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
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.
01
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.
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.
02
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.
03
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.
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.
04
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.
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.
Unser Vorgehen
- 01Wir erfassten die Quelldateien und die Fragen, die der Analyst beantworten musste.
- 02Wir definierten ein gemeinsames Verkehrsmodell und eine klare Validierungsgrenze für jede Eingabe.
- 03Wir prototypisierten den Ablauf Karte – Detail – Statistik, damit der Stadtkontext beim Filtern erhalten blieb.
- 04Wir bündelten die Berechnungen, dokumentierten den Arbeitsablauf und prüften die finale Übergabe.
05
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.
“Die Daten erzählten nun eine gemeinsame Geschichte über die Bewegung der Stadt.”
Ein ähnliches Ziel, passend zu Ihrem Bedarf
