastres.

durante um desastre. Em primeiro lugar, o sistema de infra-estrutura ou o
O gerenciamento bem-sucedido do risco de fadiga faz parte da travessia do
desenvolvimento individual de SCDT com foco em tecnologia perderá as
“vale da morte” desde a pesquisa e desenvolvimento inicial da tecnologia até o
interdependências críticas no nível da comunidade entre os sistemas que orientam
as decisões de gerenciamento da comunidade, especialmente durante um fornecimento de valor tangível. O vale da morte é uma metáfora para a dificuldade

desastre. Daqui em diante, isso é referido como risco de integração. Em segundo experimentada pelos inovadores na transição de tecnologias que foram

lugar, o desenvolvimento de sistemas SCDT pode parar ou ser limitado se os pesquisadas com sucesso e inicialmente desenvolvidas em aplicações de

aplicativos SCDT não fornecerem benefícios significativos antes que o sucesso. O vale geralmente inclui falta de financiamento e outras formas de apoio

financiamento e a atenção se desloquem para outras soluções potenciais. Daqui ao desenvolvimento para progredir desde a pesquisa tardia até o desenvolvimento

em diante, isso é referido como risco de fadiga.
Mitigando o risco de integração no desenvolvimento de SCDT Em seu
caminho atual, o desenvolvimento de SCDT será limitado pela falta de trabalho
para integrar componentes em ciclos completos de gerenciamento, criando um
risco de integração que limitará os benefícios que esses sistemas podem oferecer
aos tomadores de decisão da comunidade. Os pesquisadores de gestão de
desastres identificaram as interdependências do sistema de modelagem como
sendo críticas para explorar a tecnologia para gestão de desastres (Little et al.
2015). Mas o desenvolvimento do SCDT até agora parece se concentrar em
componentes individuais do sistema SCDT, tecnologias ou links de informações
individuais. Para entender melhor isso, os 47 sistemas de exemplo observados
anteriormente foram revisados para focar em partes individuais do sistema versus
loops de informações usando o modelo de gerenciamento de desastres
apresentado na Fig. 3.
Cada um dos fluxos de informação individuais na Fig. 3 é representado em
pelo menos um dos 47 exemplos de sistemas SCDT. Existem também altas
frequências de desenvolvimento de componentes em alguns dos sistemas.
No entanto, nenhum dos exemplos revisados descreve um loop iterativo completo
ou vários loops iterativos. Três conexões estão sub-representadas: (1) o impacto
da tomada de decisão nas condições da comunidade, (2) o impacto das
características da comunidade do mundo real nas mudanças nas condições da
comunidade e (3) a interação de
da tecnologia até a aplicação (Pusateri et al. 2015). A metáfora foi aplicada às
experiências de uma ampla gama de produtos, incluindo melhorias incrementais
e inovações disruptivas, em muitos ambientes industriais e públicos. Quando
aplicado ao SCDT para gerenciamento da comunidade, o risco de fadiga é
particularmente difícil devido à diversidade de partes interessadas e objetivos,
tecnologias discretas e concorrentes e desafios de integração.
O gerenciamento de desastres pode ajudar os desenvolvedores de SCDT a
mitigar o risco de fadiga e cruzar com sucesso o vale da morte. A gestão de
desastres oferece uma oportunidade de estabelecer a complexidade adequada
para desenvolver um SCDT útil no nível da comunidade e limitar o risco de fadiga
no desenvolvimento do SCDT. O desenvolvimento bem-sucedido do SCDT no
nível da comunidade requer tecnologias, ferramentas e métodos que produzam
resultados significativos que as partes interessadas possam capturar antes que a
fadiga esgote sua fé no SCDT e seu apoio. O desenvolvimento do SCDT requer
um tempo significativo. Por exemplo, o projeto inteligente Texas Border Crossing
levou 10 anos para ser planejado e desenvolvido antes de entrar em operação
em 2013 (Texas A&M Transportation Institute 2019). O desenvolvimento do SCDT
para melhorar o ciclo de gerenciamento de desastres pode fornecer resultados
relativamente rápidos, muito significativos e valiosos necessários para manter o
desenvolvimento do SCDT avançando. Possíveis resultados do desenvolvimento
e uso de SCDT de gerenciamento de desastres incluem estruturas de feedback
aprimoradas relacionadas a decisões tomadas durante um evento, explicações precisas do mot

© ASCE 04020027-7 J. Gerenciar. Eng.

