slajdy_fgi_15_lipca.Rmd

---
title: "Dzikie wysypiska w Łodzi. Wyniki badań"
author: "Uniwersytet Łódzki, dyskusja grupowa 15. lipca 2022"
output:
  ioslides_presentation:
    css: style.css
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = FALSE, warning = FALSE, message = FALSE)

Sys.setenv(LANGUAGE = "en")

library(jsonlite)
library(tidyverse)
library(lubridate)
library(sf)
library(stringr)
library(osmdata)
library(units)
library(kableExtra)
library(reshape2)

theme_set(theme_minimal(base_size = 15))

data_json <- "2022-06-30-form-1__dzikie-wysypiska.json"

l <- jsonlite::fromJSON(txt = data_json,
                        flatten = TRUE)

d <- l[["data"]]

d <- d %>% mutate(date_user = parse_date(x = `7_Dzisiejsza_data__p`,
                                         format = "%d/%m/%Y")) %>% 
  filter(date_user >= "2022-03-01")

d <- d %>% mutate(volunteer_id = paste0(`20_Wymyl_swoj_nazw_u`,
                                   `21_Wpisz_swoj_nazw_u`) %>% 
               tolower() %>% 
               stringr::str_trim(., side = "both"))

count_date_user <- d %>% count(date_user)
n_max <- count_date_user %>% pull(n) %>% max()
n_sum <- count_date_user %>% pull(n) %>% sum()

date_max <- "2022-06-30"

cpt <- "Źródło: badania własne\ndzikiewysypiska.uni.lodz.pl"

d_cechy <- d[, c(1, 12:21)]

#remove leading digits and undersores
d_cechy <- rename_with(d_cechy, ~str_remove_all(., "\\d+_"))

podano_cechy <- d_cechy %>% count(Czy_chcesz_nam_pow) %>% pull(n)
```

## Wyniki w zakresie

-   Liczby wpisów na mapę dzikich wysypisk: **`r n_sum` wpisy**
-   Liczby ochotniczek / ochotników wysyłających wpisy: **`r d %>% count(volunteer_id) %>% pull(n) %>% length()` osoby**
-   Rozmieszczenia dzikich wysypisk: **najwięcej wpisów z Widzewa, najbardziej zaśmiecone Śródmieście**
-   Cech dzikich wysypisk: znamy je dla **`r round(podano_cechy[2] / sum(podano_cechy) * 100)`%** wpisów (`r podano_cechy[2]` z `r sum(podano_cechy)`).

Stan badań na `r date_max`

## Liczba wpisów dziennie

```{r wpis-dzien}
count_date_user %>% 
  ggplot(aes(x = date_user, y = n)) +
  geom_col(fill = "seagreen") +
  scale_y_continuous(breaks = 0:n_max, minor_breaks = NULL, limits = c(0, n_max),
                     name = "liczba wpisów") + 
  scale_x_date(date_minor_breaks = "7 days",
               name = "data dodania wpisu",
               date_breaks = "14 days", 
               date_labels = "%d.%m") + 
  labs(title = paste0("Do ", 
                         date_max, 
                         " przesłaliście nam ",
                         n_sum, 
                         " wpisy, dziękujemy!"), 
       caption = cpt)
```

## Liczba wpisów miesięcznie

```{r wpis-miesiac}
count_date_user %>% group_by(month = floor_date(date_user, "month")) %>%
  summarize(n = sum(n)) %>% 
  ggplot(aes(x = as.character(month), y = n)) +
  geom_col(width = 0.1, fill = "seagreen") +
  scale_y_continuous(name = "liczba wpisów") + 
  scale_x_discrete(name = "miesiąc dodania wpisu", 
                   labels = c("marzec", "kwiecień", "maj", "czerwiec")) +
  labs(title = 
         "Liczba przesyłanych wpisów jest coraz niższa\nw kolejnych miesiącach realizacji badania", 
       caption = cpt)

```

## Liczba ochotniczek / ochotników w czasie

