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

The analytical application for transport in Trnava — Map, tables, and charts in the main workspace.

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.

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.

Transport-data import and map context shown on a MacBook and iPhone — One entry point for stops, lines, cycle counters, GPS data, and tickets.

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.

Arquitectura de la aplicación desde los archivos de transporte, la validación y la capa de datos Pinia hasta el mapa, las tablas, los gráficos y el editor de líneas — Las entradas se validaban y convertían primero. Después, Pinia mantenía el estado compartido para GPS, billetes, ciclismo, mapa y vistas analíticas.

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.

Bus-line editor on a MacBook beside a red bus model — The interface made it possible to compose a route and check stops in each direction.

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.

Editorial presentation of Trnava cycle analysis on an iPhone beside a gold bicycle — Bus and cycling layers shared one map context for the city.

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.

Flujo de cinco pasos desde la carga de datos de transporte, el mapa, el detalle y las estadísticas hasta el diseño de una línea de autobús — Las pantallas reales muestran el flujo desde la importación y el contexto urbano hasta el análisis y la edición de la línea.

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.

Transport statistics and map shown together on a MacBook and iPhone — Filtered tables and charts made the transport data readable.

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.

Flujo de datos de cinco etapas desde la ingesta y la normalización hasta el mapa, la tabla, el gráfico y el editor, pasando por el almacenamiento y un cálculo compartido — Obtuvimos un único resultado filtrado y lo reutilizamos en la tabla y la visualización. Así evitamos procesar los datos dos veces.

De los archivos de origen a la decisión

Archivos y preguntas
Mapeamos los archivos de origen y las preguntas que debía responder el analista.
Un modelo de transporte común
Definimos un modelo de transporte común y un límite claro de validación para cada entrada.
El mapa conserva el contexto
Prototipamos el recorrido desde el mapa hasta las estadísticas pasando por el detalle para conservar el contexto urbano durante el filtrado.
Un cálculo para varias vistas
Consolidamos los cálculos, documentamos el flujo de trabajo y verificamos la entrega final.

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.