Schutzblech oder Regenschirm?¤ge... · 2017. 3. 17. · 02.11.2016 Statistiktage 2016 / Neuenburg...

Statistisches Amt

Präsidialdepartement des Kantons Basel-Stadt

Schutzblech oder Regenschirm?Wetterbereinigte Zeitreihen des Veloaufkommens im Kanton Basel-Stadt

Statistiktage 2016, Neuenburg

Lukas Mohler, Statistisches Amt des Kantons Basel-Stadt

Statistisches Amt


Motivation:

• Im Verkehrsleitbild des Kantons Basel-Stadt ist festgehalten:

• dass steigender Veloverkehr einerseits die öffentlichen Verkehrsmittel zu

Spitzenzeiten entlasten

• und andererseits einen Teil des motorisierten Individualverkehrs ersetzen

soll.

• Das Amt für Mobilität hat die Entwicklungen im Bereich Verkehr zu überprüfen

und dem Regierungsrat Bericht zu erstatten.

• Das bedingt eine entsprechende vorausgehende Informationsgewinnung, z.B.

die Messung der Verkehrszahlen.

Warum wetterbereinigte Zeitreihen des Veloverkehrs?

02.11.2016 Statistiktage 2016 / Neuenburg ‒ Schutzblech oder Regenschirm? | 2

Statistisches Amt


Motivation:

• Im Bereich des Veloverkehrs wird dafür unter anderem auf ein Netz von über

20 fest installierten Velozählstellen im ganzen Kantonsgebiet zurückgegriffen.



InduktionsschlaufenZählgerät

Statistisches Amt


Motivation:

• Das Amt für Mobilität erstellt daraus einen jährlichen Index der

Velofrequenzen. Allerdings wurde folgendes festgestellt:

• Der Indexstand schwankt von Jahr zu Jahr stark.

• Eine Betrachtung von Wetterdaten weist darauf hin, dass diese

Schwankungen wetterbedingt sein könnten.

• Es resultierte das Bedürfnis

• mehr über den Wettereinfluss auf die Velofrequenzen zu erfahren

• und einen Velo-Index konstruieren zu können, welcher bei einem «gleich

bleibenden» Wetterverhalten zustande kommen würde.

Auftrag an das Statistische Amt Basel-Stadt



Statistisches Amt


Regressionsanalyse

• mit geeignetem Schätzer,

• welcher separat für jede Zählstelle und jede Fahrtrichtung

• die täglichen Velofrequenzen

• mittels Wettervariablen und anderen erklärenden Faktoren

• zu beschreiben versucht.

Es resultieren

• geschätzte Koeffizienten, welche die Stärke des Wettereinflusses

beschreiben

• sowie Voraussagen, wie die Velofrequenz mit «konstantem» Wetter

ausgesehen hätte.

Analysestrategie


Statistisches Amt


Abhängige Variable: Velofrequenzen an über 20 Zählstellen.Grafik: Abbildung der Tagesfrequenzen (Wettsteinbrücke, Fahrtrichtung 1):

Datengrundlage


0

1 000

2 000

3 000

4 000

5 000

6 000

200

6

200

7

200

8

200

9

201

0

201

1

201

2

201

3

201

4

201

5

Statistisches Amt


Jahresganglinien: Wochenganglinien:

:

Datengrundlage


0

500

1 000

1 500

2 000

2 500

3 000

3 500

4 000

4 500

Ja

nu

ar

Fe

bru

ar

Mä

rz

Apri

l

Ma

i

Ju

ni

Ju

li

Aug

ust

Sep

tem

be

r

Okto

ber

Novem

be

r

Dezem

be

r

0

500

1 000

1 500

2 000

2 500

3 000

3 500

4 000

4 500

Mo

nta

g

Die

nsta

g

Mittw

och

Donne

rsta

g

Fre

ita

g

Sam

sta

g

Son

nta

g

Statistisches Amt


Tagesganglinien Mo-Fr: Tagesganglinien Sa-So:

Datengrundlage


0

50

100

150

200

250

300

350

400

0 2 4 6 8 10 12 14 16 18 20 22

0

50

100

150

200

250

300

350

400

0 2 4 6 8 10 12 14 16 18 20 22

Statistisches Amt


Erklärende Variablen:

• Verfügbare Wetterdaten für Basel-Stadt:

Datengrundlage


Typ Frequenz

Sonnenscheindauer stündlich

Regenmenge stündlich

Mittlere Temperatur stündlich

Maximale Temperatur stündlich

Minimale Temperatur stündlich

Maximale Windstärke stündlich

Schneehöhe morgens täglich

Schneehöhe abends täglich

Statistisches Amt


Erklärende Variablen:

