Filter
  • Zeitbezug (58)
    -
  • Frequenz (215)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen
Alles zurücksetzen

255 Datensätze

Infrastruktur

Alles zurücksetzen

mCLOUD Metadatenkatalog

Das BMDV Open-Data-Portal mCLOUD bietet unter https://mcloud.de/export/ eine Exportschnittstelle (REST-API) an, über die Daten als RDF nach der DCAT-AP.de Spezifikation oder als CSV exportiert werden können.
Export als DCAT-AP.de in RDF/XML:
Basispfad: https://mcloud.de/export/datasets
Export als CSV:
Basispfad: https://mcloud.de/export/csv/datasets
Parameter:
Die Parameter in den Requests sind angelehnt an die Parameter im Portal bei einer abgesetzten Suche (URL). 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.
Einzelner Datensatz
Ein einzelner Datensatz kann durch anhängen der UUID abgerufen werden.
Z.B. https://mcloud.de/export/datasets/922e436b-2f0d-42d7-b3f4-528debab8b87
Dieser Export steht in der mCLOUD im Datensatz als "Link zu den Metadaten" direkt zur Verfügung.
Vordefinierte Filter:
Alle Datensätze, die in den letzten 24 Stunden hinzugekommen sind: filter=newdatasets https://mcloud.de/export/datasets?filter=newdatasets Alle Datensätze, die in den letzten 24 Stunden geändert wurden (beinhaltet auch neu hinzugekommene Sätze): filter=modifieddatasets https://mcloud.de/export/datasets?filter=modifieddatasets
Paging (default):
pageSize=10 (Anzahl Sätze auf einer Seite) page=1 (erste Seite anzeigen) https://mcloud.de/export/datasets?page=1&pageSize=10 Im DCAT-AP.de Export werden am Anfang immer Navigationsinformationen mit ausgegeben: itemsPerPage (= pageSize Parameter) totalItems (Gesamtanzahl) firstPage (= erste Seite für page Parameter) lastPage (= letzte Seite für page Parameter)
Suchbegriff:
query=Fahrzeug
https://mcloud.de/export/datasets?query=Fahrzeug
Suchfacette:
aggs=...
Dahinter wird die Facette genau wie auch im Portal Request angegeben. Die Kodierung ist zu beachten:
format%3ACSV = Art des Zugangs "CSV"
categories%3Aroads = Kategorie "Straße"
format%3ACSV%40%40categories%3Aroads = Art des Zugangs "CSV" UND Kategorie "Straße"

Zusammen:
aggs=format%3ACSV%40%40categories%3Aroads
https://mcloud.de/export/datasets?aggs=format%3ACSV%40%40categories%3Aroads

Hier die Suche im Portal, daran kann man sich orientieren:
https://mcloud.de/web/guest/suche/-/results/filter/auto/format%3ACSV%40%40categories%3Aroads/0
Am Ende der Seite befindet sich auch der Link (als RDF):
https://mcloud.de/export/datasets?page=1&pageSize=1147&sortOrder=desc&sortField=latest&aggs=format%3ACSV%40%40categories%3Aroads
Sortierfeld:
Keine Angabe sortiert nach ID der Datensätze
sortField=relevance (Relevanz)
sortField=latest (Aktualität)
Sortierreihenfolge:
sortOrder=asc (aufsteigend, Default)
sortOrder=desc (absteigend)

Bahn
Wasserstraßen und Gewässer
Infrastruktur
Klima und Wetter
Luft- und Raumfahrt
Straßen
Bereitgestellt durch

Bundesministerium für Digitales und Verkehr (BMDV)

Art des Datenzugangs

API

Aktualität der Datensatzbeschreibung

06.03.2023

Aktualisierungsfrequenz

Täglich

Mikro-Doppler Radardaten von Verkehrsteilnehmern

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.

mFUND-Projekt: VIDETEC, FKZ: 19F1074B

Straßen
Infrastruktur
Infrastruktur
Straßen
Bereitgestellt durch

IMST GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

13.04.2021 — 14.04.2021

Aktualisierungsfrequenz

Niemals

Raumbezug

DLR Oberpfaffenhofen, 82234 Weßling

Offene Metadaten

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/

mFUND-Projekt: OPAL, FKZ: 19F2028A

Infrastruktur
Bereitgestellt durch

Universität Paderborn, Fachgruppe Data Science

Art des Datenzugangs

FTP / Dateidownload / Portal

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

— 30.11.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

OPENER App Source-Code

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.

mFUND-Projekt: OPENER, FKZ: VB18F1016A

Infrastruktur
Bereitgestellt durch

Technische Universität Chemnitz

Art des Datenzugangs

Portal

Aktualität der Datensatzbeschreibung

06.03.2023

Raumbezug

Städtische Grünflächen und Indikatoren: Dresden

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

mFUND-Projekt: meinGrün, FKZ: 19F2073A

Infrastruktur
Bereitgestellt durch

Leibniz-Institut für ökologische Raumentwicklung e. V. (IÖR)

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

01.01.2015 — 31.12.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

Stadt München, P+R-Parkplatz Lochhausen Nord: Stellplatzbelegung

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.

mFUND-Projekt: PAMIR, FKZ: 19F2061A

Straßen
Infrastruktur
Bereitgestellt durch

ifak e.V.

Art des Datenzugangs

API

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

19.12.2019 —

Aktualisierungsfrequenz

Kontinuierlich

Raumbezug

Verladerpreise für die Strecke Kuenzell nach Hamburg im Zeitraum 01.11.2019 bis zum 31.10.2021

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.

mFUND-Projekt: Carrypicker Yield Management in der Speditionsbranche, FKZ: 19F2084

Infrastruktur
Bereitgestellt durch

Carrypicker Yield Management in der Speditionsbranche

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

01.11.2019 — 31.10.2021

Raumbezug

Wireless Sensing mit V2X Signale an einer Verkehrskreuzung

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.

mFUND-Projekt: VIDETEC, FKZ: 19F1074A

Straßen
Infrastruktur
Bereitgestellt durch

DLR - Institut für Kommunikation und Navigation

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

13.04.2021 — 14.04.2021

Aktualisierungsfrequenz

Niemals

Raumbezug

Auslastungsprognose Regionalzüge Berlin-Brandenburg (RE3 und RE5)

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).

mFUND-Projekt: ProTrain, FKZ: 19F2021

Bahn
Infrastruktur
Bereitgestellt durch

VBB Verkehrsverbund Berlin-Brandenburg GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

01.11.2019

Aktualisierungsfrequenz

Niemals

Raumbezug

Bereitstellung der Verfahrensdaten zur digitalen Vermessung

Mess- und Auswertungen für das Projekt smartech

Infrastruktur
Bereitgestellt durch

Kreis Paderborn, Amt für Geoinformation, Kataster und Vermessung

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

171 - 180 von 255 Datensätzen

Ergebnisse als CSV oder RDF/XML