ZI-Graf de Trams de Carrer: Anem en la bona direcció

ZI-Graf de Trams de Carrer: Anem en la bona direcció

 

Un dels elements diferencials en els aplicatius del CCU, que anomenem ‘mòduls’, és la importància que hi donem al Graf de Trams de Carrer (GTC). Ja abans quan estàvem treballant en l’entorn del GeomediaPro i amb la llibreria del Geomedia Transportation Manager, com avui dia en que treballem amb l’entorn del QGIS.

Fig 1. Desplegament en arbre seguint el GTC. GeomediaPro.

Aquest fet, el treball amb el GTC, s’ha traduït amb la definició de zones d’influència a par-tir del GTC desplegat en arbre a partir d’un punt determinat (vegeu la figura 1) , també anomenat ‘cobertura’ en altres entrades en aquest Bloc, i en la cerca de camins (més curts o més ràpids) a un nombre determinat d’entitats seguint el GTC.

Aquest tipus de zones d’influència graf (ZI-GTC) en les versions del QGIS anteriors a la versió 3 es feia en el servidor PostgreSQL a través de la llibreria ‘pgrouting’, i per definir la ‘cobertura’ a partir d’un punt es va haver de desenvolupar un procediment específic ja que directament en la llibreria no estava implementat. Això està explicat en detall en l’entrada a aquest bloc anomenada: ‘Cobertura mitjançant graf de trams de carrers (GTC)’ publicat per en Josep Lòpez Xarbau el dia 1/06/2017. Vegeu a la figura 2 una mostra del resultat final de la cobertura a partir d’un punt.

Fig 2. Cobertura a partir d’un punt implementat sobre ‘pgrouting’ per en Josep L. Xarbau

Tan en la figura 1 com en la figura 2 es important destacar que un cop assolida la distancia màxima o la funció de cost màxima ens podem trobar en un punt intermig d’un dels seg-ments del GTC, el càlcul d’aquests darrers fragments perifèrics de tram comporta un càlcul especial, com s’explica en el ‘post’ d’en Josep L.Xarbau.

A partir de la versió 3 del QGIS ens trobem que moltes d’aquestes funcions relacionades amb el GTC, com pot ser l’’encaminament’ o cerca d’un trajecte entre punts del mapa i la ‘cobertura’ o desplegament en arbre a partir d’un punt seguint el GTC, estan ja imple-mentades. Desplegant el menú ‘Procesos’->’Caja de herramientas de Procesos’ tal com es pot veure en la figura 3

Fig 3. Eines d’Anàlisi de Xarxes del QGIS v3

En aquest cas la ‘cobertura’ l’anomenen ‘Àrea de Servei’. La implementació de aquestes funcions en els mòduls del CCU, concretament en el mòdul CTE està descrita en l’entrada: ‘Implementación de las funcionalidades QGIS3 para realizar el cálculo local en el módulo CTE’ d’en Manuel Duro.

Val a dir que un cop obtingut el desplegament en arbre a partir d’un punt s’ha de definir un ‘buffer’ a l’entorn d’aquesta entitat lineal i això constituirà la nova zona d’influència d’aquest punt seguint el GTC.

Plantejat tot això diem que anem en la bona direcció per que l’evolució de les eines del QGIS sembla indicar-ho així, dotant al seu aplicatiu d’uns recursos analítics que en versions anteriors no hi eren i que entre altres àmbits impliquen a tot el que te a veure amb el GTC, és a dir l’encaminament i la ZI-GTC. El projecte CCU sempre ha apostat per aquests plantejaments i ha treballat en la generació de mòduls relacionats amb el GTC, ara l’evolució de la tecnologia encara reforça mes aquest enfocament.

De totes maneres l’avantatge o inconvenient de realitzar els càlculs dels camins o les ZI seguint el GTC en el propi equip o fer-ho en el servidor PostgreSQL requereix un estudi de mes profunditat. El que sí està clar és que la flexibilitat en poder escollir un procediment o un altre reverteix en benefici de l’usuari, que podrà aprofitar ambdós mètodes per treure’n més rendiment al seu equip.

