Mobilidade-e-CO2
Mapeamento de CO2 a partir de trajetos do trânsito em São Paulo
Notebook de suporte para a verificação das emissões de CO2 a partir de diferentes modos de transporte na cidade de São Paulo. A análise realizada a partir da manipulação dos dados realizada nesse notebook está disponível em https://medium.com/@lisses/mapeando-os-trajetos-da-emiss%C3%A3o-de-carbono-no-tr%C3%A2nsito-de-s%C3%A3o-paulo-7318f850b072
0. Pré-processamento
0.1 Importando as bibliotecas utilizadas no projeto
#import csv
#from dbfread import DBF
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
sns.set(style="darkgrid", palette='cubehelix')
0.2 Definindo funções do código
As funções do código criam os valores de emissão a partir de índices do IPEA, categorizam o dataframe para apurar leituras e removem valores extremos
def cria_emissoes_kg_co2_km(x: float) -> float:
if x <= 3:
return 3.16
elif 3 < x <= 8:
return 1.28
elif 8 < x <= 12:
return 0.19
elif 12 < x <= 14:
return 0.07
else:
return 0
def cria_emissoes_kg_co2_km_pass(x: float) -> float:
if x <= 3:
return 0.0035
elif 3 < x <= 8:
return 0.0160
elif 8 < x <= 12:
return 0.1268
elif 12 < x <= 14:
return 0.0711
else:
return 0
def categoriza_modo_principal(x: float) -> str:
if x <= 3:
return "metrô, trem ou monotrilho"
elif 3 < x <= 8:
return "ônibus ou van"
elif 8 < x <= 12:
return "automovel"
elif 12 < x <= 14:
return "moto"
else:
return "bicileta ou a pé"
def cria_emissao_co2_total(dataframe: pd.DataFrame(), referencia: float, fator_expansao='FE_VIA', distancia='DISTANCIA') -> pd.Series():
return dataframe[referencia]*dataframe[fator_expansao]*dataframe[distancia]
def remove_percentil(dataframe: pd.DataFrame(), column: str, percentile=0.95) -> pd.Series():
percentil = dataframe[column].quantile(percentile)
return dataframe[dataframe[column] <= percentil]
0.3 Convertendo o arquivo dbf
o arquivo orginal com as informações sobre os trajetos vem no formato dbf, assim, é realizada a conversão para csv. A conversão foi feita para facilitação na manipulação do dataframe, o trecho do código foi comentado porque o arquivo foi salvo em csv no primeiro uso.
#dbf_file = DBF('OD 2017/OD_2017_v1.dbf')
#with open('OD_2017_original.csv', 'w', newline='') as csvfile:
# writer = csv.writer(csvfile)
# writer.writerow(dbf_file.field_names)
# for record in dbf_file:
# writer.writerow(list(record.values()))
1. Inspeção inicial da base
1.1 Conhecimento dos dados
A base original possui apenas variáveis numéricas dos tipos int e float. Algumas dessas variáveis numéricas são códigos descritos na documentação
#Importando a pesquisa Origem e Destino original
df = pd.read_csv('OD_2017_original.csv')
print(df.shape)
df.info(verbose=True)
(183092, 128)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 183092 entries, 0 to 183091
Data columns (total 128 columns):
# Column Dtype
--- ------ -----
0 ZONA int64
1 MUNI_DOM int64
2 CO_DOM_X int64
