Entrades classificades amb: Anàlisi Urbà

WFS: Interactuació amb mapes.

Descripció.

La necessitat de transferir cartografia per Internet ha sigut, i encara és, un problema difícil. La cartografia digital conté un gran volum de dades d’informació, i enviar aquestes quantitats de megabytes per Internet és una tasca pesada, i lenta.

És per això que es va començar a treballar amb WFS, sigles de “Web Feature Service”, que és un servei estàndard que ofereix una interfície que permet sol·licituds de comunicació, permetent interactuar amb mapes WMS (Web Map Service).

A través d’una URL, es pot accedir a les dades cartogràfiques que s’hagin publicat a la taula WFS, i fer consultes específiques, més endavant es mostra un exemple.

Per realitzar aquestes operacions s’utilitza el llenguatge GML, que deriva de XML,  és l’estàndard a través del qual es transmeten les comandes WFS.

Un cop s’ha fet la publicació de la taula WFS i es té la URL que apunta a ella, es poden veure les dades en alguns SIG (Sistemes d’Informació Geogràfica) que permetin el tractament d’aquest tipus de dades, en aquest cas al Geomedia.

En aquest cas, s’ha decidit a utilitzar la taula de trajectes i proximitat a les tres escoles bressol més properes.

Com fer la publicació?

Primerament, des del servidor on està instal·lat el GeoMediaWebMap Professional, s’obre el Server Configuration Utility i es crea un nou servei amb el botó “Add”.

Creació del servei.

El següent pas és seleccionar l’opció Manipulate Feature Web Service.

Es deixen els valors per defecte i es va prement “Next”, s’haurà d’introduir un nom pel WFS.

Nom del servei.

Quan es demani el tipus de base de dades, introduir Microsoft Access. La resta es deixa per defecte, i es finalitza, el servei s’ha creat.

En aquest punt, s’obre el Geomedia i es carrega el mapa que es vol publicar, s’obre el “GeomediaWebMap Publisher Administrator”.

Configurant el Geomedia.

Es selecciona el servei que s’acaba de crear i apareixerà una barra amb botons. Polsar sobre el cinqué botó “PublishandPopulatetheGeoWorkspace”, i seleccionar la primera opció “PublishtheGeoWorkspace contents to theMetaData”. Es selecciona “Sí”.

Botó “settings”.

Es selecciona el segon botó, “settings”. Aquí s’ha de seleccionar l’arxiu .csf que conté el sistema de coordenades. Després es prem l’últim botó per tancar el menú.

En aquest punt només queda inicialitzar el servei, per fer-ho, es torna al Publisher Server Configuration Utility, es selecciona el servei que s’ha creat i es prem “Initialize”.

Servei inicialitzat.

Provar el servei des del navegador introduint l següent línia de comanda:

http://geoportalccu.tecnocampus.cat/ProvaWFS/request.aspx?version=1.1.0&service=wfs&request=getcapabilities

Codi GML creat.

Interpretació gràfica del codi GML.

Veure així el codi no és interessant, el més interessant és veure-ho transformat en un mapa, al Geomedia per exemple, a continuació es veu com es pot configurar el geomedia per tal de veure la informació del servei WFS.

Primerament s’ha de crear una nova connexió, de tipus WFS, en aquest cas s’ha creat de WFS només lectura, per tal de que les dades no es puguin modificar.

Nova connexió.

S’ha d’introduir la URL abans esmentada, i s’accepta.

Un cop creada la connexió, ja es poden mostrar les seves entrades des de la llegenda.

Ventana de mapa del Geomedia amb les dades.

Entitats agregades de Població

 

Hem vist en anteriors entrades que al final de qualsevol càlcul de proximitat en un sentit o en altre (comptar entitats), arribàvem a veure la població afectada agrupada per illes de cases, cosa que permetia, mitjançant un mapa temàtic, veure les illes on hi havia més o menys gent, que en el cas dels càlculs de proximitat ens  portava a estudiar  les illes que es trobaven a més distància d’un determinat centre o que no en tenien cap a una distància determinada.

Es pot dir que aquesta relació amb la població és el motiu final de molts càlculs i simulacions, ja que la població, en darrera instància és el subjecte principal de l’activitat de la gestió municipal.

