Autobahn-Baustellen in Power BI & Python analysieren

// Excel Power Query – Daten > Daten abrufen > Aus anderen Quellen > Leere Abfrage
// Dann: Start > Erweiterter Editor → diesen Code einfügen

let
    Token   = "IHR_TOKEN_HIER",
    Url     = "https://www.autobahn-baustellen.de/wp-json/autobahn/v1/download/baustellen",

    Daten   = Excel.Workbook(
                  Web.Contents(Url, [Headers = [Authorization = "Bearer " & Token]]),
                  true, true
              ),
    Sheet   = Daten{[Item = "alle-baustellen"]}[Data],

    // Nur Bayern – für regionale Auswertung
    Bayern  = Table.SelectRows(Sheet,
                  each [Bundesland] = "Bayern"),

    // Spalten für Pivot-Tabelle auswählen
    Auswahl = Table.SelectColumns(Bayern, {
                  "Autobahn", "Gesperrt", "Länge (km)",
                  "Max Breite (m)", "Max km/h",
                  "Wetterwarnung", "Warnung Stufe"
              })
in
    Auswahl

// Tipp: Verbindungseigenschaften > Aktualisierung > Beim Öffnen der Datei = ON
// → Excel lädt täglich automatisch den neuesten Stand beim Öffnen

import pandas as pd

TOKEN = "IHR_TOKEN_HIER"
BASE  = "https://www.autobahn-baustellen.de/wp-json/autobahn/v1"
HDR   = {"Authorization": f"Bearer {TOKEN}"}

# ── Datensatz laden – eine Zeile ───────────────────────────
df = pd.read_excel(f"{BASE}/download/baustellen",
                   storage_options={"headers": HDR})

# ── KPI 1: Vollsperrungsquote nach Bundesland ─────────────
kpi_sperrung = (
    df.groupby("Bundesland")
      .agg(
          gesamt       = ("Autobahn", "count"),
          vollsperrung = ("Gesperrt", lambda x: (x=="Ja").sum()),
          km_gesamt    = ("Länge (km)", "sum"),
          mit_warnung  = ("Wetterwarnung", lambda x: x.notna().sum())
      )
      .sort_values("gesamt", ascending=False)
)

# ── KPI 2: Top-Autobahnen nach Vollsperrung ───────────────
kpi_autobahn = (
    df[df["Gesperrt"]=="Ja"]
      .groupby("Autobahn")["Gesperrt"]
      .count()
      .sort_values(ascending=False)
      .head(10)
)

# ── KPI 3: Hochrisiko-Baustellen (Sperrung + Unwetter) ────
hochrisiko = df[
    (df["Gesperrt"] == "Ja") &
    (df["Warnung Stufe"].isin(["Unwetterwarnung", "Extremes Unwetter"]))
]

print(f"Gesamt: {len(df)} | Sperrungen: {(df.Gesperrt=='Ja').sum()} | Hochrisiko: {len(hochrisiko)}")

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots

TOKEN = "IHR_TOKEN_HIER"
HDR   = {"Authorization": f"Bearer {TOKEN}"}
df    = pd.read_excel(
            "https://www.autobahn-baustellen.de/wp-json/autobahn/v1/download/baustellen",
            storage_options={"headers": HDR})

# ── Chart 1: Baustellen-Choropleth nach Bundesland ────────
bl_counts  = df.groupby("Bundesland").size().reset_index(name="Anzahl")
fig_map    = px.bar(bl_counts, x="Bundesland", y="Anzahl",
                    color="Anzahl", color_continuous_scale="Oranges",
                    title="Baustellen nach Bundesland")

# ── Chart 2: Scatter – Länge vs. Tempolimit ───────────────
fig_scatter = px.scatter(
    df.dropna(subset=["Max km/h", "Länge (km)"]),
    x="Max km/h", y="Länge (km)", color="Gesperrt",
    color_discrete_map={"Ja":"#FA6605", "Nein":"#1b8c6e"},
    title="Streckenlänge vs. Tempolimit",
    hover_data=["Autobahn", "Bundesland", "Wetterwarnung"]
)

# ── Chart 3: Geo-Scatter aller Baustellen ────────────────
fig_geo = px.scatter_mapbox(
    df.dropna(subset=["Lat", "Lng"]),
    lat="Lat", lon="Lng", color="Gesperrt",
    color_discrete_map={"Ja":"#FA6605", "Nein":"#1b8c6e"},
    hover_name="Autobahn", mapbox_style="carto-darkmatter",
    zoom=5, center={"lat":51.2, "lon":10.5},
    title="Alle Baustellen – Karte"
)
fig_geo.show()

// Power BI DAX – Measures für das Baustellen-Dashboard
// In der Modellansicht: Neue Measure → Code einfügen

// ── Basis-KPIs ────────────────────────────────────────────
Baustellen gesamt =
    COUNTROWS(Baustellen)

Vollsperrungen =
    CALCULATE(
        COUNTROWS(Baustellen),
        Baustellen[Gesperrt] = "Ja"
    )

Sperrquote % =
    DIVIDE([Vollsperrungen], [Baustellen gesamt], 0) * 100

Mit Wetterwarnung =
    CALCULATE(
        COUNTROWS(Baustellen),
        NOT ISBLANK(Baustellen[Wetterwarnung])
    )

// ── Risiko-Score (Vollsperrung + Unwetter kombiniert) ─────
Hochrisiko Baustellen =
    CALCULATE(
        COUNTROWS(Baustellen),
        Baustellen[Gesperrt] = "Ja",
        Baustellen[Warnung Stufe]
            IN {"Unwetterwarnung", "Extremes Unwetter"}
    )

// ── Gesamtstreckenlänge in km ──────────────────────────────
Gesamt km =
    SUMX(Baustellen, Baustellen[Länge (km)])

// ── Durchschnittliche Baustellen-Länge ────────────────────
Ø Länge km =
    AVERAGEX(
        FILTER(Baustellen, Baustellen[Länge (km)] > 0),
        Baustellen[Länge (km)]
    )

// ── Engstellen LKW-kritisch (< 3,5 m Breite) ─────────────
LKW Engstellen =
    CALCULATE(
        COUNTROWS(Baustellen),
        Baustellen[Max Breite (m)] > 0,
        Baustellen[Max Breite (m)] < 3.5
    )