[SONIDO] [SONIDO] Hola a todos. En este vídeo vamos a hacer una introducción a la visualización de mapas. Empezaremos con los fundamentos básicos de la visualización de mapas, veremos tres tipos de mapas con sus ejemplos respectivos, los cartográficos, los coropléticos y los diagramas de Voronoi. Y finalizaremos con una lista de herramientas que pueden ser usadas para la creación de mapas. Los fundamentos básicos de la visualización de mapas se basan en la representación esquemática bidimensional de conceptos espaciales como la posición, la orientación, la distancia o la escala, de forma que diferentes elementos se muestran relacionados entre sí, de acuerdo a estas cuatro dimensiones. Para ello se utilizan escalas y proyecciones. Lo que implica el uso de panning o de desplazamiento, o bien de zoom. Finalmente, es habitual que en los mapas se superpongan diferentes capas y, o variables, y así podemos hablar de diferentes tipos de mapas. Por ejemplo, podemos hablar de tipos de mapas cartográficos, coropléticos o bien diagramas de Voronoi. Vamos a ver ahora un ejemplo de cada uno de ellos. Los mapas cartográficos son los típicos usados para la geolocalización de elementos, mediante you sea una coordenada de alta precisión o bien mediante direcciones, you sea, pues por ejemplo, una calle o una ciudad o un barrio etcétera, etcétera, etcétera. Lo que hacen es utilizar elementos clásicos simples como líneas, marcadores etcétera, para determinar los elementos y las relaciones entre ellos. Y es importante tener en cuenta que es necesario disponer de estrategias para grandes volúmenes de datos, you que es posible poder representar mucha información sobre cada mapa, así se necesitarán herramientas de filtro, de zoom y de agregación. Veamos un ejemplo de todas estas operaciones sobre este tipo de mapas. En este caso, estamos visualizando las escuelas de Barcelona. Así, por ejemplo, sobre el mapa de Barcelona estamos visualizando elementos, en este caso una agregación que nos dice que hay dos elementos, en este caso, dos escuelas. Aquí cerca de la Sagrada Familia tenemos siete escuelas. En cambio, este elemento se trata de una escuela individual, que se representa de otra manera. Veamos cómo funciona esta visualización de forma interactiva. Supongamos que partimos de la posición inicial donde solo se nos muestra el mapa sin ninguna capa superpuesta. Si estamos buscando las escuelas, lo que hace el sistema es proporcionarnos a una escala adecuada, todos los resultados que se encuentran en la base de datos superpuestos sobre el mapa, en este caso de Cataluña y también de parte de España. Se nos están mostrando solamente 500 resultados de 573 y esta es una de las operaciones típicas que debe realizar toda visualización de datos cuando el número de datos excede lo que se considera adecuado para la visualización. Como vemos, la mayoría de escuelas están en este caso concentradas en el área de Barcelona, pero también hay grupos de escuelas en otras regiones, por ejemplo, como Lleida o como Girona. El uso del color, en este caso, nos indica dónde hay más densidad de escuelas. Mediante el zoom, podemos ir avanzando hasta quedarnos con el ejemplo anterior de dónde se sitúan las escuelas en Barcelona. Y esta operación de zoom la podemos hacer hasta que llegamos you a identificar escuelas individuales. La idea es que mediante el uso de operaciones básicas como el panning y el zoom podemos acceder a una gran cantidad de información a la cual sería imposible de acceder si estuviera representada toda al mismo tiempo. Esta es una de las posibilidades de los mapas como herramienta para acceder a información que ha sido organizada previamente. Veamos ahora otros tipos de mapas como son los mapas coropléticos. Se trata de mapas temáticos, divididos en regiones con significado, normalmente puede ser países, provincias, barrios o cualquier unidad que tenga un significado o una semántica asociados a una red. Lo que hacen es superponer una o más variables sobre el mapa mediante el uso de degradados y paletas de colores, y en algunos casos pueden ser también interactivos. Las funcionalidades de un mapa coropléticos es, por ejemplo, comparar una variable entre regiones diferentes, de forma que visualmente podamos observar cómo se distribuye dicha variable en una región. También sirve para comparar dos o más variables, y en este caso hablamos de mapas coropléticos bivariados. También permiten realizar un análisis longitudinal si lo que hacemos es observar la variación del mapa a lo largo del tiempo. Y finalmente, los mapas coropléticos se pueden superponer a mapas cartográficos de forma que sea posible realizar visualizaciones más complejas atendiendo tanto a criterios cartográficos como de las variables que queremos visualizar. Veamos un ejemplo del 2011 que representa la obesidad en los Estados Unidos. En este caso se ha utilizado un mapa de los Estados Unidos que está dividido en estados y a su vez cada estado está dividido en condados. Para cada condado se ha utilizado una escala de color que nos muestra el porcentaje de obesidad en la población. De forma que en este caso los colores con rojo más fuerte representan aquellos estados y condados donde hay mayor incidencia de la obesidad. Se puede ver, por ejemplo, en este caso el este de los