version corrigée pour que ça fonctionne encore

This commit is contained in:
Francois Pelletier 2019-08-12 23:48:16 -04:00
commit ac04797b07
8 changed files with 1751 additions and 0 deletions

15
.gitignore vendored Normal file
View file

@ -0,0 +1,15 @@
# History files
.Rhistory
.Rapp.history
# Example code in package build process
*-Ex.R
# RStudio files
.Rproj.user/
*.Rproj
# produced vignettes
vignettes/*.html
vignettes/*.pdf
.Rproj.user

166
LICENSE Normal file
View file

@ -0,0 +1,166 @@
GNU LESSER GENERAL PUBLIC LICENSE
Version 3, 29 June 2007
Copyright (C) 2007 Free Software Foundation, Inc. <http://fsf.org/>
Everyone is permitted to copy and distribute verbatim copies
of this license document, but changing it is not allowed.
This version of the GNU Lesser General Public License incorporates
the terms and conditions of version 3 of the GNU General Public
License, supplemented by the additional permissions listed below.
0. Additional Definitions.
As used herein, "this License" refers to version 3 of the GNU Lesser
General Public License, and the "GNU GPL" refers to version 3 of the GNU
General Public License.
"The Library" refers to a covered work governed by this License,
other than an Application or a Combined Work as defined below.
An "Application" is any work that makes use of an interface provided
by the Library, but which is not otherwise based on the Library.
Defining a subclass of a class defined by the Library is deemed a mode
of using an interface provided by the Library.
A "Combined Work" is a work produced by combining or linking an
Application with the Library. The particular version of the Library
with which the Combined Work was made is also called the "Linked
Version".
The "Minimal Corresponding Source" for a Combined Work means the
Corresponding Source for the Combined Work, excluding any source code
for portions of the Combined Work that, considered in isolation, are
based on the Application, and not on the Linked Version.
The "Corresponding Application Code" for a Combined Work means the
object code and/or source code for the Application, including any data
and utility programs needed for reproducing the Combined Work from the
Application, but excluding the System Libraries of the Combined Work.
1. Exception to Section 3 of the GNU GPL.
You may convey a covered work under sections 3 and 4 of this License
without being bound by section 3 of the GNU GPL.
2. Conveying Modified Versions.
If you modify a copy of the Library, and, in your modifications, a
facility refers to a function or data to be supplied by an Application
that uses the facility (other than as an argument passed when the
facility is invoked), then you may convey a copy of the modified
version:
a) under this License, provided that you make a good faith effort to
ensure that, in the event an Application does not supply the
function or data, the facility still operates, and performs
whatever part of its purpose remains meaningful, or
b) under the GNU GPL, with none of the additional permissions of
this License applicable to that copy.
3. Object Code Incorporating Material from Library Header Files.
The object code form of an Application may incorporate material from
a header file that is part of the Library. You may convey such object
code under terms of your choice, provided that, if the incorporated
material is not limited to numerical parameters, data structure
layouts and accessors, or small macros, inline functions and templates
(ten or fewer lines in length), you do both of the following:
a) Give prominent notice with each copy of the object code that the
Library is used in it and that the Library and its use are
covered by this License.
b) Accompany the object code with a copy of the GNU GPL and this license
document.
4. Combined Works.
You may convey a Combined Work under terms of your choice that,
taken together, effectively do not restrict modification of the
portions of the Library contained in the Combined Work and reverse
engineering for debugging such modifications, if you also do each of
the following:
a) Give prominent notice with each copy of the Combined Work that
the Library is used in it and that the Library and its use are
covered by this License.
b) Accompany the Combined Work with a copy of the GNU GPL and this license
document.
c) For a Combined Work that displays copyright notices during
execution, include the copyright notice for the Library among
these notices, as well as a reference directing the user to the
copies of the GNU GPL and this license document.
d) Do one of the following:
0) Convey the Minimal Corresponding Source under the terms of this
License, and the Corresponding Application Code in a form
suitable for, and under terms that permit, the user to
recombine or relink the Application with a modified version of
the Linked Version to produce a modified Combined Work, in the
manner specified by section 6 of the GNU GPL for conveying
Corresponding Source.
1) Use a suitable shared library mechanism for linking with the
Library. A suitable mechanism is one that (a) uses at run time
a copy of the Library already present on the user's computer
system, and (b) will operate properly with a modified version
of the Library that is interface-compatible with the Linked
Version.
e) Provide Installation Information, but only if you would otherwise
be required to provide such information under section 6 of the
GNU GPL, and only to the extent that such information is
necessary to install and execute a modified version of the
Combined Work produced by recombining or relinking the
Application with a modified version of the Linked Version. (If
you use option 4d0, the Installation Information must accompany
the Minimal Corresponding Source and Corresponding Application
Code. If you use option 4d1, you must provide the Installation
Information in the manner specified by section 6 of the GNU GPL
for conveying Corresponding Source.)
5. Combined Libraries.
You may place library facilities that are a work based on the
Library side by side in a single library together with other library
facilities that are not Applications and are not covered by this
License, and convey such a combined library under terms of your
choice, if you do both of the following:
a) Accompany the combined library with a copy of the same work based
on the Library, uncombined with any other library facilities,
conveyed under the terms of this License.
b) Give prominent notice with the combined library that part of it
is a work based on the Library, and explaining where to find the
accompanying uncombined form of the same work.
6. Revised Versions of the GNU Lesser General Public License.
The Free Software Foundation may publish revised and/or new versions
of the GNU Lesser General Public License from time to time. Such new
versions will be similar in spirit to the present version, but may
differ in detail to address new problems or concerns.
Each version is given a distinguishing version number. If the
Library as you received it specifies that a certain numbered version
of the GNU Lesser General Public License "or any later version"
applies to it, you have the option of following the terms and
conditions either of that published version or of any later version
published by the Free Software Foundation. If the Library as you
received it does not specify a version number of the GNU Lesser
General Public License, you may choose any version of the GNU Lesser
General Public License ever published by the Free Software Foundation.
If the Library as you received it specifies that a proxy can decide
whether future versions of the GNU Lesser General Public License shall
apply, that proxy's public statement of acceptance of any version is
permanent authorization for you to choose that version for the
Library.

