MateWiki - Contribuciones del usuario [es]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T16:37:07Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''1) Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|500px|centro| Renta por distrito]] [[Archivo:Paro.jpg|500px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|500px|centro|Vehículos por distrito]] [[Archivo:Vehxhab.jpg|500px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''2) Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:LimeM.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:EcooltraM.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2GoM.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:EmovM.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.
Conviene notar, que Fuencarral y Moncloa-Aravaca son dos distritos muy amplios, que tienen parte en la almendra central, con un gran número de población joven, donde el servicio funciona bastante bien.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LimeD.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:EcooltraD.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:EmovD.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2GoD.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:LimeM.jpg

2018-12-09T16:34:19Z

Nachoblazglez97:

Archivo:EmovM.jpg

2018-12-09T16:29:32Z

Nachoblazglez97:

Archivo:LimeD.jpg

2018-12-09T16:29:31Z

Nachoblazglez97:

Archivo:EmovD.jpg

2018-12-09T16:29:04Z

Nachoblazglez97:

Archivo:EcooltraM.jpg

2018-12-09T16:28:40Z

Nachoblazglez97:

Archivo:EcooltraD.jpg

2018-12-09T16:27:50Z

Nachoblazglez97:

Archivo:Car2GoM.jpg

2018-12-09T16:27:36Z

Nachoblazglez97:

Archivo:Car2GoD.jpg

2018-12-09T16:26:40Z

Nachoblazglez97:

Centros Deportivos en el distrito de Hortaleza: Pinar del Rey y Apóstol Santiago. Servicios ofertados y accesibilidad en transporte público y privado.

2018-12-09T15:26:39Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de la accesibilidad y servicios ofertados en los centros deportivos de Pinar del Rey y Apóstol Santiago | Miguel Peña Martín de Prado (2603), Bryan Barrantes (2054), Ghita Serghini (2229), Paula Piñeiro-Estrella (2206) | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}
Actualmente, la sociedad dispone de un amplio mercado de ofertas que barren todo el espectro de la demanda. Este mercado, del que estamos hablando, no se encuentra para nada especializado o focalizado en un único frente o sector; sino que impone su presencia en todo lo que necesitamos, lo que no, lo que a priori pensamos que no necesitamos, lo que deseamos, etc. De esta manera, se nos abre un mundo de posibilidades, alternativas, opciones; es decir, de decisiones. Pensamos que una de las decisiones más básicas que tomamos cada uno de nosotros es decidir si queremos estar en buena forma física o, dicho de otra manera, si queremos cuidar de nuestra salud. Una vez decidido esto, se nos abre una amplia variedad de alternativas, en cuanto a deportes, centros deportivos, gimnasios, actividades físicas al aire libre, actividades indoor, etc. Por lo tanto, nos surgen muchas preguntas como: ¿a qué centro deportivo puedo acudir para practicar natación?, ¿tiene pistas de pádel?, ¿cuánto valen las clases?, ¿qué parada de transporte público es la más cercana?, ¿cómo puedo llegar desde la estación más cercana?, ¿cuánto tiempo tardo en llegar?, ¿tiene aparcamiento privado?, etc. Por todo esto, creemos interesante y necesario ofrecer a los usuarios una herramienta visual con la que poder hacer mucho más fácil y rápida esta decisión; a la vez que poner en su conocimiento todas las alternativas que posee en función de su ubicación.
== Introducción ==
A lo largo del presente trabajo, nos encargaremos de responder a gran parte de las preguntas que cualquier persona de a pie le pueden surgir con respecto a la elección del centro deportivo en el que realizar la actividad física o deportiva que desee; algunas de las cuales hemos enunciado anteriormente. Para ello, elaboraremos un visor Carto, aprovechando su conexión con Google Maps, sus análisis y widgets; mediante el cual el usuario podrá filtrar los centros deportivos en función de los servicios ofertados, los equipamientos, precio y accesibilidad; visualizando en todo momento la proximidad de todos los centros deportivos estudiados a las estaciones de metro y estaciones de autobús, a través de radios de influencia (buffers) que tienen como centro los centros deportivos. De esta manera, pondremos en conocimiento del usuario cuáles serían las opciones de transporte público existentes más interesantes. De esta manera, con una serie de operaciones o análisis y widgets, realizados dentro de Carto, el usuario podrá realizar todo tipo de comprobaciones que facilitarán su decisión, tales como: visualizar todos los centros deportivos que tengan un determinado equipamiento, los centros deportivos que tengan dentro de su radio de influencia una determinada estación de metro o autobús y múltiples combinaciones más.
== Metodología ==
Inicialmente, disponíamos de la siguiente información relativa a toda la Comunidad de Madrid: centros deportivos (polideportivos), estaciones de metro, estaciones de autobús, líneas de metro, líneas de autobús, estaciones y líneas de Renfe cercanías; y, por último, barrios. Sin embargo, considerando el tiempo que disponíamos, las recomendaciones de nuestro tutor de trabajo y el alcance o detalle que queríamos dar a nuestro trabajo, decidimos seleccionar dos barrios de toda la Comunidad de Madrid: Pinar del Rey (28033) y Apóstol Santiago (28017), ambos pertenecientes al distrito de Hortaleza. Los barrios seleccionados encajaban perfectamente con las características que estábamos buscando para poder desarrollar un visor eficaz y con información variada, por la cantidad adecuada de centros deportivos y las condiciones de transporte público.