Anem a veure una mica en detall com fem aquestes agrupacions dels habitants. L’eina base és el Padro Municipal d’Habitants. En un primer procés s’agafen totes les dades rellevants de la base de dades del Padró, i un cop despersonalitzades, s’inclouen en una taula única, que seria una imatge de la situació del Padró Municipal en un moment determinat, en una data determinada, per tant seria una fotografia que es queda obsoleta immediatament acabada de fer ja que el Padró va canviant en el temps constantment degut a les altes i baixes que es van produint de forma contínua.

Un aspecte important és com situar els habitants en el territori. Nosaltres fem les agregacions dels habitants de tres maneres: càlcul dels habitants que viuen en una  mateixa illa, càlcul dels habitants que viuen en una mateixa parcel·la, i càlcul dels habitants que viuen en el mateix ‘portal’.

Aquesta diferent forma de comptar els habitants correspon al nivell de resolució que ens cal, segons el tipus d’estudi que volem fer. Les illes de Mataró són de l’ordre de 600, les parcel·les, estaríem en unes 12.000 i els portals  (també anomenats números de policia) de l’ordre de 20.000. Per tenir una visió general, no massa precisa, les illes són suficients. Si volem calcular els habitants d’una zona arbitrària de la ciutat  afinarem molt més amb àrees molt més petites com ara les parcel·les, i amb els portals, que per definició no són àrees sinó punts, encara més. Seria com tenir una mateixa fotografia amb uns pixels molt grans (illes) o més petits (parcel·les i portals).

Com podem associar cada habitant amb una illa, una parcel·la o un portal?  D’entrada hem dit que tenim tots els habitants en una única taula, cada fila de la taula és una persona i tant tindrem un total de tantes files com persones. Ara el que cal és un identificador de l’entitat amb la qual volem associar aquest habitant. Si parlem d’illes hi ha una forma única d’identificar cada illa amb un conjunt de tres codis INE (Instituto Nacional de Estadística) : codi de districte censal, i dins de cada districte codi de secció censal i dins de cada secció codi d’illa, tots tres són codis numèrics, i el conjunt de tots tres codis constitueix un identificador únic per una illa de la ciutat de Mataró, el format sol ser D-S-I (districte-secció-illa) per exemple: 5-2-4 que vol dir la illa 4 de la secció 2 del districte 5. Com que cada registre (fila) de la taula tindrà el seu codi D-S-I podrem sumar tots els habitants que tenen un mateix codi, per exemple pel codi 5-2-4 podríem dir que hi ha 235 habitants i així podríem fer una nova taula de dues columnes en la primera tindríem tots els codis d’illa i en la segona els habitants que podem comptar de cada codi. Aquesta seria una primera forma d’agregació dels habitants.

Codificació INE per les Illes: Districte-Secció-Illa
Taula d’agregacions d’habitants per Illa

De la mateixa manera podem tenir en cada registre de la taula general del Padró un identificador únic per la parcel·la que en aquest cas s’anomena codi UTM o Referència Cadastral [set caracters numèrics], aquest codi no existeix per les parcel·les dins de les zones rurals i en aquest cas és substituït per un altre codi que s’anomena CODI_GIS[ nou caracters numèrics]

Codificació per les parcel·les urbanes codi UTM

De la mateixa manera que hem fet la taula d’agregacions per les illes ho faríem per les parcel·les

Agregacions dels habitants per parcel·la

Tal com es pot veure el nombre d’habitants per parcel·la és molt menor que en el cas de les illes, però clar depèn de l’edificació en vertical que hi hagi.

L’agregació per portals o números de policia la faríem en base a un codi que es genera directament de l’adreça postal. El codi NP estaria format per codiCarrer+NumCasa+Lletra, corresponent a cinc caracters numèrics pel codi de carrer, tres pel número de casa, i un per la lletra que si no n’hi ha, que és el normal, es posa una x.

Numeros de Carrer. Codificació CodiCarrer.NumCarrer.Lletra

Com podem veure són els números de carrer que es correspondran amb els portals de les cases i/o les escales. Podem fer l’agregació igual que s’ha fet per les Illes i les parcel·les.

Agregació d’habitants per portal

En resum, d’aquesta manera podem construir les agregacions d’habitants segons la unitat de referència geogràfica que agafem.

Aquesta georeferenciació agregada dels habitants de la ciutat ens pot permetre fer estudis de densitat de població per barris o per àrees concretes de la ciutat, també per carrers, vies i eixos i preveure necessitats de serveis a la població.

