Análisis de la movilidad escolar en áreas urbanas

eo

move

eo

move

g

Point Cloud Treatment with PDALtools

Caso de estudio:

Luigi Pirelli, David Fernández Arango and Alberto Varela García

Licencia CC BY-SA 4.0

A Coruña. 6th March 2019

Universidade Da Coruña

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:

(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

(Díaz Grandío, 2012)

(Varela García, 2013)

Área estudio

Materiales

Optech MMS

https://pdal.io/

Método

https://gitlab.com/cartolab/geomove_pipelines

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

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

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

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

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

MDE

Interpolación con vecinos más cercanos

Calcular HAG
Seleccionar HAG [0.05 : 2.20] -> Classification = 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