Filosofia per l’Anàlisi Urbà. Una evolució de les eines del CCU.

Durant tots els anys de la trajectòria del CCU s’ha anat passant per diferents fases, un element inicial clau és la utilització dels Sistemes d’Informació Geogràfica (SIG) per representar entitats urbanes georeferenciables. Aquestes entitats són capaces d’aportar informació rellevant inclús per la comprensió i interpretació de determinats fenòmens socials. Podem concloure que tot element significatiu ubicat en l’entorn urbà és suscep­tible de ser representat en un SIG, des de les canonades de transport d’aigua fins als arbres o les papereres, i en el mateix moment en que representem aquests objectes sobre d’un plànol adquireixen automàticament l’atribut de georeferenciable.

Un inconvenient que té això seria que aquestes entitats han d’estar més o menys ‘fixa­des’ sobre el territori, si volem ampliar encara més aquest concepte de georeferenciable a entitats mòbils o que siguin susceptibles de desplaçar-se d’un punt a un altre  haurem d’introduir el nou concepte de ‘posicionament global  mitjançat satèl·lits’ o sigui GPS, en aquesta fase hi hauria els desplaçament de vehicles, persones o posicionament de ‘contenidors’ o altres objectes susceptibles de ser canviats d’ubicació a la via pública, per exemple. El CCU va ser l’evolució d’un grup de treball en SIG, GPS i terminals portàtils, i  va realitzar en el seu moment un treball de camp sobre les barreres arqui­tectòniques a la la ciutat de Mataró. Avui dia el posicionament d’entitats mòbils forma ja part intrínseca de l’anàlisi urbà de manera que ambdós conceptes SIG i GPS estan absolutament lligats.

Un altre aspecte a tenir en compte serien les eines per a l’anàlisi que s’han anat cons­truint, precisament en aquest punt és on el CCU té el seu sentit, l’anàlisi de les dades ha de permetre convertir informació útil sobre la ciutat en coneixement envers temes com­plexos, com ara distribució de serveis a la població, distribució de l’activitat econòmica de la ciutat, zonificació a partir de temps de desplaçament des de o envers un determinat servei, trajectes a entitats properes, etc.

El CCU s’ha basat en un SIG per a completar-lo amb eines específiques d’anàlisi a de­manda dels tècnics corresponents, aquestes eines eren els anomenats ‘mòduls’ d’anàlisi del CCU. L’entorn inicial escollit fou el SIG  Geomedia Professional un recurs de fàcil aprenentatge i maneig, sobre l’entorn Windows. L’inconvenient era que aquest pro­grama interactuava, en la nostra concepció, amb bases de dades  de tipus local, i l’avantatge  que les BD eren estàndard i d’us majoritari com és el cas de Microsoft Ac­cess. De totes maneres el concepte principal consistia en que s’havia de tenir l’element de càlcul i les dades en el propi ordinador i això portava  dificultats en els aspectes de manteniment de la informació i del propi programari.

Per superar aquests obstacles es va pensar en utilitzar un producte més modern i no as­sociat a un fabricant determinat, més aviat lligat al concepte de Programari Lliure, i que disposés d’una comunitat important d’usuaris que garantissin el seu desenvolupament i continuïtat independentment dels aspectes comercials. Aquesta seria una nova fase en l’evolució de les eines del CCU.

El programari escollit fou el QGIS com a SIG per equips de sobretaula, aquest progra­mari també és l’escollit pel SSIT de l’Ajuntament de Mataró per a molts dels seus des­envolu­paments com ara el ‘Mataró SIG Visor 3.0’ que és un visor a través d’Internet de mapes i d’entitats georeferenciades de la ciutat, en el qual també participa el CCU. A més a més del QGIS,  en aquest projecte també s’utilitza la base de dades PostgreSQL (Postgres), que també és  de lliure distribució.

