O crescimento populacional irá acarretar no agravamento de diversos problemas já enfrentados nos dias atuais. Megalópoles como São Paulo, Tóquio, Rio de Janeiro, Nova York, Paris, entre outras, já sofrem com problemas de poluição, tráfego, transporte público, serviços de saúde e educação. Tecnologias criadas no contexto de cidades inteligentes podem solucionar ou mitigar tais problemas, mas tais soluções são difíceis (ou caras) de serem avaliadas na escala de uma cidade. Mesmo técnicas computacionais como simulações podem necessitar de muita capacidade de processamento e memória para a simulação de cenários realísticos para megalópoles como São Paulo. Este trabalho propõe um método para a caracterização automática de cenários recorrentes em simulações de cidades inteligentes para acelerar estas simulações.

Population growth will lead to the aggravation of several problems already faced today. Megacities such as São Paulo, Tokyo, Rio de Janeiro, New York, Paris, among others, already suffer from problems of pollution, traffic, public transport, health services and education. Technologies created in the context of smart cities can solve or mitigate such problems, but such solutions are difficult (or expensive) to be evaluated at the scale of a city. Even computational techniques such as simulations may require a lot of processing capacity and memory to simulate realistic scenarios for megacities like São Paulo. This work proposes a method for the automatic characterization of recurrent scenarios in smart city simulations to accelerate these simulations.