164
124
https://mcloud.de/export/datasets?page=1&aggs=categories%3Ainfrastructure&pageSize=164&sortField=latest&sortOrder=desc
https://mcloud.de/export/datasets?page=1&aggs=categories%3Ainfrastructure&pageSize=164&sortField=latest&sortOrder=desc
Dies ist das Portal der mCLOUD.
Bundesministerium für Digitales und Verkehr
mCLOUD Portal
<p>Dieser Dienst stellt die in der Freien und Hansestadt Hamburg aufgestellten und vom Landesbetrieb Verkehr betreuten Parkautomaten bzw. deren Standorte dar. In den Sachdaten sind neben Informationen zum Standort auch u. a. solche zu Bewirtschaftungszeiten, Bewirtschaftungszone, Höchstparkdauer und Handyparkzone enthalten.</p>
<p>Nachstehend sind Erläuterungen zu den Attributen zu finden:</p>
<ol><li>Block - Adressdaten inkl. Straßenschlüssel</li><li>Block - Verwaltungszugehörigkeit inkl. Region, Kontrollgebiet gemäß LBV Parkraum-Management</li><li>Block - Standortangaben inkl. Status</li><li>Block - Bewirtschaftungsinformationen*)</li><li>Block - zugeordneter Parkscheinautomat</li></ol>
<p>*)
Tarifzone: In Hamburg werden vier Zonen mit unterschiedlichen Parkgebühren ausgewiesen.
Zone 1: 3,50 € pro Stunde
Zone 2: 3,00 € pro Stunde
Zone 3: 2,50 € pro Stunde
Zone 4: 1,50 € pro Stunde</p>
<p>Höchstparkdauer angegeben in Minuten</p>
Parkscheinautomaten Hamburg
Transport & Verkehr
Geodaten
Hamburg
Parken und Reisen
Parkgebühr
Parkscheinautomaten
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Verkehr (LBV)
8807e846-e614-4431-8a2c-dedfbd2a00de
2023-07-07T18:57:50.536Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-03-12T19:10:30.744Z
Dies ist ein Downloaddienst des Digitalen Landschaftsmodell 1:1 000 000 für das Gebiet der Bundesrepublik Deutschland. Das Digitale Landschaftsmodell 1:1 000 000 (DLM1000) beschreibt die topographischen Objekte der Landschaft und das Relief der Erdoberfläche im Vektorformat. Die Objekte werden einer bestimmten Objektart zugeordnet und durch ihre räumliche Lage, ihren geometrischen Typ, beschreibende Attribute und Beziehungen zu anderen Objekten (Relationen) definiert. Der Datenbestand umfasst Objektarten, wie z.B. Straßen, Eisenbahnen, Gewässer, Siedlungen, Vegetation und Verwaltungsgrenzen (bis zur Kreisebene) Ebenso wird das Relief durch Höhenlinien und weiteren Oberflächenformen dargestellt. Welche Objektarten das DLM1000 im Detail beinhaltet und wie die Objekte gebildet werden, ist im ATKIS®-Objektartenkatalog (ATKIS®-OK1000) festgelegt. Die Daten sind urheberrechtlich geschützt, werden aber entgeltfrei mit der Datenlizenz Deutschland Namensnennung 2.0 zur Verfügung gestellt. Maßstab: 1:1000000
WFS Digitales Landschaftsmodell 1:1 000 000
Bundesamt für Kartographie und Geodäsie (BKG)
04105
Karl-Rothe-Str. 10-14
Bundesrepublik Deutschland
DEU
Binnengewässer
Umwelt
Verkehrswesen
Ortsangaben
Grenzen
WFS
DownloadService
BKG
DLM1000
Digitales Landschaftsmodell 1:1 000 000
Deutschland
Bundesamt für Kartographie und Geodäsie
infoFeatureAccessService
infoFeatureAccessService
AdVMIS
mcloud_category_roads
mcloud_category_waters
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_aviation
Bundesamt für Kartographie und Geodäsie (BKG)
Die Daten sind urheberrechtlich geschützt. Die Daten werden geldleistungsfrei gemäß der Datenlizenz Deutschland Namensnennung 2.0 (https://www.govdata.de/dl-de/by-2-0) zur Verfügung gestellt. Die Verwendung des Datensatzes für die Pflege und Erweiterung der Daten des OpenStreetMap Projektes wird unter Einhaltung der im Ergänzungstext beschriebenen Angaben zur Namensnennung ausdrücklich erlaubt, siehe https://sgx.geodatenzentrum.de/web_public/gdz/lizenz/deu/Datenlizenz_Deutschland_Ergänzungstext_Namensnennung.pdf. Der Quellenvermerk ist zu beachten.
Quellenvermerk: © GeoBasis-DE / BKG (Jahr)
1fb6f2f3-e01e-4f4d-b6cd-3e099281f05e
Raumbezug des Datensatzes
{"type": "Polygon", "coordinates": [[[5.8667, 55.0585], [15.0419, 55.0585], [15.0419, 47.2703], [5.8667, 47.2703], [5.8667, 55.0585]]]}
POLYGON ((5.8667 55.0585, 15.0419 55.0585, 15.0419 47.2703, 5.8667 47.2703, 5.8667 55.0585))
2024-03-12T00:00:00Z
Dieser Downloaddienst stellt das Digitale Landschaftsmodell 1:250 000 (DLM250) für das Gebiet der Bundesrepublik Deutschland zu Verfügung. Das DLM250 beschreibt die topographischen Objekte der Landschaft und das Relief der Erdoberfläche im Vektorformat. Die Objekte werden einer bestimmten Objektart zugeordnet und durch ihre räumliche Lage, ihren geometrischen Typ, beschreibende Attribute und Beziehungen zu anderen Objekten (Relationen) definiert. Der Datenbestand umfasst Objektarten, wie z.B. Straßen, Eisenbahnen, Gewässer, Siedlungen, Vegetation und Verwaltungsgrenzen (bis zur Kreisebene) Ebenso wird das Relief durch Höhenlinien und weiteren Oberflächenformen dargestellt. Welche Objektarten das DLM250 im Detail beinhaltet und wie die Objekte gebildet werden, ist im ATKIS®-Objektartenkatalog (ATKIS®-OK250) festgelegt. Die Daten sind urheberrechtlich geschützt, werden aber entgeltfrei mit der Datenlizenz Deutschland Namensnennung 2.0 zur Verfügung gestellt. Maßstab: 1:250000
WFS Digitales Landschaftsmodell 1:250 000
Bundesamt für Kartographie und Geodäsie (BKG)
04105
Karl-Rothe-Str. 10-14
Bundesrepublik Deutschland
DEU
Gebäude
Binnengewässer
Umwelt
Bahnhof
Wald
Forst
Tunnel
Sumpf
Schleuse
Böschung
Meer
Straße
Eisenbahn
Tagebau
Nationalpark
Staatsgrenze
Autobahn
Moor
Moos
Denkmal
Fluß
Insel
Heide
Gletscher
Graben
Damm
Deich
Naturpark
Kirche
Bach
Brücke
Grenze
Fläche
Flughafen
INSPIRE
DLM250
Landschaftsmodell
Verkehrswesen
Ortsangaben
Grenzen
Weg
Unterführung
Turm
Watt
Ried
Haltepunkt
Haltestelle
Landesgrenze
Vollspurige
Bahn
Stadion
Sonderkultur
Schiffshebewerk
Kliff
Sprungschanze
Schiffahrtslinie
Fährverkehr
Raststätte
Sandbank
Seilbahn
Schienenbahn
Teich
Stausee
Freileitung
Schmalspurige
Stollenmundloch
Autobahnkreuz
Autobahndreieck
Denkstein
Standbild
Bergbaubetrieb
Truppenübungsplatz
Standortübungsplatz
Leuchtturm
Strom
Binnensee
Grenzübergang
Zollanlage
Burg
Talsperre
Wehr
Wall
Höhenlinie
Tiefenlinie
Zahnradbahn
Stadtbahn
Schloß
Kanal
Ortslage
Überführung
Regierungsbezirksgrenze
Kreisgrenze
Vegetationslose
Uferbefestigung
Flugplatz
Landeplatz
Verwaltungseinheit
WFS
DownloadService
INSPIRE:DownloadService
infoFeatureAccessService
BKG
Bundesamt für Kartographie und Geodäsie
Deutschland
Digitales Landschaftsmodell 1:250 000
DLM
infoFeatureAccessService
AdVMIS
mcloud_category_roads
mcloud_category_waters
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_aviation
Bundesamt für Kartographie und Geodäsie (BKG)
Die Daten sind urheberrechtlich geschützt. Die Daten werden geldleistungsfrei gemäß der Datenlizenz Deutschland Namensnennung 2.0 (https://www.govdata.de/dl-de/by-2-0) zur Verfügung gestellt. Die Verwendung des Datensatzes für die Pflege und Erweiterung der Daten des OpenStreetMap Projektes wird unter Einhaltung der im Ergänzungstext beschriebenen Angaben zur Namensnennung ausdrücklich erlaubt, siehe https://sgx.geodatenzentrum.de/web_public/gdz/lizenz/deu/Datenlizenz_Deutschland_Ergänzungstext_Namensnennung.pdf. Der Quellenvermerk ist zu beachten.
Quellenvermerk: © GeoBasis-DE / BKG (Jahr)
d6d50b87-b896-4696-9efb-66d1adc62337
Raumbezug des Datensatzes
{"type": "Polygon", "coordinates": [[[5.8667, 55.0585], [15.0419, 55.0585], [15.0419, 47.2703], [5.8667, 47.2703], [5.8667, 55.0585]]]}
POLYGON ((5.8667 55.0585, 15.0419 55.0585, 15.0419 47.2703, 5.8667 47.2703, 5.8667 55.0585))
2024-03-12T00:00:00Z
<p>Der Datensatz enthält Lage, Namen und Knotennummer aller Lichtsignalanlagen im Hamburger Stadtgebiet (ohne Hamburg Port Authority [HPA]). Signalisierte Übergänge/Einmündung etc., die als Teilknoten der LSA festgelegt sind, werden nicht als gesonderter Punkt dargestellt.</p>
Lichtsignalanlagen Hamburg
Transport & Verkehr
Ampeln
Automobil
Beleuchtungsanlage
Geodaten
Grüne Welle
Hamburger Wegegesetz HmbWG
Kfz
LSA
Lichtsignalanlage
Steuerung
Verkehrsrechner
Verkehrsregelung
Verkehrssteuerung
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Straßen, Brücken und Gewässer
5543ae26-5c4b-4b8c-9e84-300e8ef42ad3
2024-02-09T19:46:18.389Z
['Gebiet Hamburg']
{"type": "Polygon", "coordinates": [[[10.324, 53.406], [10.324, 53.753], [9.728, 53.753], [9.728, 53.406], [10.324, 53.406]]]}
POLYGON ((10.324 53.406, 10.324 53.753, 9.728 53.753, 9.728 53.406, 10.324 53.406))
1985-12-31Z
2024-02-09T19:46:18.389Z
<p>Der Datensatz enthält Lage, Namen und Knotennummer aller Lichtsignalanlagen im Hamburger Hafengebiet in Zuständigkeit der HPA (Hamburg Port Authority).</p>
Lichtsignalanlagen Hafen Hamburg
Transport & Verkehr
Geodaten
Hafen
Lichtsignalanlage
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Hamburg Port Authority
b9640794-9dfc-47d6-9c3e-086ddd7ee80d
2024-02-09T17:57:39.163Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-02-09T17:57:39.163Z
<p>Der Datensatz enthält die Standorte von Parkhäusern, Tiefgaragen und Parkplätzen im Hamburger Stadtgebiet mit Informationen über Öffnungszeiten, Preise, Anzahl der Stellplätze, Einfahrtshöhen sowie teilweise Belegungsdaten (freie Stellplätze) und Anzahl der Frauen- und Behindertenstellplätze. </p>
<p>Zum Teil werden in 5-minütigen Abständen Parkplatzbelegungsdaten aus dem Parkleitsystem der Stadt Hamburg übermittelt. Diese Echtzeitdaten sind ungeprüft.</p>
<p>Der Datensatz ist nicht vollständig, sondern enthält Angaben von privaten Betreibern, die der Freien und Hansestadt Hamburg zur Verfügung gestellt wurden. Sollte ein Parkhaus / Parkplatz fehlen, kann der in den Metadaten angegebene Ansprechpartner gerne darauf hingewiesen werden. Eine Aufnahme in den Datensatz wird dann geprüft.</p>
Parkhäuser Hamburg
Transport & Verkehr
Belegung
Berufsverkehr
FDS
Frauenparkplatz
Gebäude
Geodaten
Hamburgisches Transparenzgesetz HmbTG
Individualverkehr
Innenstadt
Kfz-Verkehr
Kosten
Parkdruck
Parkgebühr
Parkhaus
Parkhausbelegung
Parkleitsystem
Parkplatz
Parkplätze
Platz
Plätze
Stadtgebiet
Stadtkern
Straßennetz
Verkehrsnetze
Verkehrsstrom
freie
ruhender
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
73fbaacd-4fc2-4425-a816-2c58a0764acf
2024-02-03T21:47:49.679Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-02-03T21:47:49.679Z
Der Datensatz beinhaltet Informationen zu Verkehrsnetzen im Freistaat Sachsen. Der Datensatz bildet die Verbindungen und die zugehörigen Infrastruktureinrichtungen des Straßen-, Schienen-, Wasser- und Luftverkehrs sowie die Seilbahnen ab. Der Datensatz umfasst keine Verbindungen innerhalb und zwischen den verschiedenen Netzen.
INSPIRE SN Verkehrsnetze
Landesamt für Geobasisinformation Sachsen (GeoSN)
01099
Olbrichtplatz 3
Sachsen
Deutschland
Straßenverkehrsnetz
Schienenverkehrsnetz
Wasserverkehrsnetz
Luftverkehrsnetz
Seilbahnen
Verkehrsnetze
inspireidentifiziert
opendata
SN
Freistaat Sachsen
Regional
Hauptverkehrsstraßen (Umgebungslärmrichtlinie)
Haupteisenbahnstrecken (Umgebungslärmrichtlinie)
AdVMIS
mcloud_category_roads
mcloud_category_railway
mcloud_category_waters
mcloud_category_aviation
mcloud_category_infrastructure
Landesamt für Geobasisinformation Sachsen (GeoSN)
Es gelten keine Bedingungen.
Dieser Datensatz ist kostenfrei und kann gemäß den Nutzungsbestimmungen von Datenlizenz Deutschland - Namensnennung - Version 2.0 (https://www.govdata.de/dl-de/by-2-0) unter Angabe der Quelle: "Geodaten Sachsen" genutzt werden.
8e715fd2-d4a9-4342-a2b5-cb04cf7a3cab
140000000000
{"type": "Polygon", "coordinates": [[[11.67, 51.8], [15.05, 51.8], [15.05, 50], [11.67, 50], [11.67, 51.8]]]}
POLYGON ((11.67 51.8, 15.05 51.8, 15.05 50, 11.67 50, 11.67 51.8))
2024-02-02T00:00:00Z
<p>Der Datensatz enthält das Straßennetz Hamburgs, das aufgrund der INSPIRE-Datenspezifikation zum Anhang I - Thema Verkehrsnetze (Transport Networks) aus der Straßeninformationsbank (HH-SIB) ausgewählt wurde.</p>
Straßenverkehrsnetz Hamburg (INSPIRE)
Transport & Verkehr
Geodaten
HH-SIB
Hamburgisches Geodateninfrastrukturgesetz HmbGDIG
Hamburgisches Transparenzgesetz HmbTG
INSPIRE
Networks
Straßennetz
Straßenverkehr
Straßenverkehrsnetz
TT-SIB
Transport
Verkehrsnetz
Verkehrsnetze
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
0ba681db-251c-42a7-9c03-39c5438f2122
2024-01-26T19:56:11.733Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-26T19:56:11.733Z
<p>Das Strategische Straßennetz für das Verkehrsmanagement dient als Betrachtungsbasis, Verkehre auf diesem so störungsfrei wie möglich abzuwickeln und dabei die vorhandenen Leistungsreserven optimal zu nutzen. Mit Blick auf dieses Netz werden Vorkehrungen getroffen und Strategien entwickelt, die bei auftretenden Störungen in möglichst kurzer Zeit die Ursache der Störung beseitigen und die ursprüngliche Leistungsfähigkeit wiederherstellen oder - falls dies nicht in kurzer Zeit möglich ist - durch Gegenmaßnahmen die Auswirkung der Störungen (z.B. Stau, Umweltbeeinträchtigungen, Zeitverluste) verringern sollen.</p>
Strategisches Straßennetz Hamburg
Transport & Verkehr
Behörde
Geodaten
Nahverkehr
Netz
Strategisches
Straße
Straßennetz
Verkehrsmanagement
Verkehrsnetze
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
2011f8aa-5e93-4437-9eed-0091881549cc
2024-01-26T19:08:40.484Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-26T19:08:40.484Z
<p>Der Datensatz enthält die Standorte öffentlicher Luftpumpen für Fahrräder in Hamburg. An Standorten, die an öffentliche Toilettenanlagen angegliedert sind, gibt es zusätzlich auch Lademöglichkeiten für Pedelecs bzw. E-Bikes.</p>
Fahrradluftstationen Hamburg
Transport & Verkehr
Behörde
E-Bike
Fahrrad
Fahrradpumpe
Fahrradreifen
Geodaten
Lademöglichkeit
Ladestation
Luft
Luftpumpe
Luftstation
Nahverkehr
Pedelec
Platten
Pumpe
Radverkehr
Service
Servicepunkt
Straße
Toilette
Öffentliche
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
0fc0cbd6-fd55-4ff3-818b-2a77cf6ed6f5
2024-01-26T02:46:32.677Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2018-09-30Z
2024-01-26T02:46:32.677Z
<p>Der Datensatz dient der Darstellung des Ausrüstungsstands der verschiedenen LSA-bezogenen ITS-Projekte des LSBG. Dargestellt sind die verfügbaren Services sowie eine Beschreibung der Services sowie der hierfür notwendigen technischen Komponenten.</p>
ITS-Dienste an Lichtsignalanlagen Hamburg
Transport & Verkehr
Ampel
BiDiMoVe
Geodaten
HEAT
HaRaZäN
Hamburg
ITS
LSA
Lichtsignalanlage
Ohne gesetzliche Verpflichtung
ROKS
RSU
TAVF
TLF
aVME
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Straßen, Brücken und Gewässer
308814ae-5c81-49fc-8b69-5ffed5bc1b88
2024-01-26T01:53:08.878Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-26T01:53:08.878Z
<p>Bestehende Bauwerke im Zuständigkeitsbereich des LSBG mit Informationen über Standort, ASB-Nummer, interner Bauwerksnummer, Bauwerksname und Baujahr. </p>
<p>Folgende Bauwerke werden geführt: Straßenbrücken, Fußgängerbrücken, Tunnel, Lärmschutzwände, Stützwände und Schilderbrücken.</p>
Brücken und sonstige Ingenieurbauwerke Hamburg
Transport & Verkehr
Öffentliche Verwaltung, Haushalt & Steuern
3A
Bauwerke
Brücke
Brücken
Construction
Datenbank
Fußgängerbrücken
Geodaten
Lärmschutzwände
Schilderbrücken
Stützwände
Traffic
Tunnel
Verkehrszeichenbrücken
WEB
Water
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Straßen, Brücken und Gewässer
6adb03c3-7197-41e2-a153-fed879f1d9d2
2024-01-26T01:32:41.239Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-26T01:32:41.240Z
<p>Der Datensatz enthält die Straßen und Wege Hamburgs mit verschiedenen Merkmalen. Das Straßen- und Wegenetz wird in der Hamburger Straßeninformationsbank (HH-SIB) in einem Knoten-Kanten-Modell gehalten.</p>
<p>Die Daten enthalten folgende Attribute:
- Von-Netzknoten, Nach-Netzknoten
- Von-Station, Bis-Station,
- Straßenklasse (A= Autobahn, B = Bundesstraße, G=Gemeindestraße)
- Straßenschlüssel
- Wegenummer
- Straßenname
- Landesschlüssel (entspricht Bundesland)
- Kreisschlüssel (entspricht Bezirk)
- Gemeindeschlüssel (entspricht Ortsteil)
- Abschnittslänge
- Bahnigkeit (Anzahl der Fahrbahnen, baulich getrennt)
- Fahrstreifenzahl (in und gegen Stationierungsrichtung)
- Geschwindigkeit
- Wegeart</p>
<p>Der Datensatz wird kontinuierlich gepflegt und wöchentlich aus der HH-SIB in die verfügbaren Datendienste überspielt.</p>
Straßen- und Wegenetz Hamburg (HH-SIB)
Transport & Verkehr
Geodaten
HH-SIB
HHSIB
Hamburger Wegegesetz HmbWG
Hamburgisches Geodateninfrastrukturgesetz HmbGDIG
Straße
Straßendaten
Straßeninformationsbank
Straßennetz
TTSIB
Tt-sib
Verkehrsnetze
Weg
Wegedaten
Wegenetz
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
54e927ba-4cdc-447a-87c1-b0193d049555
2024-01-26T01:26:25.498Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2009-12-30Z
2024-01-26T01:26:25.498Z
<p>Der Datensatz enthält die Lage der Fahrradabstellanlagen an Schnellbahnhaltestellen im Hamburger Stadtgebiet.</p>
<p>Für jede Abstellanlage wird die Anzahl der öffentlichen Stellplätze (überdacht und nicht überdacht) und, wenn vorhanden, die Anzahl der abschließbaren Mietplätze angegeben.</p>
Bike + Ride Anlagen Hamburg
Transport & Verkehr
B+R
Bahn
Bike
Bike + Ride
Fahrrad
Fahrradabstellplätze an S-und U-Bahn-Haltestellen
Fahrradbox
Fahrradbügel
Fahrradgarage
Fahrradhäuschen
Fahrradkäfig
Fahrradparken
Fahrradständer
Geodaten
Haltestelle
Hamburgisches Transparenzgesetz HmbTG
Radfahren
Ride
Verkehrsnetze
mcloud_category_roads
mcloud_category_railway
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
343cd8bc-c5ba-4914-8797-3e5572ae9c93
2024-01-26T01:19:22.179Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
1994-12-31Z
2024-01-26T01:19:22.179Z
<p>Der Datensatz enthält die Park + Ride Anlagen an Schnellbahnstationen im Hamburger Stadtgebiet mit Informationen u.a. über die Lage, die Anzahl der Stellplätze und die Anzahl von Behinderten- und Frauenstellplätzen. Weiterhin werden aktuelle Belegungsinformationen zu den Anlagen angegeben.</p>
Park + Ride Anlagen Hamburg
Transport & Verkehr
FDS
Gebrochener Verkehr
Geodaten
Hamburgisches Transparenzgesetz HmbTG
P&R
P+R
Park + Ride
Park&Ride
Parkplatz
Parkplätze
Parkplätze an Haltestellen
PuR
Verkehrsnetze
Öffentliches Verkehrsmittel
mcloud_category_roads
mcloud_category_railway
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
1fa5b3f7-3344-4483-ad02-bad7a72767d5
2024-01-26T01:17:21.805Z
['Hamburg (02000000)', 'Raumbezug des Datensatzes']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
1990-09-29Z
2024-01-26T01:17:21.805Z
<p>Dieser Datensatz zeigt ein Netz mit übergeordneter Bedeutung für das Erhaltungsmanagement, welches durch den Landesbetrieb Straßen, Brücken und Gewässer (LSBG) regelmäßig zum Zwecke der ZustandsErfassung und Bewertung (ZEB) befahren wird. Es setzt sich zusammen aus den Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung (BSGB) der Freien und Hansestadt Hamburg.</p>
ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg
Transport & Verkehr
EMS
Erhaltungsmanagement
Geodaten
Straße
Straßennetz
Verkehrsnetze
Wegenetz
ZEB
ZEB.
Zustand
Zustandsbewertung
Zustandsdaten
Zustandserfassung
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
88be8264-5a8a-47f5-9735-1faa6a5b8e01
2024-01-25T22:58:45.928Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-25T22:58:45.928Z
<p>Der Datensatz enthält die Standorte der öffentlich zugänglichen Ladeeinrichtungen für Elektrofahrzeuge in der Modellregion Elektromobilität Hamburg. Die zugehörigen Sachinformationen wie z.B. Anzahl der Ladepunkte, Steckertypen und Zugangsmöglichkeiten sind enthalten. Zusätzlich wird in Echtzeit der Betriebsstatus (UNKNOWN, AVAILABLE, OCCUPIED, RESERVED, UNAVAILABLE, FAULTED, PREPARING, CHARGING, SUSPENDEDEV, SUSPENDEDEVSE, FINISHING) der Ladepunkte angegeben.</p>
<p>Weitere Informationen zum Echtzeitdienst:</p>
<p>Der Echtzeitdatendienst enthält die Standorte der öffentlich zugänglichen Ladeeinrichtungen für Elektrofahrzeuge in der Modellregion Elektromobilität Hamburg im JSON-Format bereitgestellt über die SensorThings API (STA). Für die E-Ladestationen in der SensorThings API (STA) wurde je Station ein Objekt in der Entität "Thing" angelegt. Für jeden Ladepunkt steht ein Objekt in der Entität "Datastreams". Die Echtzeitdaten zum Status des Ladepunktes wird in der STA in der Entität "Observations" veröffentlicht.</p>
<p>Alle Zeitangaben sind in der koordinierten Weltzeit (UTC) angegeben.</p>
<p>In der Entität Datastreams gibt es im JSON-Objekt unter dem "key" "properties" weitere "key-value-Paare". In Anlehnung an die Service- und Layerstruktur im GIS haben wir Service und Layer als zusätzliche "key-value-Paare" unter dem JSON-Objekt properties eingeführt. </p>
<p>{
"properties":{
"serviceName": "HH<em>STA</em>E-Ladestationen",
"layerName": "Status_E-Ladepunkt",
"key":"value"}
}</p>
<p>Mit Hilfe dieser "key-value-Paare" können dann Filter für die REST-Anfrage definiert werden, bspw.
https://iot.hamburg.de/v1.1/Datastreams?$filter=properties/serviceName eq 'HH<em>STA</em>E-Ladestationen' and properties/layerName eq 'Status_E-Ladepunkt'</p>
<p>Die Echtzeitdaten kann man auch über einen MQTT-Broker erhalten. Die dafür notwendigen IDs können über eine REST-Anfrage bezogen werden und dann für das Abonnement auf einen Datastream verwendet werden:</p>
<p>MQTT-Broker: iot.hamburg.de
Topic: v1.1/Datastream({id})/Observations</p>
Elektro Ladestandorte Hamburg
Transport & Verkehr
E-Mobility
Echtzeitdaten
Elektro
Elektrofahrzeug
Elektroladestandorte
Elektromobilität
FROST-Server
Geodaten
Geoinformation
Ladeeinrichtung
Ladepunkt
Ladestation
Ladestrom
Ladesäule
PKW
Personenkraftwagen
Raumbezogene Information
SensorThings API
Verkehrsnetze
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Wirtschaft und Innovation (BWI)
05e18f90-b58e-4b98-8c51-ede13708925b
2024-01-23T22:08:22.946Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2024-01-23T22:08:22.946Z
An den Dauerzählstellen werden alle Fahrräder, welche die Erfassungsquerschnitte der Zählstellen überfahren, gezählt. Ziel ist die dauerhafte Erfassung des Radverkehrs an bestimmten Straßenquerschnitten. Mit den Dauerzählstellen wird es möglich, neben Erkenntnissen zum Tagesgang, auch Daten zum Wochen- und Jahresgang zu erfassen und die langfristige Entwicklung des Radverkehrs über mehrere Jahre zu bestimmen.
Radzähldaten in Berlin
Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt
Dauerzählstelle
Fahrräder
Radverkehr
Radzähldaten
Radzählstelle
Verkehrsmanagement
Verkehrszählung
mcloud_category_infrastructure
Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt
3bbc51e3-1294-4b4e-b839-8108eee6b533
2024-01-23T13:08:48.454Z
2024-01-23T13:08:48.454Z
Im Rahmen des Gemeinschaftsprojektes [Berlin zählt Mobilität](https://berlin.adfc.de/artikel/berlin-zaehlt-mobilitaet-adfc-berlin-dlr-rufen-zu-citizen-science-projekt-auf-1/) des [ADFC Berlin](https://berlin.adfc.de/) und des [DLR](https://www.dlr.de/de/das-dlr/standorte-und-bueros/berlin) erfassen Bürgerinnen und Bürger mit Hilfe kostenlos ausleihbarer [Telraam](https://telraam.net) Zählgeräte automatisiert den Fußverkehr, Zweiräder, PKW und größere Fahrzeuge vor dem Fenster in ihrer Straße.