J. Gerenciar. Eng., 2020, 36(4): 04020027

 Machine Translated by Google
algumas estratégias de recuperação funcionam melhor do que outras, diretrizes de
gerenciamento de desastres objetivas e baseadas em dados e estratégias aprimoradas
para resiliência da comunidade.
Outros riscos de desenvolvimento de SCDT afetam o gerenciamento dos riscos
de integração e fadiga. Uma diz respeito à propriedade do SCDT. A propriedade do
SCDT por qualquer organização com perspectivas limitadas ou tendenciosas da
comunidade aumentará o risco de integração. A propriedade de SCDT por qualquer
organização com um horizonte de tempo curto, como pode ser criado pela necessidade
de ganhos financeiros acelerados, aumentará o risco de fadiga. Portanto, para aumentar
as oportunidades de sucesso do SCDT, o desenvolvimento e a operação do SCDT
devem ser controlados e gerenciados por entidades públicas que tenham acesso a
expertise comercial, institucional e privada e sejam informadas pela participação de
diversas partes interessadas da comunidade.
Conclusões
Cidades inteligentes com gêmeos digitais têm o potencial de fazer melhorias significativas
na gestão de desastres comunitários. As definições aprimoradas dos termos cidade
inteligente, gêmeo digital e cidade inteligente com gêmeos digitais esclarecem seus
papéis na melhoria das comunidades e distinguem entre as duas partes de um sistema
SCDT. Dois argumentos apóiam o desenvolvimento do SCDT para gerenciamento de
desastres: (1) a interseção dos recursos do SCDT e as necessidades do ciclo de
gerenciamento de desastres e (2) o foco que o gerenciamento de desastres fornece
para facilitar o desenvolvimento do SCDT. É proposto um modelo de sistema SCDT que
identifica os componentes do sistema e os fluxos de informação. Além disso, o foco no
gerenciamento de desastres no SCDT fornece uma abordagem para mitigar a integração
e o risco de fadiga no desenvolvimento do SCDT.
O trabalho atual apóia o gerenciamento de desastres como um subconjunto de
gerenciamento comunitário que pode acelerar o desenvolvimento do SCDT, fornecendo
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
foco e informações valiosas. O desenvolvimento do SCDT é potencialmente ameaçado
pela necessidade de cruzar o vale da morte da pesquisa avançada para a aplicação,
durante a qual os benefícios do SCDT podem não aparecer rápido o suficiente para
sustentar o apoio ao desenvolvimento. SCDT para gestão de desastres pode ajudar a
cruzar o vale acelerando a captura de benefícios para líderes comunitários e outras
partes interessadas.
O desenvolvimento do SCDT pode se beneficiar da expansão do foco de um ou alguns
componentes adjacentes para ciclos de processamento de informações que refletem
como os sistemas SCDT podem impactar o gerenciamento das comunidades. O
resultado cumulativo é um forte argumento para o desenvolvimento de sistemas SCDT
focados na gestão de desastres comunitários.
O trabalho atual contribui para o desenvolvimento do SCDT de várias maneiras.
Primeiro, são desenvolvidas definições aprimoradas que descrevem mais especificamente
os requisitos de cada parte do SCDT. Essas definições podem melhorar a qualidade
das descrições e discussões sobre o desenvolvimento do SCDT. Em segundo lugar,
são descritas duas sinergias de SCDT e gestão de desastres. Eles podem ser usados
para dar suporte ao desenvolvimento do SCDT neste domínio. Em terceiro lugar, foi
fornecido um novo modelo de fluxos de informações e componentes em um sistema
SCDT de gerenciamento de desastres que pode ser usado para modelar, descrever e
avaliar projetos SCDT e seus impactos potenciais. Em quarto lugar, dois riscos
importantes para o sucesso do desenvolvimento e implantação do SCDT (integração e
fadiga) são identificados e descritos, com descrições de como o foco no gerenciamento
de desastres pode ajudar a mitigar esses riscos.
Esses resultados podem orientar os desenvolvedores SCDT e aumentar a probabilidade
de sucesso do projeto de desenvolvimento SCDT e, portanto, SCDT
sucesso.
Os resultados e conclusões do presente trabalho são limitados pelos pressupostos
utilizados e condicionantes do trabalho, que sugerem futuras oportunidades de
investigação. O trabalho atual se concentra na gestão de desastres. Outras aplicações
comunitárias de SCDT
© ASCE
J. Gerenciar. Eng., 2020, 36(4): 04020027
