×
This Challenge was posted 11 months ago
Challenge view
Back to ProjectRocero: Auswertung des Füllverhaltens der Glassammelstellen
Wir haben Korrelation zwischen Bevölkerung und Füllverhalten analysiert, sowie eine zeitliche Vorhersage der Füllhöhe pro Sensor errechnet.
Open Data Hack SG 2023: Füllverhalten von Glas-Sammelstellen
- Untersuchung der Fülldaten
- Bereinigung der Fülldaten
- Ausreisser entfernen
- Glätten
- Splitten der Daten in Perioden zwischen Entleerungen
Trainieren eines linearen Modells mit linearer Regression
Graphen von den Trainieren Modellen
Aufbau des Repos
- Sensordaten und lineares Modell
src/prepare_and_split_data.py
: Script um Sensordaten zu Bereinigensrc/prepare_and_split_data.ipynb
: Experimenteller Code um Sensordaten bereinigensrc/calculate_slope_per_station.py/.ipynb
: Füllgeschwindigkeiten von bereinigten Sensordaten berechnen.src/calc_prediction_accuracy.py
: Berechnen des Standard Errors mit Testdaten.
- Zusammenhang von Füllgeschwindigkeit und Bevölkerungsdichte
src/get_population_per_collection_point.py
: Zuweisen von Quartier/Bevölkerung und Sammelstellesrc/calculate_slope_with_population.py
: Untersuchung von Zusammenhang
Resultate
Diagramme und Grafiken in img/
Ordner.
Füllgeschwindigkeiten und weitere statistische Werte in results/*_slopes.csv
.
Infos
- So, 9:00: Submission
- Dribdat Project https://hack.opendata.ch/event/66
- 3min Pitch Video
Team
- Dominik Gschwind, @N3xed
- Cedric Christen, @cedi4155476
- Roman Weiss, @romanweiss123
- Roméo Bornand
This content is a preview from an
external site.