Artículo Congreso / Congress Paper
Recibido: 30-06-2022, Aprobado tras revisión: 15-07-2022
Forma sugerida de citación: Aymacaña, L.; Vallejo,C.; Godoy, L.; Vásquez, F.; Condo, L. (2022). “Metodología de
asociación de información catastral y eléctrica mediante herramientas SIG y SQL: Caso de estudio Quito, Ecuador”. Revista
Técnica “energía”. No. 19, Issue I, Pp. 158-168
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
Doi: https://doi.org/10.37116/revistaenergia.v19.n1.2022.532
© 2022 Operador Nacional de Electricidad, CENACE
Methodology of association of cadastral and electrical information using
GIS and SQL tools: Case study in Quito Ecuador
Metodología de asociación de información catastral y eléctrica mediante
herramientas SIG y SQL: Caso de estudio Quito, Ecuador
L. Jami
1
C. Vallejo
2
L. Godoy
1
F. Vásquez
1,2
J. L. Condo
1
1
Empresa Eléctrica Quito, Quito, Ecuador
E-mail: liseth_dic@hotmail.com; felipe_luis_6_d@hotmail.com; hola_josecondo@yahoo.es
2
Instituto de Investigación Geológico y Energético, Quito, Ecuador
E-mail: catalina.vallejo@geoenergia.gob.ec; francis.vasquez@geoenergia.gob.ec
Abstract
This study develops a methodology for the
unification of electricity and cadastral data through
the combined application of GIS and SQL tools. The
main spatial joining techniques used are: spatial
intersection, entity joining by attributes, and
proximity analysis. In addition, mainly SQL
algorithms for data comparison and selection were
applied. As a case study, we used cadastral and
electricity information of the customers regulated by
Empresa Eléctrica Quito (EEQ) within the urban
area of Quito. It was possible to join 25% of the total
data. Furthermore, it was found that the spatial
distribution of the unified data is homogeneous
within the study area, and is quantitatively
representative in most of the areas. Finally, the
results were checked by means of an on-site
validation, thus verifying the validity of the proposed
methodology. According to the results obtained, the
joining methodology presented in this study can be
replicated in other areas with similar characteristics
to the data used, thus obtaining an important input
for the definition of energy indicators for energy
qualification, comparison, or categorization of
buildings.
Index terms Electricity consumption, residential
buildings, cadaster, database merge, GIS, SQL.
Resumen
En el presente estudio se desarrolla una metodología
para la unificación de datos eléctricos y catastrales
mediante la aplicación combinada de herramientas
SIG y SQL. Las principales técnicas de unión
espacial utilizadas son: intersección espacial, unión
de entidades por atributos y análisis de proximidad.
Además, fueron aplicados principalmente algoritmos
SQL de comparación y selección de datos. Como
caso de estudio se utilizó información catastral y
eléctrica de los clientes regulados por la Empresa
Eléctrica Quito (EEQ) dentro del casco urbano de
Quito. Se logró unificar el 25 % del total de
registros. Además, se encontró que la distribución
espacial de los datos unificados es homogénea dentro
del área de estudio, y es cuantitativamente
representativo en la mayor parte de parroquias.
Finalmente se comprobaron los resultados mediante
una validación en sitio, con lo que se verificó la
validez de la metodología planteada. En base a los
resultados obtenidos, el procedimiento de unificación
expuesto en este estudio, puede ser replicado en otras
zonas cuya información presente características
similares a los datos manejados y así obtener un
insumo importante para la definición de indicadores
energéticos para calificación energética, comparativa
o categorización de edificaciones.
Palabras clave Consumo eléctrico, edificios
residenciales, catastro, unión de bases de datos, SIG,
SQL.
Edición No. 19, Issue I, Julio 2022
1. INTRODUCCIÓN
Según datos de la Agencia Internacional de Energía
(IEA), entre 1976 y 2019 el consumo de energía se
incrementó en un 92 % y la electricidad representó un
tercio del uso de energía de los edificios en 2019 [1]. En
Ecuador esta realidad no es diferente. En 2020, las
edificaciones residenciales consumieron el 40,12 % de
la electricidad facturada a nivel nacional, siendo el
sector mayor consumo eléctrico[2]. Esto evidencia que
en Ecuador el parque edificado es en un sector clave
para reducir el consumo de electricidad.
El primer paso para la disminución del consumo
eléctrico es conocer el rendimiento energético de los
edificios y sus parámetros influyentes. Varios estudios
[3][4][5][6][7] indican que el consumo eléctrico tiene
una relación directa con las características constructivas
de las edificaciones. Es por esta razón que, a escala
urbana, la recolección, integración y transformación de
datos representa un gran desafío.
Ma. J et al. [8], realizaron la integración de
información, mediante SIG y big data para estimar el
consumo eléctrico de edificios a escala urbana. Esto se
facilitó considerando a la ubicación como variable clave
en los SIG, ventaja que no existe en otro tipo de
interface, y su uso para la minería de datos generó
grandes beneficios como la conexión exitosa y confiable
bases de datos georreferenciadas.
Mutani et al. [9], asociaron datos de energía a la
información de las edificaciones en Turín, mediante una
herramienta SIG. Al conocer las ubicaciones de los
datos de ambas temáticas se intersecaron espacialmente
y con ello la información quedó unificada, viabilizando
el análisis del rendimiento energético
Ali. U et al. [10], desarrollaron una metodología,
basada en datos, para optimizar la toma de decisiones, a
escala urbana, para el reacondicionamiento energético
de edificios residenciales en Irlanda. Los resultados
mostraron que los modelos para el reacondicionamiento,
basado en datos reales, disminuyen la cantidad de
información requerida sin afectar la precisión de las
predicciones respecto a la clasificación energética de los
edificios.
