Chicago biztonsági adatai

Chicago 311 szolgáltatáskérési hívás adatainak lefedése

• a 311-nek benyújtott összes nyílt higiénés kódra vonatkozó panasz
• 2011. január 1. óta teljesített összes kérelem
• korábbi higiénés kóddal kapcsolatos panaszok
• pot hole reports
• utcai fényproblémák

A Chicagói Közúti és Köztisztasági Osztály a város köztisztasági szabályzatának megsértéséről érkező panaszokat vizsgálja és orvosolja. A lakosok például kérhetnek szolgáltatást a túlcsorduló kukák és a sikátor szemetes megsértései miatt. A Chicago 311 szolgáltatás néha ismétlődő higiéniai kódot kap. Az azonosított ismétlődő szolgáltatáskérések ugyanabban a földrajzi területen találhatók, mint egy korábbi kérés, és körülbelül ugyanabban az időben lettek beírva a 311-es ügyfélszolgálati kérelem (CSR) rendszerbe. A duplikált bejelentések az állapot mezőben az „Open - Dup” (nyitott, duplikált) vagy a „Completed - Dup” (kész, duplikált) címkét kapják.

A Chicago Department of Transportation (CDOT) felügyeli a kátyú javítás 4000 mérföld artériás és lakóutcák Chicago. A CDOT kátyújelentéseket fogad a 311 call centeren keresztül. A CDOT egy térkép- és nyomkövető rendszert használ a kátyúhelyek azonosítására és a személyzet ütemezésére.

Egyetlen hívás a 311-es számra több kátyújavítást eredményezhet. Amikor egy személyzet megérkezik, hogy kijavítsa a kátyút egy 311-beli hívás alapján, a személyzet kitölti a blokkon talált összes többi kátyút. A kátyú javítása a kátyú első bejelentésétől számított hét napon belül 311-es értékre fejeződik be. Az időjárási körülmények, a viharok és a csapadék befolyásolhatja a kátyúk javításához szükséges időt. A kooperatív időjárási és csapadékmentes napokon a személyzet több ezer kátyút is kitölthet.

Ha egy korábbi kérés már meg van nyitva egy négy címből álló puffer számára, a kérés "Duplikálás (Megnyitás)" állapotot kap. Például a 6535 N Western címhez tartozó meglévő CSR esetében, a 311 pedig egy új CSR-t kap a 6531 N Western címhez, majd az új kérés "Duplikálás (Megnyitás)" állapotot kap, az új kérés "Duplikálás (Megnyitás)" állapotot kap. Ebben a példában az új CSR az eredeti CSR négy címén belül található. Miután a személyzet kijavítja az utcát, a CSR állapota az eredeti kéréshez "Befejezve", az ismétlődő kérések esetében pedig a "Duplikált (lezárt)" szöveget olvassa fel. A szolgáltatáskérések a jelentett cím vizsgálatakor a "Kész" állapotot is megkapják, de nem találhatók kátyúk, és nem lettek kitöltve. Ha egy másik problémát talál az utcán, például a "beadás" vagy a "hibás közműkivágás", akkor a probléma a megfelelő részleghez vagy alvállalkozóhoz kerül.

A három vagy több fénykimaradást tartalmazó utcai fénykimaradások 311-nek készült jelentéseit a "Street Lights - All Out" (Közvilágítás – Minden kikapcsolva) kifejezés határozza meg. A Chicago Department of Transportation (CDOT) felügyeli mintegy 250.000 utcai lámpák, amelyek megvilágítják artériás és lakóutcák Chicago. A CDOT a lakossági bejelentések alapján javítja a közlekedési lámpákat, és cseréli a bennük található izzókat. Amikor a CDOT egy "All Out" jelentést kap, a javításhoz hozzárendelt villanyszerelő megvizsgálja az áramkör fényeit (mindegyik áramkör 8-16 fényből áll), hogy minden megfelelően működjön. Ha az első kéréstől számított négy naptári napon belül újabb bejelentés érkezik ugyanarról az áramkörről, az új bejelentés automatikusan a „Duplicate (Open)” (Duplikátum, nyitott) címkét kapja. Mivel a CDOT villanyszerelő megvizsgálja a áramkör fényeit a működés ellenőrzéséhez, a rendszer automatikusan megfigyeli és kijavítja a "Duplikált (nyitott)" címeket. A közvilágítás javítása után a CSR állapota az eredeti kérelem "Befejezve", az ismétlődő kérések esetében pedig a "Duplikált (lezárt)" szöveget olvassa fel. Egy szolgáltatáskérés akkor is megkapja a "Kész" állapotot, ha

• a jelentett fényeket ellenőrzik, de jó javítást és működést mutatnak
• a szolgáltatáskérés nem létező címre szól
• a kivitelező karbantartja a fényeket

Az adaterőforrás napi frissítéseket kapott.

Kötet és megőrzés

Az adatkészlet Parketta formátumban van tárolva. Napi frissítéseket kapott, és 2019-ben összesen körülbelül 1 M sort (80 MB) tartalmaz.

Az adatkészlet a 2011 és 2018 között összegyűlt rekordokat tartalmazza. Adott időtartomány adatainak beolvasásához az általunk biztosított SDK paraméterbeállításait használhatja.

Tárolási hely

Az adatkészlet tárolási helye a Kelet-USA Azure-régió. Az affinitás érdekében Kelet-USA régión belüli számítási erőforrások lefoglalását javasoljuk.

Kapcsolódó adatkészletek

• Békéscsabai szennyvízelvezetés
• Chicago pot lyukak
• Chicago közvilágítás

További információk

Az adatkészlet Chicago város közigazgatási szerveitől származik.

Az adathalmaz-erőforrás használati feltételeire vonatkozó hivatkozás itt található. E-mailben dataportal@cityofchicago.org az adatforrással kapcsolatos kérdéseket.

Oszlopok

311 Szolgáltatáskérések - Street Lights - All Out - Történelmi

Előnézet

311 Szolgáltatáskérések – Pot Holes Reported – Korábbi

Előnézet

Higiéniakóddal kapcsolatos panaszok

Előnézet

Az adatok elérése

Azure Notebooks

# This is package is in preview.
from azureml.opendatasets import ChicagoSafety

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = ChicagoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_pandas_dataframe()

safety.info()

# Pip install packages
import os, sys

!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas

# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "citydatacontainer"
folder_name = "Safety/Release/city=Chicago"

from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient

if azure_storage_account_name is None or azure_storage_sas_token is None:
    raise Exception(
        "Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")

print('Looking for the first parquet under the folder ' +
      folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
    container_url, azure_storage_sas_token if azure_storage_sas_token else None)

container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
    if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
        targetBlobName = blob.name
        break

print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
    blob_client.download_blob().download_to_stream(local_file)

# Read the parquet file into Pandas data frame
import pandas as pd

print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)

# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df

Azure Databricks

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://learn.microsoft.com/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
from azureml.opendatasets import ChicagoSafety

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = ChicagoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

display(safety.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=Chicago"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Azure Synapse

# This is a package in preview.
from azureml.opendatasets import ChicagoSafety

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = ChicagoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

# Display top 5 rows
display(safety.limit(5))

# Display data statistic information
display(safety, summary = True)

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=Chicago"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Példák

• Tekintse meg a City Safety Analytics-példát a GitHubon.

Következő lépések

Tekintse meg a többi adathalmazt az Open Datasets katalógusban.