Desarrollo del transporte de Trnava · Datos de transporte
Cuando el movimiento de una ciudad por fin se puede leer.
Para Trnava creamos una aplicación analítica privada que reunió los datos de autobuses urbanos y rutas ciclistas en una única vista de trabajo de la ciudad.
- Año
- 2022
- Duración
- 6 meses
Información
- Año
- 2022
- Duración
- 6 meses
- Tipo de proyecto
- Aplicación web privada
- Nuestro papel
- Diseñamos y construimos la aplicación desde cero, incluido el procesamiento de los datos de transporte.
Tecnología
- Vue 3
- Python
- Leaflet
- Chart.js
- Quasar
Lo que aprenderá
- 01Cómo conectar datos de autobuses y ciclismo sin perder el contexto.
- 02Cómo convertir un mapa en un espacio de trabajo analítico.
- 03Cómo separar el procesamiento de datos de una interfaz de usuario rápida.
01
Una ciudad, dos formas de movimiento
En 2022, los datos de autobuses, paradas, billetes y contadores ciclistas llegaban en archivos distintos. El proyecto de seis meses los convirtió en una vista de trabajo coherente.
01 / Bajo la superficie
Una arquitectura que protegía el contexto y la privacidad
Separamos el sistema en entradas, validación, una capa local de datos, cálculos compartidos y vistas de trabajo. Los datos de referencia pequeños permanecían en el navegador; los registros GPS y de billetes se cargaban solo para la sesión activa. Python apoyaba la preparación previa fuera del cliente Vue publicado.
02
Transporte en autobús sin conjeturas
El mapa conectó líneas y paradas con tiempos GPS, espera, subidas, ingresos y la relación entre tarjeta y efectivo. Los filtros llevaron el análisis desde la ciudad hasta una línea o parada concreta.
03
Las rutas ciclistas como capa viva de la ciudad
Las rutas y los contadores ciclistas siguieron la misma lógica que la red de autobuses. El analista podía alternar capas y comparar dos formas de movimiento en un contexto urbano común.
02 / Recorrido del analista
Un recorrido desde el archivo de origen hasta una línea actualizada
El analista comprobaba primero las entradas, abría el contexto común del mapa, seleccionaba una parada o un contador ciclista, acotaba la pregunta con filtros y después trabajaba con una línea o una exportación. Cada paso utilizaba los mismos datos, no informes montados por separado.
04
Del archivo a la decisión
Las importaciones recurrentes de CSV y JSON se mantuvieron separadas de la presentación. Python preparaba los datos y Vue 3 los mostraba en mapas, tablas y gráficos filtrables.
03 / Principio de diseño
Calcular una vez y reutilizar la evidencia en todas partes
Las utilidades de conversión transformaban formatos distintos en objetos comunes. La capa de análisis superior filtraba, ordenaba y agregaba los datos una sola vez y enviaba el mismo resultado a la tabla y al gráfico. La interfaz se mantenía coherente sin inventar una capa de servidor.
Cómo abordamos el diseño
- 01Mapeamos los archivos de origen y las preguntas que debía responder el analista.
- 02Definimos un modelo de transporte común y un límite claro de validación para cada entrada.
- 03Prototipamos el flujo mapa – detalle – estadísticas para conservar el contexto urbano durante el filtrado.
- 04Consolidamos los cálculos, documentamos el flujo de trabajo y verificamos la entrega final.
05
Dos redes. Una ciudad.
El resultado fue una aplicación privada en la que el transporte en autobús y la infraestructura ciclista podían explorarse en paralelo. La ciudad obtuvo un espacio coherente para sus datos.
“Los datos empezaron a contar una sola historia sobre el movimiento de la ciudad.”
Un objetivo parecido, adaptado a sus necesidades
