--- <style type="text/css"> .reveal p { text-align: justify; } .reveal ul { display: block; } .reveal ol { display: block; } .reveal section img { background:none; border:none; box-shadow:none; } </style> ## **SOFTWARE PARA ANÁLISIS URBANOS** --- **Universidad de La Sabana** *05 abril 2021* --- ## Introducción **ANDREI FELIPE VELA** [andreiveme@unisabana.edu.co]() - Estudiante ingeniería civil - Practicante área de Planeación Urbana 2020-2 - Interesado en programación y optimización --- ## Introducción **Practica en planeación urbana** - Exploración programas y librerías - Producción mapas axiales - Procesamiento datos espaciales adicionales: - Estratificación - Vulnerabilidad - Establecimientos --- Mapa axial Chía  --- ## Contenido **1. depthmapX 2. UrbanMetrics 3. OSMnx** --- <!-- .slide: class="center" --> # depthmapX --- ## depthmapX **depthmapX** es un programa que permite realizar una serie de análisis de **redes espaciales** derivados de la teoría de *Space Syntax* desarrollada en el UCL. La teoría de *Space Syntax* plantea que los diferentes componentes de una ciudad se encuentran **interconectados** y por lo tanto se puede usar para predecir el comportamiento **espacial** humano.  --- ## depthmapX {%youtube Qas2q_zJA6Q %} --- ## depthmapX Los mapas axiales representan **relaciones** entre diferentes espacios, estas relaciones se condensan posteriormente en un **grafo.**  :exclamation: Los **nodos** representan las **calles** --- ### depthmapX - pasos **1. Descargar imágenes y proyectar** [SASPlanet](http://www.sasgis.org/programs/sasplanet/SASPlanet_201212.zip) - Imágenes de alta resolución - Georreferenciación (coordenadas geográficas) :earth_americas: - Para cualquier extensión >:bulb: Usar **Bing** y exportar como `.ecw` --- ### depthmapX - pasos **1. Descargar imágenes y proyectar** ####  --- ### depthmapX - pasos **2. Trazar mapa axial** Problemas de geometría: - Lineas pequeñas - Puntos coincidentes ####  --- ### depthmapX - pasos **2. Trazar mapa axial** ####  --- ### depthmapX - pasos **3. Exportar mapa axial a depthmapX** - **depthmapX** soporta archivos en formato `.dxf`, `.csv` y `.mif`. - Convetir a mapa axial (*Map -> Convert Drawing Map*) - Asignar desenlaces - Convertir a mapa de segmentos (*Map -> Convert Active Map*) --- ### depthmapX - pasos **3. Exportar mapa axial a depthmapX** ####  --- ### depthmapX - pasos **4. Realizar análisis espacial** (Tools -> Segment -> Run Angular Segment Analysis) - Especificar *radio* en metros: `100,250,500,n` - Se pueden *ponderar* los segmentos de acuerdo a sus atributos - *Normalizar* los resultados con respecto a la profundidad. --- ### depthmapX - pasos **4. Realizar análisis espacial** ####  --- ### depthmapX - pasos **4. Análisis estadístico datos generados** :chart_with_upwards_trend: Los resultados se pueden exportar como `.csv` para analizar en **SPSS** o **R** . ####  --- --- ### depthmapX - ventajas - *Space Syntax* es una teoría contrastada - Recursos para formación :book: - Interfaz de CLI - Plugin QGIS Space Syntax Toolkit --- ### depthmapX - desventajas - Tiempo requerido producción mapas axiales - Velocidad :timer_clock: - Formato para compartir resultados - Proceso de iteración --- --- <!-- .slide: class="center" --> # Urban Metrics --- ## Urban Metrics Software desarrollado en la Universidad de Pelotas, que tiene una aproximación más flexible para el **análisis espacial** de grafos, al no exigir un *mapa axial*. Además, se incluyen métricas que tienen en cuentas los **establecimientos** por lo que se puede tener un análisis más preciso de las interacciones presentes en el sistema. --- ## Urban Metrics ###  --- ## Urban Metrics *Urban Metrics* calcula métricas equivalentes a las derivadas de la teoría de *Space Syntax*. Sin embargo, se diferencia de *Space Syntax* al no requerir mapas axiales - **Centralidad (choice)**: Distancia más corta promedio a cada uno de los otros componentes (calles) - **Accesibilidad (integration)**: Frecuencia con la que un elemento se encuentra en el camino más corto entre dos segmentos. --- ## Urban Metrics **Urban Metrics** ofrece métricas basadas en el uso del suelo, cuantificando específicamente interacciones de **oferta-demanda**. Es posible añadir establecimientos (comerciales, residenciales, etc.) para facilita el análisis de las diferentes. ####  --- ## Urban Metrics --- Los puntos de oferta son ordenados de acuerdo a su distancia de puntos de demanda y a su posición relativa con respecto a otros puntos de oferta. ####  --- ## Urban Metrics - **Convergencia**: Capacidad de los puntos de *oferta* de satisfacer la *demanda*. - **Oportunidad**: Capacidad de los puntos de *demanda* de abastecerse en los puntos de *oferta*. - **Polaridad**: Equivalente a la *centralidad*, pero considerando únicamente los puntos de *demanda* y *oferta*. - **Potencial**: Similar a la *polaridad*, pero descartando