Coronavirus Impact Dashboard Toolbox incluye fuentes de datos disponibles públicamente y código abierto para procesar datos de Waze for Cities. En su conjunto, estas herramientas son la base de un tablero que muestra el impacto de las medidas de distanciamiento social en la movilidad en América Latina y el Caribe desde el inicio de la pandemia del coronavirus. El código se puede replicar y reutilizar de otras maneras para apoyar la toma de decisiones basada en datos.
En el mundo entero, la vida ha cambiado drásticamente desde el inicio del coronavirus. Pero, ¿cómo medimos estos cambios para apoyar la formulación de políticas informadas en una serie de temas, incluido el impacto de las diferentes medidas de cuarentena sobre el distanciamiento social y la evolución de la pandemia? Para explorar estos temas con evidencia, el BID y BID Invest desarrollaron el Tablero de Impacto del Coronavirus. Desde el lanzamiento del tablero, se ha monitoreado una serie de variables con el fin de proporcionar a los tomadores de decisión de América Latina y el Caribe, epidemiólogos y al público en general, medidas del impacto del brote de coronavirus en el comportamiento y la actividad económica de las personas.
Para compartir nuestro trabajo en el tablero, hemos creado un repositorio en GitHub, para que la comunidad de código abierto pueda hacer un uso adicional de él principalmente de dos maneras. En primer lugar, al facilitar el acceso a los datos utilizados, centraliza múltiples fuentes de datos disponibles públicamente para aquellos interesados en encontrar datos sin procesar sobre temas relacionados con la movilidad y la calidad del aire, específicamente para la región de América Latina y el Caribe. En segundo lugar, proporcionar código para obtener cambios en la intensidad de la congestión de tráfico (TCI) utilizando datos de Waze. Para aquellos que participan en el programa Waze for Cities, este es un recurso abierto para procesar los datos proporcionados por el programa.
Unir datos
En el Tablero de Impacto del Coronavirus, la unión de diferentes fuentes de datos, muchas de las cuales están públicamente disponibles, nos ha permitido generar visualizaciones intuitivas en tiempo real del impacto del distanciamiento social en diversos aspectos de la vida cotidiana en América Latina. Esta evidencia concreta se deriva de fuentes de datos sobre congestión del tráfico basada en datos de Waze, uso del transporte público basado en datos de Moovit e información pública sobre sistemas específicos, movilidad humana obtenida a partir de datos agregados de teléfonos celulares y calidad del aire extraída de datos satelitales. Más fuentes de información se agregarán al tablero en las próximas versiones.
Los datos utilizados en el panel se pueden acceder a través de los vínculos de la sección “Use the Data” (Usar los datos) ubicado en el archivo Readme del repo. Los datos de congestión del tráfico, por ejemplo, se actualizan todos los días e incluyen más de 60 áreas metropolitanas de la región de ALC. Se puede filtrar por país, área metropolitana, población y fechas. También hemos proporcionado una nota metodológica sobre cómo se utilizan varias fuentes de datos en el tablero y los métodos detrás de cada medición.
Código open-source para datos de Waze for Cities
En el caso de los datos de congestión del tráfico, el Grupo BID ha colaborado con el programa Waze for Cities desde 2018 con el fin de proporcionar información para informar la toma de decisiones basada en datos y el diseño de proyectos de desarrollo. El programa Waze for Cities proporciona acceso a datos agregados de manera continua cada dos minutos, generados por la aplicación de navegación de Waze basada en la comunidad de sus usuarios.
El código fue desarrollado para facilitar el procesamiento y cálculo de una medida de congestión del tráfico, Intensidad de congestión del tráfico (TCI). El código calcula el cambio porcentual en TCI con respecto a una semana de referencia (del 2 al 8 de marzo) antes del inicio de las medidas de distanciamiento social que han promulgado diferentes países y ciudades en respuesta a la crisis del coronavirus. Con el fin de preparar estos datos para el análisis, esta herramienta automatiza y agiliza el proceso de organización de datos, incluida la consulta de los datos basados en polígonos proporcionados, la validación de la variabilidad de los datos y el cálculo de los cambios en TCI.
La ventaja de utilizar los datos de Waze es su periodicidad. Con estos datos, podemos observar la situación de la congestión del tráfico a través de las calles de una ciudad dada cada dos minutos. Pero, por muy buena que sea esta alta periodicidad, también significa tener muchos datos con los que tratar. El problema principal no es sólo el volumen de datos, sino también pensar en una manera de transmitir fácilmente la situación general del tráfico de una ciudad o área, sin necesidad de mucha limpieza de datos o preprocesamiento para poder mostrarlo diariamente. Como TCI sólo requiere sumar toda la congestión en un polígono durante un período (por ejemplo, durante un día), este código puede resumir muy rápidamente el cambio en la congestión diaria en una ciudad, de una manera intuitiva y fácil de calcular.
El código puede ser reutilizado por las más de mil ciudades y otros socios del sector público y privado en el programa Waze for Cities con el fin de preparar los datos de Waze y crear sus propios tableros para informar la toma de decisiones y compartir información enfocada con sus ciudadanos. Una guía paso a paso también está disponible en nuestro repositorio GitHub con el fin de reproducir TCI con la infraestructura que Waze hace disponibles para los miembros del programa.
En el futuro, planeamos incluir nuevas mejoras y exploración continua de información para combinar fuentes de datos adicionales para ayudar a la generación de aprendizajes. Estas incluyen diferentes agregaciones de TCI, incluyendo los días laborables contra los fines de semana, la hora del día, el estado socioeconómico de los usuarios y diferentes puntos de interés. También exploraremos la adición de información sobre accidentes, peligros de tráfico y otras medidas de seguridad vial, proporcionada por la funcionalidad de alertas de Waze.
Otras variables que podrían explorarse con fuentes de datos abiertos adicionales podrían estar relacionadas con: actividad económica, medidas adicionales de la contaminación del aire, accesibilidad para peatones de la ciudad y recuperación del PIB de áreas, entre otros.
Si tiene ideas para la colaboración, te invitamos a ponerse en contacto con nosotros a través del repositorio.
Por Coronavirus Impact Dashboard Team
Los líderes del equipo de dashboard son Oscar Mitnik del BID y Patricia Yañez-Pagans de BID Invest. El equipo técnico del tablero está compuesto por Joao Carabetta, Mattia Chiapello, Maria Paula Gerardino, Daniel Martínez, Edgar Salgado, Luciano Sanguino y Beatrice Zimmerman.
Leave a Reply