--- title: "Análisis Avanzado de Redes Peatonales: Ruteo, Isócronas, Accesibilidad y Simulación" output: rmarkdown::html_vignette vignette: > %\VignetteIndexEntry{Análisis Avanzado de Redes Peatonales: Ruteo, Isócronas, Accesibilidad y Simulación} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r, include = FALSE} knitr::opts_chunk$set( collapse = TRUE, comment = "#>", fig.width = 6, fig.height = 5, fig.align = "center" ) ``` ## Introducción El paquete **`walkability`** ofrece un conjunto integral de herramientas de alto rendimiento para el análisis cuantitativo de la movilidad peatonal, la transitabilidad activa y la morfología del espacio urbano. Respaldado por un núcleo computacional en **Rust** paralelizado a nivel de hilos de CPU con `rayon`, `walkability` incorpora capacidades analíticas avanzadas: 1. **Ruteo peatonal individual y análisis de circuidad** (`walk_shortest_path`). 2. **Generación de polígonos de isócronas y subredes alcanzables** (`walk_isochrone`). 3. **Métricas morfológicas de intersecciones y conectividad urbana** (`walk_intersection_density`). 4. **Accesibilidad acumulativa a equipamientos urbanos (POIs)** (`walk_compute_access`). 5. **Simulación de intervenciones urbanas y análisis de escenarios** (`walk_scenario_close`, `walk_compare_scenarios`). 6. **Interoperabilidad con grafos espaciales** (`as_sfnetwork`, `as_tidygraph`). En esta viñeta demostraremos el uso de cada una de estas funciones utilizando los conjuntos de datos reales de calles incluidos en el paquete. --- ## 1. Carga de Datos y Preparación de la Red Cargamos la red vial del Centro Histórico de Cusco (`streets_cusco`), proyectada en coordenadas métricas UTM Zona 19S (`EPSG:32719`): ```{r} library(walkability) library(sf) # Cargar dataset real empaquetado data(streets_cusco) # Construir grafo peatonal limpio y estructurado net <- walk_build_network( data = streets_cusco, walk_speed_kmh = 4.5, repair = TRUE, snap_tolerance_m = 5.0, keep_components = "largest", verbose = FALSE ) print(net) ``` --- ## 2. Ruteo Peatonal Origen-Destino y Circuidad (`walk_shortest_path`) La función `walk_shortest_path()` calcula el camino óptimo entre dos coordenadas geográficas o índices de nodo. Utiliza una implementación de Dijkstra en Rust que reconstruye el trayecto mediante un arreglo de predecesores `prev_node` y `prev_edge`, devolviendo la geometría exacta de la ruta (`LINESTRING`), el tiempo de viaje a velocidad de diseño peatonal y el ratio de circuidad: $$\text{Circuidad} = \frac{\text{Distancia sobre la red (m)}}{\text{Distancia euclidiana en línea recta (m)}}$$ Un ratio cercano a $1.0$ indica un trayecto prácticamente rectilíneo, mientras que valores superiores a $1.3$ reflejan desvíos obligados por la trama urbana. ```{r} # Seleccionar dos puntos extremos dentro del componente conectado nodos_principales <- net$nodes[net$nodes$is_giant, ] coords <- st_coordinates(nodos_principales) origen <- coords[1, 1:2] destino <- coords[50, 1:2] ruta <- walk_shortest_path(net, from = origen, to = destino) print(ruta) ``` Podemos visualizar la ruta sobre la red vial usando el método S3 `plot()`: ```{r} plot(ruta) ``` --- ## 3. Polígonos de Isócronas y Subredes Alcanzables (`walk_isochrone`) Las isócronas peatonales delimitan el área y los tramos de calle que un peatón puede recorrer partiendo de un punto determinado en un presupuesto de tiempo (por ejemplo, 5 o 10 minutos). `walk_isochrone()` extrae la subred peatonal alcanzable con **corte fraccional de aristas perimetrales** (*partial-edge truncation*) y sintetiza los polígonos envolventes mediante dos metodologías: * `"concave"`: Envolvente cóncava (*concave hull / alpha shape*) calculada con `sf::st_concave_hull()`. * `"buffer"`: Disolución de buffers aplicados a lo largo de los ejes de calle transitables. ```{r} # Calcular isócrona a 5 minutos a pie desde el punto de origen iso_5m <- walk_isochrone(net, origin = origen, time_min = 5.0, method = "concave") print(iso_5m) ``` Visualización del polígono de isócrona y de los tramos de red alcanzables: ```{r} plot(iso_5m) ``` --- ## 4. Morfología Urbana y Tipología de Intersecciones (`walk_intersection_density`) La caminabilidad de un barrio depende estrechamente de la conectividad de su red de calles. Calles sin salida (*cul-de-sacs*) obstaculizan el tránsito y obligan