M1U1 - Ejercicio 1

# Elaborar 8 mapas: 
# 1 comuna origen, 1 comuna destino, 3 comuna origen por tipo vehículo, 3 comuna destino por tipo vehículo.

# instalar librerías

require(raster)

## Loading required package: raster

## Warning: package 'raster' was built under R version 4.2.3

## Loading required package: sp

require(rgdal)

## Loading required package: rgdal

## Please note that rgdal will be retired during 2023,
## plan transition to sf/stars/terra functions using GDAL and PROJ
## at your earliest convenience.
## See https://r-spatial.org/r/2022/04/12/evolution.html and https://github.com/r-spatial/evolution
## rgdal: version: 1.6-5, (SVN revision 1199)
## Geospatial Data Abstraction Library extensions to R successfully loaded
## Loaded GDAL runtime: GDAL 3.5.2, released 2022/09/02
## Path to GDAL shared files: C:/Users/ADMIN/AppData/Local/R/win-library/4.2/rgdal/gdal
## GDAL binary built with GEOS: TRUE 
## Loaded PROJ runtime: Rel. 8.2.1, January 1st, 2022, [PJ_VERSION: 821]
## Path to PROJ shared files: C:/Users/ADMIN/AppData/Local/R/win-library/4.2/rgdal/proj
## PROJ CDN enabled: FALSE
## Linking to sp version:1.6-0
## To mute warnings of possible GDAL/OSR exportToProj4() degradation,
## use options("rgdal_show_exportToProj4_warnings"="none") before loading sp or rgdal.

require(sp)
require(dplyr)

## Loading required package: dplyr

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:raster':
## 
##     intersect, select, union

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

comunas = shapefile("C:/Users/ADMIN/Desktop/Maestria Ciencia de Datos/SEMESTRE III - 2023.2/Analisis de Inf Geografica y Espacial/M1U1 - Areas de la estadistica Espacial y conceptos de cartografia/Casos - ejemplo cali/cali/Comunas.shp")
plot(comunas)

comunas

## class       : SpatialPolygonsDataFrame 
## features    : 22 
## extent      : 1053868, 1068492, 860190.2, 879441.5  (xmin, xmax, ymin, ymax)
## crs         : +proj=tmerc +lat_0=3.441883333 +lon_0=-76.5205625 +k=1 +x_0=1061900.18 +y_0=872364.63 +a=6379137 +rf=298.257222101 +units=m +no_defs 
## variables   : 4
## names       : OBJECTID, gid, comuna,   nombre 
## min values  :        1,  89,      1, Comuna 1 
## max values  :       22, 110,     22, Comuna 9

tabla=comunas@data
tabla

library(readxl)
EncuestaOrigenDestino <- read_excel("C:/Users/ADMIN/Desktop/Maestria Ciencia de Datos/SEMESTRE III - 2023.2/Analisis de Inf Geografica y Espacial/M1U1 - Areas de la estadistica Espacial y conceptos de cartografia/Casos - ejemplo cali/EncuestaOrigenDestino.xlsx")

## New names:
## • `MUNICIPIO` -> `MUNICIPIO...7`
## • `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA / HITO /
##   DIRECCIÓN` -> `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA
##   / HITO / DIRECCIÓN...8`
## • `MUNICIPIO` -> `MUNICIPIO...11`
## • `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA / HITO /
##   DIRECCIÓN` -> `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA
##   / HITO / DIRECCIÓN...12`
## • `OTRO ¿CUÁL?` -> `OTRO ¿CUÁL?...17`
## • `OTRO ¿CUÁL?` -> `OTRO ¿CUÁL?...24`

Encuesta_Origen = EncuestaOrigenDestino[,-c(1:22,24,25,27,28)]
Encuesta_Origen = Encuesta_Origen [!Encuesta_Origen$`comuna origen`%in%c("0","Fuera de Cali"), ]
Encuesta_Origen$`comuna origen`= as.numeric(Encuesta_Origen$`comuna origen`)


Encuesta_Destino = EncuestaOrigenDestino[,-c(1:22,24,25,26,28)]
Encuesta_Destino = Encuesta_Destino [!Encuesta_Destino$`comuna destino`%in%c("0","Fuera de Cali"), ]
Encuesta_Destino$`comuna destino`= as.numeric(Encuesta_Destino$`comuna destino`)