Durant anys es van fer avenços en la implementació dels Mòduls del CCU (desenvolu­pats en l’entorn Geomedia Professional) mitjançant el QGIS, encara que es tractava més que res d’una translació de funcionalitats, és a dir aconseguir les matei­xes funcionalitats del Geomedia en el nou entorn, però que encara no representava un canvi conceptual important.

El canvi va arribar a l’implementar la filosofia ‘client-servidor’ en la base de dades i en l’actualització automàtica dels mòduls, utilitzant els propis procediments ja previstos en el QGIS.

En aquesta filosofia ‘client-servidor’ cada client des de QGIS es con­necta amb la BD PostgreSQL. I el material es pot consolidar en la mateixa BD si l’usuari té els permisos corresponents.

Tampoc s’executa el codi dels procediments d’anàlisi només en l’equip local. El codi s’executa en part en l’equip local, en el llenguatge Python com és propi del QGIS però també en el servidor utilitzant la potència del llenguatge SQL amb PostGIS per les fun­cions espaci­als del PostgreSQL, per tant el SIG podria quedar reduït a un ‘front-end’ per entrar les dades de la consulta i representar-ne els resultats.

En resum s’hauria passat d’un entorn local a un entorn distribuït, però mantenint la ne­cessitat de disposar d’un programari instal·lat localment, sense costos de llicències, multi plataforma, i amb actualitzacions automàtiques

Una darrera fase en aquesta evolució, en la qual s’hi està treballant en l’actualitat, seria que l’entorn d’entrada i sortida de dades no fora pròpiament un programa SIG amb uns mòduls d’anàlisi, si no un entorn web del tipus del ‘Mataró SIG Visor 3.0’ en aquest cas sí que tot el càlcul es realitzaria en el servidor, i no es requereix cap potència en l’ordinador de l’usuari simplement els recursos estàndard dels navegadors web.

Resumint una mica tot el que ja s’ha exposat, en aquest moment es disposa d’una po­tència de càlcul i d’anàlisi en un entorn QGIS-PostgreSQL amb facilitats de manteni­ment de l’entorn i de les dades, capaç d’arribar a tot el personal tècnic i polític de l’Ajuntament sense costos de llicències i amb un equip de desenvolupament consolidat entre el CCU i el propi SSIT municipal.

L’aplicatiu web seria una altra forma de desenvolupar aquesta mateixa filosofia del QGIS-PostgreSQL, però sense QGIS, les consultes haurien de ser una mica més acota­des però les possibilitat d’anàlisi que té lloc en el servidor serien les mateixes. Això permetria una obertura del sistema al públic en general i tanmateix també es podria en­trar en el mon de les apps per a mòbils

Elements de Simulació en l’Anàlisi Urbà

Elements de Simulació en l’Anàlisi Urbà

Activitats Econòmiques

El mòdul per visualitzar les activitats econòmiques, tal com ja es va explicar en aquest Bloc, permet a més a més de ubicar les activitat segons una llista de descriptors, definir tambè una zona d’influència i representar mitjançant un mapa temàtic la població que es troba a fora d’aquesta zona d’influència.

Característiques interessants de la representació són el poder escollir com a zona d’influència, la que hi ha a l’entorn del Graf de Trams de Carrer (GTC) que es genera al recòrrer a peu en distància o en temps a partir del punt on es desenvolupa l’activitat, igualment es pot escollir si es vol generar el mapa temàtic de la població exclosa i altres paràmetres de la generació del graf.

S’utilitzarà un mòdul del CCU que permet conèixer quin tant per cent de la població, possible usuària un recurs determinat, es troba dins d’una zona d’influència determinada pel desplaçament a peu, mesurada en distància o en temps. És el mòdul anomenat ‘Mesura de la Població Afectada’

Cas1: Panaderies o pastisseries amb la Zona d’Influència GTC que es genera anant 3 minuts a peu, i la població externa, segmentada per ILLES de cases. Vegeu la figura 1

Fig 1. Zones d’Influència GTC de 3m a peu i població exclosa: Forns de Pa

Cas 2: Peixeteries amb les mateixes condicions de 3m a peu. Vegeu la figura 2.

