Actividad 1. Unidad 1. Encuesta origen y destino - Cali
Nicolás Castaño Cardona
Introducción
El siguiente documento está realizado con la finalidad de poder comprender como se distribuye la movilidad de la ciudad de Cali, es decir, desde que comuna de origen puede viajar un habitante de la ciudad y cuales son las principales áreas o comunas de destino, en ese sentido, mediante mapas se podran apreciar los lugares de donde mayoritariamente sale la gente a trabajar o diferenets labores y cuales son sus sitios de llegada para tomar decisiones que permitan mejorar este problema.
1. Limpieza y entendimiento de los datos
Inicialmente, se cargo el excel de origen el cual tenia un total de 35,054 filas de datos, este excel contenia diferenets columnas como la fecha, municipio, sexo, edad, entre otras variables, sin embargo para el estudio en particular, era necesario unicamente las variables de “Tipo de vehiculo”, “Comuna origen” y “Comuna destino”.
glimpse(EncuestaOrigenDestino)## Rows: 35,054
## Columns: 28
## $ FECHA <dttm> …
## $ `ID ESTACIÓN` <dbl> …
## $ ESTACIÓN <chr> …
## $ ACCESO <chr> …
## $ MOVIMIENTO <chr> …
## $ `Hora de Encuesta` <dttm> …
## $ MUNICIPIO...7 <chr> …
## $ `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA / HITO / DIRECCIÓN...8` <chr> …
## $ `Codigo Origen_SDG` <chr> …
## $ `¿QUE ESTABA HACIENDO EN ESE LUGAR?` <dbl> …
## $ MUNICIPIO...11 <chr> …
## $ `DEPARTAMENTO / LOCALIDAD / COMUNA / DISTRITO / BARRIO / VEREDA / HITO / DIRECCIÓN...12` <chr> …
## $ `Codigo Destino_SDG` <chr> …
## $ `¿QUE VA HACER A ESE LUGAR?` <dbl> …
## $ `ESTRATO EN SU VIVIENDA` <dbl> …
## $ `¿DISPONIA DE UN VEHÍCULO PARA REALIZAR ESTE DESPLAZAMIENTO?` <dbl> …
## $ `OTRO ¿CUÁL?...17` <lgl> …
## $ ANTES <dbl> …
## $ DESPUES <lgl> …
## $ EDAD <dbl> …
## $ SEXO <dbl> …
## $ `PERSONAS EN EL VEHÍCULO` <dbl> …
## $ `TIPO DE VEHÍCULO` <dbl> …
## $ `OTRO ¿CUÁL?...24` <lgl> …
## $ `TIPO DE VIAJERO` <chr> …
## $ `comuna origen` <chr> …
## $ `comuna destino` <chr> …
## $ Intracomuna <chr> …Selección de columnas
Teniendo en cuenta lo anterior se realizá un datafram alterno que incluya unicamente las variables útiles para el documento en cuestión.
df_Encuesta = EncuestaOrigenDestino[,c("comuna origen","comuna destino","TIPO DE VEHÍCULO")]
colnames(df_Encuesta) = c("C_Origen", "C_Destino", "Tipo_Vehiculo")Normalización de variables
Posteriormente se realiza un proceso de normalización y depuración de la información, en este caso se procedió a eliminar aquellas filas que tuvieras la inscripción “Fuera de Cali” ya sea como comuna de origen o comuna de destino ya que no es objeto de investigación en este documento, adicionalmente, se eliminaron aquellas comunas cuyo origen era 0, ya que no existe la comuna 0 y adicionalmente, esto puede deberse a un error en la transcripción de los datos, en función de esto no se consideró oportuno reemplazar la data con la moda, sino que se opto por imputar los datos ya que se cuenta con una cantidad considerable de ellos.
