Skip to content

Latest commit

 

History

History
366 lines (284 loc) · 16 KB

TelepheryDynamics.md

File metadata and controls

366 lines (284 loc) · 16 KB
Raw

Avec Laurane, nous sommes partis du GTFS.

Entité : Agences dans les stations

agency_id,agency_name,agency_url,agency_timezone,agency_lang,agency_phone,agency_email

Entité : service

service_id,date,exception_type

Entité : service

service_id,monday,tuesday,wednesday,thursday,friday,saturday,sunday,start_date,end_date

Entité : ligne

pathway_id,from_stop_id,to_stop_id,pathway_mode,is_bidirectional,length,traversal_time,stair_count,max_slope,min_width,signposted_as,reversed_signposted_as

Entité : route

route_id,agency_id,route_short_name,route_long_name,route_desc,route_type,route_url,route_color,route_text_color,route_sort_order

Entité : arrêt

object_id,object_system,object_code

Entité : trip (ligne ?)

trip_id,arrival_time,departure_time,stop_id,stop_sequence,pickup_type,drop_off_type,local_zone_id,stop_headsign,timepoint

Entité : trip (ligne ?)

route_id,service_id,trip_id,trip_headsign,trip_short_name,direction_id,block_id,shape_id,wheelchair_accessible,bikes_allowed

Entité : correspondance

from_stop_id,to_stop_id,transfer_type,min_transfer_time

Entité : arrêt

stop_id,stop_code,stop_name,stop_desc,stop_lon,stop_lat,zone_id,stop_url,location_type,parent_station,stop_timezone,level_id,wheelchair_boarding,platform_code

Tableau des variables

[!ai] AI

Entité Variables

| Agences dans les stations | agency_id, agency_name, agency_url, agency_timezone, agency_lang, agency_phone, agency_email | | Service | service_id, date, exception_type | | Service | service_id, monday, tuesday, wednesday, thursday, friday, saturday, sunday, start_date, end_date | | Ligne | pathway_id, from_stop_id, to_stop_id, pathway_mode,is_bidirectional,length,traversal_time,stair_count,max_slope,min_width,signposted_as,reversed_signposted_as | | Route | route_id, agency_id ,route_short_name ,route_long_name ,route_desc ,route_type ,route_url ,route_color ,route_text_color ,route_sort_order | | Arrêt | object_id ,object_system ,object_code | | Trip (ligne) | trip_id ,arrival_time ,departure_time ,stop_id ,stop_sequence,pickup_type ,drop_off_type ,local_zone_id stop_headsign,timepoint | | Trip (ligne) | route_id service_id trip_id trip_headsign trip_short_name,direction_id block_id shape_id wheelchair_accessible bikes_allowed| | Correspondance | from_stop_id to_stop_id transfer_type min_transfer_time| | Arrêt | stop_id stop_code stop_name stop_desc stop_lon stop_lat zone id stop_url location_type parent_station stop_timezone level id wheelchair_boarding platform_code

[!ai] AI

Voici la liste de toutes les variables pour chaque entité :

  • Agences dans les stations : agency_id, agency_name, agency_url, agency_timezone, agency_lang, agency_phone, agency_email
  • Service : service_id, date, exception_type
  • Service : service_id, monday, tuesday, wednesday, thursday, friday, saturday, sunday, start_date, end_date
  • Ligne : pathway_id, from_stop_id, to_stop_id, pathway_mode,is_bidirectional,length,traversal_time,stair_count,max_slope,min_width, signposted_as,reversed_signposted_as
  • Route : route_id, agency_id ,route_short_name ,route_long_name ,route_desc ,route_type ,route_url ,route_color ,route_text_color, route_sort_order
  • Arrêt : object_id ,object_system ,object_code
  • Trip (ligne) : trip_id ,arrival_time ,departure_time ,stop_id ,stop_sequence,pickup_type , drop_off_type ,local_zone_id stop_headsign,timepoint
  • Trip (ligne) : route_id service_id trip_id trip_headsign trip_short_name,direction_id
    block_id shape_id wheelchair_accessible bikes_allowed
  • Correspondance : from_stop_id to_stop_id transfer_type min_transfer_time
  • Arrêt : stop_id stop_code stop_name stop_desc stop_lon stop_lat zone id stop_url location_type parent_station stop_timezone level id wheelchair_boarding platform_code