Fig 2. Zones d’Influència GTC de 3m a peu i població exclosa: Peixateries

Fig 2. Zones d’Influència GTC de 3m a peu i població exclosa: Peixateries

Cas 3: Papereries i llibreries en les mateixes condicion de 3m a peu. Vegeu la figura 3.

Fig 3. Zones d’Influència GTC de 3m a peu i població exclosa: Papereries i Llibreries

Tal com es pot veure en les corresponents figures en el cas dels forns de pa és difícil trobar zones on instal·lar un nou forn de pa que no estiguin dins de les arees d’influ-ència dels anteriors, encara que sí que n’ni ha en alguns punts de la ciutat. En el cas de les peixateries ja és molt més fàcil trobar-ne i en el cas de les papereries està en un punt intermig.

En aquest darrer (figura 3) cas hem volgut posar de manifest una altra de les possibi-litats del mòdul que és representar el punt on es troba l’activitat amb un tamany que és proporcional al tamany real en metres quadrats del local, exagerant una  mica l’escala del punt.

Simulació de la incorporació d’una nova activitat. Cas de les Peixeteries

En el mapa de la figura 2 podem veure a baix de tot que hi ha una zona molt poblada (ILLES més fosques) on no hi ha cap comerç d’aquest tipus. Simulem per tant que sobre un nou comerç en el punt que mostra la figura 4, encara sense zona d’influència delimitada.

Fig 4. Simulació d’una nova peixateria (punt vermell sense ZI)

Amb l’eina corresponent simulem la Zona d’Influència GTC visualizant el temàtic per ILLES de població exclosa i el tant per cent de cobertura. Figura 5

Fig 5. Simulació d’una nova peixateria amb ZI-GTC i temàtic de població exclosa

En el primer cas obtenim una cobertura del 58.15 % i en el segon del 60.53 %

Fragment del Quadre de Diàleg del mòdul 'Població Afectada'. Sense la Nova Peixateria

Fragment del Quadre de Diàleg del mòdul. Amb la Nova Peixateria

 

 

 

 

De manera que si ho volem saber exactament quants habitants hi ha a menys de 3 minuts d’aquest nou emplaçament tindriem:

(60.53-58.15)*123.744=2945 habitants

Àrees d’Influència d’Equipaments

El mateix que s’ha fet amb activitats econòmiques o comercials es pot fer amb equi-paments que realitzen un servei determinat. Ara es veurà un exemple amb els Centres d’Assitència Primària.

Suposem que tenim uns Centres d’Assistència Primària i volem saber la població que es troba a menys de 5 minuts a peu seguint el Graf de Trams de Carrer. En principi fem la representació dels entorns de cada centre i a 5 minuts, vegeu la figura 6

Fig 6. Zones d’Influència GTC a 5m dels CAP

Mitjançant el mòdul corresponent podem saber el tant per cent de a població total que està dins d’aquestes Zones d’Influència a 5 m del corresponent CAP. La interfície la podem veure a la figura 7

Fig 7. Quadre de Dialeg per a Definir la Zona d’Influència GTC i calcular la població inclosa. En aquest cas un 28.3 % del total d’usuaris potencials

Fixem-nos que el càlcul s’efectua a partir de la segmentació de la població per parcel·les tal com mostra la figura 8 amb un detall de mapa amb les ZI i les parcel·les que hi són en contacte.

Fig 8. Detall del procediment de calcul de la població a partir de la segmentació en parcel•les.

A efectes de simulació de possibles escenaris podem posar un nou CAP i tornar a fer els càlculs anteriors. El resultat és una cobertura del 32,11 % com mostren les figures 9 i 10

Fig 9. Simulació de la inclusió d’un nou CAP

Fig 10. Quadre de Diàleg amb Població Afectada. Simulació de nou CAP.

Tal com s’ha dit podem saber igualment la quantitat de població que es veurà bene-ficiada per aquest equipament en les condicions de proximitat que ens interessi, i anar-ho repetint per a qualsevol emplaçament que es vulgui testejar.