Dall’O’ et al. [11], desarrollaron una herramienta
para crear una base de datos georreferenciada con
información referente al rendimiento energético de
edificios residenciales en Lombardi-Italia. Toda la
información recopilada fue utilizada para alimentar la
base de datos en la plataforma SIG obteniéndose de esta
manera una herramienta para el análisis del sector
edificado de una localidad.
En Ecuador, varios autores [12] [13] [3] han
realizado estudios para determinar el rendimiento de
viviendas en diferentes ciudades. Los trabajos se basan
en la evaluación individual de seis o menos
edificaciones. Los resultados obtenidos sirven como
información de referencia para tipologías y localidades
similares; sin embargo, no es factible su escalamiento a
toda una municipalidad o ciudad. Para esto se requiere
el análisis de información generada por diferentes
entidades.
Actualmente, gran parte de las entidades públicas en
Ecuador generan información georreferenciada. Sin
embargo, no se encuentran interrelacionadas y la
precisión y sistema de referencia diverge entre sí. Es por
esta razón que, no es posible fusionar directamente las
bases de datos catastrales y del servicio eléctrico a
través de una clave principal o mediante ubicación.
Por lo expuesto, el objetivo de este estudio es
desarrollar una metodología que permita la unificación
de bases de datos con información catastral y eléctrica
mediante el uso de herramientas SIG y SQL. Para la
aplicación de la metodología, se ha seleccionado una
muestra representativa de edificaciones residenciales
localizadas en el casco urbano del Distrito
Metropolitano de Quito (DMQ). Esto debido a que, en
2020, la Empresa Eléctrica Quito (EEQ) fue la segunda
empresa eléctrica con mayor consumo registrado, por
parte del sector residencial, frente a otras distribuidoras
del país y, fue la primera en la región sierra [2].
La muestra inicial estuvo conformada por 633 800
medidores de electricidad, y mediante la metodología
desarrollada se unificó aproximadamente el 25 % de los
registros con la información catastral correspondiente.
La nueva base de datos está conformada de 157 334
registros de predios y medidores asociados. Además, se
identificó que el porcentaje de asociaciones obtenidas se
encuentra homogéneamente distribuido dentro de la
zona de estudio y es cuantitativamente representativo en
la mayor parte de parroquias. La metodología planteada
consta de cuatro (4) fases.
En el presente trabajo se describen de manera
preliminar al área de estudio y las fuentes de
información; así como, el estado de los datos. Luego, el
proceso de depuración de las bases de datos, un análisis
de las relaciones de unión existentes, así como, la
unificación y validación. Posterior, se muestran los
resultados, donde se indican las relaciones de unión
seleccionadas y el número de datos unificados de cada
fase. Además, se muestra la distribución espacial de los
datos unificados y su porcentaje de representatividad
por parroquia. Finalmente, se exponen las conclusiones
y recomendaciones después de la aplicación de la
metodología planteada.
2. METODOLOGÍA
Esta sección describe la información concerniente al
área de estudio y a los datos de insumo, sobre los cuales
se realiza una depuración. Además, se analizan las
posibles relaciones de unión predio – medidor a
presentarse y en base a ello, se establecen las técnicas y
herramientas adecuadas para la unificación. Finalmente,
Aymacaña et al. / Metodología de asociación de información catastral y eléctrica mediante herramientas SIG y SQL
se efectúa una validación en sitio de los resultados. En
la Fig. 1 se indican los pasos a seguir desde la
recopilación de datos hasta la validación de resultados.
Figura 1: Metodología de estudio
2.1. Área de estudio y fuentes de información
La metodología desarrollada en este estudio es
aplicada en la zona correspondiente al casco urbano del
DMQ, la cual incluye 32 parroquias urbanas y cuenta
con una superficie de 18 860 has [14]. El área de estudio
se muestra en la Fig. 2.
Figura 2: Área de estudio
La información utilizada procede de los organismos
generadores competentes. La EEQ dispone de
información eléctrica de los clientes regulados en el área
de estudio. Por otra parte, la Secretaría de Territorio,
Hábitat y Vivienda del Gobierno Autónomo
Descentralizado del Distrito Metropolitano de Quito
(GAD-DMQ) que dispone de información predial.
Debido a que se trata de información sensible de la
población, las bases de datos no son de acceso público,
sin embargo, estas son administradas por las
instituciones públicas antes citadas.
Los datos recopilados corresponden a dos
geodatabases separadas, con archivos georreferenciados
de tipo shapefile en formato vectorial. Se conoce que el
catastro predial se encuentra a escala 1 : 1 000 y se rige
a las normas de exactitud posicional establecidas por el
Instituto Geográfico Militar (IGM), por lo cual su
precisión es no superior a 0,3 m ± 0,03 m [15][16].
Respecto a la cartografía de consumo eléctrico, se
encuentra generada a escala de detalle, y los equipos
utilizados para el levantamiento de información tienen
una precisión superior respecto a la cartografía catastral.
