Universidade Da Coruña

 

Análisis de la movilidad escolar en áreas urbanas

eo

move

eo

move

g

g

Análisis de ia movilidad escolar en áreas urbanas

Licencia CC BY-SA 4.0

INTRODUCCIÓN - Objetivos - Área Estudio - Materiales - Método - Resultados

move I

g

eo

http://geomove.es y https://emapic.es

info@emapic.es

Estudio dinámico de la movilidad escolar mediante tecnologías web de geolocalización (SPIP2015-01867).

Análisis de indicadores big geo-data sobre viarios urbanos para el diseño dinámico de caminos escolares seguros. (SPIP2017-02340)

move I

g

eo

Geomove Fase I:

Geomove Fase II:

eo

move I

eo

move I

g

g

Estudio dinámico de movilidad escolar mediante tecnologías web de geolocalización

Estudio dinámico de movilidad escolar mediante tecnologías web de geolocalización

Principales resultados

Medio transporte preferido

Medio transporte habitual

Motivos para desplazarse habitualmente en coche

Personas que acompañan al alumno al colegio

Valores % referidos al total de alumnos de cada curso

Elementos encontrados durante los trayectos a pie

Hábitos de alumnos con estatura menor que 135cm durante los desplazamientos en coche

Divulgación resultados

  • Informe individual colegios
  • Visor web resultados

Tareas pendientes

  • Llegar a colegios fuera de Galicia
  • Diseñar gestor rutas

eo

move II

eo

move II

g

g

Análisis de indicadores Big Geo-Data sobre viarios urbanos para el diseño dinámico de caminos escolares seguros

Análisis de indicadores Big Geo-Data sobre viarios urbanos para el diseño dinámico de caminos escolares seguros

Introducción - OBJETIVOS - Área Estudio - Materiales - Método - Resultados
(Díaz Grandío, 2012)

Caracterizar espacios peatonales en áreas urbanas para establecer rutas escolares óptimas

  • Integrar diferentes fuentes datos
  • Aplicar técnicas de superficie de costes acumulados para cálculo de rutas óptimas
Introducción - OBJETIVOS - Área Estudio - Materiales - Método - Resultados
(Díaz Grandío, 2012)
(Varela García, 2013)

Caracterizar espacios peatonales en áreas urbanas para establecer rutas escolares óptimas

Materiales

Introducción - Objetivos - ÁREA ESTUDIO - Materiales - Método - Resultados
Introducción - Objetivos - Área Estudio - MATERIALES - Método - Resultados

Optech MMS

https://pdal.io/
Introducción - Objetivos - Área Estudio - MATERIALES - Método - Resultados

Método

https://gitlab.com/cartolab/geomove_pipelines
Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - Resultados

Pendientes

Bordillos

Otros...

Pasos peatones

Obstáculos para sillas ruedas

Obstáculos para peatones

MMCoruna_023_S1.laz    +    MMCoruna_023_S2.laz

Merge sensor 1 and sensor 2 data

Classify ground and not ground

Filter ground:

    * Normal Z filter

    * K-Distance filter

    * PMF filter

Create MDE

Create Intensity ground raster

Fill empty ground cells by interpolating with neighboring values. txt

Create wheelchair obstacles raster

Wheelchair_obstacles.tif

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - Resultados

Input: MMCoruna_023_S1.laz

Output: out_1_ground_and_hag.las

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

Segmentar suelo/no suelo

  • Cargar datos *.laz

  • Seleccionar por NumberOfReturns [1:1]

  • Filtro ELM (Chen, 2012)

Output: out_3_a_normals_filter.las

  • Seleccionar Classification[2:2]

  • Calcular NormalZ (knn=30)

  • Seleccionar normalZ [0:0.6] Classification ->1

  • Seleccionar normalZ ! [0:0.6] Classification ->2

  • Merge suelo / no suelo

  • Escribir fichero

Input: out_2_outlier_filter.las

Filtro Normales Z

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

Normal Z Filter

Output: out_3_b_kdistance_filter.las

Input: out_3_a_normals_filter.las

  • Seleccionar Classification [2:2]

  • KDistance (k=300)