 

Polígons de Voronoi

En aquest article es descriurà el funcionament dels polígons de Voronoi, una eina molt important a l’hora d’estudiar àrees d’influència.

Els polígons de Voronoi es basen en la distància euclidiana, i són molt apropiats quan les dades són qualitatives. Es tracta de fer una partició del pla, a partir d’uns punts que anomenarem punts generadors.

Aquesta partició del pla en regions té la peculiaritat de que des de qualsevol punt de dins d’una regió determinada, la distància al punt generador corresponent és sempre menor que la distància a qualsevol altre punt generador extern. Per tant, les fronteres de les regions són equidistants de dos o mes punts generadors.

Inicialment, aquest polígons van ser creats per l’anàlisi de dades meteorològiques, però avui en dia s’utilitzen també per determinar zones d’influència, que és el que s’explicarà en aquest article.

Els polígons de Voronoi serveixen per dividir un espai en un número determinat de regions. S’especifiquen un conjunt de punts (punts generadors) i quan es fa el diagrama, aquests queden dividits pels polígons, un punt en cada regió. Les regions s’anomenen cel·les o polígons de Voronoi.

Cada polígon correspon a l’àrea d’influència, per dir-ho d’alguna manera, del punt  que conté.

Primerament, crec que és interessant posar un exemple per entendre millor per a què serveixen els polígons:

Suposem el cas de que s s’està estudiant els centres d’atenció primària (CAP) del terme municipal de Mataró, i es vol construir un altre i no se sap on. Gràcies a les zones d’influència creades mitjançant els polígons de Voronoi, es podrà situar més o menys el nou CAP.

El programa que s’ha utilitzat, a més del Geomedia, ha sigut el Global Mapper.

Global Mapper és una potent aplicació que combina eines de tractament de dades espacials amb un accés a gran varietat de formats d’arxius. És molt útil com a complement del Geomedia.

Amb el Geomedia s’han exportat els caps com una única entitat, i el contorn de Mataró s’ha aconseguit agafant el perfil de la unió de totes les illes que formen Mataró.

Terme municipal amb els CAPS

Tots els arxius exportats són de tipus ShapeFile, per tal de que Global Mapper els reconegui i es pugui treballar amb ells.

Un cop es té el terme municipal de Mataró amb els CAPS, és hora de passar a l’acció, el procés és simple, i el resultat és molt satisfactori.

Primerament es selecciona tot i es crea el diagrama de Voronoi des del menú d’anàlisi.

Apareixerà una finestra en la que s’haurà d’indicar que es volen allargar els límits uns 4000 metres, això permetrà que, en cas de que el diagrama no arribi a tocar el perímetre de Mataró, aquest s’allargui fins a tocar-lo.

Allargar límits

Un cop allargats, només cal dir que el límit fins on s’allarguen els polígons és l’àrea contenidora, és a dir, el terme municipal de Mataró. Això es configura a partir del botó “Bounds” i seleccionant l’última opció. Per últim s’accepta per crear els polígons.

Limitar polígons

La imatge de Mataró amb els seus CAPS quedaria dividida pels polígons de Voronoi, hi hauria una cel·la per cada CAP.

Aquests polígons resultants, permeten veure l’àrea d’influència de cada CAP.

Polígons creats

Observant la imatge, es pot veure les divisions que corresponen a cada CAP, hi ha una concentració més elevada al centre urbà, degut a que la població és notablement més elevada.

El CAP de dalt a la dreta, el de Rocafonda-Palau, té molta zona d’influència, això és perquè la zona Nord de Mataró no està tant urbanitzada com la resta.

Segons la població, i el número de places de cada CAP, fent ús dels diagrames de Voronoi, es podria situar un futur CAP.

 

Una altra cara de la mateixa moneda. Comptar entitats properes

Hem vist en el ‘post’ anterior d’aquesta secció com podem visualitzar la proximitat de la població a un centre de serveis utilitzant el recurs dels mapes de colors o mapes temàtics, ho hem vist aplicat a les Escoles Bressol Municipals.

