Tarea 5_v2
Valentina Cancela
15/10/2021
Distancias a vacunatorios para inmunización COVID-19
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.0.5## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.1.1 v dplyr 1.0.5
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## Warning: package 'ggplot2' was built under R version 4.0.5## Warning: package 'tibble' was built under R version 4.0.5## Warning: package 'tidyr' was built under R version 4.0.5## Warning: package 'readr' was built under R version 4.0.5## Warning: package 'dplyr' was built under R version 4.0.5## Warning: package 'forcats' was built under R version 4.0.5## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(sf)## Warning: package 'sf' was built under R version 4.0.5## Linking to GEOS 3.9.0, GDAL 3.2.1, PROJ 7.2.1library(ggmap)## Warning: package 'ggmap' was built under R version 4.0.5## Google's Terms of Service: https://cloud.google.com/maps-platform/terms/.## Please cite ggmap if you use it! See citation("ggmap") for details.library(leaflet)## Warning: package 'leaflet' was built under R version 4.0.5library(osrm)## Warning: package 'osrm' was built under R version 4.0.5## Data: (c) OpenStreetMap contributors, ODbL 1.0 - http://www.openstreetmap.org/copyright## Routing: OSRM - http://project-osrm.org/## sp support will be dropped in the next major release, please use sf objects instead.Con el objetivo de analizar si existen barreras al acceso a la vacunación para COVID-19 vinculadas a la accesibilidad de los vacunatorios se estudiarán las distancias desde los vacunatorios al Municipio D.
En primer lugar, se descargan los shapes de vacuntarios y de Municipios de la página de la Intendencia de Montevideo (https://sig.montevideo.gub.uy/) y se presenta un mapa mostrando la distribución terroritorial de los vacunatorios en Montevideo.
vacunatorios <-st_read ("VACUNATORIOS_MSP_COVID_UTM.shp", stringsAsFactors = TRUE) %>%
st_transform(crs = 4326) ## Reading layer `VACUNATORIOS_MSP_COVID_UTM' from data source
## `C:\Users\Usuario\Documents\Diplomatura\Ciencia_datos_ciudades\Datos_ciudades\Tareas\VACUNATORIOS_MSP_COVID_UTM.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 28 features and 3 fields
## Geometry type: POINT
## Dimension: XYZ
## Bounding box: xmin: 568360 ymin: 6136809 xmax: 582570 ymax: 6148579
## z_range: zmin: 0 zmax: 0
## Projected CRS: WGS 84 / UTM zone 21SMunicipios <- st_read("sig_municipios.shp", stringsAsFactors = TRUE) %>%
st_transform(crs = 4326) ## Reading layer `sig_municipios' from data source
## `C:\Users\Usuario\Documents\Diplomatura\Ciencia_datos_ciudades\Datos_ciudades\Tareas\sig_municipios.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 8 features and 5 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: 551994.3 ymin: 6133494 xmax: 589199.4 ymax: 6159799
## Projected CRS: WGS 84 / UTM zone 21Sggplot() +
geom_sf(data=Municipios)+
geom_sf_text (data=Municipios, aes(label=MUNICIPIO), size=4)+
geom_sf(data=vacunatorios, color="turquoise4", size=3)+
labs(title="Vacunatorios COVID-19 por Municipio",
subtitle=" Montevideo",
caption = "Fuente: SIG de Intendencia de Montevideo",
fill="Población") +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Para poder estimar distancias vamos a calcular la distancia del centroide del Municipio D a los vacunatorios. Por tanto, primero generaremos un mapa con los centroides de los Municipios y transformaremos la geometría en coordenadas para poder luego calcular distancias.