View(Encuesta_Origen)
View(Encuesta_Destino)
head(Encuesta_Origen)

head(Encuesta_Destino)

# Para COMUNA ORIGEN:

conteo_origen=Encuesta_Origen%>% count (`comuna origen`, sort = TRUE )
conteo_origen

conteo_origen = Encuesta_Origen%>%group_by(`comuna origen`)%>%summarise(conteo_o = n())
conteo_origen

comunas$conteo_o = conteo_origen[comunas$comuna,]$conteo_o
spplot(comunas[,5])

comunas@data

De Acuerdo con la anterior información, se identifica que la mayor cantidad de personas que se desplazan, se encuentran en las

comunas de origen: 2, 19, 17, 3, 18, 4 que representan casi el 50% de la población que de desplaza entre mayo y principios de

junio del 2015 en la ciudad de Cali a traves de diferentes medios de transporte para realizar determinadas actividades.

# Para Origen y tipo vehículo Bicicleta (1)

Origen_bicicleta = Encuesta_Origen%>% filter(`TIPO DE VEHÍCULO`==1) %>%group_by(`comuna origen`)%>%summarise(conteo_b = n())
Origen_bicicleta

comunas$conteo_bici = Origen_bicicleta[comunas$comuna,]$conteo_b
spplot(comunas[,6])

comunas@data

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en bicileta,

logrando identificar las comunas 2, 3, 17, 18 y 19, correspondiente al 42% de la población que mas se desplaza en bicicleta con origen

de las comunas mencionadas anteriormente.

# Para Origen y tipo vehículo Moto (2)

Origen_moto = Encuesta_Origen%>% filter(`TIPO DE VEHÍCULO`==2) %>%group_by(`comuna origen`)%>%summarise(conteo_m = n())
Origen_moto

comunas$conteo_moto = Origen_moto[comunas$comuna,]$conteo_m
spplot(comunas[,7])

comunas@data

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en moto,

logrando identificar las comunas 2, 3, 4, 10, 17, 18, 19, correspondiente al 53% de la población que mas se desplaza en moto con origen

de las comunas mencionadas anteriormente.

# Para Origen y tipo vehículo Automóvil (3)

Origen_carro = Encuesta_Origen%>% filter(`TIPO DE VEHÍCULO`==3) %>%group_by(`comuna origen`)%>%summarise(conteo_c = n())
Origen_carro

comunas$conteo_carro = Origen_carro[comunas$comuna,]$conteo_c
spplot(comunas[,8])

comunas@data

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en automovil,

logrando identificar las comunas 2, 3, 4, 10, 17, 18 y 19, correspondiente al 52% de la población que mas se desplaza en automovil con

origen de las comunas mencionadas anteriormente.

# Para COMUNA DESTINO:

conteo_destino=Encuesta_Destino%>% count (`comuna destino`, sort = TRUE )
conteo_destino

conteo_destino = Encuesta_Destino%>%group_by(`comuna destino`)%>%summarise(conteo_d = n())
conteo_destino

comunas$conteo_d = conteo_destino[comunas$comuna,]$conteo_d
spplot(comunas[,9])

comunas@data

De Acuerdo con la anterior información, se identifica que la mayor cantidad de personas que se desplazan, tienen como destino las

comunas: 2, 3, 4, 7, 8, 9, 10, 16, 17, 19 y 22, siendo estas el 50% de las comunas urbanas de cali y representan 80% de la población que

se desplaza entre mayo y principios de junio del 2015 en la ciudad de Cali a traves de diferentes medios de transporte para realizar

determinadas actividades en la comuna de llegada.

Tambien se identifica que a la comuna que mas se desplaza la población encuestada es a la comuna 2.

# Para Destino y tipo vehículo Bicicleta (1)

Destino_bicicleta = Encuesta_Destino%>% filter(`TIPO DE VEHÍCULO`==1) %>%group_by(`comuna destino`)%>%summarise(conteo_b_d = n())
Destino_bicicleta

comunas$conteo_bici_dest = Destino_bicicleta[comunas$comuna,]$conteo_b_d
spplot(comunas[,10])

comunas@data

Dada la anterior información, se logra identificar cuales son las comunas de destino a las que la población se desplaza en bicileta,

logrando identificar las comunas 2, 3, 17, 19 y 22, correspondiente al 56% de la población que mas se desplaza en bicicleta con destino

a las comunas mencionadas anteriormente.

