Acceso estudiantes


¿Has olvidado tu contraseña?

Conviviendo en las aceras en tiempos de la COVID-19

Contextualizando el análisis

Siguiendo el rumbo trazado por el post inicial sobre SIG y epidemiología en tiempos de la COVID-19, presentamos un nuevo artículo. Esta vez, centrado en el análisis del espacio de convivencia pública que representan las aceras, en cualquiera de nuestras poblaciones.

El distanciamiento interpersonal en tiempos de la COVID-19, se ha revelado como una medida recomendable y válida para evitar la transmisión comunitaria del virus. Pero, ¿qué sucede cuando salimos a las calles de nuestras ciudades y pueblos? En ocasiones, mantener cierta distancia entre personas no resulta una tarea fácil. Por lo general, la estructura actual de las calles no está pensada ni diseñada para evitar el contacto entre personas y, poder mantener una distancia mínima entre ellas.

A continuación, queremos presentar el resultado de un sencillo análisis. El objetivo es vislumbrar qué calles conllevan un mayor riesgo para la población debido a sus características físicas. El riesgo en este caso vendrá condicionado por el ancho de acera. Aunque también, por la presencia o no de cierta actividad económica así como la existencia de determinados servicios o equipamientos públicos, que pueden acarrear cierta acumulación, aunque quizás puntual en el tiempo, de personas.

Para llevar a cabo el análisis de riesgo en el espacio público, se ha escogido como caso de estudio la ciudad de Girona.

¿Cómo son las aceras en la ciudad de Girona?

Para el análisis se han utilizado varios conjuntos de datos de la ciudad. Estos datos son accesibles a través de los sitios web del propio ayuntamiento: el de la Unitat Municipal d’Anàlisi Territorial (UMAT), así como el portal Open Data de la ciudad. Mediante la manipulación y análisis de estos datos se ha llevado a cabo una primera aproximación a la cuestión anteriormente introducida: ¿qué calles debido a sus características pueden conllevar un mayor riesgo para la población? Lógicamente, se trata de una aproximación teórica que cuenta con algunos sesgos o limitaciones, que será preciso enumerar y explicar adecuadamente, al término del artículo.

La imagen final que se pretende mostrar son las calles de Girona clasificadas en función de la relación existente entre los metros cuadrados de acera disponibles por persona o habitante, las actividades económicas que en ellas se encuentran y la presencia de otros equipamientos públicos.

Pero dejemos el resultado para el final, y vayamos al inicio de esta historia. Como muchas otras historias, esta empieza a raíz de una cierta necesidad, la de detectar potenciales puntos conflictivos en las calles de la ciudad de Girona, con relación a la COVID-19. De esta necesidad, nace la idea de mostrar cómo a través de un SIG podemos analizar esta situación. Además, poner una vez más de manifiesto que los SIG son una herramienta fundamental no solo para el análisis sino también para la comunicación de resultados. Y como sucede en todo proyecto de SIG, este empieza con la búsqueda y obtención de los datos. Como herramienta de trabajo, se ha optado por el uso de QGIS, apoyado con alguna que otra aplicación.

Por lo que atañe a los datos utilizados son varios los conjuntos necesarios para llevar a cabo el análisis. Han sido necesarios los ejes de las calles, la base topográfica de la ciudad, la ubicación de actividades económicas, la ubicación de equipamientos públicos, datos poblacionales, … Todos ellos obtenidos como se ha comentado ya de portales abiertos y fuentes oficiales. Estos datos, en ocasiones, se han visto sujetos a ciertas ediciones y modificaciones a fin de adaptarlos al propósito del proyecto.

¿Cómo obtener la superficie de las aceras?

Esta es, probablemente, la inversión más cuantiosa en términos de tiempo. No disponer desde el principio de la capa relativa al ancho de acera de cada una de las calles o la superficie de cada una de las aceras, ha obligado a derivar esta información de la base topográfica oficial de la ciudad. Para ello, se han digitalizado todas las aceras de la ciudad y se han almacenado en un Geopackage, como nueva capa de polígonos.