Una vez decidido los barrios, era necesario crear un nuevo mapa con los elementos que pertenecen a ambos barrios del distrito de Hortaleza. Para ello, redujimos las tablas de atributos únicamente a los elementos de estudio. A la hora de restringir las tablas de atributos a los elementos que se encuentran en el área de estudio no encontramos columnas comunes en las tablas de atributos que permitan seleccionar, dentro de CARTO, únicamente los polideportivos, paradas de autobús, bocas de metro, etc; que pertenecen al área estudiada.

Para resolver este problema recurrimos a las herramientas de geoproceso de QGIS. Incorporamos la capa de barrios y las capas de bocas de metro, polideportivos y paradas de autobús (al no tener estaciones de cercanías, no se consideran de aquí en adelante). Eliminamos de la tabla de atributos de la capa de barrios todas las filas (barrios) a excepción de las correspondientes a los barrios de estudio. A continuación, entramos en Vectorial > Herramientas de investigación > Seleccionar por localización. Esto nos permite seleccionar en la tabla de atributos de las capas polideportivos, bocas de metro o paradas de autobús, aquellas filas que correspondan a los elementos que se encuentren dentro de los barrios seleccionados. A continuación, eliminamos los elementos que nos interesan (seleccionados). Incorporamos, de nuevo, las capas completas de bocas de metro, paradas de autobús y polideportivos, cerciorándonos de que no se hayan sido modificadas por los cambios descritos antes (fue necesario volver a descargarlas porque al eliminar elementos de la tabla de atributos, los datos también se eliminaron del archivo .shp). Se procede, entonces, a crear una capa con los elementos de interés. Para ello empleamos la herramienta Diferencia: Vectorial > Herramientas de geoproceso > Diferencia y restamos a la capa completa, aquella en la que hemos eliminado los elementos que nos interesan. Esta herramienta nos crea una nueva capa que contiene, únicamente, los elementos pertenecientes a los barrios seleccionados.

Una vez que obtuvimos las tablas de atributos reducidas al área de estudio, procedimos a modificar los atributos a fin de hacer más atractivos los filtros que ofrece la plataforma Carto. Para ello, por ejemplo, en la capa de polideportivos, se crea una columna por cada equipamiento del que dispone el centro, indicando el número de instalaciones del mismo (el valor 0 indica que dicho polideportivo no dispone de dicha instalación); en la capa de bocas de metro se creó una columna por cada línea que llegaba a dicha boca; y en la capa de paradas de autobús se creó una columna por cada línea de autobús que llega.