[!ai] AI

Bien sûr ! Voici un exemple de code Python pour créer un fichier CSV avec les colonnes correspondant aux variables mentionnées :

import csv

# Variables pour chaque entité
agencies_columns = ['agency_id', 'agency_name', 'agency_url', 'agency_timezone', 'agency_lang', 'agency_phone', 'agency_email']
services_columns = ['service_id', 'date', 'exception_type']
weekly_services_columns = ['service_id', 'monday', 'tuesday', 'wednesday', 'thursday', 'friday', 'saturday', 'sunday','start_date','end_date']
line_columns = ['pathway_id' ,'from_stop_id' ,'to_stop_id' ,'pathway_mode' ,'is_bidirectional' ,'length', 'traversal_time','stair_count','max_slope','min_width','signposted_as','reversed_signposted_as']
route_columns = ['route_id','agency_id' ,'route_short_name' ,'route_long_name' ,'route_desc' ,'route_type', 'route_url' ,'route_color' ,'route_text_color','route_sort_order']
stop_object_columns = ['object_id','object_system','object_code']
trip_line_columns = ['trip_id','arrival_time','departure_time','stop_id','stop_sequence', 'pickup_type','drop_off_type','local_zone_id','stop_headsign','timepoint']
trip_route_columns = ['route_id','service_id  ','trip_id  ','trip_headsign ','trip_short_name', 'direction_id  ','block_id ','shape_id ','wheelchair_accessible ','bikes_allowed']
transfer_columns = ['from_stop_id' ,'to_stop_id' ,'transfer_type' ,  'min_transfer_time']

stop_columns = ['stop_id ','stop_code ','stop_name ', 'stop_desc', 'stop_lon', 'stop_lat', 'zone id', 'stop_url' ,'location_type','parent_station','stop_timezone', 'level id','wheelchair_boarding','platform_code']

# Données pour chaque entité
agencies_data = [
    ['1', 'Agency 1', 'http://www.agency1.com', 'America/Los_Angeles', 'en', '+1234567890', '[email protected]'],
    ['2', 'Agency 2', 'http://www.agency2.com', 'Europe/Paris', 'fr', '+9876543210', '[email protected]']
]

services_data = [
    ['S1', '2022-01-01', 1],
    ['S2', '2022-01-02', 0]
]

weekly_services_data = [
    ['WS1', 1, 0, 0, 0, 0, 0, 1, '2022-01-01','2022-12-31'],
    ['WS2', 0, 1, 1, 1, 1, 0, 0, '2022-01-01','2023-12-31']
]

line_data = [
    ['L1','StopA','StopB','Bus','True','10.5','20','3','10%','3m','','']
]

route_data = [
    ['R1','A1','Route A Short Name','Route A Long Name','','Bus','','','#000000','#FFFFFF'],
    ['R2','A2','Route B Short Name','Route B Long Name','','Tram','','','#FF0000','#FFFFFF']
]

stop_object_data = [
    ['O1','System A','Code A'],
    ['O2','System B','Code B']
]

trip_line_data = [
    ['T1','08:00:00','08:05:00','StopA' ,1 ,'' ,'' ,'ZoneA' ,'DestinationA' ,'true'],
    ['T2','09:00:00','09:05:00','StopB' ,2 ,'' ,'' ,'ZoneB' ,'DestinationB' ,'false']
]

trip_route_data = [
    ['R1', 'S1', 'T1', 'DestinationA', '', '0', '', '', 'true', 'true'],
    ['R2', 'S2', 'T2', 'DestinationB', '', '1', '', '', 'false', 'false']
]

transfer_data = [
    ['StopA','StopB','0','300'],
    ['StopC','StopD','1','600']
]

stop_data = [
    ['StopA','','Station A','','0.000000','0.000000','','','','','',''],
    ['StopB','','Station B','','10.000000','-10.000000','','','','Station A','','']
]

# Créer le fichier CSV
with open('gtfs_data.csv', mode='w', newline='') as csv_file: 
	writer = csv.writer(csv_file) # Write the headers and data for each entity 
	writer.writerow(agencies_columns) 
	writer.writerows(agencies_data) 
	writer.writerow(services_columns) 
	writer.writerows(services_data) 
	writer.writerow(weekly_services_columns) 
	writer.writerows(weekly_services_data) 
	writer.writerow(line_columns) 
	writer.writerows(line_data) 
	writer.writerow(route_columns) 
	writer.writerows(route_data) 
	writer.writerow(stop_object_columns) 
	writer.writerows(stop_object_data) 
	writer.writerow(trip_line_columns) 
	writer.writerows(trip_line_data) 
	writer.writerow(trip_route_columns) 
	writer.writerows(trip_route_data) 
	writer.writerow(transfer_columns) 
	writer.writerows(transfer_data) 
	writer.writerow(stop_columns) 
	writer.writerows(stop_data) 
	print("CSV file 'gtfs_data.csv' has been created and populated with data.")