2
README.md Normal file
View file

@ -0,0 +1,2 @@
# pipelineViz
Working with pipeline incidents data from http://ouvert.canada.ca/data/fr/dataset/da1be1b4-5e2b-4c9a-ae0e-e8551fd6b265

27
dd-20150216.csv Normal file
View file

@ -0,0 +1,27 @@
Nom de colonne PODS,Nom du champ,Description du champ
OCC_NO,Numéro d'événement,"Le numéro d'identification de l'événement. Le « P » sert à désigner le mode pipeline, suivi de deux chiffres qui indiquent l'année de l'événement. La lettre qui vient après l'année sert à désigner la région de l'événement, suivie du numéro de séquence attribué par le système PODS."
OCC_YEAR,Année,L'année civile de l'événement.
OCC_DATE,Date,"La date de l'événement, soit AAAA-MM-JJ. Le format de la date dépend de l'application utilisée pour ouvrir le fichier csv."
CLASS_ID,Catégorie,"La classification d'enquête du BST pour l'événement. Lorsqu'un événement est en cours d'évaluation, la valeur 10 lui est assignée temporairement pour indiquer qu'il est « en cours d'évaluation »."
OCC_TYPE,Type d'événement,Détermine si l'événement était un accident ou un incident à signaler.
ACC_INC_TYPE,Type d'accident/d'incident,Détermine le type de l'accident ou de l'incident à signaler.
PROVINCE,Province,La province du lieu de l'événement.
LOCATION,Lieu,Ville ou village le plus proche du lieu où s'est produit l'évènement.
TERRAIN_TYPE,Type de terrain,Zonage autorisé de l'utilisation des terres du lieu où s'est produit l'évènement.
FACILITY_NAME,Nom de l'installation,Nom de l'installation.
FACILITY_TYPE,Type d'installation,"Type d'installation tel que : station de compression, usine de traitement du gaz naturel, station de pompage, etc."
PIPELINE_CO,Société de pipeline,Nom de la société de pipeline.
PIPELINE_TYPE_CO,Type de société de pipeline,Type de société de pipeline : gaz ou HPV/FPV (haute/faible pression de vapeur)
PROD_RELEASED_IND,Indicateur de produit déversé,Pour indiquer si un produit a été déversé relativement ou consécutivement à l'évènement.
PRODUCT_TYPE,Type de produit,Type de produit déversé relativement ou consécutivement à l'évènement.
QUANTITY_LOST,Quantité perdue,Quantité de produit déversée lorsque le déversement peut être quantifié et que cette information a été communiquée au BST. On mesure cette quantité en mètres cubes.
DETECTION_METHOD,Méthode de détection,Moyen par lequel l'évènement a été détecté.
LOCATION_ON_PIPELINE,Emplacement sur le pipeline,L'emplacement sur le pipeline où l'évènement s'est produit.
ENVIRO_DAMAGE_IND,Indicateur de dégâts environnementaux,Pour indiquer si des dégâts ont été causés à l'environnement.
PROPERTY_DAMAGE_IND,Indicateur de dégâts matériels,Pour indiquer si des biens ont été endommagés.
FIRE_IND,Indicateur d'incendie,Indique s'il y a eu un incendie durant l'événement ou à la suite de l'événement.
EXPLOSION_IND,Indicateur d'explosion,Indique s'il y a eu une explosion durant l'événement ou à la suite de l'événement.
NO_EVACUATED,Nombre évacuées,Le nombre total de personnes évacuées à la suite de l'événement.
FATALITIES,Total de morts,Nombre total connu de morts.
SERIOUS_INJURIES,Total de blessés graves,Nombre total connu de blessés graves.