```{r liczba-ochotn}

d %>% group_by(volunteer_id) %>% 
  summarise(min_date = min(date_user)) %>% 
  count(min_date) %>% group_by(month = floor_date(min_date, "month")) %>%
  summarize(n = sum(n)) %>% 
  ggplot(aes(x = as.character(month), y = n)) +
  geom_col(width = 0.1, fill = "orange") +
  scale_y_continuous(name = "liczba dołączających osób") + 
  scale_x_discrete(name = "miesiąc dołączenia pierwszego wpisu", 
                   labels = c("marzec", "kwiecień", "maj", "czerwiec")) +
  labs(title = 
         "Liczba dołączających osób jest coraz niższa
w kolejnych miesiącach realizacji badania", 
caption = cpt)
```

Łącznie wpisy na mapę dzikich wysypisk przesłały **`r d %>% count(volunteer_id) %>% pull(n) %>% length()` osoby**.

## Rozmieszczenie -- mapa

```{r rozmieszczenie-mapa, cache=TRUE}
shp <- sf::st_read(dsn = ".",layer = "Jednostki_ewidencyjne", 
                   quiet = TRUE)

lodz_dzielnice <- shp %>% filter(str_detect(JPT_NAZWA_, "ŁÓDŹ"))

lodz_coord <- c(left = 19, bottom = 51.5, right = 20, top = 52)

lodz_osm <- "Lodz" %>% opq()

#build different types of streets
main_st <- data.frame(type = c("motorway","trunk",
                               "primary","motorway_junction",
                               "trunk_link","primary_link","motorway_link"))
st <- data.frame(type = available_tags('highway'))
st <- subset(st, !type %in% main_st$type)
path <- data.frame(type = c("footway","path","steps","cycleway"))
st <- subset(st, !type %in% path$type)
st <- as.character(st$type)
main_st <- as.character(main_st$type)
path <- as.character(path$type)

#query OSM
main_streets <- lodz_osm %>%
  add_osm_feature(key = "highway", 
                  value = main_st) %>%
  osmdata_sf()

streets <- lodz_osm %>%
  add_osm_feature(key = "highway", 
                  value = st) %>%
  osmdata_sf() 

d <- d %>% mutate(latitude = as.numeric(`5_Tutaj_zlokalizowan.latitude`),
                  longitude = as.numeric(`5_Tutaj_zlokalizowan.longitude`))

dzielnice_4326 <- st_transform(lodz_dzielnice %>% 
                                   select(JPT_NAZWA_, geometry), 4326) %>%
  mutate(dzielnica = str_remove(JPT_NAZWA_, "ŁÓDŹ-") %>% 
           stringi::stri_trans_totitle())

punkty_4326 <- st_as_sf(x = d %>% 
                          filter(!is.na(longitude)) %>% 
                          select(volunteer_id, longitude, latitude),
                 coords = c("longitude", "latitude"),
                 crs = st_crs(dzielnice_4326))


punkty_dzielnice <- st_intersection(x = dzielnice_4326, y = punkty_4326)

punkty_n_total <- dim(punkty_4326)[1]

wpisy_bez_punktu_n <- n_sum - punkty_n_total

punkty_n_granice_lodzi <- punkty_dzielnice %>% count(JPT_NAZWA_) %>% 
  pull(n) %>% sum()

punkty_poza_lodzia_n <- punkty_n_total - punkty_n_granice_lodzi

manual_fill <- c(Bałuty = "blue", 
                 Górna = "orange", 
                 Polesie = "purple", 
                 Śródmieście = "seagreen", 
                 Widzew = "red",
                 "gray")

ggplot() + 
  geom_sf(data = main_streets$osm_lines, color = "darkgray", size = 0.5) + 
  geom_sf(data = streets$osm_lines, size = 0.25, color = "gray") +
  geom_sf(data = dzielnice_4326, aes(fill = dzielnica), 
          alpha = 0.5, colour = NA) +
  geom_sf(data = punkty_4326, alpha = 0.5, size = 3) + 
  coord_sf(datum = NA,
           xlim = c(19.33, 19.63), 
           ylim = c(51.69, 51.855)) + 
  scale_fill_manual(values = manual_fill) +
  guides(fill = "none") 

```

Jeden punkt na mapie oznacza jeden wpis. Łącznie `r punkty_n_total` punkty, `r round(punkty_n_total / n_sum * 100)`% z `r n_sum` wpisów.

## Rozmieszczenie -- liczba w dzielnicach