(32,11-28,3)*123.744= 4629 habitants

Aquestes eines gràfiques d’anàlisi no solament poden ajudar a tenir una fotografia més exacta del significat de tenin un equipament o una activitat en un lloc concret de la ciu-tat sinò que ens permeten visualitzar els efectes de tots els canvis i modificacions que es facin sobre tots els ciutadans o els usuaris en particular

Sobre la Generació de Taules de Proximitat

Sobre la Generació de Taules de Proximitat

 

 

En anteriors entrades ja hem parlat del Graf de Trams de Carrer (GTC). El GTC és un conjunt de segments connectats per nodes per on poden circular els vianants de la ciutat per fer els seus trajectes a peu dins de la vila (vegeu l’entrada: ‘Sobre el Graf de Trams de Carrer (GTC) ‘).

També es va veure com mitjançant unes característiques pròpies dels segments del graf podem saber la distància mínima entre un punt qualsevol, normalment una adreça qual­sevol, i un centre proveïdor de servei (CAP, Escola, Centre Cívic etc.), això ens va por­tar al un nou concepte de Zona d’Influència basat en la distància sobre el GTC o en el temps necessari per recórrer aquesta distància (vegeu l’entrada: ‘Nou concepte de Zo­nes d’Influència lligat als desplaçaments de la població’).

El GTC és un graf orientat i d’aquí ve que en els seus segments podem tenir informació del Cost (temps que triga una persona en recórrer el segment anant a una determinada velocitat quan va en el sentit del tram) i Cost_invers (temps que triga quan va en sentit contrari), això també es pot aplicar a una población segmentada segons l’edat, ja que presumiblement la velocitat será diferent per una persona de 25 anys que per una per­sona de 65.

Una de les possibilitats que té el GTC dins del Geomèdia (GM) és la utilització d’eines de rutatge, com el Geomèdia Transportation Mànager (GMTM) que ens permeten, a més a més de generar el propi graf, calcular els camins més curts o òptims segons una determinada funció cost entre dues o més entitats o Classes d’Entitat (taula o conjunt d’entitats del mateix tipus). Una de les característiques del GMTM que es va desenvo­lupar és la possibilitat de generar cobertures a partir d’unes classes d’entitat inicials que ens van facilitar la construcció de l’eina per generar les Zones d’Influència basades en el GTC que ja s’ha descrit.

L’explotació de totes les possibilitats de trobar camins entre entitats a través d’un graf, si no es vol efectuar el càlcul directament en el moment, o si no es disposa dels ele­ments de càlcul ‘on line’, ens porta a la generació de taules amb tots els camins entre les entitats origen i les entitats final, que anomenem ‘Taules de Proximitat’.  Després per obtenir determinats trajectes només haurem de consultar la taula corresponent, sense necessitat de disposar de les eines de rutatge i ni tan sols l’entorn del GM.

Per la creació d’aquestes taules es va construïr un mòdul del GM anomenat ‘Generació de Taules de Proximitat’ que anem a descriure tot seguit [Aquest mòdul formava part del Projecte Final de Carrera de Eric Belando que va presentar el 2011 a la EUPMt per obtenir el Títol d’Enginyer Tècnic Industrial] . El format del Generador de Taules és el d’un formulari on haurem de plasmar les entrades i les opcions d’aquest càlcul, vegeu la figura 1.

