Time

Time — Isócrónas de Movilidad Laboral

Time (antes TimeIneco) es la herramienta definitiva de análisis de movilidad laboral en España. Calcula isócrónas reales para 5 modos de transporte, integra datos demográficos INE, precios de vivienda, bicicletas compartidas, y genera informes DOCX profesionales de 15 secciones.

Filosofía UX: Un clic en el mapa → sale TODO. Sin configurar, sin clics extra. El mapa es la interfaz.

URL v1: https://time-ntizar-ntizar.apps.nan.builders/ Repo v1: Ntizar/Time (privado) Repo v2 (Time2): Ntizar/TimeIneco2 (privado) — sucesor con arquitectura completa Plan v2: AUDITORIA-Y-PLAN.md en el repo TimeIneco2 Diseño: Kaizen Design System v4.0 (flat corporativo, azul #1A4488 + rojo #CB1823) Base map: IGN WMTS (gris, topográfica, ortofoto)

Auditoría Time v1.0 — Hallazgos (25/06/2026)

Lo que funciona bien:

• Arquitectura modular (12 módulos ES, responsabilidad clara)
• Motor GTFS con BFS + convex hull (bien diseñado, solo le faltan datos reales)
• Export multi-formato (DOCX, CSV, SHP, GeoJSON, KML)
• Datos demográficos reales (28K CPs, salarios INE, población INE)
• Kaizen Design System (flat, corporativo)
• Servidor Node.js autocontenido (sin Express, sin npm deps)
• CityBikes integrado (74 redes España)

Problemas críticos:

• 🔴 GTFS datos ficticios (rutas "1","2","3", 0 viajes) — el panel de TP es decorativo
• 🔴 ORS API key puede estar revocada (403) — isócrónas son simulaciones
• 🔴 No hay parsing GTFS real end-to-end (el engine está preparado pero nunca recibe datos reales)
• 🟡 suavizarPoligono() es no-op (comenta "skip every 3" pero ejecuta todos)
• 🟡 Fórmula población con número mágico * 2.5
• 🟡 Constante km2PerDeg2 = 12360 solo válida en Madrid

1. Arquitectura General (v5.0)

Frontend (HTML/JS vanilla, sin framework)
    ├── Leaflet (mapa base: IGN WMTS 3 capas + CARTO fallback)
    ├── Kaizen Design System (CDN)
    ├── OpenRouteService API (isocronas reales vía proxy)
    ├── CityBikes API (bicicletas públicas, 74 redes España)
    ├── GTFS Engine browser-side (paradas + rutas + horarios)
    ├── Turf.js (coastline clipping)
    ├── docx-report.js (DOCX 15 secciones)
    ├── csv-export.js (CSV completo)
    ├── interpretaciones.js (interpretaciones automáticas)
    ├── layers.js (control de capas toggleables)
    ├── JSZip (GTFS ZIP upload + export batch)
    └── shp.js (ESRI Shapefile)

Backend (Node.js, server.mjs)
    ├── .env loader manual (sin dotenv)
    ├── Proxy ORS → ORS_API_KEY
    ├── Proxy NAP → NAP_API_KEY
    ├── Proxy CityBikes (sin key)
    ├── GTFS Cache → /gtfs-cache/:city (JSON compacto)
    ├── Health check GET /healthz
    └── Static files

2. GTFS Pre-cargados (v6.0) — Sin subir archivos

Concepto: 5 ciudades con GTFS pre-procesado en JSON compacto. Auto-carga al detectar la ciudad.

