Análisis geoespacial de necesidades al ciudadano

Abstract

El proyecto "ANÁLISIS GEOESPACIAL DE NECESIDADES AL CIUDADANO" tiene como objetivo determinar la escasez de servicios esenciales, como farmacias, centros educativos o puntos de venta de la tarjeta de transporte público, en la Comunidad de Madrid. Para lograr esto, se utiliza el catálogo de datos abiertos de la Comunidad de Madrid para obtener la ubicación geográfica de los servicios, así como datos sociodemográficos de cada las secciónes censales de la Comunidad. Se realiza una transformación de las coordenadas espaciales y se realiza un conteo de los servicios por cada zona censal y sus alrededores. Se entrena un modelo explicativo basado en la tendencia general de los datos y las variables sociodemográficas para predecir el número de servicios que debería haber en cada zona. Se calcula un score para cuantificar la escasez de servicios esenciales en cada sección censal. Se desarrolla un Dashboard en Power BI para visualizar los resultados, mostrando las secciones censales de la Comunidad de Madrid y su score para los diferentes servicios. También se muestra información sobre variables sociodemográficas relevantes. Se utilizan fuentes de datos como el catálogo de datos abiertos de la Comunidad de Madrid y el Instituto Nacional de Estadística para obtener la ubicación de los servicios y datos sociodemográficos de las secciones censales. El proyecto revela las zonas censales que tienen una escasez de farmacias, centros educativos y puntos de venta de la tarjeta de transporte público. Además, se identifican diferencias en variables sociodemográficas como población, renta per cápita y porcentaje de extranjeros entre las zonas con escasez y las que tienen una mayor disponibilidad de servicios. Además, es importante destacar que todo el proceso se lleva a cabo en un pipeline robusto y escalable, lo que permite su aplicación a nuevos conjuntos de datos, zonas geográficas o servicios que se deseen estudiar en el futuro. El modelo explicativo puede ser entrenado con nuevos datos y variables relevantes para adaptarse a diferentes contextos, brindando una mayor flexibilidad en la detección de escasez de servicios esenciales en otras áreas geográficas.

The project "Detection of essential citizen services needs" aims to determine the scarcity of essential services, such as pharmacies, educational centers, or public transportation card outlets, in the Community of Madrid. To achieve this, the open data catalog of the Community of Madrid is utilized to obtain the geolocation of services, as well as sociodemographic data for each census tract in the community. Spatial coordinate transformation is performed, and a count of services is conducted for each census tract and its surroundings. An explanatory model is trained based on the general trend of the data and sociodemographic variables to predict the number of services that should be present in each zone. A score is calculated to quantify the scarcity of essential services in each census tract. A Power BI dashboard is developed to visualize the results, displaying the census tracts of the Community of Madrid and their score for different services. Relevant sociodemographic variables are also presented. Data sources such as the open data catalog of the Community of Madrid and the National Institute of Statistics are utilized to obtain the location of services and sociodemographic data for the census tracts. The project reveals the census tracts that have a shortage of pharmacies, educational centers, and public transportation card outlets. Furthermore, differences in sociodemographic variables such as population, per capita income, and percentage of foreigners are identified between the areas with scarcity and those with a higher availability of services. Moreover, it is important to highlight that the entire process is carried out in a robust and scalable pipeline, enabling its application to new datasets, geographical areas, or services that may be studied in the future. The explanatory model can be trained with new data and relevant variables to adapt to different contexts, providing greater flexibility in detecting scarcity of essential services in other geographical areas.