CDPC II - Módulo 2: Acceso a información urbana geo-referenciada
JABIBI PABLO - CARRILLO PACHECO ADAN
5/1/2020
TP2
I. Descargar de OpenStreetMap la grilla de calles para la Ciudad elegida en el ejercicio 1 y mapearla por uno de sus atributos (velocidad mínima, velocidad máxima, cantidad de carriles, etc).
Antes de hacer el ejercicio, cargamos las librerías necesarias para trabajar con los datos de nuestro interés.
library(tidyverse)
library(sf)
library(osmdata)
library(leaflet)
library(ggsflabel)Traemos la caja de coordenadas de la ciudad elegida.
bbox <- getbb("Bilbao, España")
bbox## min max
## x -2.985981 -2.880264
## y 43.213718 43.290132Traemos el contorno de la ciudad de OSM.
bbox_poly <- getbb("Bilbao, España", format_out = "sf_polygon")leaflet(bbox_poly) %>%
addTiles() %>%
addPolygons()Traemos las calles de la ciudad de OSM.
bilbao <- opq(bbox) %>%
add_osm_feature(key = "highway")bilbao <- bilbao %>%
osmdata_sf()calles <- bilbao$osm_linesVisualizamos los resultados.
ggplot() +
geom_sf(data = calles) +
theme_light()
Realizamos la intersección/recorte con el polígono de límites.
calles <- st_intersection(calles, bbox_poly)ggplot() +
geom_sf(data = calles) +
theme_light()
Con la información obtenida realizamos un mapa con las velocidades maximas de la ciudad.
calles <- calles %>%
mutate(maxspeed = as.numeric(maxspeed),
lanes = ifelse(is.na(lanes), 1, as.numeric(lanes)))ggplot(calles) +
geom_sf(aes(color = maxspeed), alpha = 1) +
scale_color_viridis_c() +
theme_void() +
labs(title = "Bilbao",
subtitle = "Vías de circulación",
caption = "fuente: OpenStreetMap",
color = "velocidad máxima")
Con la información obtenida realizamos un mapa con las avenidas de la ciudad.
ggplot() +
geom_sf(data = calles,color = "gray40", alpha = 1) +
geom_sf(data = filter(calles, str_detect(name, "Avenida")),color = "red") +
theme_void() +
labs(title = "Bilbao",
subtitle = "Avenidas",
caption = "fuente: OpenStreetMap")
II. Descargar de OpenStreetMap una (o más) capas de datos de tipo puntos o polígonos. (Ver catálogo de categorías en https://wiki.openstreetmap.org/wiki/Map_Features)
a. Proyectar los datos descargados en un mapa y comentar los resultados: ¿Cómo se distribuyen en la Ciudad?
Descargamos de OSM la ubicación de hostels en la ciudad de Bilbao.
Bilbao_hostels <- opq(bbox) %>%
add_osm_feature(key = "tourism", value = "hostel") %>%
osmdata_sf() Bilbao_hostelsBilbao_hostels2 <- st_intersection(Bilbao_hostels$osm_points, bbox_poly)Eliminamos con la función UNIQUE los registros duplicados en el total de las variables.
Bilbao_hostels_U <- unique(Bilbao_hostels2)Bilbao_hostels_U$name## [1] NA
## [2] NA
## [3] NA
## [4] NA
## [5] NA
## [6] NA
## [7] NA
## [8] NA
## [9] NA
## [10] NA
## [11] "Akelarre"
## [12] NA
## [13] NA
## [14] NA
## [15] NA
## [16] NA
## [17] NA
## [18] NA
## [19] "Pension Mendez"
## [20] NA
## [21] NA
## [22] NA
## [23] NA
## [24] NA
## [25] NA
## [26] "Albergue Claret Enea Aterpea"
## [27] NA
## [28] "Poshtel Bilbao"
## [29] NA
## [30] NA
## [31] NA
## [32] "Hostal Central"
## [33] NA
## [34] NA
## [35] NA
## [36] NA
## [37] "Albergue de Peregrinos Santa Cruz de Begoña"
## [38] "Hostel Optimi Rooms"
## [39] NA
## [40] NA
## [41] NA
## [42] NA
## [43] NA
## [44] NA
## [45] NA
## [46] NA
## [47] NA
## [48] NA
## [49] NA
## [50] NA
## [51] NA
## [52] NA
## [53] "All Iron"Mapeamos los hostels en la ciudad de Bilbao.
ggplot() +
geom_sf(data = calles, color = "grey") +
geom_sf(data = Bilbao_hostels_U, aes(color = internet_access), size = 4) +
geom_sf_label_repel(data = Bilbao_hostels_U, aes(label = name), size = 4) +
theme_void() +
labs(title = "Bilbao",
subtitle = "Hostels",
caption = "Fuente: OpenStreetMap",
color = "Acceso internet")
b. Hacer un conteo de los ítems de la capa descargada por barrio, mapearlo y compararlo con el conteo de los ítems descargados en el ejercicio anterior: ¿La distribución es similar o hay diferencias? ¿A qué se puede deber?