a rodeos, mientras que intersecciones en cuadrícula de 4 o más direcciones multiplican las rutas alternativas. `walk_intersection_density()` analiza la valencia topológica de cada nodo de la red y reporta: * **Cul-de-sacs (grado 1):** Extremos ciegos y calles sin salida. * **Nodos de paso (grado 2):** Vértices intermedios de curvatura o continuidad. * **Intersecciones en T (grado 3):** Bifurcaciones de tres direcciones. * **Cruces ortogonales (grado 4+):** Cruces regulares en cuadrícula. * **Densidad de intersecciones:** Número de cruces ($\ge 3$ direcciones) por $\text{km}^2$. * **Ratio de Cul-de-sacs:** Proporción de extremos ciegos respecto al total de cruces reales. * **Ratio de Ortogonalidad:** Proporción de cruces de 4 o más vías. ```{r} morfologia <- walk_intersection_density(net) print(morfologia) ``` Visualización espacial de los tipos de cruce e intersecciones: ```{r} plot(morfologia) ``` --- ## 5. Accesibilidad Acumulativa a Equipamientos Urbanos (`walk_compute_access`) En planificación urbana orientada a la proximidad (la «ciudad de los 15 minutos»), una métrica fundamental es cuántos equipamientos esenciales (paradas de transporte, farmacias, colegios, centros de salud) son alcanzables a pie desde cada esquina de la ciudad. `walk_compute_access()` evalúa esta accesibilidad de forma multi-hilo en Rust para todos los cruces de la red de manera simultánea: ```{r} # Simular 5 equipamientos urbanos (p. ej. paradas de transporte público o farmacias) # ubicados en nodos de la red set.seed(42) pois_muestra <- nodos_principales[c(5, 25, 45, 65, 85), ] pois_muestra$tipo <- c("Salud", "Educación", "Transporte", "Comercio", "Salud") # Calcular accesibilidad acumulativa en 5 minutos a pie acc <- walk_compute_access( network = net, pois = pois_muestra, time_min = 5.0, category_col = "tipo", verbose = FALSE ) print(acc) ``` La tabla resultante `acc$nodes` incluye el conteo de equipamientos alcanzables y el tiempo mínimo de acceso a pie por cada categoría (`access_salud_count`, `access_educacion_count`, etc.): ```{r} cols_acc <- grep("^access_", names(acc$nodes), value = TRUE) head(sf::st_drop_geometry(acc$nodes)[, c("node_id", head(cols_acc, 4))]) ``` Visualización cartográfica del gradiente de accesibilidad: ```{r} plot(acc) ``` --- ## 6. Simulación de Intervenciones Urbanas y Análisis de Escenarios Los planificadores a menudo necesitan responder a preguntas como: *¿Qué sucede con la transitabilidad si se peatonaliza un tramo vial?* o *¿Cuál es el impacto en la red si se clausura una calle por obras o emergencias?* `walkability` permite modelar estos escenarios con `walk_scenario_close()` y comparar rigurosamente el impacto frente al escenario base mediante `walk_compare_scenarios()`: ```{r} # Simular el cierre de dos tramos viales (por ejemplo, para paseo peatonal o mantenimiento) aristas_cierre <- c(5, 12) net_proyecto <- walk_scenario_close( network = net, edge_indices = aristas_cierre, name = "Peatonalización Eje Central" ) # Comparar ambos escenarios en un horizonte de 5 minutos comparacion <- walk_compare_scenarios( base = net, scenario = net_proyecto, time_min = 5.0, verbose = FALSE ) print(comparacion) ``` Visualización del impacto y deltas de accesibilidad entre ambos escenarios: ```{r} plot(comparacion) ``` --- ## 7. Interoperabilidad con `sfnetworks` y `tidygraph` Para integrar `walkability` con paquetes avanzados de análisis de redes espaciales como `sfnetworks` y `tidygraph`: ```{r} # Conversión a objeto sfnetwork if (requireNamespace("sfnetworks", quietly = TRUE)) { sfn <- as_sfnetwork(net) print(sfn) } # Conversión a objeto tidygraph tbl_graph if (requireNamespace("tidygraph", quietly = TRUE)) { tg <- as_tidygraph(net) print(tg) } ``` Esta interoperabilidad bidireccional permite utilizar algoritmos de centralidad (`tidygraph`), flujo de tráfico y ruteo multimodal sobre la red construida y optimizada por `walkability`. --- ## Conclusión El conjunto de módulos implementados en `walkability` proporciona un ecosistema completo para el análisis de transitabilidad activa en ciudades. Al combinar la velocidad nativa de **Rust** con la flexibilidad analítica y cartográfica del ecosistema espacial de **R**, el paquete permite evaluar desde trayectos puntuales hasta planes maestros urbanos con precisión métrica y respaldo teórico.