3 CO_DOM_Y int64
4 ID_DOM int64
5 F_DOM int64
6 FE_DOM float64
7 DOM int64
8 CD_ENTRE int64
9 DATA int64
10 TIPO_DOM int64
11 AGUA int64
12 RUA_PAVI int64
13 NO_MORAD int64
14 TOT_FAM int64
15 ID_FAM int64
16 F_FAM int64
17 FE_FAM float64
18 FAMILIA int64
19 NO_MORAF int64
20 CONDMORA int64
21 QT_BANHO float64
22 QT_EMPRE float64
23 QT_AUTO float64
24 QT_MICRO float64
25 QT_LAVALOU float64
26 QT_GEL1 float64
27 QT_GEL2 float64
28 QT_FREEZ float64
29 QT_MLAVA float64
30 QT_DVD float64
31 QT_MICROON float64
32 QT_MOTO float64
33 QT_SECAROU float64
34 QT_BICICLE float64
35 NAO_DCL_IT int64
36 CRITERIOBR float64
37 PONTO_BR float64
38 ANO_AUTO1 float64
39 ANO_AUTO2 float64
40 ANO_AUTO3 float64
41 RENDA_FA float64
42 CD_RENFA int64
43 ID_PESS int64
44 F_PESS int64
45 FE_PESS float64
46 PESSOA int64
47 SIT_FAM int64
48 IDADE int64
49 SEXO int64
50 ESTUDA int64
51 GRAU_INS int64
52 CD_ATIVI int64
53 CO_REN_I int64
54 VL_REN_I float64
55 ZONA_ESC float64
56 MUNIESC float64
57 CO_ESC_X float64
58 CO_ESC_Y float64
59 TIPO_ESC float64
60 ZONATRA1 float64
61 MUNITRA1 float64
62 CO_TR1_X float64
63 CO_TR1_Y float64
64 TRAB1_RE float64
65 TRABEXT1 float64
66 OCUP1 float64
67 SETOR1 float64
68 VINC1 float64
69 ZONATRA2 float64
70 MUNITRA2 float64
71 CO_TR2_X float64
72 CO_TR2_Y float64
73 TRAB2_RE float64
74 TRABEXT2 float64
75 OCUP2 float64
76 SETOR2 float64
77 VINC2 float64
78 N_VIAG float64
79 FE_VIA float64
80 DIA_SEM float64
81 TOT_VIAG int64
82 ZONA_O float64
83 MUNI_O float64
84 CO_O_X float64
85 CO_O_Y float64
86 ZONA_D float64
87 MUNI_D float64
88 CO_D_X float64
89 CO_D_Y float64
90 ZONA_T1 float64
91 MUNI_T1 float64
92 CO_T1_X float64
93 CO_T1_Y float64
94 ZONA_T2 float64
95 MUNI_T2 float64
96 CO_T2_X float64
97 CO_T2_Y float64
98 ZONA_T3 float64
99 MUNI_T3 float64
100 CO_T3_X float64
101 CO_T3_Y float64
102 MOTIVO_O float64
103 MOTIVO_D float64
104 MOT_SRES float64
105 SERVIR_O float64
106 SERVIR_D float64
107 MODO1 float64
108 MODO2 float64
109 MODO3 float64
110 MODO4 float64
111 H_SAIDA float64
112 MIN_SAIDA float64
113 ANDA_O float64
114 H_CHEG float64
115 MIN_CHEG float64
116 ANDA_D float64
117 DURACAO float64
118 MODOPRIN float64
119 TIPVG float64
120 PAG_VIAG float64
121 TP_ESAUTO float64
122 VL_EST float64
123 PE_BICI float64
124 VIA_BICI float64
125 TP_ESBICI float64
126 DISTANCIA float64
127 ID_ORDEM int64
dtypes: float64(95), int64(33)
memory usage: 178.8 MB
1.2 Feature engineering do dataframe
Foram removidas várias colunas, consideradas desinteressantes para o trabalho ou com muitos valores nulos. As colunas categóricas tiveram seu tipo alterado. Também foram criadas novas colunas no dataframe para aquisição de alguns índices interessantes para o trabalho. Os detalhes sobre cada coluna estão disponíveis no arquivo LAYOUT OD2017_v1.xlsx
#REMOVENDO COLUNAS DE IDENTIFICAÇÃO E COM MUITOS VALORES NULOS. TRANSFORMANDO COLUNAS NUMÉRICAS EM CATEGORIAS.
