Call-a-Bike Heatmaps

Download der Karten in voller Größe:

Frankfurt (5744x4196px, 4MB)

Hamburg (6348x7708px 6MB)

Stuttgart (6809x7128px, 3MB)

München (8351x5921px, 2MB)

Kassel (8289x6338px, 4.6MB)

Frankfurt 2014-2017 (5651x3885px, 2.5MB)

Diese Karten sind aus den Fahrten der Call-a-Bike Daten generiert. Sie zeigen die errechnete Häufung der Fahrten in verschiedenen Städten. Dies sieht nicht nur schön aus, sondern kann auch bei der Datenanalyse hilfreich ein. Für Stadtplanung kann das Sinnvoll sein, da man sieht auf welchen Achsen viele Fahrradfahrer unterwegs sind. Man kann aber auch schnell sehen, an welchen Stellen es Sinn machen könnte neue Ausleihstationen zu installieren. Und wer will kann sich die Visualisierung auch als Poster drucken.

Die Call-a-Bike Rohdaten enthalten nicht den Fahrverlauf sondern nur die Koordinaten der Ausleihstation und der Rückgabestationen. Mit Hilfe von OpenStreetMap-Daten und der OpenSource Routing Engine Graphhopper lassen sich aber die Fahrradrouten zwischen den Stationen berechnen. Das heißt natürlich nicht, dass der Radfahrer auch diese Route genommen hat, gibt aber einen ganz guten Anhaltspunkt. Mit Hilfe von gdal_rasterize wurde die Häufung der Touren in ein GeoTiff gegossen und dann mit QGIS gestylt. (Die Versionen mit allen Daten rechnen gerade noch. Diese Daten sind etwa die Daten des Jahres 2014.)

Daten

Ein paar Bemerkungen zu den Rohdaten: In den CSV-Dateien sind Anführungszeichen nicht escaped. Außerdem fehlt im Stations-File ein großer Teil der Ausleihstationen. Trotz der fehlenden Stationen komme ich auf etwa 10 Millionen auswertbare Fahrten. Dabei sind schon die Ausleihvorgänge, bei denen die Ausleihstation die gleiche wie die Abgabestation ist schon raus gerechnet. (Das ist bei etwa 10% der Ausleihvorgänge der Fall). Die Datei mit den errechneten Routen ist dann fast 11 Gigabyte groß.

Ausblick

Was in der Visualisierung noch nicht erhalten ist, aber sicher noch spannender wäre, ist die Aufschlüsselung der Daten in eine Zeitachse. Denkbar wäre ein Schieberegler mit dem man durch die Zeit reist und sich dann die Visualisierung live verändert. Dabei wäre zum einen das Datum interessant, an dem sich sicher das Wetter und die Jahreszeit erkennen ließen. Es wäre aber auch spannend ob man Baustellen oder größere Ausfälle des ÖPNVs sehen könnte. Aber auch eine Zeitachse nach Tageszeit wäre spannend: Wo fahren die meisten Räder um welche Uhrzeit, wo findet das Nachtleben statt. Außerdem lassen sich die Visualisierungen auch auf die Flinkster-Daten anwenden, da hier ein sehr ähnliches Datenformat benutzt wird.

Mehr Städte kommen, wenn die Daten durchgerechnet sind...

Das interessanteste GDAL command ist übrigens:

gdal_rasterize -dialect SQLite -sql "SELECT ST_Buffer(geometry,ABS(RANDOM()) % (25 - 4) + 4) FROM input" -burn 1 -add -ts 10000 10000 input.shp output.tif

Der Buffer erzeugt dabei die Fläche, weil sonst die Linien nur 1px breit wären. Der Zufall sorgt für ein bisschen Veränderung in der Linienbreite, damit wenig gefahrene Linie dünner sind und der Ausbrenneffekt entsteht.