Ciudades disponibles:

Endpoints servidor:

• GET /gtfs-cache/list → lista ciudades disponibles
• GET /gtfs-cache/:city → JSON compacto de la ciudad

Flujo:

1. Usuario entra dirección → detectarCiudad() identifica la ciudad
2. Si está en CIUDADES_CON_CACHE → verificarCacheDisponible() comprueba
3. Auto-carga via cargarDesdeServidor() → fetch JSON → cargarDesdeCache()
4. Sin clic del usuario, las paradas aparecen en el mapa

JSON compacto formato:

{
  "city": "bilbao",
  "stops": [{"stop_id", "stop_name", "stop_lat", "stop_lon"}],
  "routes": [{"route_id", "route_short_name", "route_long_name", "route_type"}],
  "route_trip_counts": {"route_id": trip_count},
  "stop_trip_map": {"stop_id": {"trip_count": N, "sample_arrivals": [...]}}
}

Pitfall: El JSON compacto NO tiene stop_times raw. cargarDesdeServidor() reconstruye trips[] y stop_times[] a partir de route_trip_counts y stop_trip_map para compatibilidad con cargarDesdeCache().

Procesamiento inicial (Python):

cd /root/workspace/Time/data/gtfs
# Procesar cada ciudad desde raw GTFS → JSON compacto
# Guardar en data/gtfs-cache/{city}.json

3. Mapa Base — IGN WMTS

See references/time-v5-architecture.md for tile URLs, layer config, pitfalls.

4. Diseño — Kaizen Design System v4.0

See references/time-v5-architecture.md for colors, layout, CSS patterns.

5-7. Layers, CSV, Interpretaciones

See references/time-v5-architecture.md for module APIs and patterns.

8. APIs (.env)

• ORS: Authorization: <key> (sin Bearer)
• NAP: ApiKey: <key> (fichero/{id}/descarga → S3 temporal 15min)
• CityBikes: sin key (api.citybik.es)
• IGN: sin key (CC BY 4.0)
• Nominatim: User-Agent obligatorio

9. Datos Demográficos

INE Padrón 2025, INE EAES 2024. SOLO datos REALES, nunca inventar.

10. UI Preferences

Ver SOUL.md preferencias David. Kaizen flat, sin dark, sin cards IA, sidebar 380px.

11. Lecciones Aprendidas

• .env loader manual, no source .env antes
• Git: NUNCA trackear GTFS (750MB+)
• ORS: enviar locations como pareja simple [lng, lat]
• IGN: FORMAT=image/jpeg obligatorio
• CSV: BOM UTF-8 para Excel
• NAP: NO usar /conjunto-dato/{id} (404)
• GTFS cache: JSON compacto reconstruye trips[] y stop_times[] para compatibilidad
• ORS key 403: Algunas keys v1 no tienen permisos de isócronas. Health check: ors_api: false. Fix: crear key nueva en openrouteservice.org
• Kaizen CSS: Repo privado → CDN no sirve. Copiar kaizen.css local a css/kaizen.css
• Motores locales: Valhalla Docker (isochrones nativas) o OSMnx+NetworkX (script Python) como alternativa a ORS API. Ver references/local-routing-engines.md
• Subagentes en paralelo: Si 2+ subagentes modifican el mismo archivo, pueden duplicar funciones. Error silencioso en node --check, visible solo en navegador. Ver pitfall #26 en routing-isochrones

12. Time2 — Arquitectura v2.0 (25/06/2026)

Repo: Ntizar/TimeIneco2 (privado, creado) Plan completo: AUDITORIA-Y-PLAN.md en el repo Estimación: ~3500 líneas, ~20h de desarrollo

10 capas de datos

1. 🗺️ Mapa IGN + geocodificación Nominatim
2. 🚌 GTFS real de NAP API (161 datasets, España completa)
3. 🚗 Isócrónas ORS reales (coche, bici, andando)
4. 📊 Demografía INE (CPs, población, salarios)
5. 🏠 Vivienda (Idealista, precios alquiler/venta por CP)
6. 🚲 Bicicletas compartidas (CityBikes, 74 redes)
7. 💰 Costes anuales por modo (combustible, abono, IRPF, mantenimiento)
8. 🌍 Emisiones CO₂ por modo (IPCC AR6)
9. 💻 Escenarios teletrabajo (5d presencial, 3+2, 2+3, full remote)
10. 📄 Informe DOCX 15 secciones + CSV + GeoJSON + SHP

