Speedtest Open Data - Four International cities - MEL, BKK, SHG, LAX plus ALC - 2020, 2022

This dataset compares four cities broadband internet speeds: - Melbourne, AU - Bangkok, TH - Shanghai, CN - Los Angeles, US - Alice Springs, AU <br> ERRATA: 1.Data is for Q3 2020, but some files are labelled incorrectly as 02-20 of June 20. They all should read Sept 20, or 09-20 as Q3 20, rather than Q2. Will rename and reload. Amended in v7.<br> 2. LAX file named 0320, when should be Q320. Amended in v8. <br> <br> *lines of data for each geojson file; a line equates to a 600m^2 location, inc total tests, devices used, and average upload and download speed - MEL 16181 locations/lines =&gt; 0.85M speedtests (16.7 tests per 100people) - SHG 31745 lines =&gt; 0.65M speedtests (2.5/100pp) - BKK 29296 lines =&gt; 1.5M speedtests (14.3/100pp) - LAX 15899 lines =&gt; 1.3M speedtests (10.4/100pp) - ALC 76 lines =&gt; 500 speedtests (2/100pp) <br> Geojsons of these 2* by 2* extracts for MEL, BKK, SHG now added, and LAX added v6. Alice Springs added v15. <br> This dataset unpacks, geospatially, data summaries provided in Speedtest Global Index (linked below). See Jupyter Notebook (*.ipynb) to interrogate geo data. See link to install Jupyter. <br> ** To Do Will add Google Map versions so everyone can see without installing Jupyter. - Link to Google Map (BKK) added below. Key:Green &gt; 100Mbps(Superfast). Black &gt; 500Mbps (Ultrafast). CSV provided. Code in Speedtestv1.1.ipynb Jupyter Notebook. <br> ** Python melb = au_tiles.cx[144:146 , -39:-37] #Lat/Lon extract shg = tiles.cx[120:122 , 30:32] #Lat/Lon extract bkk = tiles.cx[100:102 , 13:15] #Lat/Lon extract lax = tiles.cx[-118:-120, 33:35] #lat/Lon extract ALC=tiles.cx[132:134, -22:-24] #Lat/Lon extract <br> Histograms (v9), and data visualisations (v3,5,9,11) will be provided. Data Sourced from - This is an extract of Speedtest Open data available at Amazon WS (link below - opendata.aws). <br> **VERSIONS v22. Add Import ipynb; workflow-import-4cities. v21. Add Q3 2022 data; five cities inc ALC. Geojson files. (2020; 4.3M tests 2022; 2.9M tests) #Melb 14784 lines Avg download speed 69.4M Tests 0.39M #SHG 31207 lines Avg 233.7M Tests 0.56M #ALC 113 lines Avg 51.5M Test 1092 #BKK 29684 lines Avg 215.9M Tests 1.2M #LAX 15505 lines Avg 218.5M Tests 0.74M v20. Speedtest - Five Cities inc ALC. v19. Add ALC2.ipynb. v18. Add ALC line graph. v17. Added ipynb for ALC. Added ALC to title.v16. Load Alice Springs Data Q221 - csv. Added Google Map link of ALC. v15. Load Melb Q1 2021 data - csv. V14. Added Melb Q1 2021 data - geojson. v13. Added Twitter link to pics. v12 Add Line-Compare pic (fastest 1000 locations) inc Jupyter (nbn-intl-v1.2.ipynb). v11 Add Line-Compare pic, plotting Four Cities on a graph. v10 Add Four Histograms in one pic. v9 Add Histogram for Four Cities. Add NBN-Intl.v1.1.ipynb (Jupyter Notebook). v8 Renamed LAX file to Q3, rather than 03. v7 Amended file names of BKK files to correctly label as Q3, not Q2 or 06. v6 Added LAX file. v5 Add screenshot of BKK Google Map. v4 Add BKK Google map(link below), and BKK csv mapping files. v3 replaced MEL map