Munis_ptos <- Municipios %>%
st_centroid() ## Warning in st_centroid.sf(.): st_centroid assumes attributes are constant over
## geometries of xMunis_ptos <- cbind(Munis_ptos, st_coordinates(Munis_ptos)) %>%
st_set_geometry(NULL) %>%
rename(LON_ORIGEN=X,
LAT_ORIGEN=Y)En el siguiente mapa se visualizan los centroides de los Municipios, los límites de los Municipios y los vacunatorios.
ggplot()+
geom_sf(data=Municipios)+
geom_sf_text (data=Municipios, aes(label=MUNICIPIO), size=4)+
geom_sf(data=vacunatorios, color="turquoise4", size=3)+
geom_point(data=Munis_ptos, aes(x=LON_ORIGEN, y=LAT_ORIGEN), color="red", shape=4, size=2)+
labs(title="Vacunatorios COVID-19 por Municipio",
subtitle=" Montevideo",
caption = "Fuente: SIG de Intendencia de Montevideo",
fill="Población") +
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
vacunatorios <- vacunatorios %>%
mutate(lat = unlist(map(vacunatorios$geometry,2)),
long = unlist(map(vacunatorios$geometry,1)))ruteo_vacunatorio <- function(o_nombre, o_x, o_y, d_nombre, d_x, d_y) {
ruta <- osrmRoute(src = c(o_nombre, o_x, o_y),
dst = c(d_nombre, d_x, d_y),
returnclass = "sf",
overview = "full")
cbind(ORIGEN = o_nombre, DESTINO = d_nombre, ruta)
}Muni_D <- vacunatorios %>%
mutate (NOMBRE_ORIGEN="MUNICIPIO D") %>%
left_join(Munis_ptos, by=c("NOMBRE_ORIGEN"="MUNICIPIO")) %>%
rename(NOMBRE_DESTINO=Name,
LON_DESTINO=long,
LAT_DESTINO=lat) %>%
select(NOMBRE_ORIGEN, LON_ORIGEN, LAT_ORIGEN, NOMBRE_DESTINO, LON_DESTINO, LAT_DESTINO)head(Muni_D)## Simple feature collection with 6 features and 6 fields