também pode oferecer vantagens e formas de mitigar o risco de desenvolvimento.
Adequado para a engenharia civil, o presente trabalho incide principalmente nas
infraestruturas físicas. O trabalho adicional também pode abordar os papéis das
infraestruturas sociais na gestão de desastres e suas interações com as infraestruturas
físicas. O nível de agregação para o trabalho atual incluiu sistemas e subsistemas
comunitários, enquanto o trabalho mais atual do SCDT é em escalas menores, como
edifícios individuais ou partes de subsistemas de infraestrutura. Trabalho adicional pode
revelar outras áreas significativas de desenvolvimento SCDT ou componentes em um
sistema SCDT que podem ser adicionados ao modelo aqui apresentado. Riscos
adicionais para o desenvolvimento bem-sucedido do SCDT também podem ser
identificados e explorados. O trabalho atual também aborda gêmeos digitais com base
no potencial de simulação para prever condições futuras, mas não aborda a qualidade
das previsões ou os impactos das condições previstas nos sistemas de infraestrutura
adjacentes.
O trabalho futuro pode desenvolver os modelos de sistema necessários para usar
dados de cidades inteligentes em simulações de sistemas multi-infraestrutura. Questões
específicas estão relacionadas aos dados e modelos necessários para prever com
SCDTs. A capacidade de modelar interações críticas do sistema é essencial. Várias
abordagens existentes, como dinâmica de sistema, matrizes de estrutura de projeto e
modelagem baseada em agente, podem ser aplicadas com eficiência a esses esforços.
Dados adequados para modelagem e previsão são, e continuarão sendo, um desafio
primário, que pode ser parcialmente resolvido com novas tecnologias de sensores.
Para encerrar, os gêmeos digitais de cidades inteligentes podem se beneficiar do
desenvolvimento focado no gerenciamento de desastres, e o gerenciamento de
desastres pode ser bastante aprimorado pelo desenvolvimento, adoção e uso de cidades
inteligentes com gêmeos digitais.
Apêndice. Sistema de Alerta de Inundação 4, Houston: Exemplo
Começando no final da década de 1990 com o Flood Alert System (FAS) 1 e continuando
até o presente com o FAS 4, um sistema com as características do modelo mostrado
na Fig. 4 tem informado os tomadores de decisão sobre eventos de chuva no Texas
Medical Center de Houston ( TCM).
Este sistema integra dados de precipitação, coletados aproximadamente a cada 5
minutos, com recursos de modelagem hidrológica para prever o fluxo de pico e a altura
de um hidrograma de escoamento em Brays Bayou e o efeito de remanso associado na
captação de Harris Gully, que deságua em Brays Bayou (Bedient et al . 2013). O
sistema mostrou-se preciso em uma variedade de eventos. Por exemplo, durante um
evento de inundação em maio de 2015, ele previu o pico de fluxo em Brays Bayou
dentro de 0,83% do pico de fluxo observado. Além disso, previu o tempo do pico de
fluxo dentro de 35 minutos do pico real durante um evento de tempestade que durou
quase 12 horas (Bedient and Bass 2019). Além disso, o FAS está integrado aos
sistemas de proteção contra inundações do TMC, fornecendo ao TMC 2 a 3 horas de
antecedência para ativar suas defesas contra inundações (Bedient and Bass 2019).
A Fig. 4 (criada com o Microsoft PowerPoint) mapeia o FAS para o modelo
apresentado na Fig. 3. As linhas em negrito destacam os fluxos de informação
expressamente identificados na literatura referenciada anteriormente. Linhas sólidas e
não em negrito indicam fluxos de informações implícitos na literatura.
As linhas pontilhadas indicam fluxos de informação não expressamente identificados ou
implícitos na literatura. Revendo a Fig. 4, alguns itens são notáveis.
Primeiro, as lições aprendidas são usadas para melhorar o número e a localização dos
sensores que fornecem dados para o sistema. Em segundo lugar, os dados da cidade
inteligente podem ser apresentados diretamente para a tomada de decisões ou
empacotados para alimentar modelos de simulação. Por fim, o gêmeo digital cria saídas
por meio de ferramentas de imagem digital que podem ser usadas diretamente pelos
tomadores de decisão para proteger a infraestrutura crítica, como o TMC.
O FAS suporta a conclusão do ciclo de gerenciamento de desastres desde uma
decisão até uma mudança nos recursos do mundo real - especificamente,
04020027-8 J. Gerenciar. Eng.
 Machine Translated by Google