target = 'total_emissoes_kg_co2_pass'
colunas_removidas = ['ID_DOM', 'F_DOM', 'DOM', 'CD_ENTRE', 'DATA', 'AGUA', 'RUA_PAVI', 'ID_FAM', 'F_FAM', 'QT_BANHO', 'QT_EMPRE',
'QT_MICRO', 'QT_LAVALOU', 'QT_GEL1', 'QT_GEL2', 'QT_FREEZ', 'QT_MLAVA', 'QT_DVD', 'QT_MICROON', 'QT_SECAROU',
'NAO_DCL_IT', 'PONTO_BR', 'CD_RENFA', 'ID_PESS', 'F_PESS', 'PESSOA', 'MUNIESC', 'VINC1', 'VINC2',
'DIA_SEM', 'PAG_VIAG', 'TP_ESAUTO', 'VL_EST', 'VIA_BICI', 'TP_ESBICI']
colunas_categoricas = ['ZONA', 'MUNI_DOM', 'TIPO_DOM', 'CONDMORA', 'CRITERIOBR', 'SIT_FAM', 'SEXO', 'ESTUDA', 'GRAU_INS', 'CD_ATIVI', 'CO_REN_I', 'TRAB1_RE', 'TRABEXT1', 'OCUP1',
'SETOR1', 'MUNITRA1', 'MUNITRA2', 'TRAB2_RE', 'TRABEXT2', 'OCUP2', 'SETOR2', 'ZONA_O', 'MUNI_O', 'ZONA_D', 'MUNI_D', 'ZONA_T1', 'MUNI_T1', 'ZONA_T2', 'MUNI_T2', 'ZONA_T3',
'MUNI_T3', 'MOTIVO_O', 'MOTIVO_D', 'MOT_SRES', 'SERVIR_O', 'SERVIR_D', 'MODO1', 'MODO2', 'MODO3', 'MODO4', 'MODOPRIN', 'TIPVG', 'PE_BICI']
col_nulos = ['ANO_AUTO2', 'ANO_AUTO3', 'ZONA_ESC', 'CO_ESC_X', 'CO_ESC_Y', 'TIPO_ESC', 'ZONATRA2', 'MUNITRA2', 'CO_TR2_X', 'CO_TR2_Y', 'TRAB2_RE', 'TRABEXT2', 'OCUP2', 'SETOR2',
'ZONA_T1', 'MUNI_T1', 'CO_T1_X', 'CO_T1_Y', 'ZONA_T2', 'MUNI_T2', 'CO_T2_X', 'CO_T2_Y', 'ZONA_T3', 'MUNI_T3', 'CO_T3_X', 'CO_T3_Y', 'MODO2', 'MODO3', 'MODO4', 'PE_BICI']
df = base.drop(colunas_removidas, axis=1)
df[colunas_categoricas] = df[colunas_categoricas].astype('category');
df = df.drop(col_nulos, axis=1)
#CRIANDO NOVAS COLUNAS NA BASE E DIMINUINDO A CARDINALIDADE DO MODO PRINCIPAL
df['ref_emissoes_kg_co2_km'] = df['MODOPRIN'].apply(cria_emissoes_kg_co2_km)
df['ref_emissoes_kg_co2_km_pass'] = df['MODOPRIN'].apply(cria_emissoes_kg_co2_km_pass)
df['total_emissoes_kg_co2'] = cria_emissao_co2_total(dataframe=df, referencia='ref_emissoes_kg_co2_km')
df['total_emissoes_kg_co2_pass'] = cria_emissao_co2_total(dataframe=df, referencia='ref_emissoes_kg_co2_km_pass')
df['MODOPRIN'] = df['MODOPRIN'].apply(categoriza_modo_principal)
#df.to_csv('OD_2017_Trabalhada.csv')
3. Análise Exploratória dos Dados
Averiguação das emissões a partir do tipo de transporte, segregando dados por tempo de viagem, duração, quantidade, etc.