Berlin zählt Mobilität
Roland Rutz
Autos
Autoverkehr
Fahrräder
Fußgänger
LKW
Radverkehr
Radzähldaten
Radzählstelle
Verkehrszählung
mcloud_category_infrastructure
ADFC Berlin
8974af43-7302-4c85-831b-5359f9b9fbf5
2024-01-22T08:43:53.274Z
2024-01-22T08:43:53.274Z
Darstellungsdienst der Digitale Topographische Karte 1 : 250.000 (DTK250) für das Gebiet der Bundesrepublik Deutschland. Die Digitale Topographische Karte 1 : 250 000 (DTK250) ist eine aus dem Digitalen Landschaftsmodell 1 : 250 000 (DLM250) automationsgestützt abgeleitete, kartographisch aufgearbeitete Karte im Rasterformat. Die zugrundeliegenden Rasterdaten sind in verschiedene Einzellayer gegliedert. Durch die Kombination dieser wird ein Summenlayer gebildet, welcher dann das farbige, vollständige Kartenbild der DTK250 darstellt und von diesem Dienst bereitgestellt wird. Maßstab: 1:250000
WMS Digitale Topographische Karte 1:250 000
Bundesamt für Kartographie und Geodäsie (BKG)
04105
Karl-Rothe-Str. 10-14
Bundesrepublik Deutschland
DEU
Verkehr
Gewässer
Vegetation
Siedlung
ViewService
WMS
DTK250
infoMapAccessService
BKG
Bundesamt für Kartographie und Geodäsie
DTK
Digitale Topographische Karten
Deutschland
Hintergrundkarte
infoMapAccessService
AdVMIS
mcloud_category_roads
mcloud_category_waters
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_aviation
Bundesamt für Kartographie und Geodäsie (BKG)
keine Einschränkungen
Die Daten sind urheberrechtlich geschützt. Die Daten werden geldleistungsfrei gemäß der Datenlizenz Deutschland Namensnennung 2.0 (https://www.govdata.de/dl-de/by-2-0) zur Verfügung gestellt. Die Verwendung des Datensatzes für die Pflege und Erweiterung der Daten des OpenStreetMap Projektes wird unter Einhaltung der im Ergänzungstext beschriebenen Angaben zur Namensnennung ausdrücklich erlaubt, siehe https://sgx.geodatenzentrum.de/web_public/gdz/lizenz/deu/Datenlizenz_Deutschland_Ergänzungstext_Namensnennung.pdf. Der Quellenvermerk ist zu beachten.
Quellenvermerk: © GeoBasis-DE / BKG (Jahr)
fc4c439a-f242-4154-ac9e-0b3498d14209
Raumbezug des Datensatzes
{"type": "Polygon", "coordinates": [[[5.161452, 55.17763], [15.721615, 55.17763], [15.721615, 47.105427], [5.161452, 47.105427], [5.161452, 55.17763]]]}
POLYGON ((5.161452 55.17763, 15.721615 55.17763, 15.721615 47.105427, 5.161452 47.105427, 5.161452 55.17763))
2024-01-15T00:00:00Z
<p>Der Datensatz wird von der Freien und Hansestadt Hamburg nicht mehr gepflegt.
Für entsprechende Daten ist die Autobahn GmbH zuständig</p>
dwista - Tafeln dynamische Wegweiser mit integrierter Stauinformation
Transport & Verkehr
Anzeigetafeln
Autobahn
Autobahnanschlussstellen
Autobahnknoten
Behörde
Geodaten
Information
Schilderbrücken
Stau
Stauinformation
Straße
Verkehrsinformation
Verkehrsinformationen
Verkehrslage
Verkehrslenkung
Verkehrsnetze
Verkehrsstau
Wegweiser
dynamisch
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Behörde für Verkehr und Mobilitätswende (BVM)
2ee47bbb-508c-40dd-bc70-1ca921afaebf
2023-12-10T22:38:29.864Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2023-12-10T22:38:29.864Z
Die Infrastrukturdatenbank oder POI-Datenbank der Stadt Gelsenkirchen bietet Ihnen umfangreiche Informationen über Infrastrukturen in Gelsenkirchen. Sie haben derzeit die Möglichkeit, auf über 100 verschiedene Infrastrukturarten sowie über 7000 Datensätzen aus den Themenbereichen Familie, Bildung, Freizeit, Infrastruktur, Kultur, Verwaltung, Soziales und Wirtschaft zuzugreifen. Neben der räumlichen Lage sind Informationen zu Kontaktdaten und weiteren Fachinformationen hinterlegt. Das Angebot wird ständig erweitert und von den verantwortlichen Dienststellen laufend gepflegt.
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
Stadt Gelsenkirchen
45894
Deutschland
datensatz
hotel
lokal
opendata
pension
stadt-gelsenkirchen
unterkunft
mcloud_category_infrastructure
Stadt Gelsenkirchen
d1c1b332-a0a8-4ed3-905f-eb276cecaced
2023-11-26T23:00:00Z
{"type": "Polygon", "coordinates": [[[6.98, 51.64], [7.16, 51.64], [7.16, 51.47], [6.98, 51.47], [6.98, 51.64]]]}
POLYGON ((6.98 51.64, 7.16 51.64, 7.16 51.47, 6.98 51.47, 6.98 51.64))
2023-11-26T23:00:00Z
<p>Mit diesem Datensatz werden die Hamburger Verkehrsnetze (Straße, Schiene, Luft und Wasser) aus ALKIS, transformiert in das INSPIRE-Zielmodell bereitgestellt.
Basis für ALKIS® ist ein von der Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland (AdV) entwickeltes Fachkonzept zur Führung aller Basisdaten des amtlichen Vermessungswesens.</p>
INSPIRE HH Verkehrsnetze ALKIS
Transport & Verkehr
AdVMIS
Geodaten
Geoinformation
Hamburgisches Geodateninfrastrukturgesetz HmbGDIG
INSPIRE Richtlinie
Luftverkehrsnetz
Raumbezogene Information
Schienennetz
Schienenverkehrsnetz
Straßennetz
Straßenverkehrsnetz
Verkehrsnetze
Wasserverkehrsnetz
inspireidentifiziert
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Geoinformation und Vermessung
c4821b11-c2a3-44a9-b9de-7917839e578c
2023-05-15T18:19:31.811Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2023-11-17T22:05:24.047Z
<p>In diesem Datensatz sind die Hamburger Verkehrsnetze: Straße, Schiene, Luft und Wasser aus dem ATKIS Basis-DLM Quellmodell enthalten und im INSPIRE-Zielmodell dargestellt.
ATKIS® steht für Amtliches Topographisch-Kartographisches Informationssystem und ist als Gemeinschaftsprojekt der Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland (AdV) konzipiert worden.</p>
INSPIRE HH Verkehrsnetze ATKIS Basis-DLM
Transport & Verkehr
AdVMIS
Geodaten
Geoinformation
Hamburgisches Geodateninfrastrukturgesetz HmbGDIG
INSPIRE Richtlinie
Luftverkehrsnetz
Raumbezogene Information
Schienennetz
Schienenverkehrsnetz
Straßennetz
Straßenverkehrsnetz
Verkehrsnetze
Wasserverkehrsnetz
inspireidentifiziert
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Geoinformation und Vermessung
fbc4b4f2-7af0-4d85-9197-0a702b65d460
2023-05-15T18:19:13.782Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2023-11-17T22:05:11.143Z
<p>Mit diesem Datensatz werden die Hamburger Verkehrsnetze aus der HH-SIB, transformiert in das INSPIRE-Zielmodell bereitgestellt.</p>
INSPIRE HH Verkehrsnetze HH-SIB
Transport & Verkehr
Geodaten
Geoinformation
Hamburgisches Geodateninfrastrukturgesetz HmbGDIG
INSPIRE Richtlinie
Network
Raumbezogene Information
Transport
Verkehrsnetze
inspireidentifiziert
mcloud_category_roads
mcloud_category_infrastructure
HMDKLGV
Landesbetrieb Geoinformation und Vermessung
82ca88ba-5a50-4bfd-9cae-45ede9d801d8
2023-05-15T16:34:49.025Z
['Hamburg (02000000)']
{"type": "Polygon", "coordinates": [[[10.326304, 53.394985], [10.326304, 53.964153], [8.420551, 53.964153], [8.420551, 53.394985], [10.326304, 53.394985]]]}
POLYGON ((10.326304 53.394985, 10.326304 53.964153, 8.420551 53.964153, 8.420551 53.394985, 10.326304 53.394985))
2023-11-17T20:46:41.893Z
Der Indikator beschreibt den Anteil des baulich geprägten Siedlungs- und des Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S12RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WCS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
bf92b29c-faa2-4e5c-9c4f-fd0eeba4fc6f
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Verkehrsraumes an der Gebietsfläche. Hohe Indikatorwerte treten v. a. in Gebietseinheiten auf, wo sich Knotenpunkte des überregionalen Verkehrs befinden. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=V01RG
WMS Anteil Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
743fea21-4dc2-40cb-9fe8-d54b700456ea
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des baulich geprägten Siedlungs- und des Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S12RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WFS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
6c9e3e0c-4243-4389-a095-06f169168c3d
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Siedlungs- und Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S11RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WCS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
d200491e-b7e5-4357-8270-000b6e56375e
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Verkehrsraumes an der Gebietsfläche. Hohe Indikatorwerte treten v. a. in Gebietseinheiten auf, wo sich Knotenpunkte des überregionalen Verkehrs befinden. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=V01RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WCS Anteil Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
071209f4-faa1-43cd-a99e-563f09f779db
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des baulich geprägten Siedlungs- und des Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S12RG
WMS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
dcf312a4-3d97-4bef-aa9f-bb1109cc990b
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Siedlungs- und Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S11RG
WMS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
43f9613a-f04e-4659-aadb-41031b41295b
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Verkehrsraumes an der Gebietsfläche. Hohe Indikatorwerte treten v. a. in Gebietseinheiten auf, wo sich Knotenpunkte des überregionalen Verkehrs befinden. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=V01RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WFS Anteil Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
0fbf875a-6a0e-416e-9d16-6bf68be7a645
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Der Indikator beschreibt den Anteil des Siedlungs- und Verkehrsraumes in einer Gebietseinheit. Er korreliert positiv mit dem Versiegelungsgrad und negativ mit dem Freiraumanteil. Weitere Informationen unter http://www.ioer-monitor.de/index.php?id=44&ID_IND=S11RG. Für die Nutzung von WCS- und WFS-Diensten ist eine Registrierung nötig. Bitte melden Sie sich unter https://monitor.ioer.de/monitor_api/signup an.
WFS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche
Leibniz-Institut für ökologische Raumentwicklung
01217
Weberplatz 1
Sachsen
Deutschland
opendata
Flächennutzung
Planung
Geowissenschaft
Raumwissenschaft
Verkehrswesen
Bodenbedeckung
Landwirtschaft
Statistik
Umwelt
Gewässer
Gebäude
Siedlungsstruktur
humanGeographicViewer
Bodennutzung
infoMapAccessService
mcloud_category_roads
mcloud_category_railway
mcloud_category_aviation
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung
Nutzungseinschränkungen: Es gelten keine Bedingungen
Nutzungsbedingungen: Die Daten und Dienste können mit folgenden Bedingungen genutzt werden (http://www.ioer-monitor.de/fileadmin/Dokumente/PDFs/Nutzungsbedingungen_IOER-Monitor.pdf)
1efb3105-b654-4bbd-8eda-a162dd2ee9f7
{"type": "Polygon", "coordinates": [[[4.910537, 55.236429], [16.793722, 55.236429], [16.793722, 46.953601], [4.910537, 46.953601], [4.910537, 55.236429]]]}
POLYGON ((4.910537 55.236429, 16.793722 55.236429, 16.793722 46.953601, 4.910537 46.953601, 4.910537 55.236429))
2023-10-12T00:00:00Z
Die vorliegenden Datensätze enthalten Daten aus dem mFUND Projekt AStriD – Autonome Straßenbahn im Depot. Diese Daten beinhalten u.a. Informationen über die Schienen- und Streckengeometrie, Geschwindigkeitsbegrenzungen, Positionen der Signale, Streckentrenner und Warnzonen.
Eine detaillierte Beschreibung der Datensätze entnehmen Sie bitte der beigefügten PDF-Datei.
AStriD Digitale Karten
mFUND-FKZ 19F2104A
mFUND-Projekt AStriD
Tram
Straßenbahn
autonom
Betriebshof
Infrastruktur
Potsdam
mcloud_id:CF7751C7-6957-4A66-B78B-742872109946
mcloud_category_railway
mcloud_category_infrastructure
Codewerk GmbH
Siemens Mobility GmbH, 2022
CF7751C7-6957-4A66-B78B-742872109946
2022-01-31T13:07:05Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Die Daten sind vom Grundsatz her ASB-konform. Näheres hierzu siehe unter <a href="https://www.bast.de/DE/Publikationen/Regelwerke/Verkehrstechnik/Downloads/V-asb-kernsystem.pdf?__blob=publicationFile">ASB-Kernsystem</a>.<br>
Es werden folgende drei Teildatensätze
<br><ul>
<li>Nullpunkte</li>
<li>Netzknoten</li>
<li>Sektoren (Hauptachse / Nebenachse; im allg. nur bei mehr als einer Fahrbahn vorhanden)</li>
</ul><br>
als ein Datensatz Bundesfernstraßennetz veröffentlicht. Ein Sektor entspricht dabei dem ASB-Objekt Abschnitt bzw. Ast. Die Art des ASB-Objektes ist im Attribut Subtyp angegeben.<br>
Der Ursprung der Daten liegt in den 16 Straßeninformationsdatenbanken der Länder. Eine Prüfung der Daten mit der Situation vor Ort kann in der BASt wenn überhaupt nur sehr rudimentär erfolgen. Deshalb kann zur Qualität und Richtigkeit keine definitive Aussage getroffen werden.
Datensatz Bundesfernstraßennetz
mcloud_id:4FF7FEB6-9FFE-4B89-93EF-0BE591EF931D
mcloud_category_roads
mcloud_category_infrastructure
Bundesanstalt für Straßenwesen (BASt)
Er erfolgt ein kompletter Haftungsausschluss. Dies gilt insbesondere für weiterverarbeitete Daten oder/und Einsatz in Navigationssystemen und ähnlichen/analogen Geräten oder Dienstleistungen. Es wird keinerlei Gewähr für die Richtigkeit der Daten übernommen.
4FF7FEB6-9FFE-4B89-93EF-0BE591EF931D
2019-07-16T11:09:49Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Seit dem 26.04.2021 können im Rahmen des Bundesförderprogramms Gigabit (Graue-Flecken-Programm) Adressen mit Anschlussgeschwindigkeiten bis zu 100 Mbit/s gefördert werden, soweit kein eigenwirtschaftlicher Ausbau verbindlich angezeigt wird. Ein besonderer Fokus innerhalb des Graue-Flecken-Programmes liegt auf der unkomplizierten Versorgung von Schulen, Krankenhäusern, kleinen und mittleren Unternehmen, Gewerbegebieten, lokalen Behörden und Verkehrsknotenpunkten. Diese sind förderberechtigt, wenn sie bisher noch nicht gigabitfähig angeschlossen wurden bzw. eine Downloadrate von unter 500 Mbit/s verzeichnen.
Ab 2023 wird faktisch keine Aufgreifschwelle mehr vorgesehen sein, sodass Anschlüsse, die außerhalb schwarzer Flecken liegen und noch nicht gigabitfähig (< 500 Mbit/s im Download) erschlossen sind, grundsätzlich förderfähig werden.
Im Vergleich zum Vorgänger dem Bundesförderprogramm Breitband (Weiße-Flecken-Programm) wurde die Förderung somit deutlich ausgeweitet. Die Bundesregierung förderte seit November 2015 im Rahmen des Weiße-Flecken-Förderprogrammes deutschlandweit den Ausbau leistungsfähiger Breitbandnetze in den Regionen, in denen ein privatwirtschaftlich gestützter Ausbau bisher noch nicht gelungen ist und eine Versorgung von nur unter 30 Mbit/s vorlag.
Ziel der Breitbandförderprogramme des Bundes ist es den TK-Markt zu unterstützen und anzureizen, sodass ein modernes und zukunftsfähiges High-Speed-Netz für alle Haushalte, Schulen, Krankenhäuser und Unternehmen in Deutschland geschaffen wird.
Gegenstand der Infrastrukturförderung ist entweder die Deckung einer Wirtschaftlichkeitslücke oder eine Förderung mittels Betreibermodell.
Wenn die kalkulierten Ausgaben die zu erwartenden Einnahmen übersteigen, spricht man von einer Wirtschaftlichkeitslücke. Dieses Defizit beim Netzbetreiber kann über das Bundesförderprogramm abgedeckt werden.
Im Falle des Betreibermodells hingegen wird die Errichtung der passiven Infrastruktur, wie beispielsweise Leerrohre oder Glasfaserstrecken, durch die Gebietskörperschaft durchgeführt, die sodann zum Betrieb an private Netzbetreiber verpachtet wird. Die Förderung bezieht sich hierbei auf die Investitionsausgaben abzüglich des Barwerts der Pachteinnahmen, die anteilig auf den Bundesanteil der Förderung bezogen werden.
Der Bund beteiligt sich in der Regel mit Förderquoten zwischen 50 und 70 % an den Ausbaukosten und mit bis zu 100 % an den Ausgaben für Planungs- und Beratungsleistungen.
Die Förderung hochleistungsfähiger Breitbandnetze kann nur in unterversorgten Gebieten erfolgen. Im Graue-Flecken-Förderprogramm gilt ein Gebiet bisher aufgrund beihilferechtlicher Vorgaben der EU als unterversorgt, wenn für den einzelnen Nutzer weniger als 100 Mbit/s im Download zur Verfügung stehen und kein privatwirtschaftlicher Ausbau erfolgt. Hierbei spricht man von der Aufgreifschwelle.
Informationen zu den bewilligten Förderprojekten finden Sie in der Förderlandkarte des Bundesministeriums für Digitales und Verkehr (BMDV). Zum Stand der Verfahren zur Auswahl der Netzbetreiber können Sie sich über die Online-Portale der zuständigen beliehenen Projektträger informieren. Für das Projektgebiet A (Bundesländer: Baden-Württemberg, Bayern, Berlin, Brandenburg, Sachsen, Sachsen-Anhalt, Thüringen) ist PricewaterhouseCoopers GmbH Wirtschaftsprüfungsgesellschaft in Zusammenarbeit mit VDI/VDE Innovation + Technik GmbH und TÜV Rheinland Consulting GmbH der zuständige Projektträger (<a href="https://gigabit-projekttraeger.de" target="_blank">https://gigabit-projekttraeger.de/</a>). Für das Projektgebiet B (Bundesländer: Bremen, Hamburg, Hessen, Mecklenburg-Vorpommern, Niedersachsen, Nordrhein-Westfalen, Rheinland-Pfalz, Saarland, Schleswig-Holstein) ist die atene KOM GmbH der zuständige Ansprechpartner (<a href="https://projekttraeger-breitband.de" target="_blank">https://projekttraeger-breitband.de</a>). Allgemeine Informationen zum Breitbandförderprogramm des Bundes finden sich auf der Internetseite <a href="https://www.bmdv.bund.de/breitbandfoerderung" target="_blank">https://www.bmdv.bund.de/breitbandfoerderung</a>.
Die Breitbandförderung des Bundes
Breitband
Förderung
Breitbandförderprogramm
mcloud_id:DC662864-6660-47C4-92D1-7F41F64F448A
mcloud_category_infrastructure
Bundesministerium für Digitales und Verkehr (BMDV)
Eine ausführliche Beschreibung zur Förderlandkarte finden Sie hier:
<a href="https://mcloud.de/web/guest/suche/-/results/detail/4F5E35F6-F128-4948-BB7E-73FA826FDDD0">https://mcloud.de/web/guest/suche/-/results/detail/4F5E35F6-F128-4948-BB7E-73FA826FDDD0</a>
Nutzungshinweise zu den Online-Portalen zur Breitbandförderung (Projektträger A: <a href="https://gigabit-projekttraeger.de" target="_blank">https://gigabit-projekttraeger.de</a>; Projektträger B: <a href="https://projekttraeger-breitband.de" target="_blank">https://projekttraeger-breitband.de</a>):
Im Bereich “Öffentliche Verfahren“ können Sie sich verschiedene Verfahren zur Breitbandförderung ansehen. Dort werden alle veröffentlichten Markterkundungsverfahren, Interessenbekundungsverfahren und Ausschreibungen für Netzbetreiber und Bauunternehmen angezeigt. Sie können alle Angaben, die dort veröffentlicht wurden, frei einsehen.
DC662864-6660-47C4-92D1-7F41F64F448A
2020-08-27T16:23:11Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2015-10-21Z
2023-03-06T11:04:53Z
enviroCar ist eine offene Citizen Science Plattform zum sammeln, teilen und analysieren von automobilen Fahrdaten (XFCD). Ein OBD (On-Board Diagnostics) Adapter wird genutzt um Daten wie Treibstoffverbrauch und Geschwindigkeit zu messen und diese via Bluetooth an die enviroCar mobile App zu kommunizieren. Mit der App können diese zunächst lokal gespeicherten Daten auf den envirocar Server hochgeladen werden um sie als Open Data anonymisiert für Analysen zur Verfügung zu stellen. Die Daten die über die API abgefragt werden können, enthalten für die internationalen georeferenzierten Fahrten u.a. Geschwindigkeiten, Treibstoffverbrauch und Kilometeranzahl.
enviroCar Floating Car Data
mFUND-FKZ 19F2068G
mFUND-Projekt CITRAM - Citizen Science for Traffic Management
mcloud_id:1EB5D5D2-A04D-41BD-9CC3-9508B0A4F3C2
mcloud_category_roads
mcloud_category_infrastructure
mcloud_category_climate
52°North - Initiative for Geospatial Open Source Software GmbH
1EB5D5D2-A04D-41BD-9CC3-9508B0A4F3C2
2020-03-23T11:35:37Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2012-12-31Z
2023-03-06T11:04:53Z
Sensordaten (mit GPS-Signal) des ECOSense-Projekts. Der Datensatz setzt sich zusammen aus Sensordaten, die im 1 Hz-Bereich und 24 Hz-Bereich gemessen wurden.
Gesamtvolumen: 1281 Fahrten / 0,4 GB (komprimiert) / 3,5 GB (entpackt)
Folgende Daten sind enthalten:
- internal_index
- 1Hz-Bereich: measured_date, estimated_date, longitude, latitude, speed, heading, certainty, temperature1, temperature2, humidity, pressure, altitude2
- 24Hz-Bereich: Beschleunigung in drei Achsen (accel_x_01-24, accel_y_01-24, accel_z_01-24), Gyroskop in drei Achsen (gyro_x_01-24, gyro_y_01-24, gyro_z_01-24), Magnetometer in drei Achsen (mag_x_01-24, mag_y_01-24, mag_z_01-24).
Fahrradsensordaten (mit GPS) - Oldenburg
mFUND-FKZ VB18F1030A
mFUND-Projekt ECOSense
mcloud_id:694F2C6D-E80C-4EF0-9A1A-101D0FCFDE7A
mcloud_category_infrastructure
mcloud_category_roads
Universität Oldenburg, Abteilung für Wirtschaftsinformatik VLBA
Quelle: Projekt ECOSense (mein-dienstrad.de, Universität Oldenburg/Abteilung Wirtschaftsinformatik (VLBA), CoSynth)
694F2C6D-E80C-4EF0-9A1A-101D0FCFDE7A
2020-11-23T11:13:35Z
Bundesrepublik Deutschland,WKT Raumbezug
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Polygon", "coordinates": [[[7.9891204833984375, 53.22247975316637], [7.989807128906249, 53.06556366279212], [8.368148803710938, 53.066801462406524], [8.368148803710938, 53.22330194749886], [7.9891204833984375, 53.22247975316637]]]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POLYGON ((7.9891204833984375 53.22247975316637, 7.989807128906249 53.06556366279212, 8.368148803710938 53.066801462406524, 8.368148803710938 53.22330194749886, 7.9891204833984375 53.22247975316637)))
2019-10-31Z
2020-04-29Z
2023-03-06T11:04:53Z
Dieser Datensatz enthält fiktive Suchanfragen für einen potenziellen On-Demand-Ridepooling-Dienst, modelliert basierend auf der räumlichen und zeitlichen Verteilung der Nachfrage, die im Rahmen des Pilotbetriebs "allygator shuttle" erhoben wurde.
<br><br>
<b>Diese Suchanfragen bieten die Grundlage für die Simulationsergebnisse im separat bereitgestellten Datensatz <a href="https://mcloud.de/web/guest/suche/-/results/detail/C030B771-1B52-488F-96BE-C075B49F86B4"> Simulationsergebnisse für On-Demand-Ridepooling-Szenarien in Berlin (allyMAP)
</a>.</b> In diesem Datensatz werden auch die ausgewählten Pilotgebiete zur Verfügung gestellt, auf die sich die hier bereitgestellten Fahrtwünsche beziehen.
<br><br>
<b>Erläuterung der JSON-Attribute:</b>
<ul>
<li><b>operating_period</b> – Betriebszeitraum, in dem die Suchanfragen stattfinden</li>
<li><b>start_time</b> – Beginn des Betriebszeitraums</li>
<li><b>end_time</b> – Ende des Betriebszeitraums</li>
<li><b>ride_requests</b> – Liste der Suchanfragen</li>
<li><b>pickup</b> – Abholort (Längengrad und Breitengrad)</li>
<li><b>dropoff</b> – Zielort (Längengrad und Breitengrad)</li>
<li><b>passengers</b> – Anzahl der Fahrgäste</li>
<li><b>request_time</b> – Zeitpunkt der Fahrtanfrage</li>
</ul>
Fiktive Suchanfragen für On-Demand-Fahrten in Berlin (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:CB24B6C4-3655-4952-8273-8267E092DAA0
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_roads
door2door GmbH
CB24B6C4-3655-4952-8273-8267E092DAA0
2019-12-02T16:15:42Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2018-01-04Z
2018-01-04Z
2023-03-06T11:04:53Z
Dieser Datensatz enthält vektorisierte Indoor-Kartendaten für barriere-freie Indoor-Navigation. Es handelt sich um hochgenaue georeferenzierte Indoor-Daten von einer stetig wachsenden Anzahl an Gebäuden. Konkret sind in den allermeisten Fällen mindestens folgende Informationen enthalten
- Wände
- Türen
- Treppen, Fahrstühle, Rolltreppen
- Räume mit Name und Raumtyp, und ggf. Schlagworten sowie Informationen zur Barrierefreiheit
Die Daten können nach Freigabe des Accounts direkt über eine graphql-Schnittstelle abgefragt werden (siehe Nutzungshinweise). Zusätzlich stehen direkt nutzbare SDKs für Android- und iOS-Anwendungen nach Lizensierung zur Verfügung. So können die Daten besonders einfach in mobilen Anwendungen nutzbar gemacht werden und direkt in Verbindung mit dem Fraunhofer System everGuide z.B. für eine barrierefreie Turn-by-Turn Navigation verwendet werden.
Hochgenaue Karten für barrierefreie Indoor-Navigations
mFUND-FKZ 19F2070A
mFUND-Projekt indoorRobot
Gebäude
Indoor
Navigation
Barrierefreiheit
Mobilität
mcloud_id:3F8A06C3-07DB-4707-BE6D-303B16AA9E4E
mcloud_category_infrastructure
mcloud_category_roads
Fraunhofer Institut für Offene Kommunikationssysteme FOKUS
Schnittstelle erreichbar über https://werkzeug.dcaiti.tu-berlin.de/everguide/server/api/v1/graphql unter Nutzung eines Zugangstokens, welcher unter https://werkzeug.dcaiti.tu-berlin.de/everguide/server/api/v1/auth/token erzeugt werden kann. Die Zugangsdaten nach einer Lizensierung können unter indoor-navigation@fokus.fraunhofer.de angefragt werden. Für Nachfragen zur Nutzung der SDKs ist dieselbe Mailadresse zu verwenden.
3F8A06C3-07DB-4707-BE6D-303B16AA9E4E
2021-06-25T09:32:56Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Dieser Raster-basierte Datensatz enthält die Geometrien der 15-Minuten-Erreichbarkeits-Isochrone, ausgehend vom Mittelpunkt jeder Zelle des beigefügten Rasters. Das Ergebnis bezieht sich auf eine Abfahrtszeit an einem durchschnittlichen Montag um 9:00 Uhr.
<br><br>
Die Geometrien wurden auf Basis des GTFS-Feeds für Berlin und Brandenburg 2019 generiert, der von der VBB Verkehrsverbund Berlin-Brandenburg GmbH unter Creative Commons Namensnennung-Lizenz unter<a href="https://daten.berlin.de/datensaetze/vbb-fahrplandaten-gtfs">daten.berlin.de</a> veröffentlicht wurde.
<br><br>
<b>Erläuterung der enthaltenen Spalten</b>
<ul>
<li><b>cell_id</b> – Bezug zum Raster, siehe GeoJSON oder Shapefile</li>
<li><b>geometry</b> – Multypolygon-Geometrie des innerhalb von 15 Minuten zu Fuß und mit dem ÖPNV zu erreichenden Gebiets im <a href="https://de.wikipedia.org/wiki/Simple_Feature_Access#Well-known_Text">Well-Known-Text-Format (WKT)</a></li>
</ul>
Isochrone für ÖPNV Erreichbarkeitsanalyse in Berlin (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:D5C42048-72E4-49A7-AA70-7C1C6064893E
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_roads
door2door GmbH
Erstellt auf Basis des GTFS-Feeds der VBB Verkehrsverbund Berlin-Brandenburg GmbH (CC-BY lizensiert)
D5C42048-72E4-49A7-AA70-7C1C6064893E
2019-12-03T17:51:36Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2018-12-31Z
2019-12-30Z
2023-03-06T11:04:53Z
Der Datensatz liefert mittels verschiedener Parameter Signalstärke und Signalqualität für Mobilfunkverbindungen der am weitesten verbreiteten Mobilfunknetzbetreiber in Deutschland. Bereitgestellt werden Daten für die Mobilfunktechnologien GSM, UMTS und LTE. Die Daten liegen getrennt nach Mobilfunktechnologie jeweils als strukturierter, trennzeichenseparierter ASCII-Datensatz vor.
