/
dim_enturb.py
320 lines (258 loc) · 13 KB
/
dim_enturb.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
# Dimensión Entorno Urbano
# Documentos de referencia
# https://docs.google.com/spreadsheets/d/11sXtbYPi6ebDXrvFoHpA3qKGjS_OI4naNa0M4sXuFDY/edit#gid=1671296316
# https://kf.kobotoolbox.org/#/forms/aMbrw7VQcoKiZeRuEoJfCe/edit
import utils
from statistics import mean
# ------------------------------------------------------------
# Categoría: Urban form / Forma Urbana
# Subcategoría: Compact neighbourhood
# Density that ensure access to services, transportation options and prevent urban sprawl
# ------------------------------------------------------------
def a1(datos):
if 'group_consented/group_urbano/urbano_21' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_21'].split()
if "1" in respuestas: # Tamaño adecuado
return 100
return 0
# ------------------------------------------------------------
# Categoría: Urban form / Forma Urbana
# Subcategoría: Mixed uses
# Availability of facilities and basic servicies within a walking distance that avoid the need for long and
# motorized trips, according to 15-minute city principles, and ensuring the fullfillment of basic needs such as food,
# schools and medical care (pharmacyes and healthcare services), carecenters, and public spaces and green areas
# ------------------------------------------------------------
def a2(datos):
if 'group_consented/group_urbano/urbano_1' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_1'].split()
if "0" in respuestas: # Seleccionaron Ninguno
return 0
# Seleccionaron tiendas, guarderías, escuelas primaria y espacio publico
if all(r in respuestas for r in ["1", "4", "5", "7"]):
return 100
if len(respuestas) >= 4: # Seleccionaron al menos 4 opciones
return 100
return 0
# ------------------------------------------------------------
# Categoría: Urban form / Forma Urbana
# Subcategoría: Well connected
# Proximity to facilities, services and formal jobs at an adequate distance by PT (max 30 min)
# ------------------------------------------------------------
def a3(datos):
if 'group_consented/group_urbano/urbano_2' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_2'].split()
if "0" in respuestas: # Seleccionaron Ninguno
return 0
if len(respuestas) >= 5: # Tienen acceso a todas las opciones, si no seleccionan todas no cuenta
return 100
return 0
# ------------------------------------------------------------
# Categoría: Built-up environment / Entorno construido
# Subcategoría: Building Efficiency
# Energy efficiency trend for the residential sector considering measures taken at households
# ------------------------------------------------------------
def a4(datos):
if 'group_consented/group_urbano/urbano_22' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_22'].split()
if "0" in respuestas: # Seleccionaron Ninguno
return 0
if len(respuestas) >= 1: # Tienen acceso a al menos una opción
return 100
return 0
# ------------------------------------------------------------
# Categoría: Built-up environment / Entorno construido
# Subcategoría: Housing conditions
# Adequate housing considering habitability, access to services and tenancy
# ------------------------------------------------------------
def a5(datos):
if 'group_consented/group_urbano/urbano_23' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_23'].split()
# Seleccionaron Ninguno
if "0" in respuestas:
return 0
if all(r in respuestas for r in ["1", "2", "3", "4", "5", "6"]):
return 100
return 0
# ------------------------------------------------------------
# Categoría: Mobility/ Movilidad
# Subcategoría: Mobility patterns
# Main mode of transport used in a daily basis and complementary information about travel purposes, people
# involved in accompanying trips, where to, formal/informal use of public transport. Modal share & Travel information
# ------------------------------------------------------------
def a6(datos):
if 'group_consented/group_urbano/urbano_3' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_3'].split()
if "0" in respuestas: # no realiza desplazamientos por lo cual es sostenible ???
return 100
contador = 0
if "3" in respuestas: # bicicleta
contador += 1
if "4" in respuestas: # caminar
contador += 1
if "5" in respuestas: # transporte publico informal
contador += 1
if "6" in respuestas: # transporte publico formal
contador += 1
return contador / 4 * 100
# ------------------------------------------------------------
# Categoría: Public Transport / Trasnporte Público
# Subcategoría: Accessibility
# Access and availability of public transportation options, considering formal and informal services and proximity
# to stops
# ------------------------------------------------------------
def a7(datos):
if 'group_consented/group_urbano/urbano_7' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_7'].split()
if len(respuestas) > 0: # Seleccionaron al menos una opción
return 100
return 0
# ------------------------------------------------------------
# Categoría: Public Transport / Trasnporte Público
# Subcategoría: Stops infrastructure
# Conditioning of stops infrastructure, considering all the features neccesary for a safe, comfort and inclusive waiting
# area, that enables multimodal connections and the integratation of diverse sustainable modes of transportation
# ------------------------------------------------------------
def a8(datos):
if 'group_consented/group_urbano/urbano_8' not in datos:
return
respuestas = datos['group_consented/group_urbano/urbano_8'].split()
return int(respuestas[0]) / 3 * 100
# ------------------------------------------------------------
# Categoría: Public Transport / Trasnporte Público
# Subcategoría: Frecuency
# Frequency of public transport services by users' waiting time for a reliable service
# ------------------------------------------------------------
def a9(datos):
respuestas = datos['group_consented/group_urbano/urbano_9'].split()