• Eigene «Veranstaltungsdatenbank» Basel-Stadt (Auswahl):

Datengrundlage


Feiertage, Messen Sport

Feiertage Fussballspiele, Eishockeyspiele

Ferien Swiss Indoors, TopVolley, Badminton, CSI

Semesterferien Stadtlauf, Marathon, Birslauf, Bruggelauf

Grosse Messen und Kongresse Quer durch Basel, Waldlauf Lange Erlen

Rheinschwimmen, SlowUp

Kultur Sonstiges

Tattoo, Baloise Session, Bscene Herbstmesse, Weihnachtsmarkt

Grosse Konzerte (St.Jakob) Verkaufsoffene Sontage

Summerblues, Bebbi si Jazz, Jazzfestival Feuerwerke (Silvester, August)

Imagine, JKF, Im Fluss, Basel Open Air Sportnacht, Museumsnacht

Fasnacht, Schulfasnacht, Bummelsonntage Vogel Gryff, Klosterbergfest, Hafenfest

Statistisches Amt


Variablen für das Modell zur Erklärung der Velofrequenzen:

• Abhängige Variable:

• Tägliche Velofrequenz

• Erklärende Variablen:

• Tagesmerkmale: Wochenende, Monat, Feiertag, Ferien, Veranstaltungen

• Wetterdaten: Sonnenscheindauer, Regenmenge, mittlere Temperatur,

maximale Windgeschwindigkeit, Schneehöhe morgens und abends

• Transformationen von / Interaktionsvariablen zwischen Wetterdaten sowie

zwischen Wetterdaten und Tagesmerkmalen:

• Beispiele: Interaktion mittlere Temperatur mit Sonnscheindauer, Interaktion

Regenmenge mit Wochenend-Dummy, Temperatur im Quadrat, Wetter am

frühen Morgen, gelaggte Werte von Wettervariablen usw.

Methodisches Vorgehen


Statistisches Amt


Verschiedene Herausforderungen:

1. Spezifikation der Schätzgleichung:

• Separate Schätzung für jede Zählstelle: Immer die gleiche Spezifikation?

• Verschiedenste Möglichkeiten bei der Auswahl der erklärenden Variablen

(Interaktionen, Terme höherer Ordnung)

• Verschiedene Transformationsmöglichkeiten der Variablen (log, sqrt,…)

Für jede Zählstelle werden Dutzende verschiedene Spezifikationen

geschätzt mit unterschiedlichen erklärenden Variablen und

unterschiedlicher Transformation der abhängigen Variable.



Statistisches Amt


Verschiedene Herausforderungen:

2. Der Datensatz enthält viele potentielle Ausreisser. Lösungsansätze:

• Zusätzliche erklärende Variablen! (=> insb. Veranstaltungen)

• Wahl der Schätzmethode:

• OLS plus Ausreisser-Identifikation und -Eliminierung

• Robuste Regression (MM-Estimation)

• Poisson-Regression, robuste Poisson-Regression

Diagnostik:

Residual plots, Q-Q-Plots, …

Adj. R2, AIC, …

Vergleich Koeffizienten und Voraussagen



0

2 000

4 000

6 000

8 000

10 000

12 000

201

1

201

2

201

3

201

4

2015

Statistisches Amt


Finale Schätzspezifikation: «so simpel wie möglich, so komplex wie nötig»

• OLS mit Ausreisser-Eliminierung:

• Diagnostische Tests i.O.

• Resultierende Koeffizienten und Predictions sehr nahe an robuster

Regression- und Poisson-Regression, keine Konvergenzprobleme

• Einfachste Interpretation der Koeffizienten

• Relativ «einfache» Schätzspezifikation:

• Log-linear-Modell erfüllt Verteilungsannahmen; Resultate sind einfach

interpretierbar.

• Interaktionen bringen kaum Verbesserung, Beurteilung des

Wettereinflusses wäre aber komplizierter

• Terme höherer Ordnung bringen keine Verbesserung, auch diese würden

Interpretation erschweren.



