1. 專案緣由

北市內科地區，上下班時間的塞車問題，是台北市一大交通的困擾．並也屢屢成為政治炒作與選舉的熱門議題．
使用大眾運輸系統，是多方提出的方案之一．
但是否可藉由數據的搜集與整理，可觀察得知目前相關公車路線在尖峰時間的瓶頸，藉此更了解方案的可行性．

2. 專案說明

專案主題：交通與觀光
區域：臺北市內湖區(可適用台北市與新北市)
使用的資料集：臺北市公車路線圖

3. 專案發想

本專案發想自2017年新竹黑客松活動簡介，進行專案實作．

以下開始實做

#本專案使用的套件
library(ggplot2)   #繪圖用
library(jsonlite)  #處理資料用
library(lubridate) #處理時間格式用

欲達成上圖的圖表結果，先試做一下所需的資料表範本．

#資料應該要有公車/站牌/記錄時間，小作幾筆資料測試先
bus<-c("X","X","X","X","X","X","Y","Y","Y","Y","Y","Y")
busstop<-c("A","A","B","C","D","E","A","A","B","C","D","E")
time<-c("2018/1/5 08:58","2018/1/5 08:59","2018/1/5 09:01","2018/1/5 09:02","2018/1/5 09:05","2018/1/5 09:15","2018/1/5 08:40","2018/1/5 08:55","2018/1/5 09:02","2018/1/5 09:03","2018/1/5 09:05","2018/1/5 09:15")
df1<-data.frame(bus,busstop,time)

# 畫圖囉！X軸定義為站牌 Y軸定義為到站時間 線圖為公車 
my.plot1 <- ggplot(df1, aes(busstop,time,  group = bus)) +
  geom_line(aes(colour = bus), linetype = 2)
my.plot1 

df1格式如下：

嗯！這個範本小有模樣！可開始下個步驟囉
(公車Ｘ與公車Ｙ各自有線圖 Ｙ軸部分 時間是自下而上的遞增)

4. 資料觀察

經查公車相關的公開資料，彙整在公車動態資訊(總索引)，觀察結果，所需內容分別為：

• 公車資料由公車路線資料集所提供，所提供的壓縮格式為.gz，資料內容為JSON格式．
• 公車資料由定時車機資訊資料集所提供，所提供的壓縮格式為.gz，資料內容為JSON格式．
• 本次使用JSON線上工具
  備註：此為GetBusData資料，有公車動態的經緯位置，但無站牌資訊，與本專題不符，不予採用．
  
  此為本次專題採用的資料GetBusEvent
  

5. 專案實作

車機資料處理

由於該車機資料，是透過服務觸發後，並無歷史資料可以大量取得．
僅能靠定時的觸發服務，並自行搜集整理而得．
這部分要注意的是專案目的在觀察帶狀性的時間下，公車在各站牌之間移動的動態，僅有一兩個無關係的資料檔，數據過少是無法說明本次專題目的的！

##lubridate套件所提供的好用日期格式套用Stamp功能，省去轉檔．
sf<-stamp("20171231235959") 
sf(Sys.time()) #可以測試一下或使用sf(now())

# 
for (i in 1:3) {
  #給定車機資料提供url
  url<-"https://tcgbusfs.blob.core.windows.net/blobbus/GetBusEvent.gz"
  #每次所產生的檔名，用觸發時間時分秒來當作檔名，以茲識別．如需指定路徑，請自行調整
  gfile<-paste0(sf(now()),".gz")
  
  #開始下載url對應的資料，並存為gfile，下載方式為binary(wb)
  download.file(url,gfile, mode = "wb")
  #直接套用jsonlite 套件，讀出對應的資料(透過gzfile直接讀取檔名為gfile的.gz)
  dlist<-fromJSON(gzfile(gfile))
  #直接取用該list第二層名為BusInfo的list，放入名為data的dataframe
  data<-data.frame(dlist[["BusInfo"]])
  
  #資料的append累積
  if (i==1){
    df<-data
  }else{
    df <- rbind(df, data)
  }
  #設定為每分鐘抓一份資料
  Sys.sleep(60) 
}#迴圈結束

前述的程式，開啟後預計將執行三個60秒的時間，並將資料累計起來．
這部分應該可改由Batch資料先將壓縮檔下載至固定目錄，之後再行以迴圈的方式讀完所有資料．
可以準備畫圖了！

#向307致敬: 因全台北公車多，資料龐大，僅篩選以一條路線代表 
df307<-filter(df,df$RouteID=="108640")
#沿用先前發想的圖 套用資料
my.plotA <- ggplot(df307, aes(StopID,DataTime,  group = BusID)) +
  geom_line(aes(colour = BusID), linetype = 2)
my.plotA

可以看見三分鐘左右的同一路線，多台公車在不同站牌的狀況

df307看一下資料內容