Die Parameter umfassen im
GSM-Netz: RSSI | Telekom, Vodafone, Telefonica, Deutsche Bahn (GSM-R)
UMTS-Netz: RSSI, EC/IO, RSCP | Telekom, Vodafone, Telefonica
LTE-Netz: RSSI, SINR, RSRP, RSRQ | Telekom, Vodafone, Telefonica
Die Messung wurde mithilfe eines professionellen Mobilfunk-Scanners im Inneren eines Messfahrzeugs und unter Verwendung einer Außenantenne in der Nähe des Fahrzeugdachs durchgeführt. Es wurde nur der jeweils beste Messwert für jeden Parameter und jeden Mobilfunknetzbetreiber zu einem konkreten Zeitpunkt extrahiert. Vorrangig wurden die Daten im Großraum Dresden sowie in Brandenburg erfasst.
Mobilfunk Signalstärke & Signalqualität für GSM, UMTS und LTE
mFUND-FKZ 19F2033B
mFUND-Projekt CarToX²
mcloud_id:A144431D-E2A9-4DC7-99E4-4AB6FF7A6C4B
mcloud_category_infrastructure
TU Dresden
TU Dresden - Informationstechnik für Verkehrssysteme
A144431D-E2A9-4DC7-99E4-4AB6FF7A6C4B
2020-05-14T04:15:16Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-04-01Z
2020-04-18Z
2023-03-06T11:04:53Z
Park-API Link. Parkplatz Echtzeit-Belegungsinformationen der Stadt Herrenberg, mit LoRaWan Bodensensoren oder über Parkhaus-Schranken erhoben.
Park API Herrenberg
mFUND-FKZ 45MS0007
mFUND-Projekt Modellstadt für saubere Luft
mcloud_id:D451BD22-6408-4CC7-98F2-9AE430FCF6E4
mcloud_category_infrastructure
Stadt Herrenberg
D451BD22-6408-4CC7-98F2-9AE430FCF6E4
2021-10-15T14:29:42Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Die hier vorliegenden Daten dienen zur Kennzeichnung der <b>ASB-Sektoren</b>, die dem Lang-Lkw-Netz nach LKWÜberlStVAusnV, Anlage zu §2 Absatz 1 auf Bundesfernstraßen zugeordnet sind. Dieser Datensatz ist damit eine Untermenge des auch "Positivnetz Lang-LKW" genannten Netzes. Teilweise sind auch einige Informationen zum nachgeordneten Straßennetz vorhanden (soweit sie eingepflegt wurden). Zur besseren Visualisierung diese Datensatzes ist er um die entsprechenden Geometrien erweitert worden. Dieser Datensatz enthält keine weiteren Informationen zum Lang-LKW-Netz, z.B. aus LKWÜberlStVAusnV, §2 Absatz 2.
<br><br>
Die hier vorliegenden Daten erheben keinen Anspruch auf Vollständigkeit oder Richtigkeit. Sie sind auch von keiner rechtlichen oder amtlichen Bedeutung. Die Daten sind weder für Navigation noch für ähnliche Zwecke geeignet. Sie unterliegen der GeoNutzV. Jegliche Haftung wird ausgeschlossen. Die Aktualisierung erfolgt nur bei Bedarf.
<br><br>
Stand des Basisnetzes: 2021q2 (Die Daten sind vorläufig, da sie sich in Überarbeitung befinden), basierend auf der "Zehnte Verordnung zur Änderung der Verordnung über Ausnahmen von straßenverkehrsrechtlichen Vorschriften für Fahrzeuge und Fahrzeugkombinationen mit Überlänge".
<br><br>
Die Geometrien liegen in ETRS89/UTM32 (EPSG:25832) vor. Die Geodatendatei wird im GeoJSON-Format ausgeliefert.
Positivnetz Lang-LKW (Auszug Bundesfernstraßen)
mcloud_id:EBE89BAC-464E-4183-89F9-CB552D59F003
mcloud_category_roads
mcloud_category_infrastructure
Bundesanstalt für Straßenwesen (BASt)
Es erfolgt ein kompletter Haftungsausschluss. Es wird keinerlei Gewähr für die Richtigkeit der Daten übernommen. Es wird keine Haftung für Schäden übernommen, die durch die Nutzung der bereitgestellten Informationen entstehen.
Bundesanstalt für Straßenwesen (BASt)
EBE89BAC-464E-4183-89F9-CB552D59F003
2021-11-05T12:20:38Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Aus dem PermanentNet® abgeleitetes linearreferenziertes Hauptverkehrsstraßennetz
Referenznetz für die Hauptverkehrsstraßen
mcloud_id:5D0CBB03-DA71-47BD-AE1E-73F00F3D0F75
mcloud_category_roads
mcloud_category_infrastructure
IPM Group s.r.o
IPM Group s.r.o
5D0CBB03-DA71-47BD-AE1E-73F00F3D0F75
2020-02-26T13:09:13Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Der Datensatz enthält alle öffentlich zugänglichen Grünflächen der Stadt Heidelberg einschließlich einer Bewertung für die Eignung für physische und passive Aktivitäten. Die Attributtabelle enthält Scores, welche die Eignung der Grünflächen in Bezug auf die Durchführung von 20 verschiedenen Aktivitäten ausdrücken. Die Scores sind Ergebnis einer multikriteriellen Bewertung, welche in Cakir et al. (2021) beschrieben ist. Bei der Berechnung wurden die folgenden Eingaben berücksichtigt:
- normierte Indikatorwerte der Kriterien (siehe https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-2)
- die von den Nutzern definierte Gewichtung (siehe Standardgewichte von 0 bis 10 in Tabelle 1) der Kriterien.
Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Bildung erfolgt auf Grundlage von Annahmen über physische Barrieren, speziell dem Straßen-, Schienen-, und Wassernetz sowie Grenzen bestimmter benachbarter Landnutzungsklassenkombinationen. Für Heidelberg erfolgte die Bildung der Grünflächenpolygone durch eine kombinierte Verarbeitung von OpenStreetmap und städtischen Daten, speziell einer Geometrie zu statistischen Blöcken, den Park- und Grünanlagen, Spielplätzen, Friedhöfen, Kleingärten und Wäldern.
# Referenzen:
Cakir, S.; Hecht, R.; Krellenberg, K. (2021): Sensitivity analysis in multi-criteria evaluation of the suitability of urban green spaces for recreational activities. In: AGILE GIScience Series, 2, 22 (2021)
https://doi.org/10.5194/agile-giss-2-22-2021
Cakir, S., Schorcht, M., Stanley, C., Rieche, T., Ludwig, C., Gugulica, M., Dunkel, A., Hecht, R. (2021). Städtische Grünflächen und Indikatoren: Dresden (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-1
Hecht, R.; Artmann, M.; Brzoska, P. et al. (2021): A web app to generate and disseminate new knowledge on urban green space qualities and their accessibility. ISPRS Annals (accepted)
Krellenberg, K.; Artmann, M.; Stanley, C.; Hecht, R. (2021): What to do in, and what to expect from, urban green spaces – Indicator-based approach to assess cultural ecosystem services. In: Urban Forestry & Urban Greening (2021) 59: 126986
https://doi.org/10.1016/j.ufug.2021.126986
Krellenberg, K.; Hecht, R. (2021): Mit einer mobilen App neues Wissen zum Stadtgrün generieren. In: GIS.business - das Magazin für Geoinformation (2021) 3/2021, S.41-43
https://doi.org/10.21241/ssoar.73701
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251
https://doi.org/10.3390/ijgi10040251
Städtische Grünflächen und Aktivitäten: Heidelberg
mFUND-FKZ 19F2073A
mFUND-Projekt meinGrün
Grünflächen
Indikatoren
Ökosystemleistungen
Heidelberg
Aktivitäten
mcloud_id:87D45C73-7CC3-4FFE-8819-1608EC3E4CDB
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung e. V. (IÖR)
Die Grünflächenpolygone und deren Attribute werden im offenen Standardformat JSON angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Cakir, S., Schorcht, M., Stanley, C., & Hecht, R. (2021). Städtische Grünflächen und Aktivitäten: Heidelberg (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-4
87D45C73-7CC3-4FFE-8819-1608EC3E4CDB
2021-08-05T14:27:10Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-12-30Z
2023-03-06T11:04:53Z
Sowohl im urbanen Straßen- als auch Schienenverkehr nutzen vernetzte, intelligente Verkehrssysteme („C-ITS") Funksysteme im 5.9 GHz ITS Frequenzband.
Dies erscheint zunächst unproblematisch, wenn U- und S-Bahnen in Großstädten unterirdisch verlaufen und die inkompatiblen C-ITS Funksysteme räumlich getrennt sind. Bei genauer Betrachtung gibt es jedoch viele Bereiche, in denen der urbane Schienen- und Straßenverkehr nebeneinander verläuft. Funksysteme können sich daher gegenseitig stören und eine zuverlässige Funktionsfähigkeit von C-ITS ist nicht zwingend gewährleitstet.
Das Projekt V2X-DuRail hatte zum Ziel, diese Störungen und Interferenzen zu messen und zu analysieren.
Im Projekt wurden folgende Aktivitäten durchgeführt:
* eine 4-tägige Interferenz-Messkampagne mit dem „DB advanced TrainLab“ (Zug), einer Basisstation sowie zwei DLR Messfahrzeugen am S-Bahn „Süd-Ring“ in Berlin.
* 51 Messungen in verschiedenen Umgebungen mit unterschiedlichen Fahrmanövern und Einstellungen der Funksysteme.
* Vermessung der Funkausbreitung zwischen Störern und Zug (inklusive generischen Funksystem für 5G Funksysteme).
* Aufzeichnung der Position aller Fahrzeuge mit GNSS Empfängern und für die Straßenfahrzeuge LIDAR Daten.
V2X-DuRail Funkinterferenzdaten zwischen städtischen kooperative, intelligente Verkehrssystemen im Straßen- und Schienenverkehr
mFUND-FKZ VB18F1048A
mFUND-Projekt V2X-DuRail
V2X
Vernetztes und Autonomes Fahren
Koopertive intelligente Verkehrssysteme (C-ITS)
ITS-G5
LTE C-V2X
IEEE 802.11a
CBTC
Funkinterferenzmessungen
Funkkanalmessungen
Globale Satelliten Navigationssysteme Empfänger
Berlin
S-Bahn Südring
mcloud_id:70F8C9BB-E5E9-4D2D-A410-3185B6B5904C
mcloud_category_roads
mcloud_category_railway
mcloud_category_infrastructure
DLR - Institut für Kommunikation und Navigation
* Die Nutzung der Daten ist ausschließlich zu wissenschaftlichen Zwecken erlaubt.
* Eine kommerzielle Nutzung wird untersagt.
* Die Daten dürfen nicht ohne Einverständnis der Urheber an Dritte weitergegeben werden.
* Eine ausführliche Beschreibung des CLS Datensatzes ist angehängt.
* Um Zugang zu den CLS Datensatz zu bekommen, schreiben Sie uns bitte eine E-mail an <a href="mailto: KN-COS-v2x-durail@dlr.de">KN-COS-v2x-durail@dlr.de</a>
70F8C9BB-E5E9-4D2D-A410-3185B6B5904C
2022-01-11T11:27:28Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2021-03-03Z
2021-03-06Z
2023-03-06T11:04:53Z
Bei den Daten handelt es sich um einen Auszug eines Algorithmusses zur Berechnung von Verladerpreisen. Dieser Datensatz bildet die Strecke Krefeld nach Wolfsburg im Zeitraum 01.11.2019 bis zum 31.10.2021 ab. Für eine Strecke wurde die Entfernung von 373 km mit einer Fahrzeit von 03:46 h angenommen.
- Der Name der CSV-Dateien enthält die Informationen zur Strecke und dem Zeitraum der Berechnung.
- In der ersten Spalte ist das jeweilige Beladedatum abgebildet.
- In den weiteren Spalten sind die jeweiligen Verladerpreise dargestellt, welche sich für das jeweilige Datum der Zeile und die in der Kopfzeile angegebene Anzahl von Stellplätzen ergibt.
Weitere Parameter in der Begleitinformation.
Verladerpreise für die Strecke Krefeld nach Wolfsburg im Zeitraum 01.11.2019 bis zum 31.10.2021
mFUND-FKZ 19F2084
mFUND-Projekt Carrypicker Yield Management in der Speditionsbranche
Logistik
Transport
Preise
mcloud_id:DD57577A-5FDC-4D1C-818E-FD05B4757DE2
mcloud_category_infrastructure
Carrypicker Yield Management in der Speditionsbranche
Quelle: Carrypicker GmbH, 2021
DD57577A-5FDC-4D1C-818E-FD05B4757DE2
2021-12-08T12:01:59Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2019-10-31Z
2021-10-30Z
2023-03-06T11:04:53Z
Auf Basis dieser Daten werden mittels Methoden der künstlichen Intelligenz die Kennzahlen, wie der Zufluss von LKW und die Abfertigungsdauer, am Leercontainerdepot vom HCS Hamburger Container Service GmbH berechnet. Durch ein API-Zugriff könnnen aktuelle Vorhersagen für die nächsten Tage abgerufen werden.
Für weitere Infos über das Leercontainerdepot besuchen Sie <a href=http://www.hcs-depot.de>die Website des Depots<a/>.
Auslastungsprognosen von HCS
mFUND-FKZ 19F2148
mFUND-Projekt KIK-Lee
mcloud_id:C1C27A19-D77B-4DA1-9162-F538A79F02F9
mcloud_category_infrastructure
Fraunhofer-Center für Maritime Logistik und Dienstleistungen CML
C1C27A19-D77B-4DA1-9162-F538A79F02F9
2022-01-12T07:44:24Z
2023-03-06T11:04:53Z
Basisauswertungen der Bewegungsdaten des smartphonebasierten Trackings mit der xMND-App
Basisauswertungen der Bewegungsdaten des smartphonebasierten Trackings mit der xMND-App
mcloud_id:57ED3A45-6C11-4D06-96A2-E39841D4A3AA
mcloud_category_infrastructure
MotionTag GmbH
57ED3A45-6C11-4D06-96A2-E39841D4A3AA
2021-03-25T14:59:06Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Dieses Notebook gibt einen Überblick über alle recherchierten und in den Unterordnern archivierte Datensätze. Die Datensätze sind thematisch geordnet nach Fahrgastzähldaten und Verkehrszähldaten. Zu jedem Datensatz gibt es einen Abschnitt, in dem die wichtigsten Eigenschaften dargestellt sind und Auszüge aus den Daten präsentiert
Datenübersicht über Zähldaten
mcloud_id:8263E67F-38CD-46AC-B43C-2E0958DAFE3D
mcloud_category_infrastructure
MotionTag GmbH
8263E67F-38CD-46AC-B43C-2E0958DAFE3D
2021-03-25T15:23:35Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Die Autobahn App spricht Nutzerinnen und Nutzer der deutschen Autobahnen an, die zusätzlich zu den Möglichkeiten ihrer verwendeten Navigations-App weitere Informationen zu den Autobahnen des Bundes suchen.
Inhalte sind Informationen zur aktuellen Verkehrslage, zu aktuellen und geplanten Baustellen, Umleitungen, Straßensperrungen, Standorte von E-Ladesäulen, Parkplätzen, Tank- und Rastanlagen sowie Live-Cams im Autobahnnetz. Die Daten stammen von der Bundesnetzagentur sowie aus dem Mobilitätsdaten-Marktplatz MDM und können überwiegend frei verwendet werden.
Die App kann mit der persönlichen Navigations-App (wie Google Maps und Apple Karten) verknüpft werden und wird kosten- und werbefrei zur Verfügung gestellt.
Weitere Informationen unter https://www.autobahn.de/app
Die Autobahn App
Baustellen, Sperrungen, Umleitungen
aktuelle Verkehrslage
Parkplätze, Tankstellen, Rastplätze
Live-Cams an Autobahnen
Standorte von E-Ladesäulen
Routen-Check
mcloud_id:985EE2EB-00AC-407A-AA48-60068EB4B52E
mcloud_category_infrastructure
mcloud_category_roads
Die Autobahn GmbH des Bundes
Die App wird Nutzerinnen und -nutzern kosten- und werbefrei zur Verfügung gestellt.
Es wird das einfache, nicht ausschließliche und nicht übertragbare Recht zur Nutzung der App eingeräumt.
Weitere Nutzungsbedingungen ergeben sich aus den AGBs der App selbst sowie den App-Store-Betreibern.
Die Autobahn GmbH des Bundes
985EE2EB-00AC-407A-AA48-60068EB4B52E
2021-11-05T11:39:54Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2021-07-19Z
2023-03-06T11:04:53Z
3D-Punktwolken vom Prototype MKIII des mobilen 3D-Scanners, aufgenommen in den Fluren eines DMT-Gebäudes.
DMT Flur
mFUND-FKZ 19F2057C
mFUND-Projekt DeepSpaceBIM
mcloud_id:53CC3422-E0D6-456B-87DC-81E187658F51
mcloud_category_infrastructure
DMT GmbH & Co. KG
Mit ZIP archivierte 3D-Punktwolkendatensätze im LAS-Format
DMT GmbH & Co. KG - Projekt DeepSpaceBIM
53CC3422-E0D6-456B-87DC-81E187658F51
2021-04-29T13:17:54Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-12-31Z
2021-04-29Z
2023-03-06T11:04:53Z
Stationen RNI
Liste der von der DB RegioNetz Infrastruktur GmbH zu betreibenden Stationen
Liste der von der DB RegioNetz Infrastruktur GmbH zu betreibenden Stationen
mcloud_id:C5B57044-7A43-43A7-B5B5-87BF1975F825
mcloud_category_railway
mcloud_category_infrastructure
Eisenbahn-Bundesamt
Freie Nutzung
C5B57044-7A43-43A7-B5B5-87BF1975F825
2020-05-06T07:16:41Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Stationen DB S+S
Liste der von der DB Station&Service AG zu betreibenden Stationen
Liste der von der DB Station&Service AG zu betreibenden Stationen
mcloud_id:D707CD83-24FD-4042-B3E3-3D931400F763
mcloud_category_railway
mcloud_category_infrastructure
Eisenbahn-Bundesamt
Freie Nutzung
D707CD83-24FD-4042-B3E3-3D931400F763
2020-05-06T07:18:19Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
<p>Das BMDV Open-Data-Portal mCLOUD bietet unter <a href="https://mcloud.de/export/" target="_blank">https://mcloud.de/export/</a> eine Exportschnittstelle (REST-API) an, über die Daten als RDF nach der <a href="https://www.dcat-ap.de/" target="_blank">DCAT-AP.de</a> Spezifikation oder als CSV exportiert werden können.</p>
<h5>Export als DCAT-AP.de in RDF/XML:</h5>
Basispfad: <a href="https://mcloud.de/export/datasets" target="_blank">https://mcloud.de/export/datasets</a>
<h5>Export als CSV:</h5>
Basispfad: <a href="https://mcloud.de/export/csv/datasets" target="_blank">https://mcloud.de/export/csv/datasets</a>
<h5>Parameter:</h5>
<p>Die Parameter in den Requests sind angelehnt an die Parameter im Portal bei einer abgesetzten Suche (URL).<br />
Am Ende einer Trefferseite im Portal wird auch immer der Export angeboten. Eine Möglichkeit ist also, ganz normal über das Portal zu suchen und dann am Ende einer Seite die Export URL zu kopieren.</p>
<h5>Einzelner Datensatz</h5>
Ein einzelner Datensatz kann durch anhängen der UUID abgerufen werden.<br />
Z.B. <a href="https://mcloud.de/export/datasets/922e436b-2f0d-42d7-b3f4-528debab8b87" target="_blank">https://mcloud.de/export/datasets/922e436b-2f0d-42d7-b3f4-528debab8b87</a><br />
Dieser Export steht in der mCLOUD im Datensatz als "Link zu den Metadaten" direkt zur Verfügung.
<h5>Vordefinierte Filter:</h5>
<p>Alle Datensätze, die in den letzten 24 Stunden hinzugekommen sind:<br />
<i>filter=newdatasets</i><br />
<a href="https://mcloud.de/export/datasets?filter=newdatasets" target="_blank">https://mcloud.de/export/datasets?filter=newdatasets</a></p>
<p>Alle Datensätze, die in den letzten 24 Stunden geändert wurden (beinhaltet auch neu hinzugekommene Sätze):<br />
<i>filter=modifieddatasets</i><br />
<a href="https://mcloud.de/export/datasets?filter=modifieddatasets" target="_blank">https://mcloud.de/export/datasets?filter=modifieddatasets</a></p>
<h5>Paging (default):</h5>
<p><i>pageSize=10</i> (Anzahl Sätze auf einer Seite)<br />
<i>page=1</i> (erste Seite anzeigen)<br />
<a href="https://mcloud.de/export/datasets?page=1&pageSize=10" target="_blank">https://mcloud.de/export/datasets?page=1&pageSize=10</a></p>
<p>Im DCAT-AP.de Export werden am Anfang immer Navigationsinformationen mit ausgegeben:<br />
<i>itemsPerPage</i> (= pageSize Parameter)<br />
<i>totalItems</i> (Gesamtanzahl)<br />
<i>firstPage</i> (= erste Seite für page Parameter)<br />
<i>lastPage</i> (= letzte Seite für page Parameter)</p>
<h5>Suchbegriff:</h5>
<i>query=Fahrzeug</i><br />
<a href="https://mcloud.de/export/datasets?query=Fahrzeug" target="_blank">https://mcloud.de/export/datasets?query=Fahrzeug</a>
<h5>Suchfacette:</h5>
<i>aggs=...</i><br />
Dahinter wird die Facette genau wie auch im Portal Request angegeben. Die Kodierung ist zu beachten:<br />
<i>format%3ACSV</i> = Art des Zugangs "CSV"<br />
<i>categories%3Aroads</i> = Kategorie "Straße"<br />
<i>format%3ACSV%40%40categories%3Aroads</i> = Art des Zugangs "CSV" UND Kategorie "Straße"<br />
<br />
Zusammen:<br />
<i>aggs=format%3ACSV%40%40categories%3Aroads</i><br />
<a href="https://mcloud.de/export/datasets?aggs=format%3ACSV%40%40categories%3Aroads" target="_blank">https://mcloud.de/export/datasets?aggs=format%3ACSV%40%40categories%3Aroads</a><br />
<br />
Hier die Suche im Portal, daran kann man sich orientieren:<br />
<a href="https://mcloud.de/web/guest/suche/-/results/filter/auto/format%3ACSV%40%40categories%3Aroads/0" target="_blank">https://mcloud.de/web/guest/suche/-/results/filter/auto/format%3ACSV%40%40categories%3Aroads/0</a><br />
Am Ende der Seite befindet sich auch der Link (als RDF):<br />
<a href="https://mcloud.de/export/datasets?page=1&pageSize=1147&sortOrder=desc&sortField=latest&aggs=format%3ACSV%40%40categories%3Aroads" target="_blank">https://mcloud.de/export/datasets?page=1&pageSize=1147&sortOrder=desc&sortField=latest&aggs=format%3ACSV%40%40categories%3Aroads</a>
<h5>Sortierfeld:</h5>
Keine Angabe sortiert nach ID der Datensätze<br />
<i>sortField=relevance</i> (Relevanz)<br />
<i>sortField=latest</i> (Aktualität)
<h5>Sortierreihenfolge:</h5>
<i>sortOrder=asc</i> (aufsteigend, Default)<br />
<i>sortOrder=desc</i> (absteigend)
mCLOUD Metadatenkatalog
Open Data Portal
API
BMDV
mCLOUD
mcloud_id:292A6968-DC52-4110-A5D4-5FEC25F7D2DF
mcloud_category_railway
mcloud_category_waters
mcloud_category_infrastructure
mcloud_category_climate
mcloud_category_aviation
mcloud_category_roads
Bundesministerium für Digitales und Verkehr (BMDV)
Für die Weiterverwendung der einzelnen Metadateneinträge sowie der damit verbundenen Daten gelten die jeweils unterschiedlichen Lizenzinformationen auf Distributionsebene.
Bundesministerium für Digitales und Verkehr (BMDV)
292A6968-DC52-4110-A5D4-5FEC25F7D2DF
2020-12-22T07:26:00Z
2023-03-06T11:04:53Z
Mikro-Doppler Radardaten von Verkehrsteilnehmern zum Trainieren von Neuronalen Netzen.
Eine Datendatei enthält zeitsynchrone Radar- und Videodaten.
Zu einem Datensatz gehören Radardaten (Entfernung, Richtung und Geschwindigkeit) von Verkehrsteilnehmern aufgenommen in einem Kreuzungsbereich bei unterschiedlichen Verkehrssituationen. Darüber hinaus sind zu jedem bewegten Radarziel die Mikro-Doppler-Daten und das Videobild der Verkehrsszene zusammen mit einem Zeitstempel abgespeichert. Die Mikro-Doppler-Daten können zum Trainieren von Neuronalen Netzen verwendet werden, nachdem der Anwender diesen Daten ein Label aus bestimmten Klassen zugeordnet hat. Dies kann händisch oder automatisiert mit Hilfe von Bilderkennungstools durchgeführt werden. Sinnvolle Klassen können für diese Daten sein: Person geht, Person läuft, Radfahrer, Fahrzeug usw.
Die gelabelten Daten können dann zum Trainieren oder Verifizieren von Neuronalen Netzen angewendet werden.
Ziel dieser Klassifizierung ist, frühzeitig Verkehrssituationen zu erkennen, die zu einer Gefahr insbesondere für vulnerable Verkehrsteilnehmer führen kann, um entsprechend rechtzeitig Informationen oder Warnungen an die Verkehrsteilnehmer übermitteln oder Einfluss auf die Verkehrssteuerung nehmen zu können. Dies soll zukünftig auch das autonome Fahren in städtischen Kreuzungsbereichen unterstützten.
Mikro-Doppler Radardaten von Verkehrsteilnehmern
mFUND-FKZ 19F1074B
mFUND-Projekt VIDETEC
FMCW Radar
Klassifizierung von Verkehrsteilnehmern mittels Mikro-Doppler Daten
Künstliche Intelligenz, Neuronale Netze zur Klassifizierung
Sicherkeit im Straßenverkehr an Kreuzungen
Schutz von vulnerablen Verkehrsteilnehmern
Autonomes Fahren
mcloud_id:F1FB5747-5D76-4323-B3A6-EE814508D7AC
mcloud_category_roads
mcloud_category_infrastructure
IMST GmbH
* Die Nutzung der Daten ist ausschließlich zu wissenschaftlichen Zwecken vorgesehen.
* Eine kommerzielle Nutzung wird nicht gestattet.
* Die Daten dürfen nicht ohne Einverständnis der Dateneigentümer an Dritte weitergegeben werden.
* Eine Registrierung der Datennutzer erfolgt per E-Mail.
Quelle: IMST GmbH 2021, Projekt VIDETEC, FKZ 19F1074B
F1FB5747-5D76-4323-B3A6-EE814508D7AC
2021-12-22T12:44:13Z
2021-04-12Z
2021-04-13Z
2023-03-06T11:04:53Z
Metadaten aus OpenData Portalen.
Dieser Datensatz umfasst Metadaten aus den Portalen European Data Portal (EDP), GovData, mCLOUD und MDM. Darin werden offene Datensätze beschrieben. Dies umfasst u.a. Titel, Beschreibungstexte, Lizenzen, Download-URLs und Geodaten. Die Metadaten wurden im mFUND Projekt OPAL aufbereitet und erweitert. Dazu wurde OPAL Batch 1.0.4 verwendet.
Das verwendete Datenformat ist RDF/Turtle. Die einzelnen Dateien sind im tar.gz Format (einer ZIP Alternative) komprimiert.
Die verwendeten Vokabularien sind DCAT und DVQ.
Daten:
EDP
Datensätze: 191.374
Tripel: 22.336.605
GovData
Datensätze: 37.931
Tripel: 3.906.021
mCLOUD
Datensätze: 2.853
Tripel: 297.163
MDM
Datensätze: 203
Tripel: 11.532
Links:
https://www.europeandataportal.eu/
https://www.govdata.de/
https://www.mcloud.de/
https://www.mdm-portal.de/
https://dice-research.org/OPAL
https://github.com/projekt-opal/batch/releases/tag/1.0.4
https://www.w3.org/TR/turtle/
https://de.wikipedia.org/wiki/Tar_(Packprogramm)
https://www.w3.org/TR/vocab-dcat-2/
https://www.w3.org/TR/vocab-dqv/
Offene Metadaten
mFUND-FKZ 19F2028A
mFUND-Projekt OPAL
mcloud_id:75FCDE91-5BB6-4CC0-B155-F1641CFA9E24
mcloud_category_infrastructure
Universität Paderborn, Fachgruppe Data Science
Die RDF/Turtle Dateien können in RDF Datenbanken (Triplestores) importiert werden. Populäre Triplestores sind Virtuoso und Fuseki. Siehe auch https://www.w3.org/wiki/SparqlImplementations#Query_Engines
Datenbasis: European Data Portal (EDP), GovData, mCLOUD und MDM
75FCDE91-5BB6-4CC0-B155-F1641CFA9E24
2020-12-10T15:13:47Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-11-29Z
2023-03-06T11:04:53Z
Die OPENER-App ist eine Android-Applikation, die der Erfassung von Barrieren an Haltestellen des ÖPNV dient. Die erfassten Daten sind geo-referenziert, werden Haltestellensteig (bzw. -mast) scharf aufgelöst und sind mit der Deutschlandweit eindeutigen Haltestellen-ID (DHID) versehen. Die Barriere-Daten werden nach dem Datenstandard des DELFI-Vereins erfasst und sind somit deutschlandweit nutzbar (vgl. https://www.delfi.de/de/leistungen-produkte/handbuch-barrierefreiheit/).
Der Source-Code der App wird fortlaufend weiterentwickelt, ein regelmäßiges Überprüfen des verlinkten GitLab-Repositories ist daher empfehlenswert. Weiterhin wird derzeit eine Beta-Version im Google Play Store zum Test angeboten.