Por otro lado, para el dibujo de las líneas de metro y autobuses se decidió pintar únicamente los tramos comprendidos en el área de estudio, por lo que hubo que recurrir, de nuevo, a QGIS. Se eliminaron las líneas que no tenían ningún tramo en el área de estudio. De las restantes, se empleó la herramienta de geoproceso “cortar” para recortar las líneas al área de los barrios seleccionados.

Otra herramienta que se utilizó fue: Vectorial > Herramientas de gestión de datos > Unir atributos por localización. Esto nos permitió incorporar a las tablas de atributos de polideportivos el código postal de la zona a la que pertenecían, ya que su tabla de atributos no incorporaba dicho dato. Sin embargo, este análisis no fue suficiente para poder filtrar los polideportivos que pertenecían al área de estudio, ya que el código postal no está asociado al barrio, de manera que el resultado que se obtenía filtrando por código postal no era el deseado, dejando pintadas instalaciones fuera del área de estudio y eliminando de la tabla de atributos filas correspondientes a polideportivos pertenecientes a los barrios seleccionados. Sin embargo, como disponíamos de la capa de polideportivos en formato CSV, nos dimos cuenta de que la tabla de atributos contenía los barrios a los que pertenecen los polideportivos de estudio. Por lo tanto, ordenando los elementos (polideportivos) por el orden alfabético de los barrios, obtuvimos fácilmente los centros deportivos situados dentro del área de estudio. Tal como se ha mencionado anteriormente, modificamos la presentación y estética de la tabla de atributos de esta capa. Además de la modificación de la presentación de los equipamientos antes comentado, agrupamos, en diferentes columnas, las estaciones de metro y líneas de autobús más cercanas; así como también, la dirección correspondiente.

Por otro lado, se pensó en incorporar la herramienta que ofrece QGIS de Grafo de Rutas. Sin embargo, no se encontró la manera de implementarlo en Carto; por lo que se recurrió a emplear isócronas de tiempo que, en definitiva, muestran la información que se deseaba: paradas de autobús o bocas de metro que puedo alcanzar andando en un determinado tiempo desde cada polideportivo de estudio. No obstante, el resultado que obteníamos con la herramienta de análisis “isócronas” o “buffer de tiempo” no era el que esperábamos; de tal manera que la forma de dichas isócronas de tiempo nos hacía desconfiar de su veracidad en algunos tramos o puntos de este. Acudiendo a CartoSupport, nos dimos cuenta de que era el único resultado que podíamos obtener para el tipo de cuenta que disponíamos (cuenta estudiante). Por lo tanto, tuvimos que prescindir de incluir los buffers de tiempo en el visor.

Ante el problema de las isócronas de tiempo, solo nos quedaba la opción de buffers de distancia. Decidimos ejecutar dos capas de buffers de 200 m de radio, teniendo como centro cada uno de los centros deportivos. A continuación, utilizamos el análisis “Intersecar y agregar” de Carto entre las capas de buffers y las capas de estaciones de metro y estaciones de autobús (por eso creamos dos capas de buffers). De esta manera, obtuvimos dos capas que reflejaban, en una columna de su tabla de atributos, el número de estaciones de metro y autobús situadas dentro del área de influencia de cada buffer.

Finalmente, una vez creadas todas las capas necesarias e implementados todos los análisis requeridos, añadimos diferentes widgets que nos ofrece la plataforma Carto; con la finalidad de facilitar el manejo de los usuarios dentro del visor.
== Resultados ==
<iframe width="100%" height="520" frameborder="0" src="https://miguel-pena-mdp.carto.com/builder/964c599b-a40d-42f9-9010-d2879db893e3/embed" allowfullscreen webkitallowfullscreen mozallowfullscreen oallowfullscreen msallowfullscreen></iframe>

== Resumen de las dificultades para obtener algunos de los objetivos iniciales ==
Una de las intenciones iniciales era conseguir calcular las distancias a pie hasta las Instalaciones deportivas. La idea era descargar un archivo con las calles de la zona y vectorizarlas en QGIS, pero el problema fue que es una herramienta en línea de QGIS que no crea ninguna capa de resultados ni ninguna capa .shp que permita trasladar los resultados a Carto.