if "1" in respuestas: # Menos de 5 mins
return 100
if "2" in respuestas: # Entre 5 y 10 mins
return 100
return 0
# ------------------------------------------------------------
# Categoría: Bikeability / Ciclabilidad
# Subcategoría: Bikeability
# Satisfaction with the actual conditions for cycling in the neighbourhood (bike lanes, bike parking, etc.)
# ------------------------------------------------------------
def a10(datos):
respuestas_a = datos['group_consented/group_urbano/urbano_10_group/urbano_10a'].split()
respuestas_b = datos['group_consented/group_urbano/urbano_10_group/urbano_10b'].split()
respuestas_c = datos['group_consented/group_urbano/urbano_10_group/urbano_10c'].split()
respuestas_d = datos['group_consented/group_urbano/urbano_10_group/urbano_10d'].split()
# 0 No hay 0%
# 1 Baja 33%
# 2 Regular 66%
# 3 Alta 100%
return mean([utils.remap(int(respuestas_a[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_d[0]), 0, 3, 0, 100)])
# ------------------------------------------------------------
# Categoría: Walkability / Caminabilidad
# Subcategoría: Walkability
# Satisfaction with the actual conditions for walking in the neighbourhood, are safe, comfortable and accessible for all
# people, considerign both infrastructure and perception aspect
# ------------------------------------------------------------
def a11(datos):
respuestas_a = datos['group_consented/group_urbano/urbano_11_group/urbano_11a'].split()
respuestas_b = datos['group_consented/group_urbano/urbano_11_group/urbano_11b'].split()
respuestas_c = datos['group_consented/group_urbano/urbano_11_group/urbano_11c'].split()
# 0 No hay 0%
# 1 Baja 33%
# 2 Regular 66%
# 3 Alta 100%
return mean([utils.remap(int(respuestas_a[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 0, 3, 0, 100)])
# ------------------------------------------------------------
# Categoría: Public spaces / Espacios públicos
# Subcategoría: Open public spaces and green areas
# Public spaces and environmental aspects that can improve health and wellbeing of the residents, considering green
# spaces and vegetation and their distribution, that are safe, attractive, comfortable, enjoyable, accesible, and
# inclusive for all people from all backgrounds considering elements and opportunities to develop diverse activities
# ------------------------------------------------------------
def a12(datos):
respuestas_a = datos['group_consented/group_urbano/urbano_12_group/urbano_12a'].split()
respuestas_b = datos['group_consented/group_urbano/urbano_12_group/urbano_12b'].split()
respuestas_c = datos['group_consented/group_urbano/urbano_12_group/urbano_12c'].split()
respuestas_d = datos['group_consented/group_urbano/urbano_12_group/urbano_12d'].split()
return mean([utils.remap(int(respuestas_a[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_b[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_c[0]), 0, 3, 0, 100),
utils.remap(int(respuestas_d[0]), 0, 3, 0, 100)])
# ------------------------------------------------------------
# Categoría: Public spaces / Espacios públicos
# Subcategoría: Space distribution
# Space allocation on streets and public spaces that allows flexibility for alternative uses and a balance on the use
# of on-street space
# ------------------------------------------------------------
def a13(datos):
respuestas = datos['group_consented/group_urbano/urbano_14'].split()
if "1" in respuestas: # Mas espacio para automoviles
return 0
return 100
# ------------------------------------------------------------
# Categoría: Safety and security / Seguridad
# Subcategoría: Road safety
# ------------------------------------------------------------
def a14(datos):
return mean([_a14a(datos), _a14b(datos)])
def _a14a(datos):
respuestas = datos['group_consented/group_urbano/urbano_17'].split()
if "0" in respuestas: # Nadie ha estado en un siniestro
return 100
return 0
def _a14b(datos):
respuestas = datos['group_consented/group_urbano/urbano_18'].split()
if "3" in respuestas: # Velocidad peligrosa
return 0
return 100 # 1 o 2 : Adecuada o muy segura
# ------------------------------------------------------------
# Categoría: Safety and security / Seguridad
# Subcategoría: Security
# People's personal security in the neigborhood, considering experiences in terms of crime-behaviour rate along with
# their unsafety perception in the public spaces, with an emphasis in differences by gender and women's perception
# ------------------------------------------------------------
def a15(datos):
a15a = _a15a(datos)
a15b = _a15b(datos)
if a15a is not None:
if a15b is not None:
return mean([a15a, a15b])
return a15a
def _a15a(datos):
respuestas = datos['group_consented/group_urbano/urbano_19'].split()
if "1" in respuestas: # Sí ha sufrido X
return 0
return 100
def _a15b(datos):
codigos = [
'group_consented/group_urbano/urbano_20_group/urbano_20a',
'group_consented/group_urbano/urbano_20_group/urbano_20b',
'group_consented/group_urbano/urbano_20_group/urbano_20c',
'group_consented/group_urbano/urbano_20_group/urbano_20d',
'group_consented/group_urbano/urbano_20_group/urbano_20e',
'group_consented/group_urbano/urbano_20_group/urbano_20f'
]
existen = all(key in datos for key in codigos)
if not existen:
return None
respuestas_a = datos['group_consented/group_urbano/urbano_20_group/urbano_20a'].split()
respuestas_b = datos['group_consented/group_urbano/urbano_20_group/urbano_20b'].split()
respuestas_c = datos['group_consented/group_urbano/urbano_20_group/urbano_20c'].split()
respuestas_d = datos['group_consented/group_urbano/urbano_20_group/urbano_20d'].split()
respuestas_e = datos['group_consented/group_urbano/urbano_20_group/urbano_20e'].split()
respuestas_f = datos['group_consented/group_urbano/urbano_20_group/urbano_20f'].split()
return mean([utils.remap(int(respuestas_a[0]), 3, 1, 0, 100),
utils.remap(int(respuestas_b[0]), 3, 1, 0, 100),
utils.remap(int(respuestas_c[0]), 3, 1, 0, 100),
utils.remap(int(respuestas_d[0]), 3, 1, 0, 100),
utils.remap(int(respuestas_e[0]), 3, 1, 0, 100),
utils.remap(int(respuestas_f[0]), 3, 1, 0, 100)])