M1U1 - Analisis de informacion geografica
David Chia Bejarano
2023-10-06
1. Importar datos
Se importa la informacion de la encuesta:
Se carga la informacion del archivo shape de comunas:
Verificamos informacion disponible en la informacion importada
## tibble [35,054 × 28] (S3: tbl_df/tbl/data.frame)
## $ FECHA : POSIXct[1:35054], format: "2015-06-01" "2015-06-01" ...
## $ IDESTACIÓN : num [1:35054] 1 1 1 1 1 1 1 1 1 1 ...
## $ ESTACIÓN : chr [1:35054] "Avenida6NXCalle70N" "Avenida6NXCalle70N" "Avenida6NXCalle70N" "Avenida6NXCalle70N" ...
## $ ACCESO : chr [1:35054] "NORTE" "NORTE" "NORTE" "NORTE" ...
## $ MOVIMIENTO : chr [1:35054] "MOV1" "MOV1" "MOV1" "MOV1" ...
## $ HoradeEncuesta : chr [1:35054] "6:10:00AM" "6:11:00AM" "6:12:00AM" "6:13:00AM" ...
## $ MUNICIPIO...7 : chr [1:35054] "CALI" "CALIMA" "YUMBO" "YUMBO" ...
## $ DEPARTAMENTO/LOCALIDAD/COMUNA/DISTRITO/BARRIO/VEREDA/HITO/DIRECCIÓN...8 : chr [1:35054] "BCHIPICHAPE" "DARIEN" "VALLEDELCAUCA" "VALLEDELCAUCA" ...
## $ CodigoOrigen_SDG : chr [1:35054] "218" "4102" "3102" "3102" ...
## $ ¿QUEESTABAHACIENDOENESELUGAR? : chr [1:35054] "5" "6" "6" "6" ...
## $ MUNICIPIO...11 : chr [1:35054] "CALI" "CALI" "CALI" "CALI" ...
## $ DEPARTAMENTO/LOCALIDAD/COMUNA/DISTRITO/BARRIO/VEREDA/HITO/DIRECCIÓN...12: chr [1:35054] "BPANCE" "TEQUENDAMA" "BELPEÑON" "BOBRERO" ...
## $ CodigoDestino_SDG : chr [1:35054] "2216" "1904" "302" "910" ...
## $ ¿QUEVAHACERAESELUGAR? : chr [1:35054] "1" "4" "1" "1" ...
## $ ESTRATOENSUVIVIENDA : chr [1:35054] "3" "2" "3" "2" ...
## $ ¿DISPONIADEUNVEHÍCULOPARAREALIZARESTEDESPLAZAMIENTO? : chr [1:35054] "0" "NA" "NA" "NA" ...
## $ OTRO¿CUÁL?...17 : chr [1:35054] "NA" "NA" "NA" "NA" ...
## $ ANTES : chr [1:35054] "NA" "NA" "NA" "NA" ...
## $ DESPUES : chr [1:35054] "NA" "NA" "NA" "NA" ...
## $ EDAD : chr [1:35054] "35" "40" "33" "28" ...
## $ SEXO : chr [1:35054] "2" "2" "2" "2" ...
## $ PERSONASENELVEHÍCULO : chr [1:35054] "1" "4" "1" "1" ...
## $ TIPODEVEHÍCULO : chr [1:35054] "2" "3" "2" "2" ...
## $ OTRO¿CUÁL?...24 : chr [1:35054] "NA" "NA" "NA" "NA" ...
## $ TIPODEVIAJERO : chr [1:35054] "1" "1" "1" "1" ...
## $ comunaorigen : chr [1:35054] "02" "FueradeCali" "FueradeCali" "FueradeCali" ...
## $ comunadestino : chr [1:35054] "22" "19" "03" "09" ...
## $ Intracomuna : chr [1:35054] "0" "0" "0" "0" ...
2. Desarrollo
Se procede a hacer una limpieza de datos innecesarios o registros que no aportarán al desarrollo del analisis:
## # A tibble: 6 × 28
## FECHA IDESTACIÓN ESTACIÓN ACCESO MOVIMIENTO HoradeEncuesta
## <dttm> <dbl> <chr> <chr> <chr> <chr>
## 1 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 6:10:00AM
## 2 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 6:28:00AM
## 3 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 6:30:00AM
## 4 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 7:16:00AM
## 5 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 7:20:00AM
## 6 2015-06-01 00:00:00 1 Avenida6NXCal… NORTE MOV1 7:29:00AM
## # ℹ 22 more variables: MUNICIPIO...7 <chr>,
## # `DEPARTAMENTO/LOCALIDAD/COMUNA/DISTRITO/BARRIO/VEREDA/HITO/DIRECCIÓN...8` <chr>,
## # CodigoOrigen_SDG <chr>, `¿QUEESTABAHACIENDOENESELUGAR?` <chr>,
## # MUNICIPIO...11 <chr>,
## # `DEPARTAMENTO/LOCALIDAD/COMUNA/DISTRITO/BARRIO/VEREDA/HITO/DIRECCIÓN...12` <chr>,
## # CodigoDestino_SDG <chr>, `¿QUEVAHACERAESELUGAR?` <chr>,
## # ESTRATOENSUVIVIENDA <chr>, …3. Analisis por comuna de origen
Se procede a elaborar un mapa general de los datos a trabajar, relacionados con la comuna de origen.
