NYC Taxi & Limousine Commission - registros de viagem de táxi verde

Os registos de corridas de "green taxi" incluem campos que registam as datas/horas de recolha e entrega, as localizações de recolha e entrega, as distâncias das corridas, tarifas discriminadas, tipos de taxas, tipos de pagamentos e contagens de passageiros feitas pelo motorista.

Nota

A Microsoft fornece os Conjuntos de Dados Abertos do Azure "no estado em que se encontram". A Microsoft não oferece garantias, expressas ou implícitas, garantias ou condições em relação ao seu uso dos conjuntos de dados. Na medida permitida pela legislação local, a Microsoft se isenta de qualquer responsabilidade por quaisquer danos ou perdas, incluindo diretos, consequenciais, especiais, indiretos, incidentais ou punitivos, resultantes do uso dos conjuntos de dados por parte do cliente.

Este conjunto de dados é disponibilizado de acordo com os termos originais em que a Microsoft recebeu os dados de origem. O conjunto de dados pode incluir dados obtidos junto da Microsoft.

Volume e retenção

Este conjunto de dados é armazenado no formato Parquet. Existem cerca de 80 milhões de linhas (2 GB) no total em 2018.

Este conjunto de dados contém registos históricos acumulados de 2009 a 2018. Pode utilizar as definições de parâmetros no nosso SDK para obter os dados num intervalo de tempo específico.

Localização de armazenamento

Este conjunto de dados é armazenado na região do Azure E.U.A. Leste. A alocação de recursos de computação nos E.U.A. Leste é recomendada por questões de afinidade.

Informações adicionais

Comissão de Táxis e Limusinas (TLC) de Nova Iorque:

Os dados foram recolhidos e fornecidos à Comissão de Táxis e Limusinas (TLC) de Nova Iorque por fornecedores de tecnologia autorizados ao abrigo dos Programas Taxicab e Livery Passenger Enhancement (TPEP/LPEP). Os dados das corridas não foram criados pela TLC, a qual não assume qualquer responsabilidade pela exatidão desses dados.

Exiba o local original do conjunto de dados e os termos de uso originais.

Colunas

Name Tipo de dados Único Valores (amostra) Descrição
doLocationId cadeia (de caracteres) 264 74 42 DOLocationID Zona de táxi da TLC na qual o taxímetro foi desativado.
dropoffLatitude duplo 109,721 40.7743034362793 40.77431869506836 Descontinuado desde 07 de 2016 em diante
dropoffLongitude duplo 75,502 -73.95272827148438 -73.95274353027344 Descontinuado desde 07 de 2016 em diante
extra duplo 202 0.5 1.0 Extras e outras cobranças diversas. Atualmente, isto inclui apenas as sobretaxas de 0,50 $ e 1 $ aplicadas na hora de ponta e durante a noite.
valorTarifa duplo 10,367 6.0 5.5 A tarifa de tempo e distância calculada pelo taxímetro.
melhoriaSobretaxa cadeia (de caracteres) 92 0.3 0 É aplicada uma sobretaxa de melhoria de 0,30 $ às corridas tomadas na rua, no início da viagem. A sobretaxa de melhoria começou a ser cobrada em 2015.
lpepEntregaDataHora carimbo de data/hora 58,100,713 2016-05-22 00:00:00 2016-05-09 00:00:00 A data e hora em que o taxímetro foi desativado.
lpepRecolhaDataHora carimbo de data/hora 58,157,349 2013-10-22 12:40:36 2014-08-09 15:54:25 A data e hora em que o taxímetro foi ativado.
mtaTax duplo 34 0,5 -0,5 Imposto MTA de 0,50 $ que é aplicado automaticamente com base na tarifa do taxímetro em utilização.
número de passageiros int 10 1 2 O número de passageiros no veículo. Este valor é introduzido pelo motorista.
Tipo de pagamento int 5 2 1 Um código numérico que significa o modo como o passageiro pagou a viagem. 1= Cartão de crédito 2= Dinheiro 3= Sem custos 4= Disputa 5= Desconhecido 6= Viagem anulada
captaçãoLatitude duplo 95,110 40.721351623535156 40.721336364746094 Descontinuado desde 07 de 2016 em diante
longitudeRecolha duplo 55,722 -73.84429931640625 -73.84429168701172 Descontinuado desde 07 de 2016 em diante
puLocationId cadeia (de caracteres) 264 74 41 Zona de táxi da TLC em que o taxímetro foi ativado.
puMonth int 12 3 5
puYear int 14 2015 2016
rateCodeID int 7 1 5 O código da tarifa final em vigor no final da viagem. 1= Taxa normal 2= JFK 3= Newark 4= Nassau ou Westchester 5= Tarifa negociada 6= Viagem de grupo
storeAndFwdFlag cadeia (de caracteres) 2 N Y Este indicador assinala se o registo de viagem foi mantido na memória do veículo antes de ser enviado ao fornecedor, numa situação também conhecida como "armazenamento e reencaminhamento", por o veículo não ter ligação ao servidor. Y= trajeto com armazenamento e reencaminhamento N= trajeto sem armazenamento e reencaminhamento
valor da gorjeta duplo 6,206 1.0 2.0 Montante da gorjeta - este campo é preenchido automaticamente para gorjetas pagas com cartão de crédito. Não inclui gorjetas pagas em dinheiro.
MontantePortagens duplo 2,150 5.54 5.76 Montante total de todas as portagens pagas na viagem.
montanteTotal duplo 20,188 7.8 6.8 O montante total cobrado aos passageiros. Não inclui gorjetas pagas em dinheiro.
tripDistância duplo 7,060 0.9 1.0 A distância percorrida da viagem em milhas, conforme mostrada no taxímetro.
tipo de viagem int 3 1 2 Um código que indica se a corrida foi apanhada na rua ou despachada, sendo atribuído automaticamente com base na tarifa em vigor no taxímetro, mas podendo ser alterado pelo motorista. 1= Rua-granizo 2= Despacho
ID do fornecedor int 2 2 1 Um código que indica o fornecedor LPEP que forneceu o registo. 1= Tecnologias Móveis Criativas, LLC; 2= VeriFone Inc.

