Geolocalización de estaciones (ADIF)
Dentro del proyecto RENFE una de las partes más importantes es determinar la posición de las estaciones en el mapa (latitud y longitud). Una vez más tengo que reunir información de diversas fuentes y hacerla coherente para generar el dataset que necesito, en concreto voy a utilizar las siguientes fuentes:
- Renfe: en su web podemos consultar un listado de estaciones.
- ADIF: en la sección "infraestructuras y estaciones" se pueden obtener las coordenadas GPS de algunas estaciones.
- La Estación de Tren: ofrece un listado de estaciones con coordenadas GPS etiquetadas manualmente.
-
Github - railopendata
: con datos georreferenciados de estaciones y líneas.Created by @jgcasta
1 forks 1 stars
Una vez obtenida la información de estas fuentes tengo que utilizar algunos algoritmos para relacionarlos, hacerlos coherentes y completarlos. Y por supuesto, un poquito de ayuda manual nunca les va a venir mal.
Listado de estaciones
La primera tarea que hay que realizar es obtener la lista (lo más completa posible) de estaciones. En la web de Renfe tenemos un link 1, de donde se puede obtener con un simple script un primer listado.
Cada estación tiene un nombre y un identificador. Este identificador es único y está formado por 5 dígitos,
sin embargo, en algunos casos se incorporan letras cuando no se trata de una estación concreta sino una ciudad
que dispone de varias estaciones: MADRI para Madrid, IRUN- para Irún-Hendaya,... en cualquier
caso, cada estación de la ciudad posee un identificador numérico único.
Los identificadores numéricos, donde aparecen, son la primera opción para identificar las estaciones; sin embargo, en muchos otros casos, tendremos que utilizar los nombres y comparar de forma inexacta cadenas de texto para identificar la estación (ver comparación inexacta de cadenas). Estos nombres alternativos los guardaremos como alias de la estación para utilizarlos en búsquedas futuras.
Posicionamiento
Una vez obtenido el listado de estaciones tengo que georreferenciarlas sobre el mapa. Como he indicado más arriba para esta tarea utilizo varias fuentes:
ADIF
En la web de ADIF se pueden consultar los datos GPS de algunas estaciones, extraerlos del HTML no es complicado, tal y como se puede ver en la imagen siguiente:
Sin embargo, las URLs de esta página siguen un patrón que no he podido identificar, aparece un identificador numérico al final que impide construirlas de forma automática. Algunos ejemplos:
Como consecuencia de ese parámetro debo utilizar alguna otra técnica para acceder a las páginas de
detalle de cada una de las estaciones: se puede utilizar un script que trabaje con el mapa, o partir de
la pestaña de "Llegadas y Salidas" a la que se puede acceder utilizando únicamente el identificador de
la estación (ej.: http://www.adif.es/AdifWeb/estacion_mostrar.jsp?e=20213). Una vez ahí se puede
parsear la web para obtener el link de la pestaña "Información" donde tenemos las coordenadas GPS.
Podría parecer que aquí termina el trabajo, pero no es así; en la web de ADIF aparecen solo 200-240 estaciones (depende de si hay trenes que llegan/salen a la hora de la consulta), pero tengo que geoposicionar unas 1300.
Railopendata
José Gómez Castaño mantiene un repositorio en Github |
Created by
@jgcasta |
1 forks
1 stars
| |
Gracias a este repositorio de información logro posicionar ¡932 estaciones! Sin duda este es un recurso valiosísimo al que andemas le concedo un altísimo grado de credibilidad.
La Estación de Tren
Fernando Solabre es el autor de la web La Estación de Tren, en la que se muestra un listado de 1915 estaciones geolocalizadas manualmente e identificadas por el nombre que aparece en los mapas. El trabajo realizado merece una mención especial y me va a permitir posicionar muchas estaciones.
Para utilizar este dataset nos enfrentamos a dos dificultades: identificar la estación y convertir las coordenadas
de UTM a longitud/latitud. Para la primera de ellas utilizaremos la comparación inexacta de cadenas a la que
hemos hecho mención anteriormente, para la segunda utlizamos la librería de Python llamada
utm
.
Bidirectional UTM-WGS84 converter for python
Al automatizar el procesamiento de este conjunto de datos no tengo garantías de que la identificación de las estaciones haya sido correcta, confío en que los algoritmos posteriores muestren incongruencias ante un dato erroneo y me permita identificarlos.
Gracias a La Estación de Tren logro geoposicionar solo 25 estaciones de las que aún me faltaban.
