OpenStreetMap: Una excelente forma de conocer tu casa

Google Maps es, posiblemente, la mejor herramienta para conocer qué hay cerca de tu departamento o casa. Sin embargo, no está diseñado para realizar consultas masivas a cientos de ubicaciones al mismo tiempo, a menos que utilices su API, la cual tiene un costo por solicitud según la cantidad de consultas (un free trial).

Como alternativa, existe OpenStreetMap (OSM), un proyecto open-source basado en datos colaborativos, similar a Wikipedia, que es constantemente actualizado por la comunidad. Gracias a esto, se convierte en una excelente fuente de información para resolver este tipo de problemas de manera gratuita y flexible.

En la comunidad de Python existe una librería llamada overpy, que permite conectarse a OpenStreetMap y, con solo una latitud, longitud y distancia, extraer todos los servicios (amenities) cercanos a un punto determinado.

¿Cómo instalarla?

Su instalación es sencilla para Python >= 3.6:


1pip install overpy

Luego, simplemente se importa en tu script:


1codigo: import overpy

¿Cómo utilizarla?

Con una latitud, longitud y distancia (en metros), podemos obtener todos los servicios cercanos:


1def get_amenities_from_point(lat, lon, distancia):
2    
3    api = overpy.Overpass()
4 
5    input_df = pd.DataFrame({"lat": [lat], "lon": [lon]})
6    input_latlons = ",".join(input_df.to_numpy().flatten().astype("str"))
7    
8    overpass_query = f"""
9    [out:json][timeout:500];
10    (
11    nwr["amenity"](around:{distancia},{input_latlons});
12    (._;>;);
13    );
14    out center;
15    """
16
17    result = api.query(overpass_query)
18    result_df = pd.json_normalize(map(vars, result.nodes)) \
19                .drop(columns=["_result"]) \
20                .rename(columns={"tags.name": "name"}) \
21                .dropna(subset=['name']) \
22                .reset_index(drop=True)
23    
24    # Normalize result to DataFrame
25    return result_df

Por ejemplo, si consultamos usando las coordenadas del Metro Manuel Montt, obtendremos un listado con los negocios y servicios cercanos a esa estación.

Esto lo podemos observa en la siguiente imagen:

¿Por qué es útil esta información?

Los servicios cercanos a una vivienda son un factor clave para determinar su valor o atractivo de arriendo. Departamentos ubicados cerca de colegios, bancos, estaciones de metro o centros comerciales suelen ser más demandados, lo que incrementa su plusvalía.

Por eso, antes de arrendar o comprar una propiedad, siempre es recomendable investigar qué servicios tienes alrededor.

El repositorio de este código es el siguiente: Github .