Una altra manera de posar de manifest si un determinat servei està a prop del teu domicili o està més lluny, seria comptant quants centres proveïdors d’aquest servei tens com a màxim a una determinada distància, per exemple a menys de 200 metres de casa teva, en aquest cas la informació és un pel diferent, ja que també dóna una idea de saturació, o de possibilitats d’escollir, que conformen una altra categoria, de qualitat d’atenció.

En resum podem saber si estem a prop d’una determinada Escola Bressol si la nostra illa està pintada en un to de gris molt clar o també podem saber si tenim una, dues, tres o cap Escoles Bressol a una determinada distància de la nostra illa de cases.

Aquesta gradació de cap, una, dues, tres etc. es pot mostrar també en forma de mapa temàtic on cada color representa, no un rang, com fèiem en el cas de les distàncies sinó un nombre d’entitats properes.

Tornem a un exemple:

Compta les Escoles Bressol a menys de 400 de cada illa de cases

Aquí es veuen les Illes que tenen una Escola Bressol a menys de 400 m de distància (gris clar) les que en tenen dues (gris fosc) i les que no en tenen cap a menys de 400 m (blanc)

També podem fer un temàtic de la població de nens entre zero i dos anys que viuen en illes que estan a més de 400m de qualsevol Escola Bressol

En groc la població de les illes que estan a ms de 400 m de cada illa de cases

Les illes en groc més fosc corresponen a les que tenen un nombre més gran de nens entre zero i dos anys que haurien de desplaçarse més distància per anar a un centre. Això està fet pel cas de 400 m però ho podríem fer per a qualsevol distància.

Altres exemples d’aplicació d’aquesta mesura de quantitat de centres proveïdors de servei que tenim a una determinada distància màxima ho podem aplicar a les parades d’autobús, de taxi, de contenidors d’envasos de vidre etc.

Mirem ara un exemple aplicat a les Zones Verdes Accessible, podem mesurar quantes Zones Verdes Accessible tenim a prop, i a on viu més gent en les illes mes allunyades

Tematic de nombre de Zones Verdes Accessibles a menys de 100 de cada illa de cases i de la població exclosa

A la llegenda podem veure els dos temàtics: en tons de gris els que indiquen el nombre de Zones Verdes Accessibles a menys de 100 m de la nostra illa de cases i en tons de groc els habitants, en general, que viuen en cada illa per rangs equivalent.

Llegenda dels dos temàtics, el de la població que queda fora i els de les entitats a menys de 100 m de distància

Per tant visualment s’obtè informació del punts més faltats i també dels punts més ben situats des d’aquest punt de vista. Aquesta informació en matisa la que obteníem nomes de la proximitat. També veiem que podem fer dues menes de mapes temàtics, quan es tracta de variables contínues, en aquest cas es fan intervals o rangs i quan es tracta de variables discretes on hi ha un color per a cada valor.

Primera entrada al bloc: Una mica d’història

 

La nostra idea és que amb les entrades que es vagin fent en aquest bloc anem donant a conèixer tota la feina que s’ha dut a terme  dins del grup de treball ‘Centre de Coneixement Urbà’ des de fa quasi deu anys.

I una forma de fer palesa aquesta progressió és intentar reproduir aquí d’una forma quasi cronològica, les idees i els temes que hem anat desenvolupant al llarg del temps, estalviant-nos ,és clar, les anades i vingudes típiques de qualsevol procés creatiu i científic.

Tot va sorgir per unes ‘Jornades de Coneixement Urbà’ que es van fer a la EUPMt adreçades, l’any 2003, als ajuntaments i organismes públics. Aquestes entitats per la seva pròpia naturalesa han de treballar amb gran quantitat de dades sobre el territori, que per aquesta mateixa raó han d’estar perfectament geolocalitzades, aquest és un terme gairebé nou aleshores, però que amb els anys ens ha resultat familiar a tots, primer amb el desenvolupament i generalització dels receptors de GPS i després amb l’eclosió dels telèfons mòbils diguem-ne intel·ligents.

Per tant ja tenim un punt, la posició precisa en un lloc d’un element, sigui aquest una escola, una parada d’autobús , una cruïlla, un banc o un restaurant,  i aquesta situació la podem veure dins d’un model del territori com seria un plànol de més o menys detall, o d’una imatge de la realitat com seria una fotografia aèria posem pel cas.

