Corona vs. Verkehr in Mannheim
Screenshot vom Protoyp

Berkan Metin Ahad, Arlind Isa, Safak Kurt & Serdar Özteke

Corona vs. Verkehr in Mannheim

Visuelle Analyse des Einfluss von Corona auf den Verkehr in Mannheim

Im Jahr 2020 hat die erste Welle der Corona Pandemie das Leben der Menschen gravierend beeinflusst und dabei auch das Verhalten und die Mobilität verändert. Im Projekt „Corona vs. Verkehr in Mannheim“ möchten wir explizit untersuchen, welchen Einfluss die 7-Tages-Inzidenz auf das Mannheimer Verkehrsaufkommen tatsächlich hat. Die Informationen zur Corona 7-Tages-Inzidenz wurden aus den frei zugänglichen Daten des RKIs bezogen. Weiterhin wurden die Daten bezüglich des Verkehrsaufkommens durch die von der MVV bereitgestellten API erhoben. Schlussendlich konnte festgestellt werden, dass durch Veränderungen 7-Tages-Inzidenzen, dass Verkehrsaufkommen in Mannheim beeinflusst wird. Dabei sinkt das Verkehrsaufkommen bei steigender Inzidenz.

Dieses Projekt ist im Rahmen des Kurses “Grundlagen der Datenvisualisierung” im Wintersemester 2021/22 an der Hochschule Mannheim unter der Leitung von Prof. Dr. Till Nagel entstanden.

Einführung

Am 16. März 2020 beschloss die Bundesregierung zum ersten Mal einen Lockdown in Deutschland, welche am 22. März 2020 in Kraft getreten ist. Seither sind zwei Jahre und etliche weitere Corona-Maßnahmen vergangen, in denen die deutsche Bevölkerung mit Einschränkungen und Restriktionen leben muss. Doch führten die Maßnahmen und Einschränkungen auch zur Verringerung der Mobilität im Kraftfahrzeug Verkehr?

Infolgedessen hat uns interessiert, ob ein Zusammenhang zwischen den Corona Zahlen und der Kraftfahrzeugmobilität besteht. Deshalb haben wir uns im Rahmen des GDV-Projekts der Fragestellung angenommen, ob das Verkehrsaufkommen in Mannheim durch veränderte Corona Zahlen beeinflusst wird?

Um diese Frage zu beantworten, wird eine explorative Datenanalyse erstellt, welche die Veränderungen der Corona Zahlen und das Verkehrsaufkommen feststellt, um daraus Erkenntnisse zu gewinnen und darzustellen. Hierfür soll eine Webanwendung realisiert werden, um die Daten einzulesen und mit einer passenden und für die Nutzer selbsterklärenden Visualisierung darzustellen.

Konzept

Begrenzt wird das Projekt auf den Stadtkreis Mannheim, da die Daten auf jenen Ort bezogen sind. Verglichen wird die Aktivität der Mannheimer Bevölkerung, gemessen am Verkehrsaufkommen mit der Mannheimer 7-Tages-Inzidenz.

Die Statistik von statista.com [1] vom 27.01.2022 zeigt auf, dass die Mobilität durch Corona stark beeinflusst wird. Daher nahmen wir an, dass Veränderungen der Corona-Zahlen auch in Mannheim das Verkehrsaufkommen beeinflussen könnte. Aus diesem Grund untersuchen wir die Hypothese, dass das Verkehrsaufkommen in Mannheim durch die steigende Inzidenz-Zahlen sinkt.

Schwierigkeiten bei der Konzeption ist dabei, geeignete Corona Kennzahlen für den Vergleich mit dem Verkehrsaufkommen zu wählen. Es standen folgende Kennzahlen zur Verfügung:

  • 7-Tages-Inzidenz,
  • Corona Fallzahlen und
  • die Hospitalisierung der Krankenhäuser.

Wichtig war uns hierbei, die Kennzahl mit der vermeintlich größten Auswirkung auf die Menschen und auf die Entscheidungen der Regierung hat zu wählen. Dabei wurde schnell festgestellt, dass die Hospitalisierung erst seit kurzer Zeit an Wichtigkeit gewonnen hat. Somit blieben die 7-Tages-Inzidenz und neue Corona Fallzahlen. Da die Bundesregierung unter all den Parametern vor allem die Entscheidungen basierend auf die 7-Tages-Inzidenz trifft, haben wir uns als Gruppe letztendlich als Vergleichswert für dieses Projekt auf die Kennzahl „7-Tages-Inzidenz“ geeinigt.