## Geometry type: POINT
## Dimension: XYZ
## Bounding box: xmin: -56.25212 ymin: -34.9019 xmax: -56.11826 ymax: -34.80255
## z_range: zmin: 0 zmax: 0
## Geodetic CRS: WGS 84
## NOMBRE_ORIGEN LON_ORIGEN LAT_ORIGEN NOMBRE_DESTINO
## 1 MUNICIPIO D NA NA CENTRO DE SALUD CERRO JX035
## 2 MUNICIPIO D NA NA ASOCIACIÓN ESPAÑOLA JX036
## 3 MUNICIPIO D NA NA ASOCIACIÓN ESPAÑOLA 2 JX045
## 4 MUNICIPIO D NA NA IMM COMPLEJO CRECE JX034
## 5 MUNICIPIO D NA NA C.A.P. GRUPO DE ARTILLERÍA NO. 1 JX0048
## 6 MUNICIPIO D NA NA COLEGIO MÉDICO JX045
## LON_DESTINO LAT_DESTINO geometry
## 1 -56.25202 -34.87380 POINT Z (-56.25202 -34.8738 0)
## 2 -56.22404 -34.80255 POINT Z (-56.22404 -34.8025...
## 3 -56.16529 -34.90190 POINT Z (-56.16529 -34.9019 0)
## 4 -56.11826 -34.85238 POINT Z (-56.11826 -34.8523...
## 5 -56.25212 -34.85959 POINT Z (-56.25212 -34.8595...
## 6 -56.16107 -34.89493 POINT Z (-56.16107 -34.8949...Muni_D <- mutate(Muni_D,LON_ORIGEN=-56.14990, LAT_ORIGEN=-34.78790)%>%
mutate (LON_ORIGEN=as.numeric(LON_ORIGEN),LAT_ORIGEN=as.numeric(LAT_ORIGEN))head(Muni_D)## Simple feature collection with 6 features and 6 fields
## Geometry type: POINT
## Dimension: XYZ
## Bounding box: xmin: -56.25212 ymin: -34.9019 xmax: -56.11826 ymax: -34.80255
## z_range: zmin: 0 zmax: 0
## Geodetic CRS: WGS 84
## NOMBRE_ORIGEN LON_ORIGEN LAT_ORIGEN NOMBRE_DESTINO
## 1 MUNICIPIO D -56.1499 -34.7879 CENTRO DE SALUD CERRO JX035
## 2 MUNICIPIO D -56.1499 -34.7879 ASOCIACIÓN ESPAÑOLA JX036
## 3 MUNICIPIO D -56.1499 -34.7879 ASOCIACIÓN ESPAÑOLA 2 JX045
## 4 MUNICIPIO D -56.1499 -34.7879 IMM COMPLEJO CRECE JX034
## 5 MUNICIPIO D -56.1499 -34.7879 C.A.P. GRUPO DE ARTILLERÍA NO. 1 JX0048
## 6 MUNICIPIO D -56.1499 -34.7879 COLEGIO MÉDICO JX045
## LON_DESTINO LAT_DESTINO geometry
## 1 -56.25202 -34.87380 POINT Z (-56.25202 -34.8738 0)
## 2 -56.22404 -34.80255 POINT Z (-56.22404 -34.8025...
## 3 -56.16529 -34.90190 POINT Z (-56.16529 -34.9019 0)
## 4 -56.11826 -34.85238 POINT Z (-56.11826 -34.8523...
## 5 -56.25212 -34.85959 POINT Z (-56.25212 -34.8595...
## 6 -56.16107 -34.89493 POINT Z (-56.16107 -34.8949...ruteo_D <- list(Muni_D$NOMBRE_ORIGEN, Muni_D$LON_ORIGEN,Muni_D$LAT_ORIGEN,
Muni_D$NOMBRE_DESTINO, Muni_D$LON_DESTINO,Muni_D$LAT_DESTINO)
ruteo_1 <- pmap(ruteo_D, ruteo_vacunatorio) %>%
reduce(rbind)ruteo_1 %>%
summary()## ORIGEN DESTINO
## Length:28 ANTEL ARENA JX001 AL JX005 : 1
## Class :character ASOCIACIÓN ESPAÑOLA 2 JX045 : 1
## Mode :character ASOCIACIÓN ESPAÑOLA JX023 : 1
## ASOCIACIÓN ESPAÑOLA JX036 : 1
## C.A.P. BRIGADA DE INFANTERÍA NO. 1 JX047: 1
## C.A.P. GRUPO DE ARTILLERÍA NO. 1 JX0048 : 1
## (Other) :22
## src dst duration distance
## Length:28 Min. : 1.00 Min. :11.50 Min. : 8.65
## Class :character 1st Qu.: 7.75 1st Qu.:16.28 1st Qu.:11.24
## Mode :character Median :14.50 Median :20.23 Median :13.65
## Mean :14.50 Mean :19.41 Mean :13.41
## 3rd Qu.:21.25 3rd Qu.:22.91 3rd Qu.:15.24
## Max. :28.00 Max. :27.63 Max. :18.72
##
## geometry
## LINESTRING :28
## epsg:4326 : 0
## +proj=long...: 0
##
##
##
## Luego de calcular el ruteo de cada vacunatorio al Municipio D, es posible decir que la media de tiempo de trasalado desde el Municipio D a un vacunatorio COVID-19 es 19,41 minutos. El vacunatorio más cercano a ese Municipio es la Policlínica Zully Sánchez de la Intendencia de Montevideo.
filter(ruteo_1, distance == min(distance))$DESTINO## [1] IMM POLICLINICA ZULLY SÁNCHEZ JX033
## 28 Levels: ANTEL ARENA JX001 AL JX005 ... UNIVERSAL JX021paleta <- c(low="gold", high= "deeppink4")
icons_d <- awesomeIcons(icon = "Vaunatorio",
iconColor = "black",
library = "fa",
markerColor = "red")
icons_o <- awesomeIcons(icon = "whatever",
iconColor = "black",
library = "fa",
markerColor = "gray")
mapaRuteo1 <- leaflet(ruteo_1) %>%
addTiles() %>%
addPolylines(color = ~colorNumeric(paleta, ruteo_1$distance)(distance),
label = paste("Distancia:", ruteo_1$distance, "|",
"Duración:", ruteo_1$duration))mapaRuteo1