Como alternativa, se intentó realizar directamente en Carto un análisis “Create Tavel/distance buffers”, que crea una capa de isolíneas de tiempo desde cada polideportivo, pero los resultados obtenidos no eran coherentes (como se puede observar en la imagen).
[[Archivo:isocronas_2.png|500px|thumb|left|Isócronas de tiempo]]
[[Archivo:isócronas.png|500px|thumb|right|Isócronas de tiempo]]

Ante el resultado, se decidió consultar a Carto. Al parecer el problema era debido a la limitación de Carto para las cuentas de estudiante.
Como última opción, se decidió realizar unos bufferes de 200 m de distancia, que nos permitiesen filtrar tanto las paradas de autobús, como las de metro y los parkings más cercanos.

Otra de las intenciones iniciales era añadir la visualización de los recorridos de las líneas de autobús, pero no se pudo por la limitación de 8 capas que impone Carto para cuentas de estudiante.

Por último, se pretendía añadir más información sobre las instalaciones (horarios, números de teléfono…) pero se acabó descartando la opción, debido a la dificultad de encontrarlos en internet.
== Conclusiones ==
El análisis se ha realizado sobre los Centros Deportivos Municipales, más comúnmente llamados Polideportivos, así como todas las Instalaciones Deportivas Municipales Básicas que hay en la capital cuya titularidad es del Ayuntamiento de Madrid.

Siendo un trabajo académico, se ha centrado únicamente en los barrios del distrito de Hortaleza; Pinar del Rey y Apóstol Santiago. Se ha decidido realizar en una zona reducida ya que el objetivo ha sido plasmar la metodología necesaria para realizar un estudio de estas características. Demostrando así las amplias posibilidades de análisis.

El 2 de octubre de 2017, el diario ABC publicaba un artículo sobre las posibilidades de realizar deporte en Madrid, aportando un análisis interactivo sobre las distintas instalaciones deportivas del Ayuntamiento de Madrid. A través de una visualización en Google Maps de los distintos polideportivos y una tabla de atributos en la que se podía filtrar por nombre, distrito, barrio y deporte, el análisis estaba enfocado principalmente a encontrar las instalaciones deseadas que se encontraban más cerca.

El presente estudio ofrece las mismas posibilidades y, además, hemos añadido información sobre paradas de autobús, estaciones de metro y parkings que se encuentran en un radio de 200 m a cada centro deportivo.
== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T11:18:13Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''1) Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|500px|centro| Renta por distrito]] [[Archivo:Paro.jpg|500px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|500px|centro|Vehículos por distrito]] [[Archivo:Vehxhab.jpg|500px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''2) Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.
Conviene notar, que Fuencarral y Moncloa-Aravaca son dos distritos muy amplios, que tienen parte en la almendra central, con un gran número de población joven, donde el servicio funciona bastante bien.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T10:54:16Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''1) Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|500px|centro| Renta por distrito]] [[Archivo:Paro.jpg|500px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|500px|centro|Vehículos por distrito]] [[Archivo:Vehxhab.jpg|500px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''2) Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T00:15:22Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|500px|centro| Renta por distrito]] [[Archivo:Paro.jpg|500px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|500px|centro|Vehículos por distrito]] [[Archivo:Vehxhab.jpg|500px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T00:14:14Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|500px|left| Renta por distrito]]
[[Archivo:Paro.jpg|500px|right|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|500px|left|Vehículos por distrito]]
[[Archivo:Vehxhab.jpg|800px|right|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T00:13:18Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|500px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|800px|centro| Renta por distrito]]
[[Archivo:Paro.jpg|800px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|800px|centro|Vehículos por distrito]]
[[Archivo:Vehxhab.jpg|800px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T00:11:46Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]
[[Archivo:Poblacionjoven.jpg|800px|centro|Poblacion joven por distrito]]
Respecto a la población podemos ver que la mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Renta y paro:'''

Respecto a la renta, podemos apreciar que las rentas más altas se sitúan en el centro, seguidas de las del norte y las rentas más bajas en el sur.
El paro más elevado está en el sur coincidiendo con las rentas más bajas y en el centro es donde vemos los valores más bajos.

