Dati sulla sicurezza Chicago

I dati di chiamata della richiesta di servizio Chicago 311 includono

• tutte le segnalazioni aperte su codice sanitario effettuate a 311
• tutte le richieste completate dal 1° gennaio 2011
• reclami passati relativi a codice sanitario
• report pot hole
• problemi relativi a luci stradali

Il Department of Streets and Sanitation esamina e risolve le violazioni al codice di igiene ambientale di Chicago segnalate. I residenti possono richiedere il servizio, ad esempio, per bidoni dell’immondizia debordanti e violazioni relative ai rifiuti nella via. Talvolta, il servizio Chicago 311 riceve reclami relativi al codice igienico-sanitario duplicati. Le richieste di servizio duplicate identificate si trovano nella stessa area geografica di una richiesta precedente e sono state immesse nel sistema 311 Richiesta di servizio clienti (CSR) contemporaneamente. I reclami duplicati sono contrassegnati come tali nel campo dello stato, con un'etichetta "Open - Dup" o "Completed - Dup".

Il Dipartimento dei Trasporti di Chicago (CDOT) supervisiona la riparazione di buche per 4.000 miglia di strade principali e residenziali a Chicago. CDOT riceve segnalazioni relative a buche attraverso il call center 311. CDOT usa un sistema di mapping e monitoraggio per identificare le posizioni delle buche e pianificare le squadre di operai.

Una chiamata al numero 311 può generare più riparazioni delle buche stradali. Quando una squadra arriva per riparare una buca a seguito di una chiamata 311, riempie anche tutte le altre buche trovate in quell’isolato. Le riparazioni delle buche vengono completate entro sette giorni dalla prima segnalazione di una buca al 311. Condizioni meteorologiche, temperature sotto lo zero e precipitazioni possono incidere sul tempo necessario per completare la riparazione di buche. In giornate con condizioni meteorologiche propizie e senza precipitazioni, le squadre possono riempire diverse migliaia di buche.

Se una richiesta precedente è già aperta per un buffer di quattro indirizzi, la richiesta ottiene lo stato "Duplicato (Aperto)". Ad esempio, per un CSR esistente per l'indirizzo 6535 N Western, e 311 riceve un nuovo CSR per l'indirizzo 6531 N Western, quindi la nuova richiesta ottiene lo stato "Duplicato (Aperto)", la nuova richiesta ottiene uno stato "Duplicato (Aperto)". In questo esempio, il nuovo CSR si trova a un indirizzo a una distanza minore di quattro indirizzi dalla richiesta CSR originale. Dopo che le squadre riparano la strada, lo stato CSR appare come "Completato" per la richiesta originale e "Duplicato (chiuso)" per eventuali richieste duplicate. Una richiesta di servizio riceve lo stato "Completato" anche quando l'indirizzo segnalato viene ispezionato, ma non vengono trovate buche o eventuali buche presenti sono state già riempite. Se viene rilevato un altro problema nella stessa strada, ad esempio un cedimento o un'interruzione di utenze non riuscita, verrà indirizzato al reparto o all'appaltatore appropriato.

Le segnalazioni aperte a 311 relative a guasti di luci stradali che coinvolgono tre o più luci sono definite come "Luci stradali - Tutte guaste". Il Chicago Department of Transportation (CDOT) supervisiona circa 250.000 luci stradali che illuminano strade principali e residenziali a Chicago. Il CDOT si occupa della riparazione e della sostituzione delle lampadine in risposta alle segnalazioni dei residenti relative al mancato funzionamento dei lampioni. Ogni volta che CDOT riceve una segnalazione di tipo "Tutti guasti", l'elettricista incaricato della riparazione esamina le luci in quel circuito (ogni circuito ha 8-16 luci) per assicurarsi che funzionino correttamente. Se viene inviata una seconda richiesta per mancato funzionamento dei lampioni entro quattro giorni di calendario dalla richiesta originale, alla richiesta viene automaticamente assegnato lo stato di richiesta duplicata aperta "Duplicate (Open)". Poiché l'elettricista CDOT esamina le luci in un circuito per verificarne il funzionamento, qualsiasi indirizzo "Duplicato (Aperto)" viene esaminato e riparato automaticamente. Una volta che le luci stradali sono state riparate, lo stato nel sistema di richieste del servizio clienti sarà "Completato" per la richiesta originale e "Duplicato (Chiuso)" per eventuali richieste duplicate. Una richiesta di servizio ottiene lo stato "Completato" anche quando

• le luci segnalate sono state ispezionate ma si trovano in buone condizioni e funzionano
• la richiesta di servizio è per un indirizzo inesistente
• un terzista si occupa delle luci

La risorsa dati ha ricevuto aggiornamenti giornalieri.

Volume e conservazione

Il set di dati viene archiviato nel formato Parquet. Ha ricevuto aggiornamenti giornalieri e contiene circa un milione di righe (80 MB) in totale a partire dal 2019.

Questo set di dati include record cronologici accumulati dal 2011 al 2018. Puoi usare le impostazioni dei parametri nell'SDK per recuperare i dati entro un intervallo di tempo specifico.

Posizione di archiviazione

Questo set di dati è archiviato nell'area Stati Uniti orientali di Azure. L'allocazione delle risorse di calcolo nell'area Stati Uniti orientali è consigliata per motivi di affinità.

Set di dati correlati

• Fognature di Chicago
• Buche stradali di Chicago
• Illuminazione stradale di Chicago

Informazioni aggiuntive

Il set di dati viene generato dalla pubblica amministrazione della città di Chicago.

Fare riferimento qui per le condizioni di utilizzo per questa risorsa del set di dati. Inviare un messaggio di posta elettronica dataportal@cityofchicago.org con domande sull'origine dati.

Colonne

311 Richieste di servizio - Luci stradali - Tutte guaste - Passate

Anteprima

311 Richieste di servizio - Buche segnalate - Passate

Anteprima

Reclami relativi al codice igienico-sanitario

Anteprima

Accesso ai dati

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'))

Esempi

• Vedere l'esempio City Safety Analytics su GitHub.

Passaggi successivi

Visualizzare il resto dei set di dati nel catalogo dei set di dati aperti.