Daten

In diesem Kapitel stellen wir die Daten vor, die wir während des Projektes verwendet und aufbereitet haben. Dazu erklären wir die Visualisierungen, mit den wir die ersten Entwürfe gezeichnet und dargestellt haben.

Verwendete Quellen

Für die Realisierung des Konzeptes brauchen wir mindestens zwei Datenquellen. Die eine soll Informationen zu dem Verkehr in Mannheim enthalten und die andere Corona Fall- oder Inzidenzzahlen.

Das Energieunternehmen MVV mit dem Sitz in Mannheim stellt für die Hochschule Mannheim unterschiedliche Daten bereit. Die MVV bietet eine Schnittstelle für die MVV-Datenplattform, indem die Daten ausgewertet und bedarfsgerecht aufbereitet sind. Da sich unser Thema auf den Verkehr bezieht, haben wir die Kameradaten, welche das Verkehrsaufkommen tracken, ausgelesen. Die Verkehrsdaten werden anhand Infrarotkameras getrackt. Die Kameras befinden sich in verschiedene Standorte in Mannheim verteilt, wie zum Beispiel Ein- und Ausfahrten der Hauptstraßen, welche in die Innenstadt führen. Eine beispielhafte Kamera ist in Abbildung 1 zu sehen, wobei die Kamera alle Spuren trackt. Zudem identifiziert die Kamera die verschiedenen Kraftfahrzeugarten und kann diese kategorisieren. Damit wird die Möglichkeit geboten, die verschiedenen Kategorien miteinander oder getrennt voneinander zu vergleichen. Dabei können die Verkehrsdaten fein- oder grobgranular eingelesen werden, da es eine Möglichkeit gibt, das Zeitintervall beliebig einzustellen, indem man nach Stunden oder Minuten auswählen kann.

Abbildung 1 Die Aussicht einer Infrarotkamera für Mavi005 (Quelle: MVV)

Weiterhin haben wir uns auf die Suche nach Datensätzen für die 7-Tages-Inzidenz begeben. Nach einer umfangreichen Quellenrecherche haben wir uns für die Daten des RKIs, welches durch ein GitHub bereitgestellt werden, entschieden. In diesen Datensätzen wurden Fall- und Inzidenz-Zahlen für alle Bundesländer und Landkreise erfasst, gesammelt und freizugänglich bereitstellt. Die Daten werden im CSV-Format zur Verfügung gestellt, die mehrmals täglich automatisch aktualisiert werden.

Aufbereitung und Analyse der Daten

Bei der Aufbereitung der MVV-Daten wurde festgestellt, dass einige Kameras nicht über den gesamten Zeitraum aktiv waren und Daten lieferten. Weshalb diese aussortiert wurden, da sonst ein verzerrtes Bild des Verkehrsaufkommens entstehen würde. Zudem wurde ein wöchentliches Zeitintervall ausgewählt, um diese mit der 7-Tages-Inzidenz zu vergleichen. Weiterhin wurde keine Kategorisierung der Kraftfahrzeugarten durchgeführt, da dieses Projekt die Gesamtmobilität der Mannheimer Bevölkerung darstellen soll.

Die Daten aus dem RKI-GitHub stellen für alle Land- und Stadtkreise die 7-Tages-Inzidenz Werte zur Verfügung. Aus diesem Grund wurden hier ausschließlich Daten Werte für den Stadtkreis Mannheim berücksichtig und verwendet.

Schwierigkeiten sind wie bereits erwähnt bei der Eingrenzung des Zeitraums entstanden, da in einigen Wochen nicht alle Kameras in Betrieb waren. Zudem lieferten weitere Kameras an einigen Tagen Nan-Werte. Aus diesem Grund haben wir uns dazu entschlossen, einige Kameras ganz auszuschließen und wiederum den Zeitraum auszuwählen, in dessen die meisten Kameras aktiv waren den Verkehr getrackt haben.

