Spatial Data of Road Precariousness in Brazil

Fornece acesso eficiente à malha espacial de precariedade viária brasileira. O pacote realiza o download em cache e a leitura otimizada (via Apache Arrow) de arquivos Parquet particionados, contendo o cruzamento de variáveis de infraestrutura do Entorno do Censo Demográfico 2022 (IBGE) com a malha viária aberta do Overture Maps. [English] Provides efficient access to the spatial network of road precariousness in Brazil. The package performs cached downloads and optimized reading (via Apache Arrow) of partitioned Parquet files. These files contain the intersection of infrastructure variables from the 2022 Demographic Census (IBGE) with the open street network from Overture Maps. Methodology and datasets are detailed in Passos (2026) .

precviasBR

O precviasBR é uma ferramenta de engenharia de dados espaciais para acesso facilitado a indicadores de precariedade viária em todo o território brasileiro. O pacote integra a malha de transportes do Overture Maps com os dados de entorno do Censo Demográfico 2022 (IBGE).

Trabalhar com dados de entorno do Censo e malhas viárias nacionais exige alto poder de processamento e manejo de arquivos pesados. O precviasBR automatiza:

• Download segmentado por UF via Zenodo.

• Armazenamento em cache local.

• Leitura ultra-rápida via Apache Arrow (sem carregar tudo na RAM).

• Possibilidade de baixar os dados no Zenodo (Malha Espacial de Precariedade Viária Brasileira (Censo 2022 + Overture Maps)) e rodar localmente.

Nota: dados de entorno são informações coletadas por observação direta dos recenseadores do IBGE. Eles caracterizam a infraestrutura urbana do logradouro (o espaço público) de forma independente das respostas dos moradores.

Instalação

Você pode instalar a versão de desenvolvimento diretamente do Codeberg usando:

# install.packages("remotes")
remotes::install_git("https://codeberg.org/precvias-project/precviasBR-package.git")

Como usar

library(precviasBR)
library(dplyr)

# Carregar dados de um município específico (ex: Porto Alegre)
dados_poa <- read_precvias(code_muni = 4314902) |> 
  collect() # Traz para a memória do R como um tibble/sf

Indicadores

Recortes e limitações metodológicas

Para um uso correto do índice e interpretação espacial dos dados, é fundamental entender o que compõe a base:

• Cobertura Viária vs. Dados Censitários: a malha geométrica (proveniente do Overture Maps) abrange todo o território nacional, incluindo estradas rurais e rodovias isoladas. No entanto, os indicadores de entorno do Censo 2022 (pavimentação, calçada, iluminação, bueiro) foram coletados pelo IBGE predominantemente em áreas urbanas habitadas. Vias localizadas fora desses recortes censitários estão presentes no pacote, mas recebem estritamente o valor NA (nulo) em seus indicadores de precariedade, prevenindo a falsa interpretação de infraestrutura perfeita (0%).

• Foco residencial: os dados refletem a realidade de onde existem domicílios contados pelo Censo. Vias em distritos puramente industriais, grandes parques ecológicos ou zonas desabitadas não possuem o questionário de entorno aplicado e, portanto, também terão seus indicadores tratados como NA.

• Geometria e Espacialização: as vias são derivadas do Overture Maps (tema Transportation), otimizadas (geometrias simplificadas para ganho de performance) e cruzadas espacialmente (st_intersects) para herdar os dados dos polígonos dos setores censitários correspondentes.

Nota sobre soberania de dados: este projeto é desenvolvido sob os princípios de ciência aberta e software livre, buscando democratizar o acesso a dados públicos complexos para pesquisadores, gestores e movimentos sociais.

Fontes

• IBGE (Censo 2022) - via pacote censobr
• Malha geográfica BR - via pacote: geobr
• Overture Maps Foundation