Fig 1. Interfície d’usuari per la Generació de Taules de Proximitat

Anem a repassar les tres seccions que es poden veure en aquest formulari

ENTRADES

  • Entitats  ‘origen’ ,des de les quals volem accedir a les entitats proveïdores d’un servei, aquestes poden ser entitats puntuals, com ara els números de policia o portals a peu de carrer, que podem resumir en una adreça determinada tipus Nom de Carrer i Numèro de Carrer. Un altre tipus d’entitats genèriques de la ciutat poden ser les Illes de cases, o també les Parcel·les, en aquest cas serien entitats tipus àrea. Com que per fer el rutatge necessitem una entitat puntual d’origen, en el cas de les entitats tipus àrea s’agafaria el centroide. De totes maneres l’aplicatiu pot funcionar amb qualsevol tipus d’entitat origen, parades de bus, contenidors d’escombreries etc.
  • Entitats ‘destí’, cap a on es dirigeixen els camins que surten de les entitats ori­gen, aquestes entitats serien les que proveeixen d’un servei: Centres d’Assistència Primària, Escoles etc.
  • Graf de Trams de Carrer que utilitzarem. S’han de donar dues classes d’entitat: segments i nusos. El graf ha de tenir informació dels valors de les variables Cost i Cost_invers de cada segment i si es volen calcular taules amb segmentació d’edats hem de tenir aquests mateixos valors de Cost i Cost_invers per a cada segment d’edat. Per això hi ha l’opció d’escollir el GTC que en interessi.

PARÀMETRES

  • S’ha d’indicar si volem generar la taula agafant com a criteri de proximitat la dis­tància (camins de les entitats ‘origen’ fins a les entitats ‘final’ que siguin més curts en distància) o bé el temps  (camins de les entitats ‘origen’ fins a les enti­tats ‘final’ que siguin més curts en temps).

Si hem agafat com a criteri el temps haurem d’escollir si volem segmen­tació per edats o no (si és així el GTC l’ha d’incloure).

  • Nombre d’entitats a les que volem generar camins per ordre de proximitat. Ca­mins a 4 les Escoles Bressol (EB), per exemple, més properes. En aquest cas de cada entitat ‘origen’ hi haurà 4 camins a les 4 EB més properes.
  • Paràmetres interns de la generació de taules. Com ara quina ha la distància mà­xima de les entitats ‘origen’ al GTC per possibilitar el rutatge. O els les agrupa­cions d’entitats que podem fer com a bloc de càlcul.

SORTIDES

  • A quina connexió del GM volem posar les taules que generem com a sortida.
  • Els noms que tenen cada una de les dues taules que generem. Una taula de trajec­tes, o camins, per tant amb geometria de línia. I una taula sense geometria on només posem les dades de la proximitat les entitats ‘final’ per a cada entitat ‘origen’, aquesta proximitat pot ser expressada en metres (distància) o en minuts (temps) segons el mètode que hàgim utilitzat

Aquesta  interfície de la figura 1 correspon a la generació de taules de trajectes i proxi­mitat des de les Illes de Cases de la ciutat de Mataró fins a totes les Llars d’Infants (es­coles bressol privades) de la ciutat. Considerant la unitat de mesura el temps empleat en fer el recorregut , per les les persones de menys de 25 anys. Es considera també que cerquem els trajectes i la proximitat a les dues Llars d’Infants més properes a cada Illa de Cases.

A la part esquerra del formulari tenim les ENTRADES on s’ha d’escollir la classe d’entitat de les entitats ‘origen’ i la classe d’entitat de les entitats ‘destí’ i on també s’ha d’escollir l’atribut identificador de cada entitat. Igualment s’ha de seleccionar les dues classes d’entitat del GTC, els segments i els nodes.

A la part central hi ha els PARÀMETRES de les taules que ja hem comentat.

A la dreta hi ha la configuració de les SORTIDES, connexió escollida d’entre les con­nexions actives del GM, i els noms de les dues taules de sortida que estem generant. També hi ha una retroacció del procés que s’està desenvolupant, una barra de progrés abaix de tot i un ‘log’ de quan s’ha acabat de processar cada una dels blocs d’entitats en que s’ha dividit del procés. En el cas de la figura 1, s’ha escollit blocs de 100 entitats i com que hi ha unes 800 i escaig Illes tindrem unes nou línies en la finestra, indicant per a cada bloc en quin moment s’ha completat. Aquest informació ens pot permetre decidir quin format de bloc és més eficient per a cada procés i cada màquina.

 

Fig 2. Generació de la Taula des de cada portal

A la figura 2 veiem el cas de la generació de les taules de trajectes i proximitat des de cada portal, n’hi ha uns 20000, si s’agafen blocs de 100 es necessiten 200 blocs tal com mostra la finestra de seguiment del procés.

