2) Paquetes

Se utilizan los siguientes paquetes en esta publicación.

library(knitr)
library(png)
library(readr)
library(dplyr)
library(lubridate)
library(ggplot2)

3) Datos

Usando datos de celulares se ha creado un índice de movilidad. Se calcula el índice con el número de viajes dividio por el número de dispositivos móviles. Un viaje se registra cunado un celular interactúa con una antena en la red telefónica y luego se registra con una segunda antena en una ubicación diferente.

Los datos para esta publicación se pueden descargar en el github del Ministerio de Salud. Ya con los datos descargados se usa la siguiente sintaxis para cargar los datos. También se filtran los datos para solo incluir las comunas en la Conurbación de Santiago. Desde ahora la conurbación se refiere como Santiago.

IndiceDeMovilidad <- read_csv("~/Documents/Machine Learning/15. Hugo/academic-kickstart-master/content/es/post/Indice-de-Movilidad/IndiceDeMovilidad.csv")

Santiago_Comunas <- c("Cerrillos", "Cerro Navia", "Conchalí", "El Bosque", "Estación Central", "Huechuraba", "Independencia", "La Cisterna", "La Florida", "La Granja", "La Pintana", "La Reina", "Las Condes", "Lo Barnechea", "Lo Espejo", "Lo Prado", "Macul", "Maipú", "Ñuñoa", "Pedro Aguirre Cerda", "Peñalolén", "Providencia", "Pudahuel", "Quilicura", "Quinta Normal", "Recoleta", "Renca", "San Joaquín", "San Miguel", "San Ramón", "Santiago", "Vitacura", "San Bernado", "Puente Alto")

Santiago <- IndiceDeMovilidad %>% filter(Region == 'Metropolitana de Santiago' & Comuna %in% Santiago_Comunas)

4) Ingeniería de Características

Se calcula el índice de movilidad para todo Santaigo.

IM_aggregado_RM <- aggregate(IM~Fecha, data = Santiago, FUN = "sum")

Se crean nuevas variables para el día de la semana, y si es un fin de semana o no.

IM_aggregado_RM$Dia <- wday(IM_aggregado_RM$Fecha, label = T)

IM_aggregado_RM$FinDeSemana <- if_else(IM_aggregado_RM$Dia %in% c("Mon", "Tue", "Wed", "Thu", "Fri"), "Semana", "Fin_de_Semana")

Si se trazan los datos se muestra como la movilidad ha cambiado con una reducción en movilidad después del fin de marzo. También se expone que la movilidad es más bajo en los fines de semana. Sin embargo, parece que desde abril la movilidad no sola ha bajado, ha habido periodos de fluctuación con aumentos y bajos.

ggplot(data = IM_aggregado_RM) + geom_point(aes(x = Fecha, y = IM, color = FinDeSemana))

rects <- data.frame(xstart = seq(as.Date("2020-02-26"), as.Date("2020-07-18"), "day"),
                    xend=seq(as.Date("2020-02-27"), as.Date("2020-07-19"), "day"), color = seq(1,144,1))

rects$Cuarentena <- if_else(rects$color >= 80, "CuarentenaTotal", if_else(rects$color %in% c(30:80), "CuarentenaPartial", "NoCuarentena"))

rects$Feriados <- if_else(rects$color %in% c(45,46,66,86,125,142), "Feriado", "NoFeriado")


IM_aggregado_RM$Feriados <- if_else(IM_aggregado_RM$Fecha %in% as.Date(c("2020-04-10", "2020-04-11", "2020-05-01", "2020-05-21", 
                                                 "2020-06-29", "2020-07-16")), "Feriado", "No")

5) Gráfico y Análisis

A continuación se muestra el gráfico del índice de movilidad en Santiago desde marzo 2020 con cuarentenas, feriados y fines de semana identificados.

El patrón general es que ha habido una disminución en movilidad, pero a medida que la cuarentena ha continuado, la movilidad ha aumentado de nuevo.

Santiago ha tenido una cuarentena dinámica, con declaración de cuarentena a nivel comunal. Es decir que en cualquier momento ciertas comunas han estado en cuarentena mientras que otros han estado funcionando con normalidad. Sin embargo, las diversas cuarentenas se pueden agrupar en dos grupos:

Parcial - desde la primera cuarentena de 6 comunas declarada el 26 de marzo.

Total - cuando se declaró la cuarentena en toda la Conurbación de Santiago el 15 de mayo.

Con estos periodos agregados al gráfico las fluctuaciones en la movilidad tienen más sentido.

Cuando la cuarentena parcial se declaró la movilidad que ya había bajado desde mediados de marzo, se mantuvo con una índice de entre 250 y 275 hasta mediados de abril. Sin embargo, entre mediados de abril hasta mediados de mayo la movilidad siguió aumentando con un pico de 317 el 08 de mayo.

Este aumento se podría explicar por varios razones:

• Cuarentenas dinamicas - con varias comunas entrando y saliendo de la cuarentena ha habido fluctuaciones en los niveles de movilidad.

• La necesidad de salir de casa para trabajar: muchas personas en Chile se han quedado con la opción de ir a trabajar o no tener suficiente comida y dinero para sobrevivir.

• Ignorando la cuarentena: como en otros países, un porcentaje de personas no han necesitado salir de sus hogares, pero aún lo han hecho.

El 15 de mayo cuarentena total se declaró en Santiago con todas las comunas en cuarentena ya que había habido un aumento en casos de COVID19 en las semanas anteriores. Desde 15 de mayo hasta la ultima semana de junio parece que la cuarentena tuvo un efecto con la movilidad bajando a entre 250 - 275. Sin embargo, en la última semana de junio la movilidad subió hasta entre 275 y 300, y en julio ha aumentado aún mas con al menos 296 cada día desde el 03 de julio, excepto los fines de semana y feriados. Estos patrones son preocupantes ya que con más movilidad hay más propagación del virus. Será interesante ver cómo se desarrolla la situación de Covid 19 en los próximos días y semanas cuando las cinco comunas comiencen la fase dos de desconfinamiento esta noche.

Gracias por leer esta publicación, ojalá que haya sido informativa. Se puede descargar más información sobre los datos, y se puede leer más información sobre la movilidad en Santiago durante la pandemia.

ggplot(data = IM_aggregado_RM) +
  geom_rect(data = rects, aes(xmin=xstart, xmax =xend, ymin= -Inf, ymax =Inf, fill = Cuarentena), alpha = 0.4) +
  geom_point(aes(x = Fecha, y = IM, color = FinDeSemana, shape = Feriados), size =2) +
  geom_smooth(aes(x = Fecha, y = IM), method = "loess") + 
  ggtitle("Movilidad en Santiago") + ylab("Índice de Movilidad") + labs(color = "")