Análisis de movilidad regional utilizando datos de “google mobility report”
Datos para Sonora del 15/02/2020 al 16/10/2020
## Parsed with column specification:
## cols(
## country_region_code = col_character(),
## country_region = col_character(),
## sub_region_1 = col_character(),
## sub_region_2 = col_logical(),
## iso_3166_2_code = col_character(),
## census_fips_code = col_logical(),
## date = col_character(),
## retail_and_recreation_percent_change_from_baseline = col_double(),
## grocery_and_pharmacy_percent_change_from_baseline = col_double(),
## parks_percent_change_from_baseline = col_double(),
## transit_stations_percent_change_from_baseline = col_double(),
## workplaces_percent_change_from_baseline = col_double(),
## residential_percent_change_from_baseline = col_double()
## )##
Retail_Recreation_Percentage <- DatosMobilityReport$retail_and_recreation_percent_change_from_baseline
###
Grocery_Pharmacy_Percentage <- DatosMobilityReport$grocery_and_pharmacy_percent_change_from_baseline
###
Parks_Percentage <- DatosMobilityReport$parks_percent_change_from_baseline
###
TransitStations_Percentage <- DatosMobilityReport$transit_stations_percent_change_from_baseline
###
Workplaces_Percentage <- DatosMobilityReport$workplaces_percent_change_from_baseline
###
Residential_Percentage <- DatosMobilityReport$residential_percent_change_from_baseline
###
Porcentaje_VR <- DatosMobilityReport$retail_and_recreation_percent_change_from_baseline
###
Porcentaje_F <- DatosMobilityReport$grocery_and_pharmacy_percent_change_from_baseline
###
Porcentaje_P <- DatosMobilityReport$parks_percent_change_from_baseline
###
Porcentaje_ET <- DatosMobilityReport$transit_stations_percent_change_from_baseline
###
Porcentaje_AT <- DatosMobilityReport$workplaces_percent_change_from_baseline
###
Porcentaje_H <- DatosMobilityReport$residential_percent_change_from_baseline
# Data frame
FechaMR = seq(from = as.Date("2019-02-15"), to = as.Date("2019-10-17"), by = 'day')
dataMR <- data.frame(x=FechaMR,y=Retail_Recreation_Percentage)- Gráficas
gMR1 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_VR), size=1, colour="orange") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("a) Comercio y recreación (-45%)")
gMR2 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_F), size=1, colour="darkgreen") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("b) Farmacias y abarrotes (-11%)")
gMR3 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_P), size=1, colour="purple") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("c) Parques (-37%)")
gMR4 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_ET), size=1, colour="brown") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("d) Estaciones de tránsito (-43%)")
gMR5 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_AT), size=1, colour="red") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("e) Espacios de trabajo (-37%)")
gMR6 <- ggplot(data=dataMR) +
geom_line(aes(x=FechaMR, y=Porcentaje_H), size=1, colour="blue") +
geom_hline(yintercept = 0) +
theme_light() +
xlab("Fecha") +
ylab("Porcentaje") +
ggtitle("f) Hogares (+18%)")
grid.arrange(gMR1,gMR2,gMR3,gMR4,gMR5,gMR6)
¿Ocurrió algo importante entre el 3 de enero y el 6 de febrero del 2020?
Solamente el día de reyes magos hubo de importancia, un sector de la población aún se reune con familiares para celebrar ese día, además el día de la constitución.
El valor de referencia de cada día es el valor medio del periodo de cinco semanas de enero. Piensa en eventos locales y cambios estacionales que puedan sesgar el valor de referencia:
¿Hubo un invierno frío o un verano más largo de lo habitual en tu región? - No hubo invierno frío, salgo unos días
¿Los festivos cayeron el mismo día de la semana? - Ambos lunes
¿Tienes otras fuentes de datos (como tiques de peajes, parquímetros o viajes en metro) que puedan ayudarte a determinar el cambio previsto? - No, solamente los datos de la muestra.
De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parques?
Tanto el tiempo meteorológico diario como el de cada estación tienen efecto en la cantidad de personas que van a los parques:
En un año normal, ¿cambia la frecuencia de las visitas a los parques desde enero hasta ahora? Según los registros meteorológicos, ¿cómo cambia la cantidad de personas que visitan parques en los días de lluvia en comparación con los días de sol? ¿Tienes registros de visitas a parques de años anteriores que puedan ayudarte a analizar los cambios de este año?
En un año normal desde enero a Octubre cambiaría la cantidad de personas que visita los parques, en enero bastante gente lo hace, post fiestas decembrinas, actitudes nuevas, en marzo que no hace tanto frío empezaría a salir más gente a parques, en mayo-junio bajarían los números pues el calor es intenso en casi todo Sonora además que existen lluvias intensas usualmente en verano, en septiembre-octubre volvería a subir la cantidad de personas en parques con la baja de temperaturas y los nuevos ciclos escolares.