PRODUCTION_DT,Date de production,La date et l'heure à laquelle le fichier de données a été généré. Format de date AAAA-MM-JJThh:mm:ss.
1 Nom de colonne PODS Nom du champ Description du champ
2 OCC_NO Numéro d'événement Le numéro d'identification de l'événement. Le « P » sert à désigner le mode pipeline, suivi de deux chiffres qui indiquent l'année de l'événement. La lettre qui vient après l'année sert à désigner la région de l'événement, suivie du numéro de séquence attribué par le système PODS.
3 OCC_YEAR Année L'année civile de l'événement.
4 OCC_DATE Date La date de l'événement, soit AAAA-MM-JJ. Le format de la date dépend de l'application utilisée pour ouvrir le fichier csv.
5 CLASS_ID Catégorie La classification d'enquête du BST pour l'événement. Lorsqu'un événement est en cours d'évaluation, la valeur 10 lui est assignée temporairement pour indiquer qu'il est « en cours d'évaluation ».
6 OCC_TYPE Type d'événement Détermine si l'événement était un accident ou un incident à signaler.
7 ACC_INC_TYPE Type d'accident/d'incident Détermine le type de l'accident ou de l'incident à signaler.
8 PROVINCE Province La province du lieu de l'événement.
9 LOCATION Lieu Ville ou village le plus proche du lieu où s'est produit l'évènement.
10 TERRAIN_TYPE Type de terrain Zonage autorisé de l'utilisation des terres du lieu où s'est produit l'évènement.
11 FACILITY_NAME Nom de l'installation Nom de l'installation.
12 FACILITY_TYPE Type d'installation Type d'installation tel que : station de compression, usine de traitement du gaz naturel, station de pompage, etc.
13 PIPELINE_CO Société de pipeline Nom de la société de pipeline.
14 PIPELINE_TYPE_CO Type de société de pipeline Type de société de pipeline : gaz ou HPV/FPV (haute/faible pression de vapeur)
15 PROD_RELEASED_IND Indicateur de produit déversé Pour indiquer si un produit a été déversé relativement ou consécutivement à l'évènement.
16 PRODUCT_TYPE Type de produit Type de produit déversé relativement ou consécutivement à l'évènement.
17 QUANTITY_LOST Quantité perdue Quantité de produit déversée lorsque le déversement peut être quantifié et que cette information a été communiquée au BST. On mesure cette quantité en mètres cubes.
18 DETECTION_METHOD Méthode de détection Moyen par lequel l'évènement a été détecté.
19 LOCATION_ON_PIPELINE Emplacement sur le pipeline L'emplacement sur le pipeline où l'évènement s'est produit.
20 ENVIRO_DAMAGE_IND Indicateur de dégâts environnementaux Pour indiquer si des dégâts ont été causés à l'environnement.
21 PROPERTY_DAMAGE_IND Indicateur de dégâts matériels Pour indiquer si des biens ont été endommagés.
22 FIRE_IND Indicateur d'incendie Indique s'il y a eu un incendie durant l'événement ou à la suite de l'événement.
23 EXPLOSION_IND Indicateur d'explosion Indique s'il y a eu une explosion durant l'événement ou à la suite de l'événement.
24 NO_EVACUATED Nombre évacuées Le nombre total de personnes évacuées à la suite de l'événement.
25 FATALITIES Total de morts Nombre total connu de morts.
26 SERIOUS_INJURIES Total de blessés graves Nombre total connu de blessés graves.
27 PRODUCTION_DT Date de production La date et l'heure à laquelle le fichier de données a été généré. Format de date AAAA-MM-JJThh:mm:ss.

