In ymansiaux/occupationparkingsapp: Occupations des parkings projet PMNSI 3264

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)

library(occupationparkingsapp)
library(R6)
library(xtradata)
library(tidytable)
library(lubridate)
library(timetk)
library(ggplot2)
library(dplyr)
library(ggiraph)

Classes R6

Occupation

On va définir une classe R6, qui va permettre d'effecteur les opérations suivantes sur les différents types de parkings (relais ou non) et secteurs d'intéret (hypercentre, centre, périphérie).

Cette classe va devoir réaliser les opérations suivantes :

Récupération des données sur le WS d'intéret
Nettoyage et aggregation eventuelle selon le pas de temps
Realisation d'un graphique
Sortie d'un tableau
Operation de telechargement

Création d'une nouvelle instance

pkgload::load_all()
parc_relais_hour <- Occupation$new(rangeStart = Sys.Date() - 3, rangeEnd = Sys.Date() - 1, localisation_parking = NA, parc_relais = TRUE)
centre_day <- Occupation$new(rangeStart = Sys.Date() - 3, rangeEnd = Sys.Date() - 1, localisation_parking = "centre", parc_relais = FALSE)

Appel du WS de récupération des données

parc_relais_hour$download_data(rangeStep = "hour")
centre_day$download_data(rangeStep = "day")

Le choix du rangeStep est des opérations qui vont en découler vont dépendre du choix de l'utilisateur.

-> données horaires rangeStep = hour dataviz = moyenne horaire sur la plage de temps complète

-> données journalières rangeStep = day dataviz = données rendues par xtradata jour par jour

-> données hebdo rangeStep = day dataviz = données à agreger à la semaine (moyenne)

-> données mensuelle rangeStep = day dataviz = données à agreger au mois (moyenne)

-> données annuelle rangeStep = day dataviz = données à agreger à l'année (moyenne)

-> faire du cache là dessus

head(parc_relais_hour$data_xtradata)
# on souhaite garder dans l'output final
# ident
# time 
# libres
# total

Nettoyage

parc_relais_hour$clean_output()
head(parc_relais_hour$data_xtradata)

centre_day$clean_output()
head(centre_day$data_xtradata)

Aggregation temporelle

parc_relais_hour$mean_by_some_time_unit(time_unit = "hour")
head(parc_relais_hour$data_xtradata)

centre_day$mean_by_some_time_unit(time_unit = "day")
head(centre_day$data_xtradata)

# ggplot(data = centre_day$data_xtradata, mapping = aes(x = time, y = taux_occupation, color = ident)) + 
#   geom_line()
# 
# ggplot(data = parc_relais_hour$data_xtradata, mapping = aes(x = time, y = taux_occupation, color = ident)) + 
#   geom_line()

centre_day$timeseries_plot()
parc_relais_hour$timeseries_plot()

Saturation

De manière identique on va créer une classe R6 dediée. Récupération de données, nettoyage et graphe.

En l'état on ne peut récupérer qu'une semaine via le WS. On reste là dessus.

Création d'une nouvelle instance

source("../R/Saturation.R")
parc_relais_hour <- Saturation$new(rangeStart = as.Date("2021-05-24"), rangeEnd = as.Date("2021-05-31"), localisation_parking = NA, parc_relais = TRUE)

Appel du WS de récupération des données

parc_relais_hour$download_data(rangeStep = "hour")

parc_relais_hour$clean_output()

parc_relais_hour$data_xtradata
parc_relais_hour$filter_full_capacity_parkings()
parc_relais_hour$calendar_heatmap()

ggiraph::girafe(ggobj = gg)

# nb heures / j ooù saturation >= 90%, et nb jours >= 2 / semaine