Logicamente los cambios de este año con respecto al año pasado empiezan en marzo cuando se hizo la alerta hacia la población para que se mantuviera en cuarentena, en abril fue el pico más bajo de gente en parques cuando usualmente no lo es, y en junio-julio subió un poco la gente empezando a ir a a parques, porque empezaron a dejar cada vez más la cuarentena de lado, en septiembre con el semaforo en naranja más subió y en a finales de septiembre, inicio de octubre con el repunte del crimenes feminicidas y un pico de covid la gente de nuevo se ausentó en los parques y bajó nuevamente los datos de la gráfica.
¿Cuánto tiempo crees que pasará la gente en las zonas residenciales?
Haz una estimación del número de horas que crees que pasaba la gente en zonas residenciales antes de la respuesta al COVID-19. Realiza la estimación de los días laborables y de los fines de semana por separado:
Antes del covid, la gente en residenciales, podía pasar días enteros sin estar en casa, dependiendo si los propietarios tenían hijos, podrían pasar solamente a dormir, o en caso de tener hijos, solamente el hijo está en casa con alguna niñera o con la madre, el hombre adulto unas 16 horas, y la mujer y el niño unas 12 horas al día
¿Cómo podrían cambiar las horas de trabajo según el puesto? Por ejemplo, un empleado de oficina, un padre que se queda en casa, un estudiante, un empleado de supermercado o una enfermera que trabaja por turnos. Usa los datos demográficos de tu región para consultar la variedad de trabajos. Por cada grupo de tu comunidad, estima el número de horas al día que crees que va a permanecer la gente en zonas residenciales durante la respuesta al COVID-19. ¿Tienes que ajustar las estimaciones según la estación o los periodos académicos?
Depende del trabajo y la necesidad de cada persona los números moverían los resultados, pero se necesitarían muchas muestras de cada una de esas variables, datos que no se encuentran confiables en internet para mi región, pero que se pueden pronosticar. Si el trabajo es posible realizarse desde el hogar, el tiempo de trabajo puede duplicarse en algunos puestos, en otros como lo podrían ser ciertos comercios es tan poco el trabajo que podría quedar en quiebra.
¿Cómo pueden relacionarse los tipos de trabajo con los cambios en la movilidad los días laborables y los fines de semana?
No informamos de ningún cambio en función de los tipos de trabajo, pero puedes pensar en los diferentes trabajos que realiza la gente de tu comunidad durante los fines de semana y los días laborables.
¿Qué efectos pueden tener las respuestas al COVID-19 en los diferentes trabajos? ¿Los efectos serían diferentes en las personas que trabajan entre semana que en las que lo hacen los fines de semana?
Los trabajos en los días laborales son de oficinistas, y la gran mayoría de caracter gubernamental o del sector público, y en días festivos y no laborales el comerciante trabaja mucho más que los días regulares, y esto no ha cambiado mucho aquí en Sonora con el COVID, los trabajadores del sector público que pueden trabajar desde el hogar lo hacen, los que no, siguen trabajando fuera del hogar y casi todo el que es comerciante sale a ganarse el pan cada día.
Y lo que sucede para la gente que trabaja en el fin de semana y fuera del hogar es que corre más riesgo de algun contagio pues la gran mayoría de personas aquí en la región no están cumpliendo con la cuarentena, y los fines de semana existe menos cantidad de personas en sus hogares.
¿Con qué grado de precisión está representada tu región?
Estos informes se crean con el mismo tipo de datos que se usan para mostrar las horas punta en Google Maps. Responde las siguientes preguntas:
¿Cuántos lugares de interés muestra Google Maps en tu región?
-En la localidad muestra algunos como La Laguna, algun parque, y sitios como la Comandancia o la oficina del PAN, los cuales no considero como datos de interés justo ahora. Por lo tanto no se que tan acertado esté google maps sobre esto y seguramente pase lo mismo en casi todo Sonora.
¿Cuáles son las diferencias y similitudes entre tu región y otras regiones? Abre Google Maps y compruébalo.
-Probablemente en ciudades más grandes con más personas accesando a google para calificar sitios haya sitios de interés más atinados que aquí en Sonora.
¿En tu región hay lugares de trabajo en los que no se permitan dispositivos móviles? Por ejemplo, edificios de organismos públicos o bases militares. ¿Qué efecto podría tener esto en el número de personas que acuden a los lugares de trabajo?
-Que yo sepa en casi todos los lugares de trabajo es permitido ingresar con el móvil, sin embargo no es permitido en la gran mayoría, o mejor dicho, no es prudente que el trabajador esté usandolo en un lapso largo de tiempo durante el trabajo, probablemente en las maquiladoras o gasolineras sea más restringido ese uso de móviles. Todos estos lugares en google maps no son representados como sitios de interés.
Reflexión
En mi región los datos son distorcionados si solamente con datos de google queremos hacer un análisis para ver realmente que tan afectada está la población en Sonora por COVID 19, pues la gente aunque suele tener dispositivos con internet, no se refleja totalmente el comportamiento de esta en google maps o las gráficas que muestran al principio. Necesitaría haber respuesta de todos los sectores de la población en las gráficas y no solo de la gente que tiene el los dispositivos con internet para poder basarnos de manera totalmente segura en los datos de las gráficas.