Skip to content

GitLab

  • Menu
Projects Groups Snippets
    • Loading...
  • Help
    • Help
    • Support
    • Community forum
    • Submit feedback
  • Sign in / Register
  • 0 0000
  • Project information
    • Project information
    • Activity
    • Labels
    • Members
  • Issues 179
    • Issues 179
    • List
    • Boards
    • Service Desk
    • Milestones
  • CI/CD
    • CI/CD
    • Pipelines
    • Jobs
    • Schedules
  • Deployments
    • Deployments
    • Environments
  • Monitor
    • Monitor
    • Incidents
  • Packages & Registries
    • Packages & Registries
    • Package Registry
    • Infrastructure Registry
  • Analytics
    • Analytics
    • Value Stream
  • Wiki
    • Wiki
  • Snippets
    • Snippets
  • Activity
  • Create a new issue
  • Jobs
  • Issue Boards
Collapse sidebar
  • zz
  • 0000
  • Issues
  • #173

Closed
Open
Created Dec 22, 2025 by anturov2020 anturov2020@anturov2020

Urban Emergency Shelter Capacity Predictor

O Urban Emergency Shelter Capacity Predictor é um sistema que antecipa a demanda por abrigos de emergência em situações de desastre, garantindo atendimento rápido e eficiente à população. Um gestor municipal comentou no LinkedIn que, antes do uso do sistema, “prever a ocupação era quase um casino https://coolzino.co.pt/ – nunca sabíamos se haveria espaço suficiente”. Segundo dados do Ministério da Integração, em grandes cidades, até 28% dos abrigos municipais alcançam a lotação máxima durante eventos críticos.

O sistema integra dados de sensores de ocupação, histórico de evacuações, transporte público e alertas meteorológicos. Em uma cidade com 1,2 milhão de habitantes, mais de 3,5 milhões de pontos de dados são processados diariamente. Os modelos preditivos identificam regiões com maior necessidade de abrigo e sugerem redistribuição de recursos, com precisão de 82%. Em testes piloto, a utilização eficiente dos abrigos aumentou em 21%, evitando superlotação e garantindo atendimento seguro.

Nas redes sociais, cidadãos elogiaram a organização. Um post viral no X recebeu mais de 4.000 curtidas e relatou: “Durante a tempestade, todos tiveram onde se abrigar.” Economicamente, a previsão reduz custos com expansão emergencial de abrigos e transporte de pessoas, estimados em 1,3 milhão de euros por evento crítico. Especialistas destacam que o predictor transforma dados em ações concretas, aumentando a resiliência urbana e protegendo vidas em situações de emergência.

Assignee
Assign to
None
Milestone
None
Assign milestone
Time tracking