  • Seleccionar puntos KD >1 -> classification = 1

  • Seleccionar puntos KD <1 -> classification = 2

  • Merge puntos suelo / no suelo

  • Escribir fichero

Filtro K-Distance

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

Output: out_3_c_PMF_filter.las

Input: out_3_b_KDistance_filter.las

  • Seleccionar Classification [2:2]

  • PMF. Segmentar suelo / no suelo

  • Escribir fichero

Progressive Morphological Filter

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

MDE

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS
gdal_fillnodata.py -md 12 -b 1 -of GTiff <out_5_Z_heights.tif> <Z_heights_filled.tif>
1- Rellenar celdas del raster mediante gdal.fillnodata
2- Crear una máscara adaptada al área de estudio mediante gdal.translate
gdal_translate -projwin 547284.875 4801507.66 547504.835 4801352.5 -ot Float32 -of GTiff <building_mask.tif>  <clipped_extent.tif>
3- Multiplicar Z_heights_filled.tif por clipped_extent.tif para generar un ráster adaptado a la máscara correrspondiente
gdal_calc --calc "A*B" --format GTiff --type Float32 --outfile out_7_Z_height_masked_ground.tif> -A <Z_heights_filled.tif> --A_band 1 -B <clipped_extent.tif> --B_band 1

Interpolación - Vecinos más cercanos

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

  • Calcular HAG

  • Seleccionar HAG [0.05 : 2.20] -> Clasification = 1

  • Escribir fichero en GTiff con malla 18cm

  • Cortar tiff con máscara edificaciones

    • gdal_calc --calc "A*B" --format GTiff --type Float32 --outfile <out_10_wheelchair_obstacles_masked.tif> -A <out_8_wheelchair_obstacles_raster.tif> --A_band 1

      -B <clipped_extent.tif> --B_band 1

Obstáculos para sillas ruedas

Introducción - Objetivos - Área Estudio - Materiales - MÉTODO - RESULTADOS

Otros resultados

Identificación pasos peatones

Delimitación acera / calzada

Identificación obstáculos para peatones y usuarios de sillas ruedas

Pendientes

Rugosidad

Mejoras para QGIS

Mejoras para QGIS. Provider PDALtools

Mejoras para QGIS. Plugin Geomove

Resumiendo...

  • Integración datos
  • Indicador integrado multiparamétrico
  • Cálculo condicionado rutas
  • Análisis datos de movilidad escolar
  • Aplicación para gestión rutas
  • Superficies Costes
    • MDE interpolado
    • Pendientes
    • Obstáculos peatones
    • Obstáculos sillas ruedas
    • Rugosidad
    • Pasos peatones
    • Aceras
  • Automatizar pipelines en QGIS
  • Superficies Costes
    • Rampas
    • Delimitación bordillos
  • Automatizar pipelines en QGIS
  • Migrar algoritmo CDC de GvSIG a QGIS
  • Identificar caminos óptimos mediante CDC
(Díaz Grandío, 2012)
(Varela García, 2013)

Resumiendo...

  • Integración datos
  • Indicador integrado multiparamétrico
  • Cálculo condicionado rutas
  • Análisis datos de movilidad escolar
  • Aplicación para gestión rutas

Resumiendo...

  • Integración datos
  • Indicador integrado multiparamétrico
  • Cálculo condicionado rutas
  • Análisis datos de movilidad escolar
  • Aplicación para gestión rutas

Gracias

Geomove II. Análisis de indicadores Big Geo-Data sobre viarios urbanos para el diseño dinámico de caminos escolares seguros

  • Alumnos, profesores y demás personal laboral de los centros educativos colaboradores
  • Ministerio del Interior
  • DGT
  • Stop Accidentes
  • UDC
  • Ferrotrans
  • GAC-USC
  • Universitat Valencia
  • tGIS

http://geomove.es y https://emapic.es

info@emapic.es

Universidade Da Coruña

 

move

g

eo

move

g

eo

Geomove. Análisis de la movilidad escolar en áreas urbanas by David Fernández Arango, Alberto Varela García and Luigi Pirelli is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Presentación Avances Proyecto Geomove II.

By cartolab

Source: darango

Presentación Avances Proyecto Geomove II.

Reunión Avances Proyecto Geomove Fase II. A Coruña. 5 Octubre 2018.

  • 401

More from cartolab

  • Copy of Análisis de las características de los datos LiDAR y su integración con otras fuentes de datos.
    cartolab
    292