Análise do Trânsito Paulistano com Python - Fluxo por Zona e Horário

Sempre fico fascinado sobre como os números podem revelar padrões em diversas áreas, o caos cotidiano das cidades é uma delas. Recentemente, mergulhei em um dataset sobre congestionamentos na maior cidade do país e trouxe algumas descobertas que mostram como os dados podem guiar decisões para melhorar a mobilidade urbana.

Aqui estão os principais insights que coletei utilizando Python com suas bibliotecas Pandas, Seaborn e Matplotlib.

Mapa de calor: Congestionamentos por hora e região

Descobertas principais:

• Zona leste: Concentra os maiores congestionamentos, especialmente durante os horários de pico(manhã e noite)
• Centro: Enfrente congestionamentos significativos, mas com menor intensidade comparada á leste
• Zona norte e zona oeste: Apresentam menos problemas de congestionamentos, com picos mais localizados.

Gráfico de barras: Estradas que mais contribuem por zona.

Descobertas principais:

• Zona leste: A Marginal Tietê é a principal causadora de congestionamentos, respondendo por grande parte do impacto
• Zona oeste: Amplamente dominada pela Marginal Pinheiros.
• Centro: Congestionamentos são mais distribuídos entre várias estradas.
• Zona norte: Apresentou o menor impacto entre as regiões analisadas

Como essas informações podem ser úteis:

• Planejamento estratégico: Focar em melhorias nas estradas mais congestionadas.
• Políticas Públicas: Apoiar na priorização de recursos e criação de novas rotas ou transportes alternativos