Ongetwijfeld ben je al één van de vele telpalen voorbij gefietst in Gent. Langs de Visserij is er bijvoorbeeld zo’n telpaal, via het Open Data Portaal¹ van de stad Gent kan men de gegevens² rechtstreeks opvragen.

Een fietstelpaal in Gent.

Data frame ophalen

Gebruik onderstaande code om de gegevens op te halen.

# Gegevens ophalen van het Open Data portaal
data <- read.csv("https://data.stad.gent/api/explore/v2.1/catalog/datasets/fietstelpaal-visserij-2023-gent/exports/csv",
                 sep = ";", header = TRUE)
# Het onderstaande bepaalt de totalen per dag
data <- data.frame(aggregate(totaal ~ datum, data, sum),
                   tegenrichting = aggregate(tegenrichting ~ datum, data, sum)$tegenrichting,
                   hoofdrichting = aggregate(hoofdrichting ~ datum, data, sum)$hoofdrichting)

Gegeven

Via head(data) een voorsmaakje opvragen resulteert in:

       datum totaal tegenrichting hoofdrichting
1 2023-01-01   2432          1397          1035
2 2023-01-02   2719          1295          1424
3 2023-01-03   4135          1952          2183
4 2023-01-04   3344          1591          1753
5 2023-01-05   4140          1994          2146
6 2023-01-06   4319          1973          2346

Er zijn met dus vier vectoren terug te vinden in de data frame data.

Gevraagd

Er zijn evemenenten in de Gentse binnenstad waar veel bezoekers met de fiets naar toe komen, kan je dit in deze data opmerken?

Zoek de dagen waarop er meer dan 8500 fieters de telpaal passeerden. Bepaal dus eerst een booleaanse vector en gebruik die om nadien uit data$datum te selecteren. Sla het resultaat op als drukke_dagen.
De kolom hoofdrichting telde het aantal fietsers richting de Gentse binnenstad, tegenrichting is met andere woorden richting het Keizerspark. Zijn er dagen waarop het verschil tussen hoofdrichting en tegenrichting minimaal 1000 bedroeg?

Bepaal eerst een variabele verschil waar je dit verschil uitrekent en selecteer vervolgens uit data$datum de dagen waarop vooral richting binnenstad gefietst werd. Geef deze dag(en) weer.

Opgelet!

Deze code uitvoeren kan een eindje in beslag nemen, de dataset is namelijk vrij groot.