Visualisierungen und Experimente

Im Laufe des Projekts wurden verschiedene Visualisierungsexperimente durchgeführt, um eine passende Visualisierung für das Projektergebnis zu finden. Zu Beginn des Projektes wurde ein Mock-up mit fiktiven Daten erstellt, wofür das Visualisierungstool Tableau verwendet wurde. Hier war die Grundidee, den gewünschten Zeitraum anhand eines Datumsfelds festzulegen. Wodurch die Anzeige in den verschiedenen Visualisierungen nicht datenbasiert, sondern datumsbasiert angepasst werden sollten. Auch sollten Inzidenzzahlen und Verkehrszahlen in zwei verschiedenen Diagrammen dargestellt werden, was im weiteren Verlauf doch anders umgesetzt werden sollte.

Abbildung 2 Erster Mock-up erstellt in Tableu, gefiltert wird durch ein Datum

Nach etlichen Diskussionen innerhalb der Gruppe und mit Herrn Professor Nagel haben wir an einigen Punkten Möglichkeiten zur Verbesserung feststellen können. Herauskristallisiert hat sich vor allem der Aspekt, dass der Nutzer dieser Anwendung weniger datumsorientiert die Daten betrachten möchte, sondern viel mehr datenbasiert anhand der zwei Kennzahlen „7-Tages-Inzidenz“ und „Verkehrsaufkommen“. Aus diesem Grund haben wir uns dazu entschlossen, in einem weiteren Mock-up (Abbildung 3) einen Regler für das Verkehrsaufkommen und für die 7-Tages-Inzidenz einzubauen, welcher datenbasiert das Dashboard aktualisieren soll. Weiterhin haben wir für einen besseren Vergleich uns dazu entschlossen, statt zwei getrennte Diagramme für 7-Tages-Inzidenz und Verkehrsaufkommen zu haben, ein Kombinationsdiagramm einzubauen. Das Kombinationsdiagramm sollte dann ein Liniendiagramm für die 7-Tages-Inzidenz und ein Balkendiagramm für das Verkehrsaufkommen enthalten. Dadurch kann ein einfacherer und direkterer Vergleich zwischen den zwei Kennzahlen erreicht werden.

Abbildung 3 Zweiter Mock-up, papierbasiert, nach den Konsultationen

Prototyp/Ergebnisse

In diesem Kapitel werden die einzelnen Elemente, Visualisierungen und Interaktionen des Prototyps erläutert. In der Abbildung 4 ist der gesamte Prototyp zu sehen.

Abbildung 4 Der finale Prototyp mit Karte, Balkendiagramm und Schiebereglern

Implementierung

In Folge der Mock-ups und Experimente wurde eine Implementierung durchgeführt, woraus als Ergebnis ein Prototyp in Form einer Webanwendung entstanden ist. Dieser enthält Visualisierungen und interaktive Elemente, um den Nutzer eine ausgiebige Übersicht über das Verkehrsaufkommen und der 7-Tages-Inzidenz zu bieten. Eingesetzt wurden hierfür folgende Technologien:

  • Webseite (JavaScript, HTML, CSS),
  • Diagramm (chart.js),
  • Karte (leaflet.js) und
  • Dateninput (jquery.min.js).

Da die Webanwendung mit JavaScript aufgebaut wurde, wurden verschiedene Open-Source-JavaScript-Bibliotheken miteinbezogen. Dabei ist JavaScript im Vergleich performanter und vielseitiger, weshalb wir zum Entschluss gekommen sind, statt Python doch JavaScript für dieses Projekt bzw. für diesen Prototyp zu nutzen.

Die Bibliothek Chart.js bietet umfangreiche Möglichkeiten verschiedene Diagramme, welche wir für diesen Prototypen brauchen, zu implementieren. Ein Vorteil von Chart.js im Gegensatz zu D3.js ist, dass es mit Leichtigkeit Diagramme generiert werden können. D3.js braucht eine geschriebene Logik, während Chart.js nur mit den benötigten Eingabedaten deklariert wird.

Die zweite Open-Source-Bibliothek für JavaScript ist Leaflet.js, mit den interaktiven Webmapping-Karten erstellt werden [2]. Die Kompatibilität der Anwendung ist weit verbreitet, da es auf allen neuen und alten Browsern und mobilen Plattformen effektiv läuft [3].