Fig. 4. Mapa do gêmeo digital FAS smart city.

envolver defesas contra inundações no TMC – que afeta as condições da http://fas3.flood-alert.org/braysbayou/documents/TMC_FAS4_Training _August_2013.pdf.
comunidade reduzindo ou eliminando os impactos das inundações. Ele também
oferece a oportunidade de monitorar e prever quando as defesas contra Caragliu, A., C. Del Bo e P. Nijkamp. 2011. “Cidades inteligentes na Europa.”

inundações podem ser removidas. Embora o foco do FAS seja prevenir um J. Urban Technol. 18 (2): 65–82. https://doi.org/10.1080/10630732 .2011.601117.

desastre, ele constitui uma prova válida de como um SCDT pode ser utilizado
Chen, Y. e D. Han. 2018. “Monitoramento da qualidade da água em cidade inteligente: um
para melhorar o gerenciamento de desastres em cada uma das quatro fases.
projeto piloto.” Autom. Constr. 89 (maio): 307–316. https://doi.org/10 .1016/
j.autcon.2018.02.008.
Choi, J., N. Naderpajouh, D. Yu e M. Hastak. 2019. “Capacitação para um sistema de
Declaração de Disponibilidade de Dados
infraestrutura em caso de desastre usando os componentes sociais e técnicos
associados ao sistema.” J. Gerenciar. Eng. 35 (4): 04019013. https://doi.org/10.1061/
Alguns ou todos os dados gerados ou usados durante o estudo estão
(ASCE)ME.1943-5479.0000697.
disponíveis a pedido do autor correspondente, incluindo diagramas das figuras
Choi, M., R. Starbuck, S. Lee, S. Hwang, S. Lee, M. Park e H. Lee.
originais e informações sobre os 47 exemplos.
2018. “Simulação distribuída e interoperável para gerenciamento abrangente de
resposta a desastres em instalações.” Autom. Constr. 93 (setembro): 12–21. https://
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de

Agradecimentos
Os autores agradecem a Rameez Qureshi, Sai Udhayakumar, Rajavel
Kumaravelu, Hanzhang Liu, Ashok Vijaya, Utsavkumar Kachhadiya e Justin
Kim pela assistência na revisão da literatura.
doi.org/10.1016/j.autcon.2018.05.007.
Cidade de Austin. 2018. “Sistema de alerta precoce de inundação.” Acessado em 27 de
março de 2020. http://www.austintexas.gov/department/flood-early-warning-system.
Eid, MS e IH El-Adaway. 2017. “Ferramenta de apoio à tomada de decisões de recuperação
sustentável de desastres: Integrando a vulnerabilidade econômica nas funções objetivas
das partes interessadas associadas.” J. Gerenciar. Eng. 33 (2): 04016041. https://
doi.org/10.1061/(ASCE)ME.1943-5479 .0000487.

