Análise do Trânsito Paulistano com Python - Fluxo por Zona e Horário
Sempre fico fascinado sobre como os números podem revelar padrões em diversas áreas, o caos cotidiano das cidades é uma delas. Recentemente, mergulhei em um dataset sobre congestionamentos na maior cidade do país e trouxe algumas descobertas que mostram como os dados podem guiar decisões para melhorar a mobilidade urbana.
Aqui estão os principais insights que coletei utilizando Python com suas bibliotecas Pandas, Seaborn e Matplotlib.
Mapa de calor: Congestionamentos por hora e região
Descobertas principais:
- Zona leste: Concentra os maiores congestionamentos, especialmente durante os horários de pico(manhã e noite)
- Centro: Enfrente congestionamentos significativos, mas com menor intensidade comparada á leste
- Zona norte e zona oeste: Apresentam menos problemas de congestionamentos, com picos mais localizados.
Gráfico de barras: Estradas que mais contribuem por zona.
Descobertas principais:
- Zona leste: A Marginal Tietê é a principal causadora de congestionamentos, respondendo por grande parte do impacto
- Zona oeste: Amplamente dominada pela Marginal Pinheiros.
- Centro: Congestionamentos são mais distribuídos entre várias estradas.
- Zona norte: Apresentou o menor impacto entre as regiões analisadas
Como essas informações podem ser úteis:
- Planejamento estratégico: Focar em melhorias nas estradas mais congestionadas.
- Políticas Públicas: Apoiar na priorização de recursos e criação de novas rotas ou transportes alternativos