OPENER App Source-Code
mFUND-FKZ VB18F1016A
mFUND-Projekt OPENER
mcloud_id:0B3BA7EC-8763-46CA-81A0-575327FD6C6A
mcloud_category_infrastructure
Technische Universität Chemnitz
0B3BA7EC-8763-46CA-81A0-575327FD6C6A
2020-04-17T05:43:57Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Beschreibung: Der Datensatz enthält alle öffentlich zugänglichen Grünflächen der Stadt Dresden einschließlich einer Attributtabelle mit 38 verschiedenen Indikatoren. Die Grünflächen und Indikatorenwerte sind zentrale Datengrundlage für die Bewertung der Grünflächen nach Kriterien oder der Eignung für bestimmte Aktivitäten mittels der meinGrün-App (app.meingruen.org).
Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Bildung erfolgt auf Grundlage von Annahmen über physische Barrieren, speziell dem Straßen-, Schienen-, und Wassernetz sowie Grenzen bestimmter benachbarter Landnutzungsklassenkombinationen. Für Dresden erfolgte die Bildung der Grünflächenpolygone durch eine kombinierte Verarbeitung von OpenStreetmap und städtischen Daten, speziell einer Geometrie zu statistischen Blöcken, den Park- und Grünanlagen, Spielplätzen, Friedhöfen, Kleingärten und Wäldern. Indikatoren wurden durch das Leibniz-Institut für ökologische Raumentwicklung, dem Heidelberg Institute for Geoinformation Technology an der Universität Heidelberg und dem Institut für Kartographie der TU Dresden prozessiert. Die für die Berechnung der Indikatoren verwendeten Datengrundlagen und Berechnungsvorschriften sind in der Metadatenbeschreibung dokumentiert.
# Referenzen:
Cakir, S.; Hecht, R.; Krellenberg, K. (2021): Sensitivity analysis in multi-criteria evaluation of the suitability of urban green spaces for recreational activities. In: AGILE GIScience Series, 2, 22 (2021)
https://doi.org/10.5194/agile-giss-2-22-2021
Hecht, R.; Artmann, M.; Brzoska, P. et al. (2021): A web app to generate and disseminate new knowledge on urban green space qualities and their accessibility. ISPRS Annals (accepted)
Krellenberg, K.; Artmann, M.; Stanley, C.; Hecht, R. (2021): What to do in, and what to expect from, urban green spaces – Indicator-based approach to assess cultural ecosystem services. In: Urban Forestry & Urban Greening (2021) 59: 126986
https://doi.org/10.1016/j.ufug.2021.126986
Krellenberg, K.; Hecht, R. (2021): Mit einer mobilen App neues Wissen zum Stadtgrün generieren. In: GIS.business - das Magazin für Geoinformation (2021) 3/2021, S.41-43
https://doi.org/10.21241/ssoar.73701
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251
https://doi.org/10.3390/ijgi10040251
Städtische Grünflächen und Indikatoren: Dresden
mFUND-FKZ 19F2073A
mFUND-Projekt meinGrün
Grünflächen
Indikatoren
Ökosystemleistungen
Dresden
mcloud_id:8BD88422-EE2C-4F48-B783-9BDC23DEBA76
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung e. V. (IÖR)
Die Grünflächenpolygone und deren Attribute werden im offenen Standardformat JSON angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Cakir, S., Schorcht, M., Stanley, C., & Hecht, R. (2021). Städtische Grünflächen und Aktivitäten: Heidelberg (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-1
8BD88422-EE2C-4F48-B783-9BDC23DEBA76
2021-09-17T19:05:40Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-12-30Z
2023-03-06T11:04:53Z
Diese API umfasst statische und dynamische Daten zu 10 Stellplätzen auf dem Park-and-Ride-Parkplatz Lochhausen Nord, Lochhausener Str. 215, 81249 München. Diese unmittelbar benachbarten Stellplätze sind jeweils mit einem druckempfindlichen Belegungssensor der ParkHere GmbH ausgestattet. Als dynamische Daten sind die aktuellen Belegungszustände von jedem Stellplatz in Echtzeit angegeben. Als statische Daten sind u.a. die geografischen Koordinaten von jedem Stellplatz angegeben.
Erläuterung zu den Daten:
id...ID des Stellplatzes (spot)
longitude...geografische Länge zur Stellplatzposition (in Grad, östliche Länge)
latitude...geografische Breite zur Stellplatzposition (in Grad, nördliche Breite)
timestamp...Erfassungszeitpunkt bzw. Beginn des aktuellen Zustands (Datum und Uhrzeit)
state...aktueller Belegungszustand des Stellplatzes (0=frei, 1=belegt)
Anmerkung:
Korrektur aller Stellplatz-Koordinaten am 27.08.2021 wegen ursprünglich ungenauer Messdaten. Die neuen Koordinaten wurden auf Basis eines aktuellen Luftbilds in JOSM (Open Street Map) ermittelt und eingezeichnet. Die neuen Kartendaten (Stellplätze mit Umrandung) wurden auch auf den Open Street Map-Server hochgeladen.
Stadt München, P+R-Parkplatz Lochhausen Nord: Stellplatzbelegung
mFUND-FKZ 19F2061A
mFUND-Projekt PAMIR
mcloud_id:FED49CD5-4AAF-4EAD-BFD4-9FDC1DE0C1B3
mcloud_category_roads
mcloud_category_infrastructure
ifak e.V.
Veröffentlichung mit freundlicher Genehmigung der P+R Park & Ride GmbH München
ParkHere GmbH München, ifak e.V. Magdeburg
FED49CD5-4AAF-4EAD-BFD4-9FDC1DE0C1B3
2019-12-19T16:21:57Z
Bundesrepublik Deutschland,WKT Raumbezug
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Point", "coordinates": [11.4084752569301, 48.1765474641069]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POINT (11.4084752569301 48.1765474641069))
2019-12-18Z
2023-03-06T11:04:53Z
Bei den Daten handelt es sich um einen Auszug eines Algorithmusses zur Berechnung von Verladerpreisen. Dieser Datensatz bildet die Strecke Kuenzell nach Hamburg im Zeitraum 01.11.2019 bis zum 31.10.2021 ab. Für eine Strecke wurde die Entfernung von 401 km mit einer Fahrzeit von 04:05 h angenommen.
- Der Name der CSV-Dateien enthält die Informationen zur Strecke und dem Zeitraum der Berechnung.
- In der ersten Spalte ist das jeweilige Beladedatum abgebildet.
- In den weiteren Spalten sind die jeweiligen Verladerpreise dargestellt, welche sich für das jeweilige Datum der Zeile und die in der Kopfzeile angegebene Anzahl von Stellplätzen ergibt.
Weitere Parameter in der Begleitinformation.
Verladerpreise für die Strecke Kuenzell nach Hamburg im Zeitraum 01.11.2019 bis zum 31.10.2021
mFUND-FKZ 19F2084
mFUND-Projekt Carrypicker Yield Management in der Speditionsbranche
Logistik
Transport
Preise
mcloud_id:483CFA44-F794-40FE-B554-2BD54433E365
mcloud_category_infrastructure
Carrypicker Yield Management in der Speditionsbranche
Quelle: Carrypicker GmbH, 2021
483CFA44-F794-40FE-B554-2BD54433E365
2021-12-08T12:02:04Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2019-10-31Z
2021-10-30Z
2023-03-06T11:04:53Z
Mit der Communication, Localization and Surveillance (CLS) Technologie können mittels der Übertragung von V2X Radiosignalen an Kreuzungen bewegte Verkehrsteilnehmer erfasst werden. Das Konzept dahinter heißt Wireless Sensing und basiert auf die Ausbreitungseigenschaften von Radiowellen, die durch Objekte Reflektiert und gestreut werden. Bei der CLS Technologie werden Basisbanddaten (Impulsantworten) an vier Empfangsantennen aufgezeichnet.
Im Rahmen des Projektes VIDETEC wurde das CLS System, an einer Testkreuzung installiert und ein erster Datensatz zur Erfassung von Verkehrsteilnehmern erhoben. Parallele Referenzsysteme (GNSS-RTK und Laserscanner) dokumentieren die Datenerhebung und erlauben eine Validierung und Vorverarbeitung für die spätere Verwendung des Datensatzes. Beim mehrtätigen Einsatz des CLS-Systems an der Testkreuzung wurden die Basisband-Rohdaten in verschiedenen Konfigurationen und Verkehrsszenarien gemessen.
Wireless Sensing mit V2X Signale an einer Verkehrskreuzung
mFUND-FKZ 19F1074A
mFUND-Projekt VIDETEC
Vulnerable Road User
Verkehrslageerfassung
V2X
Wireless Sensing
Schutz von vulnerable Verkehrsteilnehmer
Vernetztes und Autonomes Fahren
mcloud_id:38084415-0B60-480C-AF12-C54201675A56
mcloud_category_roads
mcloud_category_infrastructure
DLR - Institut für Kommunikation und Navigation
* Die Nutzung der Daten ist ausschließlich zu wissenschaftlichen Zwecken erlaubt.
* Eine kommerzielle Nutzung wird untersagt.
* Die Daten dürfen nicht ohne Einverständnis der Urheber an Dritte weitergegeben werden.
* Eine ausführliche Beschreibung des CLS Datensatzes ist angehängt
* Um Zugang zu den CLS Datensatz zu bekommen, schreiben Sie uns bitte eine E-mail an videtec_data@dlr.de
38084415-0B60-480C-AF12-C54201675A56
2022-01-04T13:30:16Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2021-04-12Z
2021-04-13Z
2023-03-06T11:04:53Z
ProTrain möchte mittels einer Fusion von in der mCLOUD bereitgestellten Daten und Daten weiterer Partner neuartige Dienste schaffen bzw. bisherige Dienste merklich verbessern. Ziel ist eine effektive Fahrgastlenkung vor und während der ÖV-Nutzung zur besseren Nutzung vorhandener Kapazitäten und Ressourcen im Öffentlichen Verkehr. Mit Hilfe der Prognosen und den aktuellen Belegungsgraden sollen Fahrgäste so gelenkt werden, dass sich ein möglichst ausgewogenes Verhältnis von Angebot und Nachfrage einstellt. So kann einem Fahrgast, der eine Verbindung sucht, empfohlen werden, lieber eine frühere oder spätere Verbindung zu nutzen, um großes Gedränge im Zug zu vermeiden.
Hierfür wurden zunächst Anforderungsanalysen durchgeführt, welche relevante Nutzergruppen und Stakeholder mit ihren spezifischen Anforderungen identifiziert.
Ein technisches Gesamtsystem, das diesen Anforderungen Rechnung trug, wurde erstellt, eine Datenplattform eingerichtet und eine modulare Systemlandschaft spezifiziert, die heterogene Datenquellen erschloss, und deren Daten integriert waren und als Service bereitgestellt wurden. Speziell wurde auf die Konzeption eines effizienten Datenmanagements für historische Daten geachtet. Geeignete Schnittstellen zum Datenaustausch zwischen den zuliefernden Partnern wurden definiert. Für die Testnutzer-Information wurde eine Web-App als bestgeeignete Lösung angesehen und, dem System angepasst, entworfen. Mithilfe eines eigens entwickelten SDK auf Android-Handys sollten bei einigen Probanden die genutzten Verkehrsmittel ermittelt werden. Diese waren nutzerbestätigt.
Die Spezifikation des Dienstes wurde entwickelt, die benötigten Daten für die Anwendungen definiert. Drei verschiedene Prognosealgorithmen wurden für bestimmte Prognosezeiträume erarbeitet. Die Datenschnittstellenstrategie wurde entwickelt, die Komponenten der Schnittstellen zwischen den Partnern abgestimmt, das Fahrtarchiv online zur Verfügung gestellt. Algorithmen zur automatischen Erkennung von Verkehrsmittel und Fahrtzweck wurden erarbeitet. Auf Basis der Fahrgastzähldaten und Sitzplatzkapazitäten wurden Auslastungsgrade ermittelt. Die Belegungsdaten aus AFZS für RE-Züge wurden dem Projekt bereitgestellt. Die Erweiterung des Fahrplandaten-Managements um Wetterdaten ist erfolgt. Die Basisprognose wurde differenziert je Wetterlage (z. B. Sommertag). Tagesgruppen, Tageszeit und Fahrtabschnitt wurden berechnet und bereitgestellt. Für die Prognoseinformation an die Testnutzer wurde ein Dienstekonzept erstellt. Eine Web-App auf der HaCon Plattform wurde als Test-App entwickelt.
Der beiliegende Datensatz beinhaltet die konsolidierte Prognose basierend auf den drei Algorithmen (Spalte N) sowie eine tatsächliche Auslastung (Spalte O).
Spalte E und F beschreiben den Fahrtverlauf von bis. Die Spalten J-M geben Auskunft über den jeweiligen Abschnitt.
Der Datensatz beinhaltet alle Daten für einen Kalendertag (1. November 2019).
Auslastungsprognose Regionalzüge Berlin-Brandenburg (RE3 und RE5)
mFUND-FKZ 19F2021
mFUND-Projekt ProTrain
mcloud_id:427D3129-8729-43B5-A50C-8F2AA1B55A5A
mcloud_category_railway
mcloud_category_infrastructure
VBB Verkehrsverbund Berlin-Brandenburg GmbH
427D3129-8729-43B5-A50C-8F2AA1B55A5A
2020-03-11T10:11:14Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2019-10-31Z
2019-10-31Z
2023-03-06T11:04:53Z
Mess- und Auswertungen für das Projekt smartech
Bereitstellung der Verfahrensdaten zur digitalen Vermessung
smartech
smartphonevermessung
mcloud_id:e439a775-aec4-4ea0-8341-f7b9a4f10bd1
mcloud_category_infrastructure
Kreis Paderborn, Amt für Geoinformation, Kataster und Vermessung
e439a775-aec4-4ea0-8341-f7b9a4f10bd1
2022-06-15T14:34:53Z
2023-03-06T11:04:53Z
Aufnahmen von neu gebauten Betonwänden durch das Baustellenpersonal. Schäden wurden anschließend durch Viscan manuell für das maschinelle Lernen im mFUND-Projekt SoftEroS gelabelt. Die Daten können als Trainings- und Testdaten genutzt werden. Die Aufteilung ist dabei dem Anwender überlassen.
Im Projekt wurden mehrere Schadensbilder untersucht. Hier werden zunächst die Schadensbilder zu Luftporen veröffentlicht.
Bildkacheln und pixelbasierte Labels von Luftporen auf Betonwänden
mFUND-FKZ 19F1047A
mFUND-Projekt SoftEroS
mcloud_id:DF5CCEA9-2FCC-4A19-BBAA-6FB410CC87E5
mcloud_category_infrastructure
Viscan Solutions GmbH
Die Aufnahmen wurden von Bauarbeitern auf der Baustelle Stuttgart 21 aufgenommen.
Die Labeling-Daten wurden von der Viscan GmbH erstellt
DF5CCEA9-2FCC-4A19-BBAA-6FB410CC87E5
2020-05-18T13:11:16Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2018-09-30Z
2019-07-30Z
2023-03-06T11:04:53Z
Identifizierte Erschütterungen, gemessen an der Fahrzeugachse. (basierend auf den Sensordaten des Projektes CargoTrailSense).
Für den Datensatz wurden Messfahrten in Straßenabschnitte von 50 Metern unterteilt und gemessen, wie oft in dem Abschnitt, zum jeweiligen GPS-Punkt, eine ähnlich hohe Beschleunigung festfestellt worden ist.
Die Datei enthält Messungen aus 9 Tagesmessungen im Norden von Dortmund, von Recklinghausen bis Lünen.
Der Datensatz gibt eine Aussage über die Stärke der Erschütterung als Beschleunigung mit dem Faktor g (9,81 m/s2) und dazu eine Einordnung des lokalen Straßenzustandes in zwei Kategorien.
Detektierte Erschütterungen an der LKW-Auflieger-Achse aufgrund von Fahrbahnanregungen
mFUND-Projekt CargoTrailSense
Strassenzustand
mcloud_id:A6D5B1CF-1335-41F6-B293-702E77DDDFD4
mcloud_category_infrastructure
mcloud_category_roads
FH Dortmund
Quelle: mFUND Projekt CargoTrailSense
A6D5B1CF-1335-41F6-B293-702E77DDDFD4
2022-02-14T16:29:56Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2021-09-26Z
2021-11-10Z
2023-03-06T11:04:53Z
3D-Punktwolken und Screen-Videos vom Prototype MKII des mobilen 3D-Scanners, aufgenommen in den Foyer-Räumen und Kellergängen des DMT-Geländes.
DMT Foyer & Kellergänge
mFUND-FKZ 19F2057C
mFUND-Projekt DeepSpaceBIM
mcloud_id:DFB1BE9B-BCF3-4D16-AAAF-25104A56AE0E
mcloud_category_infrastructure
DMT GmbH & Co. KG
DMT GmbH & Co. KG - Projekt DeepSpaceBIM
DFB1BE9B-BCF3-4D16-AAAF-25104A56AE0E
2021-04-29T12:57:44Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2021-02-28Z
2021-04-29Z
2023-03-06T11:04:53Z
Sensordaten (ohne GPS-Signal) des ECOSense-Projekts. Der Datensatz setzt sich zusammen aus Sensordaten, die im 1 Hz-Bereich und 24 Hz-Bereich gemessen wurden.
Gesamtvolumen: 14859 Fahrten / 3,74 GB (komprimiert) / 36,2 GB (entpackt)
Folgende Daten sind enthalten:
- internal_index
- 1Hz-Bereich: measured_date, estimated_date, longitude, latitude, speed, heading, certainty, temperature1, temperature2, humidity, pressure, altitude2
- 24Hz-Bereich: Beschleunigung in drei Achsen (accel_x_01-24, accel_y_01-24, accel_z_01-24), Gyroskop in drei Achsen (gyro_x_01-24, gyro_y_01-24, gyro_z_01-24), Magnetometer in drei Achsen (mag_x_01-24, mag_y_01-24, mag_z_01-24).
Fahrradsensordaten (ohne GPS) - Oldenburg
mFUND-FKZ VB18F1030A
mFUND-Projekt ECOSense
mcloud_id:0C3245A0-6D08-4AC0-9983-538D82EE39DF
mcloud_category_infrastructure
mcloud_category_roads
Universität Oldenburg, Abteilung für Wirtschaftsinformatik VLBA
Quelle: Projekt ECOSense (mein-dienstrad.de, Universität Oldenburg/Abteilung Wirtschaftsinformatik (VLBA), CoSynth)
0C3245A0-6D08-4AC0-9983-538D82EE39DF
2020-11-23T11:13:37Z
Bundesrepublik Deutschland,WKT Raumbezug
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Polygon", "coordinates": [[[7.9891204833984375, 53.22247975316637], [7.989807128906249, 53.06556366279212], [8.368148803710938, 53.066801462406524], [8.368148803710938, 53.22330194749886], [7.9891204833984375, 53.22247975316637]]]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POLYGON ((7.9891204833984375 53.22247975316637, 7.989807128906249 53.06556366279212, 8.368148803710938 53.066801462406524, 8.368148803710938 53.22330194749886, 7.9891204833984375 53.22247975316637)))
2019-10-31Z
2020-04-29Z
2023-03-06T11:04:53Z
Die ZIP-Datei enthält die Ordnerstruktur für die Bereitstellung eines 3D-Visualisierungsdienstes mittels OGC API - 3D GeoVolumes für den Vogelsbergkreis. Die Daten beruhen dabei auf den beiden Datenbeständen DGM1 und LoD2 des Hessischen Landesamts für Bodenmanagement und Geoinformation. Die Daten unterliegen der Lizenz dl-de/zero-2-0.
Gebäudemodell in LoD2
mFUND-FKZ 19FZ126D
mFUND-Projekt envVisio GI - GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode
3D-Gebäudemodell
LoD2
OGC API - 3D GeoVolumes
Vogelsbergkreis
mcloud_id:cd9a0e79-ef53-40e8-8013-0aaa598025ff
mcloud_category_infrastructure
GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode - envVisio-GI
HLBG, dl-de/zero-2-0, https://www.geoportal.hessen.de/
cd9a0e79-ef53-40e8-8013-0aaa598025ff
2022-11-10T11:26:08Z
Vogelsbergkreis, Hessen, Deutschland
{"type": "Polygon", "coordinates": [[[8.905792, 50.385757], [9.650116, 50.385757], [9.650116, 50.8363], [8.905792, 50.8363], [8.905792, 50.385757]]]}
POLYGON ((8.905792 50.385757, 9.650116 50.385757, 9.650116 50.8363, 8.905792 50.8363, 8.905792 50.385757))
2022-02-10Z
2022-02-10Z
2023-03-06T11:04:53Z
Die ZIP-Datei enthält die Ordnerstruktur für die Bereitstellung eines 3D-Visualisierungsdienstes mittels OGC API - 3D GeoVolumes für den Kreis Lippe. Die Daten beruhen dabei auf den beiden Datenbeständen DGM1 und LoD2 von Geobasis NRW. Die Daten unterliegen der Lizenz dl-de/zero-2-0.
Für die Inbetriebnahme des Dienstes ist die Software "3D GeoVolumes API Server" des Steinbeis Transfer Zentrums der HFT Stuttgart notwendig. Die Software ist unter https://transfer.hft-stuttgart.de/gitlab/ogc/3dgeovolumesapi erhältlich und beschrieben.
Verwendete Datensätze: https://www.opengeodata.nrw.de/produkte/geobasis/hm/dgm1_xyz/dgm1_xyz/ und https://www.opengeodata.nrw.de/produkte/geobasis/3dg/lod2_gml/lod2_gml/
Gebäudemodell in LoD2
mFUND-FKZ 19FZ126D
mFUND-Projekt envVisio GI - GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode
3D-Gebäudemodell
LoD2
OGC API - 3D GeoVolumes
Kreis Lippe
mcloud_id:fb878b9f-f766-4983-864d-3534be0f0270
mcloud_category_infrastructure
GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode - envVisio-GI
Geobasis NRW, dl-de/zero-2-0, https://www.opengeodata.nrw.de/produkte/geobasis/hm/dgm1_xyz/dgm1_xyz/ und https://www.opengeodata.nrw.de/produkte/geobasis/3dg/lod2_gml/lod2_gml/
fb878b9f-f766-4983-864d-3534be0f0270
2022-11-10T11:06:25Z
Kreis Lippe, Nordrhein-Westfalen, Deutschland
{"type": "Polygon", "coordinates": [[[8.606415, 51.78908], [9.345245, 51.78908], [9.345245, 52.19414], [8.606415, 52.19414], [8.606415, 51.78908]]]}
POLYGON ((8.606415 51.78908, 9.345245 51.78908, 9.345245 52.19414, 8.606415 52.19414, 8.606415 51.78908))
2022-02-10Z
2022-02-10Z
2023-03-06T11:04:53Z
Der Datensatz enthält alle öffentlich zugänglichen Grünflächen in der Stadt Heidelberg einschließlich einer Attributtabelle mit drei Hauptindikatoren zur Nutzung und Wahrnehmung der städtischen Grünflächen (Beliebtheit_Indikator, Ästhetik_Indikator und Tiere_Indikator), die aus sozialen Medien abgeleitet wurden. Neben diesen drei Hauptwerten enthält die Attributtabelle weitere 18 statistische Werte, die durch die Verschneidung der Grünflächen mit klassifizierten Social-Media-Daten berechnet wurden und in der Metadatenbeschreibung dokumentiert sind. Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Grünflächen und Indikatorenwerte sind Teil der zentralen Datengrundlage (Cakir et al., 2021) für die Bewertung der Grünflächen in Heidelberg nach Kriterien bzw. Eignung für bestimmte Aktivitäten mittels der meinGrün-App (app.meingruen.org).
Die Beliebtheit der städtischen Grünflächen in Heidelberg wurde anhand der Dichte von standortbezogenen Social-Media-Posts gemessen. Die Verarbeitung der Daten für Grünflächen ist in einem Notebook dargelegt und beschrieben (pub.zih.tu-dresden.de/~s7398234/vis/zielgeometrien-intersect_v6.html)
Der Ästhetik-Indikator bezeichnet den ästhetischen Wert städtischer Grünflächen in Heidelberg und wurde anhand der Dichte von ästhetikbezogenen Social-Media-Posts konzeptualisiert und gemessen. Für die Identifizierung der Social-Media-Posts, die sich auf den ästhetischen Wert städtischer Grünflächen beziehen, wurde eine neuartige Methodik entwickelt, die auf unüberwachter Textklassifizierung und gezielter Filterung von Social-Media-Posts basiert und in Gugulica & Burghardt, 2021 - in Arbeit – ausführlicher beschrieben wird.
Der Tiere-Indikator zeigt das Vorhandensein von Wildtieren in städtischen Grünflächen in Heidelberg. Die Quantifizierung des Tiere-Indikators basiert auf der grundlegenden Annahme, dass Dichten von Social Media Posts, die sich auf Wildtiere und Wildtierfotografie beziehen, potenziell die Nachfrage nach Wildtierbeobachtung widerspiegeln und Hotspots für diese Aktivität anzeigen. Um die relevanten Social-Media-Posts für die Berechnung des Indikators zu identifizieren, wurde die oben genannte Methodik, die auf unüberwachter Textklassifizierung und gezielter Filterung von Social-Media-Posts basiert und in Gugulica & Burghardt, 2021 - in Arbeit - ausführlicher beschrieben wird, verwendet.
Für die Quantifizierung der Beliebtheit, Ästhetik und Tiere Indikatoren der städtischen Grünflächen in Heidelberg, wurden standortbezogene Social-Media-Daten von Instagram, Flickr und Twitter (einschließlich Fotos, die mit Text versehen sind und Textnachrichten) verwendet. Die Daten wurden anhand der eingebetteten Standortinformationen und eines benutzerdefinierten Bounding Box identifiziert und über die von jeder der Plattformen zur Verfügung gestellte API abgerufen und erfasst. Es wurden nur öffentlich verfügbare Social-Media-Posts, die zwischen den 1. Januar 2015 und den 31. Oktober 2020 veröffentlicht wurden, berücksichtigt und als CSV-Datei zusammen mit Metainformationen wie Benutzer-ID, Koordinaten, Beschriftungen, Aufnahme- und Upload-Datum gespeichert. Duplikate wurden entfernt und nach der Verschneidung des Datensatzes mit den Zielpolygonen umfassten die endgültigen Datensatz für Heidelberg 308.496 Posts (28.886 Tweets, 245.992 Instagram Posts und 33.618 Flickr Posts). Die Auswahl der Plattformen wurde hauptsächlich von der Beliebtheit der Social-Media-Kanälen und der Spezifität der jeweiligen Inhalte bestimmt. Um ein breiteres Anwender*innen-Spektrum abzudecken, wurden die drei Datenquellen kombiniert, was durch die erhöhte Datenbreite zu robusteren Ergebnissen führte.
Referenzen:
Cakir, S., Schorcht, M., Stanley, C., Theodor, R., Ludwig, C., Gugulica, M., Dunkel, A., & Hecht, R. (2021). Städtische Grünflächen und Indikatoren: Heidelberg (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-2
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251 https://doi.org/10.3390/ijgi10040251
Nutzung- und Wahrnehmung-Indikatoren der städtischen Grünflächen in Heidelberg
mFUND-FKZ 19F2073C
mFUND-Projekt meinGrün
Grünflächen
Nutzung-Indikatoren
Wahrnehmung-Indikatoren
kulturelle Ökosystemleistungen
Heidelberg
mcloud_id:9803CBCB-3315-4E01-9413-79A27EB3A4ED
mcloud_category_infrastructure
Institut für Kartographie, TU Dresden
Die Grünflächenpolygone und deren Attribute werden im offenen GeoJSON-Format angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Gugulica, M., Dunkel, A (2021). Städtische Grünflächen und Nutzung- und Wahrnehmung-Indikatoren: Heidelberg (Version 2021) [Data set]. Institute of Cartography, Department of Geosciences, TU Dresden, Helmholtzstr. 10, 01069, Dresden.
9803CBCB-3315-4E01-9413-79A27EB3A4ED
2021-09-20T12:03:59Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-10-30Z
2023-03-06T11:04:53Z
Im Fokus des SenAD-Projekts steht die Entwicklung eines hybriden Gewebes, welches mittels integrierter Sensorik Zustandsänderungen der Umgebungskomponenten detektieren kann. Das Ziel ist der Einbau der funktionalisierten Gewebe in die Asphalttragschicht von Straßenbefestigungen, um strukturelle Schädigungen der Schicht erkennen zu können. Kernstück des Gewebes ist ein Sensormaterial, welches durch Belastungen gedehnt und der elektrische Widerstand geändert wird.
Im SenAD-Projekt wurden in verschiedenen Testreihen mit Asphaltprobekörpern mit integriertem Sensorgewebe Ermüdungsversuche in einer servohydraulischen Prüfmaschine durchgeführt. Die durch die Belastungen resultierenden Dehnungen im Probekörper sowie die dabei festgestellten Widerstandsänderungen im Sensorgewerbe wurden erfasst. Für verschiedene Drahtstärken 02, 03, 04 und 06 wurden jeweils sieben bis neun Probekörper P1, P2, P3, P4 etc. hergestellt und mit entsprechenden Ermüdungsversuchen belastet. Dieser Datensatz stellt die Messdaten von 32 Testreihen bereit.
Sensorintegration in Asphalt für ein Daten-basiertes Degradationsmonitoring – SenAD
mFUND-FKZ 19F1070
mFUND-Projekt SenAD
Asphalt
Straßenzustand
Sensorgewebe
mcloud_id:7E470EB1-61B5-4089-A16F-AFBBA9913762
mcloud_category_roads
mcloud_category_infrastructure
Hochschule Hannover
7E470EB1-61B5-4089-A16F-AFBBA9913762
2021-11-16T16:01:25Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Dieser Datensatz enthält Ergebnisse des mFund-Projekts "allyMAP".
