mongodb

911 Calls avec MongoDB

Import du jeu de données

Pour importer le jeu de données, complétez le script import.js (cherchez le TODO dans le code 😉).

Exécutez-le ensuite :

npm install
node import.js

Vérifiez que les données ont été importées correctement grâce au shell (le nombre total de documents doit être 153194) :

use 911-calls
db.calls.count()

Index géographique et index textuel

Afin de répondre aux différents problèmes, vous allez avoir besoin de créer deux index particuliers sur la collection des appels :

• Un index géographique de type 2dsphere pour les coordonnées GPS des appels.
  • https://docs.mongodb.com/manual/core/2dsphere/#create-a-2dsphere-index
• Un index textuel sur le titre des appels pour pouvoir faire des recherches full-text sur ce champ (recherche des overdoses par exemple)
  • https://docs.mongodb.com/manual/core/index-text/#create-text-index

Requêtes

Création de l'index géographique sur le champ coordinates : db.calls.createIndex( { coordinates : "2dsphere" } )

Création de l'index texte sur le champ title : db.calls.createIndex( { event : "text" } )

Nombre d'appels autour de Landscale dans un rayon de 500 mètres

db.calls.find(
  {
    coordinates: { 
      $near : {
        $geometry: { 
          type: "Point",
            coordinates: [-75.283783, 40.241493 ]
        },
        $maxDistance: 500
      }
    }
  }
).count()

# Résultat
717

Nombre d'appels par catégorie

db.calls.aggregate([
    { 
      $group: {
        _id: "$category",
        count: { $sum: 1 } 
      }
    }
])

# Résultat
{ "_id" : "Traffic", "count" : 54549 }
{ "_id" : "Fire", "count" : 23056 }
{ "_id" : "EMS", "count" : 75589 }

Les trois mois ayant comptabilisés le plus d'appel

db.calls.aggregate([
  {
    $project : {   
      month: { $month : "$date" },
      year: { $year: "$date" }
    }
  },
  {
    $project : {
      monthYear: { 
        $concat: [ 
          { $substr: ["$month",0,2] },
          "/",
          { $substr: ["$year",0,4] } 
        ]
      }
    }
  },
  {
    $group: {
      _id: "$monthYear",
      count: { $sum: 1 } 
    }
  },
  {
    $sort: {
      count: -1
    }
  },
  {
    $limit: 3
  }
])

# Résultat
{ "_id" : "1/2016", "count" : 13084 }
{ "_id" : "10/2016", "count" : 12502 }
{ "_id" : "12/2016", "count" : 12162 }

Top 3 des villes avec le plus d'appels pour overdose

db.calls.aggregate([
  {
    $match: {
      $text: {
        $search : "OVERDOSE"
      }
    }
  },
  {
    $group: {
      _id: "$neighbourhood",
      count: { $sum: 1}
    }
  },
  {
    $sort: {
      count: -1
    }
  },
  {
    $limit: 3
  }
])

#Résultat
{ "_id" : "POTTSTOWN", "count" : 203 }
{ "_id" : "NORRISTOWN", "count" : 180 }
{ "_id" : "UPPER MORELAND", "count" : 110 }

Vous allez sûrement avoir besoin de vous inspirer des points suivants de la documentation :

• Proximity search : https://docs.mongodb.com/manual/tutorial/query-a-2dsphere-index/#proximity-to-a-geojson-point
• Text search : https://docs.mongodb.com/manual/text-search/#text-operator
• Aggregation Pipeline : https://docs.mongodb.com/manual/core/aggregation-pipeline/
• Aggregation Operators : https://docs.mongodb.com/manual/reference/operator/aggregation-pipeline/