Анализ пассажиропотока в городе Москве
Описание
В этом проекте я решил проанализировать данные пассажирского потока общественного транспорта в Москве. Основные данные были взяты с сайта «Портал открытых данных правительства Москвы», название данных «Месячный пассажиропоток по всем видам общественного транспорта в городе Москве». Данная тема интересна тем, что можно проанализировать и узнать, например, какой самый популярный вид общественного транспорта в Москве, как менялся пассажиропоток из года в год и другую статистику.
Используемые графики: - круговая диаграмма Использовалась для демонстрации общего объема пассажирского потока в разные года, на ней наглядно видно какой год был самым популярным, а какой нет. - столбчатая диаграмма Использовалась для анализа популярности видов транспорта, она явно показывает упадок того или иного вида транспорта. - 2 варианта линейной диаграммы Использовалась для анализа изменения популярности различных видов транспорта из года в год и в зависимости от сезона. Здесь были проанализированы почти все данные, они точно показывают изменения в тот или иной период.
Этапы работы
Работа началась с добавления pandas и чтения файла. К сожалению, при скачивании файла из источника возникли проблемы с его интеграцией, пришлось дописывать строку для того, чтобы программа стала видеть столбцы.
код графика «Средний пассажирский поток»
Для начала был построен график общего потока пассажиров за последние годы. Также здесь были добавлены цвета для всех будущих графиков. Цвета были выбраны с отсылкой к обложке проекта и к кирпичной кладке Кремля.
код графика «Анализ популярности видов транспорта»
Данный график был подсмотрен в одном из предложенных, но код был немного изменен для корректного отображения названий, а также нужны были правильные цвета.
код графика «Изменение популярности видов транспорта по годам»
В этом графике для начала мы проверяем что столбец пассажирского потока числовой. Далее группируем данные по годам и видам транспорта. Затем определяем новые цвета для каждого вида транспорта, так как на этом графике подобные цвета могут путать. Строим график и отображаем заголовки и метки осей.
код для графика «Средний пассажирский поток по месяцам»
Для этого кода понадобилась помощь нейросети. Chat GPT помог написать код для этого графика, после он ещё был откорректирован, например, изменены цвета и размер графика. *описание использования Chat GPT расписано ниже
Средний пассажирский поток
Исходя из данного графика сразу можно заметить явное уменьшение потока в 2020 году и его постепенное возвращение к норме в другие года. Можно смело предположить, что так получилось из-за эпидемии COVID-19. А после восстановления, поток пассажиров продолжил расти.
Анализ популярности видов транспорта
На этом графике видно явное отсутствие потока пассажиров троллейбусов, это связано с тем, что пару лет назад из Москвы убрали троллейбусы, следовательно и их поток пассажиров перестал расти. У остальных видов транспорта особой разницы не наблюдается.
Анализ изменения популярности видов транспорта
Как и на первом графике заметен резкий спад в 2020 году из-за эпидемии, но после заметно восстановление потока. В 2024 году график проседает, так как год ещё не закончен. Виден явный лидер по количеству потока, и это Московский метрополитен, на втором месте автобусы, на третьем трамваи. Также интересно, что поток метрополитена растет непропорционально остальным, скорее всего это связано с большим количеством новых станций метрополитена. И здесь можно заметить, что после 2021 года статистика по троллейбусам почти свелась к 0, а после и вовсе перестала учитываться.
Анализ сезонных изменений использования транспорта
На данном графике мы можем заметить, достаточно резкое изменение пассажирского потока в течение года. После январских праздников все возвращаются на работу, поэтому поток растет. На майские праздники многие сидят по домам или уезжают из столицы, из-за этого поток резко падает, но летом понемногу восстанавливается, так как люди берут отпуск. В сентябре большая часть людей возвращается в город, так как начинается новый учебный год и также начинает холодать и поток резко идет вверх. В течение осени график плавает, а перед новым годом опять улетает в пик, так как все готовятся к праздникам.
Дополнительно
Описание применения генеративных моделей
В проекте использовались нейросети для создания некоторых объектов
- Изображения Обложка проекта была создана с помощью Leonardo.AI (https://app.leonardo.ai/) Промпт: the cover for the project titled «Passenger traffic analysis in Moscow»
- Код Для написания одного из кодов (для последнего графика) понадобилась помощь Chat GPT. Нейросети был задан запрос и предоставлен CSV файл для корректной работы. После получения результата, код был отредактирован для получения ожидаемого результата. Chat GPT (https://chatgpt.com/c/dca9b17a-ceff-4d21-b370-1e676917daa1) Промпт: Используя данные из этого CSV файла, помоги написать часть кода для Питона, с помощью которой будет возможно проанализировать популярность использования общественного транспорта в зависимости от каждого месяца в году.
Ссылки
Папка с проектом и данными: https://disk.yandex.ru/d/-Hp3WMBbnjY35Q