Aceras en la ciudad de Girona
Aceras en la ciudad de Girona

Conseguido este primer resultado, el siguiente escollo se ha situado en la asignación de la superficie de acera aproximada, que pertenece a cada una de las calles. Considerando que cualquier acera, a lo largo de todo el recorrido de una misma calle, puede variar su ancho (incluso dentro de un mismo tramo de calle situado entre intersecciones), se ha buscado un modo de asignar este valor de la forma más precisa posible. Precisa y ajustada a la realidad.


Barajadas varias ideas, la que ha terminado por cuajar es la de dividir las aceras en teselas de dos metros de costado, hasta obtener una malla de celdas vectoriales regulares de cuatro metros cuadrados, cubriendo la totalidad de la ciudad. A continuación, se ha recortado esta malla con la capa de aceras para guardar únicamente, aquellas celdas coincidentes con un polígono de acera.

Aspecto de las aceras teseladas
Aspecto de las aceras teseladas

Paralelamente, ha sido necesario segmentar la capa de los ejes de calle, a cada intersección. El objetivo es individualizar cada segmento de calle. De este modo, se dispone de una visión un tanto más realista en el caso de calles especialmente largas, donde las características de la acera son cambiantes.

¿Y ahora, cómo asignar a cada tramo de calle la superficie de acera que le corresponde?

La cuestión se ha solucionado a través de una serie de procesos encadenados.

  • Primero, se ha asignado a cada tesela de la capa de acera, el valor identificador del tramo de calle que le corresponde por proximidad.
  • Segundo, se ha realizado una suma de las áreas de las teselas que comparten el mismo identificador de tramo de calle. Este valor, la superficie total de acera por tramo de calle, se ha almacenado en la misma tabla de atributos de la capa.
  • Y tercero, se ha traspasado este valor de área a la capa que contiene los tramos de calle, utilizando como campo de vínculo, el propio identificador de tramo.

Para llevar a cabo la tarea inicial de asignación del identificador de tramo a cada tesela, en función del valor de proximidad, se ha utilizado el complemento NNJoin de QGIS. Este complemento, además de asignar elementos por proximidad, también incluye el valor de distancia existente entre los elementos vinculados. De este modo, en caso de duda o necesidad, queda registrada no únicamente la asignación, sino también en base a qué distancia.

Además de la cuestión relativa a la superficie de acera correspondiente a cada tramo de calle, es preciso incorporar el dato poblacional. Para ello, se ha optado por utilizar los valores estadísticos de población del propio ayuntamiento y utilizar la delimitación administrativa basada en secciones censales. A partir de este valor y mediante una asignación de atributos por localización se ha asignado a cada tramo de calle, el valor de población de la sección que le corresponde.

La creación de un índice simple para representar el riesgo de contagio

La creación de un índice que muestre el resultado final de manera objetiva es, a buen seguro, una de las tareas más complicadas. Para este caso, lejos de buscar un índice complejo, perfecto, y que considere múltiples variables, se ha optado por crear un índice sencillo y simple. Este servirá para poner de manifiesto la relación existente entre los metros cuadrados de acera disponible y la población. El objetivo es mostrar de manera gráfica y visual, qué calles, debido precisamente a la ratio anteriormente mencionada, suponen un ‹‹riesgo›› para la población.

Una primera aproximación al índice, quedaría del siguiente modo:

ÍNDICE DE RIESGO = SUPERFICIE DE ACERA / POBLACIÓN DE LA SECCIÓN

Además, a la ecuación anterior, podemos añadirle un factor de ponderación. Ya se ha comentado anteriormente que, además de la propia población, hay que contar con otros elementos que pueden agravar (aunque puntualmente), la concentración de personas en la calle. Estamos hablando en este caso, de la propia actividad económica que, tras el confinamiento domiciliario, se ha ido restableciendo de forma paulatina. De este modo, el índice tomará esta nueva forma:

ÍNDICE DE RIESGO = SUPERFICIE DE ACERA / (POBLACIÓN DE LA SECCIÓN x NÚMERO DE ACTIVIDADES)

¿Cómo obtener las actividades asociadas a cada tramo de calle?

