Filter
  • Zeitbezug (61)
    -
  • Frequenz (93)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen

141 Datensätze

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)

Straßen
Infrastruktur
Bereitgestellt durch

Bundesministerium für Digitales und Verkehr (BMDV)

Art des Datenzugangs

AtomFeed / Portal / API

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

— 31.12.2016

Aktualisierungsfrequenz

Niemals

Raumbezug

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.

Straßen
Bahn
Wasserstraßen und Gewässer
Infrastruktur
Bereitgestellt durch

IPM Group s.r.o

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Aktualisierungsfrequenz

Jährlich

Raumbezug

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.

mFUND-Projekt: PoC - Brückenerhaltungsmanagement II, FKZ: 19F2076B

Straßen
Infrastruktur
Bereitgestellt durch

BiM CC GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Raumbezug

Beispieldatensatz für Gefahrenstellen im Radverkehr im Bereich Dresden Leipzig

mFUND-Projekt: Gefahrenstelle_Rad, FKZ: 19F2008A

Infrastruktur
Bereitgestellt durch

Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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).

mFUND-Projekt: SIRENE, FKZ: 19F2030

Infrastruktur
Straßen
Bereitgestellt durch

Deutsches Zentrum für Luft- und Raumfahrt e.V.

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

23.10.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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

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

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

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

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
}

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

15.09.2021 —

Aktualisierungsfrequenz

Kontinuierlich

Raumbezug

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.

mFUND-Projekt: meinGrün, FKZ: 19F2073C

Infrastruktur
Bereitgestellt durch

Institut für Kartographie, TU Dresden

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

01.01.2007 — 31.12.2019

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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)

mFUND-Projekt: CityCount, FKZ: 19F1084A

Infrastruktur
Bereitgestellt durch

Palaimon GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

06.03.2023

Zeitbezug der Daten

30.09.2022

Aktualisierungsfrequenz

Niemals