with big key version. Prev key was very tiny in top right corner. v2 Uploaded MEL, SHG, BKK data and Jupyter Notebook v1 Metadata record <br> ** LICENCE AWS data licence on Speedtest data is "CC BY-NC-SA 4.0", so use of this data must be: - non-commercial (NC) - reuse must be share-alike (SA)(add same licence). This restricts the standard CC-BY Figshare licence. <br> ** Other uses of Speedtest Open Data; - see link at Speedtest below. <br>本数据集对五座城市的宽带互联网网速进行了对比分析：澳大利亚墨尔本（Melbourne, AU，缩写MEL）、泰国曼谷（Bangkok, TH，缩写BKK）、中国上海（Shanghai, CN，缩写SHG）、美国洛杉矶（Los Angeles, US，缩写LAX）以及澳大利亚艾丽斯斯普林斯（Alice Springs, AU，缩写ALC）。 勘误说明： 1. 本数据集数据实际采集自2020年第三季度（Q3 2020），但部分文件被错误标注为2020年6月的02-20格式。所有文件均应标注为2020年9月（Sept 20）或09-20，对应2020年第三季度，而非第二季度。相关文件已在版本v7中完成重命名与重新上传。 2. 洛杉矶（LAX）相关文件原命名为0320，正确命名应为Q320，该问题已在版本v8中修正。 各GeoJSON（地理JSON）文件包含若干数据行，每一行对应一处600平方米的采样点位，涵盖总测试次数、使用设备数量以及平均上传、下载网速指标。各城市采样详情如下： - 墨尔本（MEL）：共16181个点位/数据行，对应85万次网速测试（每百人16.7次测试） - 上海（SHG）：共31745个数据行，对应65万次网速测试（每百人2.5次测试） - 曼谷（BKK）：共29296个数据行，对应150万次网速测试（每百人14.3次测试） - 洛杉矶（LAX）：共15899个数据行，对应130万次网速测试（每百人10.4次测试） - 艾丽斯斯普林斯（ALC）：共76个数据行，对应500次网速测试（每百人2次测试） 现已新增墨尔本、曼谷、上海的2°×2°提取区域GeoJSON文件，洛杉矶的相关文件于版本v6中新增，艾丽斯斯普林斯的相关文件于版本v15中新增。 本数据集对《Speedtest全球网速指数》（Speedtest Global Index，下文附链接）中的数据摘要进行了地理空间层面的拆解与可视化。如需查询地理空间数据，请参考配套Jupyter Notebook（*.ipynb）文件；如需安装Jupyter，请访问对应链接。 **待办事项：将新增谷歌地图（Google Map）版本，以便用户无需安装Jupyter即可查看数据。曼谷（BKK）的谷歌地图链接已在下文添加。 配色说明：绿色代表网速≥100Mbps（超高速），黑色代表网速≥500Mbps（极速）。相关CSV文件已提供，代码实现见Speedtestv1.1.ipynb Jupyter Notebook。 **Python 代码示例： melb = au_tiles.cx[144:146, -39:-37] # 提取墨尔本区域经纬度范围 shg = tiles.cx[120:122, 30:32] # 提取上海区域经纬度范围 bkk = tiles.cx[100:102, 13:15] # 提取曼谷区域经纬度范围 lax = tiles.cx[-118:-120, 33:35] # 提取洛杉矶区域经纬度范围 ALC = tiles.cx[132:134, -22:-24] # 提取艾丽斯斯普林斯区域经纬度范围 **将提供各城市的直方图（版本v9）与数据可视化图表（版本v3、v5、v9、v11）。 本数据集数据源自Speedtest开放数据集的提取版本，该数据集可在亚马逊云服务（Amazon Web Services, AWS）平台获取（下文附链接：opendata.aws）。 **版本更新日志： v22：新增导入用Jupyter Notebook文件，新增"workflow-import-4cities"工作流。 v21：新增2022年第三季度（Q3 2022）数据集，包含五座城市（含艾丽斯斯普林斯）的GeoJSON文件。2020年数据集共430万次测试，2022年数据集共290万次测试，各城市详情： - 墨尔本：14784个数据行，平均下载速度69.4Mbps，测试次数39万次 - 上海：31207个数据行，平均下载速度233.7Mbps，测试次数56万次 - 艾丽斯斯普林斯：113个数据行，平均下载速度51.5Mbps，测试次数1092次 - 曼谷：29684个数据行，平均下载速度215.9Mbps，测试次数120万次 - 洛杉矶：15505个数据行，平均下载速度218.5Mbps，测试次数74万次 v20：发布"五城市网速测试"数据集，包含艾丽斯斯普林斯。 v19：新增ALC2.ipynb文件。 v18：新增艾丽斯斯普林斯的折线图可视化。 v17：新增艾丽斯斯普林斯专属Jupyter Notebook文件，将艾丽斯斯普林斯加入数据集标题。 v16：导入2021年第二季度（Q221）艾丽斯斯普林斯的CSV数据，新增艾丽斯斯普林斯的谷歌地图链接。 v15：导入2021年第一季度墨尔本的CSV数据。 v14：新增2021年第一季度墨尔本的GeoJSON数据。 v13：新增可视化图表的Twitter分享链接。 v12：新增"点位对比"可视化图（选取网速最快的1000个点位），配套Jupyter Notebook文件nbn-intl-v1.2.ipynb。 v11：新增点位对比可视化图，将四座城市的数据绘制于同一张图表中。 v10：新增一张包含四座城市直方图的整合图片。 v9：新增四座城市的单城市直方图，新增NBN-Intl.v1.1.ipynb Jupyter Notebook文件。 v8：将洛杉矶文件重命名为Q3格式，替代原命名03。 v7：修正曼谷文件的命名，将其正确标注为Q3季度，而非第二季度或06（6月）格式。 v6：新增洛杉矶相关数据集文件。 v5：新增曼谷谷歌地图截图。 v4：新增曼谷谷歌地图链接及曼谷区域的CSV映射文件。 v3：替换墨尔本地图为带大尺寸图例的版本，原图例尺寸过小，仅位于右上角。 v2：上传墨尔本、上海、曼谷的数据集及配套Jupyter Notebook文件。 v1：元数据记录 **使用许可：本数据集基于亚马逊云服务平台的Speedtest开放数据，采用知识共享署名-非商业性使用-相同方式共享4.0国际许可协议（CC BY-NC-SA 4.0），具体使用要求如下： 1. 仅可用于非商业用途（NC） 2. 二次分发需采用相同许可协议（SA），即保留署名与相同共享规则。 该许可限制了标准CC-BY Figshare许可的使用范围。 **Speedtest开放数据的其他使用方式，请参阅下文Speedtest相关链接。