Statistisches Amt


Einfluss des Wetters auf die Velobewegungen

• Über 20 Zählstellen, meist zwei Richtungen: Resultate variieren, Muster ist

aber überall ähnlich: Sonne +, Temperatur +, Regen -, Schnee -

• Mittelwerte und Mediane der wichtigsten Wetterkoeffizienten über alle

Zählstellen und Fahrtrichtungen:

Resultate


Koeffizient Mittelwert Median

Regen in mm -1.6% -1.6%

Sonnenscheindauer in Stunden 1.6% 1.5%

Mittlere Temperatur in °C 0.2% 1.0%

Schneemenge morgens in cm -3.0% -1.7%

Schneemenge abends in cm -2.3% -1.8%

Maximale Windstärke in km/h 0.0% 0.0%

Statistisches Amt


Voraussagen des Modells

• Voraussage mit den tatsächlich beobachteten Originaldaten: Wie gut kann

unser Modell die beobachteten Werte abbilden? => R2 > 90%

Resultate


50 000

60 000

70 000

80 000

90 000

100 000

110 000

120 000

130 000

Ja

n 0

6

Ju

l 06

Ja

n 0

7

Ju

l 07

Ja

n 0

8

Ju

l 08

Ja

n 0

9

Ju

l 09

Ja

n 1

0

Ju

l 10

Ja

n 1

1

Ju

l 11

Ja

n 1

2

Ju

l 12

Ja

n 1

3

Ju

l 13

Ja

n 1

4

Ju

l 14

Ja

n 1

5

Ju

l 15

Voraussage Modell mit Originaldaten Originalreihe

Wettsteinbrücke, Fahrtrichtung 1

Statistisches Amt



• Voraussagen des Modells mit «künstlichen» Wetterdaten? => Wetterdaten

2008 für alle Jahre, Wetterverhalten bleibt «konstant».

Resultate


50 000

60 000

70 000

80 000

90 000

100 000

110 000

120 000

130 000

Ja

n 0

6

Ju

l 06

Ja

n 0

7

Ju

l 07

Ja

n 0

8

Ju

l 08

Ja

n 0

9

Ju

l 09

Ja

n 1

0

Ju

l 10

Ja

n 1

1

Ju

l 11

Ja

n 1

2

Ju

l 12

Ja

n 1

3

Ju

l 13

Ja

n 1

4

Ju

l 14

Ja

n 1

5

Ju

l 15

Voraussage Modell mit Wetterdaten 2008 Originalreihe


Statistisches Amt



• Wetterbereinigte Daten =

Originalwerte – (Voraussage Originalwetter – Voraussage Wetter 2008)

Resultate


50 000

60 000

70 000

80 000

90 000

100 000

110 000

120 000

130 000

Ja

n 0

6

Ju

l 06

Ja

n 0

7

Ju

l 07

Ja

n 0

8

Ju

l 08

Ja

n 0

9

Ju

l 09

Ja

n 1

0

Ju

l 10

Ja

n 1

1

Ju

l 11

Ja

n 1

2

Ju

l 12

Ja

n 1

3

Ju

l 13

Ja

n 1

4

Ju

l 14

Ja

n 1

5

Ju

l 15

Wetterbereinigte Reihe Originalreihe


Statistisches Amt



• Jahresaggregate der wetterbereinigten Zahlen:

Resultate


950 000

1 000 000

1 050 000

1 100 000

1 150 000

1 200 000

200

6

200

7

200

8

200

9

201

0

201

1

201

2

201

3

201

4

201

5

Wetterbereinigte Reihe Originalreihe


Statistisches Amt


Wetterbereinigter Velo-Index

• Verschiedene Zählstellen zu einem Index zusammengefasst:

Resultate


110.6

105.7

106.9

119.6

126.3

103.1 102.8 103.4

110.7

115.3

95

100

105

110

115

120

125

130

2010 2011 2012 2013 2014 2015

Index Velo Index Velo wetterbereinigt

Statistisches Amt


Bedürfnis des Amts für Mobilität nach:

• Informationen über den Wettereinfluss auf die Velofrequenzen und

• Velo-Index, der nicht vom Wetter beeinflusst wird.

Lösungsansatz: Regressionsanalyse, welche die Velofrequenzen mit

• Wetterdaten sowie

• Tagesmerkmalen und Veranstaltungen zu erklären versuchen.

Resultat:

• Mittlerer Einfluss der Wettervariablen für jede Zählstelle

• Wetterbereinigte Zeitreihen für jede Zählstelle

Zusammenfassung und Schluss


Date post:	21-Sep-2020
Category:	Documents
Upload:	others
View:	1 times
Download:	0 times

Schutzblech oder Regenschirm?¤ge... · 2017. 3. 17. · 02.11.2016 Statistiktage 2016 / Neuenburg...

Documents