-
Notifications
You must be signed in to change notification settings - Fork 1
/
calculo_movilidad_por_departamento.qmd
240 lines (190 loc) · 8.78 KB
/
calculo_movilidad_por_departamento.qmd
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
---
title: "Cálculo de movilidad por departamento de la provincia"
lang: es
---
---
**Input inicial**
- Imagenes rasters `.tif` de cambio porcentual semanal y prepandemia para
locación, dia y horario reportado generadas en 'Creacion de rasters'.
**Objetivo**
- Obtener un dataset con los valores promedio de movilidad ciudadana tanto para
cambio porcentual semanal como prepandemia, en cada locación y momento en el
que haya disponible una imagen raster.
- Nueva variable que promedie los valores de cambio porcentual semanal como
prepandemia para mañana y tarde, ya que se asume que deberían ser similares.
---
```{r setup, echo = FALSE, message=FALSE, warning=FALSE}
library(sf)
library(plotly)
library(tidyverse)
library(terra)
```
## 1. Guardo información de los rasters en un dataset
Genero una base de datos con los polígonos de los departamentos de provincia
de Buenos Aires y la ubicación de los archivos en el sistema.
```{r}
# Leo todos los archivos de la carpeta con rasters de ejemplo
all_files <- list.files("data/inicial/")
# Datos reales
# all_files <- list.files("../geocovid/data/rasters/")
# Filtro los archivos que terminan con '.tif'
base_raster <- all_files[grep(".tif$",
basename(all_files))] |>
tibble::as_tibble() |>
tidyr::separate(value,
into = c('locacion',
'tipo_de_raster',
'fecha',
'hora'),
sep = '_',
remove = FALSE) |>
dplyr::mutate(fecha = as.Date(fecha),
hora = as.numeric(str_sub(hora, end= -4))) |>
dplyr::mutate(momento = dplyr::case_when(hora == 0 ~ "noche",
hora == 8 ~ "mañana",
hora == 16 ~ "tarde"))
# formato de fecha
formatted_date <- format("2020-05-10", format = "%Y-%m-%d")
bsas <- sf::st_read("data/procesada/bsas_caba_simple.gpkg")
base_raster_baires <- base_raster |>
dplyr::filter(locacion == 'baires') |> #elimina valores de amba que coinciden
dplyr::cross_join(bsas) |>
dplyr::mutate(file = paste0('data/inicial/', value)) |>
# datos reales
# dplyr::mutate(file = paste0('../geocovid/data/rasters/', value)) |>
sf::st_as_sf()
```
## 2. Promedio de valores de movilidad ciudadana por departamento de Bs. As.
- Esto lo realizamos tanto para los rasters de 0 am (noche), 8 am (mañana) y
tarde (4 pm).
- Se crea una variable, `px_mean_dianoche`, que promedia los valores de
mañana (8 am) y tarde (4 pm).
```{r}
px_baires <- c()
for(i in 1:nrow(base_raster_baires)){
# cada fila corresponde a un partido diferente
poli <- sf::st_as_sf(base_raster_baires[i, c('partido','geom')]) |>
st_transform(3857)
# si bien el raster va a ser el mismo en muchos casos
raster <- terra::rast(base_raster_baires$file[i])
crs(raster) <- "epsg:3857"
int_data2 <- terra::extract( raster,
sf::st_as_sf(poli),
fun = mean,
na.rm = TRUE)
px_data <- data.frame(base_raster_baires[i,],
'px_mean' = int_data2[[2]]
)
px_baires <- rbind(px_data, px_baires)
}
px_baires_w <- px_baires |>
select(fecha, locacion, tipo_de_raster,
momento, hora, partido, px_mean, geom) |>
pivot_wider(
names_from = c(momento, hora),
values_from = px_mean) |> # esto habria que
mutate(px_mean_dianoche = ((mañana_8 + tarde_16)/2))
px_baires_w
```
Las variables `px_mean_dianoche` y `noche_0` se convierten en categóricas.