[[Archivo:Renta.jpg|800px|centro| Renta por distrito]]
[[Archivo:Paro.jpg|800px|centro|Paro por distrito]]

'''Vehículos:'''

Los vehículos podemos apreciar que en el este de la ciudad es donde menos hay, el distrito de Fuencarral es el distrito con más vehículos y en el centro apreciamos los valores entre 90.000 y 110.000.
En vehículos por habitante destacar como en el sur debido posiblemente a las rentas más bajas hay menos vehículos por habitante. También mención especial el centro que pese a tener renta alta hay menos vehículos, debido posiblemente a una menor necesidad de estos.

[[Archivo:Vehiculos.jpg|800px|centro|Vehículos por distrito]]
[[Archivo:Vehxhab.jpg|800px|centro|Vehículos por habitante y distrito]]

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-09T00:00:35Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T23:59:12Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An Poblacionydens.jpg|800px|centro|Poblacion y densidad por distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:Vehxhab.jpg

2018-12-08T23:57:03Z

Nachoblazglez97:

Archivo:Poblacionjoven.jpg

2018-12-08T23:56:15Z

Nachoblazglez97:

Archivo:Vehiculos.jpg

2018-12-08T23:55:55Z

Nachoblazglez97:

Archivo:Paro.jpg

2018-12-08T23:55:08Z

Nachoblazglez97:

Archivo:Renta.jpg

2018-12-08T23:53:37Z

Nachoblazglez97:

Archivo:Poblacionydens.jpg

2018-12-08T23:52:50Z

Nachoblazglez97:

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T19:42:08Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Media de Vehiculos de Transporte colaborativo por cada distrito:'''

'''Lime'''
[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''
[[Archivo:Ecooltra_de_Media_2.jpg|500px|centro|media ecooltra]]

'''Car2Go'''
[[Archivo:Car2Go_de_Media_Final_2.jpg|500px|centro|media car2go]]

'''Emov'''
[[Archivo:Emov_de_Media_2.jpg|500px|centro|media emov]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|izquierda|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]
[[Archivo:Reco3.JPG|izquierda|miniaturadeimagen|Recopilatorio Emov]]
[[Archivo:Reco4.JPG|centro|miniaturadeimagen|Recopilatorio Car2Go]]

'''Diferencias horarias en las medias de vehiculos disponibles:'''
Veh Tarde - Veh. Mañana

[[Archivo:LIME_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Lime]]
[[Archivo:Ecooltra_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Ecooltra]]
[[Archivo:Emov_de_Diferencia_2.jpg|izquierda|miniaturadeimagen|Diferencias Emov]]
[[Archivo:Car2Go_de_Diferencia_2.jpg|centro|miniaturadeimagen|Diferencias Car2Go]]

'''Datos estadísticos recogidos y medias:'''
[[Archivo:Nota3.JPG|izquierda|miniaturadeimagen|Caracacterísticas sociales]]
[[Archivo:Nota4.JPG|centro|miniaturadeimagen|Numero de vehículos colaborativos]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:Nota4.JPG

2018-12-08T19:40:59Z

Nachoblazglez97:

Archivo:Nota3.JPG

2018-12-08T19:39:01Z

Nachoblazglez97:

Archivo:Ecooltra de Diferencia 2.jpg

2018-12-08T19:35:27Z

Nachoblazglez97:

Archivo:Emov de Diferencia 2.jpg

2018-12-08T19:34:27Z

Nachoblazglez97:

Archivo:LIME de Diferencia 2.jpg

2018-12-08T19:33:50Z

Nachoblazglez97:

Archivo:Car2Go de Diferencia 2.jpg

2018-12-08T19:32:49Z

Nachoblazglez97:

Archivo:Emov de Media 2.jpg

2018-12-08T19:27:01Z

Nachoblazglez97:

Archivo:Car2Go de Media Final 2.jpg

2018-12-08T19:26:30Z

Nachoblazglez97:

Archivo:Reco4.JPG

2018-12-08T19:18:11Z

Nachoblazglez97:

