芝加哥安全資料

發行項
10/16/2024

芝加哥 311 服務要求通話資料涵蓋

所有撥打至 311 的公開衛生法規投訴
自 2011 年 1 月 1 日起完成的所有要求
歷史衛生法規投訴
坑洞舉報
路燈問題

街道清潔部門會調查和改善舉報違反芝加哥公共衛生法規的項目。例如，居民可以針對垃圾桶滿溢和巷子裡的垃圾違規要求服務。芝加哥 311 服務有時會收到重複的衛生法規投訴。識別的重複服務要求位於與先前要求相同的地理區域，並同時輸入 311 客戶服務要求 (CSR) 系統。重複投訴的狀態欄位也會依照以上方式進行標示，如 "Open - Dup" (未結案 - 重複) 或 "Completed - Dup" (已完成 - 重複)。

注意

Microsoft 依「現況」提供 Azure 開放資料集。針對　貴用戶對資料集的使用方式，Microsoft 不提供任何明示或默示的擔保、保證或條件。在　貴用戶當地法律允許的範圍內，針對因使用資料集而導致的任何直接性、衍生性、特殊性、間接性、附隨性或懲罰性損害或損失，Microsoft 概不承擔任何責任。

此資料集是根據 Microsoft 接收來源資料的原始條款所提供。資料集可能包含源自 Microsoft 的資料。

芝加哥交通局 (Chicago Department of Transportation，CDOT) 監督芝加哥 4,000 英哩主幹和住宅區街道的坑洞修繕。 CDOT 透過 311 話務中心收到坑洞舉報。 CDOT 使用比對和追蹤系統識別坑洞位置，然後安排工作小組進行處理。

一通打給 311 的電話，可能會產生很多項坑洞修繕任務。當工作班組根據 311 來電抵達修繕坑洞時，該工作班組填補了該街區內發現的所有其他坑洞。一般來說，坑洞修繕工作可以在 311 第一次收到坑洞的舉報起七天內完成。氣候條件、寒冷氣溫和降水都可能會影響完成坑洞修繕所需的時間。在氣候條件適合且沒有降水問題的日子中，工作班組可以填補數千個坑洞。

如果上一個要求已開啟且位於四個地址緩衝區內，要求會取得 "Duplicate (Open)" (「重複 (未結案)」) 狀態。例如，如果地址 6535 N Western 已有 CSR，且 311 收到地址 6531 N Western 的新 CSR，則新要求會收到 "Duplicate (Open)" (「重複 (未結案)」) 狀態。在此範例中，新的 CSR 位於原始 CSR 之四個地址內的某個地址。一旦工作班組修繕街道，原始要求的 CSR 狀態會變為 “Completed” (「已完成」)，任何重複要求的狀態會變為 “Duplicate (Closed)” (「重複 (已結案)」)。如果檢查舉報的地址之後未發現任何坑洞或已填補坑洞，則服務要求也會收到 “Completed” (「已完成」) 狀態。如果發現該街道有其他問題，例如「塌陷」或「開挖修繕不當」，就會將該問題轉給相關部門或承包商處理。

撥打至 311 的路燈故障公開舉報若涉及三個或更多路燈，則定義為 "Street Lights - All Out" (「路燈 - 全部故障」)。芝加哥運輸部監督的路燈約 250,000 盞，提供主幹道及一般街道的照明。 CDOT 會執行修繕和更換燈泡工作，以回應居民舉報的路燈不亮問題。每當 CDOT 收到 “All Out” (「全部故障」) 的舉報時，獲指派維修的電工人員會檢查該電路中的所有路燈 (每個電路含 8-16 盞路燈)，確認這些路燈全都運作正常。如果原始要求的四個行事曆日內又發出第二個相同電路內的路燈要求，系統就會自動將最新要求的狀態設為「重複 (未結案)」。由於 CDOT 的電工人員會檢查電路內的所有路燈，確認路燈全都正常運作，因此系統會自動觀察並修復任何 “Duplicate (Open)” (「重複 (未結案)」) 的地址。一旦路燈修復完畢，原始要求在 CSR 中的狀態會變為 “Completed” (「已完成」)，任何重複要求的狀態會變為 “Duplicate (Closed)” (「重複 (已結案)」)。服務要求也會在下列情況下收到 “Completed” (「已完成」) 狀態：

