La movilidad en una ciudad es un problema…
Los datos de waze son obtenidos desde la plataforma de waze for cities….
library(readr)
bd_waze <- read_csv("~/Documents/Javeriana 2025-1/e aplicada/bd_waze.csv")
filas=which(bd_waze$Municipality=="Pereira")
bd_waze2=bd_waze[filas,]
head(bd_waze2)
La base de datos contiene la información de los casos reportados en waze. Contiene 96000 registros y 14 variables:
La base de datos contiene un campo que corresponde al tipo de evento reportado por ejemplo si es un accidente o un trancon….
require(table1)
table1(~Type,data=bd_waze2)
Overall (N=35429) |
|
---|---|
Type | |
ACCIDENT | 2757 (7.8%) |
HAZARD | 7699 (21.7%) |
JAM | 24458 (69.0%) |
ROAD_CLOSED | 515 (1.5%) |
Se observa que la mayoria de los eventos reportados en la ciudad corresponden a trancones con un 69%, seguido de las alertas que corresponden al 21.7%. Las de menos reporte son las vias cerradas conun 1.5%.
Dado que la base contiene información sobre la localización del reporte (coordenadas geograficas). Entonces se elaboran mapas con los sitios de mayor concentración de los eventos (criticos)…
require(leaflet)
leaflet() %>% addTiles() %>%
addCircleMarkers(lng =bd_waze2$Location_X ,lat = bd_waze2$Location_Y,clusterOptions=markerClusterOptions())
En el mapa se observan las zonas con mayor aglomeración de eventos reportados…
La movilidad en una ciudad es problema que varia en tiempo y espacio. Por lo tanto identificar zonas pero las horas pico del día es clave para su gestión…
hora=substr(bd_waze2$StartTime,start = 1,stop = 2)
barplot(table(hora))
De acuerdo con los resultados observamos que las horas de mayor congestión y reportes de eventos son desde las 6 pm hasta la media noche. Por lo tanto la gestión en estas horas es clave….
Dado que las zonas identificadas de mayor congestión son…
Y las horas picos son…
Se recomiendan planes como:
Mayor presencia de agentes en las horas… en estas zonas.
Planes retorno….
Operativos de control…