Filter
  • Zeitbezug (68)
    -
  • Frequenz (135)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen

175 Datensätze

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

Bahn
Infrastruktur
Straßen
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

03.12.2019

Zeitbezug der Daten

01.01.2018 — 31.08.2018

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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

Zeitbezug der Daten

01.01.2018 — 31.08.2018

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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

Zeitbezug der Daten

01.01.2018 — 31.08.2018

Aktualisierungsfrequenz

Niemals

Raumbezug

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
Bahn
Straßen
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

02.12.2019

Zeitbezug der Daten

01.01.2018 — 31.08.2018

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

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

Bahn
Infrastruktur
Straßen
Bereitgestellt durch

door2door GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

02.12.2019

Zeitbezug der Daten

05.01.2018

Aktualisierungsfrequenz

Niemals

Raumbezug

Datensätze, die im Rahmen des Projekts XPress gesammelt oder erstellt wurden

Infrastruktur
Bereitgestellt durch

GeoNet.MRN e.V.

Art des Datenzugangs

Portal

Aktualität der Datensatzbeschreibung

04.09.2019

Raumbezug

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.

mFUND-Projekt: AHEAD, FKZ: 19F1037B

Infrastruktur
Bahn
Bereitgestellt durch

Technische Universität München

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

02.09.2019

Aktualisierungsfrequenz

Niemals

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

31.07.2019

Raumbezug

Dieser Datensatz ist das Ergebnis einer Transformationen vom mehrere Rohdaten-Originalformat .csv, xml, kml, .cfg in das graph-format .nt (RDF-Serialisierung). Es enhält unter anderem: Wetterdaten, Bahnhofsdaten, Liegenschaftsdaten, Baustellendaten, Tankstellendaten.

mFUND-Projekt: LIMBO, FKZ: 19F2029I

Straßen
Bahn
Klima und Wetter
Infrastruktur
Bereitgestellt durch

Fraunhofer Institut für Intelligente Analyse- und Informationssysteme IAIS

Art des Datenzugangs

API

Aktualität der Datensatzbeschreibung

18.03.2019

Zeitbezug der Daten

18.03.2019

In dem Forschungsprojekt DROVA (Drohnenbasierte Verkehrsanalyse zur Optimierung der Nutzung bestehender Infrastruktur) wird ein Verfahren zur automatisierten, einzelfahrzeugbasierten Analyse des Verkehrsablaufs entwickelt. Diese Entwicklung wird anhand der Demonstratoren Zuflussregelungsanlagen (ZRA) an Anschlussstellen und Arbeitsstellen längerer Dauer (AlD) im Bereich der Bundesautobahnen erprobt. Zur Umsetzung der Methodik ist zunächst die Erstellung von digitalen Geländemodellen erforderlich, welche die Infrastruktur in Form des Fahrraums mit Einteilung der Fahrstreifen bzw. des Fahrraums abbilden. Diese werden auf Basis photogrammetrischer Verfahren aus den mittels Drohne erfassten Einzelfotos abgeleitet und für die weitere Analyse über eine Punktwolke abgebildet. Die Punktwolke soll später als Beschreibung des Fahrraums dienen. Diesbezüglich sind hinsichtlich einer möglichen Weiterverwendung Verfahren zu entwickeln, durch die die Punktwolke als 3D-Modell aufbereitet und (einzelne) Objekte visualisiert werden können. Als Programm zur Punktwolkenerzeugung ist AgiSoft Metashape verwendet worden. Durch die Metainformationen der Einzelfotos werden diese mittels Mustererkennung verschnitten und über eine Punktwolke abgebildet. Der Datensatz enthält somit eine Vielzahl von Punkten wobei jedem Punkt die folgenden Informationen zuzuordnen sind: Längengrad, Breitengrad, Höhe, einzelne Farbwerte im RGB-Farbraum durch die additive Mischung der drei Grundfarben Rot (R), Grün (G), Einheitsnormalenvektor für den Punkt in Bezug auf die Fläche für die Schattierung bei der dreidimensionalen Darstellung.Für die Punktwolke liegt die Georeferenzierung als UTM-Abbildung (WGS 84) in der nten Zone vor (EPSG-Code 25832).

In the research project DROVA (drone-based traffic analysis to optimize the use of existing infrastructure) a procedure for the automated, single-vehicle-based analysis of traffic-flow is being developed. This developement is being tested via ramp metering demonstration units in junctions and construction sites of longer duration in the highway area. To implement the method the creation of a digital topography model, which displays the infrastructure in the form of the driving area with a division of lanes is required. These are derived on the basis of a photogrammetric process from single photos captured by unmanned aerial vehicle (UAV) and are displayed for further analysis through a point cloud. The point cloud is to be used later as a description of the driving space. To this effect, regarding a possible reuse, procedures are to be developed through which the point cloud is prepared as a 3D-model and (singular) objects can be visualised. The AgiSoft Metashape program was used to generate the point cloud.Through the meta information of the single photos these are cut by means of pattern identification and depicted via a point cloud. In this way the record contains a multitude of points whereby every point is to be assigned the following information: longitude, latitude, height, colour value in the RGB colour space through the additive mix of the three base colours Red (R), Green (G) und Blue (B), normal vector for the point in reference to the area for the shadowing in the three dimensional representation.The georeferencing of the point cloud is available in UTM map (WGS 84) in the n-th zone (EPSG code 25832).

mFUND-Projekt: DROVA, FKZ: 19F2041A

Infrastruktur
Straßen
Bereitgestellt durch

RWTH Aachen Institut für Straßenwesen

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

22.02.2019

Zeitbezug der Daten

22.02.2019