Archivo:Reco3.JPG

2018-12-08T19:17:19Z

Nachoblazglez97:

Archivo:Ecooltra de Media 2.jpg

2018-12-08T12:50:33Z

Nachoblazglez97:

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T10:59:02Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''

'''Car2Go'''

'''Emov'''

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==
'''Datos obtenidos durante las mañanas y tardes de diversos días:'''
[[Archivo:Reco1.JPG|centro|miniaturadeimagen|Recopilatorio Lime]]
[[Archivo:Reco2.JPG|centro|miniaturadeimagen|Recopilatorio Ecooltra]]

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:Reco2.JPG

2018-12-08T10:56:33Z

Nachoblazglez97:

Archivo:Reco1.JPG

2018-12-08T10:53:20Z

Nachoblazglez97:

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T10:50:41Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; '''Ecooltra''', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''

'''Car2Go'''

'''Emov'''

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T10:49:31Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: '''Lime''', de patinetes; ''Ecooltra'', de motos; '''Emov''', de coches eléctricos de 4 plazas; y '''Car2Go''', de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana '''(8:00)''' y otra por la tarde '''(15:00)'''. De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

'''Ecooltra'''

'''Car2Go'''

'''Emov'''

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T10:46:01Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: Lime, de patinetes; Ecooltra, de motos; Emov, de coches eléctricos de 4 plazas; y Car2Go, de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana (8:00) y otra por la tarde (15:00). De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Notasocial.jpg|800px|centro|Valoracion Socio-Economica del Distrito]]

De ello se desprende que los barrios en que ya está establecido el servicio son los más idóneos. Fuera de la almendra central, los distritos que aprueban y a los que se podría ampliar el servicio son '''Carabanchel, Usera, Moratalaz, Ciudad Lineal y Puente de Vallecas'''.
El barrio peor parado del análisis sería '''Barajas'''. Sin embargo, no hemos tenido en cuenta la presencia del Aeropuerto, que podría verse como un elemento clave para el uso del transporte colaborativo.

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Notavehi.jpg|800px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:Notavehi.jpg

2018-12-08T10:38:17Z

Nachoblazglez97:

Archivo:Notasocial.jpg

2018-12-08T10:37:47Z

Nachoblazglez97:

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T02:23:14Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago Díaz | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: Lime, de patinetes; Ecooltra, de motos; Emov, de coches eléctricos de 4 plazas; y Car2Go, de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana (8:00) y otra por la tarde (15:00). De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Nota1.jpg|500px|centro|Valoracion Socio-Economica del Distrito]]

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Nota2.JPG|500px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T02:19:02Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: Lime, de patinetes; Ecooltra, de motos; Emov, de coches eléctricos de 4 plazas; y Car2Go, de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

La primera labor consistió en digitalizar el mapa de distritos de Madrid. Madrid está conformado por 21 distritos. De ellos, 7 siempre se encuentran totalmente dentro del limite de disponibilidad del servicio de vehículos: Centro, Tetuán, Arganzuela, Retiro, Chamartín, Salamanca y Chamberí. Moncloa-Aravaca y Fuencarral-El Pardo, son dos extensísimos distritos, que tienen partes que también siempre caen dentro de estas áreas. Algunos vehículos se proyectan hacia los distritos de Hortaleza y Ciudad Lineal, pero para los demás distritos no existe ningún tipo de estos servicios.

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana (8:00) y otra por la tarde (15:00). De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

[[Archivo:An poblacion.jpg|800px|centro|Poblacion Por Distrito]]

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

'''Metro'''

La red de metro tiene forma radial. Debido a esto el centro tiene una gran facilidad de movimiento y eso puede estar relacionado con el bajo número de vehículos por habitante. También destacar las dificultades desde extrarradio para moverse ya que solo hay conexión con el centro.
[[Archivo:paradasmetro2.jpg|600px|centro|Paradas de Metro]]

La forma de proceder fue la siguiente: digitalizamos cada una de las paradas de la red de metro, así como las líneas que las conectan. A partir del georreferenciador calculamos el número de paradas por distrito. Asimismo, nos pareció importante determinar el área de influencia de las paradas. Una distancia que nos pareció correcta fueron 400 metros. Así, ejecutamos un buffer de 400 metros.