Level 4 Dataset (data vomit)

agency_id,agency_name,agency_url,agency_timezone,agency_lang,agency_phone,agency_email,service_id,date,exception_type,service_id,monday,tuesday,wednesday,thursday,friday,saturday,sunday,start_date,end_date,pathway_id,from_stop_id,to_stop_id,pathway_mode,is_bidirectional,length,traversal_time,stair_count,max_slope,min_width,signposted_as,reversed_signposted_as,route_id,agency_id,route_short_name,route_long_name,route_desc,route_type,route_url,route_color,route_text_color,route_sort_order,object_id,object_system,object_code,trip_id,arrival_time,departure_time,stop_id,stop_sequence,pickup_type,drop_off_type,local_zone_id,stop_headsign,timepoint,route_id,service_id,trip_id,trip_headsign,trip_short_name,direction_id,block_id,shape_id,wheelchair_accessible,bikes_allowed,from_stop_id,to_stop_id,transfer_type,min_transfer_time,stop_id,stop_code,stop_name,stop_desc,stop_lon,stop_lat,zone id,stop_url,location_type,parent_station,stop_timezone,level id,wheelchair_boarding,platform_code

[!ai] AI

agency_id agency_name agency_url agency_timezone agency_lang agency_phone agency_email service_id date exception_type service_id monday tuesday wednesday thursday friday saturday sunday start_date end_date pathway_id

| from_stop_id| to_stop_id| pathway_mode| is_bidirectional| length |- |- |- |- |- | | traversal_time | stair_count |max_slope |min_width |signposted_as |reversed_signposted_as|- | | route_id |- |- |- |- |- |- | | route_short_name|- |- |- |- |_ |_ |_ | | route_desc |- |_ |_ |_ |_ |_ | | route_type |- |_ |_ |_ |_ |_ | | route_url |_ |_ |_ |_ |_ |_ |_ | | route_color |_ |_ |_ |_ |_ |_ |_ | | route_text_color|_ |_ |_______|-_|-_|-_|-_|-_|-_|-_|-____|

Level 3 datasets

Table "Segment de trajet"
segment_id from_stop_id to_stop_id traversal_time length
1 123 124 2 1000
Table "Horaires"
service_id time stop_id stop_name stop_lon stop_lat weekdays weekend
LigneA 11:27:46 145 Roc d'Enfer 45.0900 4.555 0 1
LigneA 11:39:41 145 Roc d'Enfer 45.0900 4.555 1 0

Level 2 datasets

service_name time stop_name stop_lon stop_lat weekdays weekend
LigneA 11:27:46 Roc d'Enfer 45.0900 4.555 0 1
LigneA 11:39:41 Roc d'Enfer 45.0900 4.555 1 0
LigneB 14:29:46 Pyrénées 45.0900 4.555 0 1
LigneB 17:39:41 Pyrénéés 45.0900 4.555 1 0

![[Drawing 2023-09-11 17.00.57.excalidraw]]

Level 1 datasets

service_name stop_name
LigneA Roc d'Enfer
LigneA Moucherolle
LigneB Pyrénées
LigneB Quechua

[!warning] Postulat de départ L'utilisateur final est un touriste qui se rend sur le territoire de la Tarentaise Vanoise

Chapitre 0 : (Level 0 datasets)

service_name stop_name
LigneA Roc d'Enfer

[!quote] Datum La ligne A passe par un arrêt nommé "Roc d'Enfer"

Chapitre 1 : (Level 1 datasets)

[!question] Question 1A Quel autre datum voulez-vous ajouter au datum fondamental ? Quelle information vous semble être la plus prioritaire à ajouter au datum ?

