San Francisco 市の交通データを分析する  

都市のオープン・データ・セットを使用してチャート、グラフ、地図を生成する

Last updated | By Scott D’Angelo, David Taieb

Description

データを使用して Jupyter Notebooks やその他の成果物を作成しているあらゆる開発者を対象に、このコード・パターンではオープンソースのヘルパー・ライブラリー PixieDust の威力を紹介します。IBM Watson Studio 上でホストされた PixieDust では、複雑なコードを作成することなく、開発者やその他のユーザーがインタラクティブで動的なチャート、グラフ、テーブルを迅速に作成できます。しかも、Jupyter Notebook 内に直接 UI 要素を組み込むために、PixieApps が使用されています。サンフランシスコ市の DataSF Open Data といったオープンソース・データ・プロバイダーの存在を前提に、PixieDust と IBM Watson Studio では、ユーザーがデータを分析してその視覚化を共有できるようになっています。

Overview

DataSF Open Data では、サンフランシスコ統合市郡に関する何百ものデータ・セットを提供しています。このパターンは、このような公開データを IBM Watson Studio上でホストされた Jupyter Notebook に取り込んで、PixieDust を使用して迅速、簡単にグラフやチャートを作成する例を説明します。さらに PixieApps を使用して、Jupyter Notebook 内で直接実行できる UI 要素も作成します。

このコード・パターンを完了すると、以下の方法がわかるようになります。

  • Jupyter Notebook を使用してデータをロード、視覚化、分析する
  • Watson Studio 内で Jupyter Notebook を実行する
  • PixieDust を IPython Notebook ヘルパーとして使用する
  • PixieApps を使用してダッシュボードを作成する
  • サンフランシスコ市の DataSF Open Data からデータをフェッチする
  • Mapbox GL を使用してインタラクティブな地図を作成する

Flow

  1. 用意されているノートブックを IBM Watson Studio プラットフォームにロードします。
  2. DataSF Open Data が公開している交通情報を Jupyter Notebook にロードします。
  3. ノートブックによって交通情報が分析されます。
  4. チャートやグラフは、インタラクティブに変更することができます。
  5. PixieApp ダッシュボードが作成されて、やり取りできるようになります。

Related Blogs

Call for Code 準優勝者: AI を使用して改造の可能性を判断する PD3R

ネパールでエンジニアとして働く Nirmal Adhikari は、地震がもたらす惨状をじかに目にしました。彼はまた、被害状況を評価したくても、なかなかコミュニティーにアクセスできないフラストレーションも実感しました。 「バスや交通機関で現地に辿り着くことはできませんでした。アクセスが禁止されていたためです。大勢のエンジニアを配置しなければならなかったのですが、それには相当な時間がかかりました」。2015 年のネパール大地震を振り返り、Adhikari はこのように言いました。「このことが理由で、私たちは多くの人手を要することなく迅速に作業を行えるよう、何か対策を取らなければならないと思ったのです」。 Adhikari と、Build Change で働く彼の同僚たち (Lakshyana K.C.、Nicolas Ortiz、Shreyasha Paudel、Kshitiz Rimal) は、人工知能によって検査を自動化し、地震で住む場所を追われた人々がすぐに自宅に戻れるようにできないかと考えました。 彼らがチームとして作り上げたのが、この Post-Disaster Rapid Response Retrofit (PD3R) です。3D モデル画像で学習した AI に基づくこのソリューションによって、自然災害後に住居を追われた家族がすぐに構造工学上のアドバイスを受けられるようになる可能性があります。PD3R は 2018 Call for Code Global Challenge で準優勝作品として選ばれ、25,000 米ドルの賞金と The Linux Foundation による長期のオープンソース・サポートを獲得しました。 「地震が発生すると、住居が全壊するか、部分的に損傷を受ける可能性があります」と、Ortiz は言います。「PD3R で目的としているのは、再建または補強することが可能な住居を、人工知能を使用して短時間で評価することです」。 Call for Code Global Award 祝賀会の録画を見る チームは Watson Studio を使用して、2,000 点を超える画像をベースにカスタムの視覚認識モデルを作成しました。IBM Watson...