'''BiciMad'''
[[Archivo:paradasbicimad.JPG|centro|Paradas de BiciMad]]

En este caso, para sacar el número de paradas de BiciMad por distritos lo que hicimos fue digitalizar los 152 paradas de BiciMad en Madrid , y a través del georreferenciador calculamos el número que le correspondía a cada distrito.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|500px|centro|media lime]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Nota1.jpg|500px|centro|Valoracion Socio-Economica del Distrito]]

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Nota2.JPG|500px|centro|Distribucion vehiculos por Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]

Archivo:Paradasmetro2.jpg

2018-12-08T02:16:49Z

Nachoblazglez97:

Archivo:Paradasbicimad.JPG

2018-12-08T02:11:09Z

Nachoblazglez97:

Archivo:Paradasmetro.JPG

2018-12-08T02:08:43Z

Nachoblazglez97:

Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid

2018-12-08T01:32:29Z

Nachoblazglez97:

{{ TrabajoSIG | Estudio de viabilidad de las nuevas formas de transporte colaborativo en Madrid | Ignacio Blázquez, Carlos Maroto, Pablo Vidal, Santiago | [[:Categoría:SIGAIC_18/19|Curso 18/19]] }}

Cada vez que salimos a la calle nos encontramos multitud de vehículos de todo tipo: patinetes, motocicletas, bicicletas, coches… a los que podemos acceder a través de una aplicación. Todos estos vehículos enarbolan la bandera del transporte sostenible y del ecologismo. Nadie duda del hecho de que se han convertido en una revolución en la forma de moverse por una ciudad. Y en este contexto Madrid se ha convertido en un laboratorio viviente, donde distintas empresas están invirtiendo en un novedoso negocio cuyos frutos veremos en algunos años. Es interesante, por tanto, realizar un estudio sobre la implantación y la aptitud del negocio en virtud de las características de los distritos de Madrid.

== Introducción ==

Todas las sociedades anteriormente descritas ofrecen un servicio limitado a ciertas áreas de la capital. Nuestro trabajo versará en calificar según las características sociales, económicas y demográficas de los distintos distritos, la idoneidad para el desarrollo del negocio, y trasladaremos este estudio a los barrios del extrarradio que actualmente no disfrutan del servicio.

Estudiaremos también el grado de implantación actual de 4 empresas: Lime, de patinetes; Ecooltra, de motos; Emov, de coches eléctricos de 4 plazas; y Car2Go, de coches eléctricos de 2 plazas. Todos ellos tienen unos precios similares que varían entre los 19 y los 24 céntimos, por lo que no existen grandes diferencias que hagan al consumidor elegir entre un medio u otro, más allá de la disponibilidad y la accesibilidad a ellos.

== Metodología ==

En primer lugar dividimos la búsqueda de datos en dos ámbitos, características sociales y transporte colaborativo:

• '''Características sociales'''

Empezamos buscando datos básicos relacionados con la ciudad de Madrid, dividiéndola por distritos para tener un estudio más específico. Por lo tanto, entramos en el portal web del Ayuntamiento de Madrid y sacamos en formatos Excel la población, población joven, paro, renta y vehículos por habitante. Además, digitalizamos el mapa de la ciudad para dividirla por distritos y de esta forma sintetizar todas las tablas de datos que teníamos. Gracias a esto último pudimos sacar el área y por tanto la densidad de población, que también será un dato importante.

Obtuvimos datos sobre la renta personal por distrito, el paro, el número de vehículos por persona, el acceso a la red de metro e incluso el número de paradas de BiciMad.

De cada campo, hicimos un mapa temático para posteriormente estudiarlos conjuntamente y sacar conclusiones.
Podemos decir que todos los datos y mapas obtenidos con las características sociales de la ciudad nos sirvieron para una posterior comparación y una toma de decisiones totalmente relacionadas con este aspecto.