```{r rozmieszczenie-dzielnica}



# zrobić słupkowy flip z podziałem na dzielnice
# i dodać słup "brak współrzędnych wpisu", "punkt poza granicami m. Łodzi"

punkty_dzielnice %>% count(dzielnica) %>% tibble() %>% select(-geometry) %>% 
  add_case(dzielnica = c("brak współrzędnych wpisu",
                         "punkt poza granicami Łodzi"),
           n = c(wpisy_bez_punktu_n, punkty_poza_lodzia_n)) %>% 
  mutate(dzielnica = fct_reorder(dzielnica, n, max)) %>% 
  ggplot(aes(x = dzielnica, 
             y = n, fill = dzielnica)) + 
  geom_col(alpha = 0.6) + 
  coord_flip() +
  scale_fill_manual(values = manual_fill) +
  guides(fill = "none") + 
  labs(title = "Najwięcej wpisów pochodzi z Widzewa", 
       caption = cpt, 
       x = NULL,
       y = "liczba wpisów")
```

## Rozmieszczenie -- liczba w dzielnicach w odniesieniu do powierzchni

```{r rozmieszczenie-dzielnica-mkw}
dzielnice_4326 <- dzielnice_4326 %>% mutate(
  area = st_area(dzielnice_4326))

st_join(punkty_dzielnice, dzielnice_4326) %>% count(dzielnica.x, area) %>% 
  mutate(`liczba wpisów przez powierzchnię dzielnicy` = n / area,
         dzielnica.x = fct_reorder(dzielnica.x, 
                                   `liczba wpisów przez powierzchnię dzielnicy`,
                                   max)) %>% 
  tibble() %>% select(-geometry) %>% 
  ggplot(aes(x = dzielnica.x, 
             y = `liczba wpisów przez powierzchnię dzielnicy`, 
             fill = dzielnica.x)) + 
  geom_col(alpha = 0.6) + 
  coord_flip() +
  scale_fill_manual(values = manual_fill) +
  guides(fill = "none") + 
  labs(title = "Najbardziej zaśmiecone jest Śródmieście", 
       subtitle = "Tylko wpisy w granicach Łodzi", 
       caption = cpt, 
       x = NULL)
```

## Cechy dzikich wysypisk -- ilość informacji

```{r cechy-ile}
d_cechy %>% count(Czy_chcesz_nam_pow) %>% 
  mutate(`%` = round(n / sum(n) * 100)) %>% 
  add_case(Czy_chcesz_nam_pow = "SUMA", n = sum(podano_cechy), `%` = 100) %>% 
  rename(`Podano informację o wysypisku` = Czy_chcesz_nam_pow) %>% 
  kbl() %>%
  kable_minimal(full_width = FALSE)

#TODO add yellow highlight to "tak" 
```
O ile nie wskazano inaczej, **cechy wysypisk dotyczą `r podano_cechy[2]` wpisów**. 

## Cechy dzikich wysypisk -- powierzchnia

```{r cechy-powierzchnia}

cechy_tak <- d_cechy %>% filter(Czy_chcesz_nam_pow == "Tak")

cechy_tak %>% 
  ggplot(aes(x = fct_rev(fct_infreq(Jak_oceniasz_powi)))) + 
  geom_bar(alpha = 0.6) + 
  labs(title = "Częściej zgłaszano małe wysypiska",
       y = "liczba wpisów", x = "ocena powierzchni wysypiska", 
       caption = cpt) + 
  scale_x_discrete(labels = function(x) str_wrap(x, width = 35)) +
  coord_flip()
```

## Cechy dzikich wysypisk -- charakter