<br><br>
Enthalten sind Eingabeparameter und Simulationsergebnisse von On-Demand-Ridepooling-Szenarien mit verschiedenen Parametern (Fahrzeuganzahl, Betriebsgebiet, Betriebszeitraum, etc.) in Berlin. Datengrundlage für die Simulationen waren die im Frühjahr im Rahmen des Pilotbetriebs "allygator shuttle" erhobenen Nachfragedaten (<a href="https://mcloud.de/web/guest/suche/-/results/detail/CB24B6C4-3655-4952-8273-8267E092DAA0">diese werden hier in einem separaten Datensatz zur Verfügung gestellt</a>).
<br><br>
Analysiert wurden zwei unterschiedliche potenzielle Pilotgebiete (unabhängig der tatsächlichen Bezirksgrenzen): "Friedrichshain-Kreuzberg" und "Tempelhof-Neukölln". Die Ausdehnung dieser Gebiete geht aus den zusätzlich bereitgestellten Polygonen im GeoJSON-Format hervor.
<br><br>
In der deutschsprachigen Spaltenbeschreibung (ODS oder PDF) findet sich eine genauere Erklärung der einzelnen Parameter und Kennzahlen.
<br><br>
Aus dem Ergebnis lassen sich die Auswirkungen unterschiedlicher Betriebsparameter auf die Leistungsfähigkeit von On-Demand-Mobilitätsdiensten hinsichtlich unterschiedlicher Indikatoren (Pooling-Rate, Verfügbarkeit, Anzahl der beförderten Fahrgäste, etc.) erkennen.
Simulationsergebnisse für On-Demand-Ridepooling-Szenarien in Berlin (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:C030B771-1B52-488F-96BE-C075B49F86B4
mcloud_category_infrastructure
mcloud_category_railway
mcloud_category_roads
door2door GmbH
C030B771-1B52-488F-96BE-C075B49F86B4
2019-12-02T15:33:22Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2017-12-31Z
2018-08-30Z
2023-03-06T11:04:53Z
Der Datensatz liefert Informationen zur Mobilfunk-Konnektivität einer autonomen Drohne in Abhängigkeit der geographischen Position in einem 5G-Versuchsmobilfunknetz bei Greding, Bayern.
Die Daten wurden im Projekt <a href="https://www.bmvi.de/SharedDocs/DE/Artikel/DG/mfund-projekte/free-rail.html">FreeRail</a> in Kooperation im 5G-Testfelds des <a href="http://www.5g-connectedmobility.com/">5G Connected Mobility</a> Projekts erfasst. Mit den Daten ist es möglich, die Konnektivität der Drohne für verschiedene Flughöhen, Konfigurationen des Mobilfunknetzes mit Network Slices sowie Kurz- und Langstreckenflüge abzuschätzen.
Das Projekt <a href="https://www.bmvi.de/SharedDocs/DE/Artikel/DG/mfund-projekte/free-rail.html">FreeRail</a> entwickelt ein vollautomatisiertes drohnenbasiertes System zur digitalisierten Vegetationskontrolle und Registrierung von Schäden nach Unwetterereignissen entlang des Streckennetzes der Deutschen Bahn.
5G Mobilfunk-Konnektivität bei autonomem Drohnenflug
mFUND-FKZ 19F2088A
mFUND-Projekt FreeRail
mcloud_id:61CC8AD7-64FC-46B0-8816-825F73DD30C5
mcloud_category_infrastructure
Technische Hochschule Ingolstadt - CARISSMA
Projekt <a href="https://www.bmvi.de/SharedDocs/DE/Artikel/DG/mfund-projekte/free-rail.html">FreeRail</a>,
Technische Hochschule Ingolstadt
61CC8AD7-64FC-46B0-8816-825F73DD30C5
2021-02-06T01:31:37Z
Bundesrepublik Deutschland,Greding
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Polygon", "coordinates": [[[11.246751, 48.999523], [11.430488, 48.999523], [11.430488, 49.13663], [11.246751, 49.13663], [11.246751, 48.999523]]]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POLYGON ((11.246751 48.999523, 11.430488 48.999523, 11.430488 49.13663, 11.246751 49.13663, 11.246751 48.999523)))
2020-06-30Z
2020-08-29Z
2023-03-06T11:04:53Z
Dieser Datensatz beinhaltet die Lichtsignalanlagen der Städte Hamm und Krefeld, die mit Hilfe der Qualitätsanalyse-Diensten (QAD) im Forschungsprojekt CITRAM untersucht werden. Weitere Informationen zu den Untersuchungen im Projekt und den QAD sind im Schlussbereicht des Projektes zu finden.
Im Datensatz enthalten sind die Geometrien der Lichtsignalanlagen inkl. der LSA-Nummern.
Darüber hinaus sind die Signallagepläne in separaten Archiven zusammengefasst. Für die Stadt Hamm werden darüber hinaus auch die Signalzeitenpläne der jeweiligen LSA bereitgestellt.
CITRAM Signallagepläne, Signalzeitenpläne und Geometrien der untersuchten Lichtsignalanlagen in Hamm und Krefeld
mFUND-FKZ 19F2068F
mFUND-Projekt CITRAM
mcloud_id:3B9ED43D-EA83-4AEF-8CA3-1ED66C57A4AC
mcloud_category_roads
mcloud_category_infrastructure
TSC Beratende Ingenieure für Verkehrswesen GmbH & Co. KG
Die Signalzeitenpläne der Lichtsignalanlagen in Hamm bzw. die Signallagepläne der Lichtsignalanlagen in Hamm und Krefeld wurden jeweils durch die Städte Hamm und Stadt Krefeld bereitgestellt, beide Projektpartner in CITRAM.
3B9ED43D-EA83-4AEF-8CA3-1ED66C57A4AC
2020-07-06T08:07:35Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-06-30Z
2020-06-30Z
2023-03-06T11:04:53Z
Daten des Zielfahrplans Deutschlandtakt im Format railML TT
Der Datensatz beinhaltet die Zugfahrten des Schienenpersonenfernverkehr (SPFV), Schienenpersonennahverkehr (SPNV) und Schienengüterverkehrs (SGV) aus dem dritten und abschließenden Gutachterentwurf im Zielfahrplan Deutschlandtakt (weitere Informationen unter <a href="https://www.deutschlandtakt.de/" target="_blank">https://www.deutschlandtakt.de/</a>). Diese Fahrplandaten werden im offenen Format railML TT 2.2 (Beschreibung des Formats siehe <a href="https://www.railml.org/" target="_blank">https://www.railml.org/</a>) bereitgestellt.
Der Deutschlandtakt ist die Planungsgrundlage für einen bedarfsgerechten Ausbau und eine optimale Nutzung der Schieneninfrastruktur auf Basis eines Integralen Taktfahrplans mit systematisierten Trassen für alle Verkehrsarten. Ziel ist ein Ausbau der Bundesschienenwege für ein deutschlandweit vernetztes, schnelles, zuverlässiges, häufig verkehrendes Angebot mit optimalen Anschlüssen für den Schienenpersonenverkehr und mit bedarfsgerechten Kapazitäten für einen ausgeweiteten Schienengüterverkehr mit kürzeren Transportzeiten. Der Deutschlandtakt ist somit Kompass und durchgehende Planungsgrundlage für die infrastrukturelle Weiterentwicklung des deutschen Bahnnetzes.
Der Zielfahrplan Deutschlandtakt basiert auf einem integralen Taktfahrplan für den Personenverkehr mit optimalen Anschlüssen für das gesamte Angebot vom Hochgeschwindigkeitsverkehr bis zur Regionalbahn im längsten europäischen Schienennetz. Der Zielfahrplan ist angebotsorientiert und schafft damit die Basis für die angestrebte Verdopplung der Fahrgastzahlen. Gleichzeitig berücksichtigt der Deutschlandtakt gleichberechtigt die für einen wachsenden Güterverkehr erforderlichen Streckenkapazitäten.
Daten des Zielfahrplans Deutschlandtakt im Format railML TT
mcloud_id:1F36C20A-265A-4A4E-8DEC-863DDBC5C1DF
mcloud_category_infrastructure
mcloud_category_railway
Bundesministerium für Digitales und Verkehr (BMDV)
Die Daten sind urheberrechtlich geschützt. Der Datensatz wird entgeltfrei mit der Datenlizenz Deutschland Namensnennung 2.0 (<a href="https://www.govdata.de/dl-de/by-2-0" target="_blank">https://www.govdata.de/dl-de/by-2-0</a>) zur Verfügung gestellt. Der Quellenvermerk ist zu beachten.
© BMDV / SMA
1F36C20A-265A-4A4E-8DEC-863DDBC5C1DF
2020-09-30T07:31:10Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-06-29Z
2020-06-29Z
2023-03-06T11:04:53Z
3D-Punktwolken und Screen-Videos vom Prototype MKII des mobilen 3D-Scanners, aufgenommen in den Lagerhallen, Foyer-Räumen und Kellergängen des DMT-Geländes.
DMT Halle, Foyer & Kellergänge
mFUND-FKZ 19F2057C
mFUND-Projekt DeepSpaceBIM
mcloud_id:FC47CD56-9B10-4776-A74E-4C93DB243F29
mcloud_category_infrastructure
DMT GmbH & Co. KG
DMT GmbH & Co. KG - Projekt DeepSpaceBIM
FC47CD56-9B10-4776-A74E-4C93DB243F29
2021-04-29T12:57:48Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-02-29Z
2021-04-29Z
2023-03-06T11:04:53Z
BaumCloud ermöglicht eine zentrale Sammlung und Vereinheitlichung der digitalen Daten von Bäumen. Diese Daten stehen der Öffentlichkeit zur Verfügung und können z.B für wissenschaftliche Auswertungen, Studien oder Webapplikationen verwendet werden.
Harmonisierter Datensatz aus verschiedenen kommunalen Baumkatastern
mFUND-FKZ 19F2073G
mFUND-Projekt meinGrün
mcloud_id:6C8127A5-4A68-4AA8-AEFC-9DF8351480CC
mcloud_category_infrastructure
Terra Concordia gGmbH
Hinweise zum Download des wfs-Files finden Sie unter Punkt 4 der FAQ https://baumcloud.org/#/faq
6C8127A5-4A68-4AA8-AEFC-9DF8351480CC
2020-02-12T13:08:50Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-01-29Z
2023-03-06T11:04:53Z
Identifizierte Bremsvorgänge und Erschütterungen (basierend auf den Sensordaten des Projekts ECOSense).
Der Datensatz gibt keine Aussage über die stärke von Bremsvorgängen und Erschütterungen, zeigt aber Stellen auf, an denen im Oldenburger Raum gebremst wurde bzw. an denen Erschütterungen wahrgenommen wurden.
Daten jeweils:
- Longitude
- Latitude
Identifizierte Bremsvorgänge und Erschütterungen in Oldenburg
mFUND-FKZ VB18F1030A
mFUND-Projekt ECOSense
mcloud_id:F3CD65BA-8A66-491C-A748-C9879F9E22EA
mcloud_category_infrastructure
mcloud_category_roads
Universität Oldenburg, Abteilung für Wirtschaftsinformatik VLBA
Quelle: Projekt ECOSense (mein-dienstrad.de, Universität Oldenburg/Abteilung Wirtschaftsinformatik (VLBA), CoSynth)
F3CD65BA-8A66-491C-A748-C9879F9E22EA
2020-11-23T11:13:40Z
Bundesrepublik Deutschland,WKT Raumbezug
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Polygon", "coordinates": [[[7.9891204833984375, 53.22247975316637], [7.989807128906249, 53.06556366279212], [8.368148803710938, 53.066801462406524], [8.368148803710938, 53.22330194749886], [7.9891204833984375, 53.22247975316637]]]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POLYGON ((7.9891204833984375 53.22247975316637, 7.989807128906249 53.06556366279212, 8.368148803710938 53.066801462406524, 8.368148803710938 53.22330194749886, 7.9891204833984375 53.22247975316637)))
2019-10-31Z
2020-04-29Z
2023-03-06T11:04:53Z
This land cover map is an intermediate product of the mFUND project INCORA ("Improved monitoring of settlement areas through satellite-supported spatial observation"; FKZ: 19F20579C). The project aims at the automatic extraction of the total built-up area using satellite images. Currently, the land cover map includes 5 classes: trees, built-up, grass, bare soil and water. The city of Dortmund has been chosen as the first pilot city. This map will be improved in the next project year for better accuracy. Later, this product will be used for the calculation of selected urban development indicators.
Land cover classification using Sentinel data
mcloud_id:80619D20-7BE5-4D32-8783-FC3278977E6B
mcloud_category_infrastructure
ILS – Institut für Landes- und Stadtentwicklungsforschung
80619D20-7BE5-4D32-8783-FC3278977E6B
2020-01-10T08:02:16Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Der Datensatz beinhaltet Messdaten einer Eisenbahnbrücke, die für das Projekt Dafmon im Rahmen der Überprüfung der Praxistauglichkeit eines fehlertoleranten Monitoringsystems an Infrastrukturbauwerken benutzt wurden. Schwerpunkt dieses Projektes bildete die Überwachung von Dehnungen und Temperaturen. Der vorliegende Datensatz beinhaltet Messdaten von einer Messstelle eines Pfahlkopfbalkens der Brücke, dessen prinzipieller Aufbau den beiliegenden pdf-Dateien entnommen werden kann. Die Sensoren sind in der Brücke verbaut. Der Datensatz beinhaltet aus dieser Messstelle die Messdaten von acht Dehnungssensoren und drei Temperatursensoren in unterschiedlichen Höhenlagen. Der vorliegende Datensatz umfasst kontinuierliche Werte der Messstelle in 10-Minuten-Intervallen über das Jahr 2017. Aufgrund von Geheimhaltungspflichten der beteiligten Firmen können keine weiteren Informationen über den Aufbau der Brücke und keine exakten Positionen der Messtelle und Sensoren angegeben werden. Die Zusammenhänge der Messdaten und deren Veränderungen über die Zeit sind jedoch unverändert.
Messdaten eines Monitoringsystems einer Eisenbahnbrücke
mFUND-FKZ 45MF00022A
mFUND-Projekt Durchführbarkeitsstudie zur datenbasierten Fehlerdiagnostik in Monitoringsystemen für Infrastrukturbauwerke (Dafmon)
mcloud_id:F9BFABA3-29A9-48A2-973B-E1C29E8555B0
mcloud_category_infrastructure
Bauhaus-Universität Weimar
Bauhaus-Universität Weimar, 2020
F9BFABA3-29A9-48A2-973B-E1C29E8555B0
2020-11-14T13:22:06Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2016-12-31Z
2017-12-30Z
2023-03-06T11:04:53Z
Dieser Datensatz enthält Ergebnisse des mFUND-Projekts AHEAD.
Das Projekt untersuchte die Anforderungen von Simulationen von Personenströmen an IFC-Gebäudemodelle. Die Anforderungen an das IFC-Gebäudemodell wurden in einer MVD (mvdXML-Datei) dokumentiert, um die automatische Überprüfung mit den verfügbaren Tools von buildingSMART zu unterstützen. Zusätzlich wurde die Personenstromsimulationssoftware "crowd:it" erweitert, um den automatischen Import von IFC-Modellen zu unterstützen.
mvdXML zur Dokumentation und automatischen Überprüfung von IFC-Dateien auf ihre Eignung zur Verwendung in Personenstromsimulationen
mFUND-FKZ 19F1037B
mFUND-Projekt AHEAD
mcloud_id:89D584C3-2980-468B-BF15-C4856B73107E
mcloud_category_infrastructure
mcloud_category_railway
Technische Universität München
Das entwickelte mvdXML basierte auf einer Basisversion von buildingSMART.
89D584C3-2980-468B-BF15-C4856B73107E
2019-09-02T07:35:22Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Der Datensatz enthält alle öffentlich zugänglichen Grünflächen in der Stadt Dresden einschließlich einer Attributtabelle mit drei Hauptindikatoren zur Nutzung und Wahrnehmung der städtischen Grünflächen (Beliebtheit_Indikator, Ästhetik_Indikator und Tiere_Indikator), die aus sozialen Medien abgeleitet wurden. Neben diesen drei Hauptwerten enthält die Attributtabelle weitere 18 statistische Werte, die durch die Verschneidung der Grünflächen mit klassifizierten Social-Media-Daten berechnet wurden und in der Metadatenbeschreibung dokumentiert sind. Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Grünflächen und Indikatorenwerte sind Teil der zentralen Datengrundlage (Cakir et al., 2021) für die Bewertung der Grünflächen in Dresden nach Kriterien bzw. Eignung für bestimmte Aktivitäten mittels der meinGrün-App (app.meingruen.org).
Die Beliebtheit der städtischen Grünflächen in Dresden wurde anhand der Dichte von standortbezogenen Social-Media-Posts gemessen. Die Verarbeitung der Daten für Grünflächen ist in einem Notebook dargelegt und beschrieben (pub.zih.tu-dresden.de/~s7398234/vis/zielgeometrien-intersect_v6.html).
Der Ästhetik-Indikator bezeichnet den ästhetischen Wert städtischer Grünflächen in Dresden und wurde anhand der Dichte ästhetikbezogener Social-Media-Posts konzeptualisiert und gemessen. Für die Identifizierung der Social-Media-Posts, die sich auf den ästhetischen Wert städtischer Grünflächen beziehen, wurde eine neuartige Methodik entwickelt, die auf unüberwachter Textklassifizierung und gezielter Filterung von Social-Media-Posts basiert und in Gugulica & Burghardt, 2021 - in Arbeit – ausführlicher beschrieben wird.
Der Tiere-Indikator zeigt das Vorhandensein von Wildtieren in städtischen Grünflächen in Dresden. Die Quantifizierung des Tiere-Indikators basiert auf der grundlegenden Annahme, dass Dichten von Social Media Posts, die sich auf Wildtiere und Wildtierfotografie beziehen, potenziell die Nachfrage nach Wildtierbeobachtung widerspiegeln und Hotspots für diese Aktivität anzeigen. Um die relevanten Social-Media-Posts für die Berechnung des Indikators zu identifizieren, wurde die oben genannte Methodik, die auf unüberwachter Textklassifizierung und gezielter Filterung von Social-Media-Posts basiert und in Gugulica & Burghardt, 2021 - in Arbeit - ausführlicher beschrieben wird, verwendet.
Für die Quantifizierung der Beliebtheit, Ästhetik und Tiere Indikatoren der städtischen Grünflächen in Dresden, wurden standortbezogene Social-Media-Daten von Instagram, Flickr und Twitter (einschließlich Fotos, die mit Text versehen sind und Textnachrichten) verwendet. Die Daten wurden anhand der eingebetteten Standortinformationen und eines benutzerdefinierten Bounding Box identifiziert und über die von jeder der Plattformen zur Verfügung gestellte API abgerufen und erfasst. Es wurden nur öffentlich verfügbare Social-Media-Posts, die zwischen den 1. Januar 2015 und den 31. Oktober 2020 veröffentlicht wurden, berücksichtigt und als CSV-Datei zusammen mit Metainformationen wie Benutzer-ID, Koordinaten, Beschriftungen, Aufnahme- und Upload-Datum gespeichert. Duplikate wurden entfernt und nach der Verschneidung des Datensatzes mit den Zielpolygonen umfassten die endgültigen Datensatz für Dresden 782.310 Social-Media-Posts (59.101 Tweets, 664.925 Instagram Posts und 58.284 Flickr Posts). Die Auswahl der Plattformen wurde hauptsächlich von der Beliebtheit der Social-Media-Kanälen und der Spezifität der jeweiligen Inhalte bestimmt. Um ein breiteres Anwender*innen-Spektrum abzudecken, wurden die drei Datenquellen kombiniert, was durch die erhöhte Datenbreite zu robusteren Ergebnissen führte.
Referenzen:
Cakir, S., Schorcht, M., Stanley, C., Rieche, T., Ludwig, C., Gugulica, M., Dunkel, A., Hecht, R. (2021). Städtische Grünflächen und Indikatoren: Dresden (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-1
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251 https://doi.org/10.3390/ijgi10040251
Nutzung- und Wahrnehmung-Indikatoren der städtischen Grünflächen in Dresden
mFUND-FKZ 19F2073C
mFUND-Projekt meinGrün
Grünflächen
Nutzung-Indikatoren
Wahrnehmung-Indikatoren
kulturelle Ökosystemleistungen
Dresden
mcloud_id:CB7E4F42-304E-45DD-B112-A9C762DC37EC
mcloud_category_infrastructure
Institut für Kartographie, TU Dresden
Die Grünflächenpolygone und deren Attribute werden im offenen GeoJSON-Format angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Gugulica, M., Dunkel, A. (2021). Städtische Grünflächen und Nutzung- und Wahrnehmung-Indikatoren: Dresden (Version 2021) [Data set]. Institute of Cartography, Department of Geosciences, TU Dresden, Helmholtzstr. 10, 01069, Dresden.
CB7E4F42-304E-45DD-B112-A9C762DC37EC
2021-09-20T11:55:35Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-10-30Z
2023-03-06T11:04:53Z
Dieser Datensatz umfasst ein Raster-basiertes Nachfragemodell mit prognostizierten Fahrten (Quell-/Zielverkehre) für das Stadtgebiet Duisburg. Der Datensatz wurde mittels eines Machine-Learning-Modells auf Basis <a href="https://mcloud.de/web/guest/suche/-/results/detail/AD4ACF34-F801-4F0F-8EED-E9F30788E26C">der in Berlin erhobenen Ridepooling-Nachfragedaten</a> und in Duisburg vorhandenen Points of Interest generiert. Die zur Verfügung gestellten Vergleichswerte beziehen sich auf stundengenaue Zeiträume innerhalb einer durchschnittlichen Betriebswoche.
<br><br>
<b>Erläuterung der enthaltenen Spalten</b>
<ul>
<li><b>cell_from</b> – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>cell_to</b> – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>weekday</b> – Wochentag, auf den sich der Wert bezieht</li>
<li><b>start_time</b> – Beginn des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>end_time</b> – Ende des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>weight</b> – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen</li>
</ul>
Prognostizierte Fahrten in Duisburg (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:3F3B46C3-C72A-4DB7-8B2D-D20C5375DF51
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_roads
door2door GmbH
3F3B46C3-C72A-4DB7-8B2D-D20C5375DF51
2019-12-03T14:51:07Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2017-12-31Z
2018-08-30Z
2023-03-06T11:04:53Z
Dieser Datensatz umfasst ein Raster-basiertes Nachfragemodell mit prognostizierten Fahrten (Quell-/Zielverkehre) für das Stadtgebiet München. Der Datensatz wurde mittels eines Machine-Learning-Modells auf Basis <a href="https://mcloud.de/web/guest/suche/-/results/detail/AD4ACF34-F801-4F0F-8EED-E9F30788E26C">der in Berlin erhobenen Ridepooling-Nachfragedaten</a> und in München vorhandenen Points of Interest generiert. Die zur Verfügung gestellten Vergleichswerte beziehen sich auf stundengenaue Zeiträume innerhalb einer durchschnittlichen Betriebswoche.
<br><br>
<b>Erläuterung der enthaltenen Spalten</b>
<ul>
<li><b>cell_from</b> – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>cell_to</b> – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>weekday</b> – Wochentag, auf den sich der Wert bezieht</li>
<li><b>start_time</b> – Beginn des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>end_time</b> – Ende des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>weight</b> – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen</li>
</ul>
Prognostizierte Fahrten in München (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:1BA3649D-D1FB-4409-9023-0EBE21B35292
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_roads
door2door GmbH
1BA3649D-D1FB-4409-9023-0EBE21B35292
2019-12-03T17:17:20Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2017-12-31Z
2018-08-30Z
2023-03-06T11:04:53Z
Der Datensatz umfasst vorbilanzierte Elemente des Brücken- und Straßenbaus. Diese werden als csv.-Datei und .ifc-Dateien (IFC4 Design Transfer View) zur Verfügung gestellt.
Für jedes Element werden auf die Referenzeinheit bezogen vorbilanzierte Kosten [€], Bauzeiten [d], GWP [kg CO2 eq.],POCP [kg Ethene eq.], EP [kg Phosphate eq.], AP [kg SO2 eq.], ODP [kg R11 eq.], PE [MJ] für Neubau, Nutzung und Erneuerung hinterlegt. Die Werte können als Eingangsdaten für eine ganzheitliche Bewertung von Streckenzügen verwendet werden.
Projektergebnis IntegPlan
mFUND-FKZ 19F2159B
mFUND-Projekt IntegPlan
BIM-Objekte
vorbilanzierte Elemente
mcloud_id:27B8B043-332F-4929-8556-E209D9540CF9
mcloud_category_infrastructure
Karlsruher Institut für Technologie (KIT)
27B8B043-332F-4929-8556-E209D9540CF9
2022-02-28T17:47:20Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Das BMDV hat mit der Regionalstatistischen Raumtypologie (RegioStaR) eine siedlungsstrukturelle Raumtypologie konzipiert, weil vorhandene Raumtypologien die Anforderungen für die Bedarfe der Verkehrs- und Mobilitätsforschung und -politik nicht bedienen konnten; sie ist jedoch ebenso gut für Fragestellungen anderer Fachrichtungen geeignet. Mit Unterstützung des BBSR wurden die Typen empirisch auf der Ebene der Gemeinden bzw. Verbandsgemeinden / Gemeindeverbände ermittelt. RegioStaR ermöglicht durch den hierarchischen Aufbau lokale und regionale Betrachtungen. Bei der Konzeption wurden für die wissenschaftliche Analyse und die politische Interpretation wichtige Anforderungen berücksichtigt:
> bundesweit möglichst vergleichbare Definition der zentralörtlichen Funktion der Städte,
> zeitliche Stabilität der Typen, um auch zeitliche Entwicklungen abbilden zu können,
> eine für Stichprobenerhebungen geeignete Bevölkerungsverteilung.
Die Typologie fächert sich von einem in Stadtregionen und ländliche Regionen unterschiedenen "Regionstyp", über einen in vier Typen "differenzierten Regionstyp" letztlich in 17 "Regionalstatistische Raumtypen" auf. Diese 17 Raumtypen bilden den Kern der regionalstatistischen Raumtypologie und sind Grundlage für weitere Zusammenfassungen in Raum- und Gemeindetypen.
Durch Verwaltungsreformen ändern sich die Anzahl und die Zuschnitte der Gemeinden. Hier stehen die Referenzdaten für verschiedene Gebietsstände zur Verfügung (ab dem Gebietsstand 2015). Jährlich im November / Dezember erfolgt eine Aktualisierung auf den Gebietsstand zum 31.12. des Vorjahres.
Die Referenzdateien sind auch im Statistischen Bundesamt hinterlegt und können dort für (Sonder)Auswertungen in allen Statistikbereichen verwendet werden.
RegioStaR - Regionalstatistische Raumtypisierung
Siedlungsstruktur
Gemeindetypen
Raumordnung
Räumliche Unterschiede
Stadtregionen
Ländliche Regionen
Metropolen
Regionale Disparitäten
Stadt-Land-Unterschiede
mcloud_id:536149D1-2902-4975-9F7D-253191C0AD07
mcloud_category_infrastructure
mcloud_category_railway
mcloud_category_waters
mcloud_category_climate
mcloud_category_aviation
mcloud_category_roads
Bundesministerium für Digitales und Verkehr (BMDV)
Weitere Informationen zur Methodik sowie Karten finden Sie unter: www.bmvi.de/regiostar
BMDV
536149D1-2902-4975-9F7D-253191C0AD07
2021-10-22T14:18:23Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2015-12-30Z
2020-12-30Z
2023-03-06T11:04:53Z
Das Verzeichnis der Datenportale von OpenGeoEdu bietet einen zentralen Einstiegspunkt für die plattformübergreifende Suche bzw. Recherche nach offenen Daten und Services. Der Zugriff erfolgt entweder über das eigens konzipierte Datenportal, über eine REST-API oder per Download. Mit dem Web-Formular des Portals können Korrekturen und Ergänzungen beantragt werden.
Neben Open Data- und Transparenzportalen sind auch Statistik-, Geo-, Umwelt- und Citizen Science-Portale aufgeführt, die zumindest teilweise offene bzw. kostenlose Angebote führen. Die Datenportale sind ferner nach Reichweiten kategorisiert und an aussagekräftigen Bezugsorten (meist der Standort der Herausgeber) auf einer Web-Karte positioniert. Das Verzeichnis bildet somit die Open Data-Infrastrukturen des D-A-CH-LI-Raumes in ihrer gesamten Bandbreite und Vielfalt ab.
Die Datenabfrage der REST-API erfolgt analog zur Dokumentation der PostgreSQL-Erweiterung PostgREST (siehe http://postgrest.org/en/v7.0.0/)
Abfragebeispiele:
http://portal.opengeoedu.de/api/portale (alle Daten)
http://portal.opengeoedu.de/api/portale?id=eq.10 (Zeige Portal mit ID 10)
http://portal.opengeoedu.de/api/portale?reichweite=eq.international&typ=eq.odp (Zeige internationale Open Data Portale)
Verzeichnis offener Datenportale für Deutschland, Österreich, die Schweiz und Liechtenstein (D-A-CH-LI)
mFUND-FKZ 19F2007A
mFUND-Projekt OpenGeoEdu
mcloud_id:1C7F5624-BC9E-41C6-96F0-7C9BB23DA34D
mcloud_category_infrastructure
Universität Rostock - Agrar- und Umweltwissenschaftliche Fakultät Professur für Geodäsie und Geoinformatik
© OpenGeoEdu
1C7F5624-BC9E-41C6-96F0-7C9BB23DA34D
2020-06-29T15:08:30Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2018-06-28Z
2023-03-06T11:04:53Z
Erfasste Daten die im Rahmen einer professionellen Auswertung von Straßenzuständen in der Stadt Saarbrücken 2020 im Rahmen des Forschungsprojektes DatEnKoSt erfasst worden sind. Zur Erstellung der Daten wurden die Vorgaben gemäß der ZTV ZEB-Stb. 2006 beachtet.