unique(df_Encuesta$C_Origen)## [1] "02" "Fuera de Cali" "06" "03"
## [5] "04" "13" "17" "16"
## [9] "05" "15" "07" "14"
## [13] "10" "21" "08" "11"
## [17] "19" "12" "20" "01"
## [21] "0" "18" "09" "22"df_Encuesta = df_Encuesta[df_Encuesta$C_Origen != "Fuera de Cali" & df_Encuesta$C_Origen != "0",]unique(df_Encuesta$C_Destino)## [1] "22" "02" "04" "03"
## [5] "19" "09" "Fuera de Cali" "18"
## [9] "21" "06" "10" "05"
## [13] "11" "17" "14" "08"
## [17] "07" "15" "12" "01"
## [21] "13" "16" "0" "20"df_Encuesta = df_Encuesta[df_Encuesta$C_Destino != "Fuera de Cali" & df_Encuesta$C_Destino != "0",]Adicionalmente, se tuvo en cuenta cuales son los tipos de vehiculos a evaluar, el estudio unicamnete se centra en vehiculos Automoviles (3), Bicicletas (1) y Motos (2), las demás categrías fueron eliminadas del dataset y las que se conservron fueron convertidas a formato numérico.
unique(df_Encuesta$Tipo_Vehiculo)## [1] 2 3 4 1 5 7 8 77 NA 6 9df_Encuesta = df_Encuesta[df_Encuesta$Tipo_Vehiculo %in% c(1, 2, 3),]df_Encuesta$C_Origen = as.numeric(df_Encuesta$C_Origen)
df_Encuesta$C_Destino = as.numeric(df_Encuesta$C_Destino)Análisis de faltantes
Una vez realizada esta depuración se quiso evidenciar las cantidades de datos faltantes dentro del dtaset, sin embargo no se obtuvieron de este tipo y por lo tanto no se realizaron procedimientos para solucionar esto. La cantidad final de los datos fueron 20,135.
library(mice)##
## Attaching package: 'mice'## The following object is masked from 'package:stats':
##
## filter## The following objects are masked from 'package:base':
##
## cbind, rbindGrafico_Faltantes = md.pattern(df_Encuesta, rotate.names = TRUE)## /\ /\
## { `---' }
## { O O }
## ==> V <== No need for mice. This data set is completely observed.
## \ \|/ /
## `-----'
2. Implementación del código y creación de gráficos.
Cargar Shapefile de comuna
Inicialmente se procedió con la carga del archivo shapefile, el cual contiene todas las comunas de la ciudad de cali, el archivo es .shp, de tipo polinomial, el cual graficamente permite ver las coordenadas y poligonos de cada comuna. Adicionalmente la data del archivo contine el código gid, el numero de la comuna y su respectivo nombre.
Comunas = shapefile("C:/Users/nicol/Desktop/Shapes/Comunas.shp")## OBJECTID gid comuna nombre
## 1 1 107 2 Comuna 2
## 2 2 108 1 Comuna 1
## 3 3 109 3 Comuna 3
## 4 4 110 19 Comuna 19
## 5 5 103 15 Comuna 15
## 6 6 104 17 Comuna 17
## 7 7 105 18 Comuna 18
## 8 8 106 22 Comuna 22
## 9 9 89 6 Comuna 6
## 10 10 90 4 Comuna 4
## 11 11 91 5 Comuna 5
## 12 12 92 7 Comuna 7
## 13 13 93 8 Comuna 8
## 14 14 94 9 Comuna 9
## 15 15 95 21 Comuna 21
## 16 16 96 13 Comuna 13
## 17 17 97 12 Comuna 12
## 18 18 98 14 Comuna 14
## 19 19 99 11 Comuna 11
## 20 20 100 10 Comuna 10
## 21 21 101 20 Comuna 20
## 22 22 102 16 Comuna 16Con el fin de poder unificar la información de ambos documentos y poder encontrar la cantidad de personas con origen de destino y origen por cada medio de transporte se realiza primero un agrupamiento de todos los valores segun su comuna y posteriormente esta se adiciona a la data del archivo .shp de comunas. Inicialmente se realiza el agrupamiento por todas las comunas y todos los tipos de vehiculos
# Origen y destino para vehiculos tipo
df_Encuesta_Origen_all = df_Encuesta %>%
group_by(C_Origen) %>%
summarise(Viajes_Origen_all = n())
Comunas$Origen_all <- df_Encuesta_Origen_all$Viajes_Origen_all[match(Comunas$comuna, df_Encuesta_Origen_all$C_Origen)]
df_Encuesta_Destino_all = df_Encuesta %>%
group_by(C_Destino) %>%
summarise(Viajes_Destino_all = n())
Comunas$Destino_all <- df_Encuesta_Destino_all$Viajes_Destino_all[match(Comunas$comuna, df_Encuesta_Destino_all$C_Destino)]Se realiza el mismo procedimiento para las bicicletas, o vehiculos tipo 1, 2 y 3.
