netex-es-conversion

# Conversión GTFS ↔ NeTEx-ES (bidireccional) Convertidor Python bidireccional GTFS↔NeTEx-ES (EN 12896) con validador de 218 reglas, packaging multi-archivo, frequencies, pathways y soporte transporte a demanda. **v3.0: 96 tests, 0 fallos, round-trip verificado.** ## Ubicación del proyecto - **Repositorio:** `/root/workspace/netex/` - **Convertidor:** `/root/workspace/netex/converter/` - **Validador:** `/root/workspace/netex/validator/` - **Especificación:** `/root/workspace/netex/spec/NeTEx-ES.md` (25 secciones, 1337 líneas) - **Decisiones:** `/root/workspace/netex/DECISIONES.md` (12 decisiones arquitectónicas) - **v3.0:** 218 reglas (0 placeholders), 96 tests, conversión bidireccional, backend HTTP ## Flujo básico de conversión ### GTFS → NeTEx ```python from converter.config import Config from converter.gtfs_reader import GTFSReader from converter.netex_writer import NeTExWriter reader = GTFSReader("/path/to/gtfs_dir_or_zip") feed = reader.read() config = Config( publisher_name="Nombre Editor", include_geography=True, include_fares=True, include_transfers=True, include_shapes=True, ) writer = NeTExWriter(feed, config) xml = writer.to_string(pretty=True) # XML completo en string ``` ### NeTEx → GTFS (bidireccional, v3.0) ```python from converter.netex_reader import NeTExReader from converter.gtfs_writer import GTFSWriter reader = NeTExReader("entrada.xml") feed = reader.read() writer = GTFSWriter(feed) writer.write("salida-gtfs/") # Genera 10 archivos .txt ``` ### Round-trip verificado ```python # GTFS → NeTEx → GTFS reader = GTFSReader("mi-feed.zip") feed_orig = reader.read() writer = NeTExWriter(feed_orig, Config()) writer.to_file("tmp.xml") reader2 = NeTExReader("tmp.xml") feed_rt = reader2.read() assert len(feed_rt.routes) == len(feed_orig.routes) # ✓ assert len(feed_rt.trips) == len(feed_orig.trips) # ✓ assert len(feed_rt.stop_times) == len(feed_orig.stop_times) # ✓ ``` ### Backend HTTP (sin dependencias externas) ```bash python app/server.py # http://localhost:5000 # POST /convert — GTFS (bytes JSON) → NeTEx XML # POST /convert-back — NeTEx XML → GTFS (base64 zip) # POST /validate — Validar NeTEx con 218 reglas ``` ## Arquitectura del convertidor ### `gtfs_reader.py` — Lectura GTFS - Soporta `.zip` o directorio con `.txt` - Dataclasses: `Stop`, `Route`, `Trip`, `StopTime`, `Shape`, `Calendar`, `Transfer`, `FareAttribute`, `FareRule` - Métodos helper: `get_stop()`, `get_route()`, `get_trip()`, `get_calendar()` ### `netex_writer.py` — Generación XML Métodos principales: - `_create_stop_places()` — Jerarquía: StopPlace → Quay → StopPoint - `_create_lines()` — Line + Route (separación GTFS) - `_create_journey_patterns()` — JP + JPElements - `_create_vehicle_journeys()` — VJ + Calls + SchedulePoints - `_create_service_frames()` — ServiceFrame → DayType + DatePeriod - `_create_fares()` — **CRÍTICO: vea pitfalls abajo** - `_create_shapes()` — LineGeometry desde shapes GTFS - `_create_connections()` — Connections desde transfers GTFS ### `multi_file_packager.py` — Packaging multi-archivo Divide en 7 XMLs según tipo de entidad: | Archivo | Contenido | |---|---| | `netex_publication.xml` | PublicationDelivery + metadatos | | `netex_stop_places.xml` | StopPlaces, Quays, StopPoints, Accessibility | | `netex_lines.xml` | Lines, Routes, JourneyPatterns, LineGeometries | | `netex_timetables.xml` | VehicleJourneys, ServiceFrames, DayTypes | | `netex_fares.xml` | FareZones, FareStructures, FareProducts, SalesPoints | | `netex_connections.xml` | Connections, Transfers | | `netex_admin.xml` | AdministrativeAreas, GroupsOfLines | Usa `ENTITY_FILE_MAP` para mapear contenedores y elementos individuales. ### `flexible_converter.py` — Transporte a demanda - Detección de rutas flexibles (`pickup_type > 0` o keywords) - `FlexibleLine`: lineType, bookingAccess, bookingMethods - `FlexibleService`: booking rules, flexibleServiceProperties - XML generation: `create_flexible_line_xml()`, `create_flexible_service_xml()` ## Sistema de tarifas Generado automáticamente desde zone_ids del GTFS: | Entidad | Ejemplo | Descripción | |---|---|---| | `FareZone` | `ES:FareZone:ES:ZONA_A` | Zona tarifaria por zone_id | | `FareProduct` | adult/child/senior/youth/family/day/week/month/annual | Tipos de billete | | `FareStructure` | Single/DayPass/WeekPass/MonthPass | Estructura tarifaria | | `FareComponent` | `ES:FC:{pub}:{suffix}:{zone_id}` | Componente por zona | | `FareElement` | Price + Currency + ZoneRef | Precio | | `SalesPoint` | onBoard/ticketMachine/mobileApp/online | Puntos de venta | | `TicketingMode` | SingleTicket/DayTicket/MultiRideTicket/SeasonTicket | Modo de pago | ## Validador (218 reglas en 18 módulos — verificado 2026-07-07) | Módulo | Reglas | Qué valida | |---|---|---| | `id_rules` | 9 | Formato y unicidad IDs NeTEx-ES | | `frame_rules` | 24 | CompositeFrame, ValidBetween, versiones | | `journey_rules` | 26 | Coherencia temporales, llamadas | | `stop_rules` | 9 | Jerarquía parada/andén | | `line_rules` | 11 | Modos de transporte | | `service_rules` | 10 | ServiceFrames, DayTypes | | `geometry_rules` | 12 | LineGeometry, ShapePoint, coordenadas | | `es_specific` | 10 | Reglas contexto español | | `flexible_rules` | 15 | FlexibleLine/FlexibleService | | `fare_structure_rules` | 15 | FareComponents, Elements, Times | | `vehicle_rules` | 12 | VehicleType, SchedulePoints | | `interchange_rules` | 12 | Connections, TransferType | | `multilingual_rules` | 12 | MultilingualString, idiomas | | `accessibility_rules` | 10 | Wheelchair, Bikes | | `packaging_rules` | 15 | PublicationDelivery, Entity IDs | | `validity_rules` | 5 | ValidBetween, fechas | | `mode_rules` | 2 | Modos válidos | ```bash # Ejecutar validador python -m validator.reference_validator archivo.xml --report json ``` ## ⚠️ Pitfalls Críticos ### 1. IDs duplicados en FareComponents Cada FareStructure (Single, DayPass, WeekPass, MonthPass) genera sus propios FareComponents. **El ID del FareComponent debe incluir un sufijo único por estructura:** ```python # MALO — IDs duplicados fc_id = f"{prefix}:FC:{pub}:{zone_id}" # BUENO — sufijo por estructura fc_id = f"{prefix}:FC:{pub}:{suffix}:{zone_id}" ``` Al llamar `_add_fare_components()`, pasar `suffix="Single"` o `suffix="DayPass"` etc. ### 2. Multi-file packager: mapear contenedores (plural) Y elementos (singular) `ENTITY_FILE_MAP` debe incluir tanto el contenedor como los elementos individuales: ```python ENTITY_FILE_MAP = { "VehicleJourneys": "netex_timetables.xml", # contenedor "VehicleJourney": "netex_timetables.xml", # elemento } ``` Si falta el contenedor (plural), todo cae al default `netex_lines.xml`. ### 3. TicketingMode como texto, no como children de `_el()` `_el("TicketingMode", None, "SingleTicket")` falla porque `_el` espera lista de Elementos, no strings. ```python # MALO — TypeError tm = _el("TicketingMode", None, "SingleTicket") # BUENO tm = _el("TicketingMode", None) tm.text = "SingleTicket" ``` ### 4. zone_id vs stop_id en zonas tarifarias Al construir el dict de zonas desde stops, usar `stop.zone_id` como clave y `stop.stop_id` como valor: ```python # MALO zones.setdefault(stop.zone_id, []).append(stop.zone_id) # BUENO zones.setdefault(stop.zone_id, []).append(stop.stop_id) ``` ### 5. Validador XPath: lxml vs ElementTree incompatible El `xpath_validator.py` usa lxml pero el resto usa stdlib `xml.etree.ElementTree`. Las reglas XPath fallan con `'NoneType' object has no attribute 'xpath'`. Las 218 reglas semánticas Python funcionan correctamente. ### 6. ✅ RESUELTO — ElementTree: `if elem:` generaba DeprecationWarning **Fixeado v3.0.** Cambiado a `if elem is not None:` en todas las ubicaciones de netex_writer.py y netex_reader.py. ### 7. ✅ RESUELTO — `datetime.utcnow()` deprecado **Fixeado v3.0.** Cambiado a `datetime.now(UTC)` con `from datetime import datetime, UTC`. ### 8. Archivos grandes (>10MB) GTFS grande (ej. Metro Bilbao: 5549 viajes, 6000 shapes → 24MB XML). Validador tarda 30-60s. Usar timeout alto en subprocess. ### 9. ✅ RESUELTO — Tests: camelCase NeTEx vs PascalCase **Fixeado v3.0.** Los tests ahora buscan `stopPlaces`, `lines`, `routes` (camelCase correcto). 96 tests pasan, 0 fallan. ### 10. ✅ PARCIALMENTE RESUELTO — Spec ↔ implementación **Mejorado v3.0.** El ejemplo XML fue regenerado desde el converter (IDs únicos, camelCase, MobilityImpairedAccess). La spec tiene 25 secciones. DECISIONES.md creado con 12 decisiones. Aún faltan: PlaceType específicos, transportSubMode correcto por nombre de ruta. ### 11. XSD validator: HTTP 404 al descargar schema `xsd_validator.py` intenta descargar el schema NeTEx desde `http://netex-cen.github.io/netex-schemas/...` que devuelve 404. El schema local está en `netex-xsd/xsd/NeTEx_publication.xsd`. Usar cache local o actualizar URL. ### 12. route_type 1 siempre mapea a highSpeedTrain `config.py` submode_map mapea route_type "1" a `highSpeedTrain`. Pero route_type 1 en GTFS es "Rail" genérico — debería distinguir AVE (highSpeedTrain) vs Cercanías (commuterTrain) vs Media Distancia (regionalTrain) por nombre de ruta, no solo route_type. ### 13. ✅ RESUELTO — Convertidor NeTEx→GTFS bidireccional **Creado v3.0.** Ahora existe conversión bidireccional: - `netex_reader.py` (613 líneas) — Lee XML NeTEx → GTFSFeed - `gtfs_writer.py` (280 líneas) — GTFSFeed → archivos GTFS .txt - Round-trip verificado: GTFS→NeTEx→GTFS preserva 100% routes, trips, stop_times - 10 tests de round-trip en `tests/test_roundtrip.py` ### 14. ✅ PARCIALMENTE RESUELTO — GTFS files adicionales soportados **Añadido v3.0.