Filter
  • Kategorien
    (52)
    (37)
    (15)
    (3)
    (3)
    (2)
  • Datenanbieter
    (12)
    (6)
    (4)
    (3)
    (2)
    (2)
    (2)
    (2)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
    (1)
  • Art des Zugangs
    (25)
    (22)
    (20)
    (11)
    (9)
    (1)
  • Lizenzen
    (11)
    (8)
    (8)
    (6)
    (5)
    (4)
    (4)
    (3)
    (1)
    (1)
    (1)

52 Datensätze

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.

Infrastruktur
Bereitgestellt durch

ILS – Institut für Landes- und Stadtentwicklungsforschung

Art des Datenzugangs
WMS
Aktualität der Datensatzbeschreibung

10.01.2020

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)

mFUND-Projekt: PAMIR, FKZ: 19F2061A

Straßen
Infrastruktur
Bereitgestellt durch

ifak e.V.

Art des Datenzugangs
API
Aktualität der Datensatzbeschreibung

19.12.2019

Deutschland ist ein Zukunftsland. Ob superschnelles Internet oder neue Formen der urbanen Mobilität – das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) unterstützt den Fortschritt mit Förderprogrammen in Millionenhöhe.

Erstmals zeigt nun eine interaktive Förderlandkarte auf der Internetseite des BMVI, wo und wie genau diese Gelder das Leben der Menschen verbessern. Leicht bedienbar und auf den Straßenzug genau, gibt die Förderlandkarte einen detaillierten Überblick über mehr als 9.100 Förderprojekte aus insgesamt 18 Förderprogrammen.

Wie funktioniert die interaktive Förderlandkarte?
Die Suche lässt sich in die Themenfelder Digitales, Infrastruktur und Mobilität unterteilen. Eine Auswahl nach bestimmten Förderprogrammen und Zeiträumen ist ebenfalls möglich. Die Suche kann örtlich eingrenzt werden: nach Bundesländern, Landkreisen, kreisfreien Städten oder auch Bundestagswahlkreisen. Jede Förderung kann standortgenau mit den jeweiligen Hintergrundinformationen zur Förderung in der Förderlandkarte abgerufen werden. Zu jedem Förderprogramm gibt es weiterführende Informationen auf der Internetseite des BMVI. Es besteht die Möglichkeit, die individuelle Auswahl zu exportieren (CSV, Excel), um damit offline weiterzuarbeiten.

Detaillierte Informationen: BMVI Förderlandkarte

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

Bundesministerium für Verkehr und digitale Infrastruktur (BMVI)

Art des Datenzugangs
Portal / API
Aktualität der Datensatzbeschreibung

16.12.2019

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.

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 daten.berlin.de veröffentlicht wurde.

Erläuterung der enthaltenen Spalten
  • cell_id – Bezug zum Raster, siehe GeoJSON oder Shapefile
  • geometry – Multypolygon-Geometrie des innerhalb von 15 Minuten zu Fuß und mit dem ÖPNV zu erreichenden Gebiets im Well-Known-Text-Format (WKT)


mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Bahn
Straßen
Infrastruktur
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

03.12.2019

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 der in Berlin erhobenen Ridepooling-Nachfragedaten und in München vorhandenen Points of Interest generiert. Die zur Verfügung gestellten Vergleichswerte beziehen sich auf stundengenaue Zeiträume innerhalb einer durchschnittlichen Betriebswoche.

Erläuterung der enthaltenen Spalten
  • cell_from – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • cell_to – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • weekday – Wochentag, auf den sich der Wert bezieht
  • start_time – Beginn des Zeitraums, auf den sich der Wert bezieht
  • end_time – Ende des Zeitraums, auf den sich der Wert bezieht
  • weight – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen


mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Straßen
Infrastruktur
Bahn
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

03.12.2019

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 der in Berlin erhobenen Ridepooling-Nachfragedaten und in Duisburg vorhandenen Points of Interest generiert. Die zur Verfügung gestellten Vergleichswerte beziehen sich auf stundengenaue Zeiträume innerhalb einer durchschnittlichen Betriebswoche.

Erläuterung der enthaltenen Spalten
  • cell_from – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • cell_to – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • weekday – Wochentag, auf den sich der Wert bezieht
  • start_time – Beginn des Zeitraums, auf den sich der Wert bezieht
  • end_time – Ende des Zeitraums, auf den sich der Wert bezieht
  • weight – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen


mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Bahn
Infrastruktur
Straßen
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

03.12.2019

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.

Die anonymisierten Daten wurden im Rahmen des allyMAP-Projektes während des "allygator shuttle" Pilotbetriebs im Frühjahr 2018 erhoben.

Erläuterung der enthaltenen Spalten
  • cell_from – Quelle der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • cell_to – Ziel der Verkehrsbeziehung (Bezug zum Raster, siehe GeoJSON oder Shapefile)
  • weekday – Wochentag, auf den sich der Wert bezieht
  • start_time – Beginn des Zeitraums, auf den sich der Wert bezieht
  • end_time – Ende des Zeitraums, auf den sich der Wert bezieht
  • weight – Verhältnis der Anzahl an Fahrtwünschen im Vergleich zu anderen Verkehrsbeziehungen


mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Bahn
Infrastruktur
Straßen
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

03.12.2019

Dieser Datensatz enthält Ergebnisse des mFund-Projekts "allyMAP".

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 ( diese werden hier in einem separaten Datensatz zur Verfügung gestellt).

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.

In der deutschsprachigen Spaltenbeschreibung (ODS oder PDF) findet sich eine genauere Erklärung der einzelnen Parameter und Kennzahlen.

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.

mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Infrastruktur
Straßen
Bahn
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

02.12.2019

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.

Diese Suchanfragen bieten die Grundlage für die Simulationsergebnisse im separat bereitgestellten Datensatz Simulationsergebnisse für On-Demand-Ridepooling-Szenarien in Berlin (allyMAP) . In diesem Datensatz werden auch die ausgewählten Pilotgebiete zur Verfügung gestellt, auf die sich die hier bereitgestellten Fahrtwünsche beziehen.

Erläuterung der JSON-Attribute:
  • operating_period – Betriebszeitraum, in dem die Suchanfragen stattfinden
  • start_time – Beginn des Betriebszeitraums
  • end_time – Ende des Betriebszeitraums
  • ride_requests – Liste der Suchanfragen
  • pickup – Abholort (Längengrad und Breitengrad)
  • dropoff – Zielort (Längengrad und Breitengrad)
  • passengers – Anzahl der Fahrgäste
  • request_time – Zeitpunkt der Fahrtanfrage


mFUND-Projekt: ally Mobility Analytics Platform (allyMAP), FKZ: 19F2022A

Straßen
Bahn
Infrastruktur
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs
Dateidownload
Aktualität der Datensatzbeschreibung

02.12.2019

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

22.10.2019