A continuación, se puede ver la data adicionada al archivo principal una vez realizado el match corrrespondiente con la comuna a la cual pertenece, esto con el fin de obtener los resultados de origen y destido por cada tiipo de vehiculos y en general.
## OBJECTID gid comuna nombre Origen_all Destino_all Origen_1 Destino_1
## 1 1 107 2 Comuna 2 2045 3446 122 194
## 2 2 108 1 Comuna 1 562 172 32 9
## 3 3 109 3 Comuna 3 1465 2600 84 169
## 4 4 110 19 Comuna 19 2031 2209 113 131
## 5 5 103 15 Comuna 15 887 448 55 17
## 6 6 104 17 Comuna 17 1618 1489 103 95
## 7 7 105 18 Comuna 18 1111 484 85 28
## 8 8 106 22 Comuna 22 906 1425 52 95
## 9 9 89 6 Comuna 6 720 494 29 31
## 10 10 90 4 Comuna 4 1072 1354 58 80
## 11 11 91 5 Comuna 5 473 402 28 38
## 12 12 92 7 Comuna 7 531 539 30 36
## 13 13 93 8 Comuna 8 786 753 46 46
## 14 14 94 9 Comuna 9 648 950 36 56
## 15 15 95 21 Comuna 21 630 390 35 24
## 16 16 96 13 Comuna 13 927 502 62 28
## 17 17 97 12 Comuna 12 231 190 10 13
## 18 18 98 14 Comuna 14 526 290 32 20
## 19 19 99 11 Comuna 11 649 447 42 26
## 20 20 100 10 Comuna 10 1010 678 71 34
## 21 21 101 20 Comuna 20 539 277 33 22
## 22 22 102 16 Comuna 16 768 596 65 31
## Origen_2 Destino_2 Origen_3 Destino_3
## 1 1063 1734 860 1518
## 2 296 90 234 73
## 3 702 1333 679 1098
## 4 995 1152 923 926
## 5 455 232 377 199
## 6 853 744 662 650
## 7 593 240 433 216
## 8 430 766 424 564
## 9 377 255 314 208
## 10 571 678 443 596
## 11 260 183 185 181
## 12 272 279 229 224
## 13 421 382 319 325
## 14 317 512 295 382
## 15 323 202 272 164
## 16 453 285 412 189
## 17 133 106 88 71
## 18 258 150 236 120
## 19 339 217 268 204
## 20 535 353 404 291
## 21 278 124 228 131
## 22 383 290 320 275a. Graficos de Origen y Destino todos los medios de transporte
En la primer grafica donde se tienen en cuenta todos los medios de transporte, se puede apreciar que el principal punto o comuna de origen son las comunas 2, 19, 17 y 3 en orden de mayor a menor, en este casose aprecia que los sectores nor occidentales de la ciudad son de donde mas sale gente a hacer sus labores.
Por otra parte, cuando se analiza los lugares de detino las comunas que mayores datos muestran son las comunas 2 y 3, lo que permite reconocer un patron determinante al ver que el sector mas concurrido de las ciudad de encuentra en la comuna 2 de Cali. Tambien se aprecia que la seccion centro y sur oriental son sitios donde no se designan como destinos habitualmente.
b. Graficos de Origen y Destino medio de transporte “Bicicleta”
Al igual que en las graficas generales, cuando se analiza el lugar de origen de las personas que viajan usando bicicleta en Cali, se pued eapreciar que las comunas 2, 19 y 17 presentan valores muy altos, tambien e simportante observar que la cantidad de gente que se tranporta por este medio oscila entre los 120 y 0 personas, encontrando que desde la comuna 12 es casi nulo el uso de bicicleta.