Importamos el geojson con los barrios de Bilbao.
barrios <- st_read('distritos-bilbao_wgs84.geojson') %>% rename(barrios_bilbao=BAR_DS_O) %>% mutate(barrios_bilbao=str_replace_na(barrios_bilbao, "Deusto"))## Reading layer `distritos-bilbao_wgs84' from data source `C:\Users\jabib\Desktop\TP\distritos-bilbao_wgs84.geojson' using driver `GeoJSON'
## Simple feature collection with 8 features and 10 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -2.985978 ymin: 43.21371 xmax: -2.880261 ymax: 43.29013
## CRS: 4326barrios## Simple feature collection with 8 features and 10 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -2.985978 ymin: 43.21371 xmax: -2.880261 ymax: 43.29013
## CRS: 4326
## BAR_CL BAR_BARR barrios_bilbao BAR_MUNI BAR_MUNI_D
## 1 44802000000200 702 Iralabarri 020 Bilbao
## 2 44802000000200 301 Otxarkoaga 020 Bilbao
## 3 44802000000400 204 Uribarri 020 Bilbao
## 4 44802000000100 403 Bolueta 020 Bilbao
## 5 44802000000100 506 Bilbao la Vieja 020 Bilbao
## 6 44802000000000 601 Abando 020 Bilbao
## 7 44802000000500 806 Diseminado Basurtu-Zorrotza 020 Bilbao
## 8 NA <NA> Deusto <NA> <NA>
## BAR_PROV BAR_PROV_D Shape_Leng Shape_Area distrito
## 1 48 Bizkaia 3013.924 382538.0 7
## 2 48 Bizkaia 4073.511 584765.0 3
## 3 48 Bizkaia 2944.946 323226.1 2
## 4 48 Bizkaia 7268.457 768816.2 4
## 5 48 Bizkaia 2206.221 134503.2 5
## 6 48 Bizkaia 4972.360 1174614.1 6
## 7 48 Bizkaia 13613.681 4162459.1 8
## 8 <NA> <NA> 6911.348 847718.6 1
## geometry
## 1 MULTIPOLYGON (((-2.934927 4...
## 2 MULTIPOLYGON (((-2.896959 4...
## 3 MULTIPOLYGON (((-2.922761 4...
## 4 MULTIPOLYGON (((-2.905864 4...
## 5 MULTIPOLYGON (((-2.921609 4...
## 6 MULTIPOLYGON (((-2.940626 4...
## 7 MULTIPOLYGON (((-2.950495 4...
## 8 MULTIPOLYGON (((-2.967939 4...summary(barrios)## BAR_CL BAR_BARR barrios_bilbao BAR_MUNI BAR_MUNI_D
## Min. :44802000000000 204 :1 Length:8 020 :7 Bilbao:7
## 1st Qu.:44802000000100 301 :1 Class :character NA's:1 NA's :1
## Median :44802000000200 403 :1 Mode :character
## Mean :44802000000200 506 :1
## 3rd Qu.:44802000000300 601 :1
## Max. :44802000000500 (Other):2
## NA's :1 NA's :1
## BAR_PROV BAR_PROV_D Shape_Leng Shape_Area distrito
## 48 :7 Bizkaia:7 Min. : 2206 Min. : 134503 Min. :1.00
## NA's:1 NA's :1 1st Qu.: 2997 1st Qu.: 367710 1st Qu.:2.75
## Median : 4523 Median : 676791 Median :4.50
## Mean : 5626 Mean :1047330 Mean :4.50
## 3rd Qu.: 7001 3rd Qu.: 929442 3rd Qu.:6.25
## Max. :13614 Max. :4162459 Max. :8.00
##
## geometry
## MULTIPOLYGON :8
## epsg:4326 :0
## +proj=long...:0
##
##
##
## Cargamos también el Ría de Bilbao en proyecciones EPSG:3042 y las transformamos a EPSG:4326
ria <- st_read('ria.geojson')## Reading layer `ria' from data source `C:\Users\jabib\Desktop\TP\ria.geojson' using driver `GeoJSON'
## replacing null geometries with empty geometries
## Simple feature collection with 4 features and 1 field (with 2 geometries empty)
## geometry type: POLYGON
## dimension: XY
## bbox: xmin: 501820.3 ymin: 4788047 xmax: 506458.3 ymax: 4793100
## CRS: 3042ria_mercator <- st_transform(ria, crs = 4326)
ria_mercator## Simple feature collection with 4 features and 1 field (with 2 geometries empty)
