Fuente de datos, acceso y carga

# Instalar y cargar las librerías necesarias
install.packages("sf")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("ggplot2")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(sf)
## Linking to GEOS 3.8.0, GDAL 3.0.4, PROJ 6.3.1; sf_use_s2() is TRUE
library(ggplot2)

# Cargar el archivo shapefile
ruta_shapefile <- "/cloud/project/Vias_Principales_2022.shp"
vias_principales <- st_read(ruta_shapefile)
## Reading layer `Vias_Principales_2022' from data source 
##   `/cloud/project/Vias_Principales_2022.shp' using driver `ESRI Shapefile'
## Simple feature collection with 17573 features and 12 fields
## Geometry type: MULTILINESTRING
## Dimension:     XY
## Bounding box:  xmin: -62.53045 ymin: -27.40983 xmax: -54.30585 ymax: -19.29374
## Geodetic CRS:  WGS 84
# Verificar la carga de datos
print(head(vias_principales))
## Simple feature collection with 6 features and 12 fields
## Geometry type: MULTILINESTRING
## Dimension:     XY
## Bounding box:  xmin: -57.60089 ymin: -25.33936 xmax: -57.58302 ymax: -25.26692
## Geodetic CRS:  WGS 84
##   fid DPTO   DPTO_DESC DISTRITO   DIST_DESC AREA
## 1   1   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
## 2   2   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
## 3   3   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
## 4   4   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
## 5   5   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
## 6   6   00 ASUNCI\xd3N       00 ASUNCI\xd3N    1
##                                 NOMBRE TIPO_VIA         DesTipoVia RODA_VIA
## 1 PY01 - AVDA. DR. FERNANDO DE LA MORA        5      Ruta Nacional        1
## 2 PY01 - AVDA. DR. FERNANDO DE LA MORA        5      Ruta Nacional        1
## 3 PY01 - AVDA. DR. FERNANDO DE LA MORA        5      Ruta Nacional        1
## 4           PY03 - AVDA. GRAL. ARTIGAS        5      Ruta Nacional        1
## 5           PY03 - AVDA. GRAL. ARTIGAS        5      Ruta Nacional        1
## 6    D066 - AVDA. DEFENSORES DEL CHACO        6 Ruta Departamental        1
##   DesRodaVia Long_Metro                       geometry
## 1    Asfalto        142 MULTILINESTRING ((-57.5996 ...
## 2    Asfalto        156 MULTILINESTRING ((-57.5996 ...
## 3    Asfalto        127 MULTILINESTRING ((-57.59844...
## 4    Asfalto         78 MULTILINESTRING ((-57.59826...
## 5    Asfalto        138 MULTILINESTRING ((-57.59886...
## 6    Asfalto        266 MULTILINESTRING ((-57.58494...
# Graficar las vías principales
ggplot() +
  geom_sf(data = vias_principales, color = "blue") +
  labs(title = "Mapa de las Vías Principales del País") +
  theme_minimal()

Campos disponibles

names(vias_principales)
##  [1] "fid"        "DPTO"       "DPTO_DESC"  "DISTRITO"   "DIST_DESC" 
##  [6] "AREA"       "NOMBRE"     "TIPO_VIA"   "DesTipoVia" "RODA_VIA"  
## [11] "DesRodaVia" "Long_Metro" "geometry"
table(vias_principales$DPTO)
## 
##   00   01   02   03   04   05   06   07   08   09   10   11   12   13   14   15 
##  412  587 1381  681  701 1625  815 2232  681  908 1637 2817  522  576  918  789 
##   16   17 
##  177  114
table(vias_principales$DesTipoVia)
## 
## Ruta Departamental      Ruta Nacional 
##               8129               9444

Estimación de la cantidad total de metros de vias principales

# Es importante que esté en un sistema de coordenadas proyectado que use metros
st_crs(vias_principales)
## Coordinate Reference System:
##   User input: WGS 84 
##   wkt:
## GEOGCRS["WGS 84",
##     DATUM["World Geodetic System 1984",
##         ELLIPSOID["WGS 84",6378137,298.257223563,
##             LENGTHUNIT["metre",1]],
##         ID["EPSG",6326]],
##     PRIMEM["Greenwich",0,
##         ANGLEUNIT["degree",0.0174532925199433],
##         ID["EPSG",8901]],
##     CS[ellipsoidal,2],
##         AXIS["geodetic longitude",east,
##             ORDER[1],
##             ANGLEUNIT["degree",0.0174532925199433]],
##         AXIS["geodetic latitude",north,
##             ORDER[2],
##             ANGLEUNIT["degree",0.0174532925199433]]]
# Si el sistema de coordenadas está en grados (como WGS 84), debes reproyectar a un sistema en metros, como UTM
# Aquí te muestro cómo reproyectar a UTM zona 21S, puedes ajustar la zona según la región de tu país
vias_principales_utm <- st_transform(vias_principales, crs = 32721) # UTM Zona 21S (ajusta si es necesario)

# Calcular la longitud de cada segmento de vía en metros
vias_principales_utm$longitud_metros <- st_length(vias_principales_utm)

