Modellierte Stauwahrscheinlichkeit für ausgewählte Städte

Modellierte Stauwahrscheinlichkeit für ausgewählte Städte basierend auf Twitter und OpenStreetMap Daten auf Gitterzellenbasis in 100 Meter Auflösung. Der Datensatz beeinhaltet die Städte Barcelona, Berlin, Cincinnati, Kiev, London, Madrid, Nairobi, New York City, San Francisco, Sao Paulo und Seattle. Der Wertebereich reicht von 0 (wahrscheinlich normaler Verkehrsfluss) bis 1 (hohe Wahrscheinlichkeit für Verzögerung des Vekehrsflusses).

Methodik:
Basierend auf Twitter und OpenStreetMap (OSM) Daten wurde mit Hilfe von maschinellem Lernen ein Modell trainiert, welches die Stauwahrscheinlichkeit innerhalb der Städte vorhersagt. Als Referenzdaten wurden öffentlich bereitgestellte Daten von UBER verwendet (https://movement.uber.com). Als Indikatoren im Modell wurden die Anzahl an Tweets und die Anzahl an Points-of-Interest aus OSM in der Nähe von Straßen verwendet. Zudem wurden Autofahrten mit Hilfe des openrouteservice basierend auf der räumlichen Verteilung der Bevölkerung und relevanter POIs simuliert und im Modell berücksichtigt.

mFUND-Projekt: SocialMedia2Traffic, FKZ: 19F2162A

Autoverkehr Verkehrsaufkommen Stau Modellierung OpenStreetMap Twitter Routing

Links zu den Daten

Links zu den Metadaten

Bereitgestellt durch

Universität Heidelberg

Kategorie
Straßen
Aktualität der Datensatzbeschreibung

14.01.2022

Zeitbezug der Daten

— 31.03.2020

Aktualisierungsfrequenz

Niemals

Raumbezug der Daten
Nutzungsbestimmung

Freie Nutzung

Lizenz

Open Data Commons Open Database License (ODbL)