```{r}
px_bsas <- px_baires_w |>
# dplyr::filter(fecha == '2020-05-06',
# tipo_de_raster == 'pc'
# ) |>
dplyr::mutate(criterio = case_when(px_mean_dianoche > 40 ~ "mas de 40",
40 > px_mean_dianoche &
px_mean_dianoche > 30 ~ "40 - 30",
30 > px_mean_dianoche &
px_mean_dianoche > 20 ~ "30 - 20",
20 > px_mean_dianoche &
px_mean_dianoche > 10 ~ "20 - 10",
10 > px_mean_dianoche &
px_mean_dianoche > 1 ~ "10 - 1",
1 > px_mean_dianoche &
px_mean_dianoche> -1 ~ "sin cambios",
-1 > px_mean_dianoche&
px_mean_dianoche > -10 ~ "-1 - -10",
-10 > px_mean_dianoche&
px_mean_dianoche > -20 ~ "-10 - -20",
-20 > px_mean_dianoche&
px_mean_dianoche > -30 ~ "-20 - -30",
-30 > px_mean_dianoche&
px_mean_dianoche > -40 ~ "-30 - -40",
-40 > px_mean_dianoche ~ "menor a -40"),
criterio_noche = case_when(noche_0 > 40 ~ "mas de 40",
40 > noche_0 &
noche_0 > 30 ~ "40 - 30",
30 > noche_0 &
noche_0 > 20 ~ "30 - 20",
20 > noche_0 &
noche_0 > 10 ~ "20 - 10",
10 > noche_0 &
noche_0 > 1 ~ "10 - 1",
1 > noche_0 &
noche_0> -1 ~ "sin cambios",
-1 > noche_0 &
noche_0 > -10 ~ "-1 - -10",
-10 > noche_0 &
noche_0 > -20 ~ "-10 - -20",
-20 > noche_0 &
noche_0 > -30 ~ "-20 - -30",
-30 > noche_0 &
noche_0 > -40 ~ "-30 - -40",
-40 > noche_0 ~ "menor a -40")) |>
dplyr::mutate(criterio = fct_relevel(criterio, c("mas de 40",
"40 - 30",
"30 - 20",
"20 - 10","10 - 1",
"sin cambios",
"-1 - -10",
"-10 - -20",
"-20 - -30",
"-30 - -40",
"menor a -40")),
criterio_noche = fct_relevel(criterio_noche,
c("mas de 40",
"40 - 30",
"30 - 20",
"20 - 10",
"10 - 1",
"sin cambios",
"-1 - -10",
"-10 - -20",
"-20 - -30",
"-30 - -40",
"menor a -40"))) |>
st_as_sf()
#write_sf(px_bsas, "data/procesada/px_baires_demo_app.gpkg")
```
## 3. Mapa de provincia de Buenos Aires
```{r warning=FALSE}
# escala de color por categoria
colors <- c("mas de 40"="#67001F",
"40 - 30"="#B2182B",
"30 - 20"="#D6604D",
"20 - 10"="#F4A582",
"10 - 1"="#FDDBC7",
"sin cambios"="#F7F7F7",
"-1 - -10" ="#D1E5F0",
"-10 - -20"="#92C5DE",
"-20 - -30"="#4393C3",
"-30 - -40"="#2166AC",
"menor a -40"="#053061")
plotly::plot_ly() |>
plotly::add_sf(stroke = I("#95B2C6"),
data = px_bsas,
split = ~criterio,
name = ~criterio,
color = ~criterio,
colors = colors,
stroke = I("transparent"),
hoveron = "fills",
hoverinfo = 'name',
legendgroup = 'criterio',
legendgrouptitle = list(text = 'Promedio % de cambio',
font = list(size = 15,
family = "Work Sans",
color = "black"))
)
```