erste Schritte in Richtung Vehicles-Analyse, die dann auch Grundlage …

…für W2W sein kann

src/main/R/KaiMT/FoodResults_Data_multiDir_Vehicles.R

@@ -0,0 +1,183 @@
+##Fasse Ergebnisse aus den verschiedenen Runs zusammen
+## KMT Okt'24
+
+####TODOS
+# - Prüfen, dass das Umwandlung in Tabelle für LaTex gut klappt, ggf. Infos anpassen
+# - ggf. Rundung der Werte
+# -aufs Jahr hochrechnen???
+
+#### Erweiterungen FZG
+# - für Anzahl Fahrzeuge nach Typ (wie schon in Ch9 der Diss)
+# - für vkm travelled nach Typ (wie schon in Ch9 der Diss)
+# -- Das muss dann Umrechnung nach ICEV und Fzg Größe enthalten. 
+# - Dazu dann immer noch Summenspalte ICEV, BEV, Gesamt
+# - Das dann mal abgleichen mit aktueller Variante in Diss
+
+
+# #setwd("C:/git-and-svn/shared-svn/projects/freight/studies/UpdateEventsfromEarlierStudies/foodRetailing_wo_rangeConstraint/71_ICEVBEV_NwCE_BVWP_10000it_DCoff_noTax/analysis")
+# EFood <- FALSE
+setwd("C:/git-and-svn/shared-svn/projects/freight/studies/UpdateEventsfromEarlierStudies/foodRetailing_with_rangeConstraint/")
+EFood <- FALSE
+
+
+# Install and load necessary packages
+if (!requireNamespace("tidyverse", quietly = TRUE)) {
+  install.packages("tidyverse")
+}
+if (!requireNamespace("plotly", quietly = TRUE)) {
+  install.packages("plotly")
+}
+if (!requireNamespace("gridExtra", quietly = TRUE)) {
+  install.packages("gridExtra")
+}
+library(tidyverse)
+library(plotly)
+library(gridExtra)
+library(tibble)
+
+library(here)
+source(here("src", "main", "R", "KaiMT", "RUtilsKMT.R")) # lädt Skript relativ zu diesem R-Skript (und nicht zum WorkingDir)
+
+
+# Hauptverzeichnis, in dem sich die Unterordner befinden
+main_dir <- getwd()
+
+# Pfad zum spezifischen Referenzordner
+referenz_ordner <- "C:/git-and-svn/shared-svn/projects/freight/studies/UpdateEventsfromEarlierStudies/foodRetailing_wo_rangeConstraint/71a_ICEV_NwCE_BVWP_10000it_DCoff_noTax/"
+
+# Liste der Unterordner im Hauptverzeichnis
+subdirs <- list.dirs(main_dir, full.names = TRUE, recursive = FALSE)
+subdirs <- subdirs[subdirs != referenz_ordner] #Referenzordner soll da nicht drin sein
+
+# Initialisiere einen leeren Dataframe, um die kombinierten Daten zu speichern
+kombinierte_daten <- data.frame()
+
+# Lese die Referenzdaten aus dem spezifischen Referenzordner
+file_path_referenz <- file.path(referenz_ordner, "Analysis", "TimeDistance_perVehicleType.tsv")
+
+
+# Überprüfe, ob die Referenzdatei existiert und lese sie ein
+if (file.exists(file_path_referenz)) {
+  referenzdaten_org <- read_delim(file_path_referenz, show_col_types = FALSE)
+
+  # Füge eine Spalte "ScenarioLang" hinzu und setze den Namen des Referenzordners
+  referenzdaten_org$ScenarioLang <- basename(referenz_ordner)
+
+  # Speichere die Referenzdaten als erste Zeile im kombinierten DataFrame
+  kombinierte_daten <- referenzdaten_org
+} else {
+  stop(paste("Referenzdatei nicht gefunden in:", file_path_referenz))
+}
+
+
+
+# Durchlaufe alle Unterordner und lies all die Daten ein.
+for (subdir in subdirs) {
+
+  # Erstelle den genauen Pfad zur gewünschten CSV-Datei
+  file_path_datei <- file.path(subdir, "Analysis", "TimeDistance_perVehicleType.tsv")
+
+
+  ## Emissions einlesen
+  if (file.exists(file_path_datei)) {
+    df_vehTypes_org <- read_delim(file_path_datei, show_col_types = FALSE)
+
+    df_vehTypes <- df_vehTypes_org # Erstmal nur eine Kopie davon in der dann gearbeitet wird.
+
+    # Füge eine Spalte "ScenarioLang" hinzu und weise ihr den Namen des aktuellen Unterordners zu
+    df_vehTypes$ScenarioLang <- basename(subdir)
+
+
+    # Füge die Daten zum kombinierten Dataframe hinzu
+    kombinierte_daten <- rbind(kombinierte_daten, df_vehTypes)
+
+
+  } else { 
+    message(paste("Datei nicht gefunden in:", subdir, file_path_datei))
+    }
+
+} ## For Schleife
+
+# Entferne Leerzeichen am Anfang und Ende der Spaltennamen (scheint hier u.a. bei den vehiclTypeId so gewesen zu sein)
+names(kombinierte_daten) <- trimws(names(kombinierte_daten))
+
+
+#function to create categories
+create_vehicle_categories <- function(data) {
+  data <- data %>% 
+    mutate(vehicleCategory = ifelse(vehicleTypeId %in% c("light8t", "light8t_frozen"), yes = "7.5t",
+                                    no = ifelse(vehicleTypeId %in% c("light8t_electro", "light8t_frozen_electro", "light8t_electro_large_Quantron", "light8t_frozen_electro_large_Quantron", "light8t_electro_small_Mitsubishi", "light8t_frozen_electro_small_Mitsubishi"), yes = "7.5t_electro",