El consumo eléctrico se encuentra representado
como una cobertura tipo punto, cuyo sistema de
referencia corresponde a WGS84 proyección UTM
Zona 17 Sur. Posee 633 800 registros y 15 campos con
información descriptiva. Por otro lado, el catastro
predial se encuentra representado como una cobertura
tipo polígono y su sistema de referencia corresponde a
WGS84 proyección TMQ Zona 17 Sur. Posee 660 909
registros y 17 campos con datos descriptivos de cada
predio.
Debido a que: a) la precisión y sistema de referencia
de cada una de las coberturas diverge entre sí, b) existen
registros duplicados y c) no existen campos en común
(primary key), no es posible establecer una unificación
directa.
2.2. Depuración de bases de datos
Antes de realizar cualquier tipo de operación entre
capas, se considera pertinente tratar las diferencias
sistemáticas existentes [17]. Por ello, la depuración de
las bases de datos inicia con la homogenización de sus
características espaciales. Los sistemas de referencia de
la cobertura catastral y eléctrica son distintos, por lo que
se realizó una transformación para que ambas adopten el
sistema de referencia WGS84 Zona 17 Sur.
Posteriormente, se realizó una limpieza de los datos
contenidos en cada registro de acuerdo a las
características propias de cada campo. Para esto se
analizó el dominio de cada variable. En los campos
cuyo atributo corresponde exclusivamente a
información tipo texto, se eliminaron los caracteres
numéricos, y viceversa (sin incluir campos que poseen
caracteres combinados). Además, se transformaron los
caracteres de los registros de datos cualitativos de
minúsculas a mayúsculas y se identificaron caracteres
especiales para sustituirlos o eliminarlos.
Como resultado, los datos contenidos en la tabla de
atributos de cada una de las coberturas presentan
características espaciales que facilitan procesos
geoespaciales y, además, la calidad de datos presenta
una mejora que posibilita y favorece la interacción entre
campos.
En esta etapa se identificó la existencia de objetos
duplicados tanto de la base de datos catastral como
eléctrica. Esto se refleja en la presencia de objetos
sobrepuestos en una misma ubicación geográfica, lo
cual, en el caso del catastro, indica la existencia de
viviendas multifamiliares. Por ello, para definir las
herramientas de unificación espaciales o por atributos,
se requiere un análisis de las posibles relaciones de
Edición No. 19, Issue I, Julio 2022
unión predio – medidor (cobertura predial-cobertura
eléctrica), que se encuentran como polígono y punto
respectivamente y se indican en la siguiente sección.
2.3. Identificación y selección de relaciones de unión
Para identificar las posibles relaciones de unión
entre predio (polígono) y medidor (punto) se realizó una
intersección espacial entre ambas capas. Posteriormente
se analizó el estado de correspondencia espacial y de
atributos y se identificaron las siguientes relaciones de
unión: “uno a uno”, “uno a varios”, “varios a uno” y
“varios a varios”. En la Fig. 3 se indica gráficamente
cada una de las relaciones.
En el caso de unión “uno a uno”, como se ve en la
Fig. 3a se presenta un solo predio donde se encuentra
ubicado un solo medidor. La fusión en este caso es
sencilla, ya que se asigna la información del polígono al
punto. La unificación es verificada a través de la
coincidencia de atributos alfanuméricos de un campo en
común entre ambas bases de datos, de no darse esta
coincidencia, el registro fusionado queda descartado.
Bajo la relación de unión “uno a varios”, como en la
Fig. 3b, existe un solo predio en el cual se encuentran
ubicados varios medidores que registran distintos
consumos. En este caso, el punto recibe la información
del polígono y la unificación queda verificada si el
atributo en común de ambas bases de datos coincide, de
lo contrario el registro unificado es descartado.
La relación de unión “varios a uno” se indica en la
Fig. 3c y Fig. 3d, se observa que para varios predios
(que puede ser el caso de edificios de departamentos u
otro tipo de vivienda multifamiliar), existe un solo
medidor ubicado dentro de ellos. En este caso, el predio
puede corresponder a un mismo propietario (Fig. 3c) o
de distintos propietarios (Fig. 3d). Al ser del mismo
propietario, la asignación de información del polígono
al punto no es viable ya que para su verificación se
requiere de visitas en sitio. Si los predios son de
distintos propietarios, la asignación de información de
polígono a punto es válida siempre y cuando exista la
coincidencia de un atributo en común.
En el caso de unión “varios a varios”, como se
observa en la Fig. 3e, Fig. 3f y Fig. 3g, existen varios
predios y medidores en una misma ubicación
geográfica. Respecto a predios, puede darse que uno
(Fig. 3g) o varios (Fig. 3e y Fig. 3) corresponda a un
mismo propietario. En relación a medidores, todos
registran diferentes consumos, sin embargo, uno (Fig.
3g) o varios (Fig. 3e y Fig. 3f) corresponden a un
mismo propietario. Si varios predios y medidores
presentan un mismo propietario (Fig. 3e), no es posible
establecer una fusión válida, para ello se requiere de
visitas en sitio. Para aceptar una fusión, se debe
presentar lo indicado en la Fig. 3f, es decir que uno o
varios puntos debe pertenecer a un solo polígono, de lo
contrario se requiere de visitas en sitio. El caso ideal, es
indicado en la Fig. 3g, donde la información de punto y
polígono es única, por lo tanto, la asociación entre
objetos es exitosa.