Para obtener el valor de actividades económicas en cada tramo de calle, se han llevado a cabo algunos procesos. Los datos originales provienen del portal de datos abiertos de Girona. El fichero descargado, contiene el inventario o censo de actividades económicas de 2019. Este fichero cuenta además con las coordenadas de cada establecimiento. A pesar de ello, en muchos casos, estas coordenadas no responden con suficiente precisión a la ubicación real de los establecimientos por lo que podrían inducir a error en una asignación por proximidad. Es por ello que se ha procedido a geocodificar nuevamente los más de 6000 registros a partir de su dirección postal: nombre de calle y portal. La geocodificación de las actividades se ha hecho mediante la aplicación Batch geocoder for journalists.

El siguiente paso para poder realizar un recuento óptimo de actividades en cada tramo de calle es desplazar las geometrías de punto (actividades) a la entidad lineal más próxima (tramo de calle). Para ello, se ha utilizado el algoritmo o herramienta Snap geometries to layer de QGIS. Una vez desplazadas todas las geometrías, ya solo queda aplicar un buffer de un metro alrededor de los tramos de calle. Y a continuación, ejecutar la operación de recuento de puntos en polígono. Por último, una simple unión de tablas con la capa de tramos de calle (a partir del identificador único de tramos), traspasará el valor relativo al número de actividades en cada tramo de calle.

Número de actividades por tramo de calle
Número de actividades por tramo de calle

El cálculo del índice de riesgo

Con los datos obtenidos hasta el momento, ya es posible calcular el índice de riesgo. Este proceso en QGIS puede hacerse de varios modos:

  • bien calculando y almacenando el resultado en un nueva columna en la tabla de atributos,
  • o bien calculando el valor del índice al vuelo y aplicándolo directamente sobre la simbología.

De este último modo, el beneficio es doble. Por un lado, se obtiene un valor numérico mediante el cual representar cada uno de los tramos de calle. Por otro lado, si en la tabla de atributos se realiza alguna modificación sobre los valores implicados en el índice (área, población o actividades), automáticamente estos valores se verán reflejados en el índice y por consiguiente, en el mapa.

Cálculo del índice al vuelo
Cálculo del índice al vuelo

De no hacerlo de este modo, mediante una expresión, si se desea que una modificación en los valores que integran el índice impliquen la actualización del mismo, ello obligará a crear un campo o columna virtual de QGIS (índice) que esta sí, es una columna ‹‹viva››, y sujeta a los cambios que puedan sufrir las columnas de cuyos valores depende el índice.

El resultado preliminar de la aplicación directa del índice, es el que se muestra a continuación:

Representación del índice de riesgo
Representación del índice de riesgo

Aplicando una simbología apropiada a los valores que se pretenden mostrar, se obtiene la imagen anterior. En ella, pueden identificarse qué calles o, mejor dicho, tramos de calle son los que, teóricamente, conllevan un mayor riesgo de contagio. Una visión más detallada, muestra los valores numéricos obtenidos mediante el cálculo del índice. En color rojo se muestran los tramos de calle con un valor de índice menor (menos superficie de acera disponible por habitante) mientras que, en tonos más fríos, se muestran los tramos cuya realidad, es justamente la inversa. Es decir, mayor superficie de acera por habitante.

Valor del índice de riesgo

Valor del índice de riesgo

Añadiendo información adicional: servicios y equipamientos

Sobre el mapa anterior, aún pueden añadirse nuevos conjuntos de datos. En la imagen que se muestra a continuación, se ha añadido la ubicación de guarderías, colegios, institutos y demás centros de formación. A menudo, frente a las puertas de los centros educativos, aunque sea en momentos puntuales, tiende a producirse concentración de personas. Conocer de antemano si el centro educativo se encuentra en un tramo de calle con cierto riesgo, puede resultar de interés para que las autoridades competentes, puedan aportar medidas de mitigación para esta situación puntual.

