GreenBox Logistics — Análisis Geoespacial de Expansión

Resumen Ejecutivo — Madrid, 21 Distritos Analizados

Distritos analizados

CRS: EPSG:25830 (UTM zone 30N) ✓

Hubs activos GreenBox

Buffer cobertura: 2 km radio

Población no cubierta

1.4M

47% del área metropolitana ↑ oportunidad

Distritos top expansión

Score medio: 87.3 / 100

🗺️ Mapa Coroplético — Score de Oportunidad por Distrito

Score 90-100 (expansión prioritaria)

Score 75-89

Score 50-74

Hub activo (cobertura OK)

Hub GreenBox (8 total)

★ Top 5 expansión

🏆 Top 5 Distritos — Score de Oportunidad

#	Distrito	Comercios	Población	Score
1	Chamartín Sin cobertura	2.847	148.220	96
2	Fuencarral Sin cobertura	2.190	219.407	94
3	Hortaleza Sin cobertura	1.934	183.651	91
4	Ciudad Lineal Cobertura parcial	3.102	226.178	89
5	San Blas-Canillejas Sin cobertura	1.671	155.380	88

📍 Hubs Activos (Cobertura Buffer 2km)

Hub Centro — C/ Gran Vía, 28

Área cubierta: 12.57 km² · 127 k hab.

94.2%
Hub Salamanca — Av. Príncipe Vergara

Área cubierta: 12.57 km² · 148 k hab.

88.1%
Hub Retiro — C/ Doctor Esquerdo

Área cubierta: 10.18 km² · 119 k hab.

91.7%
Hub Tetuán, Moncloa, Vallecas (×3)

Hubs secundarios · Cobertura parcial

62-75%
Hub Norte + Hub SE

Activación prevista Q3-2026

—

🏪 Densidad de Comercios — Top 8 Distritos

Ciudad Lineal

3.102

Chamartín

2.847

Centro

2.710

Salamanca

2.589

Fuencarral

2.190

Tetuán

2.086

Hortaleza

1.934

San Blas

1.671

📊 Cobertura Actual vs Potencial

Hubs activos (cobertura actual)

53%

Top 5 distritos (expansión)

31%

Resto sin priorizar (Q4+)

16%

Población cubierta ahora

1.59M

Población objetive Top 5

0.93M

Comercios no cubiertos

14.240

Revenue potencial est.

+2.1M€

🐍 Código GeoPandas — Análisis Ejecutado

🐍 Python 3.12 GeoPandas 1.0 Shapely 2.0 EPSG:25830

import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt

# 1. Cargar distritos Madrid (GeoJSON)
distritos = gpd.read_file("madrid_distritos.geojson")
hubs = gpd.read_file("greenbox_hubs.geojson")

# 2. Reproyectar a UTM para medidas precisas
distritos = distritos.to_crs("EPSG:25830")
hubs = hubs.to_crs("EPSG:25830")

# 3. Buffer 2km alrededor de cada hub
hubs_buf = hubs.copy()
hubs_buf.geometry = hubs.geometry.buffer(2000)

# 4. Dissolve buffers → área cubierta total
cobertura = hubs_buf.dissolve()

# 5. Calcular % cobertura por distrito
distritos['area_total'] = distritos.geometry.area
intersect = gpd.overlay(distritos, cobertura,
                        how='intersection')
intersect['area_cubierta'] = intersect.geometry.area

cov_pct = intersect.groupby('NOMBRE')['area_cubierta'].sum()
distritos = distritos.merge(cov_pct, on='NOMBRE', how='left')
distritos['pct_cubierto'] = (
    distritos['area_cubierta'] / distritos['area_total']
).fillna(0)

# 6. Unir métricas (comercios, población)
metricas = pd.read_csv("metricas_distritos.csv")
distritos = distritos.merge(metricas, on='NOMBRE')

# 7. Score de oportunidad
distritos['comercios_norm'] = (
    distritos['comercios'] / distritos['comercios'].max()
)
distritos['pob_norm'] = (
    distritos['poblacion'] / distritos['poblacion'].max()
)
distritos['score'] = (
    distritos['comercios_norm'] * 0.6 +
    distritos['pob_norm'] * 0.4 -
    distritos['pct_cubierto'] * 0.3
) * 100

# 8. Top 5 y mapa coroplético
top5 = distritos.nlargest(5, 'score')
ax = distritos.plot(column='score', cmap='YlGn',
                    legend=True, figsize=(12, 10))
hubs_buf.plot(ax=ax, alpha=0.2, color='blue')
hubs.plot(ax=ax, color='blue', markersize=60)
plt.savefig("mapa_oportunidad.png", dpi=150)
      

CRS entrada: EPSG:4326 (WGS84) → reproyectado a EPSG:25830 (UTM zone 30N) para cálculos métricos precisos. Geometrías validadas: 21/21 válidas (is_valid = True). I/O: GeoPackage + Arrow.

💡 Insights del Análisis Geoespacial

Chamartín: máxima prioridad (Score 96)

2.847 comercios activos, 0% cobertura actual y alta renta media. El sjoin_nearest confirma que está a >3.2 km del hub más cercano. ROI estimado nuevo hub: 14 meses.

Ciudad Lineal tiene el mayor volumen de comercios

3.102 puntos de pickup potenciales. La cobertura del Hub Este sólo alcanza el 38% del distrito. El overlay intersection revela una zona noreste sin cubrir de 8.3 km².

Efecto buffer solapado en Centro-Salamanca-Retiro

Los 3 hubs centrales tienen cobertura superpuesta en 4.2 km². El dissolve + difference muestra que ~22% del área es redundante. Redistribuir 1 hub liberaría capacidad para Fuencarral.

Próximos pasos recomendados

Abrir Hub Chamartín (Q3 2026) — Av. Concha Espina área
Abrir Hub Hortaleza/Fuencarral (Q3 2026) — compartido
Evaluar reubicación Hub Retiro → San Blas (Q4 2026)
Integrar datos tráfico OSM con sjoin para horarios punta
Añadir capa OpenStreetMap con contextily para presentación

Operaciones GeoPandas ejecutadas: read_file() to_crs(EPSG:25830) buffer(2000m) dissolve() overlay(intersection) sjoin_nearest() is_valid plot(choropleth) nlargest(5)