Módulos JS (código estimado)

js/
├── app.js                 # Orquestador: click → todos los datos (~500 líneas)
├── map.js                 # Leaflet + 4 capas IGN + click handler (~400 líneas)
├── config.js              # Config centralizada
├── geocoder.js            # Nominatim geocodificación
├── isochrones.js          # ORS → simulación → fallback (~500 líneas)
├── isochrones-gtfs.js     # GTFS BFS + convex hull (~200 líneas)
├── gtfs-engine.js         # Parser GTFS completo (~600 líneas)
├── nap-catalog.js         # Catálogo 161 datasets NAP
├── demographics.js        # INE: CPs, población, salarios (~400 líneas)
├── vivienda.js            # Precios Idealista por CP (~250 líneas)
├── gbfs-engine.js         # CityBikes API (~200 líneas)
├── costes.js              # Cálculo costes por modo
├── co2.js                 # Emisiones IPCC AR6
├── teletrabajo.js         # 4 escenarios teletrabajo
├── layers.js              # Control de capas del mapa
├── markers.js             # Marcadores por tipo
├── popup-builder.js       # Popups ricos con info completa
├── report.js              # DOCX 15 secciones (~600 líneas)
├── csv-export.js          # CSV completo (~150 líneas)
├── geojson-export.js      # GeoJSON isócrónas
├── shp-export.js          # Shapefile QGIS
├── utils.js               # Haversine, formateo
├── cache.js               # Cache localStorage/IndexedDB
├── clip.js                # Clipeo costero Natural Earth
└── vendor/                # docx, jszip, turf (vendored)

Flujo "click = resultado"

CLICK EN MAPA
  ├── 1. reverseGeocode(lat, lng) → dirección + CP
  ├── 2. demographics.lookup(lat, lng) → población + salario + vivienda
  ├── 3. gbfs.nearby(lat, lng, 500) → estaciones bici
  ├── 4. gtfs.nearby(lat, lng, 500) → paradas + líneas
  ├── 5. nap.availableForCity(city) → operadores
  ├── 6. PARALELO: isócrónas (5 modos × 3 tiempos = 15 polígonos)
  ├── 7. costes.calcular(todosLosModos)
  ├── 8. co2.calcular(todosLosModos)
  ├── 9. teletrabajo.escenarios(costes, co2)
  └── 10. RENDER: panel + mapa + KPIs → un clic = DOCX

Scripts de datos

• download-gtfs-nap.py — Descarga GTFS de NAP API (10 ciudades piloto)
• precalculate-isochrones.py — Pre-cálculo OSMnx + NetworkX
• generate-data-files.py — Genera datos INE/Idealista/AEAT

APIs utilizadas

Pitfalls Time2

• NAP enlaces S3 caducan en 15 min → descargar rápido
• Solo GTFS-ZIP descargables (no GTFS-RT, NetEx, SIRI)
• Nominatim rate limit 1 req/s → no bucle
• ORS quota 2,500/día → usar pre-calculadas cuando posible
• GTFS grandes (>100MB, ej: Galicia 136MB) → parsear solo archivos necesarios
• km2PerDeg2 no es constante → usar Haversine para áreas
• NaN CDN cache 2-3 min post-push

Referencias

• references/time-v5-architecture.md — Arquitectura completa v5.0 (Time v1)
• references/time2-master-plan.md — Plan maestro Time2.0: auditoría + arquitectura completa (25/06/2026)
• references/docx-report-v2.0.md — Arquitectura DOCX
• references/export-shapefile-v2.2.md — Export multi-formato
• references/poblacion-cp-metodologia.md — Metodología datos población
• references/ine-api-datos-reales.md — API INE
• references/citybikes-api-integration.md — CityBikes API
• references/nap-api-descarga-gtfs.md — NAP API
• references/isocronas-v2.1-engine.md — Motor simulación
• references/gtfs-multi-ciudad.md — GTFS multi-ciudad
• references/local-routing-engines.md — Motores locales (Valhalla, OSMnx)
• scripts/generate-gtfs-synthetic.py — Generador GTFS sintético