Skip to content

Latest commit

 

History

History
151 lines (126 loc) · 4.93 KB

README.org

File metadata and controls

151 lines (126 loc) · 4.93 KB
Raw

Incidente viales

Recomendaciones

  • El procesamiento del archivo original en formato excell no es muy cómodo.
  • Al no existir metadatos es necesario suponer los tipo de las columnas.
  • los formatos de fecha en excel al ser leídos en R pueden introducir errores.
  • Es preferible un formato abierto y plano como CSV.
  • Adicionalmente se recomienda crear una tabla complementaria de metadatos, con los nombres y tipos de columnas, versión del archivo, enlace a versión anterior, responsable del archivo, fuente de los datos, número de registros. De esta manera es posible leer el archivo de datos sin equívocos que puedan ser generados por suposiciones sobre los datos.

Visualización de los datos en un mapa usando R

library(tidyverse)
library(readxl)
library(httr)
library(leaflet)

PROCESA DIRECTAMENTE DESDE URL ARCHIVO EXCELL

binary_data <- GET("https://www.medellin.gov.co/movilidad/cifras-estudios/finish/3902-cifras-de-incidentalidad-diaria/334375-victimas-fatales-por-incidentes-viales-2020") %>% httr::content()

Archivo temporal para construir con datos binarios

excel_file <- tempfile("smtt_med_file")
zz <- file(excel_file, "wb")
writeBin(binary_data, zz) ## Escribe datos binarios en archivo temporal
close(zz)

Lee archivo de excel como datos tabulares

tdata <- read_excel(path = excel_file,1)
colnames(tdata) <- as.character(tdata[2,]) ## Asigna nombres de columnas
tdata <- tdata[-c(1,2),] ## Elimina filas adicionales sin información

LECTURA DE ARCHIVO CSV PROCESADO MANUALMENTE A PARTIR DEL ARCHIVO DE EXCELL

tdata <- read_tsv("./data/iv_2020_120.csv")

Resumen de algunas columnas

tdata %>% group_by(lubridate::month(FechaIncidente)) %>% summarise(n())
tdata %>% group_by(`Dirección`) %>% summarise(cnt=n()) %>% arrange(desc(cnt))

PROCESO DE GEOCODIFICACIÓN A PARTIR DE DIRECCIÓN

  1. Geocoder de OSM (nominatim) -> https://nominatim.org/ https://nominatim.openstreetmap.org/ui/search.html

formato nominatim: Medellín, Valle de aburrá, Antioquia, 0500, CL -> Calle 71 CR -> Carrera 65

nominatim_pretext <- "Medellín, Valle de aburrá, Antioquia, 0500, "
tdata$osm_search_term <- tdata$`Dirección` %>%
    str_replace("\\b[C|c][L|l]\\b","Calle") %>%
    str_replace("\\b[C|c][R|r]\\b","Carrera") %>%
    str_replace("\\b[T|t][R|r]\\b","Transversal") %>%
    str_replace("[D|d][G|g]","Diagonal") %>%
    str_replace("entre","") %>%
    str_replace(" y .*","") %>%
    str_replace(" - .[0-9]*","") %>%
    paste0(nominatim_pretext,.)
 API query -> https://nominatim.org/release-docs/develop/api/Search/
nominatim_q_template <- "https://nominatim.openstreetmap.org/search.php?q=%s&format=json&limit=1"

Hacer map de los todos los elementos y retornar lat y lon

geocoding <- map(sprintf(nominatim_q_template,tdata$osm_search_term), function(q) {
    r <- GET(q) %>% httr::content() %>% map(function(s) {
         names(s)
        tibble(
            lat = s[[6]],
            lon = s[[7]]
     )
    })
}) %>% enframe %>% unnest(cols = c(value))

tdata$lat <- ""
tdata$lon <- ""
tdata[geocoding$name,c("lat","lon")] <- map_df(geocoding$value,`[`,c(1,2))

Pinta mapa

options(browser="/usr/bin/brave")

leaflet(tdata) %>%
    addTiles() %>%
    addCircleMarkers(~as.numeric(lon), ~as.numeric(lat))

./assets/mapa.png

Otra opciones para geocodificar las direcciones

  1. Geocoder de la Alcaldía -> https://www.medellin.gov.co/MAPGISV5_WEB/mapa.jsp?aplicacion=0

https://www.medellin.gov.co/servicios/GEOCOD_WEBP/processFormField.do?accion=4&nombreArchivoExcel=/pub/aplicaciones/secretaria_ti/tempGeocod/iv_2020_120.xlsx&hoja=iv_2020_120 https://www.medellin.gov.co/mapas/rest/services/ https://pro.arcgis.com/es/pro-app/tool-reference/geocoding/geocode-addresses.htm https://github.com/cengel/ArcGIS_geocoding https://developers.arcgis.com/rest/services-reference/geocode-service.htm

  1. Geocoder de google