##
## 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## # A tibble: 22 × 2
## comunaorigen num_origen
## <dbl> <int>
## 1 1 626
## 2 2 2250
## 3 3 1610
## 4 4 1193
## 5 5 521
## 6 6 797
## 7 7 583
## 8 8 862
## 9 9 737
## 10 10 1094
## # ℹ 12 more rowsSe adiciona el resumen al archivo shapefile:
## 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 : 5
## names : OBJECTID, gid, comuna, nombre, num_origen
## min values : 1, 89, 1, Comuna 1, 257
## max values : 22, 110, 22, Comuna 9, 2250Se genera el mapa:
Bien, teniendo en cuenta que es necesario analizar los numeros de viajes por tipo de vehiculo, se realizaran tres graficos diferentes para identificar de manera clara que diferencias existen entre estos tres medios de transporte.
3.1 Viajes en bicicleta
Filtraremos la base de datos para obtener informacion de viajes por comuna de origen relacionados con el vehiculo 1 (Bicicletas)
## # A tibble: 22 × 2
## comunaorigen num_origen_bici
## <dbl> <int>
## 1 1 32
## 2 2 122
## 3 3 84
## 4 4 58
## 5 5 28
## 6 6 29
## 7 7 30
## 8 8 46
## 9 9 36
## 10 10 71
## # ℹ 12 more rows## 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 : 6
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici
## min values : 1, 89, 1, Comuna 1, 257, 10
## max values : 22, 110, 22, Comuna 9, 2250, 122
3.2 Viajes en moto
Filtraremos la base de datos para obtener informacion de viajes por comuna de origen relacionados con el vehiculo 2 (Motocicleta)
## # A tibble: 22 × 2
## comunaorigen num_origen_moto
## <dbl> <int>
## 1 1 296
## 2 2 1063
## 3 3 702
## 4 4 571
## 5 5 260
## 6 6 377
## 7 7 272
## 8 8 421
## 9 9 317
## 10 10 535
## # ℹ 12 more rowsSe genera el mapa:
## 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 : 7
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto
## min values : 1, 89, 1, Comuna 1, 257, 10, 133
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063
3.3 Viajes en auto
Filtraremos la base de datos para obtener informacion de viajes por comuna de origen relacionados con el vehiculo 3 (Automovil)
## # A tibble: 22 × 2
## comunaorigen num_origen_auto
## <dbl> <int>
## 1 1 234
## 2 2 860
## 3 3 679
## 4 4 443
## 5 5 185
## 6 6 314
## 7 7 229
## 8 8 319
## 9 9 295
## 10 10 404
## # ℹ 12 more rowsSe genera el mapa:
## 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 : 8
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto, num_origen_auto
## min values : 1, 89, 1, Comuna 1, 257, 10, 133, 88
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063, 923
Vamos a consolidar los mapas para desarrollar un analisis un poco mas agil:
Adicionalmente, generemos una escala comparativa entre los tres medios de transporte para comprender un poco mejor la dimension dentro de la informacion global:
Claramente se observa que las comunas que tienen un origen mayor de transporte dentro de la ciudad son las comunas 2, 19 y 17, ubicadas en la columna oriental de la ciudad, atravezando de norte a sur. Las que menos generan viajes son las que estan ubicadas en el centro y occidente, ya que estas comunas son menos densas a nivel de hogares.
Los viajes en moto y en auto mantienen niveles superiores a los 200, mientras que en bicicleta, las cifras son inferiores a 200 a nivel general en todas las comunas.
4. Analisis por comuna de origen
Se procede a elaborar un mapa general de los datos a trabajar, relacionados con la comuna de destino.
## # A tibble: 22 × 2
## comunadestino num_destino
## <dbl> <int>
## 1 1 187
## 2 2 3773
## 3 3 2887
## 4 4 1497
## 5 5 440
## 6 6 570
## 7 7 598
## 8 8 830
## 9 9 1055
## 10 10 741
## # ℹ 12 more rowsSe adiciona el resumen al archivo shapefile:
## 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 : 9
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto, num_origen_auto, num_destino
## min values : 1, 89, 1, Comuna 1, 257, 10, 133, 88, 187
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063, 923, 3773Se genera el mapa:
Bien, teniendo en cuenta que es necesario analizar los numeros de viajes por tipo de vehiculo, se realizaran tres graficos diferentes para identificar de manera clara que diferencias existen entre estos tres medios de transporte.