舉報的路燈已經過檢查，但發現完好無損且運作正常
服務要求針對不存在的地址
承包商維護路燈

收到的資料資源會每日更新。

資料量與保留期

此資料集以 Parquet 格式儲存，此資料集每日更新，截至 2019 年為止，共包含約 1 百萬個資料列 (80 MB)。

此資料集包含從 2011 年到 2018 年積累的歷史記錄。在我們的 SDK 中，您可以使用參數設定來擷取特定時間範圍內的資料。

儲存位置

此資料集儲存於美國東部 Azure 區域。建議您在美國東部配置計算資源，以確保同質性。

其他資訊

此資料集來源為芝加哥市政府。

如需此資料集資源的使用規定，請參閱這裡。若對資料來源有任何疑問，請傳送電子郵件至 dataportal@cityofchicago.org。

資料行

311 服務要求 - 路燈 - 全故障 - 歷史

名稱	資料類型	Values (sample)	描述
建立日期	浮動時間戳記	10/9/2017	要求建立日期
狀態	Text	Completed - Dup (已完成 - 重複)	要求狀態
完成日期	浮動時間戳記	10/11/2017	要求完成日期
服務要求編號	Text	17-06773249	要求的服務編號
服務要求的類型	Text	Street Lights - All/Out (路燈 - 全部/故障)	服務要求類型
街道地址	Text	2826 N TALMAN AVE	要求的地址
郵遞區號	數字	60618	要求地址的郵遞區號值
X 座標	數字	1158230.1582963	X 座標值
Y 座標	數字	1918676.90199051	Y 座標值
Ward	數字	33	區號值
警區	數字	14	警區號碼
社群區域	數字	21	社區號碼
緯度	數字	41.93259686594802	要求位置緯度值。緯線與赤道平行。
緯度	數字	-87.6939355144751	要求位置經度值。經線與緯線垂直，且全都通過兩極。
Location	Location	(41.932596865948, -87.693935514475)	地址的結合緯度和經度值

預覽

建立日期	狀態	完成日期	服務要求編號	服務要求的類型	街道地址	郵遞區號	X 座標	Y 座標	Ward	警區	社群區域	緯度	緯度	Location
10/9/2017	Completed - Dup (已完成 - 重複)	10/11/2017	17-06773249	Street Lights - All/Out (路燈 - 全部/故障)	2826 N TALMAN AVE	60618	1158230.158	1918676.902	33	14	21	41.93259686594802	-87.69393551	(41.932596865948, -87.693935514475)
10/11/2017	已完成	10/11/2017	17-06816558	Street Lights - All/Out (路燈 - 全部/故障)	6200 S LAKE SHORE DR	60637	1190863.778	1864244.283	5	3	42	41.78250135027194	-87.57577731	(41.782501350272, -87.575777307852)
3/20/2014	Completed - Dup (已完成 - 重複)	8/4/2017	14-00400272	Street Lights - All/Out (路燈 - 全部/故障)	5730 N KINGSDALE AVE	60646	1143691.393	1937640.891	39	17	12	41.984920748899164	-87.74688744	(41.984920748899, -87.746887444765)
10/9/2017	已完成	10/11/2017	17-06772762	Street Lights - All/Out (路燈 - 全部/故障)	5246 S LUNA AVE	60638	1140255.697	1869109.118	14	8	56	41.79692498298546	-87.7612044	(41.796924982985, -87.761204398005)
10/10/2017	已完成	10/11/2017	17-06786335	Street Lights - All/Out (路燈 - 全部/故障)	954 E 111TH ST	60628	1184652.066	1831465.656	9	5	50	41.69270116620948	-87.59957553	(41.692701166209, -87.599575527098)
10/8/2017	已完成	10/11/2017	17-06752801	Street Lights - All/Out (路燈 - 全部/故障)	4399 N DAMEN AVE	60618	1162224.952	1929224.823	47	19	5	41.961458246672315	-87.67895915	(41.961458246672, -87.67895914919)
10/6/2017	已完成	10/11/2017	17-06696916	Street Lights - All/Out (路燈 - 全部/故障)	4730 N BROADWAY	60,640	1167596.292	1931650.772	46	19	3	41.968000877697875	-87.65914105	(41.968000877698, -87.659141052722)
10/7/2017	已完成	10/11/2017	17-06734666	Street Lights - All/Out (路燈 - 全部/故障)	6449 S VERNON AVE	60637	1180358.718	1862347.753	20	3	42	41.77754460257851	-87.61434958	(41.777544602579, -87.61434958023)