Zusätzlich zum Excel-Auszug wird die Visualisierung der Zustandswerte als PDF zur Verfügung gestellt.
ZEB-Daten Saarbrücken 04.07.2020
mFUND-FKZ 19F2090B
mFUND-Projekt DatEnKoSt
mcloud_id:898f5322-d0c1-4b34-b0ff-1e98f2625729
mcloud_category_infrastructure
mcloud_category_roads
Cyface GmbH
Der Datensatz wird so wie er ist zur Verfügung gestellt. Weder die Cyface GmbH noch das August-Wilhelm Scheer Institut übernehmen irgendeine Form der Gewährleistung für Vollständigkeit oder Korrektheit der Daten.
Quelle: DatEnKoSt Projektkonsoritum - Cyface GmbH, August-Wilhelm-Scheer-Institut
898f5322-d0c1-4b34-b0ff-1e98f2625729
2022-06-29T13:26:22Z
Erfassungsbereich im Raum Saarbrücken
{"type": "Polygon", "coordinates": [[[6.975441801144765, 49.23605404424419], [7.048029794540917, 49.22325125952578], [7.0606678828618, 49.27867079967686], [6.970580997790091, 49.276873813824956], [6.975441801144765, 49.23605404424419]]]}
POLYGON ((6.975441801144765 49.23605404424419, 7.048029794540917 49.22325125952578, 7.0606678828618 49.27867079967686, 6.970580997790091 49.276873813824956, 6.975441801144765 49.23605404424419))
2020-07-02Z
2020-07-03Z
2023-03-06T11:04:53Z
Die vorliegenden Datensätze enthalten Daten aus dem mFUND Projekt AStriD – Autonome Straßenbahn im Depot. Diese Daten wurden vom DataHub der Codewerk GmbH aufgezeichnet und gespeichert. Es wurden sowohl Werte der Fahrzeugsteuerung als auch die Mobilfunkabdeckung im ViP Betriebshof und auf einem Streckenabschnitt im Potsdamer Streckennetz exemplarisch ausgewählt. Die Fahrten erfolgten dabei jeweils autonom durch den Fahrautomaten der Siemens Mobility GmbH.
Eine detaillierte Beschreibung der Datensätze entnehmen Sie bitte der beigefügten PDF-Datei.
AStriD DataHub - Daten aus der Fahrzeugsteuerung und Mobilfunkabdeckung
mFUND-FKZ 19F2104B
mFUND-Projekt AStriD
Tram
Straßenbahn
autonom
DataHub
Betriebshof
Fahrzeugsteuerung
Infrastruktur
Mobilfunkabdeckung
Potsdam
mcloud_id:3D894762-E142-40B9-9BED-0684D8EAA65B
mcloud_category_railway
mcloud_category_infrastructure
Codewerk GmbH
Codewerk GmbH, 2022
3D894762-E142-40B9-9BED-0684D8EAA65B
2022-01-14T16:06:54Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Standorte (Wachen mit Fahrzeugen) von Braunschweiger BOS-Diensten (Behörden und Organisationen mit Sicherheitsaufgaben), wie Feuerwehr und Rettungsdienst. Adresse und Standort im WGS 84-Koordinatensystem (Längen- und Breitengrad). Kein Anspruch auf Vollständigkeit.
BOS-Standorte in Braunschweig
mFUND-FKZ 19F2030
mFUND-Projekt SIRENE
mcloud_id:2E6AF763-3739-4349-B6B3-74E005D5B221
mcloud_category_infrastructure
mcloud_category_roads
ifak e.V.
Open Street Maps (https://www.openstreetmap.de/karte.html), FOSSGIS e.V.
2E6AF763-3739-4349-B6B3-74E005D5B221
2020-02-03T12:40:59Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Der Datensatz liefert die zu erwartende Signalstärken (RSSI) von Car-2-X Kommunikationsinfrastruktur (WLANp Standard), platziert an Unfallschwerpunkten mit PKW Beteiligung aus dem Jahr 2018 (Daten aus Unfallatlas).
Mit den .geojson Dateien ist es möglich eine Road Side Unit (RSU) an Unfallorten zu platzieren und damit abzuschätzen, ob die Unfallpartner mit Car-2-X Kommunikation ausreichend Funk-Signalstärke zum Austausch von Nachrichten zur Verfügung gehabt hätten und damit eventuell einen Zusammenstoß hätten verhindern können.
Weiterhin ist es für Kommunen und Infrastrukturbetreiber möglich eine Abschätzung zur Funkausbreitung zu treffen, würden sie diese Orte mit Road Side Units ausstatten.
Car-2-X WLANp Road Side Unit RSSI
mFUND-FKZ 19F2033E
mFUND-Projekt Cartox
mcloud_id:8206CC6F-C52B-4DC7-B6E0-AAB683E614D5
mcloud_category_infrastructure
MechLab Engineering UG
Die Ordner und Unterordner entsprechen jeweils den Gemeindeschlüsseln. Der Dateiname der .geojson ist die ID des Unfalls aus dem Unfallatlas 2018. Video zur beispielhaften Nutzung (Tutorial): https://vimeo.com/mechlabengineering/mcloud-cartox-daten
Projekt CartoX² - MechLab Engineering
8206CC6F-C52B-4DC7-B6E0-AAB683E614D5
2019-09-05T08:58:19Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
3D-Punktwolken und Screen-Videos vom Prototype MKII des mobilen 3D-Scanners, aufgenommen in den Kellergängen des DMT-Geländes.
DMT Kellergänge
mFUND-FKZ 19F2057C
mFUND-Projekt DeepSpaceBIM
mcloud_id:297C8254-A319-46E5-803C-80900CF72E80
mcloud_category_infrastructure
DMT GmbH & Co. KG
DMT GmbH & Co. KG - Projekt DeepSpaceBIM
297C8254-A319-46E5-803C-80900CF72E80
2021-04-29T12:57:51Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-02-29Z
2021-04-29Z
2023-03-06T11:04:53Z
Die ZIP-Datei enthält die Ordnerstruktur für die Bereitstellung eines 3D-Visualisierungsdienstes mittels OGC API - 3D GeoVolumes für die Stadt Dresden. Die Daten beruhen dabei auf den beiden Datenbeständen DGM1 und LoD2 des Staatsbetriebs Geobasisinformation und Vermessung Sachsen (GeoSN). Die Daten unterliegen der Lizenz dl-de/by-2-0.
Gebäudemodell in LoD2
mFUND-FKZ 19FZ126D
mFUND-Projekt envVisio-GI - GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode
3D-Gebäudemodell
LoD2
OGC API - 3D GeoVolumes
Stadt Dresden
mcloud_id:ce6ea072-5a07-416d-a2f5-faea2d971f8b
mcloud_category_infrastructure
GeodatenIntelligenz für interoperables Datenmanagement mit der envVisio-Methode - envVisio-GI
GeoSN, dl-de/by-2-0, https://www.geodaten.sachsen.de/digitale-hoehenmodelle-3994.html
ce6ea072-5a07-416d-a2f5-faea2d971f8b
2022-11-10T11:31:26Z
Dresden, Sachsen, Deutschland
{"type": "Polygon", "coordinates": [[[13.579102, 50.975292], [13.965683, 50.975292], [13.965683, 51.17762], [13.579102, 51.17762], [13.579102, 50.975292]]]}
POLYGON ((13.579102 50.975292, 13.965683 50.975292, 13.965683 51.17762, 13.579102 51.17762, 13.579102 50.975292))
2022-02-10Z
2022-02-10Z
2023-03-06T11:04:53Z
Im Projekt SMANCY wurden in mehreren Tests die Positionsgenauigkeit von Smartphone Sensorik in städtischen Bereich untersucht.
Die im Zuge der Versuche wurden mittel App alle auf dem Smartphone vorhandenen Sensordaten aufgezeichnet. Zeitgleich wurde ein D-GPS System über Bluetooth mit der App verbunden und diese Referenzwerte ebenfalls aufgezeichnet. Damit befinden sich in den Logdaten alle nötigen Sensordaten zur Bestimmung der Positionsgenauigkeit und deren Referenzen.
Es zeigt sich aber in den Versuchen, dass gerade im städtischen Bereich die (D-)GPS Positionierung schwierig ist. Die Reflektionen der GPS-Signale an den hohen Gebäuden verursachen Störungen, welche Ungenauigkeiten von teilweise über 10m verursachen. Eine hinreichende Positionsbestimmung für eine Kollisionserkennung zwischen zwei Teilnehmern ist nach derzeitigen Stand der Smartphone-Technik nicht möglich.
Die aufgezeichneten Sensordaten sind die Rohdaten aus der Smartphone-Sensorik. Sie dienen zur Veranschaulichung der Ungenauigkeiten der Sensorik. Das beigefügte Beispiel in der Skriptsprache Python zeigt die Verarbeitung und Visualisierung der Sensordaten.
Genaugikeit von Smartphone-Positionsdaten in der Stadt
mFUND-FKZ 19F 10 25
mFUND-Projekt SMANCY
mcloud_id:3EBEC453-16C1-4F3B-B107-0B5506E6CEBC
mcloud_category_infrastructure
mcloud_category_roads
Fachhochschule der Wirtschaft Nordrhein-Westfalen gGmbH, Paderborn
Die Daten dürfen zur weiteren Analyse unter der angegeben Lizenz verwendet werden.
FHDW Paderborn Projekt SMANCY
3EBEC453-16C1-4F3B-B107-0B5506E6CEBC
2020-03-03T10:35:02Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Dies ist der Datensatz einer Messkampagne die im Rahmen des ParkCheck Projekts durchgeführt wurde.
Er enthält Annotationen zum Belegungszustand des überwachten Straßenabschnitts
(KFZ vorhanden / nicht vorhanden / belegte Spur) und die korrespondierenden Rohdaten des
im Projekt untersuchten Sensors (Kanalimpulsantworten zwischen einem UWB Sender und einem UWB Empfänger).
Die Daten sind in chronologischer Reihenfolge.
<b>Beschreibung des Format</b>
Dateiformat : CSV mit ';' als Trennzeichen.
Koordinaten des Messpunkts : 49°00'44.9"N+8°23'51.1"E (https://goo.gl/maps/8HkuiPZ1b9nsyuVy8)
Abtastrate des Sensors : 33 Hz (jede Zeile ist eine Abstastung)
Feld: 0 index : Zeilennummer
Feld: 1 timestamp : Zeitstempel zur der Messung im System empfangen wurde
Feld: 2 devicetimestamp : Zeitstempel zu dem die Messung am Empfänger ankam
Feld: 3 rssi : Empfangsstärke des Signalstärke
Feld: 4 manualAnnotation : Annotationsinformation mit folgenden Ausprägungen
: None .. kein Objekt
: Lane1 .. KFZ auf naher Spur (fährt nach Rechts)
: Lane2 .. KFZ auf entfernter Spurt (fährt nach Links)
: Both .. KFZ auf beiden Spuren (nach Links und Rechts)
Felder: 5-Ende : Kanalimpulsantwort der UWB-Abstastung (CIR_0 .. CIR_299)
<b>Anmerkungen</b>
Die Daten können z.B. mit einem Waterfallplot gut visualisiert werden.
Für Fragen zum Datensatz wenden sie sich gern an scholz@novelsense.com.
mFUND ParkCheck Evaluation data: annotated radio measurements
mFUND-FKZ VB18F1008B
mFUND-Projekt ParkCheck
mcloud_id:4F2EC881-2A77-4DD4-9D0C-B46F715DADDE
mcloud_category_roads
mcloud_category_infrastructure
Smart City System GmbH
Deutsch:
"mFUND ParkCheck Evaluationsdaten: annotierte Funkmessung, NovelSense UG, Smart City System GmbH, 2019".
English:
"mFUND ParkCheck Evaluation data: annotated radio measurements, NovelSense UG, Smart City System GmbH, 2019"
4F2EC881-2A77-4DD4-9D0C-B46F715DADDE
2020-08-06T05:36:05Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2019-11-21Z
2019-11-21Z
2023-03-06T11:04:53Z
Dieser Datensatz umfasst ein Raster-basiertes Nachfragemodell mit modellierten Suchanfragen (Quell-/Zielverkehre) für einen Ridepooling-Dienst im Pilotbetrieb innerhalb des S-Bahn-Rings in Berlin. Die zur Verfügung gestellten Vergleichswerte beziehen sich auf stundengenaue Zeiträume innerhalb einer durchschnittlichen Betriebswoche.
<br><br>
Die anonymisierten Daten wurden im Rahmen des allyMAP-Projektes während des "allygator shuttle" Pilotbetriebs im Frühjahr 2018 erhoben.
<br><br>
<b>Erläuterung der enthaltenen Spalten</b>
<ul>
<li><b>cell_from</b> – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>cell_to</b> – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)</li>
<li><b>weekday</b> – Wochentag, auf den sich der Wert bezieht</li>
<li><b>start_time</b> – Beginn des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>end_time</b> – Ende des Zeitraums, auf den sich der Wert bezieht</li>
<li><b>weight</b> – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen</li>
</ul>
On-Demand-Ridepooling Nachfragemodell Berlin (allyMAP)
mFUND-FKZ 19F2022A
mFUND-Projekt ally Mobility Analytics Platform (allyMAP)
mcloud_id:AD4ACF34-F801-4F0F-8EED-E9F30788E26C
mcloud_category_railway
mcloud_category_infrastructure
mcloud_category_roads
door2door GmbH
AD4ACF34-F801-4F0F-8EED-E9F30788E26C
2019-12-03T14:29:32Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2017-12-31Z
2018-08-30Z
2023-03-06T11:04:53Z
Digitale Karten des Testfeldes A9. Extrahierte Objekte aus 3D Laserscanner Punktwolken.
- Autobahndirektion Südbayern: Zwischen Anschlussstelle Langenbruck und der Anschlussstelle Allershausen (ca. 27 km)
- Autobahndirektion Nordbayern: Zwischen Anschlussstelle Greding und der Trennung zwischen der Autobahndirektion Nordbayern und Südbayern (ca. 25 km)
OpenDrive Testfeld A9
mcloud_id:E74607F2-1F17-4574-B895-8F3319A24E81
mcloud_category_roads
mcloud_category_infrastructure
Bundesministerium für Digitales und Verkehr (BMDV)
Zur Datenbeschreibung stehen zur Verfügung:
- Release Notes der entsprechenden Strecken
- Allgemeine OpenDrive-Spezifikation
Bayerische Straßenbauverwaltung - Zentralstelle für Verkehrsmanagement
E74607F2-1F17-4574-B895-8F3319A24E81
2019-06-14T08:07:09Z
Digitales Testfeld A9 Nord / Süd
{"type": "Polygon", "coordinates": [[[11.3287, 48.4247], [11.329, 48.4247], [11.329, 49.0519], [11.3287, 49.0519], [11.3287, 48.4247]]]}
POLYGON ((11.3287 48.4247, 11.329 48.4247, 11.329 49.0519, 11.3287 49.0519, 11.3287 48.4247))
2016-12-30Z
2023-03-06T11:04:53Z
Europaweites intermodales Verkehrsnetz, das den Zielen der europäischen INSPIRE-Richtlinie (2007/2/EC, 14.03.2007) entspricht:
Die grenzübergreifende und intermodale Verflechtung der Verkehrssysteme,
die eindeutige Objektreferenzierung zur Vermeidung von Mehrfachdefinitionen von Geometrien und Identitäten,
die Lineare Referenzierung der Eigenschaften von Objekten und Ereignissen längs der Verkehrswege und
die Möglichkeit der Zuordnung semantischer Begriffe zu den einzelnen Elementen des Verkehrssystems.
Mit den innerhalb der hierarchisch gegliederten Verkehrsflächen Mittellinien und den an deren Schnittpunkten gebildeten Knoten entspricht es dem Landschaftsmodell ATKIS-BasisDLM der deutschen Landesvermessungsämter. Es wurde aus OpenStreetMap-Daten abgeleitet und unterliegt daher der Opendata-Lizenz. Mittels der Methode der Linearen Referenzierung können beliebige Objekte und Ereignisse auf, neben über oder unter den Mittellinien durch die Entfernung von einem festen Bezugspunkt, im Regelfall einer der beiden Endknoten, und den seitlichen Abstand von der Mittellinie genau verortet werden. Dieses Verfahren stellt somit eine Alternative zur Positionsbestimmung per GPS oder Triangulation dar.
Der wesentliche Mehrwert dieses räumlichen Orientierungssystems fußt auf der eindeutig definierte Lage und Identität der Referenzpunkte. An und von diesen Referenzpunkten aus können Objekte und Ereignisse erkannt, gemessen, die erzielten Meßergebnisse aufbereitet und als Nachrichten, also mit definiertem Informationsgehalt, zwischen beweglichen und festen Sendern und Empfängern als Fahrzeug-zu-Infrastruktur (V2I), aber auch Infrastruktur-zu-Infrastruktur (I2I) übermittelt werden. Damit ist es möglich, situative Informationen von allen miteinander verbundenen Empfangs- und Sendestationen zusammenzuschalten oder aufzulösen. Auch das Referenznetz selbst kann an den Referenzpunkten kontrolliert verringert und, z.B. am Eingang zu einer privaten Verkehrsfläche erweitert werden, so daß der Informationsfluß auf das Notwendige reduziert und der Datenschutz optimal gewährleistet ist. Wir erhalten dadurch ein neues grenzübergreifendes dezentral organisierbares Informationssystem, das dem derzeit gängigen zentral überwachbaren entgegensteht oder es auch ergänzt.
PermanentNet
mcloud_id:F210C899-98B7-43F9-BC77-CB416C19F372
mcloud_category_roads
mcloud_category_railway
mcloud_category_waters
mcloud_category_infrastructure
IPM Group s.r.o
Lineare Referenzierung
Positionsbestimmung
Straßennetz
Schienennetz
Gewässer
IPM Group s.r.o
F210C899-98B7-43F9-BC77-CB416C19F372
2020-02-26T12:46:00Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Die Datensätze enthalten die Position der Brücken für die Bundesautobahn A9 und deren Kreuzungswinkel, welche die Ausrichtung der Brückenbauwerke definieren. Des weiteren enthalten die Datensätze die Achsen der A9 und A70, sowie deren aktuelle Kilometrierung. Die Brücken sind über die Bauwerksnummer beschrieben.
Position und Kreuzungswinkel der Brücken auf der A9 mit Kilometrierung
mFUND-FKZ 19F2076B
mFUND-Projekt PoC - Brückenerhaltungsmanagement II
mcloud_id:298FA32D-8D7B-4A5E-B935-0D2573303217
mcloud_category_roads
mcloud_category_infrastructure
BiM CC GmbH
Die Achsen stammen von der Autobahndirektion Nordbayern und die Kreuzungswinkel der Bauwerke wurden der SIB-Bauwerke Datenbank entnommen. Die Bauwerkswinkel wurden von der exakten Tangente ausgehend berechnet. Die Achse wurden für das *.geojson Format polygonalisiert.
298FA32D-8D7B-4A5E-B935-0D2573303217
2019-07-31T20:06:04Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Beispieldatensatz für Gefahrenstellen im Radverkehr im Bereich Dresden Leipzig
RadUnfallCluster
mFUND-FKZ 19F2008A
mFUND-Projekt Gefahrenstelle_Rad
mcloud_id:BC700031-EA6A-4A2E-9A6A-C561AEAF0F33
mcloud_category_infrastructure
Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI
Beachten Sie die Nutzungsbedingungen in https://opendatacommons.org/licenses/odbl/index.html
Quellenvermerk: Fraunhofer IVI: ODbL 1.0
BC700031-EA6A-4A2E-9A6A-C561AEAF0F33
2019-10-22T14:23:56Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
Im Projekt SIRENE wurde unter anderem das Werkzeug SUMO des DLR zur mikroskopischen Verkehrssimulation eingesetzt. Hiermit wurden Blaulichtfahrten (z. B. Berufsfeuerwehr) im Stadtgebiet von Braunschweig simuliert, um verschiedene Teile des SIRENE-Systems zu testen.
An dieser Stelle wird eine beispielhafte simulierte Fahrt bereitgestellt. Sie liegt im GeoJSON-Format für zwei Fahrzeuge bzw. als JSON für LSA-Status vor und könnte für verschiedene Untersuchungen verwendet werden. Dies ist ein Kompromiss, um datenschutzrechtlich unbedenkliche Datensätze eines BOS-Dienstes zur Verfügung zu stellen.
Konkret geschah in der Simulation die Priorisierung über den dezentralen SIRENE-Ansatz für zwei Feuerwehrfahrzeuge in einer Kolonnenfahrt. Diese führte über die Kreuzung K111 (Münchenstraße zur Autobahnauffahrt A391).
Simulierte Blaulichtfahrten in Braunschweig
mFUND-FKZ 19F2030
mFUND-Projekt SIRENE
mcloud_id:DEC2B39E-D474-43F9-96FF-973D92EC899F
mcloud_category_infrastructure
mcloud_category_roads
Deutsches Zentrum für Luft- und Raumfahrt e.V.
Über https://geojsonlint.com lassen sich GeoJSON-Daten auf einer Karte anzeigen.
Die Simulation wurde durch das DLR parametriert und ausgeführt. Die Daten wurden durch das ifak aufgezeichnet und über einen Server zum Download bereitgestellt.
DEC2B39E-D474-43F9-96FF-973D92EC899F
2020-10-23T13:26:03Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2020-10-22Z
2020-10-22Z
2023-03-06T11:04:53Z
Der Datensatz enthält alle öffentlich zugänglichen Grünflächen der Stadt Dresden einschließlich einer Bewertung für die Eignung für physische und passive Aktivitäten. Die Attributtabelle enthält Scores, welche die Eignung der Grünflächen in Bezug auf die Durchführung von 20 verschiedenen Aktivitäten ausdrücken. Die Scores sind Ergebnis einer multikriteriellen Bewertung, welche in Cakir et al. (2021) beschrieben ist. Bei der Berechnung wurden die folgenden Eingaben berücksichtigt:
- normierte Indikatorwerte der Kriterien (siehe https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-1)
- die von den Nutzern definierte Gewichtung (siehe Standardgewichte von 0 bis 10 in Tabelle 1) der Kriterien.
Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Bildung erfolgt auf Grundlage von Annahmen über physische Barrieren, speziell dem Straßen-, Schienen-, und Wassernetz sowie Grenzen bestimmter benachbarter Landnutzungsklassenkombinationen. Für Dresden erfolgte die Bildung der Grünflächenpolygone durch eine kombinierte Verarbeitung von OpenStreetmap, der „Erweiterte Blockkarte (Netto) mit differenzierten Nutzungsarten“ sowie Geometrien zu „Park- und Grünanlagen“ und „Spielplätzen“, welche seitens der Landeshauptstadt Dresden über das Open Data Portal (opendata.dresden.de) frei verfügbar sind.
# Referenzen:
Cakir, S.; Hecht, R.; Krellenberg, K. (2021): Sensitivity analysis in multi-criteria evaluation of the suitability of urban green spaces for recreational activities. In: AGILE GIScience Series, 2, 22 (2021)
https://doi.org/10.5194/agile-giss-2-22-2021
Cakir, S., Schorcht, M., Stanley, C., Rieche, T., Ludwig, C., Gugulica, M., Dunkel, A., Hecht, R. (2021). Städtische Grünflächen und Indikatoren: Dresden (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-1
Hecht, R.; Artmann, M.; Brzoska, P. et al. (2021): A web app to generate and disseminate new knowledge on urban green space qualities and their accessibility. ISPRS Annals (accepted)
Krellenberg, K.; Artmann, M.; Stanley, C.; Hecht, R. (2021): What to do in, and what to expect from, urban green spaces – Indicator-based approach to assess cultural ecosystem services. In: Urban Forestry & Urban Greening (2021) 59: 126986
https://doi.org/10.1016/j.ufug.2021.126986
Krellenberg, K.; Hecht, R. (2021): Mit einer mobilen App neues Wissen zum Stadtgrün generieren. In: GIS.business - das Magazin für Geoinformation (2021) 3/2021, S.41-43
https://doi.org/10.21241/ssoar.73701
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251
https://doi.org/10.3390/ijgi10040251
Städtische Grünflächen und Aktivitäten: Dresden
mFUND-FKZ 19F2073A
mFUND-Projekt meinGrün
Grünflächen
Indikatoren
Ökosystemleistungen
Aktivitäten
Dresden
mcloud_id:0B947741-5152-4595-A4DE-05498C35EF9B
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung e. V. (IÖR)
Die Grünflächenpolygone und deren Attribute werden im offenen Standardformat JSON angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Cakir, S., Schorcht, M., Stanley, C., & Hecht, R. (2021). Städtische Grünflächen und Aktivitäten: Dresden (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-3
0B947741-5152-4595-A4DE-05498C35EF9B
2021-08-05T14:23:57Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-12-30Z
2023-03-06T11:04:53Z
Der Datensatz enthält alle öffentlich zugänglichen Grünflächen der Stadt Heidelberg einschließlich einer Attributtabelle mit 38 verschiedenen Indikatoren. Die Grünflächen und Indikatorenwerte sind zentrale Datengrundlage für die Bewertung der Grünflächen nach Kriterien oder der Eignung für bestimmte Aktivitäten mittels der meinGrün-App (app.meingruen.org).
Die Grünflächenpolygone wurden mittels eines automatischen Ansatzes generiert, der in Ludwig et al. (2021) näher beschrieben ist. Die Bildung erfolgt auf Grundlage von Annahmen über physische Barrieren, speziell dem Straßen-, Schienen-, und Wassernetz sowie Grenzen bestimmter benachbarter Landnutzungsklassenkombinationen. Für Heidelberg erfolgte die Bildung der Grünflächenpolygone durch eine kombinierte Verarbeitung von OpenStreetmap und städtischen Daten, speziell einer Geometrie zu statistischen Blöcken, den Park- und Grünanlagen, Spielplätzen, Friedhöfen, Kleingärten und Wäldern. Indikatoren wurden durch das Leibniz-Institut für ökologische Raumentwicklung, dem Heidelberg Institute for Geoinformation Technology an der Universität Heidelberg und dem Institut für Kartographie der TU Dresden prozessiert. Die für die Berechnung der Indikatoren verwendeten Datengrundlagen und Berechnungsvorschriften sind in der Metadatenbeschreibung dokumentiert.
# Referenzen:
Cakir, S.; Hecht, R.; Krellenberg, K. (2021): Sensitivity analysis in multi-criteria evaluation of the suitability of urban green spaces for recreational activities. In: AGILE GIScience Series, 2, 22 (2021)
https://doi.org/10.5194/agile-giss-2-22-2021
Hecht, R.; Artmann, M.; Brzoska, P. et al. (2021): A web app to generate and disseminate new knowledge on urban green space qualities and their accessibility. ISPRS Annals (accepted)
Krellenberg, K.; Artmann, M.; Stanley, C.; Hecht, R. (2021): What to do in, and what to expect from, urban green spaces – Indicator-based approach to assess cultural ecosystem services. In: Urban Forestry & Urban Greening (2021) 59: 126986
https://doi.org/10.1016/j.ufug.2021.126986
Krellenberg, K.; Hecht, R. (2021): Mit einer mobilen App neues Wissen zum Stadtgrün generieren. In: GIS.business - das Magazin für Geoinformation (2021) 3/2021, S.41-43
https://doi.org/10.21241/ssoar.73701
Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. In: ISPRS International Journal of Geo-Information 10 (2021) 4, S.251
https://doi.org/10.3390/ijgi10040251
Städtische Grünflächen und Indikatoren: Heidelberg
mFUND-FKZ 19F2073A
mFUND-Projekt meinGrün
Grünflächen
Indikatoren
Ökosystemleistungen
Heidelberg
mcloud_id:3E708A65-8C81-4BAE-8E4B-5F39F4D7F4E7
mcloud_category_infrastructure
Leibniz-Institut für ökologische Raumentwicklung e. V. (IÖR)
Die Grünflächenpolygone und deren Attribute werden im offenen Standardformat JSON angeboten und können mit verschiedenen Tools (z.B: QGIS) verarbeitet und und visualisiert werden.
Cakir, S., Schorcht, M., Stanley, C., Rieche, T., Ludwig, C., Gugulica, M., Dunkel, A., Hecht, R. (2021). Städtische Grünflächen und Indikatoren: Heidelberg (Version 2021) [Data set]. Leibniz Institute of Ecological Urban and Regional Development, Weberplatz 1, 01217 Dresden, Germany. https://doi.org/10.26084/IOERFDZ-DATA-DE-2021-2
3E708A65-8C81-4BAE-8E4B-5F39F4D7F4E7
2021-08-05T14:19:57Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2014-12-31Z
2020-12-30Z
2023-03-06T11:04:53Z
Über diese API kann eine stundengenaue Gesamtbelegungsprognose für den Park-and-Ride-Parkplatz Lochhausen Nord, Lochhausener Str. 215, 81249 München, abgefragt werden. Der Prognosezeitraum erstreckt sich jeweils vom heutigen Tag bis zum zweiten Folgetag (insgesamt drei Tage). Innerhalb eines Tages können nur Uhrzeiten zwischen 7:00 und 18:59 Uhr gewählt werden, da für die übrigen Zeiträume keine validen Daten verfügbar sind. Innerhalb einer Stunde (das heißt von Minute 0 bis Minute 59) bleibt der Prognosewert jeweils konstant.
