A continuación se detallan las correcciones a incluir en el template urban services.
1. SIMULATION FRAME
A. Además de farmacias y hospitales, agregar 1 o 2 tags más que representen otro servicio relevante (e.g. bancario, comercial, etc.) @lupacheco1 es la persona de referencia para definir esto.
B. Los servicios que se descarguen desde osm como polígonos deben ser representados en el kepler a partir de su centroide. Lo mismo aplica a los footprints dibujados por el usuario.
C. Agregar en el landing kepler las capas de barrio y comuna para contextualizar.
D. Agregar selector de zonas a mano alzada como se indica en el punto B de este Issue.
D. Discretizar las isócronas. Para lograr el "efecto gradiente" de los mapas que se detallan en la spec de urban services es necesario involucrar una segunda geometría. Resolviendo el punto E. del simulation frame, estaríamos en condiciones de conocer las parcelas que caen dentro de una zona de acción/referencia.
Al geodataset de parcelas, agregar el cálculo de las isocronas, de la siguiente manera:
action_zone_parcels['geometry'] = action_zone_parcels['geometry'].apply(lambda x: x.centroid)
result = geopandas.spatial_join(action_zone_parcels, isocrones, predicate = 'whitin')
# en las parcelas donde la isocrona no intersecta
result.fillna("mas de 15", inplace=True)
e.g.
Observación: las parcelas figuran a modo ilustrativo. Estas deberían estar graduadas por color de tiempo de viaje
Luego de agregar este atributo, podemos conocer qué parcelas están a 5, 10, 15 o más minutos de provisión de servicios urbanos. Con esta información, se podría hacer un mapa que muestre un gradiente de colores para las categorías de tiempo de caminata). Este mapa también debería incluir la el layer de la isócrona.
Para sustituir el gráfico de área que se detalla en la spec de urban services, armar un gráfico de barras en plotly que luzca así
En el eje y mostrar cantidad de parcelas y en el x las categorías de tiempo de viaje.
E. Disposición de los resultados.
mapas
De la misma forma que para la corrección de public spaces, disponer un kepler a la izquierda con el resultado de la zona de acción sin modificación y a la derecha otro mapa con el mismo resultado para la zona de acción con modificación. La misma lógica aplica para zona de acción vs zona de referencia.
charts
En un mismo gráfico de barras debería figurar el conteo de parcelas por categoría para la zona de acción tanto con como sin modificación. La idea de usar plotly es que se pueden apagar y prender las capas del mismo chart. Esto permite que se puedan ver los resultados con/sin modificación al mismo tiempo o individualmente. La misma lógica aplica para action zone vs reference zone.
3. EXPLORE IMPACT
Haciendo la misma operación que se detalla en D pero utilizando el gdf de radios censales que se carga en datasources.py se podría hacer un gráfico de barras que indique la cantidad de viviendas en areas de 5, 10, 15 o más de 15 minutos. De la siguiente manera:
A continuación se detallan las correcciones a incluir en el template
urban services.1. SIMULATION FRAME
A. Además de farmacias y hospitales, agregar 1 o 2 tags más que representen otro servicio relevante (e.g. bancario, comercial, etc.) @lupacheco1 es la persona de referencia para definir esto.
B. Los servicios que se descarguen desde osm como polígonos deben ser representados en el kepler a partir de su centroide. Lo mismo aplica a los footprints dibujados por el usuario.
C. Agregar en el landing kepler las capas de barrio y comuna para contextualizar.
D. Agregar selector de zonas a mano alzada como se indica en el punto B de este Issue.
E. Agregar el visualizador de parcelas como se indica en el punto C de este Issue.
2. EXPLORE RESULTS + EXPLORE ZONES
D. Discretizar las isócronas. Para lograr el "efecto gradiente" de los mapas que se detallan en la spec de urban services es necesario involucrar una segunda geometría. Resolviendo el punto E. del simulation frame, estaríamos en condiciones de conocer las parcelas que caen dentro de una zona de acción/referencia.
Al geodataset de parcelas, agregar el cálculo de las isocronas, de la siguiente manera:
e.g.
Observación: las parcelas figuran a modo ilustrativo. Estas deberían estar graduadas por color de tiempo de viaje
Luego de agregar este atributo, podemos conocer qué parcelas están a 5, 10, 15 o más minutos de provisión de servicios urbanos. Con esta información, se podría hacer un mapa que muestre un gradiente de colores para las categorías de tiempo de caminata). Este mapa también debería incluir la el layer de la isócrona.
Para sustituir el gráfico de área que se detalla en la spec de urban services, armar un gráfico de barras en plotly que luzca así
En el eje y mostrar cantidad de parcelas y en el x las categorías de tiempo de viaje.
E. Disposición de los resultados.
mapas De la misma forma que para la corrección de public spaces, disponer un kepler a la izquierda con el resultado de la zona de acción sin modificación y a la derecha otro mapa con el mismo resultado para la zona de acción con modificación. La misma lógica aplica para zona de acción vs zona de referencia.
charts En un mismo gráfico de barras debería figurar el conteo de parcelas por categoría para la zona de acción tanto con como sin modificación. La idea de usar plotly es que se pueden apagar y prender las capas del mismo chart. Esto permite que se puedan ver los resultados con/sin modificación al mismo tiempo o individualmente. La misma lógica aplica para action zone vs reference zone.
3. EXPLORE IMPACT
Haciendo la misma operación que se detalla en D pero utilizando el gdf de radios censales que se carga en datasources.py se podría hacer un gráfico de barras que indique la cantidad de viviendas en areas de 5, 10, 15 o más de 15 minutos. De la siguiente manera:
@lupacheco1 es la persona de referencia para terminar de definir esto.