Skip to contents

Obtener Red Vial Vecinal del Perú

Source: R/get_red_vial_vecinal.R
get_red_vial_vecinal.Rd

Descarga y carga la información de la Red Vial Vecinal actualizada por PROVÍAS DESCENTRALIZADO a julio 2022, según Clasificador de Rutas aprobado mediante Decreto Supremo 011-2016-MTC y sus modificatorias. Los datos incluyen geometría tipo MULTILINESTRING e información sobre trayectorias, estado y superficie de las carreteras vecinales o rurales. Permite filtrado escalonado por departamento y provincia.

Usage

get_red_vial_vecinal(
  departamento = NULL,
  provincia = NULL,
  show_progress = TRUE,
  force_update = FALSE
)

Arguments

departamento

Character vector. Nombre(s) del/los departamento(s) a descargar. Opciones válidas: "AMAZONAS", "ANCASH", "APURIMAC", "AREQUIPA", "AYACUCHO", "CAJAMARCA", "CUSCO", "HUANCAVELICA", "HUANUCO", "ICA", "JUNIN", "LA LIBERTAD", "LAMBAYEQUE", "LIMA", "LORETO", "MADRE DE DIOS", "MOQUEGUA", "PASCO", "PIURA", "PUNO", "SAN MARTIN", "TACNA", "TUMBES", "UCAYALI". No distingue entre mayúsculas y minúsculas. Si es NULL, muestra la lista de departamentos disponibles.

provincia

Character vector. Nombre(s) de la(s) provincia(s) para filtrar dentro del/los departamento(s) especificado(s). Opcional.

show_progress

Logical. Si TRUE (por defecto), muestra mensajes informativos sobre el progreso de la descarga. Si FALSE, ejecuta de forma silenciosa.

force_update

Logical. Si TRUE, fuerza una nueva descarga del archivo incluso si existe en caché. Por defecto FALSE.

Value

Un objeto sf (simple feature) con geometría tipo MULTILINESTRING que contiene información de la red vial vecinal, incluyendo:

  • Geometría MULTILINESTRING (trayectoria de la vía)

  • nombdep: Nombre del departamento

  • nombprov: Nombre de la provincia

  • iddpto: Código del departamento

  • jerarq: Jerarquía de la ruta (RV = Red Vecinal)

  • trayectori: Descripción de la trayectoria de la ruta

  • estado: Estado numérico de la vía (1, 2, 3)

  • codruta: Código de la ruta vecinal (ej. LO-517, CU-123)

  • superfic: Código de tipo de superficie (1-4)

  • longitud: Longitud del tramo en kilómetros

  • estado_l: Estado descriptivo (Bueno, Regular, Malo)

  • superfic_l: Tipo de superficie (Pavimentado, Afirmado, Sin afirmar, Trocha)

Si se solicitan múltiples departamentos, retorna un objeto sf combinado.

Details

La función descarga datos desde OSF (Open Science Framework) y los almacena en caché durante la sesión de R. Los datos están en formato GeoPackage (.gpkg).

Fuente de los datos:

  • Fuente: PROVÍAS DESCENTRALIZADO - Ministerio de Transportes y Comunicaciones

  • Actualización: Julio 2022

  • Base legal: Decreto Supremo 011-2016-MTC y modificatorias

  • Nivel: Red Vial Vecinal o Rural (Sistema Nacional de Carreteras - SINAC)

  • Aplicación: Planificación vial local y análisis de conectividad rural

Clasificación de superficie:

  • 1 = Pavimentado

  • 2 = Afirmado

  • 3 = Sin afirmar

  • 4 = Trocha

Clasificación de estado:

  • 1 = Bueno

  • 2 = Regular

  • 3 = Malo

Características de la Red Vecinal: Las carreteras vecinales o rurales conectan centros poblados menores, caseríos y áreas de producción con la red vial departamental y nacional. Son de competencia de los gobiernos locales (municipalidades).

Filtrado jerárquico: Los filtros se aplican en cascada:

  1. Primero se cargan los departamentos especificados

  2. Luego se filtran las provincias (si se especifican)

El caché se almacena en: tempdir()/DEMARCA_cache/red_vial_vecinal/

NOTA: Las geometrías son tipo MULTILINESTRING (multilíneas) y representan las trayectorias de las carreteras vecinales.

References

PROVÍAS DESCENTRALIZADO - MTC. Base Cartográfica de la Red Vial Vecinal 2022.

Decreto Supremo 011-2016-MTC - Clasificador de Rutas del Sistema Nacional de Carreteras (SINAC).

Repositorio DEMARCA en OSF: https://osf.io/qy4j6/

See also

get_red_vial_departamental, get_red_vial_nacional, get_departamentos, get_provincias, read_sf

Examples

if (FALSE) { # \dontrun{
# Ver departamentos disponibles
get_red_vial_vecinal()

# Cargar red vial vecinal de un departamento completo
vias_cusco <- get_red_vial_vecinal(departamento = "CUSCO")

# Filtrar por provincia específica
vias_cusco_prov <- get_red_vial_vecinal(
  departamento = "CUSCO",
  provincia = "CUSCO"
)