311 服務要求 - 舉報的坑洞 - 歷史

名稱	資料類型	Values (sample)	描述
建立日期	浮動時間戳記	4/25/2018	要求建立日期
狀態	Text	已完成	要求狀態
完成日期	浮動時間戳記	4/26/2018	要求完成日期
服務要求編號	Text	18-01325016	要求的服務編號
服務要求的類型	Text	街道上的坑洞	服務要求類型
目前活動	Text	最終結果	最近的活動描述
最近的動作	Text	找不到坑洞	最近採取的動作
街區內已填補的坑洞數目	0		已修繕的坑洞計數
街道地址	Text	5100 S LAWLER AVE	要求的地址
郵遞區號	數字	60638	要求地址的郵遞區號值
X 座標	數字	1143556.31919224	X 座標值
Y 座標	數字	1870339.26041166	Y 座標值
Ward	數字	14	區號值
警區	數字	8	警區號碼
社群區域	數字	56	社區號碼
SSA	數字	26
緯度	double	41.80014700738077	此為緯度值。緯線與赤道平行。
緯度	double	-87.7492147421616	此為經度值。經線與緯線垂直，並會穿過兩極。
Location	Location	(41.80014700738077, -87.7492147421616)	地址的結合緯度和經度值

預覽

建立日期	狀態	完成日期	服務要求編號	服務要求的類型	目前活動	最近的動作	街區內已填補的坑洞數目	街道地址	郵遞區號	X 座標	Y 座標	Ward	警區	社群區域	SSA	緯度	緯度	Location
6/13/2012	已完成	6/18/2012	12-01071965	街道上的坑洞	分派工作班組	已修補坑洞	14	7040 N FRANCISCO AVE	60645	1155793.815	1946654.94	50	24	2		42.0096087	-87.70227538	(42.009608698109, -87.702275384338)
6/15/2017	已完成	6/29/2017	17-03958579	街道上的坑洞	最終結果	WM 下水道塌陷檢查轉移結果	0	4216 W CORTEZ ST	60651	1148081.734	1906667.21	37	11	23		41.89994838998482	-87.73187935	(41.899948389985, -87.731879353699)
1/13/2014	已完成	1/24/2014	14-00052283	街道上的坑洞	最終結果	已修補坑洞	5	1200 S CANAL ST	60607	1173311.531	1894981.335	2	1	28		41.86717512472001	-87.63937581	(41.86717512472, -87.639375812581)
10/13/2015	已完成	11/24/2015	15-05364068	街道上的坑洞	最終結果	已修補坑洞	3	6318 N WESTERN AVE	60659	1159171.947	1941877.852	50	24	2	43	41.996507559859445	-87.68999022	(41.996507559859, -87.689990223964)
2/23/2014	已完成	4/8/2014	14-00256448	街道上的坑洞	最終結果	已修補坑洞	12	6800 N KEDZIE AVE	60645	1153845.564	1944905.48	50	0	2		42.004746892817465	-87.70949265	(42.004746892817, -87.709492653059)
10/16/2015	已完成	11/24/2015	15-05416322	街道上的坑洞	最終結果	CDOT 瀝青灌注修繕轉移結果	0	6430 N KEDZIE AVE	60645	1153862.527	1942457.906	50	0	2	43	41.998328665333965	-87.70950507	(41.998328665334, -87.7095050747)
4/1/2013	已完成	7/30/2013	13-00360362	街道上的坑洞	最終結果	已修補坑洞	40	3738 N TRIPP AVE	60641	1147334.393	1924509.895	38	17	16		41.94928712004567	-87.73398704	(41.949287120046, -87.733987044713)