Es de notar que las comunas de origen y destino son las mismas en las comunas 2, 3, 17 y 19, pudiendo inferir que las personas encuestadas

se encontraban laborando en empresas cerca de su lugar de vivienda. Esto también depende de la horas a las que se realizaron las encuestas.

# Para Destino y tipo vehículo Moto (2)

Destino_moto = Encuesta_Destino%>% filter(`TIPO DE VEHÍCULO`==2) %>%group_by(`comuna destino`)%>%summarise(conteo_m_d = n())
Destino_moto

comunas$conteo_moto_dest = Destino_moto[comunas$comuna,]$conteo_m_d
spplot(comunas[,11])

comunas@data

Dada la anterior información, se logra identificar cuales son las comunas de destino a las que la población se desplaza en moto,

logrando identificar las comunas 2, 3, 17, 19 y 22, correspondiente al 56% de la población que mas se desplaza en moto con destino

a las comunas mencionadas anteriormente.

# Para Destino y tipo vehículo Automóvil (3)

Destino_carro = Encuesta_Destino%>% filter(`TIPO DE VEHÍCULO`==3) %>%group_by(`comuna destino`)%>%summarise(conteo_c_d = n())
Destino_carro

comunas$conteo_carro_dest = Destino_carro[comunas$comuna,]$conteo_c_d
spplot(comunas[,12])

comunas@data

M1U1 - Ejercicio 1

John Jairo Bedoya Saenz

2023-08-07

De Acuerdo con la anterior información, se identifica que la mayor cantidad de personas que se desplazan, se encuentran en las

comunas de origen: 2, 19, 17, 3, 18, 4 que representan casi el 50% de la población que de desplaza entre mayo y principios de

junio del 2015 en la ciudad de Cali a traves de diferentes medios de transporte para realizar determinadas actividades.

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en bicileta,

logrando identificar las comunas 2, 3, 17, 18 y 19, correspondiente al 42% de la población que mas se desplaza en bicicleta con origen

de las comunas mencionadas anteriormente.

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en moto,

logrando identificar las comunas 2, 3, 4, 10, 17, 18, 19, correspondiente al 53% de la población que mas se desplaza en moto con origen

de las comunas mencionadas anteriormente.

Dada la anterior información, se logra identificar cuales son las comunas de origen en la que las personas se desplazan en automovil,

logrando identificar las comunas 2, 3, 4, 10, 17, 18 y 19, correspondiente al 52% de la población que mas se desplaza en automovil con

origen de las comunas mencionadas anteriormente.

De Acuerdo con la anterior información, se identifica que la mayor cantidad de personas que se desplazan, tienen como destino las

comunas: 2, 3, 4, 7, 8, 9, 10, 16, 17, 19 y 22, siendo estas el 50% de las comunas urbanas de cali y representan 80% de la población que

se desplaza entre mayo y principios de junio del 2015 en la ciudad de Cali a traves de diferentes medios de transporte para realizar

determinadas actividades en la comuna de llegada.

Tambien se identifica que a la comuna que mas se desplaza la población encuestada es a la comuna 2.

Dada la anterior información, se logra identificar cuales son las comunas de destino a las que la población se desplaza en bicileta,

logrando identificar las comunas 2, 3, 17, 19 y 22, correspondiente al 56% de la población que mas se desplaza en bicicleta con destino

a las comunas mencionadas anteriormente.

Es de notar que las comunas de origen y destino son las mismas en las comunas 2, 3, 17 y 19, pudiendo inferir que las personas encuestadas

se encontraban laborando en empresas cerca de su lugar de vivienda. Esto también depende de la horas a las que se realizaron las encuestas.

Dada la anterior información, se logra identificar cuales son las comunas de destino a las que la población se desplaza en moto,

logrando identificar las comunas 2, 3, 17, 19 y 22, correspondiente al 56% de la población que mas se desplaza en moto con destino

a las comunas mencionadas anteriormente.

Dada la anterior información, se logra identificar cuales son las comunas de destino a las que la población se desplaza en automovil,

logrando identificar las comunas 2, 3, 4, 17 y 19, correspondiente al 58% de la población que mas se desplaza en automovil con destino

a las comunas mencionadas anteriormente.