sebastian-gerken / hauptseminararbeit_genauigkeit_automatisierter_zahlungen_fuss_rad

Hauptseminararbeit: Genauigkeit automatisierter Zahlungen des Fuß- und Radverkehrs

Dieses Repository enthält Skripte und Daten für Hauptseminararbeit zur Genauigkeit automatisierter Zahlungen des Rad- und Fußverkehrs. Diese Dokumentation ist in teilen mit Hilfe von ChatGPT entstanden.

Struktur des Repositorys

Das Repository ist wie folgt organisiert:

• .vscode: Dieses Verzeichnis enthält Einstellungen für den Editor Visual Studio Code.
• auswertung_output: In diesem Verzeichnis werden Ausgabedateien gespeichert, die von den Auswertungsskripten erstellt werden.
• binaererklassifikator: Dieses Verzeichnis enthält das Skript für den Binärklassifikator und zugehörige Dateien.
• data: In diesem Verzeichnis befinden sich die Daten, die im Projekt verwendet werden.
• plots: Dieses Verzeichnis enthält erzeugte Plot-Dateien.
• Auswertung.Rproj: Dies ist die Datei für das R-Projekt.
• README.md: Diese Datei bietet einen Überblick über das Repository und Anleitungen zur Verwendung der Skripte.
• auswertung.ipynb: Dies ist eine Jupyter-Notebook-Datei, die das Auswertungsskript zur Vorfilterung enthält.
• ganglinienplot.R: Dieses R-Skript erzeugt feine Ganlinien, wurde aber letzendlich nicht für die Untersuchung verwendet.
• merge.R: Dieses R-Skript führt mehrere Datendateien zusammen.
• plot.R: Dieses R-Skript erzeugt die Plots zur visualisierung der Ergebnisse.
• referenzdaten_fehlerplot.R: Dieses R-Skript erstellt eine Fehlertabelle basierend auf Referenzdaten.
• referenzdaten_fehleruntersuchung.ipynb: Dies ist eine Jupyter-Notebook-Datei, die ein Skript zur Untersuchung von Fehlern in den Referenzdaten enthält.
• schnittpunkt_plot.R: Dieses R-Skript erzeugt einen Plot, welcher potenzielle Fehler veranschaulicht.

Weitere Details sind in dem Hauptdikument zu finden.

Trafficcount-cv-gt-evaluation

Dieses Skript verarbeitet Verkehrsereignisdaten von OpenTrafficCam OTVision, die mit OTAnalytic und Groundtruth-Daten verarbeitet wurden, und gibt eine Reihe von binären Klassifikationstests für jedes Intervall aus.

Abhängigkeiten für Python

• pandas
• numpy
• seaborn
• matplotlib
• re
• datetime

Voraussetzungen für R

• R (Version 3.6.0 oder höher)
• R-Pakete: tidyverse, lubridate