També a la figura 3 es mostra la taula generada,  amb el primer camp D_S_I (districte_secció_illa) que correspon de cada Illa de Cases, el segon camp que es veu correspon a l’entitat d’arribada, que està definida pel nom de la Llar d’Infants corresponent, el camp número 4 correspon al temps definit en minuts que es trigaria en anar des de l’Illa del primer camp a la Llar d’Infants del segon camp, la resta de camps indiquen la geometria o sigui el dibuix del trajecte i només els pot interpretar el GM. Com es pot veure per a cada Illa hi ha dos trajectes, són els dos més ‘curts’ a les Llars d’Infants més ‘properes’.

Fig. 3. Taula de les sortides dels trajectes: TrajectesILLES_LI_25a_2

Aquesta  mateixa informació està indicada en un sol registre, en comptes de dos, en la taula de proximitat, on no hi ha cap ‘geometria’. Vegeu la figura 4 on la primera entitat de destí que es troba és la més propera (en temps)

Fig 4. Taula de les sortides de la proximitat: ProximitatILLES_LI_25a_2

En resum aquest mòdul és molt interessant per tenir una base de dades de trajectes o de proximitat en temps o distància, que es poden utilitzar en la publicació ràpida d’informacions que es puguin cercar a partir de ubicacions sobre el mapa de la ciutat o de llistats de domicilis, o d’adreces amb georeferenciació.   Pot ser molt útil per un recurs web, com ara el el servei WFS, del que es pugui obtenir un o varis camins a partir d’una petició d’una pàgina web on hi hagi una ubicació sobre el mapa de mataró. Només cal que, per que la informació sigui actual, les taules es va­gin generant periòdicament, cosa que s’aconsegueix de forma senzilla utilitzant aquest aplicatiu mostrat.

Estudi de l’Activitat Econòmica

Estudi de l’Activitat Econòmica

 

Unes de les aplicacions més sol·licitades dels Sistemes d’Informació Geogràfica (SIG) són les que tenen a veure amb l’anàlisi de l’activitat econòmica (AE), sigui aquesta la corresponent d’una ciutat, d’un territori o d’un país.

De fet la col·locació sobre el terreny de les diferents activitats econòmiques és una informació estratègica de primer ordre, ja que d’una mirada es pot intuir  si d’una determinada activitat, diguem-ne per exemple: restaurants, farmàcies o perruqueries, n’hi ha una concentració exagerada, equilibrada o deficient. Una anàlisi més rigorosa ens permetria saber si d’acord amb la població ‘target’ que hi ha en la seva proximitat i amb els hàbits de mobilitat de la població està justificada o no una determinada oferta en un lloc concret en relació amb la demanda possible. En aquest sentit s’hauria d’anar a esbrinar motivacions sociològiques, moltes vegades difícilment  racionalitzables, per explicar el per què de la presència o no  d’una activitat en una àrea determinada.

De tota manera, una de les motivacions més senzilles de la geolocalització d’activitats econòmiques en un territori, serien les aplicacions anomenades de ‘geo-marketing’, consistents en veure on hi ha ‘buits’ o mancances d’una determinada activitat per impulsar la creació de negocis precisament en aquells indrets.

Un primer punt d’un aplicatiu que respongués a tals característiques seria la ubicació de les activitats econòmiques sobre el mapa de la ciutat, en aquest cas, de la ciutat de Mataró. Aquesta eina per ser útil caldria que oferís la possibilitat de diferents mètodes de cerca de les activitats, sigui pel nom o descripció, sigui pel codi corresponent segons una determinada classificació. També caldria tenir una font de les activitats i un manteniment que permetés afegir amb agilitat les altes i les baixes que es van produint.

Arribats a aquest punt cal dir que el CCU ha treballat i està treballant en la generació d’eines que permetin ubicar les AE sobre el mapa de la ciutat de Mataró, tant pel que fa a parcel·la com a portal.