Figura 3: Relaciones de unión punto – polígono basado en su
coincidencia espacial
Las relaciones antes mencionadas se basan en la
coincidencia espacial entre punto y polígono. Sin
embargo, es posible que exista correspondencia entre
atributos alfanuméricos en común entre punto y
polígono sin existir una correspondencia espacial entre
ellos, obteniéndose una unión válida. En este caso, en
base a los atributos en común de las capas, la única
relación de unión punto - polígono posible encontrada,
es de uno a uno.
La unión de los datos bajo las relaciones
seleccionadas se realiza mediante métodos espaciales y
de comparación de atributos en común, lo cual se indica
en la siguiente sección.
2.4. Unión de bases de datos
Las relaciones de unión espaciales y alfanuméricas
seleccionadas en la sección 2.3, se agrupan en tres
casos: 1) un predio y uno o varios medidores, 2) varios
predios (cuyo campo en común sea único) y uno o
varios medidores, y 3) predio y medidor cuyo atributo
alfanumérico de los campos en común sean
coincidentes. La unión los casos mencionados se
llevaron a cabo en cuatro fases esquematizadas en la
Fig. 5 detalladas a continuación.
2.4.1 Fase 1
Para el caso donde existe un solo predio que
espacialmente contiene a uno o varios medidores,
inicialmente, se dividió la cobertura catastral en dos
capas, una con predios duplicados y otra con predios
únicos. Con esta última, se realizó una unión de
atributos de polígono a punto basada en su
correspondencia espacial. Se obtuvo una cobertura de
salida, la cual es de tipo punto y contiene atributos de
predios y medidores.
Posteriormente se realizó el proceso de verificación
de objetos (PVO) unificados mediante la comparación
Aymacaña et al. / Metodología de asociación de información catastral y eléctrica mediante herramientas SIG y SQL
de información alfanumérica de los atributos en común
de ambas coberturas. Aquellos registros cuya
coincidencia fue idéntica se conservaron. Debido a que
esta comparación se limita a la aceptación de
coincidencias idénticas, se realizó también la
programación de comandos SQL para la comparación
de coincidencias entre caracteres de las entidades
unificadas. En el presente estudio se aceptaron aquellos
registros cuyos campos en común presenten una
coincidencia idéntica y con cuatro (4) o más caracteres.
Los objetos que cumplieron con estos dos tipos de
comparaciones fueron aceptados, los restantes fueron
descartados.
2.4.2 Fase 2
En este caso, donde existen varios predios que
espacialmente contienen a uno o varios medidores,
interviene la capa del catastro que contiene registros
duplicados.
Inicialmente se dividió la cobertura predial para
obtener una capa con predios cuyo campo en común,
con la cobertura de medidores, sea único. Con esta capa
y con la cobertura de medidores que fueron descartados
en la fase 1, se realizó una unión de atributos de
polígono a punto basada en su coincidencia espacial. Se
obtuvo una capa de salida tipo punto que contiene
información de predio y medidor asociado. Luego, de la
misma forma que en la fase 1, se realizó el PVO
2.4.3 Fase 3 y Fase 4
La unificación en este escenario se lleva a cabo de
un predio a un medidor donde exista una
correspondencia de información alfanumérica de un
campo en común entre ambas bases de datos.
Primero (fase 3), se realizó una unión por atributos
con coincidencia idéntica mediante comandos de
programación SQL tomando como clave principal o
primary key a un campo en común entre la base de
datos predial y de consumo eléctrico. Posteriormente,
(fase 4) se realiza la comparación de coincidencias entre
caracteres de las entidades unificadas, las cuales no
presentaron coincidencia espacial.
Finalmente se llevó a cabo la verificación de las
entidades unificadas mediante un análisis de proximidad
entre los objetos asociados con el fin de descartar
aquellas unificaciones cuya distancia de separación no
sea tolerable.
En el presente estudio se ha establecido una
tolerancia de 45 m. La distancia calculada está
comprendida desde el centroide del predio hasta el
medidor. Al tomar el centroide del polígono se debe
tener presente que existe un amplio rango de variación
del tamaño de los predios, por lo que la distancia entre
el predio y el medidor puede ser grande. Esto no
significa que la unificación sea errónea. Para disminuir
la ocurrencia de grandes distancias en predios grandes
se debe medir desde el lado del predio más cercano al
medidor. En la Fig. 4 se presenta un esquema del
procedimiento realizado. Si la distancia señalada como
M es menor a 45 m el registro asociado es verificado y
aceptado.
2.5. Análisis general de datos
La superficie de las 32 parroquias que intervienen
dentro del estudio es distinta, como consecuencia, el
número de datos difiere en cada parroquia. Por ello, se
realizó un análisis de representatividad de los datos
unidos por parroquia de acuerdo a la proporción de
datos de cada una respecto al total.
Figura 4: Cálculo de distancia predio – medidor
Se calculó el porcentaje de datos de la base de datos
eléctrica completa por parroquia y se comparó con el
porcentaje de datos de la base de datos unificada, así se
identificaron aquellas parroquias cuya proporción de
datos unificados es mayor, menor o igualitaria respecto
a la base de datos completa.
Además de conseguir una proporción representativa
en cada parroquia, es importante conocer si su
distribución espacial es homogénea ya que no es
conveniente que existan datos concentrados en
determinadas zonas para futuras aplicaciones en materia
de gestión energética. Al tener las coberturas
georreferenciadas, con la ubicación de los datos se
identificó la distribución espacial en cada parroquia.