#CRIANDO UM NOVO DATAFRAME, AGRUPADO PELA SOMA DOS VALORES DOS MODOS DE TRANSPORTE
df_modos = df.groupby('MODOPRIN').sum()
df_modos = df_modos.drop(df_modos[df_modos.index=='bicileta ou a pé'].index)
labels =['Automóveis', 'Trens', 'Motos', 'Ônibus']
#VERIFICAÇÃO DO PERCENTUAL DE EMISSÃO EM CADA MODO DE TRANSPORTE
fig, axes = plt.subplots(1, 2, figsize=(10, 5))
total = df_modos['total_emissoes_kg_co2'].sum()
axes[0].pie(df_modos['total_emissoes_kg_co2'], labels=labels, autopct='%1.1f%%', explode=[0.1, 0.1, 0.1, 0.1], startangle=90, colors=sns.color_palette('cubehelix', n_colors=4))
axes[1].pie(df_modos['total_emissoes_kg_co2_pass'], labels=labels, autopct='%1.1f%%', explode=[0.1, 0.1, 0.1, 0.1], startangle=90, colors=sns.color_palette('cubehelix', n_colors=4))
axes[0].set_title('CO2equiv', y=1.055, fontweight='bold')
axes[1].set_title('CO2equiv/passageiro', y=1.055, fontweight='bold')
fig.suptitle('Percentual de emissão de CO2 equivalente por modo de transporte', y=1.1)
Text(0.5, 1.1, 'Percentual de emissão de CO2 equivalente por modo de transporte')
Se considerados os valores absolutos de emissão, os trens apresentaram um valor consideravelmente maior em uma primeira análise. No entanto, quando são analisados os índices de emissão por passageiro é nítido que a maior parte da emissão provém de automóveis, cerca de 82%.
#CRIANDO UM NOVO DATAFRAME, AGRUPADO PELA MÉDIA DOS VALORES DOS MODOS DE TRANSPORTE
df_modos = df.groupby('MODOPRIN', as_index=False).mean()
df_modos = df_modos.drop(df_modos[df_modos['MODOPRIN']=='bicileta ou a pé'].index)
#PLOTANDO A DISTÂNCIA E A DURAÇÃO MÉDIA DAS VIAGENS EM CADA MODO DE TRANSPORTE
fig, axs = plt.subplots(ncols=1, nrows=2, figsize=(10,10))
sns.barplot(x=df_modos['MODOPRIN'], y=df_modos['DISTANCIA']/1000, ax=axs[0])
sns.barplot(x=df_modos['MODOPRIN'], y=df_modos['DURACAO'], ax=axs[1])
axs[0].set_title('Distância média percorrida por modo de transporte', fontsize=12)
axs[1].set_title('Duração média da viagem por modo de transporte', fontsize=12)
axs[0].set_ylabel('Distância (km)', fontsize=12)
axs[1].set_ylabel('Duração (min)', fontsize=12)
axs[0].set_xlabel('')
axs[1].set_xlabel('')
#axs[0].xticks(rotation=90)
plt.tight_layout()
Verificando a distância e duração média das viagens, os automóveis apontam baixos valores em relação ao conjunto, apresentando viagens de cerca de 6km e 30 minutos de duração, paralelamente, as viagens realizadas nos trens têm duração consideravelmente maior e cruzam maiores distâncias, cerca de 14km; a performance das motos é consideravelmente melhor, uma vez que cruzam cerca de 8km e têm viagens curtas e as viagens de ônibus tem, em média, a mesma distância percorrida dos automóveis, em uma duração de tempo maior.
#PLOTANDO O NÚMERO DE VIAGENS DE CADA MODO DE TRANSPORTE
df_modos = df.groupby('MODOPRIN', as_index=False).sum()
fig, axs = plt.subplots(ncols=1, nrows=1, figsize=(10,5))
sns.barplot(x=df_modos['MODOPRIN'], y=df_modos['FE_VIA'])
axs.set_xlabel('Modo de transporte')
axs.set_ylabel('Soma do número de viagens')
axs.set_title('Número de viagens por moda de transporte', fontsize=14)
fig.tight_layout()
A grande maioria das viagens ocorre por automóvel. O baixo número de viagens a partir de motos é, provavelmente, a principal razão pela baixa participação do modal na emissão de CO2/pass.
