

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
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


Introducción - Objetivos - Área Estudio - MATERIALES - Método - Resultados

Método
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
- Filtro Outlier-statistical method (emplea media y desviación estándar)
-
Filtro PMF. Segmenta ground / not ground (Zhang, 2003)
-
Escribir fichero
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


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 darango
Presentación Avances Proyecto Geomove II.
Reunión Avances Proyecto Geomove Fase II. A Coruña. 5 Octubre 2018.
- 914