-
Notifications
You must be signed in to change notification settings - Fork 0
/
verursacher.R
190 lines (140 loc) · 7.84 KB
/
verursacher.R
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
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
# X01 und X02 vergröbert: siehe Kommentare in "notizen.txt"
X01g <- rep(NA, length(vums2016$X01))
X02g <- rep(NA, length(vums2016$X02))
X01g[vums2016$X01 %in% 70:79] <- "Rad"
X01g[vums2016$X01 %in% c(10:59, 201, 221)] <- "KFZ"
X01g[(vums2016$X01 %in% c(80:81, 83:88)) | (vums2016$X01 == 89 & vums2016$X2..Ursache %in% 60:69)] <- "Fuß"
X01g[(vums2016$X01 %in% c(1:9, 60:69, 82, 90:99)) | (vums2016$X01 == 89 & !(vums2016$X2..Ursache %in% 60:69))] <- "sonst"
X02g[vums2016$X02 %in% 70:79] <- "Rad"
X02g[vums2016$X02 %in% c(10:59, 201, 221)] <- "KFZ"
X02g[(vums2016$X02 %in% c(80:81, 83:88)) | (vums2016$X02 == 89 & vums2016$X2..Ursache %in% 60:69)] <- "Fuß"
X02g[(vums2016$X02 %in% c(1:9, 60:69, 82, 90:99)) | (vums2016$X02 == 89 & !(vums2016$X2..Ursache %in% 60:69))] <- "sonst"
vums2016g <- data.frame(vums2016, X01g, X02g)
vums2016gnamed <- vums2016g
names(vums2016gnamed)[c(42, 43)] <- c("Hauptverursacher", "Zweitbeteiligter")
Folgen <- rep(NA, length(vums2016$T))
Folgen[!is.na(vums2016$LV)] <- "LV"
Folgen[!is.na(vums2016$SV)] <- "SV"
Folgen[!is.na(vums2016$"T")] <- "T"
Folgen[is.na(Folgen)] <- "Sach"
vums2016gnamed <- data.frame(vums2016gnamed, Folgen = Folgen)
vums2016gnamed$Folgen <- factor(vums2016gnamed$Folgen, levels = c("T", "SV", "LV", "Sach"))
# ----------------
# Kreuztabelle Verursacher Unfälle
# Zeile: 01, Spalte: 02
table(vums2016g$X01g, vums2016g$X02g, useNA = "ifany")
#xtable(table(vums2016g$X02g, vums2016g$X01g, useNA = "ifany"))
# Hauptverursacher (X01) nach Opfer (X02)
allX01 <- ggplot(subset(vums2016g, !is.na(X02g)), aes(x = X01g)) + geom_bar() +
facet_grid(X02g ~ ., scales = "free") +
xlab("Hauptverursacher") + ylab("Anzahl Unfälle")
allX01
# Opfer (X02) nach Hauptverursacher (X01)
allX02 <- ggplot(subset(vums2016g, !is.na(X02g)), aes(x = X02g)) + geom_bar() +
# facet_grid(X01g ~ ., scales = "free") +
facet_grid(X01g ~ .) +
xlab("Opfer") + ylab("Anzahl Unfälle")
allX02
#fill <- list(
# aes(fill = X02g),
# #theme(legend.title = element_blank()),
# scale_fill_brewer(palette = "Blues"))
#prodplot(subset(vums2016g, !is.na(X02g)), ~ X02g + X01g, mosaic()) + fill
verursacherFluct <- prodplot(subset(vums2016gnamed, !is.na(Zweitbeteiligter)),
~ Zweitbeteiligter + Hauptverursacher, flucts()) +
aes(fill = Zweitbeteiligter) + scale_fill_brewer(palette = "Blues")
verursacherFluct
verursacherMosaic <- prodplot(subset(vums2016gnamed, !is.na(Zweitbeteiligter)),