Dados Suplementares FEMA. 2011. “Meta de preparação nacional—Primeira edição-2011.” Acessado em 27 de

Os dados dos 47 exemplos estão disponíveis online na ASCE Library
(www.ascelibrary.org).
Referências
ADPC (Centro Asiático de Preparação para Desastres). 2015. “Manual para profissionais
de recuperação de desastres.” Acessado em 20 de maio de 2019. http://www.adpc.net/
igo/category/ID809/doc/2015-yDTg8K-ADPC-tgllhandbook.pdf .
Alam, KM e A. El Saddik. 2017. “C2PS: Um modelo de referência de arquitetura digital
gêmea para sistemas ciberfísicos baseados em nuvem.” Acesso IEEE 5 (janeiro): 2050–
2062. https://doi.org/10.1109/ACCESS.2017 .2657006.
Albuquerque, JP, B. Herfort, A. Brenning e A. Zipf. 2015. “Uma abordagem geográfica para
combinar mídias sociais e dados oficiais para identificar informações úteis para o
gerenciamento de desastres.” Int. J. Geog. Inf. ciência 29 (4): 667–689. https://doi.org/
maio de 2019. https://www.fema.gov/national-preparedness-goal.
FEMA. 2016. “Estrutura nacional de recuperação de desastres, segunda edição, junho de
2016.” Acessado em 27 de março de 2020. https://www.fema.gov/media-library -data/
1466014998123-4bec8550930f774269e0c5968b120ba2/National
_Disaster_Recovery_Framework2nd.pdf.
Ford, D. e B. Keith. 2016. “A dynamic feedback theory of community recovery from shock
events: Testing the role of social capital.” Em Proc., System Dynamics Conf. Albany,
NY: System Dynamics Society.
Gibson, D., K. Milton e LA Klein. 2007. “Um novo olhar sobre os sensores.”
Acessado em 31 de maio de 2019. https://www.fhwa.dot.gov/publications/publicroads/
07nov/04.cfm .
Grieves, M. 2008. “Gestão de especificação do produto (PSM). Possibilitando a qualidade
de fabricação.” Acessado em 21 de junho de 2019. https://research.fit.edu/media/site-
specific/researchfitedu/camid/documents/MWG-PSM -Whitepaper.pdf .
Grieves, M. e J. Vickers. 2017. “Digital Twin: Mitigating imprevisível, comportamento

10.1080/13658816.2014.996567. emergente indesejável em sistemas complexos.” Em Perspectivas trans disciplinares

Assaf, H. 2011. “Estrutura para modelagem de desastres em massa.” Nat. Perigo. sobre sistemas complexos, 85–113. Nova York: Springer.

Rev. 12 (2): 47–61. https://doi.org/10.1061/(ASCE)NH.1527-6996 .0000033.

Bedient, P. e B. Bass. 2019. “Evento do Memorial Day 2015: desempenho do FAS nas
inundações de TMC e Meyerland.” Acessado em 31 de maio de 2019. http://
bedient.rice.edu/_downloads/May15_CaseStudy.pdf.
Bedient, P., N. Fang e A. Sebastian. 2013. “Sistema de alerta de inundação baseado em
radar (FAS3) Treinamento do centro médico do Texas.” Acesso em 1º de junho de 2019.
Hall, RE, B. Bowerman, J. Braverman, J. Taylor, H. Todosow e U. Von Wimmersperg. 2000.
“A visão de uma cidade inteligente.” Acessado em 8 de junho de 2019. https://
www.osti.gov/biblio/773961-vision-smart-city.
Hastak, M. e C. Koo. 2016. “Teoria de uma unidade de planejamento inteligente para o
complexo ambiente construído.” J. Gerenciar. Eng. 33 (3): 04016046. https://doi.org/
10.1061/(ASCE)ME.1943-5479.0000486.

© ASCE 04020027-9 J. Gerenciar. Eng.