# Cargar múltiples departamentos
vias_sur <- get_red_vial_vecinal(
  departamento = c("CUSCO", "PUNO", "AREQUIPA")
)

# Visualización con ggplot2
library(ggplot2)
library(dplyr)

# Mapa de red vial vecinal por tipo de superficie
ggplot(vias_cusco) +
  geom_sf(aes(color = superfic_l), linewidth = 0.6) +
  scale_color_manual(
    values = c(
      "Pavimentado" = "darkblue",
      "Afirmado" = "darkgreen",
      "Sin afirmar" = "orange",
      "Trocha" = "brown"
    ),
    name = "Tipo de Superficie"
  ) +
  labs(
    title = "Red Vial Vecinal de Cusco",
    subtitle = "Por Tipo de Superficie - PROVÍAS 2022",
    caption = "Fuente: PROVÍAS DESCENTRALIZADO | Visor - SDOT"
  ) +
  theme_minimal()

# Mapa por estado de conservación
ggplot(vias_cusco) +
  geom_sf(aes(color = estado_l), linewidth = 0.8) +
  scale_color_manual(
    values = c(
      "Bueno" = "darkgreen",
      "Regular" = "orange",
      "Malo" = "red"
    ),
    name = "Estado"
  ) +
  labs(
    title = "Estado de Conservación de la Red Vial Vecinal",
    subtitle = "Departamento de Cusco",
    caption = "Fuente: PROVÍAS DESCENTRALIZADO | Visor - SDOT"
  ) +
  theme_minimal()

# Análisis de longitud por tipo de superficie
vias_cusco |>
  st_drop_geometry() |>
  group_by(superfic_l) |>
  summarise(
    total_km = sum(longitud, na.rm = TRUE),
    n_tramos = n(),
    km_promedio = mean(longitud, na.rm = TRUE)
  ) |>
  arrange(desc(total_km))

# Análisis por estado y superficie
vias_cusco |>
  st_drop_geometry() |>
  group_by(estado_l, superfic_l) |>
  summarise(
    longitud_total = sum(longitud, na.rm = TRUE),
    .groups = "drop"
  ) |>
  arrange(desc(longitud_total))

# Filtrar vías en mal estado que necesitan intervención
vias_mal_estado <- vias_cusco |>
  filter(estado_l == "Malo")

# Análisis por provincia
vias_cusco |>
  st_drop_geometry() |>
  group_by(nombprov) |>
  summarise(
    longitud_total = sum(longitud, na.rm = TRUE),
    n_rutas = n_distinct(codruta),
    km_trocha = sum(longitud[superfic_l == "Trocha"], na.rm = TRUE),
    pct_trocha = (km_trocha / longitud_total) * 100,
    .groups = "drop"
  ) |>
  arrange(desc(longitud_total))

# Gráfico de barras: km por provincia
vias_prov_summary <- vias_cusco |>
  st_drop_geometry() |>
  group_by(nombprov) |>
  summarise(total_km = sum(longitud, na.rm = TRUE), .groups = "drop") |>
  arrange(desc(total_km)) |>
  head(10)

ggplot(vias_prov_summary, aes(x = reorder(nombprov, total_km), y = total_km)) +
  geom_col(fill = "steelblue") +
  coord_flip() +
  labs(
    title = "Top 10 Provincias con Mayor Red Vial Vecinal",
    subtitle = "Departamento de Cusco",
    x = "Provincia",
    y = "Longitud Total (km)",
    caption = "Fuente: PROVÍAS DESCENTRALIZADO"
  ) +
  theme_minimal()

# Análisis de superficie por provincia
vias_cusco |>
  st_drop_geometry() |>
  group_by(nombprov, superfic_l) |>
  summarise(km = sum(longitud, na.rm = TRUE), .groups = "drop") |>
  pivot_wider(names_from = superfic_l, values_from = km, values_fill = 0) |>
  arrange(desc(Trocha))

# Filtrar solo vías pavimentadas o afirmadas
vias_mejoradas <- vias_cusco |>
  filter(superfic_l %in% c("Pavimentado", "Afirmado"))

# Estadísticas generales
vias_cusco |>
  st_drop_geometry() |>
  summarise(
    longitud_total = sum(longitud, na.rm = TRUE),
    n_rutas = n_distinct(codruta),
    n_provincias = n_distinct(nombprov),
    km_trocha = sum(longitud[superfic_l == "Trocha"], na.rm = TRUE),
    pct_trocha = (km_trocha / longitud_total) * 100,
    km_afirmado = sum(longitud[superfic_l == "Afirmado"], na.rm = TRUE),
    pct_afirmado = (km_afirmado / longitud_total) * 100,
    km_mal_estado = sum(longitud[estado_l == "Malo"], na.rm = TRUE),
    pct_mal_estado = (km_mal_estado / longitud_total) * 100
  )

# Comparación entre provincias
vias_cusco |>
  st_drop_geometry() |>
  group_by(nombprov) |>
  summarise(
    total_km = sum(longitud, na.rm = TRUE),
    pct_bueno = sum(longitud[estado_l == "Bueno"], na.rm = TRUE) / total_km * 100,
    pct_regular = sum(longitud[estado_l == "Regular"], na.rm = TRUE) / total_km * 100,
    pct_malo = sum(longitud[estado_l == "Malo"], na.rm = TRUE) / total_km * 100,
    .groups = "drop"
  ) |>
  arrange(desc(total_km))

# Visualizar una provincia específica
vias_prov <- vias_cusco |>
  filter(nombprov == "CUSCO")

ggplot(vias_prov) +
  geom_sf(aes(color = estado_l), linewidth = 1) +
  scale_color_manual(
    values = c("Bueno" = "green", "Regular" = "orange", "Malo" = "red")
  ) +
  labs(
    title = "Red Vial Vecinal - Provincia de Cusco",
    subtitle = "Estado de Conservación",
    color = "Estado"
  ) +
  theme_minimal()
} # }