La ciudad "compartimentada" en privadas o cerradas

Elaborado por: Luis Alan Navarro N.
Fecha: 3 noviembre 2021
El Colegio de Sonora

Problema

La estructura urbana actual "compartimentada" se refiere a este crecimiento urbano en múltiples cerradas o privadas independientes; construidas para aislar a sus habitantes del mundo exterior; o más bien a los "externos" del espacio de ciudad inmediato de una persona, su banqueta y calle. Me llama la atención esta sección de la ciudad de Hermosillo, ubicada al sur-poniente al margen sur del cauce encementado del río Sonora. Solía vivir en esta área, me sorprendía la falta de conexión entre las diversas secciones que componen este tejido urbano inconexo y aislante. La siguiente de imágen que muestra la disponibilidad de la "vista de calle" del Google Maps, da una idea de la calle pública contra las vialidades privadas.

Screenshot 1

Avenidas con "vista de calle" disponible según Google Maps.

In [9]:
# Modulos requeridos
import osmnx as ox
import networkx as nx
import matplotlib.pyplot as plt
import os
In [2]:
### Directorios de trabajo
# /Users/COLSON/Desktop/Anaconda_files/Red_Villa_Bonita/villa_b_m.shp
Ruta = '/Users/COLSON/Desktop/Anaconda_files/Red_Villa_Bonita'
os.chdir(Ruta)
path = os.getcwd()
print(path)

/Users/COLSON/Desktop/Anaconda_files/Red_Villa_Bonita

Nota: villa_b_m.shp disponible ---> Shapefiles.

In [3]:
##########
import fiona
from shapely.geometry import shape
c = fiona.open('villa_b_m.shp')
pol = c.next()
geom = shape(pol['geometry'])

<ipython-input-3-09afe80071c3>:5: FionaDeprecationWarning: Collection.__next__() is buggy and will be removed in Fiona 2.0. Switch to `next(iter(collection))`.
  pol = c.next()
In [4]:
villaBRoads = ox.graph_from_polygon(geom, network_type='drive')
In [5]:
# PLOT IT WORKS
ox.plot_graph(villaBRoads, bgcolor = 'white', node_color='#039dfc')
plt.show()
In [6]:
# find the network nodes nearest to two points

orig_node = ox.get_nearest_node(villaBRoads, (29.06373, -111.01640))
dest_node = ox.get_nearest_node(villaBRoads, (29.06233, -111.00095))
In [7]:
# PLOT IT WORKS
# calculate the shortest path between these nodes then plot it
route = nx.shortest_path(villaBRoads, orig_node, dest_node, weight='length', method='dijkstra')
fig, ax = ox.plot_graph_route(villaBRoads, route, node_size=0, bgcolor = 'white',)
plt.show()
In [8]:
# what is the network distance of this route?
net_dist = nx.shortest_path_length(villaBRoads, orig_node, dest_node, weight='length', method='dijkstra')
print(net_dist)

4100.533999999999

So

osmnx es sin duda una buena herramienta para estimar la conectividad de un espacio urbano. Conectividad en términos de distancias entre un origen y destino. ¿Qué tan generalizable es este fenómeno en la ciudad de Hermosillo?