Skip to contents

Introducción

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.


1. Flujo de Trabajo con Datos del Usuario

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).

Paso 1: Carga y Diagnóstico No Invasivo de la Red

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)
#> Linking to GEOS 3.12.1, GDAL 3.8.4, PROJ 9.4.0; sf_use_s2() is TRUE

# 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:

plot(diag)

Paso 2: Construcción del Grafo y Reparación Opcional

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:32719

2. Cálculo de la Métrica de Caminabilidad (Rust)

El 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 km

3. Visualización Cartográfica con ggplot2

Las 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)


4. Análisis de Circuidad y Desvío de Rutas

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. 
#>   1.190   1.226   1.260   1.285   1.301   1.743

Valores cercanos a 1.0 reflejan una retícula directa y eficiente; valores sustancialmente superiores evidencian rodeos obligados por cul-de-sacs o barreras físicas.