La font  de la informació de l’AE de Mataró que ha escollit el CCU és la Brossa Comercial (BC). Cada activitat genera un tipus de deixalles específic i això influeix en la tarifa que ha de pagar, i quan es deixi de fer l’activitat el seu titular serà el primer interessat en notificar-ho als responsables de recaptació per deixar de pagar per aquell concepte, per tant la Base de Dades de la Brossa Comercial és una font actualitzada de l’AE a la ciutat. Com a part negativa d’escollir aquesta font hi ha el fet  que l’activitat real que es faci no s’ajusti exactament a la declarada en concepte de deixalles generades.

Respecte al tema de la classificació, en aquest moment s’ha escollit la forma de classificació que la BC utilitza, que és la dels epígrafs de l’antic IAE (Impost sobre l’Activitat Econòmica), amb tendència a anar-ho canviant progressivament cap a la classificació CCAE (Classificació Catalana d’Activitats Econòmiques).

A l’aplicatiu del CCU també es poden visualitzar algunes característiques concretes com ara la superfície de l’activitat i consultar igualment algunes informacions proveïdes per la Base de Dades de la BC. A més a més també es poden consultar d’altres informacions relacionades amb la població que s’aniran explicant tot seguit i que el refermen com a eina analítica a més a més d’informativa.

Anem a concretar una mica tot això. A la figura 1 es pot veure la interfície on hi el cercador on a partir d’un paraula o conjunt de paraules o d’un codi podem anar seleccionant les activitats que es volen mostrar.

Fig 1. Llista d’activitats que podem cercar i seleccionar

Un cop escollida l’activitat, si es tracta de situar els portals on es desenvolupa l’activitat, es pot anar a una altra pestanya per incidir en el tamany del ‘topo’ on es mostra (proporcional a la superfície del local), i fer d’altres mesures relacionades amb la població, com ara definir una zona d’influència(ZI) a l’entorn de la ubicació de cada activitat i mostrar un mapa temàtic de la població que queda fora de aquestes zones d’influència.

Si mirem per exemple les ferreteries, la segona pestanya seria la que mostra la figura 2

Fig 2. Pestanya pes escollir tamany dels ‘topos’ i de la Zona d’Influència i tipus de Z.I

En aquest cas s’ha escollit un factor de forma dels ‘topos’ de 2, àrees d’influència circulars de 150 m de radi i veure el mapa temàtic de la població exclosa. La sortida es mostra a la figura 3 on s’ha fet un zoom sobre el centre urbà de la ciutat i es poden apreciar els indrets de l’activitat, les  ZI circulars i el mapa temàtic de les illes externes a les ZI.

Fig 3. Ferreteries amb ZI de 150 m i temàtic de població exterior

La llegenda corresponent a aquest mapa es mostra a la figura 4:

Fig 4. Llegenda del mapa de ferreteries

En el mapa temàtic de la població, les Illes més fosques corresponen a les de més població i per tant allà on ‘faria més falta’ la instal·lació de noves activitats.

Les ZI es poden escollir també sobre el Graf de Trams de Carrer (GTC), anem a  veure un altre exemple, les farmàcies.

En aquest cas hi ha la possibilitat d’escollir el treballar amb distància o recorregut seguint el GTC o bé amb temps de trajecte, i s’ha triat una zona d’influència de 3 minuts a l’entorn de cada centre d’activitat. La segona pantalla es mostra a la figura 5 i la sortida a la figura 6

Fig 5. Segona pantalla per a les Farmàcies amb ZI-GTC

Fig 6. Sortida de la consulta de Farmàcies amb ZI graf a 3 minuts

En resum la interacció entre la situació de les diferents activitats econòmiques amb la població, segmentada per Illes, permet veure la sobre-presència d’activitats en uns punts de la ciutat així com la no presència en d’altres on hi pot haver potencials usuaris o compradors. També la utilització del graf de trams de carrer graduat per distància o per temps ens dóna una idea molt fidel del concepte de proximitat i ens permet fer un anàlisi més acurat de les necessitats o tendències properes en la instal·lació de noves activitats.