De stiptheid van de Belgische spoorwegen blijft een gevoelig punt. Infrabel deelt via zijn Open Data¹ geneutraliseerde cijfers van de stiptheid. Geneutraliseerd betekent dat vertragingen ten gevolge van kabeldiefstallen, agressie, … niet werden meegerekend.

Een NMBS Desiro trein in Brugge.

Gegeven

Maak gebruik van deze dataset², die je kan inlezen via:

# Stiptheidsscijfers Infrabel
data <- read.csv("https://opendata.infrabel.be/api/explore/v2.1/catalog/datasets/nationale-stiptheid-per-maand/exports/csv",
                 sep = ";", header = TRUE,
                 colClasses = c("NULL", "character", rep("numeric", 5)))
# De kolommen hernoemen
colnames(data) <- c("maand", "stiptheid", "aantal", "aantal_min_6", "totale_min_vertraging", "stiptheid_neutr")
data <- data[order(data$maand, decreasing = TRUE),]
rownames(data) <- seq_len(nrow(data))

Via head(data) krijg je een overzicht van de dataset.

    maand stiptheid aantal aantal_min_6 totale_min_vertraging stiptheid_neutr
1 2023-09  86.67903 109977        95327                278705        90.36799
2 2023-08  91.57860 109198       100002                198969        93.86069
3 2023-07  91.12832 105865        96473                196968        93.66741
4 2023-06  86.68081 110735        95986                280513        90.15397
5 2023-05  87.04084 108703        94616                272652        90.66447
6 2023-04  88.59739 101810        90201                232711        91.82399

De kolom stiptheid stelt de stiptheidscijfers voor (in procenten), stiptheid_neutr stelt de stiptheid na neutralisatie voor. Deze cijfers zijn dus beter.

Er is ook een kolom totale_min_vertraging met het totale aantal minuten vertraging. De kolom aantal geeft het totale aantal treinritten en aantal_min_6 geeft het aantal treinritten met minder dan 6 minuten vertraging.

Gevraagd

Bepaal de maanden waar de stiptheidscijfers na neutralisatie minder dan 90% waren. Bepaal dus eerst de relevante booleaanse vector en gebruik deze om de maanden te selecteren. Sla het resultaat op in maanden_slechte_stiptheid.
Maak een vector aan aantal_met_vertraging waar je het aantal treinen met minimaal 6 minuten vertraging in opslaat. Door nu het totale aantal minuten vertraging te delen door deze kolom maak je een schatting van het gemiddeld aantal minuten ernstige vertraging. Sla dit resultaat op in de variabele gemiddeld_min_vertraging. Rond dit af op twee cijfers.
In welke maanden waren er veel vertragingen te wijten aan externe factoren, zoals kabeldiefstal, agressie, personen op het spoor, enz…?

Bereken het verschil tussen de stiptheidscijfers met neutralisatie en deze zonder. Bepaal de mediaan van dit verschil in de variabele mediaan_stiptheidsverschil. Bepaal nu de maanden waar het verschil groter is dan het dubbele van deze mediaan. Sla dit op in maanden_met_externe_factoren.