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.本数据集基于推特（Twitter）、开放街道地图（OpenStreetMap，OSM）与优步出行（Uber Movement）数据，模拟得到街道层级的平均单日逐小时交通速度（单位：千米/小时）。本次数据集涵盖巴塞罗那、柏林、辛辛那提、基辅、伦敦、马德里、内罗毕、纽约市、旧金山、圣保罗及西雅图共11座城市。 研究方法： 本研究依托推特（Twitter）与开放街道地图（OSM）数据，通过机器学习训练多类模型，用于预测城市内部交通速度。研究以优步公开发布的出行数据（https://movement.uber.com）作为参考基准数据集。模型输入特征包含：OSM标签中的highway（道路类型）与maxspeed（最高限速）、当日时刻，以及对应道路周边的推文总量。此外，本研究基于人口空间分布与相关兴趣点（Points of Interest，POIs），通过开放路线服务（openrouteservice）模拟机动车出行轨迹，并将该模拟结果纳入模型考量范畴。 本次交通速度建模所用数据源包括：优步出行（Uber Movement）数据（©2022优步科技公司，https://movement.uber.com）、开放街道地图（OSM，涵盖ohsome API与Geofabrik数据源），以及Twitter API（https://developer.twitter.com/en/docs/twitter-api）。