2 Musterlösung Sicherheitsanalyse
Verwendete Pakete laden
```{r}
#| include: false
library(ggplot2)
library(tidyverse)
library(lubridate)
library(readxl)
library(kableExtra)
library(sf)
library(osmdata)
library(giscoR)
library(leaflet)
library(shiny)
```Daten einlesen und aufbereiten
Deutschlandkarte:
```{r}
d_de <- gisco_get_nuts(country = "Germany", nuts_level = 0, resolution = 03)
```Unfalldaten:
```{r}
#| warning: false
unfall_csv = read_csv2("data/Unfallorte2022_LinRef.csv")
unfaelle <- st_as_sf(unfall_csv, coords = c("LINREFX", "LINREFY"),
crs = 25832)
```Streckenabschnitte:
```{r}
strecke <- read_sf("data/geo/BFStr_Netz_SK.geojson")
```Streckenabschnitte A43:
```{r}
a43 <- strecke |>
filter(Str_Kennung == "A43" & Sk_Achse == "Hauptachse") |>
mutate(rownumber = row_number())
```Streckenabschnitte Deutschland:
```{r}
strecke_de <- strecke |>
filter(Str_Klasse_kurz == "A" & Sk_Achse == "Hauptachse") |>
mutate(rownumber = row_number())
```2.1 Aufgabe 1 : Unfälle zählen
Unfälle filtern:
```{r}
unfaelle_43 = unfaelle %>%
# find out which autobahn is closest by
mutate(nearest_autobahn_id = st_nearest_feature(st_zm(.), a43)) %>%
# calculate distance to closest autobahn
mutate(nearest_autobahn_distance = st_distance(st_zm(.), a43[nearest_autobahn_id, ], by_element = TRUE))
```Alles nicht in der Nähe von A43 raus:
```{r}
unfaelle_autobahn = unfaelle_43 |>
filter(as.double(nearest_autobahn_distance) <= 15) |>
st_zm()
```Unfälle zählen:
```{r}
autobahnen_accident_count = unfaelle_autobahn %>%
as_tibble() %>%
select(-geometry) %>%
count(nearest_autobahn_id, UKATEGORIE) %>%
spread(UKATEGORIE, n) %>%
rename(Anzahl_UK2 = `2`, Anzahl_UK3 = `3`) %>%
replace(is.na(.), 0) %>%
mutate(Anzahl_U_G = Anzahl_UK2 + Anzahl_UK3)
# Hier gehören eigentlich noch Unfaelle nach Kategorie 1 rein
```Verbinden mit Daten der A43:
```{r}
a43 = a43 |>
left_join(autobahnen_accident_count, by = c("rownumber" = "nearest_autobahn_id"))
a43 <- replace(a43, is.na(a43), 0)
```Anzahl der Unfälle in ggplot plotten:
```{r}
ggplot () +
geom_sf(data = a43, size = 2, mapping = aes(color = Anzahl_U_G)) +
scale_color_viridis_b(direction = -1, breaks = seq(2,14,2)) +
labs(title = "Anzahl der Verkehrsunfälle nach Abschnitten der A43 im Jahr 2022",
color = "Anzahl Verkehrsunfälle") +
theme(plot.title = element_text(size=10))
```2.2 Aufgabe 2
2.2.1 Unfalldichte
2.2.1.1 A43
Unfälle filtern:
```{r}
unfaelle_43 = unfaelle %>%
# Welche Autobahn am Nächsten
mutate(nearest_autobahn_id = st_nearest_feature(st_zm(.), a43)) %>%
# Distanz zur A43
mutate(nearest_autobahn_distance = st_distance(st_zm(.), a43[nearest_autobahn_id, ], by_element = TRUE))
```Alles nicht in der Nähe von A43 raus:
```{r}
unfaelle_autobahn = unfaelle_43 |>
filter(as.double(nearest_autobahn_distance) <= 15) |>
st_zm()
```Unfälle zählen:
```{r}
autobahnen_accident_count = unfaelle_autobahn %>%
as_tibble() %>%
select(-geometry) %>%
count(nearest_autobahn_id, UKATEGORIE) %>%
spread(UKATEGORIE, n) %>%
rename(Anzahl_UK2 = `2`, Anzahl_UK3 = `3`) %>%
replace(is.na(.), 0) %>%
mutate(Anzahl_U_G = Anzahl_UK2 + Anzahl_UK3)
# Hier gehören eigentlich noch Unfaelle nach Kategorie 1 rein, existieren aber in diesem Zeitraum nicht.
```Verbinden mit Daten der A43:
```{r}
a43 = a43 |>
left_join(autobahnen_accident_count, by = c("rownumber" = "nearest_autobahn_id"))
```Plotten:
```{r}
ggplot () +
geom_sf(data = a43, size = 2, mapping = aes(color = Anzahl_U_G)) +
scale_color_distiller(palette = 8 , direction = 1, breaks = seq(2,14,2)) +
labs(title = "Anzahl der Verkehrsunfälle nach Abschnitten der A43 im Jahr 2022",
color = "Anzahl Verkehrsunfälle") +
theme(plot.title = element_text(size=10))
```2.2.1.2 Deutschland
Unfälle filtern:
```{r}
unfaelle_de = unfaelle %>%
# Welche Autobahn ist am Nächsten
mutate(nearest_autobahn_id = st_nearest_feature(st_zm(.), strecke_de)) %>%
# Distanz zur nächsten Autobahn berechnen
mutate(nearest_autobahn_distance = st_distance(st_zm(.), strecke_de[nearest_autobahn_id, ], by_element = TRUE))
```Alles nicht in der Nähe von BAB raus:
```{r}
unfaelle_de_autobahn = unfaelle_de |>
filter(as.double(nearest_autobahn_distance) <= 15) |>
st_zm()
```Unfälle zählen:
```{r}
de_unfall_anzahl = unfaelle_de_autobahn %>%
as_tibble() %>%
select(-geometry) %>%
count(nearest_autobahn_id, UKATEGORIE) %>%
spread(UKATEGORIE, n) %>%
rename(Anzahl_UK1 = `1`,Anzahl_UK2 = `2`, Anzahl_UK3 = `3`) %>%
replace(is.na(.), 0) %>%
mutate(Anzahl_U_G = Anzahl_UK1 + Anzahl_UK2 + Anzahl_UK3)
```Verbinden mit Daten:
```{r}
strecke_de = strecke_de |>
left_join(de_unfall_anzahl, by = c("rownumber" = "nearest_autobahn_id"))
strecke_de = strecke_de |>
mutate(UD = (Anzahl_U_G)/(Sk_Laenge_km))
```Plotten:
```{r}
ggplot () +
geom_sf(data = d_de, fill = NA, size = 0.5) +
geom_sf(data = strecke_de, size = 2, mapping = aes(color = Anzahl_U_G)) +
scale_color_distiller(palette = 8 , direction = 1) +
labs(title = "Anzahl der Verkehrsunfälle nach Abschnitten der BAB im Jahr 2022",
color = "Anzahl Verkehrsunfälle") +
theme(plot.title = element_text(size=10))
```