Zona de influencia alrededor de los centros educativos
Zona de influencia alrededor de los centros educativos

Esta práctica, la simple adición de nuevas capas de información a la capa del índice de riesgo, puede llevarse a cabo con cualquier tipo de elemento o actividad que pueda suponer, en algún momento, una concentración de personas más elevada de lo normal.

Algunas cuestiones a comentar sobre los resultados

Son ciertamente varias las cuestiones a comentar sobre el resultado final obtenido. Estos aspectos no son menores ya que actúan o pueden actuar a modo de sesgo y de condicionante. Estas cuestiones deberían ser tomadas en consideración para la correcta interpretación de los resultados obtenidos.

Los condicionantes pueden dividirse en cuestiones relativas a:

  • los datos de población
  • las aceras
  • las actividades económicas

Sobre las cuestiones relativas a la población

Para el presente análisis, se ha tomado como referencia la población total de cada una de las secciones censales. El análisis hubiera podido llevarse a cabo utilizando otro tipo de delimitaciones pero, dado el tamaño de la ciudad, ha parecido una unidad adecuada. En cualquier caso, resultará sencillo trabajar en base a otras unidades administrativas de mayor tamaño tales como barrios o distritos.

Analizar el riesgo utilizando las secciones censales implica que, todos los tramos de calle de una sección censal, poseen el mismo valor de población. Este hecho tiene una implicación directa sobre el resultado final. El valor de índice obtenido guarda relación directa con la población de la sección analizada, como si las personas que habitan en ella no pudieran abandonar sus límites. O justamente a la inversa. Esta condición no considera que las personas de una sección, puedan moverse por otras secciones censales de la ciudad sin que su presencia sea computable a la población de dicha sección.

Como modelar con precisión el movimiento de las personas en un momento concreto del día, es una tarea imposible, dadas las limitaciones con los datos de los que se dispone. Una alternativa pasa por utilizar el valor total de población de la ciudad para todos los tramos de calle. Esto implica que cualquier persona puede estar en cualquier lugar de la ciudad, en cualquier momento. Dada la estructura de la ciudad y la organización de los barrios o zonas, esto parece un tanto improbable. De ahí que se haya acabado por utilizar la sección censal como unidad poblacional, pues es el valor que se ajusta más a la realidad.

En cualquier caso, agregar las actividades económicas al índice, supone un factor de ponderación para corregir (‘sobredimensionar’) el valor de la población relativa a la sección censal.

Sobre las cuestiones relativas a las aceras

Con relación a las aceras, comentar que se han considerado las aceras en su totalidad. El análisis podría haber sido más preciso si de la superficie total, se hubiera eliminado parte del valor de área que está ocupado por mobiliario urbano como pueden ser bancos, buzones, señales, … Realizar esta operación para el total de la ciudad hubiera sido demasiado costoso en tiempo ya que habría implicado tratar cada tramo de calle, identificando el mobiliario, y restando su valor de área (ocupación) del valor total de la acera. Alternativamente, restar un porcentaje de acera unificado, para toda la ciudad, no pareció lo más indicado dada la variabilidad a lo largo y ancho de Girona.

Por contra, sí se han tenido en cuenta para el cómputo de área de acera, aquellas zonas ocupadas por parterres, zonas ajardinadas, parques infantiles vallados, … cuyos valores han sido sustraídos del valor total de área.

Sobre las cuestiones relativas a las actividades económicas

El censo de actividades utilizado, es la última versión disponible en el portal Open Data de la ciudad de Girona: una versión de 2019 cuya última revisión a fecha de hoy, es del 2 de Marzo del 2020. Con toda probabilidad, no todas las actividades censadas habrán recuperado la normalidad y reiniciado su actividad a causa precisamente de la pandemia, del confinamiento y de las restricciones o condiciones de reapertura. Ante la imposibilidad de conocer en detalle cuales de todas ellas han reiniciado su actividad, se ha optado por utilizar el censo en su totalidad.