En cuanto al destino de las personas que se mueven en bicicleta mayoritariamente son la comuna 3, 3 y 19, dejando en valores muy por debajo a los sectores centro orientales de la ciudad, a diferencia de la ciudad de origen de la cual si existen varias personas que viajan en bicicleta desde estos lugares a la parte norte. Es importante apreciar que probablemente al ser un medio de transporte que no se usa para distancias largas, los viajes de origen y destino pueden ubicarse dentro de la misma comuna y por eso la distribución es tan similar.
c. Graficos de Origen y Destino medio de transporte “Moto”
En cuanto al transporte en moto, se encuentra una gran similitud con respecto a quienes se transportan en bicicleta, sin embargo la escala se muestra de manera más amplia, siendo hasta 10 veces mas grande que las bicicletas, también se puede denotar un mayor punto de origen desde las comunas cercanas a la comuna 2 que es la de mayor afluecia.
En cuanto a los sitios a los que suelen dirigirse las personas en moto, se puede ver que es casi que la misma distribución de las bicicletas, particularmente puede darse el mismo fenomeno en que las personas se mueven dentro de la misma comuna, por tanto, si la ciudad con mayor origen es la 2 y se mueven en la misma comuna tambien se convierte en la de más destinos, de ifual manera se aprecia un incremento en la escala y la cantidad de personas se de transportan en moto.
d. Graficos de Origen y Destino medio de transporte “Automovil”
Finalmente cuando se habla de transporte en automovil, se aprecia al interesante, la comuna 19 se convierte en la comuna con más cantidad de personas cuyo origen es esta comuna y se trasladan usando automovil, tienen un rango menor que el de personas en motocicleta, sin embargo representan gran cantidad de ciudadanos transportandose en Carro. Las demás comunas presentan el mismo patron de origen.
Por último las comunas de destino de los automoviles presentan los mismos patrones de los medios de transporte anteriores.
3. Conclusiones
Aproximadamente el 43% de las personas entrevistadas se traladan por un medio d etransporte distinto a bicicleta, moto o automovil, adicionalmente, estas personas viajan fuera de Cali.
Las comunas de origen con mayor cantidad de viajeros son las comunas norte y sur orientales de la ciudad, en especial la comuna 2, seguida por las comunas 19, 3, 10, 17, 18 y 22, la zona dos presenta mayor afluencia y tiene sentido ya que es la zona financiera y de mayor infraestructura de hoteles, centros educativos, sitios comerciales, de servicios, de entretenimiento, parques, entre otros.
Las comunas de destino más importantes son la 2, 4, 3, 19 y 17, en este caso la comuna de mayor trafico es la 2 y sus comunas aledañas son las que le siguien en cantidad. Las zonas centro y nor orientales presentan información casi nula, por tanto se podría inferir que la información fue tomada en un sector de la ciudad situada al norte de la ciudad y se encuentra sesgada, o basicamente las personas de estas comunas no suelen desplazarse usandoe stos medios de transporte.
Las Bicicletas representan el medio de transporte con menor uso, al ser un medio de transporte de corto alcance y no de viajes largos existe la probabilidad de que las personas se desplacen dentro de la misma comuna. Se recomienda ampliar la infraestructura de ciclorutas en la zona 2, 3 y 19 con el fin de incentivar a las personas a usar este medio menos contaminante y mucho mas facil de gestionar en trancones y periodos de alto tráfico como horas pico.
Las motos representan el mayor medio y espacio de transporte de la ciudadania de Cali, al ocupar los mismos carriles que los automoviles, se recomienda incentivar el uso de bibicletas o medios de transporte masivo para evitar el atasco en las zonas concurridas como la 2 y aledañas a esta. Se puede proponer el Pico y Placa para motos en horas pico.
Finalmente los automoviles representan el medio de transporte con uso medio de los evaluados en este documento, al igual que con las motos, sus sectores de mayor origen son los 19 y 2, por tanto se recomienda incluir un pico y placa durante las horas de la mañana y la noche con el fin de evitar trancones y atascos en la via ya que entre ambos al no tener carriles exclusivos como las bicicletas, generan mayor afluencia. Otra opcion es incluir solamente estos terminos de pico y placa en las comunas 2, 19, sur de la ciudad y zonas aledañas a la 2, ya que al ser la zona oriental la menos transitada no tiene sentido implicar restricciones en estos sectores.