Este repositório contém o código-fonte dos três projectos apresentados na DataWave 2024, a maior conferência de Ciência de Dados e IA organizada pela MozDevz. Esses projectos têm como foco o uso de Python e QGIS para melhorar a rede de transporte em Moçambique, explorando temas como frete e logística, acidentes de trânsito e acessibilidade.

Este projecto explora dados de transporte e frete, oferecendo insights sobre custos, cubagem, tendências temporais e desempenho das entregas. Utilizando Python, a análise inclui:

• Custo Total de Transporte: Exibição do valor total de frete.
• Tendências Temporais: Análise de tendências mensais dos valores de frete.
• Desempenho de Transporte: Distribuição de status de entregas (no prazo/atrasado) e atrasos por transportadora.
• On-Time Delivery (OTD): Cálculo da pontualidade das entregas (% de entregas no prazo), com visualização em gráfico de manômetro.

A aplicação é construída com Streamlit e permite interação através de filtros dinâmicos.

Este projecto analisa os dados de acidentes ocorridos na cidade de Maputo, oferecendo visualizações e insights sobre causas, localização e gravidade dos eventos. Utilizando Streamlit, Pandas, Plotly e Folium, o projecto apresenta:

• Total de Acidentes Registrados: Exibição do número total de eventos.
• Principais Causas de Acidentes: Visualização das 5 maiores causas de acidentes em um gráfico de barras interativo.
• Geolocalização dos Eventos: Mapa de calor exibindo a concentração de acidentes na cidade de Maputo.
• Ocorrências com Mais de 3 Óbitos: Tabela filtrada com detalhes de acidentes que resultaram em mais de 3 fatalidades.

O projeto facilita a análise interativa, permitindo explorar padrões e insights geoespaciais críticos.

Este projecto visa analisar a acessibilidade a pé em diferentes áreas, ajudando a identificar regiões com limitações no acesso ao transporte público e sugerindo melhorias. Utilizando QGIS, o projecto apresenta um mapa:

• Aplicações:
  • Planeamento de novas rotas de transporte ou melhoria das existentes.
  • Identificação de áreas com acesso limitado ao transporte público.
  • Propostas de ajustes em rotas para reduzir o tempo de viagem dos usuários.
  • Planejamento de novos terminais de transporte.

A análise oferece suporte ao desenvolvimento de soluções eficientes de mobilidade urbana.

• Python: Scripts de análise e processamento de dados.
• QGIS: Geoprocessamento e produção do terceiro projecto.
• Streamlit: Interface web para visualização interativa dos projectos.
• Folium: Visualização de dados geográficos em mapas interativos.

Este projecto está licenciado sob a Licença MIT, o que significa que você pode usar, modificar e distribuir o código livremente, desde que atribua o devido crédito.

Agradecimentos especiais à MozDevz pela organização da DataWave 2024 e por proporcionar um espaço de troca de conhecimento e networking.

Se tiver dúvidas ou quiser discutir mais sobre o projeto, sinta-se à vontade para me contatar:

LinkedIn: Fernando Gomes