The hardware and bandwidth for this mirror is donated by dogado GmbH, the Webhosting and Full Service-Cloud Provider. Check out our Wordpress Tutorial.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]dogado.de.
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.
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).
Antes de modificar o corregir geometrías,
walk_diagnose_network() realiza una inspección no invasiva
de la salud topológica de la red:
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)
#>
#> ── Walkability Network Health Diagnosis ────────────────────────────────────────
#> ✔ Total network analyzed: 484 segments (40.0 km)
#> ✔ Total components detected: 125
#> • Giant (main) component: 68.3% of network (27.3 km)
#> ! Detected 124 disconnected components / islands (12.69 km, 31.7% of network).
#> ℹ Identified 81 potential undershoots (dangling ends located <= 5 m from another street).
#> ! Recommendation: You can fix these by running walk_build_network(..., repair =
#> TRUE, snap_tolerance_m =
#> 5
#> ).
#>
#> Run `plot(diagnosis)` to inspect isolated segments and undershoots on a map.Para inspeccionar visualmente los tramos desconectados y la ubicación exacta de los undershoots:
Una vez revisado el diagnóstico, el usuario decide libremente si
aplicar reparaciones geométricas mediante los argumentos
repair, snap_tolerance_m y
planarize:
# 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)
#>
#> ── Walkability Network ─────────────────────────────────────────────────────────
#> ✔ Total nodes: 822 (Giant component: 807)
#> ✔ Total edges: 1082 segments (38.2 km)
#> ✔ Walking speed: 4.5 km/h (1.25 m/s)
#> ✔ Connected components: 5
#> ✔ CRS: EPSG:32719El 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:
# 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)
#>
#> ── Walkability Reachable Network Length ────────────────────────────────────────
#> ✔ Isochrone Budget: 10.0 minutes (~750 m at 4.5 km/h)
#> ✔ Evaluated Nodes: 807
#> • Average Reach: 19.04 km
#> • Highest Reach: 28.08 km
#> • Lowest Reach: 0.75 km
#> • 5th-95th percentile: 7.8 - 27.4 kmLas funciones cartográficas de walkability están
construidas sobre ggplot2 y utilizan paletas
perceptualmente continuas como viridis:
# 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)Para evaluar la permeabilidad y qué tan directos son los trayectos peatonales frente a distancias euclidianas:
circuidad <- walk_compute_circuity(red_limpia, sample_size = 50)
summary(circuidad$mean_circuity)
#> Min. 1st Qu. Median Mean 3rd Qu. Max. NAs
#> 1.189 1.243 1.277 1.302 1.318 2.080 1Valores cercanos a 1.0 reflejan una retícula directa y
eficiente; valores sustancialmente superiores evidencian rodeos
obligados por cul-de-sacs o barreras físicas.
These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.
Health stats visible at Monitor.