Los diferentes análisis espaciales y entre atributos de
cada fase, se realizaron utilizando diferentes tipos de
software. Los procesos espaciales se realizaron con el
software de Sistemas de Información Geográfica (SIG):
QGIS. El análisis de comparación de campos por
atributos en común, se lo realizó mediante la
programación de comandos software estadístico: R-
Studio. Los dos motores de análisis son de código
abierto.
Edición No. 19, Issue I, Julio 2022
Figura 5: Proceso metodológico de unificación de datos punto - polígono
2.6. Validación
Una vez unificadas las bases de datos, se validaron
los resultados obtenidos de las uniones predio – medidor
con datos levantados en sitio. Del total de entidades
asociadas por parroquia, se seleccionaron aquellas con
uniformidad en la distribución espacial de los datos
unidos. De estas parroquias se seleccionó una muestra
aleatoria representativa del conjunto de datos asociados,
los cuales fueron validados en sitio.
La toma de datos en sitio se llevó a cabo mediante
aplicaciones móviles gratuitas para el levantamiento de
información geográfica, donde principalmente se
registró el número de medidor, número de casa y
fotografía de la fachada de la muestra. Con estos datos,
por un lado, se validó el medidor correspondiente al
predio. Mediante el Código Único Eléctrico (CUEN) de
cada medidor, se descargó la factura de cada uno y con
ello se comparó que el número de medidor corresponda
al número registrado en sitio. Por otro lado, se comparó
la imagen de la fachada principal tomada en sitio, con la
fotografía disponible en la cédula catastral del portal de
datos del municipio de Quito. Se consideraron como
válidas a aquellas uniones con coincidencia de número
de medidor y fotografía de fachada.
3. RESULTADOS
3.1 Selección de relaciones de unión
Las relaciones espaciales y por atributos que
implican dos o más datos a unirse con información
alfanumérica en común, son más complejas de tratarse,
ya que las entidades están representadas de manera
distinta en cada base de datos. Esto genera
incertidumbre al realizar la unificación. Por esta razón,
en el presente estudio se seleccionaron las relaciones de
unión espaciales: a, b, d, f, g y la relación alfanumérica
de uno a uno (Fig. 3).
3.2 Unión de bases de datos
Para evaluar los resultados obtenidos luego de
aplicar la metodología propuesta, se comparó el estado
de los atributos de las coberturas de insumo frente a los
atributos de la cobertura final unificada. Dentro de la
cobertura catastral se han identificado predios en
unipropiedad (viviendas unifamiliares) y en propiedad
horizontal (viviendas multifamiliares). Se han obtenido
varios casos de unión conforme las relaciones de unión
existentes y las fases de unificación.
Figura 6: Unificación en la Fase 1 con relaciones “uno a uno” y
“uno a varios”
3.2.1 Fase 1
En la Fig. 6 se muestra un ejemplo de lo conseguido
en la Fase 1. Inicialmente las coberturas se encuentran
divididas y luego de la unión se obtiene una cobertura
consolidada con los atributos de las bases de datos. Los
objetos se encuentran asociados de “uno a uno” y de
“uno a varios”, donde espacialmente cada medidor se
Aymacaña et al. / Metodología de asociación de información catastral y eléctrica mediante herramientas SIG y SQL
encuentra contenido en el predio asociado. Debido a que
en esta fase se dividió a la cobertura de predios y se
trabajó con aquellos predios unifamiliares, existe una
mayor cantidad de medidores que predios.
En esta fase se obtuvo la mayor cantidad de datos
unificados. El 14,4 %, que corresponde a 90 794
registros de viviendas unifamilares, se unificaron
exitosamente por el método de intersección espacial y
verificación de correspondencia idéntica y entre
caracteres de los campos en común entre la cobertura
catastral y de consumo eléctrico. Los objetos que no se
asociaron exitosamente ingresaron a la Fase 2 de
unificación.
3.2.2 Fase 2
En el ejemplo de la Fig. 7 se indica lo conseguido en
la Fase 2. La tabla de atributos de la capa resultante
alberga objetos unidos bajo la relación “uno a uno”,
donde cada medidor se encuentra ubicado dentro del
predio asociado.
Figura 7: Unificación en la Fase 2 con relación “uno a uno”
Del número de datos restante no unificado
(multifamiliares) que pasó a Fase 2, el 6,2 % fue
unificado mediante el mismo método indicado en la
Fase 1. La relación de unificación está basada en su
coincidencia alfanumérica, son “uno a uno” y “uno a
varios”. Los datos no unificados en la Fase 2 pasaron a
Fase 3.
3.2.3 Fase 3
En la Fig. 8 se muestra el estado inicial y final de la
unificación de la cobertura eléctrica y de catastro en la
Fase 3. Se fusionaron a los objetos mediante campos en
común, por lo que la relación de unión fue de “uno a
uno”. Los medidores asociados a un predio no se
encontraban en una misma ubicación espacial, por lo
que se realizó un análisis de proximidad mediante el
cálculo de distancias entre punto y polígono asociado.
Se consideraron como válidas a aquellas fusiones cuya
distancia de separación se encontró dentro de un rango
tolerable. Este procedimiento permitió la unión del 6,9
% de los datos no fusionados en la Fase 2. Los datos no
unificados pasan a la Fase 4.
