Diamo molta importanza alla protezione dei dati e quindi utilizziamo i dati che ci fornisci con la massima cura. Puoi gestire i dati che ci fornisci nel tuo cruscotto personale. Troverai le nostre regole complete sulla protezione dei dati e il chiarimento dei tuoi diritti nella nostra avviso sulla privacy. Utilizzando il sito web e le sue offerte e navigando ulteriormente, accetti le regole del nostro avviso sulla privacy e i termini e le condizioni.
In collaborazione con il Comune di Dundee, Creative Dundee promuove gli open data in linea con l'8° City Data Cluster. Il lavoro spazia tra modelli, kit di strumenti e metodologie, condividendo apertamente le intuizioni culturali per aiutare le decisioni e offrire un kit versatile di strumenti di analisi.
Dundee ha la seconda flotta di veicoli elettrici (EV) più grande del Regno Unito e la sua presenza è in rapida espansione, così come il numero di punti di ricarica EV a disposizione dei cittadini che circolano all'interno e attraverso la città.
Con l'adozione sempre più diffusa della tecnologia EV, abbiamo bisogno di maggiori informazioni su come gli utenti ricaricano i loro veicoli e consumano energia. Questa è stata identificata come un'area in cui l'analisi dei dati potrebbe fornire informazioni fondamentali per garantire che il servizio sia adatto allo scopo, efficiente e che soddisfi pienamente le esigenze degli utenti di veicoli elettrici.
Dundee riconosce che gli Open Data sono una risorsa importante per gli analisti di dati e per i politici e che dovrebbero essere utilizzati come strumento per la progettazione dei servizi.
Il DCC ha cercato di capire meglio come vengono utilizzate le colonnine di ricarica per i veicoli elettrici e di individuare eventuali schemi di utilizzo, ad esempio le colonnine più frequentate, le ore del giorno/giorni della settimana più affollati, le colonnine sottoutilizzate? L'analisi dei dati ha individuato quanto segue:
Abbiamo analizzato il consumo energetico dei punti di ricarica dei veicoli elettrici, pubblicato trimestralmente in formato CSV. L'analisi è stata condotta in Jupyter Notebook utilizzando Pandas, una libreria di analisi dei dati in python. L'accesso ai dati è avvenuto tramite l'API del datastore CKAN.