J. Gerenciar. Eng., 2020, 36(4): 04020027

 Machine Translated by Google
Heaton, B. 2012. “Sistema de alerta precoce de enchentes mantém Austin, Texas, preparado.”
Acessado em 4 de novembro de 2018. http://www.govtech.com/public -safety/Flood-Early-
Warning-System-Austin-Texas-Prepared.html.
Horita, F., D. Link, JP Albuquerque e B. Hellingrat. 2016. “oDMN: Um modelo integrado para
conectar as necessidades de tomada de decisão a fontes de dados emergentes na gestão
de desastres.” Em Proc., 49º Havaí Int. conf. em Ciência do Sistema. Nova York: IEEE.
https://doi.org/10.1109/HICSS .2016.361.
Howell, S., Y. Rezgui e T. Beach. 2017. “Integrando construção e semântica urbana para
capacitar soluções de água inteligentes.” Autom. Constr. 81 (setembro): 434–448. https://
doi.org/10.1016/j.autcon.2017.02.004.
Intellectsoft US. 2018. “Algoritmos de imagem avançados na reconstrução de gêmeos digitais
de canteiros de obras.” Acessado em 24 de janeiro de 2019. https://www.intellectsoft.net/
blog/advanced-imaging-algorithms-for-digital-twin-reconstruction .
Kates, R., C. Colten, S. Laska e S. Leatherman. 2006. “Reconstrução de Nova Orleans após
o furacão Katrina: uma perspectiva de pesquisa.” Proc.
Nacional Acad. Conhecer EUA 103 (40): 14653–14660. https://doi.org/10.1073/
pnas.0605726103 .
Kim, TH, TJ Cova e A. Brunelle. 2006. “Animação de mapa exploratório para análise pós-
evento de recomendações de ações de proteção contra incêndios florestais.”
Nat. Perigo. Rev. 7 (1): 1–11. https://doi.org/10.1061/(ASCE)1527-6988(2006)7:1(1 ).
Klenzendorf, B., M. Barrett, M. Christman e M. Quigley. 2015. “Qualidade da água e benefícios
de conservação alcançados por meio de retrofit de controle em tempo real de instalações
de gerenciamento de águas pluviais perto de Austin, Texas.” Relatório técnico. Boston:
OptiRTC.
Lee, SK, HR Kwon, H. Cho, J. Kim e D. Lee. 2016. Estudos de caso internacionais de cidades
inteligentes: Singapura, República de Singapura.
Washington, DC: Banco Interamericano de Desenvolvimento.
Li, M., Q. Huang, L. Wang, J. Yin e J. Wang. 2018. “Modelagem da interrupção do tráfego
causada por enchentes pluviais na rede rodoviária intra-urbana.”
Trans. SIG. 22 (1): 311–322. https://doi.org/10.1111/tgis.12311.
Lindell, MK, CS Prater e WG Peacock. 2007. “Comunicação organizacional e tomada de
decisão para emergências de furacões.”
Nat. Perigo. Rev. 8 (3): 50–60. https://doi.org/10.1061/(ASCE)1527-6988(2007)8:3(50 ).
177.156.233.169
ascelibrary.org
reservados.
01/04/23.
pessoal;
Autorais
direitos
Apenas
Direitos
Baixado
ASCE.
todos
para
uso
emos
por
de
Little, RG, RA Loggins e WA Wallace. 2015. “Construindo a ferramenta certa para o trabalho:
valor do envolvimento das partes interessadas ao desenvolver tecnologias de suporte à
decisão para gerenciamento de emergência.” Nat. Perigo. Rev. 16 (4): 05015001. https://
doi.org/10.1061/(ASCE)NH.1527 -6996.0000182.
Maio, M., ed. 2019. “Cingapura: uma nação inteligente.” Acessado em 31 de maio de 2019.
https://static.scientificamerican.com/sciam/assets/File/SACustomMedia
-SingaporeASmartNation.pdf.
Mikell, M. e M. Mikell. 2018. “Folha de referência: O que é gêmeo digital?
Blog da Internet das Coisas.” Acessado em 6 de outubro de 2018. https://www.ibm.com/
blogs/internet-of-things/iot-cheat-sheet-digital-twin .
Mohammadi N., e JE Taylor. 2017. “Gêmeos digitais da cidade inteligente.” Em Proc., 2017
IEEE Symp. Série sobre Inteligência Computacional (SSCI), 1–5.
Nova York: IEEE. https://doi.org/10.1109/SSCI.2017.8285439.
Mullapudi, A., M. Bartos, B. Wong e B. Kerkez. 2018. “Shaping stream stream using a real-
time pluvial control network.” Sensores 18 (7): 2259. https://doi.org/10.3390/s18072259.