~ Zweitbeteiligter + Hauptverursacher, mosaic()) +
aes(fill = Zweitbeteiligter) + scale_fill_brewer(palette = "Blues")
verursacherMosaic
verursacherX01 <- prodplot(subset(vums2016gnamed, !is.na(Zweitbeteiligter)),
~ Hauptverursacher, mosaic(direction="h")) +
aes(fill = Hauptverursacher) + scale_fill_manual(values = rep("white", 4))
verursacherX01
verursacherMosaic2 <- prodplot(subset(vums2016gnamed, !is.na(Zweitbeteiligter)),
~ Hauptverursacher + Zweitbeteiligter, mosaic()) +
aes(fill = Hauptverursacher) + scale_fill_brewer(palette = "Blues")
verursacherMosaic2
verursacherMosaic3 <- prodplot(subset(vums2016gnamed, !is.na(Zweitbeteiligter)),
~ Hauptverursacher | Zweitbeteiligter, mosaic()) +
aes(fill = Hauptverursacher) + scale_fill_brewer(palette = "Blues")
verursacherMosaic3
# nur Unfälle mit Radbeteiligung
radbetg <- subset(vums2016g, X01g == "Rad" | X02g == "Rad")
radbetgnamed <- subset(vums2016gnamed, Hauptverursacher == "Rad" | Zweitbeteiligter == "Rad")
# Kreuztabelle Verursacher Unfälle mit Radbeteiligung
# Zeile: 01, Spalte: 02
table(radbetg$X01g, radbetg$X02g, useNA = "always")
prop.table(table(radbetg$X01g)) # enthält auch die Alleinunfälle
prop.table(table(radbetg$X01g[!is.na(radbetg$X02g)]))
radbetX01 <- ggplot(subset(radbetgnamed, !is.na(Zweitbeteiligter)), aes(x = Hauptverursacher)) + geom_bar() +
ylab("Anzahl Radunfälle (ohne Alleinunfälle)")
radbetX01
radbetX01Folgen <- ggplot(subset(radbetgnamed, !is.na(Zweitbeteiligter)), aes(x = Hauptverursacher, fill = Folgen)) +
geom_bar(position = "stack") + scale_fill_brewer(palette = "Reds", direction = -1) +
ylab("Anzahl Radunfälle (ohne Alleinunfälle)")
radbetX01Folgen
kfzbetg <- subset(vums2016g, X01g == "KFZ" | X02g == "KFZ")
kfzbetgnamed <- subset(vums2016gnamed, Hauptverursacher == "KFZ" | Zweitbeteiligter == "KFZ")
kfzbetX01 <- ggplot(subset(kfzbetgnamed, !is.na(Zweitbeteiligter)), aes(x = Hauptverursacher)) + geom_bar() +
ylab("Anzahl KFZ-Unfälle (ohne Alleinunfälle)")
kfzbetX01
prop.table(table(kfzbetgnamed$Hauptverursacher))
kfzbetX01Folgen <- ggplot(subset(kfzbetgnamed, !is.na(Zweitbeteiligter)), aes(x = Hauptverursacher, fill = Folgen)) +
geom_bar(position = "stack") + scale_fill_brewer(palette = "Reds", direction = -1) +
ylab("Anzahl KFZ-Unfälle (ohne Alleinunfälle)")
kfzbetX01Folgen
# KFZ vs. Rad
# -----------
KFZvsRad <- subset(vums2016gnamed, (Hauptverursacher == "KFZ" & Zweitbeteiligter == "Rad") | (Hauptverursacher == "Rad" & Zweitbeteiligter == "KFZ"))
KFZvsRad$Hauptverursacher <- factor(KFZvsRad$Hauptverursacher, levels = c("KFZ", "Rad"))
KFZvsRad$Zweitbeteiligter <- factor(KFZvsRad$Zweitbeteiligter, levels = c("KFZ", "Rad"))
dim(KFZvsRad) # 700 Unfälle zwischen Rad und KFZ