Figura 8: Unificación en la Fase 3 con relación “uno a uno”
Figura 9: Unificación en la Fase 4 con relación de unión uno a uno
3.2.4 Fase 4
La Fase 4 corresponde a la última dentro del proceso
de unificación. En la Fig. 9 se indica un ejemplo del
estado de las bases de datos antes y después de la
unificación. Se consiguió fusionar a aquellos registros
donde se encontró diferencias menores entre los campos
en común. Espacialmente, no existió una coincidencia
espacial entre punto y polígono asociados, por lo que en
estos casos se calculó la distancia existente para
conservar o descartar registros fusionados. Finalmente,
se consiguió unificar el 0,04 % de objetos no asociados
resultante de la Fase 3.
Edición No. 19, Issue I, Julio 2022
Considerando la base de datos completa de
medidores de energía eléctrica, en total se logró la
unificación del 24,8 % correspondiente a 157 334
registros de medidores de energía eléctrica asociados a
edificaciones.
3.3 Análisis general de datos asociados
Adicionalmente, se evaluó si la proporción de
medidores asociados por parroquia es similar a la
proporción de la base de datos de consumo eléctrico
completa. Los resultados mostraron que las parroquias
que no están siendo bien representadas en la base de
datos unificada son principalmente Iñaquito y
Quitumbe.
En el caso de la parroquia Iñaquito, en la base de
datos completa de consumo eléctrico representa el 5,1
% mientras que en la base de datos unificada el 3,4 %.
Para que en esta parroquia el número de datos
unificados sea representativa, se espera que existan 8
040 datos unificados, el análisis muestra que existen 5
411, lo que indica que hay un faltante de 3 514 registros
unificados. Por el contrario, las parroquias mejor
representadas son Kennedy y El Condado ya que se
lograron unificar más registros de los esperados.
3.4 Distribución espacial de datos asociados
Además de la cantidad de datos, es importante
representar su distribución espacial. En la Fig. 10 se
observa la presencia de datos alrededor de todas las
parroquias. Existen ciertos vacíos que, en parroquias
como El Condado, Concepción, Iñaquito, Quitumbe,
Centro Histórico, entre otras, corresponden a áreas
abiertas como zonas de recreación y parques. La
parroquia que muestra una distribución espacial no
uniforme, es decir mayores vacíos en su territorio es
Turubamba, Comité del Pueblo y Turubamba.
3.5. Validación en sitio
Al revisar la distribución espacial de los datos
unificados por parroquia, se encontró que La Kennedy
de la zona Norte, e Iñaquito de la zona Centro – Sur,
presentan mejor distribución espacial. Como se muestra
en la Fig. 11, en las dos parroquias las entidades
unificadas se distribuyen alrededor de toda la parroquia
y fueron seleccionadas para a la validación en sitio. En
la parroquia Iñaquito mediante la comparación del
CUEN de cada medidor se validó el 20,91 % de datos, y
por fachadas se validó el 95 %. En el caso de la
parroquia La Kennedy, se validó el 61 % de entidades
unificadas por medio del CUEN y el 92 % por la
fachada de la edificación. Al realizar la toma de datos
en esta parroquia, se encontró que el 32 % de medidores
se hallaban en un lugar no visible para ser registrados
por lo que de este porcentaje de datos no se tiene
información.
Figura 10: Distribución espacial de los datos unificados
Figura 11: Distribución espacial de datos unificados de la
parroquia Kennedy e Iñaquito
4. DISCUSIÓN
Lo ideal, para que una unificación sea sencilla, es
contar con objetos cuya ubicación espacial corresponda
a un solo registro en su tabla de atributos. De esta
forma, se cuenta con la misma cantidad de objetos
espaciales y registros alfanuméricos, con ello la relación
de unión es de “uno a uno”. No obstante, no es el caso
de los insumos manejados, siendo una limitante
encontrada en la mayor parte de estudios relacionados a
métodos de unificación de bases de datos.
Aymacaña et al. / Metodología de asociación de información catastral y eléctrica mediante herramientas SIG y SQL
El manejo de datos eléctricos y catastrales en Quito,
implica la intervención de una gran cantidad de
información que no puede ser unificada únicamente
bajo la relación de “uno a uno”. Por lo que, el método
de intersección espacial en combinación con los
comandos de programación SQL de comparación
idéntica y entre caracteres, presentó una mayor robustez
en la unificación para predios registrados como
viviendas unifamiliares. Sin embargo, en esta fase
tuvieron intervención aquellos predios registrados como
viviendas multifamiliares, donde es necesario tomar
medidas alternas, computacionales o de trabajo de
campo, para la unificación.
Los resultados obtenidos, con la aplicación de las
herramientas de unión por atributos y comparación de
campos en común, indican que la funcionalidad de las
herramientas es la misma independientemente del orden
de ejecución. Conociendo esto, es posible optimizar los
procesos para que la carga computacional y el tiempo de
ejecución, disminuya. La esquematización de los
procesos en cada fase, contribuye a la aplicación de la
metodología planteada. De esta forma es posible realizar
cualquier tipo de mejora al proceso propuesto, lo cual
no se puede contemplar en los escasos métodos de
unificación encontrados en la literatura.
La unificación por atributos, mediante la
comparación entre caracteres de los atributos en común
de las dos bases de datos de insumo, se realiza mediante
una comparación objeto a objeto, de la totalidad de
datos de interés. La carga computacional para la
ejecución de este proceso es alta, por lo que
generalmente se hace referencia al alto grado de
robustez del equipo a usar como condicionante para
llevar a cabo cualquier tipo de operación donde
intervenga una gran cantidad de datos. La presente
metodología plantea dividir los datos por zonas y así
disminuir el volumen de datos, lo que representa una
alternativa para aplicar la herramienta sin que la
capacidad computacional del equipo sea una limitante.