© ASCE 04020027-10
J. Gerenciar. Eng., 2020, 36(4): 04020027
NEC. 2019. “GE digital e NEC colaboram para impulsionar a digitalização.”
Acessado em 3 de fevereiro de 2019. https://www.nec.com/en/global/about/vision/case/
26.html .
Oh, Eun Ho, A. Deshmukh e M. Hastak. 2013. “Avaliação da criticidade da infraestrutura vital
para melhorar a resposta a desastres.” Nat. Perigo.
Rev. 14 (2): 98–107. https://doi.org/10.1061/(ASCE)NH.1527-6996 .0000084.
Piro, G., I. Cianci, LA Grieco, G. Boggia e P. Camarda. 2014.
“Serviços centrados na informação em cidades inteligentes.” J.Sist. Software 88 (1): 169–
188. https://doi.org/10.1016/j.jss.2013.10.029.
Pusateri, AE, VW Macdonald, MB Given, SF Walter e WK
Prusaczyk. 2015. “Bridging the technology valley of death in joint medical development.”
Defesa AT&L 2015 (novembro a dezembro): 40–45.
Ragini, J., P. Anand e V. Bhaskar. 2018. “Análise de big data para resposta e recuperação de
desastres por meio da análise de sentimento.” Int. J. Inf. Gerir.
42 (outubro): 13–24. https://doi.org/10.1016/j.ijinfomgt.2018.05.004.
Rinaldi, SM, JP Peerenboom e TK Kelly. 2001. “Identificando, compreendendo e analisando
interdependências de infraestrutura crítica”.
Sistema de Controle IEEE Mag. 21 (6): 11–25. https://doi.org/10.1109/37 .969131.
Rosencrance, L. 2018. “Os projetos de cidades inteligentes de Nova York se concentram na
experiência do usuário e no transporte.” Acessado em 21 de outubro de 2018. https://
internetofthingsagenda .techtarget.com/feature/NYC-smart-city-projects-focus-on-user-
experience -transportation.
Conselho de Cidades Inteligentes. 2019. “Guia de prontidão para cidades inteligentes®.”
Acessado em 17 de outubro de 2019. https://rg.smartcitiescouncil.com/readiness-guide /
article/definition-definition-smart-city.
Sterman, J. 2000. Dinâmica de negócios, pensamento sistêmico e modelagem em uma
mundo complexo. Nova York: McGraw-Hill.
Condado de St. Louis. 2018. “As quatro fases da gestão de emergências.”
Acessado em 8 de dezembro de 2018. https://www.stlouisco.com/lawandpublic safety/
emergencymanagement/thefivephasesofemergencymanagement.
Tamura, K. 2007. “Definindo a recuperação: modelo de 7 elementos.” J. Res. de Desastres. 2
(6): 475–483. https://doi.org/10.20965/jdr.2007.p0475.
Instituto de Transporte Texas A&M. 2019. “Melhorando os tempos de espera de cruzamento
de dados.” Acessado em 25 de janeiro de 2019. https://tti.tamu.edu/researcher/improving-
border-crossing-wait-times/ .
Thorvaldsdottir, S., e R. Sigbjornsson. 2013. “Gerenciamento da função de desastre:
princípios básicos.” Nat. Perigo. Rev. 15 (1): 48–57. https://doi.org/10.1061/
(ASCE)NH.1527-6996.0000118 .
UN-OCHA (Escritório de Coordenação de Assuntos Humanos das Nações Unidas).
2019. “Aqui é OCHA.” Acessado em 1º de novembro de 2019. https://www.unocha.org/
sites/unocha/files/this_is_ocha_2019.pdf .
Yan, J., J. Liu e F. Tseng. 2018. “Um sistema de avaliação baseado na estrutura do sistema
auto-organizado de cidades inteligentes: um estudo de caso de sistemas de transporte
inteligentes na China.” Tecnol. Forecasting Social Change 153: 119371. https://doi.org/
10.1016/j.techfore.2018.07.009.
Yigitcanlar, T., M. Kamruzzaman, L. Buys, G. Ioppolo, J. Sabatini Marques, E. da Costa, and
J. Yun. 2018. “Entendendo 'cidades inteligentes': Interlaçando impulsionadores de
desenvolvimento com resultados desejados em uma estrutura multidimensional.” Cidades
81 (novembro): 145–160. https://doi.org/10 .1016/j.cities.2018.04.003.
Zhao, J. 2011. Rumo a cidades sustentáveis na China: Análise e avaliação de algumas
cidades chinesas em 2008. Berlin: Springer.
J. Gerenciar. Eng.