Datenanalyse Unfälle Veloverkehr
TL;DR
Data-Analytics-Projekt zur umfassenden Analyse von Velounfällen in der Stadt Bern. Mit Fokus auf Konflikte zwischen Veloverkehr und Fussverkehr wurden räumliche und zeitliche Muster identifiziert und eine datenbasierte Grundlage für die Analyse von Mischverkehrsflächen und Begegnungszonen geschaffen.
Überblick
- Fokus: Velounfälle, insbesondere Konflikte zwischen Veloverkehr und Fussverkehr
- Schwerpunkte: Mischverkehrsflächen und Begegnungszonen
- Ziel: Räumliche und zeitliche Muster erfassen und datenbasierte Grundlagen schaffen
- Datengrundlage: Mehrere tausend Einträge u.a. mit Informationen zu Ort, Zeit, Beteiligten, Unfalltyp, Schweregrad und Wetterbedingungen
Problem
Velounfälle, insbesondere Konflikte zwischen Veloverkehr und Fussverkehr in Mischverkehrsflächen und Begegnungszonen, werden nicht systematisch analysiert. Es fehlen datenbasierte Erkenntnisse über räumliche und zeitliche Muster, die als Grundlage für zielgerichtete Sicherheitsmassnahmen dienen könnten.
Lösung
Umfassende Data-Analytics-Pipeline mit mehreren Analysestufen:
Datenaufbereitung
- Python-basierte Datenbereinigung: Behandlung fehlerhafter Werte, Vereinheitlichung und Strukturierung der Daten
- Klassifizierung: Kategorisierung von Strassentypen, Kombination von GeoPandas-Analyse mit Konfliktpartnern und signalisierter Geschwindigkeit, Aufbereitung von Zeitangaben
- Datenqualität: Transformation von mehreren tausend Datensätzen in analysierbare Struktur
Räumliche Analyse
- GeoPandas: Räumliche Analysen zur Zuordnung von Unfällen zu Raumtypen
- Dichteanalysen: Heatmaps zur Identifikation von Unfallkonzentrationen
- Raumanalyse: Sichtbarmachung der Beziehung zwischen Unfallmustern und Infrastrukturmerkmalen
Interaktive Visualisierungen
- Plotly und Dash: Entwicklung interaktiver Python-Visualisierungen für dynamische Exploration
- Zeitliche und räumliche Muster: Erkundung von Unfallmustern mit verschiedenen Filtern und Vergleichsmöglichkeiten
- Interaktive Exploration: Benutzerfreundliche Tools zur vertieften Datenanalyse
Power BI Dashboard
- Integriertes Dashboard: Karten, Filter und Diagramme in einem intuitiven Interface
- Intuitive Darstellung: Zusammenfassung der komplexen Analyseergebnisse
- Interaktive Exploration: Filter- und Drill-Down-Funktionalitäten
Technologien
- Datenverarbeitung: Python mit Pandas für Datenbereinigung und -transformation
- Geodatenanalyse: GeoPandas für räumliche Analysen, Joins und Dichteanalysen (Heatmaps)
- Interaktive Visualisierung: Plotly und Dash für explorative Datenanalyse
- Dashboard: Microsoft Power BI für endgültige interaktive Dashboards
- Geodatenverarbeitung: Räumliche Joins, Geometrieoperationen, Kartenerstellung
Features
- Mehrstufige Analysestruktur: Von Rohdaten über Python-Analysen bis zum finalen Dashboard
- Räumliche Insights: Heatmaps und Dichteanalysen zur Identifikation von Unfallschwerpunkten
- Zeitliche Musteranalyse: Erkennung von saisonalen und tageszeitlichen Mustern
- Kontextanalyse: Zusammenhang zwischen Unfallmustern und Strassentypen sowie Geschwindigkeitsregimen
- Interaktive Exploration: Dynamische Visualisierungen mit Filter- und Vergleichsmöglichkeiten
- Intuitive Präsentation: Power BI Dashboard für Stakeholder-kompatible Darstellung
Nutzen
- Datenbasierte Erkenntnisse: Systematische Analyse von Velounfallmustern in Bern
- Grundlage für Entscheidungen: Fundierte Basis für Verkehrssicherheitsmassnahmen in Mischverkehrsflächen und Begegnungszonen
- Proaktive Gefahrenidentifikation: Früherkennung von Problemzonen durch räumliche Musteranalyse
- Transparenz: Nachvollziehbare Methodik und visuell ansprechende Darstellung der Ergebnisse
- Wiederholbarkeit: Entwickelte Methodik kann für zukünftige Analysen eingesetzt werden
- Prävention: Basis für gezielte infrastrukturelle und verkehrsplanerische Massnahmen