Datensatz

Modellierte Verkehrgeschwindigkeit auf Straßenebene für 11 Städte

Modellierte stündliche Verkehrsgeschwindigkeit (km/h) auf Straßenebene an einem durchschnittlichen Tag basierend auf Twitter, OpenStreetMap und Uber Movement Daten. Der Datensatz beeinhaltet die Städte Barcelona, Berlin, Cincinnati, Kiev, London, Madrid, Nairobi, New York City, San Francisco, Sao Paulo und Seattle.

Methodik:
Basierend auf Twitter und OpenStreetMap (OSM) Daten wurde mit Hilfe von maschinellem Lernen mehrere Modelle trainiert, welche die Verkehrsgeschwindigkiet innerhalb der Städte vorhersagt. Als Referenzdaten wurden öffentlich bereitgestellte Daten von UBER verwendet (https://movement.uber.com). Als Indikatoren im Modell wurden die OSM tags 'highway' und 'maxspeed', die Stunde des Tages und die Anzahl an Tweets in der Nähe der jeweiligen Straße verwendet. Zudem wurden Autofahrten mit Hilfe des openrouteservice basierend auf der räumlichen Verteilung der Bevölkerung und relevanter POIs simuliert und im Modell berücksichtigt.

Für Modellierung der Verkehrgeschwindigkeit wurden Daten von Uber Movement, (c) 2022 Uber Technologies, Inc., (https://movement.uber.com), OpenStreetMap (ohsome API und Geofabrik) und der Twitter API (https://developer.twitter.com/en/docs/twitter-api) verwendet.

Distributionen

Offenheit der Lizenz:
Eingeschränkte Nutzung
Nutzungsbedingungen:
Creative Commons Namensnennung - Nicht kommerziell 4.0 International (CC BY-NC 4.0)
Letzte Änderung:
06.03.2023
Veröffentlichungsdatum:
05.04.2022
Datenbereitsteller:
mCLOUD
Veröffentlichende Stelle:
HeiGIT gGmbH (Heidelberg Institute for Geoinformation Technology)
Kategorien:
Verkehr Verkehr
Zeitraum:
31.12.2019 - 30.03.2020
Raumbezug:
-
Schlagwörter:
mcloud_category_roads
mcloud_idca1996ef-4b9d-4857-ac59-ba9000584daa
mfund-fkz-19f2162a
mfund-projekt-socialmedia2traffic
modellierung
openstreetmap
twitter
uber
verkehrsgeschwindigkeit

Diesen Datensatz kommentieren

Neueste Kommentare

Es sind noch keine Kommentare zu diesem Metadatensatz vorhanden. Schreiben Sie den ersten.