4.1 Viajes en bicicleta - destino
Filtraremos la base de datos para obtener informacion de viajes por comuna de destino relacionados con el vehiculo 1 (Bicicletas)
## # A tibble: 22 × 2
## comunadestino num_destino_bici
## <dbl> <int>
## 1 1 9
## 2 2 194
## 3 3 169
## 4 4 80
## 5 5 38
## 6 6 31
## 7 7 36
## 8 8 46
## 9 9 56
## 10 10 34
## # ℹ 12 more rows## 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 : 10
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto, num_origen_auto, num_destino, num_destino_bici
## min values : 1, 89, 1, Comuna 1, 257, 10, 133, 88, 187, 9
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063, 923, 3773, 194
4.2 Viajes en moto - destino
Filtraremos la base de datos para obtener informacion de viajes por comuna de destino relacionados con el vehiculo 2 (Motocicleta)
## # A tibble: 22 × 2
## comunadestino num_destino_moto
## <dbl> <int>
## 1 1 90
## 2 2 1734
## 3 3 1333
## 4 4 678
## 5 5 183
## 6 6 255
## 7 7 279
## 8 8 382
## 9 9 512
## 10 10 353
## # ℹ 12 more rowsSe genera el mapa:
## 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 : 11
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto, num_origen_auto, num_destino, num_destino_bici, num_destino_moto
## min values : 1, 89, 1, Comuna 1, 257, 10, 133, 88, 187, 9, 90
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063, 923, 3773, 194, 1734
4.3 Viajes en auto
Filtraremos la base de datos para obtener informacion de viajes por comuna de destino relacionados con el vehiculo 3 (Automovil)
## # A tibble: 22 × 2
## comunadestino num_destino_auto
## <dbl> <int>
## 1 1 73
## 2 2 1518
## 3 3 1098
## 4 4 596
## 5 5 181
## 6 6 208
## 7 7 224
## 8 8 325
## 9 9 382
## 10 10 291
## # ℹ 12 more rowsSe genera el mapa:
## 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 : 12
## names : OBJECTID, gid, comuna, nombre, num_origen, num_origen_bici, num_origen_moto, num_origen_auto, num_destino, num_destino_bici, num_destino_moto, num_destino_auto
## min values : 1, 89, 1, Comuna 1, 257, 10, 133, 88, 187, 9, 90, 71
## max values : 22, 110, 22, Comuna 9, 2250, 122, 1063, 923, 3773, 194, 1734, 1518
Vamos a consolidar los mapas para desarrollar un analisis un poco mas agil:
Adicionalmente, generemos una escala comparativa entre los tres medios de transporte para comprender un poco mejor la dimension dentro de la informacion global:
Consolidemos
5. Conclusiones
Comparativamente, los datos son muy similares comparando Origen vs Destino, es decir, a simple vista pareciera que las comunas conservan un numero parejo de viajes de salida y llegada. Sin embargo, cuando se observa en detalle estos grupos, se puede inferir lo siguiente:
• La comuna 2 se mantiene como la principal fuente de origen de viajes, seguida de las comunas 19, 17. • Los viajes en bicicleta que tienen origen en la comuna 2 llegan principalmente a las comunas 3, 19, 17 y 22. Es decir, existe un corredor bastante claro de viajes en bicicleta por todo el occidente de la ciudad, son viajes que se realizan desde el norte de la ciudad hasta el sur de cali. Seria bueno observar que tantas facilidades tienen los ciclistas para transportarse a nivel urbano entre estar comunas (ciclovías, corredores ecológicos, etc.) • También es necesario resaltar que las comunas ubicadas en el centro-oriente (13, 15 y 16 ) conforman un cluster de origen de viajes en bicicleta remarcable. Lo que indica que posiblemente existe una población que trabaja en este sector de la ciudad y que vive en el corredor oriental. • De igual manera, observamos que la comuna 2 es el lugar de destino mas frecuentado, lo que también podría indicarnos que hay un numero de personas que vive en esta comuna que se desplaza utilizando la bicicleta. • Este mismo comportamiento se presenta en los viajes en moto, donde los orígenes y destinos son muy similares a los que se desarrollan utilizando bicicleta; sin embargo, las escalas son muy distintas entre los medios motorizados y el uso de la bicicleta. • Adicionalmente, los comportamientos entre el uso de motos y automóviles son muy similares, incluso en numero de viajes. Hay algunos puntos de diferencia, como por ejemplo en la comuna 13, la cual tiene un origen de viajes en auto más importante que en moto.
Quizá sería necesario complementar este análisis, involucrando otro tipo de variables, como rangos horarios, actividades e, incluso, días de la semana en las que fueron realizados estos viajes. Esto podría entregarnos una información mas precisa sobre el uso de los medios de transporte por parte de los caleños.