Veiligheidsgegevens van San Francisco

Oproepen aan de brandweercentrale voor service- en 311-cases in San Francisco.

Notitie

Microsoft biedt Azure Open Datasets op basis van 'zoals is'. Microsoft geeft geen garanties, uitdrukkelijk of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover toegestaan volgens uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor eventuele schade of verliezen, waaronder directe, gevolgschade, speciale, indirecte, incidentele of strafbare gegevenssets, die het gevolg zijn van uw gebruik van de gegevenssets.

Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.

Brand- en servicemeldingen bevat alle beantwoorde oproepen van de brandweer. Elke record bevat het oproepnummer, het incidentnummer, het adres, de eenheids-id, het oproeptype en de beschikking. Alle relevante tijdsintervallen worden ook vermeld. Omdat deze gegevensset op reacties is gebaseerd en omdat bij de meeste oproepen meerdere eenheden zijn betrokken, zijn er voor elk oproepnummer meerdere records. Adressen zijn gekoppeld aan een bloknummer, snijpunt of oproepvak, niet aan een specifiek adres.

311 Gevallen omvatten gevallen die verband houden met een plaats of ding (bijvoorbeeld parken, straten of gebouwen) en die na 1 juli 2008 zijn gemaakt. Gevallen die door een gebruiker over hun eigen behoeften worden geregistreerd, worden uitgesloten. Bijvoorbeeld vragen over onroerend goed of bedrijfsbelasting, aanvragen voor parkeervergunningen, enzovoort. Zie de programmakoppeling voor meer informatie.

Volume en retentie

Deze gegevensset wordt opgeslagen in de Parquet-indeling. Het wordt dagelijks bijgewerkt met ongeveer 6 miljoen rijen (400 MB) vanaf 2019.

Deze gegevensset bevat historische records die vanaf 2015 tot heden zijn verzameld. U kunt in onze SDK gebruikmaken van parameterinstellingen om gegevens op te halen binnen een specifiek tijdsbereik.

Opslaglocatie

Deze gegevensset wordt opgeslagen in de Azure-regio US - oost. Het wordt aanbevolen om rekenresources in US - oost toe te wijzen voor affiniteit.

Gerelateerde gegevenssets

• Brandweeroproepen
• 311 Zaken

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)	Beschrijving
adres	tekenreeks	280,652	Niet gekoppeld aan een specifiek adres 0 blok van 6TH ST	Adres van incident (opmerking: adres en locatie gegeneraliseerd tot middenblok van straat, snijpunt of dichtstbijzijnde locatie van oproepvak, om de privacy van bellers te beschermen).
category	tekenreeks	108	Straat- en stoep reinigen mogelijk levensbedreigend	De leesbare naam van de groep voor 311-serviceaanvraagtypen of oproeptypen voor 911-brandmeldingen.
dataSubtype	tekenreeks	2	911_Fire 311_All	'911_Fire' of '311_All'.
Datatype	tekenreeks	1	Veiligheid	"Veiligheid"
dateTime	timestamp	6,496,563	2020-10-19 12:28:08 2020-07-28 06:40:26	De datum en tijd waarop de serviceaanvraag is ingediend of waarop de brandmelding is ontvangen.
breedtegraad	dubbel	1,615,369	37.777624238929 37.786117211838	De breedtegraad van de locatie, met behulp van de WGS84-projectie.
lengtegraad	dubbel	1,554,612	-122.39998111124 -122.419854245692	De lengtegraad van de locatie, met behulp van de WGS84-projectie.
source	tekenreeks	9	Telefoon mobiel/Open311	Mechanisme of pad waarmee de serviceaanvraag is ontvangen; meestal "Telefoon", "Sms/SMS", "Website", "Mobiele app", "X", enzovoort, maar termen kunnen per systeem verschillen.
status	tekenreeks	3	Gesloten open	Een indicatie van één woord van de huidige status van de service-oproep. (Opmerking: GeoReport V2 staat alleen 'open' en 'gesloten' toe)
Subcategorie	tekenreeks	1,270	Bulky-items voor medisch incident	De leesbare naam van het subtype voor serviceaanvragen voor 311-meldingen of oproeptypen voor 911-brandmeldingen.

Preview uitvoeren

Datatype	dataSubtype	dateTime	category	Subcategorie	status	adres	breedtegraad	lengtegraad	source	extendedProperties
Veiligheid	911_Fire	26-4-2021 2:56:13 uur	Niet-levensbedreigend	Medisch incident	Nul	700 Blok VAN GEARY ST	37.7863607914647	-122.415616900246	Nul
Veiligheid	911_Fire	26-4-2021 2:56:13 uur	Niet-levensbedreigend	Medisch incident	Nul	700 Blok VAN GEARY ST	37.7863607914647	-122.415616900246	Nul
Veiligheid	911_Fire	26-4-2021 2:54:03 uur	Niet-levensbedreigend	Medisch incident	Nul	0 Blok van ESSEX ST	37.7860048266229	-122.395077258809	Nul
Veiligheid	911_Fire	26-4-2021 2:54:03 uur	Niet-levensbedreigend	Medisch incident	Nul	0 Blok van ESSEX ST	37.7860048266229	-122.395077258809	Nul
Veiligheid	911_Fire	26-4-2021 2:52:17 uur	Niet-levensbedreigend	Medisch incident	Nul	700 Blok van 29TH AVE	37.7751770865322	-122.488604397217	Nul
Veiligheid	911_Fire	26-4-2021 2:50:28 uur	Potentieel levensbedreigend	Medisch incident	Nul	1000 Blok van GEARY ST	37.7857350982044	-122.420555240691	Nul
Veiligheid	911_Fire	26-4-2021 2:50:28 uur	Potentieel levensbedreigend	Medisch incident	Nul	1000 Blok van GEARY ST	37.7857350982044	-122.420555240691	Nul
Veiligheid	911_Fire	26-4-2021 2:33:52	Niet-levensbedreigend	Medisch incident	Nul	100 Blok VAN DE ST.	37.767791696654	-122.449332294394	Nul
Veiligheid	911_Fire	26-4-2021 2:33:52	Niet-levensbedreigend	Medisch incident	Nul	100 Blok VAN DE ST.	37.767791696654	-122.449332294394	Nul
Veiligheid	911_Fire	26-4-2021 2:33:51 uur	Potentieel levensbedreigend	Medisch incident	Nul	100 Blok van 6TH ST	37.7807920802756	-122.408385745499	Nul

Toegang tot gegevens

Azure Notebooks

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser


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

safety.info()

azure-storage

# 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=NewYorkCity"

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

pyspark

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

Azure Databricks

azureml-opendatasets

# 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 NycSafety

from datetime import datetime
from dateutil import parser


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

display(safety.limit(5))

azure-storage

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

pyspark

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

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser

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

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

azure-storage

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=NewYorkCity"
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'))

Voorbeelden

• Zie het voorbeeld van City Safety Analytics op GitHub.

Volgende stappen

Bekijk de rest van de gegevenssets in de catalogus Open Datasets.