Tabla de atributos de las actividades económicas
Tabla de atributos de las actividades económicas

Algunas consideraciones finales

El resultado obtenido, debe entenderse como una primera aproximación a qué calles suponen o pueden suponer, desde una perspectiva teórica, un riesgo adicional para las personas. Y es precisa una interpretación con cautela. Es por ello que ya se han apuntado las cuestiones o sesgos relativos a las aceras, la población y las actividades económicas.

Más allá de estas cuestiones preliminares, este análisis precisaría de una segunda revisión. La exploración de la capa final, arroja algunas cuestiones a corregir o ajustar, dadas las características de ciertas zonas de la ciudad. Este es el caso, por ejemplo, del casco antiguo de la ciudad, Un elevado número de actividades económicas, junto a los datos poblacionales, pero sobretodo a causa de la inexistencia de aceras en muchas calles, arroja un resultado que puede inducir a cierta confusión.

Si bien es cierto que muchas calles carecen de acera o estas son sumamente estrechas, no es menos cierto que el tránsito rodado en estas mismas calles es escaso o incluso, infrecuente. Es por ello que por norma general, las personas en sus desplazamientos a pié, ocupan la acera así como el ancho de calzada. Por consiguiente, la ratio entre la superficie de acera y la población, debería mostrar valores mayores a los que se muestran. Y aun así, no es menos cierto que justamente esas mismas calles, son las más turísticas y frecuentadas de la ciudad.

Otro aspecto a considerar, es que los tramos limítrofes o situados en los límites de las secciones censales, pueden verse afectados positivamente o negativamente, por los datos de población de la sección en la que se encuentra. Y aun así, son tramos de calles que muy posiblemente deberían estar afectados por los valores poblacionales de ambas secciones.

Resumiendo, se trata de un ejemplo de análisis, de aplicación práctica que puede suponer una primera aproximación al tema y que a buen seguro, debe ser la puerta de entrada a análisis más complejos y exhaustivos.

¿Qué importancia revisten las actividades económicas en el resultado final?

Las siguientes imágenes muestran las calles la ciudad, clasificadas según el método basado en cuantiles. El objetivo es poner de manifiesto, la importancia del factor relativo a las actividades económicas. En el primer mapa, se aprecia como es la ciudad de Girona, considerando únicamente el ancho de las aceras, y el valor de la población. En la segunda, a la que se han añadido las actividades económicas como factor de ponderación de la población, puede comprobarse como especialmente los ejes comerciales de la ciudad, mudan de tonos azules, a rojos.

Del mismo modo, como ya se ha comentado anteriormente, no únicamente las actividades económicas pueden suponer un factor de ponderación. Lo son también los centros educativos y sus zonas aledañas, así como los centros de salud de la ciudad. Todos estos datos y muchos más, de diversa naturaleza e índole, pueden añadirse al resultado anterior con el objetivo de obtener una visión más completa, a la par que compleja, de la realidad. Una visión, por otro lado, que puede ser un recurso muy útil como soporte a la toma de decisiones.

A continuación, se muestran un par de resultados de la aplicación del índice, añadiendo esta vez, la ubicación y las áreas de influencia de centros educativos (en verde) y centros de salud (en amarillo). En el primer caso, se ha combinado la capa que muestra el índice sin considerar las actividades económicas, puesto que éstas se han incorporado a modo de heatmap, con las áreas de influencia de centros de salud y de formación. En el segundo caso, se muestra el índice completo, habiendo ya integrado las actividades económicas, con las respectivas áreas de influencia de los centros de formación y salud.

Avatar
Lluís Vicens
Geógrafo. En la actualidad trabajo como analista SIG y docente en el Servicio de SIG y Teledetección (SIGTE) de la Universitat de Girona. Siempre que me resulta posible, colaboro con asociaciones del ámbito «geo» como OSGeo, AGILE, gvSIG, así como en los eventos que organizan. Hasta la fecha, también colaboro con ACTIG.


Suscríbete a nuestra newsletter