「GTFSデータを使用して輸送パターンを数量化する」
「GTFSデータを活用して輸送パターンの数量化を行う」
この記事では、一般的なトランジットフィード仕様と空間データサイエンスのさまざまなツールに基づいて、4つの選ばれた都市の公共交通システムを探求します。
このノートブックでは、ブダペスト、ベルリン、ストックホルム、トロントの4つの都市を選び、公に利用可能なGTFS（General Transit Feed Specification）データを使用して、それらの公共交通システムの概要を把握します。このノートブックは、公共交通に関する洞察を得るためにPandas、GeoPandas、およびその他の標準のデータサイエンスツールを使用して、公共交通データへのアクセス、操作、集計、および可視化の入門的なチュートリアルとしての役割を目指しています。その後、そのような理解は、交通、都市計画、および位置情報など、さまざまなユースケースで役立つことがあります。
さらに、GTFS形式は一般的で普遍的であるべきですが、次の分析ステップ全体で依然として一度ごとに都市レベルの見解と手動検証が必要となる状況も指摘します。
1. GTFSデータの収集と解析
この記事では、公共交通データをオンラインの公共交通データの集約ウェブサイトであるTransitfeeds.comからダウンロードしました。特に、次の都市の最新の更新時間に従ってデータをダウンロードしました:
以下のコードブロックでは、これらの都市それぞれを複数回探索し、比較プロットを作成し、GTFS形式の普遍性を強調します。また、新しいデータダンプで更新が容易な方法で分析を行うために、各都市のGTFSデータを更新日付に対応するフォルダに保存します:
import osroot = 'data'cities = ['ブダペスト', 'トロント', 'ベルリン', 'ストックホルム']updated = {city : [f for f in os.listdir(root + '/' + city) if '20' in f][0] for city in cities}updatedこのセルの出力:
さて、これらのフォルダに保存された異なるファイルを詳しく見てみましょう:
for city in cities…We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
