politicaspublicasvalencia:areas_vulnerables_vinaros
Diferencias
Muestra las diferencias entre dos versiones de la página.
Ambos lados, revisión anteriorRevisión previaPróxima revisión | Revisión previa | ||
politicaspublicasvalencia:areas_vulnerables_vinaros [2019/10/02 13:11] – [Documentación] kruitau | politicaspublicasvalencia:areas_vulnerables_vinaros [2019/10/03 13:23] (actual) – [Referencias] pbaldovi | ||
---|---|---|---|
Línea 1: | Línea 1: | ||
- | ====== Áreas vulnerables Vinaròs ====== | + | ====== Áreas vulnerables |
====== **Grupo de Vinarós** ====== | ====== **Grupo de Vinarós** ====== | ||
Línea 82: | Línea 82: | ||
- funcional. | - funcional. | ||
- | - A continuación, | + | - A continuación, |
+ | A la hora de la visualización, | ||
+ | {{: | ||
- | - | + | Vamos a probar con otra baremación con mayor gradación, porque da la sensación de que nos estamos perdiendo información. |
+ | - | ||
+ | Por otra parte, hemos añadido la capa del padrón, es una capa de puntos en la que seleccionamos los datos que corresponden al casco histórico. De esta capa nos interesan los datos referentes a año de nacimiento, país de nacimiento y nivel de estudios, que utilizaremos para definir vulnerabilidad socio-económica. Hemos incorporado la capa catastral de ' | ||
+ | |||
+ | Hacemos un proceso similar para la capa de 'año de edificación', | ||
+ | |||
+ | Nos encontramos con el problema, no obstante, de que cada punto marcado en el mapa no se corresponde con una persona, con lo cual no tenemos claro a cuanta gente identifica cada punto. Cuando convertimos a mapa de calor, se ven concentraciones muy grandes, pero al estar representando números absolutos, no podemos saber si ello tiene que ver con mayores concentraciones de personas. | ||
+ | {{ : | ||
+ | |||
+ | |||
+ | Para solucionarlo, | ||
+ | No es posible desagregar tanto para contar, con lo cual para contar cada categoría tenemos que crear una capa específica con esos datos únicamente. | ||
+ | |||
+ | Una vez obtenidos los números absolutos y calculados los porcentajes, | ||
+ | |||
+ | |||
+ | Por otra parte, superponiendo capas de edad de la edificación y personas sin estudios, no hay relación aparente, con lo que nos planteamos darle un valor de ponderación bajo. | ||
+ | |||
+ | Pasamos a la capa de edad. Aunque la intención era mostrar todas las edades, por una cuestión de tiempo solo generaremos tres categorías que relacionamos con mayor vulnerabilidad, | ||
+ | |||
+ | Otra de las problemáticas con la que nos encontramos está relacionada con la información sobre ayudas sociales. En ese sentido, se contabilizan el número total de ayudas prestadas, sin tener en cuenta si hay personas que puedan haberla recibido durante dos años consecutivos (2017 y 2018). Hemos utilizado la visualización de calle de Google, para comprobar mirando la tipología de vivienda si una densidad muy grande de ayudas sociales en un espacio muy pequeño tenía sentido. | ||
+ | |||
+ | La última variable que incorporamos a nuestro análisis es la de ' | ||
+ | |||
+ | Una vez vistos y comparados los distintos mapas, y ya que hemos encontrado muchas coincidencias entre las distintas variables medidas, decidimos dibujar áreas. | ||
+ | {{ : | ||
+ | |||
+ | La siguiente fase consiste en ponderar los diferentes elementos para crear un índice de vulnerabilidad. Es una operación complicada porque implica cierto grado de discrecionalidad. Por ejemplo, cuando planteamos que valor darle a la variable ' | ||
Luego uniremos toda la información y la ponderaremos para dar la información agregada por calles (constituyendo esto una de las capas). | Luego uniremos toda la información y la ponderaremos para dar la información agregada por calles (constituyendo esto una de las capas). | ||
+ | |||
+ | Al haber analizado desde diferentes formas cada uno de los análisis realizados, como por ejemplo, el mapa de estudios (el cual es de calor y daba tres puntos calientes), o el mapa de estudios de población (que ofrecía la información por cuadrículas), | ||
+ | La visualización, | ||
+ | |||
+ | El mapa de referencia catastral, además, tiene el inconveniente que superpone puntos. | ||
+ | |||
+ | Por tanto..., vamos a sacarlo por áreas de cuadros de 50 por 50. Cuando esta información se obtiene por porcentajes, | ||
+ | |||
+ | Las visualizaciones, | ||
+ | |||
+ | Las visualizaciones, | ||
+ | |||
+ | Y luego al final, tras la consolidación de los datos, se podrá ponderar toda la información para agregarla y obtener con ello un ranking de prioridades de actuación por parte de la Administración Pública. | ||
+ | |||
+ | Los datos se calculan por áreas confeccionadas por zonas/ | ||
+ | |||
+ | Desde QGis (por si acaso luego es útil), vamos a poner el área de cada zona dibujada (en base al conocimiento "sobre el terreno" | ||
+ | Para diferenciar las áreas, las hemos numerado. Hay 38. | ||
+ | |||
+ | En la representación se escogerán las zonas que más necesiten intervención por su vulnerabilidad. | ||
+ | |||
