Movimentação e comportamento de pessoas nas zonas de diversão noturna de Lisboa com base em dados reais

Abstract

Os espaços públicos dedicados à vida noturna têm um impacto relevante na dinâmica urbana, tornando crucial a sua gestão para atender aos interesses de utilizadores, residentes e comerciantes. Este estudo visa analisar a movimentação e o comportamento nas zonas de diversão noturna de Lisboa, utilizando dados anonimizados de dispositivos móveis fornecidos por uma operadora, incluindo dispositivos em roaming devido à relevância turística e impacto económico dos visitantes. É também interessante observar como estes movimentos humanos afetam o ambiente sonoro exterior, especificamente como os valores do parâmetro de nível sonoro muda ao longo do tempo. A metodologia aplicada foi o CRISP-DM, guiando todo o processo de desenvolvimento de um dashboard em Power BI, e a seleção de indicadores-chave de desempenho (KPI) fundamentados na literatura e validados por especialistas. Como resultados, esta análise identifica padrões de movimento, avalia transferências entre zonas e relaciona esses movimentos com os níveis de ruído ambiental. Por fim, a presente dissertação contribui para um sistema de apoio à decisão, proporcionando à LxDataLab uma ferramenta que facilita a análise e gestão de dados, permitindo uma compreensão mais profunda dos padrões de mobilidade urbana em áreas de lazer noturno.

Public spaces dedicated to nightlife have a relevant impact on urban dynamics, making it crucial to manage them to meet the interests of users, residents and traders. This study aims to analyze movement and behavior in Lisbon's nightlife areas, using anonymized data from mobile devices provided by an operator, including roaming devices due to the tourist relevance and economic impact of visitors. It is also interesting to observe how these human movements affect the outdoor sound environment, specifically how the sound level parameter values change over time. The methodology applied was CRISP-DM, which guided the entire process of developing a dashboard in Power BI and selecting key performance indicators (KPIs) based on the literature and validated by experts. As a result, this analysis identifies movement patterns, evaluates transfers between zones and relates these movements to environmental noise levels. Finally, this dissertation contributes to a decision support system, providing LxDataLab with a tool that facilitates data analysis and management, enabling a deeper understanding of urban mobility patterns in night-time leisure areas.