東大門区高齢者事故多発地分析

東大門区は高齢者の事故が最も多く、東大門区内に高齢者保護区を画定した.

に必要なパッケージ負荷

import pandas as pd
import folium

インポートデータ

df_acc = pd.read_csv('../data/보행고령자 사고다발/서울 고령자사고다발지역.csv')

東大門区のデータのみをインポートし、

を保存する.

df_d = df_acc[df_acc['구']=='동대문구']

df_d.to_csv('../data/보행고령자 사고다발/동대문구 사고다발지역.csv')

データ前処理

df_d.drop('Unnamed: 0',axis=1,inplace=True)

df_d.sort_values('발생건수',inplace=True,ascending=False)
df_d.reset_index(inplace=True)

df_d.drop('index',axis=1,inplace=True)

東大門区事故多発地地図に表示されている

center = [37.579 , 127.045]
mapdata = folium.Map(location=center, zoom_start = 14)

for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = int(df_d.loc[temp, ['발생건수']].values[0] * 8), color='red', fill_color='red'
    
    ).add_to(mapdata)
mapdata

center = [37.579 , 127.045]
mapdata = folium.Map(location=center, zoom_start = 15)

for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = 8, color='red', fill='crimson'
    
    ).add_to(mapdata)
mapdata

事故位置半径150 m内に4箇所以上ある箇所を候補地に追加し、4箇所を候補地

に選定する.

all_a = pd.read_csv('../data/보행고령자 사고다발/동대문구 4개 비교.csv')
all_a = all_a.set_index('구역')

一区

center = [37.57841294, 127.0377316]
mapdata = folium.Map(location=center, zoom_start = 16.3)


folium.Circle(
[37.57841294, 127.0377316],
radius = 150,color='red', fill_color='red'

).add_to(mapdata)
for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = int(df_d.loc[temp, ['발생건수']].values[0] /2), color='red', fill_color='red'
    
    ).add_to(mapdata)
mapdata

二区

center = [37.57949654, 127.0416463]
mapdata = folium.Map(location=center, zoom_start = 16.3)


folium.Circle(
[37.57949654, 127.0416463],
radius = 150,color='red', fill_color='red'

).add_to(mapdata)
for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = int(df_d.loc[temp, ['발생건수']].values[0] /2), color='red', fill_color='red'
    
    ).add_to(mapdata)
mapdata

三区

center = [37.58089546, 127.0455197]
mapdata = folium.Map(location=center, zoom_start = 16.3)


folium.Circle(
[37.58089546, 127.0455197],
radius = 150,color='red', fill_color='red'

).add_to(mapdata)
for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = int(df_d.loc[temp, ['발생건수']].values[0] /2), color='red', fill_color='red'
    
    ).add_to(mapdata)
mapdata

四区

center = [37.58993298, 127.0553216]
mapdata = folium.Map(location=center, zoom_start = 16.3)


folium.Circle(
[37.58993298, 127.0553216],
radius = 150,color='red', fill_color='red'

).add_to(mapdata)
for temp in df_d.index:
    folium.Circle(
    [df_d['위도'][temp], df_d['경도'][temp]],
    radius = int(df_d.loc[temp, ['발생건수']].values[0] /2), color='red', fill_color='red'
    
    ).add_to(mapdata)
mapdata

分析結果
このうち2、3番はすでに選択されており、残りの2つの場所から選択されています.
1番エリアは市場付近ですが、指定されておらず、4番エリアは道路のみで、周辺には福祉施設もありません.
発生回数を見ると既に指定されている2 3以外は1番が4番エリアよりはるかに高いので1番エリアを選択しました.