Los 157 334 registros unificados cuentan con
información acerca del consumo eléctrico histórico
desde enero de 2018 hasta diciembre de 2020 e
información catastral del predio correspondiente, como
área de construcción, número de pisos, área del terreno,
ubicación, características constructivas de la envolvente,
entre otros. De acuerdo con varios autores, la base de
datos obtenida es el insumo más importante para el
desarrollo de una diversidad de estudios enfocados en el
comportamiento y rendimiento energético de
edificaciones residenciales.
La aplicación combinada de herramientas SIG y
comandos SQL representa un potencial instrumento
para la unificación de bases de datos eléctricas y
catastrales. Lo cual beneficia a las diferentes
organizaciones dedicadas a la gestión del territorio y a
su vez, a aquellas creadas para la administración de
energía eléctrica. Con los resultados obtenidos, es
posible establecer indicadores o parámetros que
permitan determinar políticas de eficiencia energética
sobre el territorio.
5. CONCLUSIONES Y RECOMENDACIONES
Al aplicar la metodología planteada sobre la
información de las bases de datos catastral y de
consumo eléctrico del casco urbano de Quito, se logró
unificar el 25 % de datos de consumo eléctrico a
información predial en cuatro fases, lo que corresponde
a 157 334 datos de 633 800 en total.
Para llevar a cabo el proceso de unificación entre
dos coberturas tipo punto y polígono, los métodos SIG
adecuados son: intersección espacial, unión por
atributos y proximidad entre puntos. La funcionalidad
estas herramientas SIG se potencializa con el uso
combinado de herramientas SQL.
El tipo de vivienda es un factor condicionante para
la aplicación de la metodología de unión. Al analizar las
relaciones geométricas de unión existentes, se
encontraron limitantes al unificar a aquellos objetos tipo
polígono (predios) que se encuentran en propiedad
horizontal o como viviendas multifamiliares debido a la
incertidumbre existente ante la presencia de un solo
medidor en varias unidades habitacionales.
Las parroquias Iñaquito y Quitumbe presentaron la
menor cantidad de asociaciones, mientras que El
Condado y Kennedy poseen la mayor cantidad, con el
6.5 % y 5.1 % respectivamente. Esto se dio debido a que
en Iñaquito y Quitumbe existe una gran cantidad de
viviendas unifamiliares donde no se pudo establecer una
relación de unión válida.
La recolección de datos en sitio comprobó la validez
de la metodología planteada en este estudio. Los errores
encontrados en la validación se deben a posibles causas
como _es humanos en la toma de datos, cambio de
propietario de los medidores o difícil acceso al medidor,
dificultándose el levantamiento de información.
La metodología desarrollada puede ser replicada en
otras áreas de estudio donde se requiera unificar bases
de datos con características similares a la información
de insumo utilizada.
Para perfeccionar la georreferenciación de la base de
datos espacial de medidores de energía eléctrica, se
recomienda realizar una revisión a escala grande de las
zonas donde exista una cantidad menos representativa
de registros unificados.
AGRADECIMIENTOS
Este trabajo fue llevado a cabo gracias al
financiamiento de la Empresa Eléctrica Quito (EEQ) y
la cooperación de la Secretaría de Territorio, Hábitat y
Vivienda del Gobierno Autónomo Descentralizado del
Distrito Metropolitano de Quito. Los autores agradecen
Edición No. 19, Issue I, Julio 2022
a las instituciones por la gestión realizada para
proporcionar la información necesaria para el desarrollo
del estudio.
REFERENCIAS BIBLIOGRÁFICAS
[1] Agencia Internacional de la Energía, “Seguimiento
de edificios 2020 - Análisis - IEA.”
[2] Agencia de Regulación y Control de Energía y
Recusos Naturales no Renovables, “Estadística
anual y multianual del sector eléctrico ecuatoriano,
2020,” 2021. [Online]. Available:
https://www.controlrecursosyenergia.gob.ec/wp-
content/uploads/downloads/2021/06/Estadistica-
2020-baja.pdf
[3] M. Baquero and F. Quesada, “Eficiencia energética
en el sector residencial de la Ciudad de Cuenca,
Ecuador,” Maskana, vol. 7, no. 2, pp. 147–165,
2016, doi: 10.18537/mskn.07.02.11.
[4] M. Ghajarkhosravi, Y. Huang, A. S. Fung, R.
Kumar, and V. Straka, “Energy benchmarking
analysis of multi-unit residential buildings
(MURBs) in Toronto, Canada,” J. Build. Eng., vol.
27, no. October 2019, p. 100981, 2020, doi:
10.1016/j.jobe.2019.100981.
[5] Y. J. Ahn and D. W. Sohn, “The effect of
neighbourhood-level urban form on residential
building energy use: A GIS-based model using
building energy benchmarking data in Seattle,”
Energy Build., vol. 196, pp. 124–133, 2019, doi:
10.1016/j.enbuild.2019.05.018.
[6] G. Mutani, R. Fontana, and A. Barreto, “Statistical
GIS-based analysis of energy consumption for
residential buildings in Turin (IT),” in IEEE
International Conference and Workshop in Obuda
on Electrical and Power Engineering, 2019, pp.
