4  Weitere Anwendungsbeispiele

In diesem Abschnitt befinden sich weitere anwendungsbezogene Beispiele und Vorschläge zu weiteren Untersuchungen der Zählstellendaten.

Dieser Abschnitt befindet sich noch in der Konstruktion.

4.1 Über alle Tage

Wir wollen nun die Daten der Zählstellen für alle Tage gemittelt vergleichen. Dazu verwenden wir unseren kombinierten Datensatz und gruppieren diesen mit group_by nach der Identifikationsvariable der Zählstelle (Zählstelle) und dem Wochentag (Wotag). Danach leiten wir diese Werte an die summarise()-Funktion weiter. Diese gibt für jede Kombination der Gruppierungsvariable eine Reihe aus. Dazu benötigen wir für Kombination ebenfalls die Mittelwerte für beide Fahrtrichtungen (KFZ_R1 und KFZ_R2). Diesen Datensatz speichern wir als neues Element.

ZST5113 <- read_csv2("data/zst5113_2022.csv", locale = locale(encoding = 'iso-8859-1'))
ZST5116 <- read_csv2("data/zst5116_2022.csv", locale = locale(encoding = 'iso-8859-1'))
ZST5125 <- read_csv2("data/zst5125_2022.csv", locale = locale(encoding = 'iso-8859-1'))
ZST5128 <- read_csv2("data/zst5128_2022.csv", locale = locale(encoding = 'iso-8859-1'))

all_data <- bind_rows(list(ZST5113,ZST5116,ZST5125,ZST5128), .id = "Zaehlstelle")

all_data$Zaehlstelle <- factor(all_data$Zaehlstelle, levels = c("1", "2", "3", "4"), labels = c("Bochum", "Wanne-Eickel", "Waltrop-Brambauer", "Wenden-Dahl"))

all_data$Wotag <- factor(all_data$Wotag,
 levels = c(1,2,3,4,5,6,7),
 labels = c("Mo","Di","Mi","Do","Fr","Sa","So"))

data_wochentag <- all_data |>
  group_by(Zaehlstelle, Wotag) |>
  summarise(avg_KFZ_R1 = mean(KFZ_R1),avg_KFZ_R2 = mean(KFZ_R2))

Mit diesen Daten können wir nun bereits mit ggplot2 eine Grafik erstellen. Dazu verwenden wir grundsätzlich die verwendeten Funktionen aus Kapitel 3.2. Dieses Mal gruppieren und färben wir den Plot aber nach der Variable Zählstelle anstelle von Wotag.

ggplot(data = data_wochentag, aes(x = Wotag, y = avg_KFZ_R1, group = Zaehlstelle, color = Zaehlstelle, shape = Zaehlstelle)) +
  geom_point(size = 2) +
  geom_line(linewidth = 1) +
  labs(title = "Durchschnittlicher stündlicher Verkehr für alle Zählstellen",
        x = "Wochentag",
        y = "Verkehrsaufkommen Richtung 1 in Kfz/h",
        color = "Zaehlstelle",
        shape = "Zaehlstelle") +
  scale_colour_viridis_d() +
  theme_light()

4.2 Einen Wochentag im Detail

Nun wollen wir uns einen Wochentag im Detail zwischen den verschiedenen Zählstellen vergleichen. Erneut filtern wir mit filter() unsere Daten so, dass in unserem Fall nur noch Dienstage übrig bleiben (Wotag == "Di") und speichern diesen Datensatz. Zur weiteren Verarbeitung gruppieren wir diesen Datensatz nach Zählstellen und Stunde (group_by(Zählstelle, Stunde)) und erstellen mit summarise() für jede Stunde jeder Zählstelle eine neue Reihe und erzeugen den Mittelwert mit mean().

TO-DO: Angabe der prozentualen stündlichen Anteile (+ Tabelle)

data_dienstag <- all_data |>
  filter(Wotag == "Di")


data_dienstag_mean <- data_dienstag |>
  group_by(Zaehlstelle, Stunde) |>
  summarise(avg_KFZ_R1 = mean(KFZ_R1)) |>
  group_by(Zaehlstelle) |>
  mutate(Anteil = (avg_KFZ_R1/sum(avg_KFZ_R1))*100)

Der erstellte Plot ist nahezu identisch mit dem aus Kapitel 4.1, nur werden auf der x-Achse jetzt die einzelnen Stunden des Dienstags aufgeführt.

ggplot(data = data_dienstag_mean, aes(x = Stunde, y = Anteil, group = Zaehlstelle, color = Zaehlstelle, shape = Zaehlstelle)) +
  geom_point(size = 2) +
  geom_line(linewidth = 1) +
  labs(title = "Durchschnittlicher stündlicher Verkehr dienstags R1",
        x = "Stunde",
        y = "Anteil am Verkehrsaufkommen Richtung 1 in Prozent",
        color = "Zaehlstelle",
        shape = "Zaehlstelle") +
  scale_colour_viridis_d() +
  theme_light()

4.3 Schwer und Leichtverkehr

TO-DO: Erläuterungen

data_schwer <- all_data |>
  group_by(Zaehlstelle, Wotag) |>
  summarise(avg_LKW_R1 = mean(Lkw_R1),avg_LKW_R2 = mean(Lkw_R2))

# Erstellung des Streudiagrammes Richtung 1. 
ggplot(data = data_schwer, aes(x = Wotag, y = avg_LKW_R1, group = Zaehlstelle, color = Zaehlstelle)) +
  geom_point(size = 2) +
  geom_line(linewidth = 1) +
  labs(title = "Durchschnittlicher stündlicher Schwerverkehr für alle Zählstellen R1",
       x = "Wochentag",
       y = "LKW_R1",
       color = "Zaehlstelle") +
  scale_colour_viridis_d() +
  theme_light()