#VERIFICANDO A CORRELAÇÃO NUMÉRICA ENTRE AS VARIÁVEIS DE DURAÇÃO/DISTÂNCIA/N. VIAGENS E A VARIÁVEL RESPOSTA
corr_distancia = df['total_emissoes_kg_co2_pass'].corr(df['DISTANCIA'])
corr_duracao = df['total_emissoes_kg_co2_pass'].corr(df['DURACAO'])
corr_quantidade_viagens = df['total_emissoes_kg_co2_pass'].corr(df['FE_VIA'])
print('correlação - Distância: {} \n Duração: {} \n Quantidade de Viagens: {}'.format(corr_distancia, corr_duracao, corr_quantidade_viagens))
correlação - Distância: 0.4178493770480493
Duração: 0.19673489484231785
Quantidade de Viagens: 0.25713663976501366
#PLOTANDO A RELAÇÃO ENTRE A VARIÁVEL RESPOSTA E A DISTÂNCIA/DURAÇÃO DAS VIAGENS
fig, axs = plt.subplots(2, 1, figsize=(10, 10))
sns.regplot(x=df['DISTANCIA']/1000, y=df[target], ax=axs[0], scatter_kws={'s': 2, 'alpha': 0.5})
sns.regplot(x='DURACAO', y=target, data=df, ax=axs[1], scatter_kws={'s': 2, 'alpha': 0.5})
axs[0].set_title('Emissão de CO2equiv por distância da viagem')
axs[1].set_title('Emissão de CO2equiv por duração da viagem')
axs[0].set_xlabel('')
axs[1].set_xlabel('')
axs[0].set_ylabel('Emissões (kg/co2equiv/pass.)')
axs[1].set_ylabel('Emissões (kg/co2equiv/pass.)')
Text(0, 0.5, 'Emissões (kg/co2equiv/pass.)')
A inspeção gráfica aponta alguma correlação com a distância percorrida, mas indica grande dispersão dos dados.
#PLOTANDO O HISTOGRAMA DA DISTRIBUIÇÃO DAS EMISSÕES POR MODO DE TRANSPORTE
df_filtrada = df.drop(df[df['MODOPRIN']=='bicileta ou a pé'].index)
fig, ax = plt.subplots(figsize=(12, 6))
sns.histplot(x='total_emissoes_kg_co2_pass', hue='MODOPRIN', data=df_filtrada, multiple='stack', hue_order=['automovel', 'metrô, trem ou monotrilho', 'moto', 'ônibus ou van'])
ax.set_xlim(0,400000)
ax.set_ylim(0,4000)
(0.0, 4000.0)
#PLOTANDO A EMISSÃO MÉDIA E TOTAL POR TIPO DE TRANSPORTE
df_viagens_mean = df.groupby('TIPVG', as_index=False).mean()
df_viagens_sum = df.groupby('TIPVG', as_index=False).sum()
fig, axs = plt.subplots(1, 2, figsize=(12, 6))
sns.barplot(x='TIPVG', y='total_emissoes_kg_co2_pass', data=df_viagens_mean, ax=axs[0])
sns.barplot(x='TIPVG', y='total_emissoes_kg_co2_pass', data=df_viagens_sum)
for i in [0, 1]:
axs[i].set_xlim(-1,2)
axs[i].set_xticklabels(labels=["Coletivo", "Individual", '', ''])
axs[i].set_xlabel('Tipo de viagem')
axs[0].set_ylabel('Média de emissão (KgCO2/pass.)')
axs[1].set_ylabel('Total de emissão (KgCO2/pass.)')
plt.suptitle('Emissão média e total de CO2equiv (kg/pass.) por tipo de viagem')
Text(0.5, 0.98, 'Emissão média e total de CO2equiv (kg/pass.) por tipo de viagem')
O gráfico corrobora as asserções anteriores: os veículos de tipo individual contribuem largamente na emissão de CO2/equiv, de maneira desproporcional aos meios coletivos.
4. Conclusão
A análise dos dados indica que embora em termos absolutos os trens e metrôs realizem mais emissões de CO2, quandos são consideradas as circuntâncias de números de pessoas atendidas o quadro muda. A verificação dos dados de CO2/equiv mostra que os automóveis emitem CO2 de maneira desproporcional aos outros modais sem que essa emissão contribua em avanços para a coletividade.