Toda la información y datos los sacamos gracias a estos enlaces:

https://www.madrid.es/portales/munimadrid/es/Inicio/El-Ayuntamiento/Estadistica/Distritos-en-cifras/Distritos-en-cifras-Informacion-de-Distritos-/?vgnextfmt=default&vgnextoid=74b33ece5284c310VgnVCM1000000b205a0aRCRD&vgnextchannel=27002d05cb71b310VgnVCM1000000b205a0aRCRD

https://www.metromadrid.es/es/viaja-en-metro/plano-de-metro-de-madrid

http://barriosdemadrid.net/mapas/distritos/

• '''Vehiculos de Transporte colaborativo'''

Esta parte del trabajo consistió en analizar varios de los transportes colaborativos ya existentes y que actúan en Madrid y compararlos con las características sociales de la población, así como también con la influencia que tiene el metro en las distintas zonas.
De esta forma estudiamos Car2go y Emov (coches), Ecooltra (motos) y Lime (patinetes).

Hay que comentar que la forma de estudio de estos medios ha sido complicada debido a los pocos datos públicos que dan dichas empresas, por lo que nuestro método se ha basado en descargándonos dichas aplicaciones en las cuales se reservan sus vehículos.

Lo primero ha sido digitalizar en nuestro mapa de la ciudad dividido por distritos los límites de trabajo en los cuales te puedes desplazar con dichos vehículos. Tras ello hemos contabilizado los vehículos que hay disponibles en cada distrito durante varios días y haciéndolo dos veces al día, una por la mañana (8:00) y otra por la tarde (15:00). De este modo hemos obtenido la media de vehículos disponibles por distrito y hemos realizado una diferencia entre los vehículos que había por la tarde y los que había por la mañana para ver el uso de estos a lo largo del día por distrito; de este modo, que haya distritos con una diferencia negativa, significa que tienen más vehículos por la tarde que por la mañana.
Además, cabe añadir que hemos digitalizado tanto las paradas de metro, como la misma línea y hemos realizado un buffer de 400m en las paradas para un posterior estudio de la afección en cada distrito del transporte público, con el transporte colaborativo. Consideramos que el transporte público es totalmente complementario con el transporte colaborativo, sobre todo en los distritos de extrarradio, como una herramienta clave de intermodalidad.

== Resultados ==

• '''Características sociales'''

'''Población:'''

Respecto a la población podemos ver que lla mayor parte se concentra en el centro y en algunos del este de Madrid.
En el centro hay una gran cantidad de población joven y donde más se concentra es en el sur, distritos de Latina, Carabanchel y Puente de Vallecas.
La densidad es mayor en el centro al ser distritos más poblados y con menos superficie, a las afueras la concentración es menor.

• '''Vehiculos de Transporte colaborativo'''

'''Lime'''

[[Archivo:Medialime.jpg|700px|centro|media lime]]

== Conclusiones ==

Finalmente, a partir de la ingente cantidad de recursos de los que disponíamos, establecimos un sistema de puntuación para poder dar un orden de magnitud y calificar estos datos.
En primer lugar, teníamos que valorar los datos de índole socio-económica que disponíamos, en función del grado en que beneficiaba a la implantación del transporte colaborativo. Así, y a partir de las medias, minoramos factores como las áreas, o el número de paradas de metro y mayoramos factores como la población o la renta.
El sistema de puntuación fue este:
[[Archivo:Nota1.jpg|700px|centro|Valoracion Socio-Economica del Distrito]]

Análogamente, realizamos un análisis parecido con los datos recopilados sobre el numero de vehículos por distritos. Los resultados fueron los siguientes:
[[Archivo:Nota2.JPG|700px|centro|Distribucion vehiculos en el Distrito]]
Arganzuela es el distrito con más media de vehículos de transporte colaborativo de todo Madrid. La zona Centro y el Barrio de Salamanca suspenden.

== Anejos ==

[[Categoría:Sistemas de Información Geográfica Aplicados a la Ingeniería Civil]]
[[Categoría:SIGAIC_18/19]]