```{r cechy-charakter}
cechy_tak %>% 
  ggplot(aes(x = fct_rev(fct_infreq(Jaki_jest_charakt)))) + 
  geom_bar(alpha = 0.6) + 
  labs(title = '"Kilka stosów" to najczęściej\nwskazywany charakter',
       y = "liczba wpisów", x = "charakter wysypiska", 
       caption = cpt) + 
    scale_x_discrete(labels = function(x) str_wrap(x, width = 35)) +
  coord_flip()
```

## Cechy dzikich wysypisk -- miejsce

```{r cechy-miejsce}
cechy_tak %>% 
  ggplot(aes(x = fct_rev(fct_infreq(W_jakim_miejscu_j)))) + 
  geom_bar(alpha = 0.6) + 
  labs(title = "",
       y = "liczba wpisów", x = "miejsce wysypiska", 
       caption = cpt) + 
   scale_x_discrete(labels = function(x) str_wrap(x, width = 45)) +
  coord_flip()
```

## Cechy dzikich wysypisk -- rodzaje odpadów

```{r cechy-rodzaje}
# cechy_tak$Jakie_rodzaje_odp

names(cechy_tak$Jakie_rodzaje_odp) <- cechy_tak$ecuuid

rodzaje_long <- reshape2::melt(cechy_tak$Jakie_rodzaje_odp)

rodzaje_wide <- bind_rows(lapply(cechy_tak$Jakie_rodzaje_odp,
                 as.data.frame.list))

# sum(!is.na(rodzaje_wide)) == sum(!is.na(rodzaje_long$value))

rodzaje_long %>% 
  ggplot(aes(x = fct_rev(fct_infreq(value)))) + 
  geom_bar(alpha = 0.6) + 
  geom_hline(yintercept = 25, colour = "blue", lty = 2, alpha = 0.4) +
  annotate("text", x = 5, y = 24, label = "połowa wpisów = 25", colour = "blue") +
  labs(y = "liczba wskazań", x = "rodzaje odpadów") + 
   scale_x_discrete(labels = function(x) str_wrap(x, width = 50)) +
  theme_minimal(base_size = 12) +
  coord_flip()
```
Pytanie wielokrotnego wyboru, odpowiedzi nie sumują się do 50 wpisów.

## Cechy dzikich wysypisk -- widoczność

```{r cechy-widocznosc}
cechy_tak %>% 
  ggplot(aes(x = fct_rev(fct_infreq(Czy_znalezione_wy)))) + 
  geom_bar(alpha = 0.6) + 
  labs(title = "Zdecydowanie najczęściej wysypiska\nbyły dobrze widoczne",
       y = "liczba wpisów", x = "widoczność wysypiska", 
       caption = cpt) + 
   scale_x_discrete(labels = function(x) str_wrap(x, width = 35)) +
  geom_hline(yintercept = 25, colour = "blue", lty = 2, alpha = 0.4) +
  annotate("text", x = 1, y = 24, label = "połowa wpisów = 25", colour = "blue") +
  coord_flip()
```

Nikt nie wskazał, że wysypisko jest "niewidoczne (ukryte)".

## Cechy dzikich wysypisk -- czas powstania

```{r cechy-czas}
cechy_tak %>% 
  ggplot(aes(x = fct_rev(fct_infreq(Czy_moesz_oceni_c)))) + 
  geom_bar(alpha = 0.6) + 
  labs(title = "Najrzadziej wskazywano wysypiska\npowstałe w ostatnich dniach",
       y = "liczba wpisów", x = "ocena czasu powstania wysypiska", 
       caption = cpt) + 
   scale_x_discrete(labels = function(x) str_wrap(x, width = 35)) +
  coord_flip()
```