Visualisierung

Die Webanwendung ist in drei Hauptelemente zu untergliedern. Zum einen die Openstreetmap-Karte (Abbildung 5), welche die einzelnen Kamerapositionen und dessen Verkehrsfrequenz aufzeigt. Die Verkehrsfrequenz basiert auf die ausgewählte Woche innerhalb des Kombinationsdiagramms. Dabei wird je nach Intensität der Verkehrsfrequenz die jeweilige Kamera stufenweise farblich mit Hilfe von D3 Farbschema eingefärbt, um aufzuzeigen, wo das Verkehrsaufkommen am frequentiertesten ist.

Abbildung 5 OpenStreetMap-Karte mit Standorten, gefärbt anhand des Verkehrsaufkommens

Ein weiteres Element ist das Kombinationsdiagramm (Abbildung 6), welches ein Linien- und ein Balkendiagramm darstellt. Das Liniendiagramm wird für die Darstellung der 7-Tages-Inzidenz und dessen Verlauf genutzt. Grund für die Nutzung eines Liniendiagramms ist es, um die Veränderung der Inzidenz in Laufe der Zeit zu verdeutlichen und um einen signifikanten Anstieg oder Verfall deutlich hervorzuheben. Weiterhin stellt das Balkendiagramm den durchschnittlichen Verkehr nach Wochen untergliedert dar. Grund für die Nutzung des Balkendiagramms ist es, dass das Verkehrsaufkommen in verschiedene Wochen kategorisiert wird. Durch ein Balkendiagramm lassen sich einzelne Kategorien sehr gut Darstellen. Dabei wurde die Achsenbeschriftung folgendermaßen bezeichnet:

  • Die x-Achse gibt absteigend einzelnen Wochen vor.
  • Dabei wird in y-Achsen Richtung die Anzahl der Fahrzeuge angegeben.
Abbildung 6 Kombinationsdiagramm, welches den Verkehr und die Corona-Inzidenzzahlen veranschaulicht

Interaktion

Der Nutzer interagiert durch das dritte Element mit der Webanwendung. Dabei stehen zwei Regler (Abbildung 7) zur Verfügung, mit welcher die Inzidenz oder auch das Verkehrsaufkommen gesteuert und bestimmt werden kann. Durch das Verschieben des Reglers wird datenbasiert eine Woche im Kombinationsdiagramm ausgewählt, was zur Aktualisierung der Daten in der Karte führt. Dabei wird das Datum bzw. der Zeitraum nicht durch ein Datumsfeld bestimmt, sondern durch das Auswählen des Verkehrsaufkommens oder der 7-Tages-Inzidenz. Ein Beispiel sehen sie hierfür in Abbildung 8 und Abbildung 9. Die Abbildung 8 zeigt die Woche mit dem höchsten Verkehrsaufkommen an, wobei Abbildung 9 die Woche mit der höchsten 7-Tages-Inzidenz anzeigt. Das heißt, dass hier datenbasiert gearbeitet wird, da der Nutzer nicht unbedingt sehen will, wie sich die Zahlen datumsbasiert ändert, sondern wie sich die Zahlen im Vergleich zueinander verändern. Anhand der Woche werden die Kameras in Karte stufenweise gefärbt. Je dunkler und gesättigter die Farbe, desto höher ist das Verkehrsaufkommen für die jeweilige Kamera.

Abbildung 7 Regler für das Verkehrsaufkommen und 7-Tages-Inzidenz
Abbildung 8 Veranschaulichung des Prototyps, wobei der Zeitraum mit dem höchsten Verkehrsaufkommen ausgewählt wurde
Abbildung 9 Veranschaulichung des Prototyps, wobei der Zeitraum mit der höchsten 7-Tages-Inzidenz ausgewählt wurde

Erkenntnisse

Anfänglich wurde die Hypothese aufgestellt, dass durch ansteigende Inzidenzzahlen das Verkehrsaufkommen sinkt. Diese Behauptung lässt sich anhand des Projektergebnisses bestätigen. Dabei ist dennoch anzumerken, dass das Ergebnis (Abbildung 10) nur einen kleinen Zeitraum der zweijährigen Corona Pandemie abbildet. Weshalb das Ergebnis dennoch mit anderen ähnlichen Projekten oder auch mit einer Fortsetzung dieses Projekt bestätigt werden sollte, um eine aussagekräftigere Erkenntnis zu erhalten.