[!question] Question 1B Vous avez un puzzle à une seule pièce (le datum), quelle autre pièce voulez-vous ajouter ?

On ajoute une entité supplémentaire "Ligne B" à laquelle on ajoute un attribut "stop_name", qui a pour valeur "Quechua"

service_name stop_name
LigneA Roc d'Enfer __
LigneB Quechua __
__ __

Résultat : nous avons maintenant de la data sur les transports. Maintenant, l'utilisateur final connait au moins un point de passage de la LigneA et de la LigneB

[!question] Question 2 Est-ce suffisant pour l'utilisateur ?

Réponse : Non. A ce stade, l'utilisateur, l'utilisateur ne peut pas se déplacer d'un point A à un point B.

[!question] Quelle est selon vous l'information essentielle à ajouter ?

Réponses possibles :

  • Tous les arrêts des deux lignes (LigneA et LigneB)
  • Toutes les lignes avec un arrêt

Chapitre 2 : (Level 2 datasets)

|service_name|stop_name| |--|--|--| | LigneA|Roc d'Enfer | | LigneB|Quechua| |Ligne... |Pierre Percée | |Ligne Z |Mylène Farmer |

Résultat : nous avons maintenant plus d'informations qu'au level 1 de la data. Maintenant, l'utilisateur final connait l'ensemble des lignes qui constitue le réseau de transport avec un moins un point de passage de toutes ces lignes.

![[Level2_GTFS]]

[!question] Question 2 Est-ce suffisant pour l'utilisateur (touriste/usager de la montagne) ?

Réponse : non, car actuellement l'utilisateur ne peut pas utiliser les données pour se rendre d'un point A a un point B. Néanmoins, un utilisateur peut avoir la liste de toutes les lignes

Chapitre 3 : (Level 3 datasets)

|service_name|stop_name| |--|--|--| | LigneA|Roc d'Enfer | | LigneB|Quechua| |Ligne... |Pierre Percée | |Ligne Z |Mylène Farmer |

[!question] De quoi l'utilisateur aurait besoin pour voir sur une carte toutes les lignes et ainsi pouvoir celles qu'il va devoir emprunter pour aller d'un point A à un point B ?

Réponse : il nous faut nécessairement le fonds de carte du territoire, le position géographique exacte de chaque arrêt (latitude, longitude) et le nom de l'arrêt

Ajout possible 1 :

|service_name|stop_name| |--|--|--| | LigneA|Roc d'Enfer | | LigneB|Quechua| |Ligne... |Pierre Percée | |Ligne Z |Mylène Farmer |

stop_name stop_long stop_lat
Roc d'Enfer 49.66000 4.456
Quechua 49.66000 4.456
Pierre Percée 49.66000 4.456
Mylène Farmer 49.66000 4.456

[!question] Comment l'utilisateur peut-il savoir quel est la mode de transport qu'il doit emprunter pour aller à un point B

Réponse : il lui faut une colonne supplémentaire qui lui indique le type de transport. Ajout possible 2 :

* *
Téléphérique LigneA Roc d'Enfer
"" LigneB Quechua
Bus LigneC Mont Blanc
LigneD Raclette
Ligne... Pierre Percée
Ligne Z Mylène Farmer

|service_name|stop_name| |--|--|--| | LigneA|Roc d'Enfer | | LigneB|Quechua| |Ligne... |Pierre Percée | |Ligne Z |Mylène Farmer |

stop_name stop_long stop_lat
Roc d'Enfer 49.66000 4.456
Quechua 49.66000 4.456
Pierre Percée 49.66000 4.456
Mylène Farmer 49.66000 4.456

Chapitre 4 : Comment faire en sorte qu'un touriste puisse savoir à tout moment comment se rendre d'un point A à un point B et à quelle heure ?

[!question] Comment l'utilisateur peut-il savoir à tout moment que tel ligne passe à tel endroit à telle heure ?

Réponse : Rajouter le time pour avoir l'horaire

service_name stop_name stop_long stop_lat time
LigneA Roc d'Enfer 49.68000 4.456 11:43
LigneB Quechua 49.68000 5.432 12:59
Ligne... Pierre Percée 49.96000 5.432 17:45
Ligne Z Mylène Farmer 49.33000 6.111 22:10

Réponse : rajouter un la possibilité d'interroger 24/7 cette base de données pour avoir les horaires

![[appel_api]]