prop.table(table(KFZvsRad$Hauptverursacher)) # Bei 62.6% dieser Unfälle ist der KFZ-Fahrer Hauptverursacher
#table(KFZvsRad$Hauptverursacher, KFZvsRad$Zweitbeteiligter)
KFZvsRadX01 <- ggplot(KFZvsRad, aes(x = Hauptverursacher)) + geom_bar() + ylab("Anzahl Unfälle")
KFZvsRadX01
KFZvsRadX01Folgen <- ggplot(KFZvsRad, aes(x = Hauptverursacher, fill = Folgen)) +
geom_bar(position = "stack") + ylab("Anzahl Unfälle") + scale_fill_brewer(palette = "Reds", direction = -1)
KFZvsRadX01Folgen
# besser:
KFZvsRadX01Mosaic <- prodplot(KFZvsRad, ~ Hauptverursacher, mosaic(direction = "h"))
KFZvsRadX01Mosaic
KFZvsRadX01FolgenMosaic <- prodplot(KFZvsRad, ~ Folgen + Hauptverursacher, mosaic()) +
aes(fill = Folgen) + scale_fill_brewer(palette = "Reds", direction = -1)
KFZvsRadX01FolgenMosaic
table(KFZvsRad$Folgen)
# Ursachen
table(KFZvsRad$X2..Ursache)
table(KFZvsRad$Ursache)
table(KFZvsRad$Typ, useNA = "ifany")
table(KFZvsRad$Typ[KFZvsRad$Folgen %in% c("T", "SV", "LV")])
table(KFZvsRad$Typ[KFZvsRad$Hauptverursacher == "KFZ"])
sum(KFZvsRad$Folgen %in% c("T", "SV", "LV")) # 413 der 700 Unfälle KFZ vs Rad sind mit Verletzten / Toten
# KFZ vs. Fuß
# -----------
KFZvsFu <- subset(vums2016gnamed, (Hauptverursacher == "KFZ" & Zweitbeteiligter == "Fuß") | (Hauptverursacher == "Fuß" & Zweitbeteiligter == "KFZ"))
KFZvsFu$Hauptverursacher <- factor(KFZvsFu$Hauptverursacher, levels = c("KFZ", "Fuß"))
KFZvsFu$Zweitbeteiligter <- factor(KFZvsFu$Zweitbeteiligter, levels = c("KFZ", "Fuß"))
dim(KFZvsFu) # 117 Unfälle zwischen Fuß und KFZ
prop.table(table(KFZvsFu$Hauptverursacher)) # Bei 61.5% dieser Unfälle ist der KFZ-Fahrer Hauptverursacher
table(KFZvsFu$Hauptverursacher, KFZvsFu$Zweitbeteiligter)
KFZvsFuX01 <- ggplot(KFZvsFu, aes(x = Hauptverursacher)) + geom_bar() + ylab("Anzahl Unfälle")
KFZvsFuX01
KFZvsFuX01Folgen <- ggplot(KFZvsFu, aes(x = Hauptverursacher, fill = Folgen)) +
geom_bar(position = "stack") + ylab("Anzahl Unfälle") + scale_fill_brewer(palette = "Reds", direction = -1)
KFZvsFuX01Folgen
# besser:
KFZvsFuX01Mosaic <- prodplot(KFZvsFu, ~ Hauptverursacher, mosaic(direction = "h"))
KFZvsFuX01Mosaic
KFZvsFuX01FolgenMosaic <- prodplot(KFZvsFu, ~ Folgen + Hauptverursacher, mosaic()) +
aes(fill = Folgen) + scale_fill_brewer(palette = "Reds", direction = -1)
KFZvsFuX01FolgenMosaic
table(KFZvsFu$Folgen)
# KFZ vs all
KFZvsall <- subset(vums2016gnamed, (Hauptverursacher == "KFZ") | (Zweitbeteiligter == "KFZ"))
dim(KFZvsall) # 10108 Unfälle mit KFZ-Beteiligung
table(KFZvsall$Hauptverursacher, KFZvsall$Zweitbeteiligter)
prop.table(table(KFZvsall$Hauptverursacher)) # Bei 87.3% dieser Unfälle ist ein KFZ-Fahrer Hauptverursacher
#