Sin embargo, existen unas muchas estaciones en este nuevo dataset que no es capaz de asociar a ninguna de las existentes, ¿no hay trenes que hagan paradas en ellas? ¿Tan diferentes son los nombres? ¿Pertenecen a vías desmanteladas? Pues hay un poco de todo, será una información muy interesante a tratar cuando tenga los datos de las líneas desmanteladas.
Buscadores/Mapas
Una tercera vía que he utilizado para geoposicionar las estaciones ha sido utlizar los servicios de
Internet que permiten obtener las coordenadas de un punto a partir de su dirección. Hay una
fantástica librería que nos permite hacerlo con facilidad: geopy
.
Geocoding library for Python.
Como dato de entrada para todos estos servicios he utilizado el nombre de la estación con lo cual la fiabilidad de los resultados es bastante baja en ocasiones (se obtienen estaciones dispersas por toda la Tierra, pero sólo recogeré los datos de aquéllas que caigan en el entorno de la Península).
Puesto que dispongo de varias respuestas para cada estación puedo combinarlas para intentar mejorar el resultado. Así filtro los outliers utilizando un test conocido como median-absolute-deviation (MAD) y posteriormente me quedo con la posición correspondiente a la media aritmética de todas las respuestas.
Con esta aproximación no consigo localizar ninguna de las estaciones que aún me quedan por posicionar :/ nivel de confianza que a las anteriores.
Tan sólo me han quedado 85 estaciones sin geolocalizar, lo cual considero que es un muy buen resultado. Además
puedo comprobar que estas estaciones están, en muchos casos, fuera de la Península o bien incluyen en su nombre
la partícula -BUS o (*) (indicando que se trata de una ciudad con varias estaciones). En el
primer caso la solución es fácilmente programable, en el segundo caso se podría interpretar cuál es la estación
correcta según los tipos de trenes que la utilicen.
Estaciones sin datos
Son muy pocas las estaciones que han quedado sin datos y para ellas he pensado aplicar un algoritmo probabilístico basado en la posición del resto de estaciones y en los horarios de los trenes que pasan por ellas. La idea es calcular la zona en la cual es máxima la probabilidad de encontrar un tren tomando como parámetros los tiempos de paso por las estaciones adyacentes y su velocidad. Básicamente un problema de trilateración con errores en las medidas.
Trilateración
"La trilateración es un método matemático para determinar las posiciones relativas de objetos usando la geometría de triángulos de forma análoga a la triangulación. [...] La trilateración usa las localizaciones conocidas de dos o más puntos de referencia, y la distancia medida entre el sujeto y cada punto de referencia" (Wikipedia).
Puesto que tengo error en el cálculo de las distancias (no conozco la velocidad del tren, ni las curvas que hace la vía y también puede haber error en el posicionamiento de la estación) cada una de ellas la voy a aproximar mediante una distribución de probabilidad construida a partir de los datos de todas las composiciones que hacen parada en dicha estación.
Este algoritmo de trilateración os lo cuento en otro artículo: (ver artículo)
Proyección sobre las líneas
Un último paso, que también sirve para validar las posiciones de las estaciones (al menos para detectar falsos positivos), consiste en proyectar la posición de las estaciones sobre el mapa de líneas; de este modo si la distancia de la estación a la vía más cercana supera cierto umbral puedo pensar que la posición de partida era errónea (o no tengo información sobre la línea que pasa cerca de ese punto).
Se puede observar cómo los datos provinientes de la web de ADIF y los disponibles a través de @jgcasta se proyectan sobre vías que pasan muy próximas a ellos, los datos obtenidos de la web La Estación de Tren parece que tienen un bias, aún así la gran mayoría parecen próximos a los datos de infraestructura de los que disponemos. Por el contrario, cuando los datos los obtenemos utilizando el nombre de la estación para buscar las coordenadas en mapas de internet, la dispersión es mucho mayor, la función de densidad presenta una cola extremadamente larga. Se confirman las sospechas que tenía sobre la calidad del origen de los datos.
NOTA.- Los datos anteriores están construidos es base al error de posicionamiento de las estaciones según la fuente de datos, pero en cada grupo no se consideran las estaciones ya posicionadas por otros métodos, por lo tanto, si aplicara cada método al conjunto completo de estaciones se obtendrían mayores densidades con los errores más pequeños (o ese sería lo esperable).
Más sobre el proyecto
El proyecto se desarrolla en los siguientes artículos:
- Mapa dinámico de circulaciones (ver artículo).
- Geolocalización de estaciones (ADIF) (ver artículo).
- La infraestructura ferroviaria (ADIF) (ver artículo).
- Circulaciones de trenes (RENFE) (ver artículo).
- RENFE. Listado de estaciones. URL: https://venta.renfe.com/vol/estacionesAccesibleVXY.do↩