衛生法規投訴

名稱	資料類型	Values (sample)	描述
建立日期	浮動時間戳記	9/17/2017	要求建立日期
狀態	Text	已完成	要求狀態
完成日期	浮動時間戳記	10/11/2017	要求完成日期
服務要求編號	Text	17-06208608	要求的服務編號
服務要求的類型	Text	衛生法規違規	服務要求類型
此法規違規實指為何？	Text	垃圾桶滿溢	最近的活動描述
街道地址	Text	6327 S KENNETH AVE	要求的地址
郵遞區號	數字	60629	要求地址的郵遞區號值
X 座標	數字	1147796.475	X 座標值
Y 座標	數字	1862216.771	Y 座標值
Ward	數字	13	區號值
警區	數字	8	警區號碼
社群區域	數字	65	社區號碼
緯度	double	41.77787022898461	此為緯度值。緯線與赤道平行。
緯度	double	-87.73372735	此為經度值。經線與緯線垂直，並會穿過兩極。
Location	Location	(41.932596865948, -87.693935514475)	地址的結合緯度和經度值

預覽

建立日期	狀態	完成日期	服務要求編號	服務要求的類型	此法規違規實指為何？	街道地址	郵遞區號	X 座標	Y 座標	Ward	警區	社群區域	緯度	緯度	Location
9/17/2017	已完成	10/11/2017	17-06208608	衛生法規違規	垃圾桶滿溢	6327 S KENNETH AVE	60629	1147796.475	1862216.771	13	8	65	41.77787022898461	-87.73372735	(41.777870228985, -87.733727348463)
10/5/2017	已完成	10/11/2017	17-06678788	衛生法規違規	巷子裡的垃圾	3020 W MONTROSE AVE	60618	1155359.487	1929084.561	33	17	14	41.961214454744535	-87.70420422	(41.961214454745, -87.704204220358)
8/21/2017	已完成	10/11/2017	17-05591233	衛生法規違規	院子裡的垃圾	1500 S DAMEN AVE	60,608	1163279.962	1892714.436	28	12	28	41.86124902532175	-87.67610892	(41.861249025322, -87.676108920835)
9/23/2017	已完成	10/11/2017	17-06370432	衛生法規違規	工地清潔/圍欄	6442 S CENTRAL AVE	60638	1140196.719	1861187.963	13	8	64	41.77518903	-87.76161383	(41.775189032012, -87.761613831651)
8/1/2017	Completed - Dup (已完成 - 重複)	8/4/2017	17-05101063	衛生法規違規	巷子裡的垃圾	3016 W MONTROSE AVE	60618	1155405.587	1929085.161	33	17	14	41.96121517	-87.70403472	(41.961215172275, -87.704034715236)
9/26/2017	已完成	10/11/2017	17-06440193	衛生法規違規	其他	8830 S WABASH AVE	60619	1178255.291	1846460.484	9	6	44	41.733996131384714	-87.6225419	(41.733996131385, -87.622541895911)
10/10/2017	已完成	10/11/2017	17-06786539	衛生法規違規	其他	4523 N LAWNDALE AVE	60625	1150908.388	1929805.543	35	17	14	41.963281388376565	-87.72054998	(41.963281388377, -87.7205499839)
5/31/2017	已完成	8/4/2017	17-03559234	衛生法規違規	其他	3359 W 19TH ST	60623	1154204.655	1890509.209	24	10	29	41.85538344067419	-87.70948151	(41.855383440674, -87.709481507782)

資料存取

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'))

範例

請參閱 GitHub 上的城市安全性分析範例。

下一步

檢視開放資料集目錄中的其餘資料集。

共用方式為

芝加哥安全資料

資料量與保留期

儲存位置

其他資訊

資料行

資料存取

Azure Notebooks

Azure Databricks

Azure Synapse

範例

下一步

意見反應

其他資源

共用方式為

芝加哥安全資料

資料量與保留期

儲存位置

相關資料集

其他資訊

資料行

資料存取

Azure Notebooks

Azure Databricks

Azure Synapse

範例

下一步

意見反應

其他資源