## geometry type: POLYGON
## dimension: XY
## bbox: xmin: -2.977567 ymin: 43.2452 xmax: -2.920445 ymax: 43.29072
## CRS: EPSG:4326
## id geometry
## 1 <NA> POLYGON EMPTY
## 2 <NA> POLYGON EMPTY
## 3 <NA> POLYGON ((-2.965035 43.2615...
## 4 <NA> POLYGON ((-2.969032 43.2880...Mapeamos todos los shapes que tenemos hasta el momento.
ggplot() +
geom_sf(data = barrios) +
geom_sf(data = calles, color = "grey") +
geom_sf(data = ria_mercator , color='blue') +
geom_sf(data = Bilbao_hostels_U, shape = 21, fill = "red", size = 5) +
labs(title = "Mapa de hostels en la ciudad de Bilbao", caption = "Fuente: OpenStreetMap", y="Latitud", x="Longitud") +
theme_light()
hostels_por_barrios <- st_join(Bilbao_hostels_U, barrios) names(hostels_por_barrios)## [1] "osm_id" "name" "addr.city"
## [4] "addr.district" "addr.housenumber" "addr.postcode"
## [7] "addr.street" "addr.suburb" "air_conditioning"
## [10] "beds" "designation" "email"
## [13] "guest_house" "internet_access" "internet_access.fee"
## [16] "opening_hours" "operator" "phone"
## [19] "rooms" "source" "source.url"
## [22] "tourism" "website" "wheelchair"
## [25] "BAR_CL" "BAR_BARR" "barrios_bilbao"
## [28] "BAR_MUNI" "BAR_MUNI_D" "BAR_PROV"
## [31] "BAR_PROV_D" "Shape_Leng" "Shape_Area"
## [34] "distrito" "geometry"Sacamos la cantidad de hostels que tenemos por barrios.
barrios_bilbao_cantidad <- hostels_por_barrios %>%
group_by(barrios_bilbao) %>%
summarise(cantidad = n())
barrios_bilbao_cantidad## Simple feature collection with 6 features and 2 fields
## geometry type: GEOMETRY
## dimension: XY
## bbox: xmin: -2.963484 ymin: 43.24647 xmax: -2.909634 ymax: 43.26877
## CRS: EPSG:4326
## # A tibble: 6 x 3
## barrios_bilbao cantidad geometry
## * <chr> <int> <GEOMETRY [°]>
## 1 Abando 3 MULTIPOINT ((-2.943954 43.25818), (-2.93537 43.~
## 2 Bilbao la Vieja 22 MULTIPOINT ((-2.928026 43.25579), (-2.925355 43~
## 3 Bolueta 14 MULTIPOINT ((-2.910163 43.24669), (-2.910155 43~
## 4 Deusto 1 POINT (-2.954546 43.26877)
## 5 Diseminado Basurtu-~ 12 MULTIPOINT ((-2.963484 43.26073), (-2.963405 43~
## 6 Uribarri 1 POINT (-2.912549 43.25955)Importamos los hitos turísticos del TP anterior y transformamos sus proyecciones a mercator.
turistico <- st_read('turistico_con_barrios.geojson')## Reading layer `turistico_con_barrios' from data source `C:\Users\jabib\Desktop\TP\turistico_con_barrios.geojson' using driver `GeoJSON'
## Simple feature collection with 266 features and 21 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 503856.3 ymin: 4788591 xmax: 507093.7 ymax: 4791059
## CRS: 3042turistico_mercator <- st_transform(turistico, crs = 4326)
turistico_mercator## Simple feature collection with 266 features and 21 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: -2.952485 ymin: 43.25009 xmax: -2.912599 ymax: 43.27233