# Sumar las longitudes de todos los segmentos para obtener el total en metros
total_metros_vias <- sum(vias_principales_utm$longitud_metros)
# Mostrar el total de metros de vías
print(total_metros_vias)
## 18135205 [m]

Estimación de la cantidad de alumbrado público, si la ANDE afirma colocarlos cada 25 metros

# Estimar el número de postes de alumbrado público (asumiendo un poste cada 25 metros)
metros_por_poste <- 25
cantidad_postes <- total_metros_vias / metros_por_poste

# Mostrar el número estimado de postes
print(paste("La cantidad estimada de postes de alumbrado público es:", round(cantidad_postes)))
## [1] "La cantidad estimada de postes de alumbrado público es: 725408"

Por departametnos

# Filtrar las vías para Ciudad del Este, Encarnación y Asunción
vias_cde <- vias_principales_utm[vias_principales_utm$DPTO == "10", ]
vias_enc <- vias_principales_utm[vias_principales_utm$DPTO == "07", ]
vias_asu <- vias_principales_utm[vias_principales_utm$DPTO == "00", ]
# Sumar las longitudes de todas las vías en cada ciudad
total_metros_cde <- sum(vias_cde$Long_Metro, na.rm = TRUE)
total_metros_enc <- sum(vias_enc$Long_Metro, na.rm = TRUE)
total_metros_asu <- sum(vias_asu$Long_Metro, na.rm = TRUE)
# Estimar la cantidad de postes de alumbrado público en cada ciudad (asumiendo 1 poste cada 25 metros)
metros_por_poste <- 25
cantidad_postes_cde <- total_metros_cde / metros_por_poste
cantidad_postes_enc <- total_metros_enc / metros_por_poste
cantidad_postes_asu <- total_metros_asu / metros_por_poste
# Mostrar los resultados
print(paste("Cantidad estimada de postes en Ciudad del Este:", round(cantidad_postes_cde)))
## [1] "Cantidad estimada de postes en Ciudad del Este: 42898"
print(paste("Cantidad estimada de postes en Encarnación:", round(cantidad_postes_enc)))
## [1] "Cantidad estimada de postes en Encarnación: 53665"
print(paste("Cantidad estimada de postes en Asunción:", round(cantidad_postes_asu)))
## [1] "Cantidad estimada de postes en Asunción: 2482"

Resumen Metodológico: Estimación de la Cantidad de Postes de Alumbrado Público en Vías Principales de Ciudad del Este, Encarnación y Asunción

Objetivo:

El objetivo de este análisis es estimar la cantidad de postes de alumbrado público necesarios en las vías principales de tres ciudades paraguayas: Ciudad del Este, Encarnación y Asunción. Para esto, utilizamos datos geoespaciales de las vías principales y las recomendaciones de la Administración Nacional de Electricidad (ANDE), que sugieren la colocación de un poste de alumbrado cada 25 metros.

Datos Utilizados:

  • Archivo de entrada: Shapefile (formato .shp) que contiene información geográfica y atributos de las vías principales del país. Este archivo incluye información clave como la longitud de cada vía en metros y su ubicación geográfica.
  • Campos relevantes:
    • DIST_DESC: Nombre del distrito o ciudad.
    • Long_Metro: Longitud de cada tramo de vía en metros.
    • TIPO_VIA: Tipo de vía (carretera, calle, etc.).
    • geometry: Geometría del tramo de vía.

Metodología:

  1. Filtrado de Datos: Se seleccionaron las vías principales correspondientes a las ciudades de interés: Ciudad del Este, Encarnación y Asunción. Para esto, se utilizó el campo DIST_DESC, que describe la ciudad o distrito al que pertenece cada vía.

  2. Suma de Longitudes: Para cada ciudad, se sumaron las longitudes de todas las vías principales presentes en el shapefile. Esta información se encuentra en el campo Long_Metro, que representa la longitud de cada vía en metros.

  3. Cálculo de Postes de Alumbrado Público: Basándonos en la norma de la ANDE, que establece que se coloca un poste de alumbrado cada 25 metros, se dividió la longitud total de las vías por 25. Esto proporcionó una estimación del número total de postes necesarios para iluminar las vías principales de cada ciudad.

  4. Resultados: La cantidad estimada de postes de alumbrado público se calculó de la siguiente manera para cada ciudad: \[ \text{Cantidad de postes} = \frac{\text{Longitud total de vías (en metros)}}{25} \]

Software y Herramientas:

  • Lenguaje de Programación: R, utilizando paquetes como sf para manejo de datos geoespaciales.
  • Software: RStudio, para la ejecución del código y análisis de datos.
  • Datos geoespaciales: Shapefiles de las vías principales.

Limitaciones:

  • La estimación se basa únicamente en las vías principales registradas en el shapefile. No se incluye la longitud de vías secundarias ni de otras áreas no representadas en el dataset.
  • La ubicación exacta de los postes de alumbrado no fue verificada, ya que el análisis se basa en una regla general de 25 metros por poste.

Conclusión:

Este análisis proporciona una estimación rápida y eficaz de la cantidad de postes de alumbrado público necesarios en las vías principales de Ciudad del Este, Encarnación y Asunción. Estos resultados pueden ser útiles para la planificación de la infraestructura de alumbrado público en dichas ciudades.