Hugging Face's logo

Spaces:
Archaeo
/
Cologne_Car_Crash
Sleeping

App Files Community
Cologne_Car_Crash
File size: 4,486 Bytes 
c0e18f1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
 
import streamlit as st
import pandas as pd
import pydeck as pdk
from opencage.geocoder import OpenCageGeocode

# Replace 'YOUR_API_KEY' with your actual OpenCage API key
geocoder = OpenCageGeocode('ac8657fff8634409b4ace821b905ada3')

# Daten einlesen
file_path = 'Unfallstatistik 2021.csv'
data = pd.read_csv(file_path, delimiter=';')

# Daten bereinigen
data['XGCSWGS84'] = data['XGCSWGS84'].str.replace(',', '.').astype(float)
data['YGCSWGS84'] = data['YGCSWGS84'].str.replace(',', '.').astype(float)

# Titel der App
st.title('Unfallstatistik 2021')

# Kartenstil Auswahl
map_style_option = st.selectbox(
    'Wählen Sie den Kartenstil:',
    ('OpenStreetMap', 'Pydeck Light Map', 'Pydeck Dark Map', 'Cesium Standard 3D')
)

# Entsprechenden map_style bestimmen
map_styles = {
    'OpenStreetMap': 'https://basemaps.cartocdn.com/gl/voyager-gl-style/style.json',
    'Pydeck Light Map': 'mapbox://styles/mapbox/light-v10',
    'Pydeck Dark Map': 'mapbox://styles/mapbox/dark-v10',
    'Cesium Standard 3D': 'https://assets.agi.com/stk-terrain/world'
}
map_style = map_styles[map_style_option]

# Layer Optionen und Erstellung
layer_options = {
    'Radfahrer': {'column': 'IstRad', 'color': [255, 0, 0]},
    'PKW': {'column': 'IstPKW', 'color': [0, 255, 0]},
    'Fußgänger': {'column': 'IstFuss', 'color': [0, 0, 255]}
}

# Erstellen der Layer basierend auf Benutzerauswahl
layers = [
    pdk.Layer(
        "ScatterplotLayer",
        data[data[details['column']] == 1],
        get_position='[XGCSWGS84, YGCSWGS84]',
        get_radius=100,
        get_color=details['color'],
        pickable=True,
        tooltip={"text": f"{option} beteiligt"}
    ) for option, details in layer_options.items() if st.checkbox(f'{option} beteiligt', True)
]

# Kartenansicht konfigurieren
view_state = pdk.ViewState(latitude=data['YGCSWGS84'].mean(), longitude=data['XGCSWGS84'].mean(), zoom=11, pitch=0)

# Pydeck-Karte anzeigen, falls Layer vorhanden
if layers:
    r = pdk.Deck(layers=layers, initial_view_state=view_state, map_style=map_style)
    st.pydeck_chart(r)
else:
    st.error("Bitte wählen Sie mindestens eine Unfallbeteiligungsoption.")

# Heatmap Layer
if st.checkbox('Heatmap anzeigen'):
    heatmap_layer = pdk.Layer(
        'HeatmapLayer',
        data,
        get_position='[XGCSWGS84, YGCSWGS84]',
        opacity=0.9,
        get_weight="1",
        radius_pixels=30,
        intensity=1,
        threshold=0.05,
        color_range=[(63, 40, 102), (108, 57, 123), (142, 73, 133), (178, 88, 142), (216, 104, 149),
                     (248, 120, 150), (252, 148, 139), (253, 174, 120), (254, 200, 100), (255, 227, 80)]
    )
    heatmap = pdk.Deck(
        layers=[heatmap_layer],
        initial_view_state=view_state,
        map_style=map_style
    )
    st.subheader("Heatmap der Unfallhäufigkeit")
    st.pydeck_chart(heatmap)

# Datenanzeige
if st.checkbox('Daten anzeigen'):
    st.write("Hier sind die Daten der Unfallstatistik 2021:")
    st.dataframe(data)

# Funktion für Reverse Geocoding mit OpenCage
def reverse_geocode(lat, lon):
    results = geocoder.reverse_geocode(lat, lon)
    if results and len(results):
        return results[0]['formatted']
    else:
        return "Unbekannte Straße"

# Gruppierung nach Koordinaten und Unfälle zählen
st.subheader('Top 5 gefährlichste Orte nach Unfallhäufigkeit')

# Unfallhäufigkeit nach Koordinaten ermitteln
most_accident_locations = data.groupby(['XGCSWGS84', 'YGCSWGS84']).size().reset_index(name='Unfallanzahl')
most_accident_locations = most_accident_locations.nlargest(5, 'Unfallanzahl')

# Straßennamen durch Reverse Geocoding ermitteln
most_accident_locations['Straßenname'] = most_accident_locations.apply(
    lambda row: reverse_geocode(row['YGCSWGS84'], row['XGCSWGS84']), axis=1
)

# Anzeigen der Liste mit den häufigsten Unfallorten und Straßennamen
st.write("Top 5 Unfallorte nach Koordinaten und Anzahl der Unfälle:")
st.table(most_accident_locations[['XGCSWGS84', 'YGCSWGS84', 'Unfallanzahl', 'Straßenname']])

# Farblegende
st.markdown("""
<style>
.dot {
    height: 15px;
    width: 15px;
    border-radius: 50%;
    display: inline-block;
}
</style>
<h4>Farblegende</h4>
<span class="dot" style="background-color: rgb(255, 0, 0);"></span> Radfahrer beteiligt<br>
<span class="dot" style="background-color: rgb(0, 255, 0);"></span> PKW beteiligt<br>
<span class="dot" style="background-color: rgb(0, 0, 255);"></span> Fußgänger beteiligt
""", unsafe_allow_html=True)