## CRS: EPSG:4326
## First 10 features:
## NOMBRE_FAMILIA NOMBRE_LUGAR_CAS
## 1 Edificios emblemáticos LA EQUITATIVA
## 2 Edificios emblemáticos PALACIO IBAIGANE
## 3 Edificios emblemáticos INSTITUTO UNAMUNO
## 4 Edificios emblemáticos EDIFICIO CORREOS
## 5 Nueva arquitectura GRAN HOTEL DOMINE BILBAO
## 6 Nueva arquitectura DEPARTAMENTO VASCO DE SANIDAD
## 7 Museos Bilbao MUSEO GUGGENHEIM BILBAO
## 8 Arte al aire libre DODECLATHOS
## 9 Arte al aire libre TERPSÍCORE
## 10 Arte al aire libre PUPPY
## NOMBRE_LUGAR_EUS COD_CALLE NOMBRE_CALLE
## 1 LA EQUITATIVA 6090 MAZARREDO
## 2 IBAIGANE JAUREGIA 6090 MAZARREDO
## 3 UNAMUNO INSTITUTUA ETA UNIBERTSITATE ESKOLA 9340 URQUIJO
## 4 POSTA ERAIKINA 9340 URQUIJO
## 5 BILBAO DOMINE HOTELA 6090 MAZARREDO
## 6 OSASUN SAILEKO EGOITZA 7770 RECALDE
## 7 GUGGENHEIM BILBAO MUSEOA 15 ABANDOIBARRA
## 8 DODECLATHOS 15 ABANDOIBARRA
## 9 TERPSÍCORE 15 ABANDOIBARRA
## 10 PUPPY 15 ABANDOIBARRA
## COD_TIPO_VIA NOMBRE_TIPO_VIA BLOQUE NUMERO BIS X BAR_CL BAR_BARR
## 1 AL ALAMEDA <NA> 7 <NA> 44802000000000 601
## 2 AL ALAMEDA <NA> 23 <NA> 44802000000400 204
## 3 AL ALAMEDA <NA> 10 <NA> 44802000000000 601
## 4 AL ALAMEDA <NA> 19 <NA> 44802000000000 601
## 5 AL ALAMEDA <NA> 61 <NA> 44802000000000 601
## 6 AL ALAMEDA <NA> 39 <NA> 44802000000000 601
## 7 AV AVENIDA <NA> 2 <NA> 44802000000400 204
## 8 AV AVENIDA <NA> 4 <NA> NA <NA>
## 9 AV AVENIDA <NA> 4 <NA> NA <NA>
## 10 AV AVENIDA <NA> 2 <NA> 44802000000400 204
## barrios_bilbao BAR_MUNI BAR_MUNI_D BAR_PROV BAR_PROV_D Shape_Leng Shape_Area
## 1 Abando 020 Bilbao 48 Bizkaia 4972.360 1174614.1
## 2 Uribarri 020 Bilbao 48 Bizkaia 2944.946 323226.1
## 3 Abando 020 Bilbao 48 Bizkaia 4972.360 1174614.1
## 4 Abando 020 Bilbao 48 Bizkaia 4972.360 1174614.1
## 5 Abando 020 Bilbao 48 Bizkaia 4972.360 1174614.1
## 6 Abando 020 Bilbao 48 Bizkaia 4972.360 1174614.1
## 7 Uribarri 020 Bilbao 48 Bizkaia 2944.946 323226.1
## 8 Deusto <NA> <NA> <NA> <NA> 6911.348 847718.6
## 9 Deusto <NA> <NA> <NA> <NA> 6911.348 847718.6
## 10 Uribarri 020 Bilbao 48 Bizkaia 2944.946 323226.1
## distrito geometry
## 1 6 POINT (-2.927917 43.26493)
## 2 2 POINT (-2.928838 43.2678)
## 3 6 POINT (-2.929697 43.26236)
## 4 6 POINT (-2.930489 43.26173)
## 5 6 POINT (-2.932582 43.26935)
## 6 6 POINT (-2.934481 43.26251)
## 7 2 POINT (-2.932982 43.27045)
## 8 1 POINT (-2.94359 43.26864)
## 9 1 POINT (-2.94359 43.26864)
## 10 2 POINT (-2.932982 43.27045)Ploteamos los hostels por barrios y los hitos turísticos de la ciudad de Bilbao.
ggplot() +
geom_sf(data = barrios) +
geom_sf(data = ria_mercator , color='blue') +
geom_sf(data = barrios_bilbao_cantidad, aes(color = barrios_bilbao),size = 5) +
geom_sf(data = turistico_mercator, color = 'black', shape = 4 ,size = 2) +
labs(title = "Mapa hostels e hitos turísticos por barrios ciudad de Bilbao", caption = "Fuente: OpenStreetMap", y="Latitud", x="Longitud") +
theme_light()
barrios_bilbao_cantidad <- barrios_bilbao_cantidad %>%
st_set_geometry(NULL)barrios <- barrios %>%
left_join(barrios_bilbao_cantidad, by="barrios_bilbao")Mapa coroplético de hostels por barrios.
ggplot() +
geom_sf(data = barrios, aes(fill=(cantidad/Shape_Area)*10000)) +
geom_sf(data = ria_mercator , color='blue') +
geom_sf_text(data=barrios, aes(label = barrios_bilbao), size=3 , colour = "black")+
labs(title = "Mapa hostels por barrios",
subtitle = "Ciudad de Bilbao - España",
fill = "Cantidad",
caption= "Fuente: OpenStreetMap",
y="Latitud",
x="Longitud") +
scale_fill_viridis_c() +
theme_light()
Traemos el mapa de oferta turística por barrios y lo comparamos con la oferta de hostels por barrios.
knitr::include_graphics("oferta_turistica_barrio_vir.png")