BIN
geocodedLocations.Rdata Normal file

Binary file not shown.

BIN
openstreetmap1.Rdata Normal file

Binary file not shown.

1362
p2015-07-fr.csv Normal file

File diff suppressed because it is too large Load diff

179
pipelineViz.Rmd Normal file
View file

@ -0,0 +1,179 @@
---
title: "PipelineViz"
author: "François Pelletier"
date: "26 août 2015"
output:
html_document:
fig_caption: yes
fig_height: 8
fig_width: 10
keep_md: yes
number_sections: yes
toc: yes
---
# Analyse d'un jeu de données ouvertes
Source: [Données sur les évenements de pipeline de Janvier 2004 au présent](http://ouvert.canada.ca/data/fr/dataset/da1be1b4-5e2b-4c9a-ae0e-e8551fd6b265)
## Chargement du dictionnaire de données
```{r}
# install.packages(c("data.table", "dplyr","maps","ggmap"))
options(unzip = 'internal')
library("data.table")
library("dplyr")
library("maps")
library("ggmap")
library("reshape2")
library("lubridate")
library("rpart")
library("rpart.plot")
```
## Lecture des données
```{r}
datadict <- read.csv(file = "dd-20150216.csv",header = TRUE, stringsAsFactors = TRUE, encoding = "latin1") %>%
as.data.table()
donnees <- read.csv(file = "p2015-07-fr.csv",header = TRUE,stringsAsFactors = TRUE) %>%
as.data.table()
class_donnees <- sapply(donnees,class)
character_columns <- names(donnees)[class_donnees == "character"]
num_columns <- names(donnees)[class_donnees != "character"]
donnees_conv <- cbind(donnees[, lapply(.SD, iconv, "utf-8", "latin1"),
.SDcols = character_columns],donnees[,.SD,.SDcols = num_columns])
```
## Geocoder les incidents
```{r, eval=FALSE}
LocationsUnique <- unique(donnees_conv[,.(LOCATION,PROVINCE)])
catLocationsUnique <- unique(paste(LocationsUnique$LOCATION, ifelse(!is.na(LocationsUnique$PROVINCE),LocationsUnique$PROVINCE, ""), "CANADA", sep = " "))
geocodedLocations <- cbind(LocationsUnique,geocode(catLocationsUnique))
save(geocodedLocations, file = "geocodedLocations.Rdata")
```
## Joindre les données géocodées aux données existantes
```{r}
load("geocodedLocations.Rdata")
donnees_conv2 <-as.data.table(merge(donnees_conv,geocodedLocations, by=c("LOCATION","PROVINCE")))
donnees_conv3 <- donnees_conv2[!is.na(PROVINCE) & !is.na(LOCATION)]
```
## Préparation de la carte de fond
```{r, eval=FALSE}
range_lat <- range(donnees_conv3$lat)
range_lon <- range(donnees_conv3$lon)
openstreetmap1 <- get_openstreetmap(bbox = c(left = range_lon[1],
bottom = range_lat[1],
right = range_lon[2],
top = range_lat[2]),
scale = 32500000,
format = c("png"),
crop = TRUE, messaging = FALSE, urlonly = FALSE, color = c("color", "bw"))
