Estamos complacidos de anunciar que nuestro último artículo de investigación, “Dash Sylvereye: A Python Library for Dashboard-Driven Visualization of Large Street Networks”, ha sido publicado en la revista de acceso abierto IEEE Access con factor de impacto en 2022 de 3.9.
Cerrando la Brecha en Visualización de Redes de Caminos
En el ámbito de la planificación urbana y la gestión del tráfico, la visualización de redes de calles juega un papel crucial en el análisis y la toma de decisiones. Sin embargo, la amplitud y complejidad de estas redes han presentado desafíos significativos para las herramientas de visualización gráfica existentes. Aplicaciones de vanguardia como Gephi, KeyLines y Cytoscape, aunque potentes, no son suficientes cuando se trata de mostrar miles de calles, especialmente cuando se necesita representar líneas poligonales, mapas navegables, renderizado acelerado por GPU, interactividad y datos multivariados, todo al mismo tiempo.
Presentamos Dash Sylvereye
Nuestra respuesta a este desafío es Dash Sylvereye, una biblioteca Python hecha a medida para producir visualizaciones interactivas de redes de calles primales. Aprovechando el framework de visualización de datos Dash, Dash Sylvereye permite el desarrollo de dashboards web integrales, uniendo datos de calles temporales y multivariados con una gama de componentes de trazado e interfaz de usuario.
Características Principales
- Renderizado Acelerado por GPU: Utilizando WebGL, Dash Sylvereye redibuja redes viales rápidamente y de manera eficiente.
- Integración con OpenStreetMap: Con funciones para importar fácilmente topologías de calles, los usuarios pueden incorporar datos detallados de OpenStreetMap en sus visualizaciones.
- Rendimiento: Nuestra biblioteca demuestra un rendimiento excepcional, permitiendo velocidades de desplazamiento cercanas a 60 FPS y tiempos de CPU por debajo de los 20 ms, incluso para redes con miles de bordes.
Referencias de Rendimiento
En nuestros experimentos, Dash Sylvereye ha demostrado un rendimiento competitivo con herramientas contemporáneas de visualización de calles como Kepler.gl y city-roads. Nuestras evaluaciones de rendimiento muestran la capacidad de la biblioteca para manejar redes de caminos grandes en sistemas de gama media.
Aplicación en el Mundo Real
Para ilustrar la practicidad de Dash Sylvereye, detallamos en nuestro artículo un caso de estudio que explora la aplicación de la biblioteca en el análisis de una simulación de tráfico vehicular SUMO. Esto demuestra su adaptabilidad en escenarios del mundo real.
Acceso Abierto
De acuerdo con nuestro compromiso con la difusión del conocimiento, nuestro artículo está disponible gratuitamente para todos.
Lea el artículo de acceso libre en IEEEXplore.
Asimismo, el código fuente de la biblioteca Dash Sylvereye está disponible como un proyecto de código abierto en GitHub y PyPi.
Invitamos comentarios, discusiones y colaboraciones potenciales a medida que continuamos explorando y expandiendo las capacidades de Dash Sylvereye.
Participe con Nosotros
Sus conocimientos y experiencias son invaluables. Ya sea que sea investigador, urbanista o entusiasta, valoramos sus pensamientos y le alentamos a probar Dash Sylvereye en sus proyectos.
Para obtener más información, discusiones o consultas, por favor contacte al Dr. Alberto García Robledo.