179–184. doi: 10.1109/CANDO-
EPE47959.2019.9111035.
[7] Y. Ma and G. Reynders, “Data-driven statistical
analysis of energy performance and energy saving
potential in the Flemish public building sector,” J.
Phys. Conf. Ser., vol. 1343, no. 1, 2019, doi:
10.1088/1742-6596/1343/1/012051.
[8] J. Ma and J. C. P. Cheng, “Estimation of the
building energy use intensity in the urban scale by
integrating GIS and big data technology,” Appl.
Energy, vol. 183, pp. 182–192, 2016, doi:
10.1016/j.apenergy.2016.08.079.
[9] G. Mutani, R. Fontana, and A. Barreto, “Statistical
GIS-based analysis of energy consumption for
residential buildings in Turin (IT),” CANDO-EPE
2019 - Proc. IEEE 2nd Int. Conf. Work. Obuda
Electr. Power Eng., pp. 179–184, 2019, doi:
10.1109/CANDO-EPE47959.2019.9111035.
[10] U. Ali et al., “A data-driven approach to optimize
urban scale energy retrofit decisions for residential
buildings,” Appl. Energy, vol. 267, no. 114861,
2020, doi: 10.1016/j.apenergy.2020.114861.
[11] G. Dall’O', A. Galante, and M. Torri, “A
methodology for the energy performance
classification of residential building stock on an
urban scale,” Energy Build., vol. 48, pp. 211–219,
2012, doi: 10.1016/j.enbuild.2012.01.034.
[12] J. Taco and L. Tipán, “Metodología para la
determinación de indicadores de Eficiencia
Eléctrica en la Zona Residencial,” Rev. Técnica
“Energía,” vol. 16, no. 2, pp. 70–90, 2020, doi:
10.37116/revistaenergia.v16.n2.2020.354.
[13] J. Espinoza, Q. Felipe, A. Calle, and O. Jessica,
“Estándares de sustentabilidad para viviendas
patrimoniales del Centro Histórico de Cuenca –
Ecuador,” Estoa, vol. 8, no. 15, pp. 65–77, 2019,
doi: 10.18537/est.v008.n015.a06.
[14] Empresa Pública de Movilidad y Obras Públicas,
“Plan Maestro de Movilidad para el Distrito
Metropolitano de Quito 2009-2025,” 2009.
[15] Ministerio de Desarrollo Urbano y Vivienda,
“ACUERDO MINISTERIAL Nro. 017 - 20.”
[16] Instituto Geográfico Militar, “Protocolo De
Fiscalización Para Proyectos De Generación De
Cartografía Base Con Fines Catastrales Escala 1 : 1
000, Obtenida a Través De Método
Aerofotogramétrico, Digitalización 2D Sobre
Ortofoto O Levantamiento Topográfico,” Quito,
Ecuador, 2019.
[17] A. Gruber, C.-H. Su, S. Zwieback, W. Crow, W.
Dorigo, and W. Wagner, “Recent advances in (soil
moisture) triple collocation analysis,” Int. J. Appl.
Earth Obs. Geoinf., vol. 45, pp. 200–211, 2016,
doi: 10.1016/j.jag.2015.09.002.
Lisseth Jami Aymacaña.- Nació
en Latacunga, Ecuador en 1994.
Recibió su título de Ingeniera
Geógrafa y del Medio Ambiente
de la Escuela Politécnica del
Ejército en 2019. Sus campos de
investigación están relacionados
con el uso de tecnologías y
herramientas aplicables dentro de los Sistemas de
Información Geográfica (SIG) para la gestión territorial
y fenómenos o variables que influyen en la dinámica del
territorio.
Aymacaña et al. / Metodología de asociación de información catastral y eléctrica mediante herramientas SIG y SQL
Catalina Vallejo Coral.- Nació en
Quito, Ecuador en 1986. Recibió
su título de Ingeniera Mecánica de
la Escuela Politécnica Nacional, en
2011; de Master en Ciencias con
especialidad en Ingeniería
Energética del Tecnológico de
Monterrey, México en 2017. Sus
campos de investigación están relacionados con la
eficiencia energética y confort térmico edificaciones
residenciales y comerciales.
Luis Felipe Godoy Vaca.- Nació
en Quito, Ecuador en 1989.
Recibió su título de Ingeniero
Mecánico de la Escuela Politécnica
Nacional en 2016. Actualmente
cursa una maestría en ingeniería
Química y Energética en la
Universidad Otto-von-Guericke en
Magdeburg, Alemania. Sus campos de investigación
están relacionados con la simulación energética y la
eficiencia energética.
Francis David Vásquez Aza.-
Nació en Ibarra, Ecuador en 1991.
Recibió su título de Ingeniero
Mecánico de la Escuela Politécnica
Nacional en 2016 y su título de
Master en Sistemas y Tecnologías
de Conversión de Energía de la
Universidad Rovira i Virgili,
Tarragona-España en 2020. Sus campos de
investigación están relacionados con la Eficiencia
Energética en Edificaciones y las Energías Alternativas.
José Luis Condo León.- Nació en
Riobamba, Ecuador en 1992.
Recibió su título de Ingeniería en
Estadística Informática de la
Escuela Superior Politécnica de
Chimborazo, en 2020. Su campo de
investigación esta con el análisis de
datos multivariados, utilizando
técnicas estadísticas, en el ámbito de la energía.