Pré-visualização

ID do fornecedor lpepRecolhaDataHora lpepEntregaDataHora número de passageiros tripDistância puLocationId doLocationId rateCodeID storeAndFwdFlag Tipo de pagamento valorTarifa extra mtaTax melhoriaSobretaxa valor da gorjeta MontantePortagens montanteTotal tipo de viagem puYear puMonth
2 24/6/2081 17:40:37 24/6/2081 18:42:47 1 16.95 93 117 1 N 1 52 1 0.5 0,3 0 2.16 55.96 1 2081 6
2 28/11/2030 00:19:29 28/11/2030 00:25:37 1 1,08 42 247 1 N 2 6.5 0 0.5 0,3 0 0 7.3 1 2030 11
2 28/11/2030 00:14:50 28/11/2030 00:14:54 1 0,03 42 42 5 N 2 5 0 0 0 0 0 5 2 2030 11
2 14/11/2020 11:38:07 14/11/2020 11:42:22 1 0.63 129 129 1 N 2 4,5 1 0.5 0,3 0 0 6.3 1 2020 11
2 14/11/2020 09:55:36 14/11/2020 10:04:54 1 3,8 82 138 1 N 2 12.5 1 0.5 0,3 0 0 14,3 1 2020 11
2 26/08/2019 16:18:37 26/08/2019 16:19:35 1 0 264 264 1 N 2 1 0 0.5 0,3 0 0 1.8 1 2019 8
2 01/07/2019 08:28:33 01/07/2019 08:32:33 1 0.71 7 7 1 N 1 5 0 0.5 0,3 1.74 0 7.54 1 2019 7
2 01/07/2019 00:04:53 01/07/2019 00:21:56 1 2,71 223 145 1 N 2 13 0.5 0.5 0,3 0 0 14,3 1 2019 7
2 01/07/2019 00:04:11 01/07/2019 00:21:15 1 3,14 166 142 1 N 2 14,5 0.5 0.5 0,3 0 0 18.55 1 2019 7
2 01/07/2019 00:03:37 01/07/2019 12:09:27 1 0,78 74 74 1 N 1 6 0.5 0.5 0,3 1.46 0 8,76 1 2019 7

Acesso a dados

Azure Notebooks

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

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_pandas_dataframe()

nyc_tlc_df.info()

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 NycTlcGreen

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()

display(nyc_tlc_df.limit(5))

Azure Synapse

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

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()

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

# Display data statistic information
display(nyc_tlc_df, summary = True)

Base de Dados SQL do Azure

O Base de Dados SQL do Azure pode consultar este conjunto de dados diretamente utilizando virtualização de dados. Use OPENROWSET para ler os ficheiros Parquet através de HTTPS.

Consulta no local

SELECT TOP 100 *
FROM OPENROWSET(
    BULK 'abs://nyctlc@azureopendatastorage.blob.core.windows.net/green/puYear=2018/puMonth=6/*.parquet',
    FORMAT = 'PARQUET'
) AS [src];

Guardar numa tabela (opcional)

SELECT *
INTO dbo.NycTaxiGreen_Local
FROM OPENROWSET(
    BULK 'abs://nyctlc@azureopendatastorage.blob.core.windows.net/green/puYear=2018/puMonth=6/*.parquet',
    FORMAT = 'PARQUET'
) AS [src];

Próximos passos

Veja os restantes conjuntos de dados no catálogo Open Datasets.