+                                                no = ifelse(vehicleTypeId %in% c("medium18t", "medium18t_frozen"), yes = "18t",
+                                                            no = ifelse(vehicleTypeId %in% c("medium18t_electro", "medium18t_electro", "medium18t_electro_large_Volvo", "medium18t_electro_small_Renault"), yes = "18t_electro",
+                                                                        no = ifelse(vehicleTypeId %in% c("heavy26t", "heavy26t_frozen"), yes = "26t",
+                                                                                    no = ifelse(vehicleTypeId %in% c("heavy26t_electro",  "heavy26t_frozen_electro", "heavy26t_electro_large_Daimler", "heavy26t_frozen_electro_large_Daimler", "heavy26t_electro_small_Volvo", "heavy26t_frozen_electro_small_Volvo"), yes = "26t_electro",
+                                                                                                no = ifelse(vehicleTypeId %in% c("heavy40t", "heavy40t_frozen"), yes = "40t",
+                                                                                                            no = ifelse(vehicleTypeId %in% c("heavy40t_electro", "heavy40t_frozen_electro", "heavy40t_electro_large_Scania", "heavy40t_electro_small_Daimler"), yes = "40t_electro",
+                                                                                                                        no = as.character(vehicleTypeId))))))))))
+}
+
+#Nur die Fahrzeuggröße -> d.h. egal ob elektro oder nicht. 
+create_vehicle_sizeClass <- function(data) {
+  data <- data %>% 
+    mutate(sizeClass = sub("_.*", "", vehicleCategory))
+
+}
+
+### Finde raus, ob es ein BEV oder ICEV ist.
+create_vehicle_engineType <- function(data) {
+  data <- data %>% 
+    mutate(engineType = ifelse(is.na(vehicleCategory) | vehicleCategory == "", 
+                               NA,  # Falls vehicleCategory leer oder NA ist, setze den Wert auf NA
+                               ifelse(grepl("_electro", vehicleCategory), "BEV", "ICEV"))) # Wenn "_electro" enthalten, BEV, sonst ICEV.
+
+}
+
+kombinierte_daten <- create_vehicle_categories(kombinierte_daten)
+kombinierte_daten <- create_vehicle_sizeClass(kombinierte_daten)
+kombinierte_daten <- create_vehicle_engineType(kombinierte_daten)
+
+### Etwas aufräumen:
+
+# Entferne die Spalte "Run"
+kombinierte_daten <- kombinierte_daten[, !names(kombinierte_daten) %in% c("Run")]
+# Bringe die Spalte "ScenarioLang" an die erste Stelle
+kombinierte_daten <- kombinierte_daten[, c("ScenarioLang", setdiff(names(kombinierte_daten), "ScenarioLang"))]
+
+# Erstelle die neue Spalte "Scenario": setze "Base Case", wenn es das Referenzszenario ist, sonst den Teil nach dem letzten Unterstrich
+kombinierte_daten$Scenario <- ifelse(
+  kombinierte_daten$ScenarioLang == basename(referenz_ordner), 
+  "Base Case", 
+  sub(".*_", "", kombinierte_daten$ScenarioLang)  # Extrahiert den Teil nach dem letzten Unterstrich
+)
+
+# Bringe die Spalte "Scenario" an die zweite Stelle
+kombinierte_daten <- kombinierte_daten[, c("ScenarioLang", "Scenario", setdiff(names(kombinierte_daten), c("ScenarioLang", "Scenario")))]
+
+
+head(kombinierte_daten)
+
+
+
+#################TODO: Zum Updaten.
+#Funktion zum Schreiben des Outputs
+write_output <- function(output_file, dataframe) {
+  cat("Erstma nur die ExhaustEmissions\n\n", file = output_file, append = TRUE)
+  write.table(dataframe %>% select(all_of(pollutants2WriteExhaust)), file = output_file, sep = ";", row.names = FALSE, col.names = TRUE, append = TRUE)
+  cat("\n\nUnd nun noch die Non-exhaustEmissions\n\n", file = output_file, append = TRUE)
+  write.table(dataframe %>% select(all_of(pollutants2WriteNonExhaust)), file = output_file, sep = ";", row.names = FALSE, col.names = TRUE, append = TRUE)
+  #Und nochmal alle Daten
+  write.table(dataframe, file = sub("\\.csv$", "_all.csv", output_file), sep = ";", row.names = FALSE, col.names = TRUE)
+}
+
+
+####Berechne relative Änderungen und schreibe es raus
+kombinierte_daten_Anzahl <- kombinierte_daten
+##Todo: Ausgabe definieren -> Anzahl, sinnvoll geordnet.
+write_output("vehiclesPerType_Anzahl.csv", calcRelChanges(kombinierte_daten_Anzahl))
+
+
+kombinierte_daten_km <- kombinierte_daten
+##Todo: Ausgabe definieren -> kmt, sinnvoll geordnet.
+write_output("vehiclesPerType_km.csv", calcRelChanges(kombinierte_daten_km))
+#head(kombinierte_daten_km)
+