Die Prognose wird mit einem künstlichen neuronalen Netz ermittelt, das auf historischen Belegungsdaten (repräsentative Stichproben aus den Jahren 2014-2019) sowie historischen und laufend aktualisierten Daten zu relevanten Einflussfaktoren (Datum, Uhrzeit, Wochentag, Feiertag, Schulferien, Großveranstaltung und Wetter) basiert.
Um die Unsicherheit der Prognose einschätzen zu können, wird neben dem Erwartungswert auch ein minimaler und maximaler Wert angegeben, die sich beide aus dem Konfidenzintervall ergeben, das mit einer Irrtumswahrscheinlichkeit von 5 % ermittelt wurde (das heißt: in 95 % aller Fälle liegt der tatsächliche Wert zwischen dem minimalen und maximalen Prognosewert). Da trotzdem auch größere Abweichungen wegen außergewöhnlicher Ereignisse oder Situationen (z.B. Lockdown während Pandemie) in Einzelfällen möglich sind, kann die Richtigkeit der Prognose nicht garantiert werden.
Eingabeparameter mit Beispielwerten:
date=10.09.2021 (veränderlich)
time=07:00 (veränderlich)
location=1 (unveränderlich)
Beispielhafte Eingabe:
http://forecast.pamir-projekt.de/occupancy?date=10.09.2021&time=07:00&location=1
Ausgabeparameter (JSON-Format):
free parking lots average - durchschnittliche Anzahl von freien Stellplätzen
free parking lots maximal - maximale Anzahl von freien Stellplätzen
free parking lots minimal - minimale Anzahl von freien Stellplätzen
occupancy average - durchschnittlicher Belegungsgrad
occupancy maximal - maximaler Belegungsgrad
occupancy minimal - minimaler Belegungsgrad
Beispielhafte Ausgabe:
{
"free parking lots average": 121,
"free parking lots maximal": 139,
"free parking lots minimal": 96,
"occupancy average": 0.1310014591590153,
"occupancy maximal": 0.312462504146175,
"occupancy minimal": 0.0
}
Stadt München, P+R Parkplatz Lochhausen Nord: Belegungsprognose
mFUND-FKZ 19F2061A
mFUND-Projekt PAMIR
mcloud_id:27388340-AD5B-4AD3-A0D2-DBE83173381D
mcloud_category_roads
mcloud_category_infrastructure
ifak e.V.
Veröffentlichung mit freundlicher Genehmigung der P+R Park & Ride GmbH München
ifak e.V. Magdeburg
27388340-AD5B-4AD3-A0D2-DBE83173381D
2021-09-10T13:51:03Z
Bundesrepublik Deutschland,WKT Raumbezug
{"type": "GeometryCollection", "geometries": [{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]},{"type": "Point", "coordinates": [11.4084752569301, 48.1765474641069]}]}
GEOMETRYCOLLECTION(POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942)),POINT (11.4084752569301 48.1765474641069))
2021-09-14Z
2023-03-06T11:04:53Z
Der Datensatz enthält mehrere Shapefiles für die Darstellung einer Wahrnehmungs-Heat Map für grünbezogene Begriffe im Bereich des Großen Gartens in Dresden. Um die Eignung von Social-Media-Daten für die Stadt- und Landschaftsplanung aufzuzeigen, wurde als Anwendungsfall für das Webportal meinGrün eine neue Methodik entwickelt, um schnell einen groben Überblick der räumlichen Muster von in Social Media kommunizierten Begriffen abzubilden. Die Visualisierungsmethode ist insofern besonders geeignet, wahrgenommene und online kommunizierte Qualitäten in einem Gebiet zu beurteilen. Es kann eine Kombination von verschiedenen Begriffen genutzt werden, um besondere Themenzusammenhänge zu analysieren. Im Beispiel Shapefile für den Großen Garten wurde die Kombination der Begriffe "Gras, Natur, Park" genutzt, um das Eignungsgefälle für wahrgenommene und naturbezogene Qualitäten im Park zu beurteilen. So wird an der Karte ablesbar, dass der Botanische Garten einen wesentlichen Schwerpunkt für mit diesem Begriffskanon zusammenhängende Qualitäten darstellt. Auch im hinteren, eher offen gestalteten westlichen Teil des Großen Gartens liegen wesentliche Schwerpunkte, mit punktuellen Häufungen entlang des Carola-Sees und am Ufer d. Neuen Teichs.
Die verwendeten Datengrundlagen und Berechnungsvorschriften sind in der Metadatenbeschreibung dokumentiert.
Subjektive Wahrnehmung und Kommunikation von Grünflächen in Social Media (Großer Garten, Dresden)
mFUND-FKZ 19F2073C
mFUND-Projekt meinGrün
Grünflächen
Location-Based-Social-Media-Daten
Wahrnehmung
Großer Garten
Dresden
mcloud_id:68E12D84-19B8-4710-A742-CD4587F95DE8
mcloud_category_infrastructure
Institut für Kartographie, TU Dresden
Die Shapefiles für die Darstellung einer Wahrnehmungs-Heat Map für grünbezogene Begriffe im Bereich des Großen Gartens in Dresden können in verschiedene Geographische-Informationssysteme (wie z.B. QGIS) importiert und visualisiert werden.
Dunkel, A.(2021). Subjektive Wahrnehmung und Kommunikation von Grünflächen in Social Media (Großer Garten, Dresden) (Version 2021) [Data set]. Institute of Cartography, Department of Geosciences, TU Dresden,
Helmholtzstr. 10, 01069, Dresden.
68E12D84-19B8-4710-A742-CD4587F95DE8
2021-09-20T12:28:53Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2006-12-31Z
2019-12-30Z
2023-03-06T11:04:53Z
Der Datensatz enthält Zählungen der Klassen 'Person', 'Fahrrad', 'PKW' aus Videodaten im vorwiegend nicht-motorisierten Straßenverkehr.
Der Datensatz beinhaltet Videodaten, welche zur Visualisierung des Datensatzes dienen, sowie die extrahierten Metadaten der Objektverfolgung und Verkehrszählung.
Folgende Datei sind im Einzelnen enthalten:
'video_example.mp4'
Video-Sequenz aus einem innerstädtischen Bereich zur Visualisierung der Metadaten. Das zugrundeliegende Video ist verpixelt und stellt folgende Informationen dar:
- Region-of-Interest (ROI): Bereich in welchem die Verkehrsteilnehmer gezählt werden (rotes Polygon)
- Bounding Boxes der einzelnen Verkehrsteilnehmer in den Klassen 'Person', 'Fahrrad', 'PKW'
- Motion Tracks der Verkehrsteilnehmenden
'MOT.csv'
Datei enthält die Ergebnisse des Object-trackings des Videos.
Die Einträge sind im Folgenden beschrieben:
- 'frame': Bild des Videos (1 bis 7001)
- 'label_id': IDs der Objektklassen:
- 0: person
- 1: bicycle
- 2: car
- 'label': Objektklassen
- 'conf': Konfidenz der Objektklassenidentifikation
- 'object_id': Beschreibt die tracking id, welche zusammengehörige Objekte markiert
- 'x': Bounding Box Koordinate: x-Position der linken untere Ecke in px
- 'y': Bounding Box Koordinate: y-Position der linken untere Ecke in px
- 'width': Breite der Bounding Box in px
- 'height': Höhe der Bounding Box in px
'roi.csv'
Enthält die Koordinaten (Pixelposition) der Polygonpunkte, welche die Region-of-interest (ROI) markieren. Es handelt sich hierbei um ein Polygon mit vier Eckpunkten, die durch folgende Pixelpositionen definiert sind:
- Reihe: [560 540 600 1000]
- Spalte: [50 700 1200 1300]
'count.csv'
Beinhaltet überprüft/korrigiert Zähldaten.
Zählweise:
- Betrachtung der linken unteren Ecke der Objekt bounding box.
- Eintritt und Austritt in ROI.
- Zählung bei Austritt aus ROI.
Beinhaltet folgende Daten:
- 'frame': Bild des Videos (1 bis 7001)
- 'count_roi': Anzahl der Verkehrsteilnehmer, die sich aktuell in der ROI befinden
- 'count_total': Anzahl der Verkehrsteilnehmer, die zu diesem Zeitpunkt die ROI verlassen haben (Ergebnis der Zählung)
Verkehrszählung und multi-object-tracking Metadaten im nicht-motorisierten Individualverkehr
mFUND-FKZ 19F1084A
mFUND-Projekt CityCount
NMIV
Verkehrszählung
Multi-Object-Tracking
KI
mcloud_id:8995fc2f-58db-4224-a3be-1adfef02c04b
mcloud_category_infrastructure
Palaimon GmbH
- Die Datei 'count.csv' enthält bereinigte Daten mit einer überprüften/korrigierten Zählung während die Tracking-Daten nicht nachbearbeitet wurden. Somit stimmt die 'object_id' und die richtige Zählung nicht überein. Gebrochene Tracks können in einem Postprocessing-Schritt zusammengeführt werden.
- Die Objektklasse 'bicycle' bezieht sich auf das Fahrrad, ohne die fahrende Person. Eine Klasse 'Fahrradfahrer' kann im Postprocessing aus der Übereinstimmung zwischen Objekt bounding boxes und Tracks extrahiert werden.
8995fc2f-58db-4224-a3be-1adfef02c04b
2022-12-01T20:35:55Z
2022-09-29Z
2022-09-29Z
2023-03-06T11:04:53Z
Bei den Daten handelt es sich um einen Auszug eines Algorithmusses zur Berechnung von Verladerpreisen. Dieser Datensatz bildet die Strecke Bremen nach Eching im Zeitraum 01.11.2019 bis zum 31.10.2021 ab. Für eine Strecke wurde die Entfernung von 744 km mit einer Fahrzeit von 07:23 h angenommen.
- Der Name der CSV-Dateien enthält die Informationen zur Strecke und dem Zeitraum der Berechnung.
- In der ersten Spalte ist das jeweilige Beladedatum abgebildet.
- In den weiteren Spalten sind die jeweiligen Verladerpreise dargestellt, welche sich für das jeweilige Datum der Zeile und die in der Kopfzeile angegebene Anzahl von Stellplätzen ergibt.
Weitere Parameter in der Begleitinformation.
Verladerpreise für die Strecke Bremen nach Eching im Zeitraum 01.11.2019 bis zum 31.10.2021
mFUND-FKZ 19F2084
mFUND-Projekt Carrypicker Yield Management in der Speditionsbranche
Logistik
Transport
Preise
mcloud_id:D5F9C939-FD3F-4002-BA97-844B208C64A6
mcloud_category_infrastructure
Carrypicker Yield Management in der Speditionsbranche
Quelle: Carrypicker GmbH, 2021
D5F9C939-FD3F-4002-BA97-844B208C64A6
2021-12-08T12:02:09Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2019-10-31Z
2021-10-30Z
2023-03-06T11:04:53Z
Identifizierte optimale Standorte (hoch frequentiert, gute Verkehrsanbindung, vorhandener Bauplatz, etc.) für LNG-Tankstellen für transeuropäische und lokal operierende Spediteure im Testgebiet Stuttgart.
Vorzugsstandorte_LNG_Tankstellen_Stuttgart
mcloud_id:15E6BCDB-15ED-4D0E-A869-BB98F54E365B
mcloud_category_infrastructure
DBI - Gastechnologisches Institut gGmbH
Quellenvermerk: mFUND Projekt LNG-GIS
15E6BCDB-15ED-4D0E-A869-BB98F54E365B
2020-01-30T08:12:35Z
Stuttgart
{"type": "Polygon", "coordinates": [[[9.038954, 48.69014], [9.315946, 48.69014], [9.315946, 48.867455], [9.038954, 48.867455], [9.038954, 48.69014]]]}
POLYGON ((9.038954 48.69014, 9.315946 48.69014, 9.315946 48.867455, 9.038954 48.867455, 9.038954 48.69014))
2023-03-06T11:04:53Z
Datensätze, die im Rahmen des Projekts XPress gesammelt oder erstellt wurden
XPress - Projektergebnisse
mcloud_id:7459E06D-0DFA-4C90-BA27-8D508C0EE0AF
mcloud_category_infrastructure
GeoNet.MRN e.V.
7459E06D-0DFA-4C90-BA27-8D508C0EE0AF
2019-09-04T11:41:20Z
Bundesrepublik Deutschland
{"type": "Polygon", "coordinates": [[[6.098034, 47.23942], [15.578555, 47.23942], [15.578555, 55.054344], [6.098034, 55.054344], [6.098034, 47.23942]]]}
POLYGON ((6.098034 47.23942, 15.578555 47.23942, 15.578555 55.054344, 6.098034 55.054344, 6.098034 47.23942))
2023-03-06T11:04:53Z
An über 240 Standorten wird mittels Verkehrdetektoren (Infrarotdetektoren, sog. TEU = Traffic Eye Universal) die Anzahl, Zusammensetzung (PKW, LKW) und Geschwindigkeit von Fahrzeugen im Berliner Straßenland gemessen. Der Datensatz stellt archivierte Daten pro Standort auf Stundenbasis zur Verfügung.
Live Daten finden Sie unter www.viz.berlin.de.
Hinweis: Es handelt sich um Rohdaten, die vereinzelt Messfehler enthalten können. Eine Validierung durch den Datenbereitsteller ist geplant.
Verkehrsdetektion Berlin
Robert Budras-Krüger
Geschwindigkeit
Lkw
Pkw
Sensor
Sensordaten
Straßendetektion
TEU
VIZ
Verkehrsdetektion
Verkehrsinformationszentrale
Verkehrsmenge
Verkehrsstärke
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung Umwelt, Verkehr und Klimaschutz
3ba6ed3c-644a-4c4d-9838-cde959b00737
2022-01-14T07:50:45.976Z
2022-01-14T07:50:45.976Z
Es werden 2 maschinenlesbare Dateien mit den aktuellen Standorten der Parkscheinautomaten (PSA) im Bezirk Pankow bereitgestellt.
Parkscheinautomaten (PSA) Standorte öffentlich anzeigen
Jonas Karehnke
Berlin
Handyparken
Ordnungsamt
Pankow
Parkplatz
Parkraumbewirtschaftung
Parkscheinautomat
Parkticket
Ticket
parken
mcloud_category_infrastructure
mcloud_category_roads
Bezirksamt Pankow, Amt für öffentliche Ordnung
aed9be10-6d6b-4211-8d6b-c84a91369533
2021-09-27T06:26:53.339Z
2021-09-27T06:26:53.339Z
Es wird eine maschinenlesbare Datei mit den aktuellen Standorten der Parkscheinautomaten (PSA) im Bezirk Pankow bereitgestellt.
Parkscheinautomaten (PSA) Standorte öffentlich anzeigen
Jonas Karehnke
Berlin
Handyparken
Ordnungsamt
Pankow
Parkplatz
Parkraumbewirtschaftung
Parkscheinautomat
Parkticket
Ticket
parken
mcloud_category_infrastructure
mcloud_category_roads
Bezirksamt Pankow, Amt für öffentliche Ordnung
20689d9b-c7c6-48d5-a4fc-7288160c0482
2021-08-23T06:29:42.404Z
2021-08-23T06:29:42.404Z
Standorte der zwölf dynamischen Schilder des Parkleitsystems im Bereich des Olympiastadions und der Messe Berlin.
Über die dynamischen Schilder werden Besucher*innen der o.g. Veranstaltungsorte frühzeitig über die Verfügbarkeit von Stellplätzen und möglichen Alternativen informiert.
Standorte Parkleitsystem Berlin
Robert Budras-Krüger
Parken
Parkleitsystem
Parkplätze
Standorte
Stellplätze
VIZ
Verkehrsinformationszentrale
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung Umwelt, Verkehr und Klimaschutz
102a570f-46b2-444c-8f53-59501c6688ed
2021-07-14T08:06:36.858Z
2021-07-14T08:06:36.858Z
Standorte der Verkehrsdetektoren (Infrarotdetektoren, sog. TEU = Traffic Eye Universal) im Berliner Straßenland. An über 240 Standorten wird mittels Verkehrdetektoren die Anzahl, Zusammensetzung (PKW, LKW) und Geschwindigkeit von Fahrzeugen im Berliner Straßenland gemessen. Der Datensatz stellt dar, wo sich die Standorte befinden. Für die von den Detektoren gelieferten Daten nutzen Sie den Datensatz "Verkehrsdetektion Berlin" (Archivsdaten). Live Daten finden Sie unter www.viz.berlin.de
Standorte der Verkehrsdetektion in Berlin
Robert Budras-Krüger
Detektor
Messstellen
Sensoren
Standorte
VIZ
Verkehrsdetektion
Verkehrsinformationszentrale
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung Umwelt, Verkehr und Klimaschutz
47218921-1623-405d-9041-f407b142b375
2021-07-09T06:57:19.391Z
2021-07-09T06:57:19.391Z
Standorte der Verkehrsinfotafeln im Berliner Straßenverkehr. Auf den über dreißig Verkehrsinformationstafeln können aktuelle und für den jeweiligen Standort relevante Verehrsinformationen auf direktem Wege an Verkehrsteilnehmende kommuniziert werden. Neben Stauwarnungen wird beispielsweise ebenso frühzeitig über Großveranstaltungen oder Baustellen informiert.
Standorte der Verkehrsinformationstafeln in Berlin
Robert Budras-Krüger
Standorte
VIZ
Verkehrsinformationszentrale
Verkehrsinfotafeln
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung Umwelt, Verkehr und Klimaschutz
ed3dcc0d-e3b4-4c70-9423-e8561e577dd3
2021-07-09T06:14:46.234Z
2021-07-09T06:14:46.234Z
Breitbandversorgung Berlin Gewerbe 2017 LOR (Kiez)
Breitbandversorgung Berlin Gewerbe 2017-2018
Michael Pemp
Breitband
Breitbandversorgung
Gewerbe
LOR
mcloud_category_infrastructure
Senatsverwaltung für Wirtschaft, Energie und Betriebe
79d6f2c6-fc87-444f-b1bb-d9a78e8a4dff
2021-02-25T09:55:39.530Z
2021-02-25T09:55:39.530Z
Breitbandversorgung Berlin 2017 Privatverfügbarkeiten
Breitbandversorgung Berlin 2017-2018 Privatverfügbarkeiten
Michael Pemp
Berlin
Breitband
Breitbandatlas
Breitbandversorgung
Breitbandversorgung Berlin
mcloud_category_infrastructure
Senatsverwaltung für Wirtschaft, Energie und Betriebe
21972f2c-19f5-4fa2-bceb-0805c9fc089a
2021-02-25T09:55:14.159Z
2021-02-25T09:55:14.159Z
Liste der geplanten und bereits abgeschlossenen Maßnahmen im Rahmen der Verkehrswende - Stand 11/2019
Maßnahmeliste Verkehrswende Friedrichshain-Kreuzberg
Hr. Hilpert
F-K
Maßnahmen
Verkehrswende
mcloud_category_infrastructure
Bezirksamt Friedrichshain-Kreuzberg
085c0357-ebe0-45a1-8721-6e49fbb8d9b4
2020-11-19T08:12:15.888Z
2020-11-19T08:12:15.888Z
E-Mobility Ladesäulen in Berlin
E-Mobility Ladesäulen in Berlin
Betül Özdemir
E-Mobilität
emobility
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung für Wirtschaft, Energie und Betriebe
4e03a8e4-3b4e-4618-85e7-a008a61d8b16
2020-11-19T08:12:10.877Z
2020-11-19T08:12:10.877Z
Die Karte zeigt E-Ladesäulen im öffentlichen und halböffentlichen Raum in Berlin.
Die Darstellungen basieren auf Angaben der Bundesnetzagentur und Erfassungen aus dem Projekt „be emobil“, im Auftrag der Senatsverwaltung für Umwelt, Verkehr und Klimaschutz.
Seit dem 18. April 2017 veröffentlicht die Bundesnetzagentur die im Rahmen der Ladesäulenverordnung (LSV) gemeldeten Daten zur öffentlich zugänglichen E-Ladeinfrastruktur in Deutschland. Darauf aufbauend stellt die Karte die Berliner Elektro-Ladesäulen aller Betreiber dar, die das Anzeigeverfahren der Bundesnetzagentur erfolgreich durchlaufen und einer Veröffentlichung im Internet zugestimmt haben.
Ladesäulen im öffentlichen und halböffentlichen Raum
Betül Özdemir
Elektro-Ladesäulen
mcloud_category_roads
mcloud_category_infrastructure
Senatsverwaltung für Wirtschaft, Energie und Betriebe
2521be73-84f3-441c-9134-abbad67f9e93
2018-10-05T12:31:20.247Z
2018-10-05T12:31:20.247Z
Beförderte Rohölmenge und Beförderungsleistung(Rohrfernleitungsstatistik): Deutschland, Monate,Hauptverkehrsbeziehungen
Beförderte Rohölmenge und Beförderungsleistung(Rohrfernleitungsstatistik): Deutschland, Monate,Hauptverkehrsbeziehungen
Statistisches Bundesamt
april
august
beförderte-rohölmenge
beförderungsleistung
deutschland
deutschland-insgesamt
dezember
februar
grenzüberschreitender-empfang
hauptverkehrsbeziehungen
jahr
januar
juli
juni
mai
monate
märz
november
oktober
rohrfernleitungsstatistik
september
verkehr-innerhalb-deutschlands
mcloud_category_infrastructure
Statistisches Bundesamt
https://www-genesis.destatis.de/genesis/downloads/00/tables/46911-0001_00
2018-05-13T22:00:00Z
2018-05-13T22:00:00Z
3710166
2024-03-12T19:10:31.109Z
Download WFS Parkscheinautomaten Hamburg (GML)
2630
2024-03-12T19:10:31.109Z
Download WFS-Schemadatei Parkscheinautomaten Hamburg (XSD)
29053
2024-03-12T19:10:31.109Z
Dienst "WFS Parkscheinautomaten Hamburg" (GetCapabilities)
14562
2024-03-12T19:10:31.109Z
Dienst "WMS Parkscheinautomaten Hamburg" (GetCapabilities)
3114
2024-03-12T19:10:31.109Z
OGC API - Features (OAF) Landing Page
129297
2024-03-12T19:10:31.109Z
Download Parkscheinautomaten Hamburg (CSV)
258845
2024-03-12T19:10:31.109Z
Download Parkscheinautomaten Hamburg (GeoJSON)
105412
2024-03-12T19:10:31.109Z
Metadatenbeschreibung aus dem MetaVer
WFS Digitales Landschaftsmodell 1:1 000 000 - GetCapabilities
Dokumentation
Geodatenzentrum
Dienst "WFS Digitales Landschaftsmodell 1:1 000 000" (GetCapabilities)
WFS Digitales Landschaftsmodell 1:250 000 - GetCapabilities
Dokumentation
Geodatenzentrum
Dienst "WFS Digitales Landschaftsmodell 1:250 000" (GetCapabilities)
1363069
2024-02-09T19:46:18.468Z
Download WFS Lichtsignalanlagen Hamburg (GML)
1021
2024-02-09T19:46:18.468Z
Download WFS-Schemadatei Lichtsignalanlagen Hamburg (XSD)
28394
2024-02-09T19:46:18.468Z
Dienst "WFS Lichtsignalanlagen Hamburg" (GetCapabilities)
14160
2024-02-09T19:46:18.468Z
Dienst "WMS Lichtsignalanlagen Hamburg" (GetCapabilities)
2515
2024-02-09T19:46:18.468Z
OGC API - Features (OAF) Landing Page
98637
2024-02-09T19:46:18.468Z
Download Lichtsignalanlagen Hamburg (CSV)
153749
2024-02-09T19:46:18.468Z
Download Lichtsignalanlagen Hamburg (GeoJSON)
123541
2024-02-09T19:46:18.468Z
Metadatenbeschreibung aus dem MetaVer
25498
2024-02-09T17:57:39.166Z
Download WFS Lichtsignalanlagen Hafen Hamburg (GML)
1040
2024-02-09T17:57:39.166Z
Download WFS-Schemadatei Lichtsignalanlagen Hafen Hamburg (XSD)
28413
2024-02-09T17:57:39.166Z
Dienst "WFS Lichtsignalanlagen Hafen Hamburg" (GetCapabilities)
13954
2024-02-09T17:57:39.166Z
Dienst "WMS Lichtsignalanlagen Hafen Hamburg" (GetCapabilities)
3037
2024-02-09T17:57:39.166Z
Download Lichtsignalanlagen Hafen Hamburg (CSV)
3902
2024-02-09T17:57:39.166Z
Download Lichtsignalanlagen Hafen Hamburg (GeoJSON)
2497
2024-02-09T17:57:39.166Z
OGC API - Features (OAF) Landing Page
106335
2024-02-09T17:57:39.166Z
Metadatenbeschreibung aus dem MetaVer
178952
2024-02-03T21:47:49.683Z
Download WFS Parkhäuser Hamburg (GML)
6505
2024-02-03T21:47:49.683Z
Download WFS-Schemadatei Parkhäuser Hamburg (XSD)
38690
2024-02-03T21:47:49.684Z
Dienst "WFS Verkehrsdaten (OpenData)" (GetCapabilities)
35001
2024-02-03T21:47:49.684Z
Dienst "WMS Verkehrsdaten (OpenData)" (GetCapabilities)
1396
2024-02-03T21:47:49.684Z
Link zum Verkehrsportal Hamburg
138174
2024-02-03T21:47:49.684Z
Parkhäuser in Hamburg
1314
2024-02-03T21:47:49.684Z
OGC API - Features (OAF) Landing Page
175588
2024-02-03T21:47:49.684Z
Download Verkehrsdaten (OpenData) (CSV)
303886
2024-02-03T21:47:49.684Z
Download Verkehrsdaten (OpenData) (GeoJSON)
116444
2024-02-03T21:47:49.684Z
Metadatenbeschreibung aus dem MetaVer
88184246
2024-01-26T19:56:11.746Z
Download WFS Straßenverkehsnetz Hamburg (INSPIRE), GML
9364
2024-01-26T19:56:11.746Z
Download WFS-Schemadatei INSPIRE Verkehrsnetze Hamburg (XSD)
43368
2024-01-26T19:56:11.746Z
Dienst "WFS INSPIRE Verkehrsnetze Hamburg" (GetCapabilities)
51847
2024-01-26T19:56:11.746Z
Dienst "WMS INSPIRE Verkehrsnetze Hamburg" (GetCapabilities)
13233229
2024-01-26T19:56:11.746Z
Download Straßennetz HH-SIB, 2014-11 (GML)
5756349
2024-01-26T19:56:11.746Z
Download Verkehrsnetze (INSPIRE), 2017-02 (GML)
2386
2024-01-26T19:56:11.746Z
OGC API - Features (OAF) Landing Page
13538958
2024-01-26T19:56:11.746Z
Download INSPIRE Verkehrsnetze Hamburg (CSV)
24374943
2024-01-26T19:56:11.746Z
Download INSPIRE Verkehrsnetze Hamburg (GeoJSON)
116627
2024-01-26T19:56:11.746Z
Metadatenbeschreibung aus dem MetaVer
74058130
2024-01-26T19:08:40.493Z
Download WFS Strategisches Straßennetz Hamburg, 2017-10 (GML)
28522
2024-01-26T19:08:40.493Z
Dienst "WFS Strategisches Straßennetz Hamburg" (GetCapabilities)
14671
2024-01-26T19:08:40.493Z
Dienst "WMS Strategisches Straßennetz Hamburg" (GetCapabilities)
1537
2024-01-26T19:08:40.493Z
Geo-Online - Portal Hamburg
9276661
2024-01-26T19:08:40.493Z
Download Strategisches Straßennetz Hamburg, 2015 (GML)
9276963
2024-01-26T19:08:40.493Z
Download Strategisches Straßennetz Hamburg, 2017-08 (GML)
9276008
2024-01-26T19:08:40.493Z
Download Strategisches Straßennetz Hamburg, 2017-09 (GML)
2928
2024-01-26T19:08:40.493Z
OGC API - Features (OAF) Landing Page
7299546
2024-01-26T19:08:40.493Z
Download Strategisches Straßennetz Hamburg (CSV)
13789568
2024-01-26T19:08:40.493Z
Download Strategisches Straßennetz Hamburg (GeoJSON)
109573
2024-01-26T19:08:40.493Z
Metadatenbeschreibung aus dem MetaVer
50749
2024-01-26T02:46:32.680Z
Download WFS Farradluftstationen Hamburg (GML)
1109
2024-01-26T02:46:32.680Z
Download WFS-Schemadatei Fahrradluftstationen Hamburg (XSD)
28482
2024-01-26T02:46:32.680Z
Dienst "WFS Fahrradluftstationen Hamburg" (GetCapabilities)
14303
2024-01-26T02:46:32.680Z
Dienst "WMS Fahrradluftstationen Hamburg" (GetCapabilities)
5637
2024-01-26T02:46:32.680Z
Download Fahrradluftstationen Hamburg (CSV)
2463
2024-01-26T02:46:32.680Z
OGC API - Features (OAF) Landing Page
7556
2024-01-26T02:46:32.680Z
Download Fahrradluftstationen Hamburg (GeoJSON)
108032
2024-01-26T02:46:32.680Z
Metadatenbeschreibung aus dem MetaVer
515
2024-01-26T01:53:08.894Z
Download WFS ITS-Dienste an Lichtsignalanlagen Hamburg (GML)
4476
2024-01-26T01:53:08.894Z
Download WFS-Schemadatei ITS-Dienste an Lichtsignalanlagen Hamburg (XSD)
35935
2024-01-26T01:53:08.894Z
Dienst "WFS ITS-Dienste an Lichtsignalanlagen Hamburg" (GetCapabilities)
113729
2024-01-26T01:53:08.894Z
Dienst "WMS ITS-Dienste an Lichtsignalanlagen Hamburg" (GetCapabilities)
200579
2024-01-26T01:53:08.894Z
Download ITS-Dienste an Lichtsignalanlagen Hamburg (CSV)
2437
2024-01-26T01:53:08.894Z
OGC API - Features (OAF) Landing Page
289766
2024-01-26T01:53:08.894Z
Download ITS-Dienste an Lichtsignalanlagen Hamburg (GeoJSON)
117443
2024-01-26T01:53:08.894Z
Metadatenbeschreibung aus dem MetaVer
9196787
2024-01-26T01:32:41.243Z
Download WFS Brücken und sonstige Ingenieurbauwerke Hamburg (GML)
15117
2024-01-26T01:32:41.243Z
Download WFS-Schemadatei Brücken und sonstige Ingenieurbauwerke Hamburg (XSD)
2458
2024-01-26T01:32:41.243Z
OGC API - Features (OAF) Landing Page
671969
2024-01-26T01:32:41.243Z
Download Brücken und sonstige Ingenieurbauwerke Hamburg (CSV)
951601
2024-01-26T01:32:41.243Z
Download Brücken und sonstige Ingenieurbauwerke Hamburg (GeoJSON)
231
2024-01-26T01:32:41.243Z
Dienst "WFS Brücken und sonstige Ingenieurbauwerke Hamburg" (GetCapabilities)
231
2024-01-26T01:32:41.243Z
Dienst "WMS Brücken und sonstige Ingenieurbauwerke Hamburg" (GetCapabilities)
107895
2024-01-26T01:32:41.243Z
Metadatenbeschreibung aus dem MetaVer
82729961
2024-01-26T01:26:25.521Z
Download WFS Straßen- und Wegenetz Hamburg, GML
54502
2024-01-26T01:26:25.521Z
Download WFS-Schemadatei Straßen- und Wegenetz Hamburg (XSD)
70207
2024-01-26T01:26:25.521Z
Dienst "WFS Straßen- und Wegenetz Hamburg" (GetCapabilities)
115753
2024-01-26T01:26:25.521Z
Dienst "WMS Straßen- und Wegenetz Hamburg" (GetCapabilities)
10101741
2024-01-26T01:26:25.521Z
Download Straßen- und Wegenetz Hamburg (CSV)
5940913
2024-01-26T01:26:25.521Z
Download Straßen- und Wegenetz Hamburg (HH-SIB), 2017-01 (GML)
5214255
2024-01-26T01:26:25.521Z
Download Straßen- und Wegenetz Hamburg (HH-SIB), 2017-02 (GML)
8968684
2024-01-26T01:26:25.521Z
Download Straßen- und Wegenetz Hamburg (HH-SIB), 2020-04 (GML)
3054
2024-01-26T01:26:25.521Z
OGC API - Features (OAF) Landing Page
33700676
2024-01-26T01:26:25.521Z
Download Straßen- und Wegenetz Hamburg (GeoJSON)
126441
2024-01-26T01:26:25.521Z
Metadatenbeschreibung aus dem MetaVer
1060211
2024-01-26T01:19:22.195Z
Download WFS Bike + Ride Anlagen Hamburg (GML)
1585
2024-01-26T01:19:22.195Z
Download WFS-Schemadatei Bike + Ride Anlagen Hamburg (XSD)
28054
2024-01-26T01:19:22.195Z
Dienst "WFS Bike + Ride Anlagen Hamburg" (GetCapabilities)
246
2024-01-26T01:19:22.195Z
Dienst "WMS Bike + Ride Anlagen Hamburg" (GetCapabilities)
49324
2024-01-26T01:19:22.195Z
Download Bike + Ride Anlagen Hamburg (CSV)
48515
2024-01-26T01:19:22.195Z
Download Bike + Ride Anlagen Hamburg (GML), 2015
24318
2024-01-26T01:19:22.195Z
B+R Anlagen Mietplätze
177784
2024-01-26T01:19:22.195Z
B+R Hamburg Inf0rmationen
2458
2024-01-26T01:19:22.195Z
OGC API - Features (OAF) Landing Page
87990
2024-01-26T01:19:22.195Z
Download Bike + Ride Anlagen Hamburg (GeoJSON)
117422
2024-01-26T01:19:22.195Z
Metadatenbeschreibung aus dem MetaVer
59408
2024-01-26T01:17:21.817Z
Download WFS Park + Ride Anlagen Hamburg (GML)
2600
2024-01-26T01:17:21.817Z
Download WFS-Schemadatei Park + Ride Anlagen Hamburg (XSD)
28438
2024-01-26T01:17:21.817Z
Dienst "WFS Park + Ride Anlagen Hamburg" (GetCapabilities)
12978
2024-01-26T01:17:21.817Z
Dienst "WMS Park + Ride Anlagen Hamburg" (GetCapabilities)
5836
2024-01-26T01:17:21.817Z
Download Park + Ride Anlagen Hamburg (CSV)
7873
2024-01-26T01:17:21.817Z
Download Park + Ride Anlagen Hamburg (GeoJSON)
112078
2024-01-26T01:17:21.817Z
Metadatenbeschreibung aus dem MetaVer
14152395
2024-01-25T22:58:45.948Z
Download WFS ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg (GML)
2343
2024-01-25T22:58:45.948Z
Download WFS-Schemadatei ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg (XSD)
28550
2024-01-25T22:58:45.948Z
Dienst "WFS ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg" (GetCapabilities)
13850
2024-01-25T22:58:45.948Z
Dienst "WMS ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg" (GetCapabilities)
2673
2024-01-25T22:58:45.948Z
OGC API - Features (OAF) Landing Page
1734551
2024-01-25T22:58:45.948Z
Download ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg (CSV)
3228774
2024-01-25T22:58:45.948Z
Download ZEB-Netz der Hauptverkehrsstraßen und Bezirksstraßen mit gesamtstädtischer Bedeutung Hamburg (GeoJSON)
109032
2024-01-25T22:58:45.948Z
Metadatenbeschreibung aus dem MetaVer
2773099
2024-01-23T22:08:22.979Z
Download WFS Elekto Ladestandorte Hamburg (GML)
28606
2024-01-23T22:08:22.979Z
Dienst "WFS Elektro Ladestandorte Hamburg" (GetCapabilities)
13625
2024-01-23T22:08:22.979Z
Dienst "WMS Elektro Ladestandorte Hamburg" (GetCapabilities)
44
2024-01-23T22:08:22.979Z
STA Gesamtserviceabfrage: E-Ladestationen mit E-Ladepunkten inkl. letzte 3 Beobachtungswerte (JSON)
49
2024-01-23T22:08:22.979Z
STA Layerabfrage: Status der Ladepunkte an einer Ladestation (letzte 10 Werte) (JSON)
44
2024-01-23T22:08:22.979Z
STA Standortabfrage: Elektroladestationen (JSON)
117998
2024-01-23T22:08:22.979Z
Beschreibung STA MQTT-Broker
125822
2024-01-23T22:08:22.979Z
Beschreibung SensorThings API (STA)
2722
2024-01-23T22:08:22.979Z
OGC API - Features (OAF) Landing Page
119963
2024-01-23T22:08:22.979Z
Download Elektro Ladestandorte Hamburg (CSV)
204489
2024-01-23T22:08:22.979Z
Download Elektro Ladestandorte Hamburg (GeoJSON)
121927
2024-01-23T22:08:22.979Z
Metadatenbeschreibung aus dem MetaVer
Jahresdatei geprüfter Rohdaten der Radzählstellen in Berlin
2018-09-26T12:23:56.687Z
Radzähldaten in Berlin
2018-09-26T12:23:56.687Z
Die Zähldaten der Berliner Zähler werden sowohl für jeden einzelnen Zähler als auch in monatlichen Zusammenfassungen aller Zählgeräte bereitgestellt.