Estados Unidos sufre un mayor problema, y especialmente el sureste, sufre un mayor problema de obesidad, que no el oeste. Y también en el caso de Alaska pues se puede ver que la incidencia de obesidad es preocupante. Esto sería un ejemplo de cómo mostrar una variable de acuerdo a una distribución geográfica, pero podríamos hacerlo con dos variables a la vez. En este caso, lo que estamos intentando es cruzar datos de pobreza, en este caso, con respecto al hambre y la dificultad de comprar alimentos versus la obesidad. En este caso, podemos poner dos mapas uno al lado del otro y ver si hay alguna correlación visual, de forma que nosotros mismos visualmente estamos viendo si entre las dos variables hay alguna relación. Y podemos observar que en muchos casos así es, como en esta zona del sureste de los Estados Unidos, donde en ambos casos la variable, cada una de las dos variables, you sea la inseguridad en la compra de alimentos como de la obesidad, pues muestran valores elevados. Finalmente, estas dos variables pueden combinarse en una sola utilizando una escala de color que codifica de forma adecuada las dos variables. De forma que, por ejemplo, podemos combinar la obesidad y el problema a la hora de comprar alimentos, la dificultad a la hora de comprar alimentos, en esta escala de colores. De forma que los colores más claros con tonalidad azul se corresponden a, por ejemplo, una tasa de obesidad baja y en cambio los colores más oscuros, en este caso, este extremo de aquí se corresponderían con los valores extremos de las dos variables. Y en este caso se puede ver que otra vez esta zona de los Estados Unidos, el sureste es donde hay más problemas al mismo tiempo de obesidad y de problemas en la compra de alimentos. Este tipo de visualizaciones nos permite ver rápidamente dónde tendría que hacer, por ejemplo, una actuación, pues la administración para intentar resolver este tipo de problemas. Finalmente, vamos a ver ahora los diagramas de Voronoi, que no son exactamente un mapa si no un concepto que aparece a partir del análisis o el resultado que producen los algoritmos de clustering. Un algoritmo de clustering tiene como objetivo agrupar elementos pues en grupos y obtener un centro o representante para cada uno de estos grupos. Para cada centro se determina la región convexa que contiene todos los puntos más cercanos a dicho centro que a cualquier otro centro. Dicho de otra manera, un diagrama de Voronoi nos define unas regiones y un punto dentro de esa región, que es el centro, de forma que todos los puntos de esa región tienen como punto más cercano a dicho centro. Normalmente los diagramas de Voronoi se superponen a un mapa cartográfico, de forma que se pueden representar conceptos abstractos obtenidos del resultado del algoritmo de clustering sobre una realidad, en este caso geográfica. Y finalmente permite de evaluar la distribución de dichos centros por un área geográfica, para ver si estos elementos, estos centros, tienen un significado o no. Veamos ahora un ejemplo de diagrama de Voronoi. En este caso, se ha superpuesto un diagrama de Voronoi, representado por estas líneas azules, sobre las provincias españolas, utilizando como centro de cada una de estas regiones definidas por el diagrama de Voronoi, la capital de dicha provincia. Es curioso observar como el diagrama de Voronoi reproduce bastante fielmente cada una de las provincias, así por ejemplo tenemos el caso de Madrid, que se parece mucho a la provincia y a la vez a la comunidad autónoma de Madrid. O por ejemplo, en el caso de Andalucía, pues tenemos Jaén o tenemos Córdoba etcétera, etcétera. De hecho, esto no es gratuito, es así porque el mapa de España provincial cuando se creó, se creó pensando que cualquier persona en la provincia tenía menos de un día de camino a la capital de dicha provincia. Y esta función de distancia implícita en el diseño del mapa es lo que está representando el diagrama de Voronoi. Estos diagramas nos permiten, por ejemplo, observar dónde podría ser necesario situar un aeropuerto o situar un equipamiento de forma que fuera, obtuviera un uso más óptimo. Finalmente, para crear estos tipos de mapas existe una gran cantidad de herramientas, nosotros vamos a destacar o a mencionar algunas de ellas. Para la creación de mapas cartográficos donde lo que hacemos es situar elementos gráficos sencillos sobre mapas, podemos utilizar las apps de Google Maps o de OpenStreetMap, por ejemplo. Pero también hay librerías JavaScript como Leaflet, que nos permiten una mayor manipulación de los elementos que componen el mapa. En caso de querer crear mapas cartográficos muy complejos you nos deberíamos ir a la utilización de Sistemas de Información Geográfica o SIG. Para la creación de mapas coropléticos lo más sencillo es utilizar entornos como, por ejemplo, R y el uso de librerías, como ggplot2 o ggmap, para la creación de los mapas. O también podemos utilizar entornos de trabajo como Tableau, que nos permiten crear mapas coropléticos a partir de conjuntos de datos. Finalmente, para crear diagramas de Voronoi lo más fácil es utilizar lenguajes de programación también como R o como Python. Y con esto finalizamos este video introductorio a la visualización de mapas. Esperamos que haya sido de vuestro interés. [SONIDO] [AUDIO_EN_BLANCO]