** El reader ahora soporta: - `frequencies.txt` → HeadwayJourneyGroup con FrequencyHeadwayInterval ✅ - `pathways.txt` → SitePath con 7 modos (walkway, stairs, escalator, elevator, ramp) ✅ - `levels.txt` → LevelStructure ✅ - `translations.txt` → MultilingualString ✅ - `fare_products.txt` (GTFS-Fares v2) → NO (sin datos de prueba) - `bookings.txt` → NO (spec lo documenta, código no lo implementa) ### 15. ✅ RESUELTO — Claims del README **Fixeado v3.0.** README reescrito con datos reales: 96 tests, 218 reglas, sin claims inflados. CHANGELOG.md creado. ### 16. IDs duplicados en AccessibilityAssessment y Call — RESUELTO v3.0 **Bug crítico fixeado.** Dos bugs de IDs duplicados: - `AccessibilityAssessment` usaba `acc-0`/`acc-1` (solo 2 valores posibles, se repetían 56 veces). Ahora usa contador global + entity_id. - `Call` no incluía trip_id ni stop_sequence. Ahora: `ES:Call:MTM:CHAMARTIN:trip_001:3`. ### 17. SSPs sintéticos para stop_times huérfanos — RESUELTO v3.0 Stop_ids que aparecen en stop_times pero no en stops.txt ahora generan SSPs automáticamente en el ServiceFrame. Antes se perdían 9 stop_times en el round-trip. ### 18. `_parse_id` con prefijo ES duplicado — RESUELTO v3.0 IDs con formato `ES:Operator:ES:MTM` ahora extraen `MTM` como operador correctamente (antes devolvía `ES`). ### 19. Backend HTTP sin dependencias — AÑADIDO v3.0 `app/server.py` usa solo `http.server` de stdlib (sin Flask). 3 endpoints: `/convert` (GTFS→NeTEx), `/convert-back` (NeTEx→GTFS), `/validate`. Verificado vía HTTP con round-trip completo. ### 20. Principio de honestidad técnica — REGLA DE ORO **Mejor no incluir algo que incluirlo con errores.** Si no hay datos de prueba para verificar una feature (GTFS-Fares v2, bookings), no se añade al código. La spec puede documentarlo, pero el código solo incluye lo que funciona y está probado. Tras cualquier cambio: `python -m pytest tests/ -v` y actualizar README con números reales. ## Archivos de referencia - `references/gtfs-netex-mapping.md` — Mapeo completo GTFS→NeTEx - `references/validator-rules-index.md` — Índice de 218 reglas - `references/mega-auditoria-2026-07-07.md` — Mega auditoría inicial: 15 gaps críticos, plan de 8 fases - `references/auditoria-final-2026-07-07.md` — Auditoría final v3.0: comparativa real con nórdico (71/100) y francés (64/100), NeTEx-ES 91/100. Lista honesta de lo que NO está hecho. ## Estado v3.0 (2026-07-07) | Métrica | Valor | |---|---| | Tests | 96 passed, 0 failed | | Reglas validador | 218 (0 placeholders) | | Conversión | Bidireccional GTFS↔NeTEx | | Round-trip | Verificado (10 tests) | | Spec | 25 secciones, 1337 líneas | | Dependencias | Solo stdlib Python | | Backend | HTTP stdlib (sin Flask) | | Score real | 91/100 (vs 71 nórdico, 64 francés) | ### Lo que NO está hecho (honestamente) 1. No probado con feeds GTFS reales de operadores españoles 2. XSD oficial no valida (decisión deliberada, frames tipados) 3. GTFS-Fares v2 y Bookings no implementados (sin datos de prueba) 4. Multilingüe en código: spec documenta 6 idiomas, writer solo genera lang="es" 5. Festivos por CCAA en código: spec los documenta, writer no los genera 6. CRS conversión: spec documenta ETRS89/UTM, writer solo genera WGS84 ## Licencia MIT — Compatible con RD 571/2023 (datos abiertos transporte público) ## Comparativa de alternativas