+ | Vamos a incorporar la cantidad de personas que viven en cada área. | ||
+ | Para ello se va a sacar, utilizando cualquiera de las capas generadas ayer como la de padrón. | ||
+ | |||
+ | Lo primero que se va a hacer ahora, es contar los puntos en polígono. | ||
+ | En las capas generadas ayer, cogemos cualquiera (no la que se le quitó el punto del asilo) y le pedimos que " | ||
+ | |||
+ | Se ha creado una nueva capa. Abrimos " | ||
+ | Analizamos ¿qué está pasando? y lo que pasa es que en el Juzgado y en el Colegio, no vive nadie, hay naves abandonadas... conclusión, | ||
+ | |||
+ | Decidimos, eliminar la capa generada y repetir el proceso basándonos en la capa sin asilo. | ||
+ | Cogemos "los puntos que están mal" y lo dejamos dentro del área del asilo. | ||
+ | |||
+ | Ejecutamos de nuevo el análisis de puntos y sobreescribimos la capa generada antes. | ||
+ | Analizamos. | ||
+ | |||
+ | Tenemos tres áreas con poca población (de nuevo)... algo no estamos haciendo bien. Sólo habíamos movido un punto, no todos... Problema. ¿Cómo podemos hacerlo? | ||
+ | |||
+ | Repetimos. | ||
+ | |||
+ | No había tantos puntos en el asilo... | ||
+ | |||
+ | Vale..., no utilizamos la edificación. | ||
+ | Utilizaremos los estudios, porque creemos que puede ser más representativo. | ||
+ | |||
+ | Hay más puntos. | ||
+ | |||
+ | Algo había mal en inmigración, | ||
+ | |||
+ | Vamos moviendo punto a punto... ¿habrá alguna forma de moverlos todos a la vez? El proceso es farragoso y lento. | ||
+ | |||
+ | Es importante, tras cada paso, comprobar si éste tiene errores o no. | ||
+ | |||
+ | Vamos a volver a hacer el cálculo de la población total en cada área.Contamos puntos. | ||
+ | |||
+ | Analizamos el resultado. Las áreas pequeñas y las zonas con dotación de edificios públicos, tienen poca población. | ||
+ | En la zona de la playa, con edificios altos, hay poca gente empadronada porque son segundas residencia. | ||
+ | Como el resultado tiene sentido, seguimos avanzando. | ||
+ | |||
+ | Para sacar el primero de los planos, el de certificados energéticos, | ||
+ | |||
+ | Ayer se obtuvieron unas valoraciones, | ||
+ | |||
+ | Con la " | ||
+ | |||
+ | Desde propiedades, | ||
+ | En equipo, analizamos el resultado para validarlo, si procede. | ||
+ | |||
+ | Tal vez, en lugar de por puntos, se representaría mejor por parcela. | ||
+ | Podríamos contar los puntos y poner etiquetas con la suma de puntos por área. | ||
+ | |||
+ | La visualización, | ||
+ | Contamos puntos... | ||
+ | |||
+ | Le vamos a pedir que, en otra capa, cuente sólo los " | ||
+ | |||
+ | De momento, los F-G, están por toda el área de estudio. | ||
+ | De momento, hay una discordancia entre la tabla con datos y el mapa obtenido. | ||
+ | |||
+ | Estaba todo bien. Vamos a "unir atributos por localización" | ||
+ | |||
+ | La representación, | ||
+ | |||
+ | No nos acaba de gustar cómo de clasificador es la representación anterior. | ||
+ | Quitamos las zonas con buenos certificados energéticos. | ||
+ | |||
+ | Ahora vamos a obtener el mapa de "edad de la edificación" | ||
+ | |||
+ | Hay que trabajar la información porque el primer resultado no visualiza claramente la realidad. | ||
+ | |||
+ | Vamos a pedir que muestre las viviendas más antiguas de 50 años. | ||
+ | |||
+ | Publicamos segundo mapa (de edificación) para el " | ||
+ | |||
+ | Siguiente... | ||
+ | Mapa de estudios. | ||
+ | El mapa calculado tiene exceso de puntos para poder obtener conclusiones, | ||
+ | Tras contar los puntos, valoramos que se pueda colorear las zonas donde hay mayor cantidad de personas sin estudios. Se concluye que las personas sin estudios, se concentran en las zonas periféricas, | ||
+ | |||
+ | Iniciamos mapa de inmigrantes. | ||
+ | El resultado es similar a la tabla sin estudios. Algo no está bien. | ||
+ | No se ha hecho bien. | ||
+ | Ag! Sin estudios tampoco se ha hecho bien. Hemos cogido a toda la población... Ah ho! De estudios está bien... | ||
+ | Volvemos a hacerlo a ver que pasa... | ||
+ | Efectivamente.. estaba mal :( Lo borramos. | ||
+ | |||
+ | Volvemos atrás... | ||
+ | |||
+ | El resultado muestra un barrio que claramente es vulnerable. | ||
+ | |||
+ | Pasamos al mapa de los inmigrantes. El resultado es congruente y diferente al análisis del mapa sin estudios. | ||
+ | |||
+ | Queda el mapa de ayudas sociales y a continuación, | ||
+ | |||
+ | De la capa de personas mayores, se ha extraído: | ||
+ | -los mayores de 65, los mayores de 75 y los mayores de 85. | ||
+ | |||
+ | Sobre el anterior mapa, volvemos a contar, sólo los de 85 años. | ||
+ | El resultado no es posible. Se detecta un error. | ||
+ | |||
+ | El error estaba en contar una capa que no tocaba. Ahora ya sólo cuenta los mayores de 65. | ||
+ | |||
+ | Faltan los mapas de ayudas y los del estado del edificio. | ||
+ | |||
+ | El mapa de ayudas, se ha hecho como mapa de calor. | ||
politicaspublicasvalencia/areas_vulnerables_vinaros.txt · Última modificación: 2019/10/03 13:23 por pbaldovi