Tenim també unes eines informàtiques que treballen amb aquestes  representacions  d’objectes que volen ser models d’una realitat ciutadana o territorial, aquestes eines són els Sistemes d’Informació Geogràfica (SIG) que a més a més de representar (dibuixar) ens permeten emmagatzemar  informació sobre els objectes que anem ubicant, això és un gran pas respecte al sistema clàssic de plànols sobre paper, on necessariament la informació ha de ser limitada. Per tant a més a més de la posició (coordenades)  d’una parada d’autobús podem tenir coneixement de les línies que hi passen , la periodicitat, els horaris, la data de construcció, si està coberta o no, la mitjana de viatgers etc, qualsevol dada que considerem rellevant podrà estar associada a un punt, una línia o una àrea ubicades en una situació concreta.

Malgrat tot, malgrat ser una eina molt poderosa la que tenim amb els SIG, ens cal anar més enllà de la representació d’entitats i dades associades amb una localització geogràfica concreta. Pensem que tenir tota la xarxa de canonades d’aigua i clavegueram, per exemple, amb els seus dipòsits, bombes i vàlvules és summament important de cara a tenir al dia la base de dades del que hi ha en cada moment a la xarxa i del seu estat de funcionament, però ja us dic, nosaltres volíem anar més enllà de la informació precisa i ordenada sobre el territori.

Precisament aquesta mateixa localització de la informació ens permet extreure una altra informació, diguem-ne de segon nivell, que ja representa un avenç sobre la mera ubicació de les dades. Ens anem acostant a un dels primers exemples que ens van permetre intuir la potència d’aquests recursos informàtics si els sabíem treballar adequadament, els de les Escoles Bressol.

Vam començar amb les Escoles Bressol Municipals de Mataró i és un tema que hem continuat treballant al llarg del temps. Podem ubicar les Escoles Bressol sobre un plànol de la ciutat i podem veure si tenen una distribució uniforme, si qualsevol ciutadà te un centre a una distància no gaire gran del seu domicili o si per al contrari  hi ha zones molt desproveïdes d’aquest servei.  Ens  sembla que  podem copsar tot això amb la simple visió del seu emplaçament, i en part és veritat i aquesta és la base de la ‘gran millora’ que representa la informació visual respecte a la informació només alfanumèrica, i d’això ens aprofitarem en les nostres anàlisis futures. Però veurem que encara podem incrementar més el coneixement del tema de les distàncies  i la cobertura amb l’ajuda del recursos del SIG.

Bé, ja va siguent hora de començar a veure algunes imatges. En la propera figura veiem les Escoles Bressol com a punts sobre el plànol de la ciutat representada simbòlicament com a un conjunt de illes de cases, això ens permet veure també el carrers. La informació en aquest sentit és clara, i si cliquem damunt del punts que representen les escoles obtenim la informació rellevant que tenim sobre aquella escola en particular.

Escoles Bressol Municipals sobre el conjunt de Illes de Mataró

Un canvi important en la informació que s’ofereix a l’usuari és quan veiem un mapa temàtic, mapa de colors, on cada color representa una determinada distància des de cada illa de cases a l’Escola Bressol més propera, això és el que mostra la següent figura:

Mapa temàtic de les distàncies de cada Illa a l’Escola Bressol més propera

Això ja és una informació més elaborada. Aquí ja es veuen les illes de cases que estan més properes a alguna escola en una gradació de gris més clar a més fosc, el darrer rang, les illes més allunyades resten en blanc. Això d’un cop de vista ens dóna molta informació sobre els llocs de la ciutat on és més fàcil accedir a una Escola Bressol Municipal i on no ho és tant.

Cal dir que fins ara la informació ha estat només de tipus geomètric, és a dir, només basada en la distribució dels objectes, Escoles Bressol i illes, però encara podem anar més enllà i saber dels llocs més allunyats on hi ha més concentració de gent.

En aquest cas la gradació de colors és de tons de groc, com més foscos més gent. Parlant de gent, en aquest cas no són només habitants sinó que són possibles usuaris del servei de les Escoles Bressol, ho sigui nens entre 0 i 2 anys.

Mapa temàtic de distàncies a les Escoles Bressol (gris) i de població en el rang mes allunyat (groc)

Pensem en la quantitat d’informació que ens dóna una sola imatge i les possibilitats que te la seva explotació en la gestió i la presa de decisions. Això és el que ens va motivar a continuar aprofundint en el tema mitjaçant la creació del CCU.