Informační portál o vozidlech v ČR a jejich prohlídkách na STK.
STK portál nabízí informace získané na základě dat Ministerstva dopravy ČR, která lze vytěžit pomocí statistických metod a strojového učení. Dva hlavní datové zdroje, tj. seznam kontrol na STK a registr vozidel, jsou propojitelná na základě VIN kódu, který známe pro každé vozidlo v registru i každou proběhlou kontrolu. Díky tomu je možné zobrazit historii vozů v ČR a predikovat jejich chování do budoucnosti.
Projekt se skládá z datové pipeline, která provádí příjem dat a jejich následnou analýzu. Data jsou uložena do databáze PostgreSQL a API server PostgREST je následně zpřístupňuje frontendu. Ten je tvořený jako webová aplikace v Next.js.
V .env souboru nastavíme cesty k potřebným zdrojovým souborům, v příkladovém .env.example se jedná o položky v sekci "Pipeline configuration".
Do adresáře definovaného hodnotou PRECOMPUTED_DATA vložíme parametry modelů pro predikci závad a nájezdu, podle .env.example se jedná o cestu ./data/precomputed.
Parametry lze získat natrénováním modelů v Jupyter notebooku v příslušném adresáři pod data/analysis/vehicles.
Zdrojové soubory umístíme na cesty definované pod "Pipeline configuration" v .env.
V případě datové sady prohlídek na STK pod cestu nastavenou v .env vkládáme soubory za jednotlivé měsíce do podadresářů pojmenovaných podle roku, každý soubor má tedy cestu ve tvaru YYYY/Data_Prohlidek_YYYY_MM.xml, jméno souboru je nutné také dodržet v tomto formátu.
V docker-compose.yml nastavíme zpracování požadovaných zdrojových dat.
Pokud jsme např. pouze doplnili data prohlídek, zakomentujeme v oddílu services: data: environment řádky začínající DEFECTS_SOURCE, STATIONS_SOURCE a VEHICLES_SOURCE, aby se tyto ostatní datové sady zbytečně neimportovaly znovu.
Pipeline pak spustíme jednorázově pomocí
docker compose up data
Po dokončení importu a přepočítání veškerých analytických výstupů se kontejner zastaví.