--- title: "Guía de Inicio Rápido: Análisis de Caminabilidad Urbana con walkability" output: rmarkdown::html_vignette vignette: > %\VignetteIndexEntry{Guía de Inicio Rápido: Análisis de Caminabilidad Urbana con walkability} %\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`** es un sistema de análisis geoespacial y teoría de grafos diseñado para modelar y medir la **caminabilidad urbana y transitabilidad activa** a nivel de calle. Implementa el cálculo de la **longitud de red caminable alcanzable en 10 minutos a pie** (*10-minute reachable walkable network length*), utilizando un motor de alto rendimiento escrito en **Rust** paralelizado a nivel de CPU. --- ## 1. Flujo de Trabajo con Datos del Usuario Una de las principales ventajas de `walkability` es que permite procesar redes viales propias (archivos Shapefile, GeoPackage, GeoJSON u objetos `sf`) con total control y transparencia sobre el diagnóstico y la reparación topológica. Para este tutorial utilizaremos la red vial del **Centro Histórico de Cusco** (`streets_cusco`), distribuida como dataset oficial del paquete en formato proyectado (UTM 19S, `EPSG:32719`). También se incluyen datasets para Lima (`streets_lima`) y Arequipa (`streets_arequipa`). ### Paso 1: Carga y Diagnóstico No Invasivo de la Red Antes de modificar o corregir geometrías, `walk_diagnose_network()` realiza una inspección no invasiva de la salud topológica de la red: ```{r} library(walkability) library(sf) # Cargar la capa real de Cusco incluida en el paquete data(streets_cusco) mis_calles <- streets_cusco # Diagnóstico de conectividad y detección de undershoots en un radio de 5 metros diag <- walk_diagnose_network(mis_calles, snap_search_radius_m = 5.0) # Imprimir resumen de componentes e islas print(diag) ``` Para inspeccionar visualmente los tramos desconectados y la ubicación exacta de los *undershoots*: ```{r} plot(diag) ``` ### Paso 2: Construcción del Grafo y Reparación Opcional Una vez revisado el diagnóstico, el usuario decide libremente si aplicar reparaciones geométricas mediante los argumentos `repair`, `snap_tolerance_m` y `planarize`: ```{r} # Construir grafo peatonal limpio y estructurado red_limpia <- walk_build_network( data = mis_calles, crs = 32719, # Proyección métrica local (UTM 19S) walk_speed_kmh = 4.5, # Velocidad de diseño (4.5 km/h = 1.25 m/s) repair = TRUE, # Decisión explícita del usuario de reparar snap_tolerance_m = 5.0, # Conectar extremos a <= 5 metros (corrige el undershoot) planarize = TRUE, # Dividir líneas en intersecciones keep_components = "largest", # Conservar la componente gigante conectada verbose = FALSE ) print(red_limpia) ``` --- ## 2. Cálculo de la Métrica de Caminabilidad (Rust) El cálculo del isócrono utiliza el algoritmo de Dijkstra con **crédito parcial de aristas** (*partial-edge rule*), ejecutado en paralelo en Rust con la librería `rayon`: ```{r} # Por defecto se calcula para 10 minutos (time_min = 10.0). # Para redes barriales o ciudades intermedias/pequeñas, el usuario puede # ajustar libremente el parámetro (por ejemplo, time_min = 5.0 o 7.5): metricas <- walk_compute_reach( network = red_limpia, time_min = 10.0, verbose = FALSE ) print(metricas) ``` --- ## 3. Visualización Cartográfica con ggplot2 Las funciones cartográficas de `walkability` están construidas sobre `ggplot2` y utilizan paletas perceptualmente continuas como `viridis`: ```{r} # Mapa temático de caminabilidad mapa <- walk_plot_reach( reach = metricas, palette = "viridis", title = "Caminabilidad Peatonal en 10 Minutos", subtitle = "Longitud de red accesible a pie desde cada intersección (Centro Histórico de Cusco)", dark = TRUE ) print(mapa) ``` --- ## 4. Análisis de Circuidad y Desvío de Rutas Para evaluar la permeabilidad y qué tan directos son los trayectos peatonales frente a distancias euclidianas: ```{r} circuidad <- walk_compute_circuity(red_limpia, sample_size = 50) summary(circuidad$mean_circuity) ``` Valores cercanos a `1.0` reflejan una retícula directa y eficiente; valores sustancialmente superiores evidencian rodeos obligados por cul-de-sacs o barreras físicas.