Abbildung 10 Kombinationsdiagramm mit Punkten, um den Verlauf der Inzidenz erkenntlich zu machen

Anhand des Kombinationsdiagramms ist zu erkennen, dass zwischen den Punkten P1 und P2 die 7-Tages-Inzidenz recht niedrig ist, während das Verkehrsaufkommen sich auf einem hohen Niveau mit natürlichen Schwankungen bewegt. Ab der Woche vom 30.10.2021 (P2) beginnt die Inzidenz zu steigen. Gleichzeitig ist ein deutlicher Abfall der des Verkehrs in den kommenden Wochen erkennbar. Was auf den Beginn der vierten Welle und der damit einhergehenden Maßnahmen schließen lässt. In Verlauf der nächsten Wochen bis zum 27.11.2021 (P3) ist ein Anstieg der 7-Tage-Inzidenz erkennbar. Zeit gleich sehen wir auch, dass das Verkehrsaufkommen einen signifikanten Rückgang erlebt. Was uns darauf schließen lässt, dass die anfänglich gestellte Hypothese „Mit steigenden Corona-Inzidenzzahlen sinkt das Verkehrsaufkommen in Mannheim.“ bestätigt werden kann.

Fazit

Reflexion

Zusammenfassend lässt sich sagen, dass das Ziel zur Beantwortung der Hypothese mit Vorbehalt erreicht wurde. Da nur ein kleiner Zeitraum von ca. 15 Wochen untersucht werden konnte, ist es notwendig, weitere Daten hinzuzuziehen, um ein aussagekräftiges Endergebnis zu erhalten. Hierfür ist zum Beispiel der Vergleich mit anderen oder ähnlichen Projekten zur Verifizierung dieses Projektergebnisses sinnvoll. Dennoch gibt das Projektergebnis einen ersten Eindruck und Hinweis darüber, ob und wie der Mannheimer Verkehr durch die Inzidenzzahlen beeinflusst wird. Was für weitere Untersuchungen und Forschungen in diesem Gebiet als Anhalts- und Startpunkt genutzt werden kann.

Ausblick

Als ersten nächsten Schritt sollte eine Erweiterung des Datensatzes in der Form einer Zeitraumausdehnung erfolgen, um die Aussagekraft dieses Projekts zu verstärken. Unser konkretes Beispiel wäre, den Zeitraum bis auf ein gesamtes Jahr zu erweitern, da dadurch alle saisonbedingten Einflussfaktoren berücksichtig werden können. Weiterhin ist es sinnvoll, dass die Daten automatisiert eingelesen werden und somit die Visualisierungen stetig aktualisiert werden.

Als weitere Erweiterung wäre die Einbeziehung von Mobilitätsdaten der Telekom sinnvoll, um nicht nur die Verkehrsmobilität der Einwohner in Mannheim zu messen, sondern die gesamte Mobilität zu berücksichtigen. Hierbei könnten Relationen zwischen Mobilitätsdaten der Telekom und der MVV-Verkehrsdaten untersucht werden. Aber auch eine direkte Relation zwischen der 7-Tages-Inzidenz und den Mobilitätsdaten der Telekom untersucht werden.

Eine weitere Erweiterung könnte sein, dass nicht nur die 7-Tages-Inzidenzen mit einbezogen werden. Sondern auch das die täglichen Fallzahlen genutzt werden, um einzelne Wochen detaillierter auf Tage runtergebrochen analysieren zu können.

Quellen

[1] https://de.statista.com/statistik/daten/studie/1185253/umfrage/veraenderung-der-taeglichen-mobilitaet-durch-das-coronavirus-in-deutschland/

[2] https://gis-trainer.de/de/Leaflet#:~:text=Die%20Bibliothek%20l%C3%A4sst%20sich%20mit,verf%C3%BCgt%20%C3%BCber%20eine%20ausgezeichnete%20Dokumentation.

[3] https://live.osgeo.org/de/overview/leaflet_overview.html