top of page

Visual Analytics in der Verkehrsdatenanalyse:

Entwicklung und Bewertung von Werkzeugen für die Untersuchung zeitlicher Muster von Verkehrsunfalldaten.

Dieses Dashboard habe ich für meine Bachelorarbeit entwickelt:
Code und Daten unter: https://github.com/Leonieen/BA

 

Zusammenfassung:

Ziel dieser Bachelorarbeit war es, ein Dashboard zu entwickeln, das es dem Nutzer ermöglicht, zeitliche Muster und Strukturen von Verkehrsunfalldaten mit Hilfe verschiedener Filter zu analysieren. Die Ergebnisse der Visualisierungen sollen anschließend ausgewertet werden, wobei der Schwerpunkt auf der möglichen Erkennung von zeitlichen Auffälligkeiten der Daten liegt.
Als Datengrundlage dienten die Daten aus dem Unfallatlas der Statistischen Ämter des Bundes und der Länder. Diese enthalten Informationen zum Verkehrsunfallgeschehen in Deutschland. Für diese Arbeit wurden die Daten auf die Region um München und Augsburg und die Jahre 2016 bis 2021 beschränkt. Die Daten wurden in JupyterNotebooks verarbeitet und mit dynamischen Plotly-Visualisierungen dargestellt. Das Dashboard wurde mit Dash entwickelt, um eine bessere Usability für den Nutzer zu erreichen. Im fertigen Dashboard kann der Nutzer Filter für einzelne Jahre nutzen, zwei Jahre vergleichen oder sich einen Überblick über die jährliche Entwicklung verschaffen.
Ein großer Teil der Arbeit beschäftigt sich dann mit den Ergebnissen der einzelnen Visualisierungen hinsichtlich der Frage, ob bestimmte zeitliche Muster der Daten erkennbar sind. Vor allem tageszeitliche Strukturen konnten erkannt werden, ebenso wie Saisonalitäten einzelner Verkehrsteilnehmer. Besonders auffällig waren zudem die Vergleiche der Daten vor der COVID-19-Pandemie mit den Werten aus dem Jahr 2020, wie sich die Einschränkungen auf das Verkehrsunfallgeschehen ausgewirkt haben.

Python

Keywords:

Dash

Plotly

JupyterNotebook

Visual Analyitcs

Data Analysis

Traffic Accidents

Map
Treemap
Filtercombinations
Heatmap
Sunburst diagram
bottom of page