続けて読む Call for Code 準優勝者: AI を使用して改造の可能性を判断する PD3R

Call for Code 優勝者: モバイル・ホットスポットとダッシュボードによって災害発生後のコミュニティーを支援

昨年メキシコ・シティーでマグニチュード 7.1 の地震が発生したとき、Subalekha Udayasakar はインターネットへの接続を失うと、いかに無力であるかを実感し、その混沌を目の当たりにしました。 「大勢の人々がインターネットに接続できなかったため、救助の手を差し伸べることができなかったのです」と、彼女は言います。「それに、被害に遭った人たちが実際にどのような状況に置かれているかについても、まったく見当がつきませんでした」。 この体験を機に、Subalekha と彼女のチームメイト (Jonah Model、Katie Mathews、Gandharv Patil、Matthew Malin) は災害への対応と復旧の最中に市民と救助隊がオンラインでつながり続ける方法を生み出しました。 ハードウェアとソフトウェアで編成された、この Project Lantern というソリューションは、2018 Call for Code Global Challenge で最優秀作品に選ばれました。Project Lantern が依存するのは、低価格のハードウェアとソーシャル・データ、そして入手した情報と状況の変化を反映したリアルタイムのデータです。 災害復旧時にオフラインになったワイヤレス・ネットワークで、鍵ほどの大きさの Lantern というデバイスがポップアップ通信ハブの役割を果たします。この Lantern デバイスでは、カスタマイズ可能な Web アプリを使用してニュースを受信し、救助とボランティアを要請するとともに、地図ツールによってユーザーを避難所と飲料水や燃料を入手できる場所まで誘導します。このように、Lantern は極めて急を要する状況でコミュニティーの秩序を維持するよう設計されています。 Call for Code チャレンジに向けて、チームは IBM Watson を利用してオフラインで収集されたデータを解釈し、その結果を救助隊用のダッシュボードとして提示することにしました。現地のボランティア、危険にさらされている人々、訓練された難民救済ワーカーの間のコラボレーションは、IRIS (Intelligent Routing and Insights の略語) によって支援します。 「IRIS の役目は、災害時のあらゆるデータに加え、IBM Watson の機械学習機能、The Weather Channel からのデータ、そして公開されているその他すべての API...

続けて読む Call for Code 優勝者: モバイル・ホットスポットとダッシュボードによって災害発生後のコミュニティーを支援

Call for Code 優勝者: 緊急支援ネットワークで中断のない銀行サービスを実現

史上最大の地震の 1 つとして数えられる 2008 年の四川大地震が発生したとき、中国農業銀行 (ABC) は被災者たちに緊急支援と金融サービスを提供しようと試みました。 けれども、銀行カードや写真付き ID を失くすなどといった、いくつかの泣き所が災害によって生み出され、同行は思うように顧客にサービスを提供できませんでした。 「この 10 年の間、世界中で多くの自然災害が発生しています」。ABC 研究開発センターで副総支配人を務める Wang Yi の言葉です。「私たちは被災者への金融サービスを改善することを目指しています」。 こうしたサービスの改善を目的に、ABC の開発者たちは Call for Code の呼びかけに応じ、United Aid Net (UAN) を作成しました。UAN は、自然災害の発生時も復旧時も中断することなく金融サービスを提供するためのグローバル緊急支援ネットワークです。顔認識に基づく預金引き出しとブロックチェーンを基に構築されている UAN は、災害時に家族や友人との間で一時的に金融サービスを共有することを可能にします。 仕組み このソリューションを開発したのは、北京を拠点とするチーム Green Coder です。Dong Xiaojie、Liu Xu、Liu Bo、Huang Zhiming、Liu Jiajie からなるチームが開発したこのソリューションは、2018 Call for Code Global Challenge で最優秀作品に選ばれました。 「UAN は、金融機関ネットワークと家族ネットワークという 2 つのネットワークで構成されています」。ABC でアプリケーション・プラットフォーム開発ネットワークの副総支配人を担当する Xiaojie は、このように言っています。「現在、私は UAN...

続けて読む Call for Code 優勝者: 緊急支援ネットワークで中断のない銀行サービスを実現

Related Links