Mompox
Miguel Rosero
2025-02-02
Introduccion
if (!require(imager)) install.packages("imager", dependencies = TRUE)
library(imager)
# Descargar la imagen desde la URL a un archivo local
url <- "https://th.bing.com/th/id/R.fdac5bb4f482132d985574bd3bab7365?rik=u8yMcU%2bA%2bKUSnA&pid=ImgRaw&r=0"
destfile <- "imagen.jpg"
download.file(url, destfile, mode = "wb") # Guardar la imagen localmente
# Cargar la imagen descargada
imagen <- load.image(destfile)
# Ajustar márgenes para dejar espacio al título (cambia los valores según necesites)
par(mar = c(1, 1, 4, 1)) # (bottom, left, top, right)
# Mostrar la imagen sin ejes y sin borde, ajustando la proporción
plot(imagen, axes = FALSE, box = FALSE, asp = 1, main = "Plaza de la Concepcion", cex.main = 2)
Mompox, un histórico pueblo colonial en Colombia, ha desarrollado un sistema de movilidad caracterizado por sus calles angostas y su entorno fluvial. La principal forma de transporte dentro del municipio es la motocicleta, seguida por bicicletas y motocarros, que facilitan el desplazamiento en sus vías adoquinadas. Además, el río Magdalena sigue siendo un eje clave para la conectividad, permitiendo el transporte de mercancías y pasajeros a través de embarcaciones. Aunque el turismo ha impulsado mejoras en infraestructura, la movilidad enfrenta desafíos como la falta de transporte público estructurado y la necesidad de mayor planificación vial.
Datos de Waze
Los datos utilizados en este análisis provienen de la plataforma Waze for Cities, que proporciona información en tiempo real sobre el tráfico y eventos viales en diversas localidades. En este caso, se extrajo la información específica del municipio de Mompox.
library(readr)
Waze <- read_csv("C:/Users/HP/Downloads/Waze.csv")
filas=which(Waze$Municipality=="Mompox")
Waze2=Waze[filas,]
head(Waze2)La base de datos contiene 215 registros y 14 variables relacionadas con eventos reportados en la ciudad de Mompox. Estos datos incluyen información sobre el tipo de incidente, ubicación geográfica y tiempo de reporte.
Eventos por tipo
El conjunto de datos presenta diferentes tipos de eventos reportados en la plataforma, tales como accidentes, trancones, alertas y vías cerradas.
require(table1)
table1(~Type,data=Waze2)| Overall (N=215) |
|
|---|---|
| Type | |
| ACCIDENT | 21 (9.8%) |
| HAZARD | 155 (72.1%) |
| JAM | 37 (17.2%) |
| ROAD_CLOSED | 2 (0.9%) |
Los resultados muestran que la mayoría de los eventos reportados en Mompox corresponden a alertas con un 72,1%, seguidas de trancones con un 17,2%. Los reportes de accidentes representan un 9,8%, mientras que las vías cerradas tienen la menor proporción con un 0,9%. Esta distribución resalta la prevalencia de condiciones de tráfico fluctuantes y la baja incidencia de accidentes graves.
Lugares con mayor reporte de eventos
Dado que la base de datos contiene información sobre la localización de los eventos (coordenadas geográficas), se generaron mapas de calor para identificar las zonas con mayor concentración de incidentes. Estos puntos críticos pueden indicar problemas recurrentes de movilidad y ayudar en la toma de decisiones para la mejora de la infraestructura vial y la gestión del tráfico.
require(leaflet)
leaflet() %>% addTiles() %>%
addCircleMarkers(lng = Waze2$Location_X, lat = Waze2$Location_Y, clusterOptions = markerClusterOptions())En el mapa se observan las zonas con mayor aglomeracion de eventos reportados.
Horas de mayor reporte
Se analizaron los datos de tiempo para identificar las horas con mayor número de reportes en la plataforma Waze.
hora=substr(Waze2$StartTime,start = 1,stop = 2)
barplot(table(hora),col="blue")
El análisis revela que los picos de mayor reporte de eventos ocurren al final de la tarde, lo que coincide con los horarios de mayor actividad en la ciudad. Esto sugiere que las congestiones y reportes de tráfico están relacionados con los desplazamientos laborales y escolares.
Conclusiones
El análisis de los datos de Waze en Mompox muestra que la mayoría de los reportes corresponden a alertas de tráfico, seguidas por trancones y accidentes en menor proporción. Los eventos se concentran en ciertas zonas críticas y durante horarios específicos, lo que indica la necesidad de estrategias para mejorar la movilidad.
Recomendaciones
- Optimización del tráfico: Implementar medidas para mejorar la fluidez del tránsito en las zonas de mayor reporte, como la regulación de horarios de carga y descarga.
- Infraestructura vial: Realizar mejoras en las vías más afectadas, especialmente en los puntos críticos identificados en los mapas de calor.
- Fomento de la movilidad sostenible: Promover el uso de bicicletas y mejorar la infraestructura peatonal para reducir la dependencia de motocicletas y motocarros.
- Monitoreo continuo: Integrar herramientas de análisis de datos en la gestión del tráfico para una mejor toma de decisiones basada en información en tiempo real.
En un escenario futuro, si el turismo sigue aumentando en Mompox, se espera que la movilidad se vea aún más afectada. Implementar soluciones de transporte público estructurado y estrategias de movilidad sostenible será crucial para mantener la eficiencia en el desplazamiento dentro del municipio.