los puntos que ya tienen *oferta. * --- ### Urban Metrics - ejemplo Ejemplo de análisis de la red escolar del municipo de Chía, aplicando un modelo de centralidad, relacionando: población, ubicación de establecimientos y total de matriculas. - Usar unicamente datos abiertos - Procesar los datos usando ArcGIS --- ### Urban Metrics - ejemplo **1. Mapa red vial (OSM)** ####  --- ### Urban Metrics - ejemplo **2. Oferta - establecimientos educativos (MEN)** ####  --- ### Urban Metrics - ejemplo **3. Demanda - Población CNPV (DANE)** Los datos abiertos del Censo Nacional de Población y Vivienda (2018), cuenta con información precisa de: - Población - Estratificación - Uso del suelo - Nivel educativo --- ### Urban Metrics - ejemplo **3. Demanda - Población CNPV (DANE)** ####  --- ### Urban Metrics - ejemplo **4. Demanda - Población agregada a las calles** Se debe pasar los atributos de las manzanas a la red vial, para posteriormente realizar el análisis de centralidad. 1. Subdividir las manzanas 2. Buscar la calle que más cercana a cada subdivisión 3. Calcular la población asociada a cada calle [Descargar script python :arrow_down: ](https://gist.github.com/andrevem/0d8b4cdaeb17b7be7f5619c6a589f64c) --- ### Urban Metrics - ejemplo **4. Demanda - Población agregada a las calles** ####  --- ### Urban Metrics - ejemplo **5. Resultado - Oportunidad** ####  --- ### Urban Metrics - ejemplo **6. Resultado - Convergencia** ####  --- ### Urban Metrics - ventajas - Interfaz intuitiva - Soporte de trazos curvos - Importar y exportar desde`.shp` :file_folder: - Base de datos uso de suelo --- ### Urban Metrics - desventajas - Limitación a análisis de grafos - Dificultad asignar uso de suelo individualmente :three_button_mouse: - Falta de documentación :gb: --- <!-- .slide: class="center" --> # Open Street Map --- ## Open Street Map El proyecto **[Open Street Map](https://www.openstreetmap.org/)** es una alternativa a **Google Maps**, que permite usar los datos gratuitamente y sin ningún tipo de restricción. La comunidad participa en el proceso de **mapeado**, por lo que si hay zonas incompletas es muy fácil añadir información desde el **navegador**. --- ## Open Street Map ###  --- ## OSM Extractor Herramienta desarrollada para facilitar descargar información desde OSM como en formato `.shapefile`. Las categorias disponibles son: - Carreteras - Transporte público - Servicios - Infraestructura de emergencia --- ## OSM Extractor ###  --- ## OSMnx --- **OSMnx** es una librería para Python, que permite descargar datos espaciales desde **Open Street Map**, modelar, proyectar y analizar calles de todo el mundo. Los resultados se pueden exportar obtenidos se pueden exportar a cualquier formato soportado por **[GDAL](https://gdal.org/drivers/)**. También es posible descargar: edificios, elevación, sentido y tiempo de viaje. --- ## OSMnx La principal función de **OSMnx** es descargar, pre procesar, modelar y analizar calles alrededor del mundo usando la teoría de grafos. El tiempo que requiere representa solo una fracción del tiempo que sería invertido para obtener un análisis equivalente en *Space Syntax*. --- ### OSMnx - pasos **1. Descargar información espacial** Consultar un municipio específico: ```python= ciudad = "Chía, Colombia" # Nombre ciudad a descargar network_type = "walk" G_place = ox.graph_from_place(ciudad, network_type=network_type) ``` Consultar por rectángulo: ```python= norte, sur, este, oeste = 4.8791797, 4.8477755, -74.0729054, -74.0316090 network_type = "walk" G_bbox = ox.graph_from_bbox(norte, sur, este, oeste, network_type=network_type) ``` --- ### OSMnx - pasos --- **2. Consolidar y proyectar grafo** **OSMnx** se encargar de preprocesar los datos espaciales para eliminar errores (lineas duplicadas, intersecciones, segmentos). ```python= G = G_bbox epsg_code = 3116 # MAGNA Colombia Bogotá G_proj = ox.project_graph(G, pyproj.CRS.from_user_input(epsg_code)) G2 = ox.consolidate_intersections(G_proj, tolerance=10, dead_ends=False) ``` Para exportar a shapefile usar el comando: ```python= ox.save_graph_shapefile(G2, filepath='./data/graph_chiá_tol10') ``` --- ### OSMnx - pasos --- **2. Consolidad y proyectar grafos** ####  --- ### OSMnx - pasos --- **3. Medidas de centralidad - *choice*** ###  --- ### OSMnx - pasos --- **3. Medidas de centralidad - *betweeness*** ###  --- ### OSMnx - pasos --- **4. Isocronos tiempos de viajes** ###  --- ### OSMnx - ventajas --- - Facilidad de convertir a **GeoPandas** para análisis de datos y visualización. :bar_chart: - Análisis automático de cualquier ciudad :cityscape: - Interfaz con **NetworkX** para análisis avanzados de grafos. --- ### OSMnx - desventajas - Información disponible en **OSM** errónea o incompleta - Sin interfaz grafica - Imprecisiones al consolidar intersecciones o autopistas. - Visualizaciones estáticas --- <!-- .slide: class="center" --> # ¡GRACIAS!