Verkehrsentwicklung Trnava · Verkehrsdaten

Wenn die Bewegung einer Stadt endlich lesbar wird.

Für Trnava entwickelten wir eine private Analyseanwendung, die Daten des städtischen Busverkehrs und der Radwege in einem Arbeitsbild der Stadt zusammenführte.

Jahr: 2022
Dauer: 6 Monate

The analytical application for transport in Trnava — Map, tables, and charts in the main workspace.

Informationen

Jahr: 2022
Dauer: 6 Monate
Projekttyp: Private Webanwendung
Unsere Rolle: Wir haben die Anwendung von Grund auf entworfen und gebaut, einschließlich der Verarbeitung der Verkehrsdaten.

Technologie

Vue 3
Python
Leaflet
Chart.js
Quasar

Was Sie erfahren

01Wie sich Bus- und Fahrraddaten verbinden lassen, ohne den Kontext zu verlieren.
02Wie eine Karte zum analytischen Arbeitsraum wird.
03Wie Datenverarbeitung von einer schnellen Benutzeroberfläche getrennt wird.

Eine Stadt, zwei Arten der Bewegung

2022 kamen Daten zu Bussen, Haltestellen, Fahrkarten und Fahrradzählern in unterschiedlichen Dateien an. Das sechsmonatige Projekt machte daraus eine zusammenhängende Arbeitsansicht.

Transport-data import and map context shown on a MacBook and iPhone — One entry point for stops, lines, cycle counters, GPS data, and tickets.

01 / Unter der Oberfläche

Architektur, die Kontext und Datenschutz bewahrte

Wir trennten das System in Eingaben, Validierung, eine lokale Datenschicht, gemeinsame Berechnungen und Arbeitsansichten. Kleinere Referenzdaten blieben im Browser. Umfangreiche GPS- und Ticketdaten wurden nur für die aktive Sitzung geladen. Python unterstützte die vorgelagerte Aufbereitung außerhalb des veröffentlichten Vue-Clients.

Anwendungsarchitektur von Verkehrsdaten über Validierung und Pinia-Datenschicht bis zu Karte, Tabellen, Diagrammen und Linieneditor — Die Eingaben wurden zuerst validiert und konvertiert. Pinia hielt anschließend den gemeinsamen Zustand für GPS, Tickets, Fahrraddaten, Karte und Analyseansichten.

Busverkehr ohne Rätselraten

Die Karte verband Linien und Haltestellen mit GPS-Zeiten, Wartezeiten, Einstiegen, Einnahmen und dem Verhältnis von Karte zu Bargeld. Filter führten von der Stadt zur konkreten Linie oder Haltestelle.

Bus-line editor on a MacBook beside a red bus model — The interface made it possible to compose a route and check stops in each direction.

Radwege als lebendige Ebene der Stadt

Radwege und Zähler folgten derselben Kartenlogik wie das Busnetz. Analysten konnten Ebenen wechseln, die Nutzung untersuchen und zwei Bewegungsarten im gemeinsamen Stadtkontext vergleichen.

Editorial presentation of Trnava cycle analysis on an iPhone beside a gold bicycle — Bus and cycling layers shared one map context for the city.

02 / Weg des Analysten

Ein Weg von der Quelldatei zur angepassten Linie

Der Analyst prüfte zuerst die Eingaben, öffnete dann den gemeinsamen Kartenkontext, wählte eine Haltestelle oder einen Fahrradzähler, grenzte die Frage mit Filtern ein und arbeitete anschließend mit einer Linie oder einem Export. Jeder Schritt nutzte dieselben Daten statt separat zusammengestellter Berichte.

Fünfstufiger Ablauf vom Upload der Verkehrsdaten über Karte, Detail und Statistik bis zur Gestaltung einer Buslinie — Reale Produktansichten zeigen den Ablauf vom Import über Stadtkontext und Analyse bis zur Linienbearbeitung.

Von der Datei zur Entscheidung

Wiederkehrende CSV- und JSON-Importe blieben von der Darstellung getrennt. Python bereitete die Daten auf, Vue 3 machte sie über Karten, Tabellen und Diagramme filterbar.

Transport statistics and map shown together on a MacBook and iPhone — Filtered tables and charts made the transport data readable.

03 / Gestaltungsprinzip

Einmal berechnen, Evidenz überall wiederverwenden

Konvertierungsfunktionen überführten unterschiedliche Dateiformate in gemeinsame Objekte. Die übergeordnete Analyseschicht filterte, sortierte und aggregierte die Daten einmal und übergab dasselbe Ergebnis an Tabelle und Diagramm. So blieb die Oberfläche ohne erfundene Serverschicht konsistent.

Fünfstufiger Datenfluss vom Einlesen und Normalisieren über Speicherung und gemeinsame Berechnung bis zu Karte, Tabelle, Diagramm und Editor — Wir leiteten ein gefiltertes Ergebnis ab und verwendeten es in Tabelle und Visualisierung. Die Daten mussten nicht doppelt verarbeitet werden.

Von Quelldateien zur Entscheidung

Dateien und Fragen
Wir erfassten die Quelldateien und die Fragen, die der Analyst beantworten musste.
Ein gemeinsames Verkehrsmodell
Wir definierten ein gemeinsames Verkehrsmodell und eine klare Validierungsgrenze für jede Eingabe.
Die Karte bewahrt den Kontext
Wir prototypisierten den Weg von der Karte über die Detailansicht bis zur Statistik, damit der Stadtkontext beim Filtern erhalten blieb.
Eine Berechnung für mehrere Ansichten
Wir bündelten die Berechnungen, dokumentierten den Arbeitsablauf und prüften die finale Übergabe.

Zwei Netze. Eine Stadt.

Das Ergebnis war eine private Anwendung, in der Busverkehr und Fahrradinfrastruktur nebeneinander untersucht werden konnten. Die Stadt erhielt einen konsistenten Arbeitsraum für ihre Verkehrsdaten.