save(openstreetmap1, file = "openstreetmap1.Rdata")
```
## Chargement de la carte de fond
```{r}
load("openstreetmap1.Rdata")
```
## Carte des incidents avec déversement
```{r, dev='png'}
donnees_incidents <- donnees_conv3[QUANTITY_LOST > 0]
ggmap(openstreetmap1) +
geom_point(aes(x = lon,
y = lat,
colour = PRODUCT_TYPE,
size = QUANTITY_LOST),
data = donnees_incidents) +
scale_size(range = c(2, 8), name=datadict[datadict$Nom.de.colonne.PODS=="QUANTITY_LOST"][2]) +
scale_colour_discrete(name=datadict[datadict$Nom.de.colonne.PODS=="PRODUCT_TYPE"][2]) +
ggtitle(label = "Incidents avec déversement") +
xlab("Longitude") +
ylab("Latitude")
```
## initiales
Cette fonction extrait les initiales d'un mot
```{r}
initials <- function(str)
{
regex <- '(?<=^|\\s|-)[[:alpha:]]'
ini <- regmatches(str, gregexpr(regex, str, perl=TRUE))
toupper(sapply(ini, paste0, collapse=''))
}
```
## Distribution des accidents et incidents
```{r}
dist_incidents <- donnees_conv3 %>%
select(PROVINCE,OCC_TYPE,PRODUCT_TYPE) %>%
group_by(PROVINCE=factor(initials(PROVINCE)),OCC_TYPE=factor(OCC_TYPE)) %>%
summarise(N = n())
```
```{r, dev='png'}
ggplot(dist_incidents,aes(x=PROVINCE,fill=OCC_TYPE)) +
geom_bar(aes(y=N),stat="identity") +
ggtitle(paste0(datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"][2],", par ",datadict[datadict$Nom.de.colonne.PODS=="PROVINCE"][2])) +
scale_fill_discrete(name=datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"][2]) +
xlab(datadict[datadict$Nom.de.colonne.PODS=="PROVINCE"][2]) +
ylab("Nombre")
```
## Série chronologique
```{r}
data_serie <- donnees_conv3 %>%
select(PIPELINE_CO,OCC_DATE,QUANTITY_LOST) %>%
mutate(N=1, date_clean = parse_date_time(OCC_DATE, orders = "%Y-%m-%d")) %>%
arrange(PIPELINE_CO,date_clean) %>%
group_by(PIPELINE_CO,date_clean) %>%
summarise(Nsum = sum(N)) %>%
mutate(Ncumsum = cumsum(Nsum))
```
### Nombre d'évènements cumulés
```{r, dev='png'}
ggplot(data_serie,aes(x=date_clean,y=Ncumsum,color=PIPELINE_CO)) +
geom_line(stat="identity") +
xlab("Date") +
ylab("Nombre d'indicents cumulés") +
ggtitle("Nombre d'incidents cumulés, par compagnie")
```
## Arbre de décision
```{r}
tree1 <- rpart(OCC_TYPE~FACILITY_TYPE+PROD_RELEASED_IND+PIPELINE_TYPE_CO+ENVIRO_DAMAGE_IND+PROPERTY_DAMAGE_IND+FIRE_IND+EXPLOSION_IND, data=donnees_conv3, method="class")
summary(tree1)
```
### Affichage de l'arbre de décision
```{r}
rpart.plot::rpart.plot(tree1, main = paste0("Arbre de classification pour ",
datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"]$Nom.du.champ))
```