2023-12-10T11:48:11.146Z
ADFC Berlin Zähldaten Download
2023-12-13T09:16:38.606Z
Abfrage der Zähldaten mittels API-Key, der nach Registrierung als normaler Benutzer auf der [Telraam-Plattform](https://telraam.net/en/register) generiert werden kann.
2023-12-12T08:59:36.881Z
Telraam API zur Abfrage der Zähldaten
2023-12-13T17:31:57.345Z
WMS Digitale Topographische Karte 1:250 000 - GetCapabilities
Dokumentation
Geodatenzentrum
GetCapabilities
Dienst "WMS Digitale Topographische Karte 1:250 000" (GetCapabilities)
504
2023-12-10T22:38:29.887Z
Download WFS dwista - Tafeln dynamische Wegweiser mit integrierter Stauinformation Hamburg (XSD)
495
2023-12-10T22:38:29.887Z
Download WFS-Schemadatei dwista - Tafeln dynamische Wegweiser mit integrierter Stauinformation Hamburg (XSD)
196
2023-12-10T22:38:29.887Z
Datendownload
5136
2023-12-10T22:38:29.887Z
OGC API - Features (OAF) Landing Page
100519
2023-12-10T22:38:29.887Z
Metadatenbeschreibung aus dem MetaVer
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.114Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.091Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.114Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.091Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.114Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.091Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.114Z
Stadt Gelsenkirchen: Infrastrukturdaten Hotel
2023-11-28T13:03:37.091Z
62607
2023-11-17T22:05:24.363Z
Dienst "WFS INSPIRE HH Verkehrsnetze ALKIS" (GetCapabilities)
50764
2023-11-17T22:05:24.363Z
Dienst "WMS INSPIRE HH Verkehrsnetze ALKIS" (GetCapabilities)
290201159
2023-11-17T22:05:24.363Z
Download INSPIRE HH Verkehrsnetze ALKIS, 2017-11 (GML)
103302010
2023-11-17T22:05:24.363Z
Download HH INSPIRE Verkehrsnetze ALKIS, 2019-04 (GML)
232888275
2023-11-17T22:05:24.363Z
Download INSPIRE HH Verkehrsnetze ALKIS, 2020-04 (GML)
105793
2023-11-17T22:05:24.363Z
Metadatenbeschreibung aus dem MetaVer
93384
2023-11-17T22:05:11.445Z
Dienst "WFS INSPIRE HH Verkehrsnetze ATKIS Basis-DLM" (GetCapabilities)
56219
2023-11-17T22:05:11.445Z
Dienst "WMS INSPIRE HH Verkehrsnetze ATKIS Basis-DLM" (GetCapabilities)
10646594
2023-11-17T22:05:11.445Z
Download INSPIRE HH Verkehrsnetze ATKIS Basis-DLM, 2017-11 (GML)
10028265
2023-11-17T22:05:11.445Z
Download INSPIRE HH Verkehrsnetze ATKIS Basis-DLM, 2019-04 (GML)
8558392
2023-11-17T22:05:11.445Z
Download INSPIRE HH Verkerhsnetze ATKIS Basis-DLM, 2020-04 (GML)
107372
2023-11-17T22:05:11.445Z
Metadatenbeschreibung aus dem MetaVer
51252
2023-11-17T20:46:42.135Z
Dienst "WFS INSPIRE HH Verkehrsnetze HH-SIB" (GetCapabilities)
13183
2023-11-17T20:46:42.135Z
Dienst "WMS INSPIRE HH Verkehrsnetze HH-SIB" (GetCapabilities)
23418245
2023-11-17T20:46:42.135Z
Download INSPIRE HH Verkehrsnetze HH-SIB, 2019-08 (GML)
98771
2023-11-17T20:46:42.135Z
Metadatenbeschreibung aus dem MetaVer
WCS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WCS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
WMS Anteil Verkehrsfläche an Gebietsfläche - GetMap
WMS Anteil Verkehrsfläche an Gebietsfläche - GetCapabilities
WFS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WFS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
WCS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WCS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
WCS Anteil Verkehrsfläche an Gebietsfläche - GetMap
WCS Anteil Verkehrsfläche an Gebietsfläche - GetCapabilities
WMS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WMS Anteil baulich geprägter Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
WMS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WMS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
WFS Anteil Verkehrsfläche an Gebietsfläche - GetMap
WFS Anteil Verkehrsfläche an Gebietsfläche - GetCapabilities
WFS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetMap
WFS Anteil Siedlungs- und Verkehrsfläche an Gebietsfläche - GetCapabilities
ASTriD_maps
digital_maps
digitale_karten
Potsdam_city
shape_files
Dateidownload
BMDV Förderlandkarte
Fördermittelkarte Breitband (Menüpunkt "Bundesförderung")
Online-Portal Projektträger A (PwC GmbH WPG)
Online-Portal Projektträger B (ateneKOM)
enviroCar API
enviroCar API Beschreibung
Sensordaten (mit GPS) - Sample (5 Routes)
Sensordaten (mit GPS)
allyMAP Friedrichshain-Kreuzberg
allyMAP Tempelhof-Neukölln
GraphQL-API
Token-API
berlin_grid
berlin_grid.shp
isochrones_berlin.csv
Download
Park API
Portal
Lang-Lkw-Netz ASB-Sektoren
ReferenceNet_DE
Städtische Grünflächen und Aktivitäten: Heidelberg
V2X-DuRail_Daten_mCloud
V2X-DuRail Projektwebseite
V2X-DuRail Downloadwebseite
V2X-DuRail Konferenzbeitrag
Krefeld_at_plz_47803_to_Wolfsburg_at_plz_38440_from_2019_11_01_to_2021_10_31
Rahmenparameter_Krefeld nach Wolfsburg
Endpunkt für Prognosewerte
A_users_01_03_to_30_04_19
B_modal_split_01_03_to_30_04_19
C_trips_diurnal_curves_01_03_to_30_04_19
D_average_individual_values_01_03_to_30_04_19
E_average_mode_values_01_03_to_30_04_19
F_further_insights_01_03_to_30_04_19
Data_sources
Download der App im Google Play Store
Download der App im Apple Store
E-Ladestationen
Verkehrsfluss
Arbeitsstellen längerer Dauer (Baustelleninformationssystem des Bundes und der Länder)
Run0001
Run0008
Run0009
Liste Bahnstationen RNI
Liste Bahnstationen DBSS
mCLOUD-API als DCAT-AP.de in RDF/XML
mCLOUD-API als CSV
Radar-Video-Daten und Daten-Viewer (Expiration Date: 31. March 2023)
Beschreibung der VIDETEC-Messkampagne (Expiration Date: 31. March 2023)
mcloud.ttl.tar
mdm.ttl.tar
govdata.tar
edp.tar
Web-Zugriff FTP Server
OPAL Portal
Source-Code
App bei Google Play
Städtische Grünflächen und Indikatoren: Dresden
Stellplätze, statische Informationen
Stellplätze, dynamische Informationen
Kuenzell_at_plz_36093_to_Hamburg_at_plz_21147_from_2019_11_01_to_2021_10_31
Rahmenparameter_Kuenzell nach Hamburg
VIDETEC_Daten_mCloud
2020_03_10_mCLoud_Datensatz
Mess- und Auswertungen Projekt smartech.7z
mFund_Luftporen
Detektierte_Erschueterungen
cloud20201604_094331
cloud20201604_094605
cloud20201604_100121
cloud20201604_101025
cloud20201604_101247
cloud20201604_101957
cloud20201604_102358
cloud20201604_102900
cloud20201604_103108
cloud20201604_103325
cloud20201604_103615
cloud20201604_103924
cloud20201604_104114
cloud20201604_104317
cloud20201604_130348
cloud20201604_130521
cloud20201604_130801
cloud20201604_131005
cloud20201604_131022
cloud20201604_131151
cloud20201604_131320
cloud20201604_131531
cloud20201604_131715
cloud20201604_131935
screen_video11-2020-04-16_12.19.47
screen_video11-2020-04-16_12.23.45
screen_video11-2020-04-16_12.28.46
screen_video11-2020-04-16_12.30.52
screen_video11-2020-04-16_12.33.16
screen_video11-2020-04-16_12.36.07
screen_video11-2020-04-16_12.39.16
screen_video11-2020-04-16_12.41.07
screen_video11-2020-04-16_12.43.07
Sensordaten (ohne GPS) - 1
Sensordaten (ohne GPS) - 2
Sensordaten (ohne GPS) - 3
Sensordaten (ohne GPS) - 4
Sensordaten (ohne GPS) - 5
Sensordaten (ohne GPS) - 6
Sensordaten (ohne GPS) - 7
Sensordaten (ohne GPS) - 8
Sensordaten (ohne GPS) - 9
Sensordaten (ohne GPS) - 10
Sensordaten (ohne GPS) - 11
Sensordaten (ohne GPS) - 12
Sensordaten (ohne GPS) - 13
Sensordaten (ohne GPS) - 14
Sensordaten (ohne GPS) - 15
Gebäudemodell Vogelsbergkreis - Datentruktur für OGC API - 3D GeoVolumes
Gebäudemodell Kreis Lippe - Datenstruktur für OGC API - 3D GeoVolumes
meinGruen_SocialMedia_Nutzung&Wahrnehmung_Indikatoren_Heidelberg.geojson / 02_Metadata_HeidelbergDatensatz.pdf
Im Projekt SenAD erhobene Messdaten für Asphaltprobekörper mit integriertem Gewerbe
Projektseite
Pilotgebiet_Friedrichshain-Kreuzberg
Pilotgebiet_Tempelhof-Neukölln
scenarios
Spaltenbeschreibung_deutsch
Spaltenbeschreibung_deutsch
FreeRail-5GConnectedMobility
Shapefiles der Lichtsignalanlagen in Hamm
Shapefiles der Lichtsignalanlagen in Krefeld
Signallagepläne der Lichtsignalanlagen in Hamm
Signallagepläne der Lichtsignalanlagen in Krefeld
Signalzeitenpläne der Lichtsignalanlagen in Hamm
Zielfahrplan Deutschlandtakt im Format railML TT
cloud20201504_080622
cloud20201504_081050
cloud20201504_081549
cloud20201504_081743
cloud20201504_082506
cloud20201504_083943
cloud20201504_084734
cloud20201504_084901
cloud20201504_085313
cloud20201504_085721
cloud20201504_085854
cloud20201504_091636
cloud20201504_091831
cloud20201504_091940
cloud20201504_092351
screen_video_08-2020-04-15_10.47.26
screen_video_08-2020-04-15_10.48.51
screen_video_08-2020-04-15_10.53.04
screen_video_08-2020-04-15_10.57.11
screen_video_08-2020-04-15_11.05.09
screen_video_09-2020-04-15_11.10.24
cloud20201504_083224
cloud20201504_083351
cloud20201504_134531
cloud20201504_134937
cloud20201504_135051
cloud20201504_135409
cloud20201504_135657
Stadtbäume Deutschland
Bremsvorgänge in Oldenburg
Land cover map of Dortmund
Monitoringdaten_Dafmon_2017
Prinzipskizze_1
Prinzipskizze_2
Prinzipskizze_3
Prinzipskizze_4
Sensor_Übersicht
mvdXML file
duisburg_grid
duisburg_grid.shp
predicted_trips_duisburg
munich_grid
munich_grid.shp
predicted_trips_munich
IP_Asphaltbinderschicht
IP_Asphalttragschicht
IP_Beton C3037 für Widerlager
IP_Betonflansch für Verbundträger als Fertigteil%2C C 35_45
IP_Betonflansch für Verbundträger als Fertigteil%2C C 45_55
IP_Brückenaußenkappe nach Kap 1.1 auf Fahrbahnplatte C30_37 (Regelausführung) inkl. Abdichtung
IP_Brückenaußenkappe nach Kap 1.1 auf Fahrbahnplatte C30_37 (Regelausführung)
IP_Brückenaußenkappe nach Kap 1.3 auf Fahrbahnplatte C30_37 (mit Geh- und Radweg)
IP_Brückenaußenkappe nach Kap 7 auf Fahrbahnplatte C30_37 (Regelausführung)
IP_Deckschicht des Fahrbahnbelags aus Gussasphalt%2C Dicke 4.5 cm
IP_Dichtschicht Polymerbitumen einlagig unter Fahrbahn%2C Dicht 3 Blatt 2
IP_Dichtschicht Polymerbitumen unter Kappe%2C Dicht 3 Blatt 1
IP_Elastomerlager Lag 9%2C für 6MN (Fy) Lagerreaktion
IP_Fahrbahnbelag zweischichtig Gussasphalt (d%3D9 cm) inkl. Abdichtung einlagig
IP_Fahrbahnübergangskonstruktion Übe 1 für Brückenlänge von ca 200 Meter
IP_Fahrbahnübergangskonstruktion Übe 1 für Brückenlänge von ca. 40 Meter
IP_Geländer neben Betriebs- und Notwegen%2C Gel 3
IP_Geländer neben Geh- und Radwegen%2C Gel 4
IP_Hohlkastenquerschnitt aus . S355 für Talbrücken durchschnittliche Blechdicke 20 mm
IP_Hohlkastenquerschnitt aus . S355 für Talbrücken durchschnittliche Blechdicke 20 mm belüftet
IP_Hohlkastenquerschnitt aus . S355 für Talbrücken durchschnittliche Blechdicke 20 mm luftdicht verschweißt
IP_Kalottenlager für 18 MN (Fy)
IP_Kalottenlager für 6 MN (Fy)
IP_Kopfbolzendübel für Stahl-Verbundträger%2C d%3D22x175
IP_Längsträg. S355 (HEB600 B)%2C org. Korr. C4%2C KBP%2C Transport%2C Montage
IP_Längsträg. S355 (HL 1000 A)%2C Spritzverzinkt%2C KBP%2C Transport%2C Montage
IP_Längsträg. S355 (HL 1100 B)%2C org. Korr. C4%2C KBP%2C Transport%2C Montage
IP_Längsträg. S355%2C OG %3D10-11%2C sehr schweres Profil (HL 1000 A)
IP_Längsträg. S355%2C OG %3D8-9%2C schweres Profil (HEB 600)
IP_Längsträg. S460%2C OG %3D10-11%2C sehr schweres Profil (HL 1000 A) aus Wetterfestem Stahl
IP_Längsträg. S460%2C OG %3D10-11%2C sehr schweres Profil (HL 1000 A)
IP_Org.Korr.Sch. C3
IP_Org.Korr.Sch. C4
IP_Ortbetonplatte Balkenbrücke auf Filigranplatten C30_37
IP_Schotter für Frostschutzschicht
IP_Schutzschicht des Fahrbahnbelags aus Gussasphalt%2C Dicke 4.5 cm
IP_Splittmastixasphalt SMA
IP_Spritzverzinken 200 µm
IP_Straße Oberbau Asphaltbauweise
Objekte_csv
RegioStaR-Referenzdateien.xlsx
REST-API (JSON)
Portalverzeichnis (Tabelle)
Portalverzeichnis (Geodaten + Attribute)
Portalverzeichnis (Geodaten + Attribute)
Portalverzeichnis (Geodaten + Attribute)
Portalverzeichnis (Geodaten + Attribute)
Rohdaten (Tabelle)
Datenportal
IFI_Daten_Saarbrücken.xlsx
IFI_Daten_Saarbrücken_Zustandskarte.pdf
Beschreibung
Datensatz 1
Datensatz 2
Datensatz 3
Datensatz 4
Standorte von Wachen der Berufsfeuerwehr
Gitlab Repository
cloud20202003_093640
cloud20202003_094543
cloud20202003_095313
cloud20202003_095959
cloud20202003_100243
cloud20202003_102739
cloud20202003_103914
cloud20202003_104743
cloud20202003_104832
cloud20202003_110721
screen_video_02-2020-03-18_11.25.46
screen_video_03-2020-03-20_10.36.13
screen_video_04-2020-03-20_10.45.34
screen_video_05-2020-03-20_10.52.08
screen_video_06-2020-03-20_10.59.47
screen_video_07-2020-03-20_11.02.34
Gebäudemodell Dresden - Dateistruktur für OGC API - 3D GeoVolumes
sensor_20180224.172514_AmRossbruch
sensor_20180327.115413_Koeln_Neumarkt
sensor_20180327.124801_Koeln_Barbarossa
sensor_20180327.130934_Koeln_Hohenstaufenring
sensor_20180403.105447_Gebaeudeumrundung
sensor_20180403.142537_PB
smacy_example
smacy_example
smacy_example
Evaluation Data - Part 01
Evaluation Data - Part 02
Evaluation Data - Part 03
Evaluation Data - Part 04
Evaluation Data - Part 05
Evaluation Data - Part 06
Evaluation Data - Part 07
Evaluation Data - Part 08
Evaluation Data - Part 09
Evaluation Data - Part 10
berlin_grid
berlin_grid.shp
ridepooling_searches
OpenDRIVE® Testdaten - Testfeld A9 - AtomFeed
OpenDRIVE® Testdaten - Testfeld A9 - MDM-Publikation
XML Schema Definition for OpenDRIVE XML files
A9 + A70 Achsen
A9 + A70 Kilometrierung
A9 Kreuzungswinkel
gera-dangerlocations-demo-v2
sirene_simu_fzg_100
sirene_simu_fzg_101
sirene_simu_lsa_status
Städtische Grünflächen und Aktivitäten: Dresden
Städtische Grünflächen und Indikatoren: Heidelberg
Belegungsprognose
count.csv
MOT.csv
roi.csv
video_example.mp4
Bremen_at_plz_28217_to_Eching_at_plz_85386_from_2019_11_01_to_2021_10_31
Rahmenparameter_Bremen nach Eching
Vorzugsstandorte_LNG_Tankstellen_Stuttgart
Feldtrenner: Semikolon
2021-05-12T07:15:37.016Z
Messwerte der Verkehrsdetektoren auf Stundenbasis
2021-05-12T07:15:37.016Z
2021-09-27T06:26:53.538Z
2021_09_27_Parkscheinautomaten Pankow.xlsx
2021-09-27T06:26:53.538Z
2021-09-27T06:26:53.538Z
2021_09_27_Parkscheinautomaten Pankow.CSV
2021-09-27T06:26:53.538Z
2021-08-23T06:29:42.610Z
2021_parkscheinautomaten-pankow.xlsx
2021-08-23T06:29:42.610Z
2021-05-12T08:42:43.862Z
Standorte Parkleitsystem [GeoJSON]
2021-05-12T08:42:43.862Z
Feldtrenner Semikolon
2021-07-08T10:56:39.990Z
Standorte Parkleitsystem [CSV]
2021-07-08T10:56:39.990Z
2021-07-08T10:57:12.150Z
Standorte Parkleitsystem [Excel]
2021-07-08T10:57:12.150Z
2021-05-17T07:20:34.477Z
Standorte TEU Detektoren [GeoJSON]
2021-05-17T07:20:34.477Z
2021-05-12T08:48:05.275Z
Standorte Verkehrsinfotafeln [GeoJSON]
2021-05-12T08:48:05.275Z
Feldtrenner Semikolon
2021-07-08T10:52:10.118Z
Standorte Verkehrsinfotafeln [CSV]
2021-07-08T10:52:10.118Z
2021-07-08T10:53:10.400Z
Standorte Verkehrsinfotafeln [Excel]
2021-07-08T10:53:10.400Z
Breitbandversorgung in Berlin für Gewerbe im Jahr 2017 LOR (Kiez)
2018-07-11T08:01:08.880Z
Breitbandversorgung Berlin Gewerbe 2017 LOR (Kiez)
2018-07-11T08:01:08.880Z
2020-05-14T10:30:50.528Z
Breitbandversorgung Berlin Gewerbe 2018 LOR (Kiez)
2020-05-14T10:30:50.528Z
Breitbandversorgung Berlin Privatverfügbarkeiten 2017
2018-07-11T09:49:58.746Z
Breitbandversorgung Berlin Privatverfügbarkeiten 2017
2018-07-11T09:49:58.746Z
2020-05-14T10:32:21.359Z
Breitbandversorgung Berlin Privatverfügbarkeiten 2018
2020-05-14T10:32:21.359Z
Liste der Projekte zur Verkehrswende im Bezirk Friedrichshain-Kreuzberg - Stand 11/2019
2020-11-19T08:12:15.930Z
Maßnahmeliste Verkehrswende F-K
2020-11-19T08:12:15.930Z
2020-11-19T08:12:10.933Z
EMobility
2020-11-19T08:12:10.933Z
Die Karte zeigt E-Ladesäulen im öffentlichen und halböffentlichen Raum in Berlin.
Die Darstellungen basieren auf Angaben der Bundesnetzagentur und Erfassungen aus dem Projekt „be emobil“, im Auftrag der Senatsverwaltung für Umwelt, Verkehr und Klimaschutz.
Seit dem 18. April 2017 veröffentlicht die Bundesnetzagentur die im Rahmen der Ladesäulenverordnung (LSV) gemeldeten Daten zur öffentlich zugänglichen E-Ladeinfrastruktur in Deutschland. Darauf aufbauend stellt die Karte die Berliner Elektro-Ladesäulen aller Betreiber dar, die das Anzeigeverfahren der Bundesnetzagentur erfolgreich durchlaufen und einer Veröffentlichung im Internet zugestimmt haben.
2018-10-05T12:31:19.723Z
Ladesäulen im öffentlichen und halböffentlichen Raum
2018-10-05T12:31:19.723Z
Beförderte Rohölmenge und Beförderungsleistung(Rohrfernleitungsstatistik): Deutschland, Monate,Hauptverkehrsbeziehungen
2020-03-02T04:24:58.921Z
2022-08-05T04:45:22.478Z
Beförderte Rohölmenge und Beförderungsleistung(Rohrfernleitungsstatistik): Deutschland, Monate,Hauptverkehrsbeziehungen
2020-03-02T04:24:58.921Z
2022-08-05T04:45:22.478Z